RU2767009C1 - Система поддержки установки условий работы завода, устройство обучения и устройство поддержки установки условий работы - Google Patents
Система поддержки установки условий работы завода, устройство обучения и устройство поддержки установки условий работы Download PDFInfo
- Publication number
- RU2767009C1 RU2767009C1 RU2020128158A RU2020128158A RU2767009C1 RU 2767009 C1 RU2767009 C1 RU 2767009C1 RU 2020128158 A RU2020128158 A RU 2020128158A RU 2020128158 A RU2020128158 A RU 2020128158A RU 2767009 C1 RU2767009 C1 RU 2767009C1
- Authority
- RU
- Russia
- Prior art keywords
- values
- manipulation
- plant
- parameters
- regression model
- Prior art date
Links
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 9
- 239000000126 substance Substances 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 10
- 239000000047 product Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000000470 constituent Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 238000010923 batch production Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37591—Plant characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Manufacturing & Machinery (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Lifting Devices For Agricultural Implements (AREA)
- Control Of Turbines (AREA)
Abstract
Изобретение относится к области вычислительной техники. Техническим результатом является обеспечение управления большим количеством устройств за счет обеспечения за короткий период времени идентификации значений множества параметров манипуляции в соответствии с предварительно определенным условием. Раскрыта система поддержки установки условий работы завода для поддержки установки условий работы завода, содержащая: устройство обучения, которое изучает регрессионную модель, причем регрессионная модель предоставляется для вычисления из значений множества параметров состояния, указывающих условия работы завода, и значений множества параметров манипуляции, установленных для управления работой завода, предсказанного значения вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния; и устройство поддержки установки условий работы, которое вычисляет значения множества параметров манипуляции, которые должны быть установлены для управления работой завода, путем использования регрессионной модели, изученной устройством обучения. 3 н. и 1 з.п. ф-лы, 3 ил.
Description
ОБЛАСТЬ ТЕХНИКИ
[0001] Настоящее изобретение относится к системе поддержки установки условий работы завода для поддержки установки условий работы завода и к устройству обучения и устройству поддержки установки условий работы, которые могут быть использованы в системе поддержки установки условий работы завода.
УРОВЕНЬ ТЕХНИКИ
[0002] На заводах по производству химической продукции, промышленной продукции и аналогичного ряд процессов выполняется большим количеством устройств, таких как реактор и нагревательная печь. Большое количество параметров манипуляции для управления большим количеством устройств соответственно определяет условия работы. На заводах, на которых выполняется многоэтапный процесс, большое количество параметров манипуляции может взаимодействовать друг с другом сложным образом. Вследствие этого, непросто предсказать влияние изменения параметра манипуляции, и параметры манипуляции устанавливаются опытным оператором для работы завода.
[0003] Были предприняты усилия по построению имитационной модели для имитации сочетания множества единичных операций путем объединения имитаторов процесса, каждый из которых имитирует процесс, выполняемый на заводе в ответ на единичную операцию (см. например, патентный документе 1).
[0004] [патентный документ 1] WO2017/154181
ЗАДАЧА, РЕШАЕМАЯ ИЗОБРЕТЕНИЕМ
[0005] Имитационная модель регулируется вручную и требует большого количества человеко-часов. Сверх того, точность имитации фактического процесса зависит от опыта и квалификации человека, который отвечает за регулировку. Также присутствуют события, которые сложно сымитировать имитатором процесса. Вследствие этого было сложно построить имитационную модель, которая способна точно сымитировать условия работы фактического завода.
[0006] Настоящее изобретение решает вышеупомянутую проблему и его цель состоит в предоставлении технологии для поддержки установки условий работы, которая способна реализовать подходящую работу завода.
СРЕДСТВА ДЛЯ РЕШЕНИЯ ЗАДАЧИ
[0007] Система поддержки установки условий работы завода в соответствии с вариантом осуществления настоящего изобретения служит для поддержки установки условий работы завода и включает в себя: устройство обучения, которое изучает регрессионную модель для вычисления, из значений множества параметров состояния, указывающих условия работы завода, и значений множества параметров манипуляции, установленных для управления работой завода, предсказанного значения вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния; и устройство поддержки установки условий работы, которое вычисляет значения множества параметров манипуляции, которые должны быть установлены для управления работой завода, путем использования регрессионной модели, изученной устройством обучения. Устройство обучения включает в себя: блок получения записанного значения, который получает запись сочетания, включающего в себя: значения множества параметров состояния; значения множества параметров манипуляции; и значение вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния; блок обучения, который изучает регрессионную модель, на основании множества записанных значений, полученных блоком получения записанного значения; и поставщика регрессионной модели, который предоставляет регрессионную модель, изученную блоком обучения, устройству поддержки установки условий работы. Устройство поддержки установки условий работы включает в себя: блок получения регрессионной модели, который получает регрессионную модель, изученную устройством обучения; блок получения параметра состояния, который получает значения множества параметров состояния; блок вычисления параметра манипуляции, который использует регрессионную модель для вычисления значений множества параметров манипуляции, которые делают так, что значение вывода удовлетворяет предварительно определенному условию, когда завод работает в условиях работы, которые указаны множеством параметров состояния, полученных блоком получения параметра состояния; и блок вывода параметра манипуляции, который выводит значения множества параметров манипуляции, вычисленных блоком вычисления параметра манипуляции.
[0008] В соответствии с данным вариантом осуществления можно вычислить и вывести значения параметров манипуляции, которые способны улучшить значение вывода, указывающего результат работы завода. Вследствие этого, надлежащим образом поддерживается ручная или автоматическая установка параметров манипуляции, и повышается эффективность работы завода. Вариант осуществления также может поддерживать установку надлежащим образом условий работы завода, не будучи зависимой от опыта или квалификации оператора.
[0009] Блок вычисления параметра манипуляции может вычислять значения множества параметров манипуляции путем применения алгоритма решения для задачи оптимизации применительно к значению вывода.
[0010] В соответствии с данным вариантом осуществления, можно вычислять значения множества параметров манипуляции, которые способны оптимизировать значения вывода завода эффективно и точно так, что поддерживается установка условий работы завода подходящих для цели.
[0011] Другой вариант осуществления настоящего изобретения относится к устройству обучения. Устройство включает в себя: блок получения записанного значения, который получает запись сочетания, включающего в себя: значения множества параметров состояния, указывающих условия работы завода; значения множества параметров манипуляции, установленных для управления работой завода; и значение вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния; блок обучения, который изучает, на основании множества записанных значений, полученных блоком получения записанного значения, регрессионную модель для вычисления предсказанного значения вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния; и поставщика регрессионной модели, который предоставляет регрессионную модель, изученную блоком обучения, устройству поддержки установки условий работы для вычисления значений множества параметров манипуляции, которые должны быть установлены для управления работой завода.
[0012] В соответствии с данным вариантом осуществления, можно вычислить предсказанное значение вывода, указывающего результат работы завода, более эффективно и точно. Вариант осуществления также может формировать высоко реалистичную регрессионную модель, в которой учитываются факторы, которые сложно сымитировать имитатором процесса.
[0013] Еще один другой вариант осуществления настоящего изобретения относится к устройству поддержки установки условий работы. Устройство включает в себя: блок получения регрессионной модели, который получает регрессионную модель, изученную устройством обучения, которое изучает регрессионную модель для вычисления, из значений множества параметров состояния, указывающих условия работы завода, и значений множества параметров манипуляции, установленных для управления работой завода, предсказанного значения вывода, указывающего результат работы завода, возникающий когда множество параметров манипуляции устанавливаются в условия работы, указанные множеством параметров состояния; блок получения параметра состояния, который получает значения множества параметров состояния, указывающих условия работы завода; блок вычисления параметра манипуляции, который использует регрессионную модель для вычисления значений множества параметров манипуляции, которые делают так, что значение вывода удовлетворяет предварительно определенному условию, когда завод работает в условиях работы, которые указаны множеством параметров состояния, полученных блоком получения параметра состояния; и блок вывода параметра манипуляции, который выводит значения множества параметров манипуляции, вычисленных блоком вычисления параметра манипуляции.
[0014] В соответствии с данным вариантом осуществления, можно вычислить и вывести значения параметров манипуляции, которые способны улучшить значение вывода, указывающего результат работы завода. Вследствие этого, надлежащим образом поддерживается ручная или автоматическая установка параметров манипуляции, и повышается эффективность работы завода. Вариант осуществления также может поддерживать установку надлежащим образом условия работы завода, не будучи зависимой от опыта или квалификации оператора.
[0015] Необязательные сочетания вышеупомянутых составляющих элементов, и реализации изобретения в форме способов, устройств, систем, записывающих носителей информации и компьютерных программ, также могут быть реализованы на практике в качестве дополнительных вариантов осуществления настоящего изобретения.
ПРЕИМУЩЕСТВО ИЗОБРЕТЕНИЯ
[0016] В соответствии с настоящим изобретением, можно предоставить технологию для поддержки установки условий работы, которые способны реализовать подходящую работу завода.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
[0017] Фиг. 1 показывает общую конфигурацию системы поддержки установки условий работы завода в соответствии с вариантом осуществления;
Фиг. 2 показывает конфигурацию устройства поддержки установки условий работы и устройства управления в соответствии с вариантом осуществления; и
Фиг. 3 показывает примерный экран, который отображается на устройстве отображения рабочей панели.
ВАРИАНТ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ
[0018] Фиг. 1 показывает общую конфигурацию системы поддержки установки условий работы завода в соответствии с вариантом осуществления. Система 1 поддержки установки условий работы завода для поддержки установки условий работы завода 3 предоставлена с заводом 3 по производству химической продукции, промышленной продукции и т.д., и устройством 4 обучения, которое изучает регрессионную модель 8 для вычисления, из значений множества параметров состояния, указывающих условия работы завода 3, и значений множества параметров манипуляции, установленных для управления работой завода 3, предсказанного значения вывода, указывающего результат работы завода 3, возникающий когда множество параметров манипуляции устанавливаются в условия работы, указанные множеством параметров состояния. Каждый завод 3 включает в себя устройство 10, которое подвергается управлению, такое как реактор и нагревательная печь, предусмотренное на заводе 3, устройство 20 управления для установки параметра манипуляции для управления работой устройства 10, которое подвергается управлению, и устройство 30 поддержки установки условий работы для вычисления значений множества параметров манипуляции, которые должны быть установлены для управления работой завода 3, путем использования регрессионной модели 8, изученной устройством 4 обучения. Заводы 3 и устройство 4 обучения соединены посредством Интернет 2.
[0019] Устройство 4 обучения включает в себя блок 5 получения записанного значения, блок 6 обучения, поставщика 7 регрессионной модели и регрессионную модель 8. Признаки реализуются в компонентах аппаратного обеспечения, таких как CPU и память в произвольном компьютере, программе, загруженной в память и т.д. Фигура изображает функциональные блоки, реализованные путем взаимодействия этих элементов. Вследствие этого, специалистам в соответствующей области техники будет понятно, что функциональные блоки могут быть реализованы различными способами посредством только аппаратного обеспечения, только программного обеспечения или посредством сочетания аппаратного обеспечения и программного обеспечения.
[0020] Регрессионная модель 8 является моделью для вычисления, на основании значений множества параметров состояния, указывающих условия работы завода 3, и значений множества параметров манипуляции, установленных для управления работой завода 3, предсказанного значения вывода, указывающего результат работы завода 3, возникающий когда множество параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния. Другими словами, регрессионная модель 8 не имитирует отдельные процессы, которые выполняются на заводе 3, а вычисляет предсказанное значение вывода посредством вычисления с использованием значений множества параметров состояния и значений множества параметров манипуляции. Регрессионная модель 8 может вычислять предсказанное значение вывода посредством вычисления с использованием значений множества параметров состояния, значений множества параметров манипуляции и параметра вычисления для вычисления предсказанного значения вывода.
[0021] Значение вывода может быть произвольным значением, указывающим результат работы завода 3. Например, значение может быть количеством, качеством (например, чистотой), объемом выпуска и т.д. продукции, которая производится на заводе 3. В качестве альтернативы значение может быть количеством, плотностью и т.д. побочного продукта или отработанного газа, временем, энергией, количеством/качеством/температурой исходного материала или поставляемого материала, который требуется для производства продукции, или ключевым показателем эффективности (KPI), указывающим эффективность производства завода 3.
[0022] Блок 5 получения записанного значения получает, с завода 3, запись сочетания, включающего в себя: значения множества параметров состояния, указывающих условия работы завода 3; значения множества параметров манипуляции, установленных для управления работой завода 3; и значение вывода, указывающего результат работы завода 3, возникающий когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния.
[0023] Блок 6 обучения изучает (находит, подгоняет, строит, разрабатывает, регулирует, улучшает или оптимизирует) регрессионную модель 8 на основании множества записанных значений, полученных блоком 5 получения записанного значения. Блок 6 обучения может регулировать значение параметра вычисления таким образом, что, когда значения множества параметров состояния и значения множества параметров манипуляции, полученных блоком 5 получения записанного значения, вводятся в регрессионную модель 8, вычисляется значение близкое к записанному значению вывода, объединенному с этими значениями. Блок 6 обучения может изучать регрессионную модель 8 в соответствии с моделью контролируемого обучения с использованием записанного значения вывода завода 3 в качестве обучающих данных или накапливать знания в регрессионной модели 8 путем использования других известных произвольных технологий машинного обучения.
[0024] Посредством изучения регрессионной модели 8 путем использования большого количества записанных значений, улучшается точность регрессионной модели 8. Таким образом, можно формировать регрессионную модель 8, которая способна вычислять предсказанное значение вывода, указывающего результат работы завода 3 более точно. Кроме того, не нужно разрабатывать усовершенствованный имитатор для имитации сложного процесса, так что время и нагрузка, которые требуются для формирования регрессионной модели 8, значительно уменьшаются. Более того, могут быть учтены факторы, которые сложно имитировать в имитаторе, так что предсказанное значение вывода вычисляется более точно.
[0025] Разные регрессионные модели 8 могут быть построены для разных заводов 3. Общая для множества заводов 3 регрессионная модель 8 может быть построена путем использования записанных значений от множества заводов, выполняющих процессы подобных типов.
[0026] Поставщик 7 регрессионной модели предоставляет регрессионную модель 8, изученную блоком 6 обучения, устройству 30 поддержки установки условий работы.
[0027] Фигура показывает устройство 4 обучения в качестве автономного устройства для упрощения иллюстрации, но устройство 4 обучения может быть реализовано посредством множества серверов путем использования технологии облачных вычислений или технологии распределенной обработки. Это позволяет накапливать знания в регрессионной модели 8 путем обработки большого объема информации, собранной с заводов 3, с высокой скоростью, так что время, которое требуется для повышения точности регрессионной модели 8, может быть значительно уменьшено.
[0028] Фиг. 2 показывает конфигурацию устройства поддержки установки условий работы и устройства управления в соответствии с вариантом осуществления. Устройство 20 управления включает в себя контроллер 21 и рабочую панель 22.
[0029] Рабочая панель 22 отображает значения различных параметров состояния, указывающих условия работы завода 3, значения различных параметров манипуляции, установленных устройством 20 управления, и значение вывода, указывающего результат работы завода 3, и принимает ввод значений различных параметров манипуляции от оператора.
[0030] Контроллер 21 включает в себя блок 23 установки параметра манипуляции, блок 24 получения параметра состояния, передатчик 25 параметра состояния и передатчик 26 записанного значения. Эти функциональные блоки могут быть реализованы различными способами посредством только аппаратного обеспечения, только программного обеспечения или посредством сочетания аппаратного обеспечения и программного обеспечения.
[0031] Блок 23 установки параметра манипуляции устанавливает значения различных параметров манипуляции, принятых через рабочую панель 22 от оператора для управления устройством 10, которое подвергается управлению, и отображает значение на устройстве отображения рабочей панели 22. Блок 24 получения параметра состояния получает значения различных параметров состояния, указывающих условия работы и результат работы завода 3, от различных датчиков и измерительных приборов, предусмотренных в устройстве 10, которое подвергается управлению, и отображает значения на устройстве отображения рабочей панели 22. Передатчик 25 параметра состояния передает значения параметров состояния, полученных от блока 24 получения параметра состояния, устройству 30 поддержки установки условий работы. Передатчик 26 записанного значения передает, устройству 4 обучения, значения параметров манипуляции, установленных блоком 23 установки параметра манипуляции, и значения параметров состояния, и значение вывода, полученные блоком 24 получения параметра состояния.
[0032] Устройство 30 поддержки установки условий работы включает в себя контроллер 31 и регрессионную модель 38.
[0033] Контроллер 31 включает в себя блок 32 получения параметра состояния, блок 33 вычисления параметра манипуляции, блок 34 вывода параметра манипуляции, блок 35 получения регрессионной модели, блок 36 вычисления предсказанного значения и блок 37 представления предсказанного значения. Эти функциональные блоки могут быть реализованы различными способами посредством только аппаратного обеспечения, только программного обеспечения или посредством сочетания аппаратного обеспечения и программного обеспечения.
[0034] Блок 35 получения регрессионной модели получает регрессионную модель 8, изученную устройством 4 обучения, и сохраняет полученную модель в запоминающем устройстве в качестве регрессионной модели 38. Блок 32 получения параметра состояния получает значения множества параметров состояния от передатчика 25 параметра состояния устройства 20 управления. Блок 33 вычисления параметра манипуляции использует регрессионную модель 38 для вычисления значений множества параметров манипуляции, которые делают так, что значение вывода удовлетворяет предварительно определенному условию, когда завод 3 работает в условиях работы, которые указаны множеством параметров состояния, полученных блоком 32 получения параметра состояния. Блок 34 вывода параметра манипуляции выводит значение множества параметров манипуляции, вычисленное блоком 33 вычисления параметра манипуляции, на устройство 20 управления. Выведенные таким образом значения параметров манипуляции могут быть представлены на рабочей панели 22 для оператора для обращения, когда оператор вводит значения параметров манипуляции вручную, или могут быть введены в блок 23 установки параметра манипуляции автоматически.
[0035] Путем применения алгоритма решения для задачи оптимизации применительно к значению вывода подходящего для цели, блок 33 вычисления параметра манипуляции вычисляет значения множества параметров манипуляции, которые способны оптимизировать значение вывода. Например, когда желательно определить оптимальную рабочую установленную точку, которая способна максимально увеличить эффективность производства итоговой продукции, блок 33 вычисления параметра манипуляции вычисляет, с использованием алгоритма решения для задачи оптимизации, значения множества параметров манипуляции, которые максимальное увеличивают предсказанное значение KPI, которое вычислено, когда множество параметров состояния, полученных блоком 32 получения параметра состояния, вводятся в качестве фиксированных значений, и значения множества параметров манипуляции вводятся в качестве переменных в регрессионную модель 8 для вычисления KPI, указывающего эффективность производства итоговой продукции. В качестве алгоритма решения для задачи оптимизации может быть использован известный произвольный алгоритм, такой как градиентный способ, способ Нелдера-Мида или аналогичный.
[0036] В случае вычисления предсказанного значения KPI или аналогичного посредством имитатора, значительный объем вычислений и время требуются лишь для вычисления значения KPI, соответствующего одному сочетанию, включающему в себя значения множества параметров состояния и значения множества параметров манипуляции. Вследствие этого, может потребоваться период времени от нескольких недель до нескольких месяцев для вычисления громадного объема предсказанных значений KPI по всему диапазону возможных значений всех параметров манипуляции и поиска значений из множества параметров манипуляции, которые максимально увеличивают предсказанное значение KPI. Чтобы уменьшить период, который требуется для поиска, потребуется уменьшить количество пар, для которых вычисляются предсказанные значения KPI. В результате, действительно оптимальная рабочая установленная точка может быть не идентифицирована путем поиска. Кроме того, в случае, когда процесс в целом имитируется путем объединения имитаторов процесса, которые имитируют отдельные этапы, сходимость с оптимальным решением в процессе в целом может быть не достигнута, даже если оптимальное решение вычисляется для отдельных этапов. Таким образом, не просто изменить рабочую установленную точку завода 3 в соответствии с предшествующим уровнем техники. Было сложно изменить оптимальную рабочую установленную точку, даже если значения множества параметров манипуляции, установленных на заводе 3, не приводят к оптимальной рабочей установленной точке в условиях работы, указанных параллельным множеством параметров состояния.
[0037] В противоположность, технология варианта осуществления обеспечивает получение высокоточной регрессионной модели 8 посредством машинного обучения. Вследствие этого можно вычислить значение вывода, соответствующее сочетанию, которое включает в себя значения множества параметров состояния и значения множества параметров манипуляции эффективно и точно. Соответственно, значения множества параметров манипуляции, которые дают значение вывода, которое удовлетворяет предварительно определенному условию, могут быть идентифицированы путем поиска и вывода за короткий период времени. Вследствие этого можно установить оптимальные значения параметров манипуляции в соответствии с изменением множества параметров состояния и оптимизировать работу завода 3 соответственно. Кроме того, предсказанное значение вывода, соответствующее сочетанию, включающему в себя значения множества параметров состояния и значения множества параметров манипуляции, может быть вычислено за короткий период времени. Вследствие этого можно вычислить предсказанные значения вывода для большого количества сочетаний и идентифицировать оптимальную рабочую установленную точку путем поиска. Это позволяет использовать любой алгоритм решения для задачи оптимизации для поиска максимального значения или минимального значения по всему диапазону, не попав в ловушку локальных экстремальных значений. Вследствие этого, может быть вычислено истинное оптимальное решение.
[0038] Блок 36 вычисления предсказанного значения вычисляет предсказанное значение вывода путем замещения множества параметров состояния и множества параметров манипуляции в регрессионной модели 38. Блок 37 представления предсказанного значения представляет предсказанное значение вывода, вычисленное блоком 36 вычисления предсказанного значения, на рабочей панели 22. Например, блок 37 представления предсказанного значения может вычислять и представлять текущее значение вывода, такого как KPI, на основании текущих значений параметров состояния, полученных блоком 32 получения параметра состояния, и установленных значений множества параметров манипуляции, фактически установленных блоком 23 установки параметра манипуляции. Кроме того, когда в будущем предсказывается изменение параметра состояния, вызванное изменением среды, блок 37 представления предсказанного значения может вычислять и представлять предсказанное значение вывода в будущем на основании значений после изменения параметров состояния и текущих установленных значений параметров манипуляции. Когда оператор рассматривает изменение установленных значений параметров манипуляции, блок 27 представления предсказанного значения может вычислять и представлять предсказанное значение после изменения для вывода на основании текущих значений параметров состояния и установленных значений после изменения у параметров манипуляции. Таким образом, должным образом поддерживается установка условий работы оператором.
[0039] Фиг. 3 показывает примерный экран, который отображается на устройстве отображения рабочей панели. Экран отображения показывает схему технологического процесса завода 3, значения параметров состояния, связанных с условиями работы, значения параметров состояния, связанных с результатом работы, и установленные значения множества параметров манипуляции. Когда оператор устанавливает условие значения вывода, указывающего результат работы завода 3, блок 33 вычисления параметра манипуляции использует регрессионную модель 38 для вычисления оптимальных значений параметров манипуляции, которые удовлетворяют условию. Блок 34 вывода параметра манипуляции отображает вычисленные таким образом значения параметров манипуляции на экране дисплея. Кроме того, блок 34 вывода параметра манипуляции отображает, на устройстве отображения, график, показывающий зависящее от времени изменение значений вывода, указывающего результат работы завода 3, возникающее, когда выполняется изменение вычисленных таким образом значений параметров манипуляции, и когда изменение не выполняется. При выводе значения вывода на экран дисплея, блок 34 вывода параметра манипуляции может отображать значение таким образом, что можно отличать, соответствует ли значение записанному значению или предсказанному значению. Оператор может обращаться к значениям представленных параметров манипуляции с тем, чтобы определять установленные значения параметров манипуляции и вводить определенные значения в рабочую панель 22. Блок 23 установки параметра манипуляции управляет устройством 10, которое подвергается управлению, на основании таким образом введенных установленных значений.
[0040] Значения параметров манипуляции, которые выводятся блоком 34 вывода параметра манипуляции, могут быть непосредственно введены в блок 23 установки параметра манипуляции и автоматически установлены в устройстве 10, которое подвергается управлению. В данном случае, значения параметров манипуляции, автоматически установленные в устройстве 10, которое подвергается управлению, могут или могут не быть представлены на рабочей панели 22. Работа может переключаться между автоматическим режимом, при котором значения параметров манипуляции, которые выводятся блоком 34 вывода параметра манипуляции, непосредственно вводятся в блок 23 установки параметра манипуляции, и ручным режимом, при котором значения не вводятся непосредственно в блок 23 установки параметра манипуляции, а представляются на рабочей панели 22, чтобы позволить оператору вручную ввести значения параметров манипуляции.
[0041] Описанное выше является объяснением на основании примерного варианта осуществления. Вариант осуществления предназначен только для иллюстрации и специалистам в соответствующей области техники будет понятно, что могут быть разработаны различные модификации в отношении составляющих элементов и процессов, и что такие модификации также находятся в рамках объема настоящего изобретения.
[0042] Технология настоящего изобретения может быть в равной степени применена к заводу непрерывного производства и заводу с процессом серийного производства.
ОПИСАНИЕ НОМЕРОВ ПОЗИЦИИ
[0043] 1 система поддержки установки условий работы завода, 3 завод, 4 устройство обучения, 5 блок получения записанного значения, 6 блок обучения, 7 поставщик регрессионной модели, 8 регрессионная модель, 10 устройство, которое подвергается управлению, 20 устройство управления, 22 рабочая панель, 23 блок установки параметра манипуляции, 24 блок получения параметра состояния, 25 передатчик параметра состояния, 26 передатчик записанного значения, 30 устройство поддержки установки условий работы, 32 блок получения параметра состояния, 33 блок вычисления параметра манипуляции, 34 блок вывода параметра манипуляции, 35 блок получения регрессионной модели, 36 блок вычисления предсказанного значения, 37 блок представления предсказанного значения, 38 регрессионная модель
ПРОМЫШЛЕННАЯ ПРИМЕНИМОСТЬ
[0044] Настоящее изобретение может быть использовано в системе поддержки установки условий работы завода для поддержки установки условий работы завода.
Claims (23)
1. Система поддержки установки условий работы завода для поддержки установки условий работы завода, содержащая:
устройство обучения, которое изучает регрессионную модель, причем регрессионная модель предоставляется для вычисления из значений множества параметров состояния, указывающих условия работы завода, и значений множества параметров манипуляции, установленных для управления работой завода, предсказанного значения вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния; и
устройство поддержки установки условий работы, которое вычисляет значения множества параметров манипуляции, которые должны быть установлены для управления работой завода, путем использования регрессионной модели, изученной устройством обучения, при этом
устройство обучения включает в себя:
блок получения записанного значения, который получает запись сочетания, включающего в себя: значения множества параметров состояния; значения множества параметров манипуляции; и значение вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния;
блок обучения, который изучает регрессионную модель, на основании множества записанных значений, полученных блоком получения записанного значения; и
поставщика регрессионной модели, который предоставляет регрессионную модель, изученную блоком обучения, устройству поддержки установки условий работы, при этом
устройство поддержки установки условий работы включает в себя:
блок получения регрессионной модели, который получает регрессионную модель, изученную устройством обучения;
блок получения параметра состояния, который получает значения множества параметров состояния;
блок вычисления параметра манипуляции, который идентифицирует посредством поиска значения множества параметров манипуляции, которые делают так, что значение вывода удовлетворяет предварительно определенному условию, посредством использования регрессивной модели для вычисления значения вывода, имеющего место, когда множество отличающихся значений установлены в качестве множества параметров манипуляции, когда завод работает в условиях работы, которые указаны множеством параметров состояния, полученных блоком получения параметра состояния; и
блок вывода параметра манипуляции, который выводит значения множества параметров манипуляции, идентифицированных посредством поиска блоком вычисления параметра манипуляции.
2. Система поддержки установки условий работы завода по п. 1, в которой
блок вычисления параметра манипуляции идентифицирует посредством поиска значения множества параметров манипуляции путем применения алгоритма решения для задачи оптимизации применительно к значению вывода.
3. Устройство обучения, содержащее:
блок получения записанного значения, который получает запись сочетания, включающего в себя: значения множества параметров состояния, указывающих условия работы завода; значения множества параметров манипуляции, установленных для управления работой завода; и значение вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния;
блок обучения, который изучает, на основании множества записанных значений, полученных блоком получения записанного значения, регрессионную модель для вычисления предсказанного значения вывода, указывающего результат работы завода, когда значения множества параметров манипуляции устанавливаются в условия работы, указанные значениями множества параметров состояния; и
поставщика регрессионной модели, который предоставляет регрессионную модель, изученную блоком обучения, устройству поддержки установки условий работы для идентификации посредством поиска значений множества параметров манипуляции, которые делают значения вывода удовлетворяющими предварительно определенному условию посредством использования регрессивной модели для вычисления значения вывода, имеющего место, когда множество отличающихся значений установлены в качестве множества параметров манипуляции.
4. Устройство поддержки установки условий работы, содержащее:
блок получения регрессионной модели, который получает регрессионную модель, изученную устройством обучения, которое изучает регрессионную модель для вычисления из значений множества параметров состояния, указывающих условия работы завода, и значений множества параметров манипуляции, установленных для управления работой завода, предсказанного значения вывода, указывающего результат работы завода, возникающий, когда множество параметров манипуляции устанавливаются в условия работы, указанные множеством параметров состояния;
блок получения параметра состояния, который получает значения множества параметров состояния, указывающих условия работы завода;
блок вычисления параметра манипуляции, который идентифицирует посредством поиска значения множества параметров манипуляции, которые делают так, что значение вывода удовлетворяет предварительно определенному условию, посредством использования регрессивной модели для вычисления значения вывода, имеющего место, когда множество отличающихся значений установлены в качестве множества параметров манипуляции, когда завод работает в условиях работы, которые указаны множеством параметров состояния, полученных блоком получения параметра состояния; и
блок вывода параметра манипуляции, который выводит значения множества параметров манипуляции, идентифицированных посредством поиска, блоком вычисления параметра манипуляции.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2018/005252 WO2019159280A1 (ja) | 2018-02-15 | 2018-02-15 | プラント運転条件設定支援システム、学習装置、及び運転条件設定支援装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2767009C1 true RU2767009C1 (ru) | 2022-03-16 |
Family
ID=67618913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2020128158A RU2767009C1 (ru) | 2018-02-15 | 2018-02-15 | Система поддержки установки условий работы завода, устройство обучения и устройство поддержки установки условий работы |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11320811B2 (ru) |
| JP (1) | JP7144462B2 (ru) |
| AU (1) | AU2018408886A1 (ru) |
| RU (1) | RU2767009C1 (ru) |
| TW (1) | TWI801502B (ru) |
| WO (1) | WO2019159280A1 (ru) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11868098B2 (en) * | 2021-11-12 | 2024-01-09 | Phaidra, Inc. | Chiller and pump control using customizable artificial intelligence system |
| JPWO2023119544A1 (ru) * | 2021-12-23 | 2023-06-29 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11325433A (ja) * | 1998-05-15 | 1999-11-26 | Kobe Steel Ltd | 流動床式焼却炉の制御方法及びその装置 |
| JP2001242905A (ja) * | 2000-02-28 | 2001-09-07 | Hitachi Ltd | プロセス制御方法および装置 |
| JP2002091505A (ja) * | 2000-09-14 | 2002-03-29 | Toshiba Corp | モデル同定装置 |
| RU2273874C2 (ru) * | 2001-08-07 | 2006-04-10 | Сименс Акциенгезелльшафт | Способ эксплуатации технической установки и система управления процессом эксплуатации технической установки |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4017272B2 (ja) * | 1998-12-16 | 2007-12-05 | 中国電力株式会社 | プラント状態推定・予測装置及び方法 |
| JP3712329B2 (ja) * | 1999-02-03 | 2005-11-02 | 株式会社日立製作所 | プロセスの制御装置 |
| CN107004060B (zh) * | 2014-11-25 | 2022-02-18 | Pdf决策公司 | 用于半导体制造工艺的经改进工艺控制技术 |
| JP6501593B2 (ja) * | 2015-04-03 | 2019-04-17 | 住友化学株式会社 | 予測ルール生成システム、予測システム、予測ルール生成方法及び予測方法 |
| US10671131B2 (en) * | 2015-06-05 | 2020-06-02 | Apple Inc. | Predictive control systems and methods |
| MY190843A (en) | 2016-03-10 | 2022-05-12 | Jgc Corp | Method of determining mixed refrigerant composition for natural gas liquefying apparatus |
| EP3364519A1 (en) * | 2017-02-15 | 2018-08-22 | ABB Schweiz AG | Method for controlling electric power conversion system and control arrangement for electric power conversion system |
| WO2018149898A2 (en) * | 2017-02-16 | 2018-08-23 | Alcatel-Lucent Ireland Ltd | Methods and systems for network self-optimization using deep learning |
| US10084805B2 (en) * | 2017-02-20 | 2018-09-25 | Sas Institute Inc. | Computer system to identify anomalies based on computer-generated results |
| DE102017203836A1 (de) * | 2017-03-08 | 2018-09-13 | Siemens Aktiengesellschaft | Verfahren und System zum Bestimmen einer erwarteten Lebensdauer eines elektrischen Betriebsmittels |
| US20190165966A1 (en) * | 2017-11-25 | 2019-05-30 | Ruptub Solutions Private Limited | Method and system for quality control of a facility based on machine learning |
| GB201800473D0 (en) * | 2018-01-11 | 2018-02-28 | Microsoft Technology Licensing Llc | Knowledge base construction |
| US10664999B2 (en) * | 2018-02-15 | 2020-05-26 | Adobe Inc. | Saliency prediction for a mobile user interface |
-
2018
- 2018-02-15 JP JP2019571877A patent/JP7144462B2/ja active Active
- 2018-02-15 WO PCT/JP2018/005252 patent/WO2019159280A1/ja active Application Filing
- 2018-02-15 RU RU2020128158A patent/RU2767009C1/ru active
- 2018-02-15 AU AU2018408886A patent/AU2018408886A1/en active Pending
-
2019
- 2019-02-15 TW TW108105066A patent/TWI801502B/zh active
-
2020
- 2020-08-17 US US16/995,031 patent/US11320811B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11325433A (ja) * | 1998-05-15 | 1999-11-26 | Kobe Steel Ltd | 流動床式焼却炉の制御方法及びその装置 |
| JP2001242905A (ja) * | 2000-02-28 | 2001-09-07 | Hitachi Ltd | プロセス制御方法および装置 |
| JP2002091505A (ja) * | 2000-09-14 | 2002-03-29 | Toshiba Corp | モデル同定装置 |
| RU2273874C2 (ru) * | 2001-08-07 | 2006-04-10 | Сименс Акциенгезелльшафт | Способ эксплуатации технической установки и система управления процессом эксплуатации технической установки |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019159280A1 (ja) | 2019-08-22 |
| AU2018408886A1 (en) | 2020-08-20 |
| US11320811B2 (en) | 2022-05-03 |
| JPWO2019159280A1 (ja) | 2021-01-28 |
| US20200379452A1 (en) | 2020-12-03 |
| JP7144462B2 (ja) | 2022-09-29 |
| TWI801502B (zh) | 2023-05-11 |
| TW201937319A (zh) | 2019-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gao et al. | Machine learning applications for data center optimization | |
| JP6043348B2 (ja) | 産業プロセスを監視する方法 | |
| CN102906650B (zh) | 多阶段过程建模方法 | |
| US20180292812A1 (en) | Controlling multi-stage manufacturing process based on internet of things (iot) sensors and cognitive rule induction | |
| JP6985833B2 (ja) | データ処理装置、制御システム、データ処理方法及びプログラム | |
| CA2472338A1 (en) | Method for removal of pid dynamics from mpc models | |
| US11320811B2 (en) | Plant operating condition setting support system, learning device, and operating condition setting support device | |
| JP2019091206A (ja) | プラント管理システム及び管理装置 | |
| WO2020175418A1 (ja) | 予測制御開発装置、予測制御開発方法、及び予測制御開発プログラム | |
| JP5264796B2 (ja) | プラント運転支援装置 | |
| CN100410825C (zh) | 工厂运转支持系统 | |
| CN103279030B (zh) | 基于贝叶斯框架的动态软测量建模方法及装置 | |
| JP5125875B2 (ja) | Ｐｉｄコントローラのチューニング装置、ｐｉｄコントローラのチューニング用プログラムおよびｐｉｄコントローラのチューニング方法 | |
| JP6850313B2 (ja) | シミュレーション装置、シミュレーション方法およびシミュレーションプログラム | |
| Golob et al. | Web-based monitoring and control of industrial processes used for control education | |
| JP5077831B2 (ja) | プラント制御システムおよびプラント制御方法 | |
| JP2010146137A (ja) | パラメータ調整支援装置 | |
| JP7084520B2 (ja) | シミュレーション装置、シミュレーション方法およびシミュレーションプログラム | |
| WO2021111936A1 (ja) | 予測システム、情報処理装置および情報処理プログラム | |
| RU146672U1 (ru) | Устройство выбора предпочтительного варианта построения элемента комплекса средств автоматизации командного пункта части противовоздушной обороны | |
| TWI830193B (zh) | 預測系統、資訊處理裝置以及資訊處理程式 | |
| EP3819831A2 (en) | Context specific training for process operators | |
| JPH07334070A (ja) | プロセスシミュレータ | |
| CN117930767A (zh) | 一种基于云边协同和hils的大型焙烧炉模拟装置 | |
| JP5614630B2 (ja) | プラント運転支援装置及びプラント運転支援方法 |