KR100331605B1

KR100331605B1 - 제어모델구축지원장치및방법

Info

Publication number: KR100331605B1
Application number: KR1019970007731A
Authority: KR
Inventors: 마사히로 카야마; 지로 쿠마야마; 쇼헤이 후쿠오카; 마사토 요시다; 요이치 수지타; 야스오 모로오카
Original assignee: 가부시끼가이샤 히다치 세이사꾸쇼
Priority date: 1996-03-13
Filing date: 1997-03-07
Publication date: 2002-09-26
Also published as: KR970066949A; JPH09244705A; TW327682B; US6049738A; JP3412384B2

Abstract

제어 대상을 반드시 모의하는 제어 모델을 구축하기 위한, 매우 효율적이고, 정확한 고성능인 모델 구축 지원 장치에 있어서, 제어 모델 구축용의 제 1데이터 베이스(121)에 저장되어 있는 복수의 데이터 세트를, 데이터 분할수단(114)에 의해 가장 적은 통계적 격차를 갖는 복수의 분할 데이터군으로 분할하고, 복수의 분할 데이터 베이스(122)의 각각의 데이터 베이스에 저장한다.

그리고, 복수의 분할 데이터군중 1개의 데이터를 사용하여 모델 구축수단(115)으로 제어 모델을 구축하고, 상기 복수의 분할 데이터군중 다른쪽의 데이터를 사용하여 모델 평가수단(116)으로, 구출된 제어모델를 평가한다.

Description

제어 모델 구축 지원장치 및 방법

본 발명은, 철강 공장, 전력 공장, 일반산업 공장 등의 분야에 적용할 수 있는 제어모델을 구축하기 위한 처리에 관한 것으로, 특히, 제어 대상으로부터 수집된 데이터를 근거하여 고정밀도인 제어모델을 효율적으로 구축하기 위한 처리에 관한 것이다.

컴퓨터 분석을 위한 제어 대상으로부터 데이터를 수집하는, 일본국 특개평 6-168222호에 개시된 종래의 데이터 수집방법은, 제어대상의 제어정보를 수집하는 수단과, 수집한 데이터를 독립적으로 저장하는 메모리를 구비하여, 저장된 데이터를 사용하여 반복적으로 제어대상의 시뮬레이션을 행할 수 있도록 구성되었다.

더구나, 일본국 특개평 5-296923호에 기재된 종래의 제어모델 구축방법에는, 제어대상으로부터 수집한 데이터를 근거하여 제어모델을 구축하고, 대응하는 관계가 신경망에 의해 식별될 때 적용될 적당한 튜닝량을 사용하여 제어대상에 대한 제어모델의 제어오차를 해소하기 위한 복수의 관계를 기억시키는 방법이 개시되어 있다.

그러나, 상기한 종래 기술에는, 다음과 같은 문제점이 있었다.

특개평 6-168222호의 방법은, 제어대상으로부터의 데이터를 수집하는 방법과, 수집된 데이터를 컴퓨터의 메모리에 저장하는 방법에 관해서는 개시되어 있지만, 수집된 데이터를 사용하여 제어모델을 구축할 때의 효율과 정밀도를 향상시키는 방법에 대해서는 개시되어 있지 않으며 제시되어 있지도 않았다. 더구나, 제어 모델의 입출력의 지연관계의 보상이 고려되어 있지 않기 때문에, 서로 다른 시간 시퀀스에 서로 다른 입출력을 요구하는 제어모델을 구축하는데 있어서는, 이와 같은 보상을 수동으로 수행해야 한다. 더욱이, 제어모델 구축에 지장이 없는 적당한 크기와 형태로 저장된 데이터를 압축하는 데이터 압축에 대해 고려되어 있지 않기 때문에, 데이터 수집을 반복하면 컴퓨터에 누적된 데이터량이 방대하게 되는 문제가 있었다.

또한, 특개평 5-296923호의 방법은 제어모델의 정밀도를 향상시키려고 시도하고 있지만, 제어대상으로부터 수집한 데이터의 일반화에 관해서는 고려하지 않았다. 이에 따라, 수집된 데이터가 노이즈를 포함하고 있는 경우에, 이러한 종래의 방법은 제어모델의 정밀도가 저하하는 문제가 있었다. 더구나, 구축된 제어모델의 타당성을 평가하지 않기 때문에, 구축된 제어모델이 일반성에 부족한 경우에, 이 제어모델을 사용하는 실제의 시스템에서는 제어성능이 저하한다. 또한, 입출력 영역의 각 부분영역에 저장된 데이터의 검증이, 일반화된 제어모델을 구축하는데 충분한 양과 질을 갖고 있는지에 관해서 고려되어 있지 않기 때문에, 제어모델의 특정한 부분영역에 있는 특정한 입력에 대응하는 특정한 출력의 정밀도가 현저히 저하하는 문제점이 있었다.

본 발명은 상기한 종래기술에 관련된 전술한 문제점을 해결하기 위한 것이다. 결국, 본 발명의 제 1 목적은, 제어모델을 구축하고 구축된 제어모델의 타당성을 정확히 평가하기 위한 모델 구축 지원장치를 제공함에 있다.

본 발명의 제 2 목적은, 서로 다른 시간 시퀀스에 제어대상으로부터 얻은 서로 다른 입출력 데이터를 사용하여 제어대상을 모의하는 제어모델을 구축할 필요가 있는 경우에, 제어대상의 동작에 근거하여 산출된 각 입력의 시간 지연을 보상하고, 제어모델의 구축에 직접적으로 사용될 수 있는 데이터베이스에 이와 같은 지연 보상된 데이터를 저장하는 제어모델을 구축하기 위한 모델 구축 지원장치를 제공함에 있다.

본 발명의 제 3 목적은, 충분한 데이터의 축적이 부족한 제어모델의 동작영역에 있는 각 부분영역의 오퍼레이터에게 통지하여, 제어모델의 국소적인 성능의 저하를 피할 수 있는 제어모델을 구축하기 위한, 모델 구축 지원장치를 제공함에있다.

본 발명의 제 4 목적은, 제어대상으로부터 얻은 방대한 데이터를 저장하기 위해 고유의 통계적 특성의 손실을 최소화하면서 그것의 데이터베이스의 사이즈를 최적화할 수 있는 제어모델을 구축하며, 최적화된 데이터베이스에 저장된 데이터를 사용하여 제어모델을 구축할 수 있는 제어모델 구축 지원장치를 제공함에 있다.

본 발명의 제 5 목적은, 오퍼레이터가 다양한 제어모델 구축 지원수단을 대화식으로 용이하게 선택적으로 실행할 수 있는 제어모델을 구축하는 대화식 제어모델 구축 지원장치를 제공함에 있다.

도 1은 본 발명에 의해 실현되는 제어모델을 구축하기 위한 모델 구축 지원장치의 개략도.

도 2는 본 발명의 태스크 기동수단의 처리 알고리즘.

도 3은 본 발명의 데이터 수집수단의 처리 알고리즘.

도 4는 본 발명에 따른 데이터의 구성도.

도 5는 본 발명의 데이터 정량화 수단의 처리도.

도 6는 본 발명의 데이터 정량화 수단의 처리 알고리즘.

도 7은 맨-머신 인터페이스에 의해 표시된 정보의 일례.

도 8은 본 발명의 데이터 압축수단의 처리도.

도 9는 양자화 알고리즘의 처리도.

도 10은 본 발명의 데이터 분할수단의 처리 알고리즘.

도 11은 본 발명에 따른 분할 데이터 베이스의 구성도.

도 12는 본 발명의 모델 구축수단의 처리 알고리즘.

도 13은 본 발명의 모델 평가수단의 처리 알고리즘.

도 14는 맨-머신장치의 표시예.

도 15는 본 발명의 데이터 정규화 수단을 구비한 제어모델을 구축하기 위한모델 구축 지원장치의 개략도.

도 16은 본 발명의 데이터 정규화 수단의 처리 알고리즘.

* 도면의 주요부분에 대한 부호설명 *

100 : 제어 모델 구축 지원장치 101 : 태스크 기동수단

111 : 데이터 수집수단 112 : 데이터 정량화 수단

113 : 데이터 압축수단 114 : 데이터 분할수단

115 : 모델 구축수단 116 : 모델 평가수단

117 : 모델 전송수단 121 : 제 1 데이터베이스

122 : 제 2 데이터베이스 130 : 제어장치

140 : 맨-머신 인터페이스 170 : 제어대상

본 발명의 제 1 목적은, 제어대상을 모의하는 제어모델을 구축하는 모델 구축 지원장치에 있어서, 상기 제어대상으로부터 데이터를 수집하고, 입력 데이터와 그와 관련된 출력 데이터로 수집된 데이터를 분리하며, 분리된 입력 데이터와 그와 관련된 출력 데이터를 갖는 복수의 데이터 세트를 제 1 데이터베이스에 저장하는 데이터 수집수단과, 상기 제 1 데이터베이스에 저장된 복수의 데이터 세트를 가장 적은 통계적 불일치(statistical disparity)를 갖는 복수의 데이터군으로 분할하는 데이터 분할수단과, 분리된 복수의 데이터군을 각각 저장하는 복수의 분할 데이터베이스를 갖는 제 2 데이터베이스와, 상기 제 1 또는 상기 제 2 데이터베이스에 저장된 복수의 데이터를 이용하여 상기 제어대상을 모의하는 제어모델을 구축하기 위한 모델 구축수단과, 상기 모델 구축수단에 의해 구축된 상기 제어모델을 상기 제 1 또는 상기 제 2 데이터베이스에 저장된 복수의 데이터를 사용하여 평가하는 모델평가수단을 구비한 것을 특징으로 하는, 모델 구축 지원장치를 제공함으로써 달성 될 수 있다.

본 발명의 제 2 목적은, 제어모델을 구축하기 위한 모델 구축 지원장치에 있어서, 제어대상으로부터 데이터를 수집하고, 제어대상을 모의할 수 있는 제어모델구축용의 입력 데이터와 출력 데이터로 수집된 데이터를 분리하며, 출력 데이터에 대응하는 새로운 입력 데이터가 수집되어야 하는 시간을 결정하고, 상기 결정된 시간에 수집된 입력 데이터와 이에 대응하는 출력 데이터를 갖는 데이터 세트를 제 1 데이터베이스에 저장되는 데이터 수집수단과, 상기 제 1 데이터 베이스에 저장된 서로 대응하는 상기 입력 데이터와 상기 출력 데이터를 갖는 데이터 세트에 근거하여 상기 제어대상을 모의하는 제어모델을 구축하기 위한 모델 구축수단을 구비한 것을 특징으로 하는, 모델 구축 지원장치를 제공함으로써 달성될 수 있다.

본 발명의 제 3의 목적은, 제어대상으로부터 수집한 복수의 데이터를 데이터 베이스에 저장하고, 상기 데이터베이스에 저장된 복수의 데이터에 근거하여 상기 제어대상을 모의하는 제어모델을 구축하기 위한 모델 구축 지원장치에 있어서, 상기 모델 구축 지원장치는, 상기 제어모델의 입출력 영역을 복수의 부분영역으로 분할하고, 상기 부분영역에 따라 상기 데이터베이스에 저장된 복수의 데이터를 분리하며, 소정의 데이터량보다 적은 데이터량을 갖는 부분영역을 오퍼레이터에게 통지하는 데이터 정량화 수단을 더 구비한 것을 특징으로 하는 모델 구축 지원장치를 제공함으로써 달성될 수 있다.

본 발명의 제 4 목적은, 제어대상으로부터 수집한 복수의 데이터를 데이터베이스에 저장하고, 상기 데이터베이스에 저장된 복수의 데이터에 근거하여 상기 제어대상을 모의하는 제어모델을 구축하기 위한 모델 구축 지원장치에 있어서, 상기 모델 구축 지원장치는, 상기 데이터베이스에 저장되어 있는 복수의 데이터를 대표할 수 있는 소수의 데이터의 조합을 결정하고, 상기 소수의 데이터의 조합을 상기 데이터베이스에 저장하는 데이터 압축수단을 더 구비한 모델 구축 지원장치를 제공함으로써 달성될 수 있다.

본 발명의 제 5 목적은, 제어모델을 구축하는 모델 구축 지원장치에 있어서, 제어대상으로부터 데이터를 수집하고, 상기 제어대상을 모의할 수 있는 제어모델 구축용의 입력 데이터와 출력 데이터로, 상기 수집된 데이터를 분리하며, 상기 출력 데이터에 대응하는 새로운 입력 데이터가 수집되어야 하는 시간을 결정하여, 상기 결정된 시간에 수집된 새로운 입력 데이터와 이에 대응하는 출력 데이터를 갖는 데이터 세트를, 제 1 데이터베이스에 저장하는 데이터 수집수단과, 상기 제 1 데이터베이스에 저장된 복수의 데이터를 가장 적은 통계적 불일치를 갖는 복수의 분할 데이터군으로 분할하는 데이터 분할수단과, 상기 분할된 복수의 데이터군을 저정하기 위한 복수의 분할 데이터베이스를 갖는 제 2 데이터베이스와, 상기 제 1 또는 상기 제 2 데이터베이스에 저장된 복수의 데이터를 사용하여 상기 제어대상을 모의하는 복수의 제어모델을 구축하기 위한 모델 구축수단과, 상기 모델 구축수단에 의해 구축된 복수의 상기 제어모델을, 상기 제 1 또는 상기 제 2 데이터베이스에 저장된 복수의 데이터를 사용하여 교대로 평가하는 모델 평가수단과; 상기 제어모델의 입출력 영역을 복수의 부분영역으로 분할하고, 상기 부분영역에 따라서 상기 데이터베이스에 저장된 복수의 데이터를 분할하며, 상기 분리한 결과로써, 소정의 데이터수보다 적은 데이터수를 갖는 부분영역을 오퍼레이터에게 통지하는 데이터 정량화 수단과, 상기 제 1 또는 상기 제 2 데이터베이스에 저장되어 있는 복수의 데이터 세트를 대표할 수 있는 소수의 데이터의 조합을 결정하여, 상기 소수의 데이터의 조합을 상기 제 1 또는 제 2 데이터베이스에 저장하는 데이터 압축수단과, 상기 데이터 수집수단, 상기 데이터 분할수단, 상기 모델 구축수단, 상기 모델 평가수단, 상기 데이터 정량화 수단 및 상기 데이터 압축수단을 독립적으로 제어하여 그것의 동작을 기동 및 종료시키는 관리수단을 구비한 것을 특징으로 하는 모델 구축 지원장치를 제공함으로써 달성될 수 있다.

본 발명에 따른 데이터 수집수단를 설치함으로써, 서로 다른 시간 시퀀스에서 얻어진 다양한 입출력 데이터를 사용하여 제어모델을 구축할 때 필요하였던 종래기술에 포함된 수동 동작이 필요가 없다. 더구나, 본 발명에 따른 데이터 정량화 수단을 설치함으로써, 제어대상을 대표할 수 있는 더 적절하고 정확한 제어모델을 구축하기 위해, 부분영역이 추가로 샘플링되어야만 하는 데이터가 어떤 데이터인지를 오퍼레이터가 즉시 파악할 수 있다. 더욱이, 데이터 분할수단과 모델 평가 수단을 설치함으로써, 실제로 적용하기 전에 구축되었던 제어모델의 타당성을 검증할 수 있다. 데이터 압축수단을 설치함으로써, 데이터베이스에 저장되어 있는 데이터의 양이 시간경과에 따라 방대하게 되더라도, 데이터베이스의 사이즈를 적당한 사이즈로 유지할 수 있다. 더구나, 태스크 기동수단을 설치함으로써, 오퍼레이터는 제어모델을 구축하기 위해 설치된 다양한 지원수단 중에서 임의의 것을 효율적으로선택할 수 있다. 또한, 서로 다른 제어모델을 평가하고 그것들의 정확도와 타당성에 관해 비교한 본 발명의 실시예에 있어서는, 다양한 서로 다른 형태의 회귀식 중에서 어떤 것이 더 유효한지를 검증하는 예가 설명되어 있지만, 이것에 제한되지 않고, 서로 다른 수의 중간층 또는 서로 다른 수의 중간 뉴런(neuron)을 갖는 다층 신경망 사이의 우열이나, 회귀 모델과 신경망의 우열을 비교하거나, 또는 시계열 모델에서 회귀적으로 데이터를 수집하는 시간을 결정할 수 있는 어떠한 다른 평가방법도, 본 발명의 범위 내에서 구성될 수 있다.

본 발명의 일 실시예에 따른 제어모델 구축을 위한 구축 지원장치의 개략적인 블록도를 도 1에 도시하였다. 우선, 모델 구축 지원장치의 전체적인 구성을 설명한 다음, 각 부분을 상세히 설명한다. 제어모델 구축 지원장치(100)는, 다양한 태스크를 저장하고 있는 연산수단(110)r하, 연산수단(110)에 저장된 다양한 연산 태스크를 기동하는 태스크 기동수단(101)과, 제어모델 구축용의 데이터와 구축된 제어모델을 기억하는 기억수단(120)과, 외부와 신호를 교환하는 통신 인터페이스(102)로 구성된다. 또한, 제어모델 구축 지원장치(100)는 오퍼레이터가 데이터를 입출력하는 사용되는 맨-머신 인터페이스(140)를 더 구비한다. 상기한 제어모델 구축 지원장치(100)는 네트워크(150)를 통해 제어장치(130)와 I/O 장치(160)에 접속된다. 제어장치(130)에 대해서는 모델 구축장치에서 구축된 제어모델이 네트워크(150)를 통해 출력된다. 또한, I/O 장치(160)를 통해 제어대상(170)의 다양한 상태 및 조건이 관측되며, 필요한 데이터를 수집한다. 제어장치(130)는, I/O 장치(160)와 네트워크(150)를 통해 제어대상(170)의 다양한 상태를 검출하고, 제어모델 구축 지원장치(100)에서 구축된 제어모델을 사용하여 제어대상(170)을 제어하기 위한 제어신호를 출력한다. 제어대상(170)은 제어장치(130)로부터 출력된 제어신호를 I/O(160)를 통해 수신하고, 이것에 따라 동작한다.

본 발명의 이와 같은 실시예에 있어서는, 상기한 제어대상(170)으로서 열간압연 라인(hot strip mill line)의 가열로 플랜트를 예로 들어 설명한다. 가열로 플랜트(180)는 그것의 압연 공정 전에 삽입된 슬래브(slab)라고 불리는 강판(steel plate)(190)을 가열하기 위해 설치된다. 가열로 플랜트 내부에서 약 1100℃까지 버너(181~184)로 가열된 후, 슬래브가 고온의 슬래브(192)로서 배출된다. 가열로 프랜트는 일반적으로, 도 1에 도시된 것 같이, 예열대, 제 1 가열대, 제 2 가열대 및최종 가열대와 같은 4개의 가열대를 포함한다. 센서 171은 슬래브가 로에 들어가기 전의 온도 θ_O를 검출한다. 또한, 센서 172~175는 각 가열대 내부의 온도 t₁~t₄를 각각 검출한다. 더구나, 센서 176은 가열로 플랜트의 출구에서의 슬래브의 온도 θ_out를 측정한다.

다음에는, 제어모델 지원장치(100)의 각 부분의 특징과 동작을 상세히 설명한다, 맨-머신 인터페이스(140)를 통해 오퍼레이터에 의해 입력된 정보에 따라, 태스크 기동수단(101)은 연산수단(110)에 저장된 지정된 태스크를 기동한다. 도 2는 태스크 기동수단(101)이 실행하는 처리 흐름을 나타낸 것이다. 통상적으로, 단계 S2-1에서, 오퍼레이터에 의해 맨-머신 인터페이스(140)를 통해 입력된 신호의 존재를 검출한다. 인터럽트 큐에 근거하여 신호를 수신하는 일례가 도시되어 있다. 그러나, 본 실시예에 있어서는, 이에 한정되지 않으며, 주기적인 검출 처리가 사용될 수도 있다. 인터럽트가 발생하면, 이 단계가 S2-2에 있는 인터럽트 루틴으로 들어가고, 여기에서 인터럽트 명령이 해석된 후, 오퍼레이터에 의해 지정된 연산수단(110) 내부에서 특정한 태스크가 기동된다. 본 실시예에 있어서 연산수단(110)은, 데이터 수집수단(111), 데이터 정량화 수단(112), 데이터 압축수단(113), 데이터 분할수단(114), 제어모델을 구축하는 모델 구축수단(115), 모델 평가수단(116) 및 모델 전송수단(117)에 대한 각 태스크를 구비한 것으로 도시되어 있다. 더구나, 기억수단(120)은, 제어대상(170)으로부터 수집된 데이터를 저장하는 제 1 데이터베이스(121)와, 분할된 복수의 데이터를 저장하는 제 2 데이터베이스(122)와, 제 1 또는 제 2 데이터베이스의 데이터를 사용하여 구축된 제어모델을 저장하는 제어모델(123)로 구성되어 있다.

도 3에는 데이터 수집수단(111)의 처리 알고리즘이 도시되어 있다, 데이터 수집수단(111)은 태스크 기동수단(101)으로부터의 기동 명령에 따라서 작동한다. 단계 S3-1에서는, 제어대상(170) 내부에 설치된 센서에 의해 검출된 검출값이 I/F(102)를 통해 제어모델의 입력과 출력에 대응한 신호로서 입력된다. 본 실시예에서는, 도 1에 도시된 바와 같이, θ₀, t₁∼t₄, θ_out이 입력된다. 이하에서는, 본 발명에 따른 제어모델이 입력으로서 θ₀, t₁∼t₄, 소정의 지정된 슬래브 두께 B를 갖고, 출력으로서 θ_out를 갖는 예를 들어 설명한다. 제어모델은 이들 입력과 출력 데이터 사이에 존재하는 관계를 재현할 필요가 있다, 이러한 관계를 모델화하는 일례에 대해 설명한다. 단계 S3-2에서는, 검출된 출력온도 θ_out를 갖는 슬래브(192)에 대해, 각 가열대 내부의 상주시간 각각에 근거하여, 가열대 내부로 진입된 각각의 시간과 각 가열대에서의 가열 시간 주기를 산출한다. 가열로 플랜트(180)는 예열대에서 최종 가열대에 이르는 4개의 가열대로 구성되므로, △T₁∼△T₄로 정의된 각 가열대의 상주 시간 각각을 슬래브 이동속도와 각 가열대의 길이로부터의 산출할 수 있다. θ_out이 검출된 시간을 T_OUT이라 하면, 슬래브가 예열대에 진입할 때의 시간 T_in은 다음과 같이 수학식 1에 의해 산출될 수 있다.

[수학식 1]

T_in= T_out- (△T₁+△T₂+△T₃+△T₄)

더구나, 각 가열대에서 가열되는 시간 주기 각각은, 각각 예열대 내부의 T_pre, 제 1 가열대 내부의 T_h1, 제 2 가열대 내부의 T_h2, 최종 가열대 내부의 T_unif에 대해 다음과 같이 근사할 수 있다.

[수학식 2]

T_pre= T_out- (△T₁/ 2 + △T₂+ △T₃+ △T₄)

[수학식 3]

T_h1= T_out- (△T₂/2 + △T₃+ △T₄)

[수학식 4]

T_h2= T_out- (△T₃/ 2 + △T₄)

[수학식 5]

T_unif= T_out- △T₄/2

단계 S3-3에서는, 제어모델을 구축하기 위해 상관관계를 갖는 입력 데이터와 출력 데이터를 포함하는 데이터 세트가 생성되고, 이때, 입력 데이터로서, 근사된 각각의 시간 T_in, T_pre, T_h1, T_h2, T_unif와 두께 B를 갖는 슬래브 각각의 온도 θ₀, t₁∼ t₄가 출력 데이터, 즉 θ_out에 대응하여 연관된다. 그후, 단계 S3-4에서, 생성된 데이터의 세트가 제 1 데이터베이스(121)에 저장된다.

도 4에는 제 1 데이터베이스(121)의 데이터 구성의 일례가 도시되어 있다. 이 내부에는 두께 B를 갖는 슬래브에 대한 입력 데이터인 θ₀, t₁∼t₂와 출력 데이터 θ_out을 갖는 복수의 데이터 세트가 저장된다.

데이터 정량화 수단(112)은, 제 1 데이터베이스(121) 내부에 있는 데이터의 내용을 판독하고, 고유의 통계적 특성 및 데이터 간의 차이 또는 불일치를 정량화하여, 그 결과를 오퍼레이터에게 통보한다. 통보된 결과에 근거하여, 오퍼레이터는 제 1 데이터베이스(121) 내부에 존재하는 데이터 내용이 유효하면서도 효율적인 제어모델을 구축하는데 충분한지 여부를 판정한다.

도 5에는 본 발명의 데이터 정량화 수단(112)의 구성이 도시되어 있는데, 데이터 정량화 수단은, 태스크 기동수단(101)에 의해 기동되는 처리방법결정수단(501)과, 제 1∼제 n의 복수의 정량화 수단(502∼505)을 구비한다. 필요한 경우에는 복수의 정량화 수단(502∼505)이 설치되지만, 1개로 충분한 경우에는 1개만 있어도 좋다. 처리방법 결정수단(501)은, 태스크 기동수단(101)을 통해 입력된 사용자로부터의 지시에 따라 제 1 내지 제 n 정량화 수단(502~505) 중에서 어느 것이 사용되어야 하는지를 판정한다. 선택된 정량화 수단에 의한 연산동작의 결과는 맨-머신 인터페이스(140) 상에 표시된다.

정량화 수단에 의한 처리의 일례를 도 6을 참조하여 설명한다. 본 실시예에 있어서는, 제어모델의 전체 영역이 부분영역 1 내지 부분영역 n의 n개의 부분 영역으로 분할되고, 각각의 부분영역에 대한 제 1 데이터베이스(121)에 저장되어 있는 데이터의 빈도수를 계수하여 오퍼레이터에게 통보한다. 단계 S6-1에서는, 제 1 데이터베이스(121)로부터 1개의 데이터가 추출된다. 단계 S6-2에서는, 추출된 데이터의 θ_out이 예를 들어 1090℃보다 작은지 여부를 판정한다. 작은 경우에는, 단계 S6-3에서 부분영역 1에 대응하는 데이터 빈도수에 1을 가산한다. 그것의 θ_out이 1090℃보다 큰 것으로 판정된 경우에는, 단계 S6-4에서 그것이 1100℃ 이하인지 여부를 판정한다. 판정 결과가 YES인 경우에는, 단계 S6-5에서 부분영역 2에 대응하는 데이터 빈도수에 1을 가산한다. 이와 같은 처리과정을 순차적을 수행하여, 제 1 데이터베이스(121)내부에 저장된 얼마나 많은 수의 데이터 세트가 각 부분영역에 속하는지를 산출한다. 단계 S6-11에서 모든 데이터 세트의 모든 처리가 완료된 것이 확인되면, 정량화 수단의 처리과정이 종료한다.

도 7에 맨-머신 인터페이스(140)에 의해 통지된 정량화 결과의 일례를 나타내었다. 각각의 부분영역에서 계수된 데이터의 빈도수가 표시되어 있다. 다른 영역의 빈도수로부터 정해진 소정의 개수보다 상당히 적은 데이터 빈도수를 갖는 부분영역 3에 대해 더욱 더 많은 데이터를 추가하여 제어모델의 정밀도를 향상시키기 위해, "부분 영역 "1100℃＜θ_out≤1110℃에 데이터를 추가하여 주십시오"라는 메시지가 표시된다. 오퍼레이터는, 이와 같은 표시내용에 따라, 가열로(180)에서 배출된 슬래브(192)의 목표 온도 θ_out를 1100℃<θ_out≤1110℃로 설정할 수 있으며, 제어모델의 정밀도를 향상시키기 위해 더 많은 데이터를 추가할 수 있다. 상기한 정량화수단(502~505)에 의해 더 많은 데이터를 추가할 수 있다. 상기한 정량화 수단(502~505)에 의해 수행되는 나머지 처리과정은, 각각의 피라미터 θ₀, t₁~t₄, B, θ_out의 분산을 정량화하고, 정량화된 분산의 크기에 근거하여 제 1 데이터 베이스(121) 내부에 저장된 데이터 사이의 차이를 계산하여, 그것을 통보하는 과정을 포함한다.

도 8에는 본 발명의 데이터 압축수단(113)에 대한 구성이 도시되어 있다. 데이터 압축수단(113)은, 데이터의 손실을 최소화하면서 제 1 데이터베이스(121) 내부의 데이터 내용을 소정의 크기로 줄이기 위해 데이터 압축을 수행한다. 여기에서는, 양자화 네트워크(801)와 양자화 알고리즘(802)을 갖는 데이터 압축 수단(113)의 일례에 대해 설명한다. 본 발명의 본 실시예를, M개의 데이터 세트를 갖는 도 1에 도시된 데이터베이스(121) 내부의 데이터가 실질적으로 M개의 데이터 세트를 갖는 데이터를 대표할 수 있는 p개의 데이터 세트(p<M)로 압축되는 경우를 예를 들어 설명한다. 양자화 네트워크(801)는, I₁내지 I_n의 입력(이때, 6개의 입력 θ₀, t₁∼ t₄, B가 존재하기 때문에, n=6)을 수신하는 입력 뉴런(805)과 정수를 출력하는 한계값 뉴런(806)을 구비한 입력층(803)과, p개의 양자화 뉴런(807)을 포함하는 양자화 뉴런층(804)과, 입력층(803)과 양자화 뉴런층(804) 사이에서 신호를 전달하는 시냅스(synapse)(808)로 구성된다. 입력 뉴런(805)은 입력된 값을 갖는 신호를 출력하고, 양자화 뉴런(807)은 입력 뉴런(805)의 출력과 그것가 관련된 시냅스 가중치(sysnapse weight(W_ij)의 곱의 총합을 다음의 수학식 6에 따라 출력한다.

[수학식 6]

양자화 알고리즘(802)은 입력값을 순차적으로 양자화 네트워크(801)에 입력하고, 최대 출력을 출력하는 양자화 뉴런이 관련된 입력값에 따라 더 큰 값을 출력하도록, 시냅스 가중치의 값을 갱신한다.

상기한 양자화 알고리즘(802)이 실행하는 알고리즘을 도 9에 도시하였다. 단계 S9-1에서, 데이터베이스(121)로부터 데이터 세트를 추출하여 양자화 네트워크(801)에 입력한다. 도 4에 도시된 데이터를 압축하는 경우에, 각각의 데이터 세트를 구성하는 데이터 스트링 (30, 610, 1020, …, 1100), (27, 612, 980, …, 1100), (27, 612, 980, …, 1100)이 순차적을 입력된다. 다음에, 단계 S9-2에서, 각각의 양자화 뉴런(807)이 상기한 수학식 6에 의해 연산되어 출력값 0₁∼ 0_p를계산한다. 단계 S9-3에서는, 출력값 0₁∼ 0_p로부터 최대값을 검출한다. 0_j가 최대값이라고 가정하면, 양자화 뉴런 j와 그와 관련된 입력층(803) 내부의 뉴런을 연결하는 시냅스의 가중치 W_1j∼ W_n+1·j를 갱신한다. 입력뉴런(805)에 대응하는 시냅스 가중치 W_1j∼ W_n·j에 대해서는 하기 수학식 7에 의해 갱신을 위한 새로운 값이 산출되고, 한계값 뉴런(806)에 대응하는 시냅스 가중치 W_n+1·j에 대해서는 다음과 같은 수학식 8에 의해 새로운 값이 산출된다.

[수학식 7]

W_ij= W_ij+ α(I_i- W_ij)

단, i = 1, …, n

[수학식 8]

W_(n+1)j= -(

)

이때, W_ij과W_n+1·j는 각각 입력 뉴런 및 한계값 뉴런에 대응하는 갱신된 시냅스 가중치의 값이고, α은 상수이다. 벡터(W_1j, …, W_n·j)와 벡터(I₁, …,I_n)사이의 유사성을 향상시키는 처리과정을 제공할 수 있는 한, 상기 수학식 7 및 수학식 8 이외에도 시냅스 가중치를 갱신하는 다른 수학식이 사용될 수 있다. 단계 S9-5에서, 처리과정이 완료했는지 여부를 판정한다. 이와 달리, S9-1에서 S9-4까지의 흐름으로 이루어진 소정의 사이클을 반복한 경우나, 데이터베이스(121)로부터 추출된 데이터 세트에 대한 시냅스 가중치의 모든 갱신된 값이 소정 값보다 작은 경우에, 처리과정이 완료한 것으로 판정할 수 있다. 처리과정이 완료하지 않은 경우에는, 단계 S9-1로 복귀하여 데이터으 세트를 순차적으로 추출하고, 동일한 처리과정을 반복한다. 전술한 모든 처리과정이 완료하면, 제 1 데이터베이스(121)에 저장된 M개의 데이터 세트가 p개의 양자화 뉴런의 시냅스 가중치로 표시될 수 있다. 따라서, 단계 S9-6에 있어서, p개의 양자화 뉴런 각각에 대응하는 다음 식과 같은 각각의 시냅스 가중치가 제 1 데이터베이스(121) 내부로 복사되어, 원본의 데이터 내용이 데이터 M의 p개의 대표값으로 이루어진 소수의 데이터로 압축될 수 있다.

[수학식 9]

(W11, W21, …, Wn1),

(W12, W22, …, Wn2),

……, 및

(W1p, W2p, …, Wnp)

이러한 데이터 압축 처리과정에 의해, 제 1 데이터베이스(121)의 메모리 크기가 적당한 크기로 유지될 수 있다. 본 실시예에 따른 데이터 압축수단(113)은, 제 1 데이터베이스(121)에 미리 양자화 및 압축될 데이터가 저장되어 있고, 그 압축 결과를 제 1 데이터베이스(121)에 복사하여 데이터의 내용을 갱신하는 예를 들어 설명하였다. 그러나, 본 발명은 이에 한정되지는 않으며, 시계열로 데이터를 직접 통신 I/F(102)를 통해 입력하고, 양자화 결과를 제 1 데이터베이스(121)에 출력하는 방법을 사용하여도 동일한 본 발명의 효과를 얻을 수 있다.

도 10에는, 데이터 분할수단(114)의 처리 흐름도가 도시되어 있다. 데이터 분할수단(114)은, 제 1 데이터베이스(121)에 저장된 데이터 내용을 가장 적은 통계적 불일치 또는 차이를 갖는 복수의 데이터베이스로 분할하고, 이들 분할된 분할 데이터를 제 2 데이터베이스(122)에 저장한다. 본 실시예는, 데이터의 내용을, 2개의 분할 데이터베이스로 분할하는 예를 설명한다. 단계 S10-1에서는, 제 1 데이터베이스(121)에 저장되어 있는 복수의 데이터 세트를 θ_out의 값이 증가되는 순서로 배열한다. 다음에, 단계 S10-2에서, 순서대로 배열된 데이터 세트가 교대로 추출되어, 제 2 데이터베이스(122) 내부에서 분할 데이터베이스 1과 분할 데이터베이스 2로 분할된다. 즉, 기수번째의 데이터 세트를 분할 데이터베이스 1에 저장하고, 우수번째의 데이터 세트를 분할 데이터베이스 2에 저장함으로써, 데이터 분할이 수행된다. 분할 데이터베이스 1(1101)과 분할 데이터베이스 2(1102)로 구성된 제 2 분할 데이터베이스(122)는, 예를 들어, 도 11에 도시된 것과 같은 데이터베이스 구조를 갖는다. 단계 S10-3에서 제 1 데이터베이스(121)의 모든 데이터가 분할된 것이 확인되면, 단계 S10-4에서 2개의 분할 데이터베이스 1 및 2 사이에 통계적 불일치 및 차이가 존재하지 않는다는 것을 확인하기 위해 이들 2개의 분할 데이터베이스 사이에 통계량 θ₀, t₁∼t₄, B, θ_out를 산출하여 비교한다. 2개의 분할 데이터베이스 내부의 각각의 파라미터에 대해 평균값, 분산, 중앙값 등과 같은 비교를 위한 통계량에 대한 색인을 구하고, 2개의 분할 데이터베이스 사이에 각 피라미터의 이들 값의 차이가 소정의 허용가능한 범위 내에 존재하는 경우에는, 이들 사이에 통계적 불일치가 존재하지 않다고 판단한다. 단계 10-5에서 비교결과를 판정하여, 통계적 불일치가 존재하지 않는 것으로 밝혀지면, 양호한 데이터 분할이 행해졌다고 판정하여, 처리를 종료한다. 이들 사이에 실질적인 통계적 불일치 또는 차0이가 존재하는 것으로 밝혀진 경우에는, 분할 데이터베이스 1(1101) 및 분할 데이터베이스 2(1102)에 저장된 각 데이터 세트 뿐만 아니라, 이전에 얻어진 통계량이 오퍼레이터에게 표시되어, 2개의 분할 데이터베이스 1 및 분할 데이터베이스 2 사이에 부분적인 데이터 교환이 수행되고, 단계 S10-4를 반복 수행한다.

도 12는 모델 구축수단(115) 내부의 처리 흐름을 나타낸 것이다. 모델 구축수단(115)은 제 1 데이터베이스(121), 분할 데이터베이스 1(1101) 및 분할 데이터 베이스 2(1102) 중에서 한 개를 선택하여, 선택된 데이터베이스에 저장되어 있는 데이터 세트로부터 얻어진 제어대상을 모의하는 제어모델을 구축하는데, 이 제어모델은 그것의 입력 데이터로서 θ₀, t₁∼t₄및 B와, 그것의 출력으로 θ_out을 포함하는 데이터 세트를 갖는다. 제어모델의 형태로서는, 다층 신경망의 장치 등의 이용을 고려할 수 있지만, 본 실시예에서는 회귀모델을 예로 들어 설명한다. 단계 S12-1에서, 제어모델의 입력 파라미터를 결정한다. 입력 데이터 θ₀, t₁∼t₄및 B와 출력 데이터 θ_out사이에 존재하는 관계를 적절히 근사시키기 위해, 예를 들면, ln(θ₀), ln(t1), ln(t2), ln(t3), (t4)²및 B와 같은 입력 데이터를 결정한다. 그후, 선택된 데이터베이스에 저장된 데이터를 사용하여, 다음 수학식 10에 의해 제어모델을 구축한다.

[수학식 10]

θ_out= a₀+ a₁ln(t₁) + a₂ln(t₂) + a₃ln(t₃) + a₄t₄ ²+ a₅B

이때, a₀내지 a₅는, 예를 들면, Japan Science & Technology Association에 의해 발행된 "Regression Analysis and of its Principle Components"에 기재된 공지된 선형 회귀분석법에 의해 간단히 결정될 수 있다. 본 실시예에서는 회귀 모델 구축의 일례에 대해 설명하였지만, 본 발명은 이에 한정되지는 않으며, 입력 데이터로서 θ₀, t₁∼t₄및 B를 갖고, 출력 데이터로서 θ_out을 갖는 다층 신경망 장치를 이용하는 등, 본 발명의 제어모델 구축방법에 대해 다양한 변형이 이루어질 수 있다.

도 13을 참조하여, 모델 평가수단(116)에서의 처리 흐름을 설명한다. 모델 평가수단(116)은 분할 데이터베이스 2(1102)를 사용하여 구축된 또 다른 제어모델과 비교함으로써 분할 데이터베이스 1(11101)을 사용하여 구축된 제어모델의 가능성을 평가하거나, 이와 달리, 분할 데이터베이스 1(1101)을 사용하여 구축된 다른 제어모델과 비교함으로써 분할 데이터베이스 2(1102)를 사용하여 구축된 제어모델의 가능성을 평가한 후, 그 평가결과를 오퍼레이터에게 통보한다. 단계 S13-1에서는, 모델 구축수단(115)을 사용하여 제어모델을 구축한다. 단계 S13-1까지의 처리과정은 도 12와 동일하다. 그 결과, 예를 들어 수학식 10에 의해 표시되는 것과 같은 제어모델이 구축될 수 있다. 단계 S13-2에서는, "i"를 1로 설정한다(i=1). 다음에, 단계 S13-3에서, 분할 데이터베이스 2(1102)에 존재하는 i번째의 빈도를 갖는 데이터 세트를 취하고, 그것으로부터 입력 데이터 성분 θ₀, t₁-t₄, B를 추출한다. 단계 S13-4에서는, 제어모델 수학식 10의 입력 항목(성분)을 추출된 입력 성분으로 치환한 다음, 산출된 추정값 θ_out(e)를 마찬가지로 추출된 출력 성분 θ_out와 비교하여, 이들 사이의 차이 △E_i를 하기 수학식 11을 사용하여 얻는다.

[수학식 11]

△E_i= θ_out- θ_out(e)

분할 데이터베이스 2(1102) 내부에 미처리된 데이터 세트가 남아있지 않을 때까지 단계 S13-3 내지 S13-4를 반복한다. 단계 S13-7에서는 단계 S13-4에서 얻어진 차이를 하기 수학식 12에 따라 가산함으로써 모델 오차 E_total을 산출한다.

[수학식 12]

E_total= (1/n)

△E_i

단계 Sl3-8에서는 처리 루틴의 종료를 판정한다. 완료되지 않은 것으로 판정된 경우에는, 처리과정이 S13-1로 복귀하고 제어모델에 대한 입력 파라미터를 변경함으로써 단계 S13-1∼ S13-7를 반복한다. 그 결과, 다양한 입력 파라미터의 조합에 대한 다양한 모델 오차 E_total를 산출할 수 있다.

도 14에 이와 같은 모델 오차를 맨-머신 인터페이스(140)의 스크린 상에 표시한 예를 나타내었다. 다양한 모델에 해당하는 다양한 모델 오차 E_total가 표시되므로, 오퍼레이터는 가장 적은 모델 오차를 갖는 적당한 제어모델을 선택할 수 있다. 또한, 본 발명의 범주 내에서, 적절한 제어모델로서 정의된 가장 작은 E_total을 갖는 제어모델을 모델 평가수단(116)에 의해 자동적을 얻는 방법이 사용될 수도 있다.

태스크 기동수단(101)을 통해 수신된 오퍼레이터로부터의 명령에 따라, 모델 전송수단(117)은 선택된 제어모델을 통신 I/F 및 네트워크(150)를 통해 제어장치(130)로 전송한다.

이하, 본 발명의 제 2 실시예를 도 15를 참조하면서 설명하는데, 이때 연산수단(110)은 데이터 정규화 수단(1501)을 더 구비한다. 데이터 정규화 수단(1501)은 필요에 따라 도 1에 도시된 다른 연산수단의 태스크와 병렬로 동작할 수 있다. 다층 신경망을 사용하여 제어모델을 구성하는 경우에, 입출력의 데이터를 0 내지 1등으로 정규화하여 사용하는 것이 보통인데, 이러한 경우에 이와 같은 처리과정은 태스크 기동수단(101)을 통한 오퍼레이터로부터의 명령에 의해 기동된다. 데이터 정규화 수단(1501)은 제 1 데이터베이스(121)에 저장되어 있는 데이터의 각 변수를 일정한 범위 내에서 정규화하고, 그 정규화한 결과를 정규화 데이터베이스(1502)에 저장한다. 정규화 데이터베이스(1502)는 제어모델의 구축에도 사용되며, 데이터 분할수단(114)에 의한 복수의 분할 데이터베이스로부터 데이터 분할도 같은 방법으로 수행된다.

도 16에 데이터 정규화 수단(1501)의 처리 알고리즘을 나타내었다. 본 발명의 제 2 실시예에 있어서는, 0 내지 1의 범위에서 데이터 정규화를 하는 일례를 설명한다, 단계 S16-1에서는, 제 1 데이터베이스(121)에 저장된 데이터의 임의의 변수의 최대값 D_max와 최소치 D_min이 산출된다. 다음에, 단계 S16-2에서는, 이 데이터의 변수의 값이 다음 수학식 13에 의해 얻어진 새로운 값에 의해 정규화된다.

[수학식 13]

D_i= (D_i- D_min)/(D_max-D_min)

이에 따라, D_i는 최소치가 0과, 최대값 1을 갖고, 데이터의 모든 변수는 0 내지 1의 범위에의 값을 갖도록 정규화된다. 단계 16-3에서는, 정규화되지 않은 데이터의 변수가 남아있는지 여부를 판정하고, 남아 있는 경우에는, 단계 S16-1 내지 S16-2를 반복 수행한다.

본 발명의 바람직한 실시예를, 네트워크(150)를 통해 연결된 독립적으로 설치된 제어모델 구축 지원장치(100)와 제어장치(130)를 구비하는 것으로 설명하였지만, 본 발명은 이에 제한되지 않으며, 그것들을 하나의 유니트에 통합할 수 있다. 더구나, 각각의 연산수단(110)에 할당된 태스크는 필요에 따라 취사 선택할 수 있으며, 이와 다른 기능을 갖는 새로운 태스크를 설치하는 것도 용이하다. 본 발명의 실시예에 따른 제어대상(170)을 가열로 플랜트를 예로 들어 설명하였지만, 본 발명은 이에 제한되지 않으며, 제어모델을 구축하기 위해 입력 데이터와 출력 데이터가 상호연관되는 여타의 제어 적용분야에서도 본 발명의 범주 내에서 적용가능하다. 더구나, 본 발명의 데이터 압축수단을 벡터 양자화 방법을 사용하여 설명하였지만,본 발명은 이에 제한되지 않으며, 데이터 고유의 통계적 특성에 악영향을 미치지 않도록 각각의 파라미터의 평균값과 편차 등과 같은 데이터의 통계적 특성을 감시하면서, 데이터베이스로부터의 더 작으면서도 적당한 수의 데이터를 선택함으로써 데이터 감소를 수행하는 여타의 방법 또한 본 발명의 범주 내에서 사용될 수 있다.

본 발명에 따르면, 데이터 수집수단를 설치함으로써, 제어모델의 입출력을 서로 다른 시각의 데이터를 사용하여 구축할 필요가 있는 경우에도, 이러한 조작을 수동으로 행할 필요가 없다. 또한, 데이터 정량화수단을 설치함으로써, 양호한 제어모델을 구축하기 위해, 어떠한 영역의 데이터를 새로운 제어대상으로부터 수집하면 좋은지를 바로 알 수 있다. 더구나, 데이터 분할수단과 모델 평가수단을 설치함으로써, 구축된 제어모델의 타당성을 실제의 제어에 사용하기 전에 용이하게 검증할 수 있다. 또한, 데이터 압축수단을 설치함으로써, 데이터베이스에 저장되어 있는 데이터가 시간의 경과와 함께 증가하여도, 사이즈를 적절한 규모로 유지할 수 있다. 더구나, 태스크 기동수단을 설치함으로써, 오퍼레이터는 제어모델 구축을 위해 구비된 각종의 지원수단을 효율적을 선택하여 사용할 수 있다. 또한, 제어모델의 우열을 비교한 실시예에 있어서는, 형태가 다른 회귀식 중에서 어느 것이 타당한지를 확실하게 하는 예를 나타내었으나, 중간층 수 및 중간층 뉴런수가 다른 다층 신경망의 우열의 비교, 회귀모델과 신경망의 우열의 비교, 시계열 모델로 현재부터 어디까지 지나간 입력을 예측하여 사용할 것인지 등의 평가도 마찬가지 형태로 실현할 수 있다.

Claims

제어대상으로부터 데이터를 수집하고, 제어대상을 모의하는 제어모델 구축하기 위해 수집된 데이터를 서로 관련된 입력 데이터와 출력 데이터로 분리하며, 서로 관련된 복수의 상기 입력 데이터와 상기 출력 데이터를 제 1 데이터베이스에 저장하는 데이터 수집수단을 구비한 제어모델 구축 지원장치에 있어서,

상기 제 1 데이터베이스에 저장된 복수의 데이터를 서로 가장 적은 통계적 불일치를 갖는 복수의 분할 데이터군으로 분할하는 데이터 분할수단과,

상기 복수의 분할 데이터군을 각각 저장하는 복수의 분할 데이터베이스를 갖는 제 2 데이터베이스와,

상기 제 1 또는 상기 제 2 데이터베이스에 저장된 데이터에 근거하여 상기 제어대상을 모의하는 제어모델을 구축하기 위한 모델 구축수단과,

상기 모델 구축수단에 의해 구축된 상기 제어모델을 그것의 정밀도와 타당성에 관해 상기 제 1 또는 상기 제 2 데이터베이스에 저장된 데이터를 사용하여 평가하는 모델 평가수단을 구비한 것을 특징으로 하는 제어모델 구축 지원장치.
제 1 항에 있어서,

상기 모델 구축수단은, 상기 제 2 데이터베이스에서의 상기 복수의 분할 데이터 베이스 중 한 개의 분할 데이터베이스에 저장된 복수의 데이터를 사용하여 상기 제어대상을 모의하는 제어모델을 구축하고,

상기 모델 평가수단은, 상기 제 2 데이터베이스에 있는 상기 복수의 분할 데이터베이스 중에서 상기 제어모델를 구축하는데 사용되지 않은 다른 분할 데이터베이스에 저장된 데이터를 사용하여 그것의 타당성에 관해 상기 제어모델을 평가하는것을 특징으로 하는 제어모델 구축 지원장치.
제 1 항에 있어서,

상기 모델 구축수단은, 상기 제 2 데이터베이스에 있는 상기 복수의 분할 데이터베이스에 저장된 상기 복수의 데이터를 사용하여 상기 제어대상을 모의하는 복수의 제어모델을 구축하고,

상기 모델 평가수단은, 상기 제어모델을 구축하는데 사용되지 않은 상기 제 2 데이터베이스에 있는 나머지 분할 데이터베이스에 저장된 데이터를 사용하여 상기 복수의 제어모델을 평가하고, 상기 복수의 제어모델로부터 다른 것들보다 우수한 1개의 제어모델을 선택하는 것을 특징으로 하는 제어모델 구축 지원장치.
제 1 항에 있어서,

상기 데이터 수집수단은, 상기 출력 데이터가 검출된 시간에 근거하여 상기 데이터 세트의 상기 출력 데이터에 대응하는 입력 데이터에 추가하기 위한 데이터를 더 수집하는 시간을 지정하고, 상기 지정된 시간에 수집된 입력 데이터와 이와 연관된 상기 출력 데이터를 갖는 데이터 세트를 상기 제 1 데이터베이스 내부에 지장되도록 추가하는 것을 특징으로 하는 제어모델 구축 지원장치.
제어대상으로부터 수집된 데이터를 상기 제어대상을 모의하기 위한 제어모델구축용의 입력 데이터와 출력 데이터로 분리하며, 상기 출력 데이터가 검출된 시간에 근거하여 상기 출력 데이터에 대응하는 입력 데이터를 보충하기 위한 데이터를 추가를 수집하는 시간을 결정하고, 상기 결정된 시간에 수집된 입력 데이터와 이와 관련된 상기 출력 데이터를 갖는 데이터 세트를 제 1 데이터베이스 내부에 저장되도록 추가하는 데이터 수집수단과, 상기 제 1 데이터베이스에 저장된 상기 입력 데이터와 이와 관련된 상기 출력 데이터를 갖는 복수의 데이터 세트를 사용하여 상기 제어대상을 모의하는 제어모델을 구축하기 위한 모델 구축수단을 구비한 것을 특징으로 하는 제어모델 구축 지원장치.
제어대상으로부터 데이터를 수집하고, 상기 제어대상을 모의하는 제어모델을 구축하기 위한 수집된 데이터를 서로 관련된 입력 데이터와 출력 데이터로 분리하며, 서로 관련된 복수의 상기 입력 데이터와 상기 출력 데이터를 갖는 복수의 데이터 세트를 제 1 데이터베이스에 저장하는 데이터 수집수단과,

상기 제 1 데이터베이스에 저장된 상기 복수의 데이터 세트를 서로 가장 적은 통계적 불일치를 갖는 복수의 분할 데이터군으로 분할하는 데이터 분할수단과,

상기 복수의 분할 데이터군을 각각 저장하는 복수의 분할 데이터베이스를 갖는 제 2 데이터베이스와,

상기 제 1 또는 상기 제 2 데이터베이스에 저장된 데이터를 사용하여 상기제어대상을 모의하는 제어모델을 구축하기 위한 모델 구축수단을 구비한 것을 특징으로 하는 제어모델 구축 지원장치.
제 6 항에 있어서,

상기 데이터 분할수단은, 상기 복수의 데이터군의 각각의 변수에 대해 평균값, 분산, 중앙값 및 표준편차 등의 통계량을 산출하고, 산출된 값의 차이가 소정값보다 큰 경우에, 상기 제 2 데이터베이스에 있는 상기 복수의 데이터군 사이에서 데이터의 일부를 교환하는 것을 특징으로 하는 제어모델 구축 지원장치.
제어대상을 모의하는 제어모델을 모델링하는 제어대상에서 복수의 데이터를 수집하고 데이터베이스에 상기 수집된 데이터를 저장하는 수단과,

상기 데이터베이스에 저장된 데이터에 의거해서 상기 제어대상을 모의하는 제어 모델을 구축하는 수단과,

상기 제어모델의 입출력영역을 복수의 부분영역으로 분할하는 수단과,

부분 분할된 부분영역에 따라 상기 데이터 베이스에 저장된 복수의 데이터를 분리하는 수단과,

소정수의 데이터보다 소수의 데이터를 가지는 어느 부분분할 영역의 오퍼레이터에 통지하는 수단을 구비하는 제어모델 모델링 지원 시스템.
제어대상을 모의하는 제어모델을 모델링하는 제어대상에서 복수의 데이터를수집하고 데이터베이스에 상기 수집된 데이터를 저장하는 수단과,

상기 데이터 베이스에 저장된 데이터에 의거해서 상기 제어대상을 모의하는 제어 모델을 구축하는 수단과,

상기 데이베이스에 저장된 상기 복수의 데이터를 대표할 수 있는 적은수의 데이터 조합을 결정하고, 상기 데이터베이스로 상기 소수의 데이터 조합을 저장하는 수단을 구비하는 제어모델 모델링 지원시스템.
제어대상으로부터 제 1 데이터베이스에 저장될 복수의 데이터를 수집하고, 상기 복수의 데이터를 상기 제어대상을 모의할 수 있는 제어모델 구축용의 입력 데이터와 출력 데이터로 분리하며, 상기 출력 데이터가 검출된 시간에 근거하여 상기 출력 데이터에 대응하는 새로운 입력 데이터를 수집하기 위한 시간을 결정하여, 상기 결정된 시간에 수집된 새로운 입력 데이터와 상기 검출된 출력 데이터를 갖는 데이터 세트를 상기 제 1 데이터베이스에 저장되도록 추가하는 데이터 수집수단과,

상기 제 1 데이터베이스에 저장된 복수의 데이터를 서로 가장 적은 통계적 불일치를 갖는 복수의 분할 데이터군을 분할하는 데이터 분할 수단과,

상기 분할된 복수의 분할 데이터군을 저장하기 위한 복수의 분할 데이터베이스를 갖는 제 2 데이터베이스와,

상기 제 1 또는 상기 제 2 데이터베이스에 저장된 복수의 데이터를 사용하여 상기 제어대상을 모의하는 복수의 제어모델을 구축하기 위한 모델 구축수단과,

상기 제 1 또는 상기 제 2 데이터베이스에 저장된 복수의 데이터를 사용하여상기 복수의 제어모델의 타당성을 평가하는 평가수단과,

상기 제어모델에 대한 입출력 영역을 복수의 부분영역으로 분할하고, 상기 분할된 복수의 부분영역에 따라 상기 데이터베이스에 저장된 상기 복수의 데이터를 분할하며, 소정의 데이터수보다 적은 데이터수를 갖는 부분영역을 오퍼레이터에게 통지하는 데이터 정량화 수단과,

상기 제 1 또는 상기 제 2 데이터베이스에 저장되어 있는 복수의 데이터 세트를 대표할 수 있는 소수의 데이터의 조합을 결정하여, 상기 결정된 소수의 데이터 조합을 상기 제 1 또는 제 2 데이터베이스에 저장하는 데이터 압축수단과,

상기 데이터 수집수단, 상기 데이터 분할수단, 상기 모델 구축수단, 상기 평가수단, 상기 데이터 정량화 수단 및 상기 데이터 압축수단을 독립적을 제어하여 그것의 동작을 기동 및 종료시키는 관리수단을 구비한 것을 특징으로 하는 제어모델 구축 지원장치.
제어대상을 모의하는 제어모델을 구축하기 위해 상기 제어모델로부터 수집된 복수의 데이터를 입력 데이터와 출력 데이터로 분리하여, 서로 관련된 상기 입력 데이터와 상기 출력 데이터를 갖는 복수의 데이터 세트를 제 1 데이터베이스에 저장하는 단계와,

상기 제 1 데이터베이스에 저장된 상기 복수의 데이터 세트를 서로 가장 적은 통계적 불일치를 갖는 복수의 분할 데이터군을 분할하여, 분할된 상기 복수의 분할 데이터군을 복수의 분할 데이터베이스를 갖는 제 2 데이터베이스에 각각 저장하는 단계와,

상기 제 1 또는 상기 제 2 데이터베이스에 저장된 복수의 데이터를 사용하여 상기 제어대상을 모의하는 복수의 제어모델을 구축하는 단계와,

상기 제 1 또는 상기 제 2 데이터베이스에 저장된 복수의 데이터를 사용하여 상기 복수의 제어모델을 평가하는 단계를 포함하는 것을 특징으로 하는 제어모델 구축 지원방법.