TW201937319A - 廠房運轉條件設定支援系統、學習裝置以及運轉條件設定支援裝置 - Google Patents
廠房運轉條件設定支援系統、學習裝置以及運轉條件設定支援裝置 Download PDFInfo
- Publication number
- TW201937319A TW201937319A TW108105066A TW108105066A TW201937319A TW 201937319 A TW201937319 A TW 201937319A TW 108105066 A TW108105066 A TW 108105066A TW 108105066 A TW108105066 A TW 108105066A TW 201937319 A TW201937319 A TW 201937319A
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- plant
- output
- regression model
- amounts
- Prior art date
Links
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
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
本發明提供一種廠房運轉條件設定支援系統1係用於支援廠房的運轉條件的設定,且具備:學習裝置4,係學習用於計算輸出的預測值的回歸模型8,輸出的預測值係根據顯示廠房3的運轉條件的複數個狀態量的值以及為了控制廠房3的運轉而設定的複數個操作量的值而計算,且輸出的預測值係顯示在以藉由複數個狀態量的值所顯示的運轉條件下設定了複數個操作量的值的情形下的廠房3的運轉結果;以及運轉條件設定支援裝置30,係使用學習裝置4學習到的回歸模型8,計算為了控制廠房3的運轉所應設定之複數個操作量的值。
Description
[0001] 本發明係關於一種支援廠房的運轉條件的設定用的廠房運轉條件設定支援系統、以及可用於該廠房運轉條件設定支援系統的學習裝置以及運轉條件設定支援裝置。
[0002] 用於生產化學製品或工業製品的廠房中,係藉由反應器或加熱爐等的多數個裝置來進行一連串的程序,並藉由用於控制多數個裝置之各自的多數個操作量來設定運轉條件。在執行多階段的程序的廠房中,由於多數個操作量有可能複雜地相互作用,因此要對操作量的變更所造成的影響進行預測並不容易,所以操作量多是藉由熟練的操作員來設定從而使廠房運轉。 [0003] 組合使廠房中所執行的程序於每個單位操作中再現的程序模擬器(process simulator),藉此來對使複數個單位操作的組合進行再現用之模擬模型的構築進行嘗試(例如參照專利文獻1)。 [先前技術文獻] [專利文獻] [0004] 專利文獻1:國際公開第2017/154181號。
(發明所欲解決之課題) [0005] 由於模擬模型需要人手來進行調整,所以除了需要很多的工時之外,使現實的程序進行再現的精度也被調整者的經驗或技能所左右。又,由於也存在有難以藉由程序模擬器來進行再現的現象,因此想構築出使現實的廠房的運轉狀況精確再現的模擬模型有其困難度。 [0006] 本發明係有鑑於如此的狀況而開發完成者,其目的在於提供一種能支援實現廠房的較佳的運轉的運轉條件的設定之技術。 (用以解決課題之手段) [0007] 為了解決上述課題,本發明之一態樣之廠房運轉條件設定支援系統,係用於支援廠房的運轉條件的設定,且具備:學習裝置,係學習用於計算輸出的預測值的回歸模型,前述輸出的預測值係根據顯示前述廠房的運轉條件的複數個狀態量的值以及為了控制前述廠房的運轉而設定的複數個操作量的值而計算,且前述輸出的預測值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果;以及運轉條件設定支援裝置,係使用前述學習裝置所學習到的前述回歸模型,計算為了控制前述廠房的運轉所應設定之前述複數個操作量的值。學習裝置具備:實績值取得部,係取得由前述複數個狀態量的值、前述複數個操作量的值以及輸出的值所組合成的實績值,前述輸出的值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果;學習部,係基於前述實績值取得部所取得的複數個實績值學習回歸模型;以及回歸模型提供部,係將學習部所學習到的前述回歸模型提供至運轉條件設定支援裝置。運轉條件設定支援裝置具備:回歸模型取得部,係取得學習裝置所學習到的回歸模型;狀態量取得部,係取得複數個狀態量的值;操作量計算部,係使用回歸模型計算複數個操作量的值,前述複數個操作量的值係在藉由狀態量取得部所取得的複數個狀態量而顯示的運轉條件運轉廠房的情形下輸出的值滿足預定條件;以及操作量輸出部,係輸出操作量計算部所計算的複數個操作量的值。 [0008] 根據該態樣,由於能迅速地計算出可使顯示廠房的運轉結果的輸出的值提升的操作量的值,因此既能準確地支援藉由手動或自動的操作量的設定,且能提升廠房的運轉效率。又,能不拘於操作員的經驗和技能等,以能準確地設定廠房的運轉條件的方式進行支援。 [0009] 操作量計算部亦可藉由使最佳化問題的解法演算法應用於前述輸出的值而計算出前述複數個操作量的值。 [0010] 根據該態樣,由於能迅速且精確地計算出可使廠房的輸出的值最佳化的複數個操作量的值,因此能因應目的對適當的廠房的運轉條件的設定進行支援。 [0011] 本發明之另一態樣係學習裝置。前述學習裝置具備:實績值取得部,係取得由前述複數個狀態量的值、前述複數個操作量的值以及輸出的值所組合成的實績值,前述複數個狀態量的值係顯示前述廠房的運轉條件,前述複數個操作量的值係為了控制前述廠房的運轉而設定,前述輸出的值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果;學習部,係基於前述實績值取得部所取得的複數個實績值學習用於計算輸出的預測值的回歸模型,前述輸出的預測值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果;以及回歸模型提供部,係將前述學習部所學習到的前述回歸模型提供至運轉條件設定支援裝置,前述運轉條件設定支援裝置係計算為了控制前述廠房的運轉所應設定之前述複數個操作量的值。 [0012] 根據該態樣,能更迅速且精確地計算出顯示廠房的運轉結果的輸出的預測值。又,也能產生考慮到難以藉由程序模擬器等進行再現的因素也包含在內之再現性更高的回歸模型。 [0013] 本發明之又一態樣亦係運轉條件設定支援裝置。前述運轉條件設定支援裝置具備:回歸模型取得部,係從學習裝置取得前述學習裝置所學習到的回歸模型,前述學習裝置係學習用於計算輸出的預測值的回歸模型,前述輸出的預測值係根據顯示廠房的運轉條件的複數個狀態量的值以及為了控制廠房的運轉而設定的複數個操作量的值而計算,且前述輸出的預測值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果;狀態量取得部,係取得顯示廠房的運轉條件之複數個狀態量的值;操作量計算部,係使用回歸模型計算複數個操作量的值,前述複數個操作量的值係在藉由前述狀態量取得部所取得的前述複數個狀態量而顯示的運轉條件運轉前述廠房的情形下前述輸出的值滿足預定條件;以及操作量輸出部,係輸出前述操作量計算部所計算出的前述複數個操作量的值。 [0014] 根據該態樣,由於能迅速地計算出可使顯示廠房的運轉結果的輸出的值提升的操作量的值,因此既能準確地支援藉由手動或自動的操作量的設定,且能提升廠房的運轉效率。又,能不拘於操作員的經驗和技能等,以能準確地設定廠房的運轉條件的方式進行支援。 [0015] 又,即使將以上的構成要素的任意的組合、本發明的表現在方法、裝置、系統、記錄媒介、電腦程式等之間進行變換,仍有效作為本發明的態樣。 (發明功效) [0016] 根據本發明,可提供能支援實現廠房的較佳的運轉的運轉條件的設定之技術。
[0018] 圖1係顯示實施形態的廠房運轉條件設定支援系統的整體構成的圖。用於支援廠房3的運轉條件的設定之廠房運轉條件設定支援系統1具備:廠房3,用於生產化學製品或工業製品等;以及學習裝置4,係學習用於計算輸出的預測值的回歸模型8,前述輸出的預測值係根據顯示廠房3的運轉條件的複數個狀態量的值以及為了控制廠房3的運轉而設定的複數個操作量的值而計算,且前述輸出的預測值係顯示以在藉由複數個狀態量的值所顯示的運轉條件下設定了複數個操作量的值的情形下的廠房3的運轉結果。各個廠房3具備:控制對象裝置10,係設置於廠房3的反應器或加熱爐等;控制裝置20,係對為了控制對象裝置10的運轉進行控制的操作量進行設定;以及運轉條件設定支援裝置30,係使用學習裝置4學習到的回歸模型8,對為了控制廠房3的運轉所應設定之複數個操作量的值進行計算。各個廠房3與學習裝置4係藉由網路2而連接。 [0019] 學習裝置4具備:實績值取得部5、學習部6、回歸模型提供部7以及回歸模型8。此些構成在硬體組件方面雖可由任意的電腦的CPU(Central Processing Unit;中央處理器)、記憶體、以及載入至記憶體的程式等來實現,在此係對藉由此些硬體的合作而能實現的功能區塊進行描述。從而,對於業者而言應理解為此些功能區塊能僅以硬體、僅以軟體或藉由此些硬體或軟體的組合而以各種形態來實現。 [0020] 回歸模型8係用於計算輸出的預測值的模型,前述輸出的預測值係基於顯示廠房3的運轉條件的複數個狀態量的值以及為了控制廠房3的運轉而設定的複數個操作量的值而計算,且前述輸出的預測值係顯示以在藉由複數個狀態量的值所顯示的運轉條件下設定了複數個操作量的值的情形下的廠房3的運轉結果。亦即,回歸模型8並非對廠房3中所執行的各個程序進行模擬,而是藉由使用複數個狀態量的值與複數個操作量的值所進行的運算而計算出的輸出的預測值。回歸模型8亦可為藉由使用複數個狀態量的值以及複數個操作量的值、用於運算輸出的預測值的運算參數所進行的運算,而計算出輸出的預測值。 [0021] 輸出的值亦可為顯示廠房3的運轉結果的任意的值,例如,既可為從廠房3所生產之製品的量、純度等的品質或比率等,亦可為副產品或排氣等的量或濃度等,也可為製品的生產所需要的時間、能量、原料或供給物等的量、品質以及溫度等,又可為顯示廠房3的生產效率等重要業績評價指標(key performance indicators;KPI)等。 [0022] 實績值取得部5係從廠房3取得由複數個狀態量的值、複數個操作量的值以及輸出的值所組合成的實績值,前述複數個狀態量的值係顯示廠房3的運轉條件,前述複數個操作量的值係為了控制廠房3的運轉而設定,前述輸出的值係顯示以在藉由複數個狀態量的值所顯示的運轉條件下設定了複數個操作量的值的情形下的廠房3的運轉結果。 [0023] 學習部6係基於實績值取得部5所取得的複數個實績值學習回歸模型8。學習部6亦可於將實績值取得部5所取得的複數個狀態量的值以及複數個操作量的值輸入至回歸模型8時,以能計算出與該複數個狀態量的值以及複數個操作量的值成組的輸出的實績值接近的值的方式調整運算參數的值。學習部6既可藉由將廠房3的輸出的實績值作為教師資料的教師學習來使回歸模型8進行學習,亦可藉由其他已知的任意的機械學習技術來使回歸模型8進行學習。 [0024] 由於藉由使用多數個實績值來使回歸模型8進行學習能提升回歸模型8的精度,因此能產生可更精確地計算顯示廠房3的運轉結果的輸出的預測值的回歸模型8。又,由於沒有必要開發用於再現複雜程序的高度模擬器,所以能大幅地降低用於產生回歸模型8所需要的時間以及負荷。又,由於也能考慮到難以在模擬器中進行再現的因素,所以能更精確地計算輸出的預測值。 [0025] 既可使每個廠房3學習不同的回歸模型8,也可使用來自執行同種的程序的複數個廠房3的實績值在複數個廠房3學習共通的回歸模型8。 [0026] 回歸模型提供部7係將學習部6所學習到的回歸模型8提供至運轉條件設定支援裝置30。 [0027] 為了說明的簡單化,本圖中雖將學習裝置4作為單獨的裝置進行顯示,但學習裝置4亦可藉由利用雲端計算(cloud computing)技術或分散處理技術等而由複數個伺服器來實現。藉此,由於能將從廠房3所收集到的大量的資訊進行高速的處理來使回歸模型8進行學習,所以能大幅的縮短用於提升回歸模型8的精度所需要的時間。 [0028] 圖2係顯示實施形態的運轉條件設定支援裝置以及控制裝置的構成。控制裝置20具備控制部21以及操作面板22。 [0029] 操作面板22係將顯示廠房3的運轉狀況的各種的狀態量的值、經由控制裝置2所設定的各種的操作量的設定值以及顯示廠房3的運轉結果的輸出的值顯示於顯示裝置,並且受理來自操作員的各種的操作量的設定值的輸入。 [0030] 控制部21具備:操作量設定部23、狀態量取得部24、狀態量發送部25以及實績值發送部26。此些功能區塊亦能僅以硬體、僅以軟體或藉由此些硬體或軟體的組合而以各種形態來實現。 [0031] 操作量設定部23係藉由操作面板22對來自操作員所受理的各種的操作量的設定值進行設定,且對控制對象裝置10進行控制,並且顯示於操作面板22的顯示裝置。狀態量取得部24係從被設置於控制對象裝置10等的各種的感測器或測定器等取得顯示廠房3的運轉狀況以及運轉結果的各種的狀態量的值,從而顯示於操作面板22的顯示裝置。狀態量發送部25係將藉由狀態量取得部24所取得的狀態量的值發送至運轉條件設定支援裝置30。實績值發送部26係將藉由操作量設定部23所設定的操作量的值以及藉由狀態量取得部24所取得的狀態量的值以及輸出的值發送至學習裝置4。 [0032] 運轉條件設定支援裝置30具備控制部31以及回歸模型38。 [0033] 控制部31具備:狀態量取得部32、操作量計算部33、操作量輸出部34、回歸模型取得部35、預測值計算部36以及預測值提示部37。此些功能區塊亦能僅以硬體、僅以軟體或藉由此些硬體或軟體的組合而以各種形態來實現。 [0034] 回歸模型取得部35係取得由學習裝置4所學習到的回歸模型8,且作為回歸模型38儲存於記憶裝置。狀態量取得部32係從控制裝置20的狀態量發送部25取得複數個狀態量的值。操作量計算部33係使用回歸模型38計算複數個操作量的值,前述複數個操作量的值係在藉由狀態量取得部32所取得的複數個狀態量而顯示的運轉條件運轉廠房3的情形下輸出的值滿足預定條件。操作量輸出部34係對控制裝置20輸出操作量計算部33所計算出的複數個操作量的值。所輸出的操作量的值既可在操作員手動輸入操作量的值時作為參照用而提示於操作面板22,亦可被自動地輸入操作量設定部23。 [0035] 操作量計算部33係使最佳化問題的解法演算法應用於已因應目的的輸出的值,藉此計算出可使該輸出的值最佳化的複數個操作量的值。例如,在欲求出可使最終製品的生產效率最大化的最佳運轉設定點的情形時,將藉由狀態量取得部32所取得的複數個狀態量設為固定值,將複數個操作量的值作為變數,且輸入至用於計算顯示最終製品的生產效率的KPI的回歸模型8,從而藉由最佳化問題的解法演算法對輸入至回歸模型8所計算出的KPI的預測值成為最大的複數個操作量的值進行計算。作為最佳化問題的解法演算法可使用梯度法(gradient method)或內爾德-米德(Nelder-Mead)法等的已知的任意的演算法。 [0036] 藉由模擬器計算KPI等的預測值的情形時,光是計算以複數個狀態量的值與複數個操作量的值為一組所對應的KPI的值就需要大量的計算量與時間。從而,存有以下情形:為了對於遍及所有的操作量之可操作的全範圍的值計算大量的KPI的預測值,且探索使KPI的預測值成為最大的複數個操作量的值,需要數星期至數個月的期間。由於為了縮短探索所需要的期間,必須減少計算KPI的預測值的組數,因而有無法探索真正的最佳運轉設定點的可能性。進而,於組合再現各個的步驟的程序模擬器而對程序整體進行模擬的情形時,即便能在各個步驟中計算最佳解決方案,作為程序整體也會有不收斂於最佳解決方案的情形。如上所述,已知的技術中,對廠房3的運轉設定點進行變更並非容易之事,即使廠房3中所設定的複數個操作量的值在此時的複數個狀態量所顯示的運轉狀況中並非最佳運轉設定點,仍舊難以變更為最佳運轉設定點。 [0037] 相對於此,根據本實施形態的技術,由於能藉由機械學習而得到高精度的回歸模型8,所以能迅速且精確地計算出以複數個狀態量的值與複數個操作量的值為一組所對應的輸出的值。從而,能短時間地探索可賦予滿足預定的條件之輸出的值的複數個操作量的值並進行輸出,且能因應複數個狀態量的變化而設定最佳的操作量的值,而能使廠房3的運轉最佳化。又,由於能短時間計算出以複數個狀態量的值與複數個操作量的值為一組所對應的輸出的預測值,因此能對更多組相關的輸出的預測值進行計算從而對最佳運轉設定點進行探索。藉此,無論是藉由何種最佳化問題的解法演算法,由於能以不拘泥於局部的極限值的方式對全域的最大值或最小值進行探索,所以能計算真正的最佳解決方案。 [0038] 預測值計算部36係藉由將複數個狀態量與複數個操作量代入回歸模型38而計算出輸出的預測值。預測值提示部37係將由預測值計算部36所計算出的輸出的預測值提示於操作面板22。例如,亦可基於藉由狀態量取得部32所取得的現在的狀態量的值與藉由控制裝置20的操作量設定部23所實際設定的複數個操作量的設定值而計算現在的KPI等的輸出的值且進行提示。又,於因為環境的變化等而對今後狀態量的變化進行預測的情形時,亦可基於現在的操作量的設定值計算今後的輸出的預測值且進行提示。又,於操作員對操作量的設定值的變更進行檢討時,亦可基於變更後的操作量的設定值,對計算變更後的輸出的預測值進行提示。藉此能適切地支援操作員所為的運轉條件的設定。 [0039] 圖3係顯示於操作面板的表示裝置中所表示的表示畫面的例子的圖。表示畫面中係表示有廠房3的程序流程圖、與運轉條件相關的狀態量的值、與運轉結果相關的狀態量的值以及複數個操作量的設定值。操作員於設定了顯示廠房3的運轉結果的輸出的值的條件後,操作量計算部使用回歸模型38計算滿足條件的最佳的操作量的值。操作量輸出部34係於表示畫面表示所計算出的操作量的值。又,操作量輸出部34係將顯示變更為所計算出的操作量的值的情形與未變更的情形的廠房3的運轉結果的輸出的值的時間變化的圖表顯示於表示畫面。操作量輸出部34亦可於將輸出的值表示於表示畫面時,以可識別該值是對應於實績值或是對應於預測值的方式來進行表示。操作員可參考提示之操作量的值來決定操作量的設定值且輸入至操作面板22。操作量設定部23係基於輸入之設定值來對控制對象裝置10進行控制。 [0040] 藉由操作量輸出部34所輸出的操作量的值亦可直接輸入至操作量設定部23,從而自動地設定控制對象裝置10。此情形下,自動地設定於控制對象裝置10的操作量的值既可提示於操作面板22,也可不提示於操作面板22。藉由操作量輸出部34所輸出的操作量的值亦可直接輸入至操作量設定部23。運轉模式亦可設定為可在自動模式與手動模式之間進行切換,前述自動模式係將藉由操作量輸出部34所輸出的操作量的值直接輸入至操作量設定部23,前述手動模式係不將操作量的值直接輸入至操作量設定部23而是將操作量的值提示於操作面板22,操作員以手動方式輸入操作量的值。 [0041] 以上,雖基於實施例進行了本發明之說明。所屬技術領域中具有通常知識者應當了解到,此實施例為例示,其該等之各構成要素或各處理程序的組合可以有各種的變形例,而且該等變形例亦屬於本發明之範圍。 [0042] 本發明的技術既可應用於連續步驟的廠房也可應用於批次步驟的廠房。 (產業可利用性) [0043] 本發明係可以利用於用以支援廠房的運轉條件的設定的廠房運轉條件設定支援系統。
[0044]
1‧‧‧廠房運轉條件設定支援系統
2‧‧‧網路
3‧‧‧廠房
4‧‧‧學習裝置
5‧‧‧實績值取得部
6‧‧‧學習部
7‧‧‧回歸模型提供部
8、38‧‧‧回歸模型
10‧‧‧控制對象裝置
20‧‧‧控制裝置
21、31‧‧‧控制部
22‧‧‧操作面板
23‧‧‧操作量設定部
24、32‧‧‧狀態量取得部
25‧‧‧狀態量發送部
26‧‧‧實績值發送部
30‧‧‧運轉條件設定支援裝置
33‧‧‧操作量計算部
34‧‧‧操作量輸出部
35‧‧‧回歸模型取得部
36‧‧‧預測值計算部
37‧‧‧預測值提示部
[0017] 圖1係顯示實施形態的廠房運轉條件設定支援系統的整體構成的圖。 圖2係顯示實施形態的運轉條件設定支援裝置以及控制裝置的構成的圖。 圖3係顯示於操作面板的表示裝置中所表示的表示畫面的例子的圖。
Claims (4)
- 一種廠房運轉條件設定支援系統,係用於支援廠房的運轉條件的設定,且具備: 學習裝置,係學習用於計算輸出的預測值的回歸模型,前述輸出的預測值係根據顯示前述廠房的運轉條件的複數個狀態量的值以及為了控制前述廠房的運轉而設定的複數個操作量的值而計算,且前述輸出的預測值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果;以及 運轉條件設定支援裝置,係使用前述學習裝置所學習到的前述回歸模型,計算為了控制前述廠房的運轉所應設定之前述複數個操作量的值; 前述學習裝置具備: 實績值取得部,係取得由前述複數個狀態量的值、前述複數個操作量的值以及輸出的值所組合成的實績值,前述輸出的值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果; 學習部,係基於前述實績值取得部所取得的複數個實績值學習前述回歸模型;以及 回歸模型提供部,係將前述學習部所學習到的前述回歸模型提供至前述運轉條件設定支援裝置; 前述運轉條件設定支援裝置具備: 回歸模型取得部,係取得前述學習裝置所學習到的前述回歸模型; 狀態量取得部,係取得前述複數個狀態量的值; 操作量計算部,係使用前述回歸模型計算前述複數個操作量的值,前述複數個操作量的值係在藉由前述狀態量取得部所取得的前述複數個狀態量而顯示的運轉條件運轉前述廠房的情形下前述輸出的值滿足預定條件;以及 操作量輸出部,係輸出前述操作量計算部所計算的前述複數個操作量的值。
- 如請求項1所記載之廠房運轉條件設定支援系統,其中前述操作量計算部係藉由使最佳化問題的解法演算法應用於前述輸出的值而計算出前述複數個操作量的值。
- 一種學習裝置,具備: 實績值取得部,係取得由前述複數個狀態量的值、前述複數個操作量的值以及輸出的值所組合成的實績值,前述複數個狀態量的值係顯示前述廠房的運轉條件,前述複數個操作量的值係為了控制前述廠房的運轉而設定,前述輸出的值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果; 學習部,係基於前述實績值取得部所取得的複數個實績值學習用於計算輸出的預測值的回歸模型,前述輸出的預測值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果;以及 回歸模型提供部,係將前述學習部所學習到的前述回歸模型提供至運轉條件設定支援裝置,前述運轉條件設定支援裝置係計算為了控制前述廠房的運轉所應設定之前述複數個操作量的值。
- 一種運轉條件設定支援裝置,具備: 回歸模型取得部,係從學習裝置取得前述學習裝置所學習到的回歸模型,前述學習裝置係學習用於計算輸出的預測值的回歸模型,前述輸出的預測值係根據顯示廠房的運轉條件的複數個狀態量的值以及為了控制前述廠房的運轉而設定的複數個操作量的值而計算,且前述輸出的預測值係顯示以在藉由前述複數個狀態量的值所顯示的運轉條件下設定了前述複數個操作量的值的情形下的前述廠房的運轉結果; 狀態量取得部,係取得顯示廠房的運轉條件之複數個狀態量的值; 操作量計算部,係使用前述回歸模型計算前述複數個操作量的值,前述複數個操作量的值係在藉由前述狀態量取得部所取得的前述複數個狀態量而顯示的運轉條件運轉前述廠房的情形下前述輸出的值滿足預定條件;以及 操作量輸出部,係輸出前述操作量計算部所計算出的前述複數個操作量的值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
??PCT/JP2018/005252 | 2018-02-15 | ||
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 |
WOPCT/JP2018/005252 | 2018-02-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201937319A true TW201937319A (zh) | 2019-09-16 |
TWI801502B TWI801502B (zh) | 2023-05-11 |
Family
ID=67618913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108105066A TWI801502B (zh) | 2018-02-15 | 2019-02-15 | 廠房運轉條件設定支援系統、學習裝置以及運轉條件設定支援裝置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11320811B2 (zh) |
JP (1) | JP7144462B2 (zh) |
AU (1) | AU2018408886A1 (zh) |
RU (1) | RU2767009C1 (zh) |
TW (1) | TWI801502B (zh) |
WO (1) | WO2019159280A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI827408B (zh) * | 2021-12-23 | 2023-12-21 | 日商千代田化工建設股份有限公司 | 資訊處理程式、資訊處理裝置、及資訊處理方法 |
Families Citing this family (1)
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 |
Family Cites Families (17)
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 |
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 |
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 |
EP1288757A1 (de) * | 2001-08-07 | 2003-03-05 | Siemens Aktiengesellschaft | Verfahren und Prozessleitsystem zum Betrieb einer technischen Anlage |
US20160148850A1 (en) * | 2014-11-25 | 2016-05-26 | Stream Mosaic, Inc. | Process control techniques for semiconductor manufacturing processes |
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 |
RU2686355C1 (ru) | 2016-03-10 | 2019-04-25 | ДжГК Корпорейшн | Способ определения состава смешанного хладагента для установки сжижения природного газа |
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 AU AU2018408886A patent/AU2018408886A1/en active Pending
- 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 JP JP2019571877A patent/JP7144462B2/ja active Active
-
2019
- 2019-02-15 TW TW108105066A patent/TWI801502B/zh active
-
2020
- 2020-08-17 US US16/995,031 patent/US11320811B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI827408B (zh) * | 2021-12-23 | 2023-12-21 | 日商千代田化工建設股份有限公司 | 資訊處理程式、資訊處理裝置、及資訊處理方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019159280A1 (ja) | 2021-01-28 |
AU2018408886A1 (en) | 2020-08-20 |
JP7144462B2 (ja) | 2022-09-29 |
US11320811B2 (en) | 2022-05-03 |
WO2019159280A1 (ja) | 2019-08-22 |
TWI801502B (zh) | 2023-05-11 |
US20200379452A1 (en) | 2020-12-03 |
RU2767009C1 (ru) | 2022-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019098158A1 (ja) | プラント管理システム及び管理装置 | |
WO2020039683A1 (ja) | 細胞培養支援装置の作動プログラム、細胞培養支援装置、細胞培養支援装置の作動方法 | |
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 | |
US11320811B2 (en) | Plant operating condition setting support system, learning device, and operating condition setting support device | |
CN106068480A (zh) | 可编程序逻辑控制器及基于可编程序逻辑控制器的设备控制方法 | |
Dong et al. | Study of a discrete grey forecasting model based on the quality cost characteristic curve | |
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 | |
RU2459228C1 (ru) | Учебно-лабораторный стенд для подготовки специалистов в области средств и систем автоматизации непрерывных технологических процессов | |
JP2021082367A (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 | |
CN112750500A (zh) | 装置、方法及存储介质 | |
Zhiyun et al. | The development of a novel type chemical process operator-training simulator | |
US20230061033A1 (en) | Information processing device, calculation method, and computer-readable recording medium | |
JPH07334070A (ja) | プロセスシミュレータ | |
Shamshin | Detailed analysis of the advantages of virtual laboratory works in physics | |
Zayas-Gato et al. | Virtual Implementation of Practical Control Subjects as an Alternative to Face-to-Face Laboratory Lessons | |
Corrales et al. | Virtual Environment for the Control of a Temperature Process Based on Hardware-in-the-Loop | |
Bajpai et al. | Government’s Effort in Controling Engineering Education in India | |
Pruna et al. | Didactic system for process control learning: case study flow control | |
US20230065835A1 (en) | Information processing device, evaluation method, and computer-readable recording medium | |
JP2023078694A (ja) | 装置、方法およびプログラム | |
JP5614630B2 (ja) | プラント運転支援装置及びプラント運転支援方法 | |
Dunia et al. | A complete programming framework for process control education | |
Zou et al. | Development of a fine chemical process operator-training simulator | |
Attene et al. | ProMED: Production Optimization for Additive Manufacturing of Medical Devices. | |
Leva et al. | Online laboratory for large classes–lessons learnt at pandemic time |