WO2014141837A1 - ノウハウ可視化装置及びノウハウ可視化方法 - Google Patents

ノウハウ可視化装置及びノウハウ可視化方法 Download PDF

Info

Publication number
WO2014141837A1
WO2014141837A1 PCT/JP2014/053904 JP2014053904W WO2014141837A1 WO 2014141837 A1 WO2014141837 A1 WO 2014141837A1 JP 2014053904 W JP2014053904 W JP 2014053904W WO 2014141837 A1 WO2014141837 A1 WO 2014141837A1
Authority
WO
WIPO (PCT)
Prior art keywords
know
data
visualization
unit
state quantity
Prior art date
Application number
PCT/JP2014/053904
Other languages
English (en)
French (fr)
Inventor
諒 難波
勝也 横川
理 山中
寿治 杉野
Original Assignee
株式会社 東芝
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社 東芝 filed Critical 株式会社 東芝
Priority to CN201480010300.6A priority Critical patent/CN105144010B/zh
Publication of WO2014141837A1 publication Critical patent/WO2014141837A1/ja

Links

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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F

Definitions

  • Embodiments of the present invention include monitoring and control of water and sewage facilities including industrial water used in industrial facilities such as steel factories, paper factories, semiconductor factories, and food processing factories, and water treatment facilities that treat water drained therefrom.
  • the present invention relates to a know-how visualization device used in the system and a know-how visualization method used in this device.
  • the purpose is to support operators by extracting operation know-how from the history of operation data of skilled operators and visualizing and displaying the extracted operation know-how to operators in the monitoring and control system of water and sewage facilities. It is an object of the present invention to provide a know-how visualization device that can be used and a know-how visualization method used in this device.
  • the know-how visualization device includes a narrowing unit, an extraction unit, and a display unit.
  • the narrowing-down unit determines whether the process data collected at the water and sewage facility is data on which of the plurality of processing processes at the water and sewage facility.
  • the extraction unit obtains an operation data history of the operator for the determined process and process data corresponding thereto, and determines an operation amount included in the history of the operation data from the acquired process data.
  • the state quantity referred to at the time is extracted, and the know-how visualization data is generated by dividing the extracted state quantity into a plurality of cells based on the operation quantity.
  • the display unit displays the know-how visualization data generated by the extraction unit as operation know-how.
  • FIG. 1 is a block diagram illustrating a functional configuration of a monitoring control system provided with the know-how visualization device according to the present embodiment.
  • FIG. 2 is a block diagram illustrating a functional configuration of the extraction unit illustrated in FIG. 1.
  • FIG. 3 is a diagram for explaining clustering processing by the dividing unit shown in FIG.
  • FIG. 4 is a diagram for explaining clustering processing by the dividing unit shown in FIG.
  • FIG. 5 shows a diagram when the number of divisions divided by the dividing unit shown in FIG. 2 is evaluated using the value of the index H by the evaluation unit.
  • FIG. 6 is a diagram illustrating a display example of operation know-how displayed on the display unit illustrated in FIG. 1.
  • FIG. 7 is a diagram illustrating a display example of operation know-how displayed on the display unit illustrated in FIG.
  • FIG. 8 is a flowchart showing processing when the know-how visualization device shown in FIG. 1 displays operation know-how.
  • FIG. 9 is a diagram illustrating another example of the extraction unit illustrated in FIG. 2.
  • FIG. 10 is a diagram showing guidance added to the matrix display displayed on the display unit shown in FIG.
  • FIG. 11 is a diagram illustrating another example of the extraction unit illustrated in FIG. 2.
  • FIG. 12 is a diagram illustrating a flowchart created by the flowchart creation unit.
  • FIG. 13 is a diagram illustrating another example of the extraction unit illustrated in FIG. 2.
  • FIG. 14 is a diagram illustrating another example of the extraction unit illustrated in FIG. 2.
  • FIG. 15 is a diagram illustrating the cell order when the order of the state quantities on the vertical axis and the horizontal axis of the matrix display is changed.
  • FIG. 16 is a diagram illustrating the cell order when the order of the state quantities on the vertical axis and the horizontal axis of the matrix display is changed.
  • FIG. 17 is a diagram illustrating the cell order when the order of the state quantities on the vertical and horizontal axes of the matrix display is changed.
  • FIG. 18 is a diagram illustrating the cell order when the order of the state quantities on the vertical and horizontal axes of the matrix display is changed.
  • FIG. 19 is a diagram showing evaluation results for the cell order shown in FIG. 15 to FIG.
  • FIG. 20 is a diagram illustrating a display example of operation know-how displayed on the display unit illustrated in FIG. 1.
  • FIG. 1 is a block diagram illustrating a functional configuration of a monitoring control system in which a know-how visualization device 10 according to the present embodiment is provided.
  • the monitoring control system shown in FIG. 1 monitors the state of a water and sewage facility.
  • the supervisory control system controls the water and sewage facility in order to operate the water and sewage facility safely and stably.
  • the water and sewage facilities include, for example, water treatment facilities for treating industrial water used in industrial facilities and water discharged from the industrial facilities.
  • Industrial facilities include, for example, steel mills, paper mills, semiconductor manufacturing factories, food processing factories, and the like.
  • a water purification plant facility is described as an example of a water and sewage facility.
  • the pump of the raw water tank for example, the pump of the raw water tank, the driving motor of the flocculant charging device, the driving unit of the discharge valve for discharging the sediment in the coagulating tank, the driving unit of the filtration device, the driving motor of the disinfectant charging device,
  • the power source for the UV disinfection lamp and the water pump for the water purification pond are included.
  • the monitoring control system includes a know-how visualization device 10, a data input / output unit 20, a control controller 30, and a database 40.
  • the data input / output unit 20 collects and collects process data and other data (not shown) acquired by various devices of the water treatment plant facility monitored and controlled by the monitoring control system.
  • the process data includes raw data actually measured for each device and pseudo data obtained by simulation using computer simulation. Further, the process data is converted into a signal and supplied to the data input / output unit 20.
  • Specific process data necessary for the operation and management of water purification plant facilities include the following.
  • the flow rate of the raw water flowing through the pipe is included in the process data.
  • the flocculant is added, the pH and turbidity before and after the addition are included in the process data.
  • the treated water is distributed, the discharge pressure of the distribution pump, the flow rate, the pressure at the distribution end, and the like are included in the process data.
  • the process data indicates a state quantity such as a sensor measurement value for monitoring the process state.
  • the data input / output unit 20 outputs the collected process data to the database 40.
  • the data input / output unit 20 receives a control signal transmitted from the control controller 30, and outputs the received control signal to each device of the water purification plant facility. Thereby, the process object required for operation and management of a water purification plant facility is controlled.
  • the control signal for example, the valve opening degree for directly operating the behavior of the device to be processed, the chemical injection rate (or injection amount), and the like are controlled.
  • the controller 30 receives a driving operation from an operator.
  • the operator refers to the display unit 13 provided in the know-how visualization device 10 and grasps the processing necessary for the water purification plant facility.
  • the control controller 30 outputs a control signal based on the input driving operation to the data input / output unit 20. Further, the control controller 30 outputs driving operation data based on the input driving operation to the database 40.
  • the driving operation data indicates an operation amount related to the driving of the operator such as a flow rate and a pH target value.
  • the control signal for controlling the valve opening degree, the chemical injection rate and the like is also included in the operation operation data.
  • the database 40 records process data output from the data input / output unit 20 and driving operation data output from the controller 30 for control.
  • the database 40 records a history of past driving operation data and process data acquired as a result of an operation according to the driving operation data.
  • the database 40 outputs the process data and the operation data to be recorded to the know-how visualization device 10 in response to a read request from the know-how visualization device 10.
  • the know-how visualization device 10 includes, for example, a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM (Random Access Memory), and other programs and data storage areas for the CPU to execute processing.
  • the know-how visualization device 10 constructs the narrowing-down unit 11 and the extraction unit 12 by causing the CPU to execute an application program.
  • the know-how visualization device 10 includes a display unit 13.
  • the narrowing-down unit 11 reads out process data and driving operation data about the target process selected by the operator from the database 40.
  • the narrowing-down part 11 discriminate
  • the narrowing-down unit 11 outputs the determination result to the extraction unit 12.
  • the narrowing-down unit 11 may directly capture process data from the data input / output unit 20.
  • the process data and operation data stored in the database 40 are in a state of being classified and arranged. Therefore, it is possible to quickly reach the search target by fetching the process data and the driving operation data via the database 40, and the search result is also highly accurate.
  • the extraction unit 12 includes a division unit 121 and an evaluation unit 122 as shown in FIG.
  • the dividing unit 121 reads past driving operation data and process data corresponding to the process determined by the narrowing unit 11 from the database 40.
  • the dividing unit 121 extracts the state amount referred to by the skilled operator from the read process data.
  • the state quantity is, for example, raw water turbidity, water temperature, pH, alkalinity, and the like.
  • the dividing unit 121 associates the extracted state quantity with the operation quantity included in the driving operation data.
  • the dividing unit 121 performs clustering on the operation amount associated with the state amount. By performing clustering, the dividing unit 121 groups the driving operation data having the same operation amount with those having the corresponding state amounts close to each other.
  • K-means method As for the clustering method, K-means method, group average method, single connection method, complete connection method, Ward method, centroid method, median method, M-Cut method, EM (ExpectationimMaximization) algorithm, and SVM (Support Vector Machine) ) Etc. should be used.
  • the K-means method is a method of dividing data so that the distance between all data in the group from the center of gravity of the group is minimized.
  • the group average method, the single connection method, the complete connection method, the Ward method, the centroid method and the median method are grouping methods in a hierarchical manner.
  • the M-Cut method is an application of graph theory.
  • the EM algorithm is a method using maximum likelihood estimation.
  • SVM is a method using kernel tricks.
  • FIG. 3 and 4 are diagrams for explaining the clustering process.
  • FIG. 3 shows a case where the operation amount “high injection amount” operation and the “low injection amount” operation are grouped into two based on the state amount x1.
  • FIG. 4 shows a case where the operation amount “high injection amount” operation and the “low injection amount” operation are grouped into four based on the state amounts x1 and x2.
  • the evaluation unit 122 evaluates whether the number of divisions obtained by the division unit 121 is appropriate. From the viewpoint of visualization, it is better to have a smaller number of divisions, but if the number of divisions is too small, operational know-how cannot be expressed well. Therefore, the evaluation unit 122 calculates an evaluation index for a cell indicating a division into which each state quantity is divided, and adopts the division number with the best evaluation index.
  • a mapping x i ⁇ k i (1 ⁇ k i ⁇ N i ) from each state quantity to the cluster is obtained by clustering.
  • a vector ⁇ K ⁇ [k 1 , k 2 ,..., K s ] that summarizes the clustering results is called a cell (where ⁇ K ⁇ is a bold letter K). In other words, the total number of cell types is
  • the evaluation unit 122 performs clustering on the state quantities of each evaluation data, and sets a data group corresponding to the cell ⁇ K ⁇ as a cluster result as all events. Of all the events, the frequency of data including the manipulated variable y [j] is Y [j] ⁇ K ⁇ .
  • the manipulated variable y takes discrete values y [1] ,..., Y [m] .
  • H ⁇ K ⁇ is obtained from the following equation.
  • the evaluation unit 122 evaluates that the operation is more appropriate in the cell as the value of H ⁇ K ⁇ is smaller.
  • the evaluation unit 122 When evaluating the number of divisions, first, the evaluation unit 122 calculates H ⁇ K ⁇ for all cells. Then, the evaluation unit 122 adds the calculated H ⁇ K ⁇ as shown in the following expression.
  • the evaluation unit 122 calculates H for each set number of divisions while changing the setting of the number of divisions of the state quantity. The evaluation unit 122 uses the calculated H, and evaluates that the smaller the value of H, the more appropriate the number of divisions.
  • FIG. 5 shows an example diagram when the number of divisions divided by the dividing unit 121 is evaluated by the evaluation unit 122 using the index H.
  • the state quantities x 1 to x 4 included in the process data corresponding to the past driving operation data are clustered by the division number 2.
  • the raw water turbidity k1, the water temperature k2, the pH k3, and the alkalinity k4 are divided into “1: high” and “2: low”, respectively.
  • the division result is displayed in a matrix on the display unit 13 as shown in FIG. Although such a matrix display is not performed in the extraction unit 12, FIG. 5 will be described while designating cells in the matrix display.
  • the evaluation unit 122 calculates the value of H ⁇ K ⁇ for all the cells, and then calculates H based on Expression (3).
  • This H is an index when the number of divisions of the state quantities x 1 to x 4 is 2.
  • the evaluation unit 122 also performs the above calculation for the other division numbers, and compares H calculated for each division number.
  • the evaluation unit 122 evaluates the number of divisions based on how many blank cells with no attributed operation amount data exist in the divided cells. For example, the evaluation unit 122 uses the blank degree E defined as follows as an evaluation index.
  • the evaluation unit 122 evaluates that the smaller the value of the evaluation index H and the value of the blankness E, the more appropriate the number of divisions.
  • the evaluation unit 122 includes state quantities such as turbidity, water temperature, pH, and alkalinity, the number of divisions determined to be optimal by evaluation, the upper and lower limit values of the divided cells, and the operation amount set for the divided cells.
  • the know-how visualization data for visualizing the know-how is output to the display unit 13.
  • the display unit 13 displays the operation know-how by, for example, matrix display based on the know-how visualization data output from the extraction unit 12.
  • FIG. 6 is a diagram illustrating a display example of operation know-how displayed on the display unit 13.
  • the coagulant injection rate which is the operation amount y included in the past operation data of the plant
  • two state quantities x 1 and x 2 that affect the coagulant injection rate are pH values in the process data.
  • the water temperature is shown.
  • the operation know-how regarding the state quantity pH and the water temperature that are divided into two parts is shown in a matrix display.
  • FIG. 6 shows that when the pH is low (6.4 to 7.0), the flocculant injection rate has been operated at 21 ppm regardless of the water temperature.
  • the pH is high (7.0 to 7.7), it is indicated that the flocculant injection rate has been changed according to the water temperature.
  • FIG. 7 is a diagram illustrating a display example of operation know-how displayed on the display unit 13.
  • operational know-how regarding four-dimensional state quantities (raw water turbidity, water temperature, pH, and alkalinity), each of which is divided into two, is shown in a matrix display. In the cell shown in FIG. 7, the operation amount is actually described.
  • the number of dimensions of the state quantity in the matrix display is not limited to two.
  • FIG. 8 is a flowchart showing processing when the know-how visualization device 10 according to the present embodiment displays operation know-how.
  • the narrowing down unit 11 determines which process in the water treatment plant the process data read from the database 40 is for (Step S81).
  • the division unit 121 in the extraction unit 12 reads past operation data and process data corresponding to the processing process determined by the narrowing unit 11 from the database 40 (step S82).
  • the dividing unit 121 determines the number of divisions for the state quantity (step S83), and executes clustering for each state quantity so that the grouping is performed with the determined number of divisions (step S84). Thereby, the state quantity is divided according to the operation amount included in the driving operation data, and the upper and lower limit values of the divided section are obtained.
  • the evaluation unit 122 of the extraction unit 12 evaluates the number of divisions using the value of the evaluation index H and the value of the blankness E (Step S85).
  • the dividing unit 121 determines whether or not steps S83 to S85 have been executed a predetermined number of times set in advance (step S86). If not executed (No in step S86), the process proceeds to step S83. The processes in steps S83 to S85 are repeated.
  • the dividing unit 121 determines the number of divisions having the smallest value of the evaluation index H and the value of the blankness E from the evaluated number of divisions. Is determined (step S87).
  • the dividing unit 121 outputs know-how visualization data such as the state quantity, the number of divisions determined to be optimal by evaluation, the upper and lower limit values of the divided cells, and the operation amount set to the divided cells to the display unit 13. (Step S88).
  • the display unit 13 displays operational know-how based on the know-how visualization data (step S89).
  • the narrowing-down unit 11 determines which process the read process data is for.
  • the extraction unit 12 classifies and organizes the history of driving operation data accumulated in the database 40 and the operation amounts and state amounts included in the process data corresponding thereto.
  • the extraction unit 12 includes the state quantity referred to when determining the operation quantity, the number of divisions of the optimum state quantity for specifying the operation quantity, the upper and lower limit values of the divided cells, and the operation set for each cell.
  • the know-how visualization data is created by extracting the quantity and the like from the history of the driving operation data and the process data corresponding thereto.
  • the display unit 13 displays the know-how visualization data as operation know-how.
  • the know-how visualization device 10 can acquire operation know-how from the history of driving operation data, and can support the operator with the acquired operation know-how. Further, the know-how visualization device 10 can systematically collect and visualize the operation know-how, so that the operation know-how can be efficiently transmitted to an operator who has little experience in a short period of time.
  • the know-how visualization device 10 has a printing unit for printing data output from the extraction unit 12 instead of the display unit 13 or an output unit for outputting data output from the extraction unit 12 to the outside. May be provided.
  • the extraction part 12 may be provided with the guidance addition part 123 as shown in FIG.
  • the guidance adding unit 123 issues an instruction to add guidance to a position corresponding to the current state quantity in the matrix display displayed on the display unit 13.
  • FIG. 10 is a diagram illustrating an example of a black triangle that is guidance added to the matrix display.
  • the number of cells in the matrix is 1). Therefore, in the case of complicated operation know-how, it is difficult to grasp a cell corresponding to the current state quantity during operation from a huge number of cells.
  • the guidance addition part 123 showed as an example the case where guidance as shown in FIG. 10 is added to the display part 13, it is not limited to this. Any other means may be used as long as the information regarding the current state quantity is added to the matrix display to facilitate the understanding of the operator.
  • the extraction unit 12 may further include a flowchart creation unit 124 as shown in FIG.
  • the flowchart creation unit 124 creates a flowchart based on the know-how visualization data created by the dividing unit 121 and the evaluation unit 122. At this time, the flowchart creation unit 124 refers to the created know-how visualization data and creates a flowchart so that the number of judgments by which the operator judges the operation amount is as small as possible.
  • FIG. 12 shows a flowchart created based on FIG.
  • the display unit 13 displays the created flowchart.
  • the know-how visualization device 10 allows the skilled operator to know the plant operation know-how based on past operation data related to fluctuations between data. It is possible to display in accordance with the process of thinking when judging. Since the thought process when determining the operation amount from the state quantity related to the driving operation is displayed in order, an inexperienced operator can grasp the thought process when the skilled operator judges the operation amount. It becomes possible.
  • the extraction unit 12 may include an abnormality determination unit 125 as shown in FIG.
  • the abnormality determination unit 125 determines whether or not the operation amount for the cell corresponding to the current state amount exists in the past driving operation data. If present, the abnormality determination unit 125 waits for an operation from the operator. On the other hand, when it does not exist, the abnormality determination unit 125 determines that the situation is abnormal and notifies the operator that the situation is abnormal. This notification includes a warning indicating abnormality and a display for prompting attention.
  • the abnormality determination unit 125 determines that an abnormality has occurred in the plant. The abnormality determination unit 125 notifies the operator of the abnormal situation because it is necessary to operate the plant as an abnormal situation.
  • the operator can determine whether or not it is necessary to operate the know-how visualization device away from the support.
  • the abnormality determination unit 125 determines that an abnormal situation occurs when the operation amount currently given to the controller as a driving operation and the cell operation amount corresponding to the current state amount of the matrix display are more than a certain threshold. You may make it judge that it is.
  • the extraction unit 12 may further include a matrix rearrangement unit 126 as shown in FIG.
  • the matrix rearrangement unit 126 displays the vertical and horizontal axes of the matrix that provides the most easily viewable matrix display for the number of divisions determined to be optimal by the evaluation unit 122 and the upper and lower limit values acquired by the division unit 121. Calculate the order.
  • the matrix rearrangement unit 126 introduces an evaluation index for evaluating the order of the horizontal and vertical axes of the matrix in order to automatically calculate the order of the vertical and horizontal axes of the matrix.
  • the evaluation index used here include the number of divided regions and the maximum area value.
  • the area division number indicates the number of areas into which the matrix display is divided, with a set of cells in which adjacent cells have the same operation amount as one area. It is assumed that a smaller value is appropriate for the number of area divisions.
  • the area maximum value indicates the number of adjacent cells having the same operation amount. It is assumed that a larger area maximum value is appropriate.
  • the matrix rearrangement unit 126 calculates an evaluation index every time the order of the vertical axis and the horizontal axis of the matrix is rearranged, and adopts the order of the vertical axis and the horizontal axis of the matrix with the best evaluation index.
  • FIGS. 15 to 18 two-dimensional state quantities are divided by the number of divisions 2, and the order of the state quantities on the vertical and horizontal axes of the matrix display in which the upper and lower limit values of the divided sections are the same is changed.
  • FIG. 6 is a diagram showing cell order (1) to (4) at the time.
  • FIG. 19 is a diagram showing evaluation indices for the cell orders (1) to (4) shown in FIGS. 15 to 18, respectively.
  • the matrix rearrangement unit determines that the cell order (1) shown in FIG. 15 having the smallest number of area divisions and the largest area value is the best order of the vertical and horizontal axes of the matrix. .
  • the matrix rearrangement unit includes information on the best cell order in the know-how visualization data and outputs the information to the display unit 13.
  • the know-how visualization device uses the matrix rearrangement unit to rearrange the order of the vertical and horizontal axes of the matrix in the optimal order with reference to the evaluation index, thereby making it easier for the operator to determine the driving operation. I try to make it.
  • the display unit 13 may display the know-how visualization data by, for example, a graph display with contour lines shown in FIG.
  • the horizontal axis represents the pH state quantity
  • the vertical axis represents the water temperature state quantity
  • the level of the manipulated variable at that time is expressed by shading.
  • FIG. 20 when the water temperature is low and the pH is high, the flocculant injection rate should be low.
  • the know-how visualization device in the monitoring and control system of the water and sewage facility, the operation know-how is extracted from the history of operation data of the skilled operator, and the extracted operation know-how is visualized to the operator. Can be displayed. As a result, the operator can confirm the know-how of plant operation and operate and manage the water purification plant facility safely, securely and efficiently.

Abstract

　ノウハウ可視化装置は、絞込み部、抽出部及び表示部を具備する。絞込み部は、上下水道施設で収集されたプロセスデータが、上下水道施設における複数の処理プロセスのうちいずれのプロセスについてのデータかを判別する。抽出部は、判別されたプロセスに対する運転操作データの履歴及びプロセスデータを取得し、取得したプロセスデータから操作量に対応する状態量を抽出し、抽出した状態量を、操作量に基づいて複数のセルに分割することでノウハウ可視化データを生成する。表示部は、抽出部で生成されたノウハウ可視化データを運用ノウハウとして表示する。

Description

ノウハウ可視化装置及びノウハウ可視化方法
　本発明の実施形態は、鉄鋼工場、製紙工場、半導体工場及び食品加工工場等の産業施設で使用する工業用水、並びに、それらから排水される水を処する水処理施設を含む上下水道施設の監視制御システムで用いられるノウハウ可視化装置と、この装置で用いられるノウハウ可視化方法に関する。
　熟練運転員が徐々に減少していく中で、熟練運転員の知識や経験といったノウハウを、経験が浅い運転員に引き継いでいくことは、上下水道施設を安全かつ安定的に運用する際の重大な問題である。この問題を解決するため、日頃の業務において、熟練運転員が経験の浅い運転員を指導する等、試行錯誤的な対策は立てられている。しかしながら、効率的かつ体系的にノウハウの引き継ぎができていないのが実情である。
　また、財政上の問題等により、十分な人数の運転員を確保できないことが多い。そのため、上下水道施設を、少ない人数で安全かつ安定的に運用することが求められている。
特開２０１１－１８６５１７号公報
　以上のような背景から、短期間で経験が浅い運転員に運用ノウハウを効率的に伝えることが可能な装置が望まれている。また、上下水道施設の省人化に対応するため、上下水道施設の監視制御システムにより熟練運転員がプラントを操作した運転操作データの履歴を用いて、運転員を支援する装置が望まれている。
　そこで、目的は、上下水道施設の監視制御システムにおいて、熟練運転員の運転操作データの履歴から運用ノウハウを抽出し、抽出した運用ノウハウを運転員へ可視化して表示することで、運転員を支援することが可能なノウハウ可視化装置及びこの装置で用いられるノウハウ可視化方法を提供することにある。
　実施形態によれば、ノウハウ可視化装置は、絞込み部、抽出部及び表示部を具備する。絞込み部は、上下水道施設で収集されたプロセスデータが、前記上下水道施設における複数の処理プロセスのうちいずれのプロセスについてのデータかを判別する。抽出部は、前記判別されたプロセスに対する運転員の運転操作データの履歴及びこれに対応するプロセスデータを取得し、前記取得したプロセスデータから、前記運転操作データの履歴に含まれる操作量を決定した際に参照された状態量を抽出し、前記抽出した状態量を、前記操作量に基づいて複数のセルに分割することでノウハウ可視化データを生成する。表示部は、前記抽出部で生成されたノウハウ可視化データを運用ノウハウとして表示する。
図１は、本実施形態に係るノウハウ可視化装置が設けられる監視制御システムの機能構成を示すブロック図である。 図２は、図１に示す抽出部の機能構成を示すブロック図である。 図３は、図２に示す分割部によるクラスタリング処理を説明するための図である。 図４は、図２に示す分割部によるクラスタリング処理を説明するための図である。 図５は、図２に示す分割部により分割される分割数が、評価部により指標Ｈの値を用いて評価される際の図を示す。 図６は、図１に示す表示部に表示される運用ノウハウの表示例を示す図である。 図７は、図１に示す表示部に表示される運用ノウハウの表示例を示す図である。 図８は、図１に示すノウハウ可視化装置が運用ノウハウを表示する際の処理を示すフローチャートである。 図９は、図２に示す抽出部のその他の例を示す図である。 図１０は、図１に示す表示部に表示されるマトリクス表示に付加されるガイダンスを示す図である。 図１１は、図２に示す抽出部のその他の例を示す図である。 図１２は、フローチャート作成部により作成されるフローチャートを示す図である。 図１３は、図２に示す抽出部のその他の例を示す図である。 図１４は、図２に示す抽出部のその他の例を示す図である。 図１５は、マトリクス表示の縦軸及び横軸の状態量の順序を変えた際のセル順序を示す図である。 図１６は、マトリクス表示の縦軸及び横軸の状態量の順序を変えた際のセル順序を示す図である。 図１７は、マトリクス表示の縦軸及び横軸の状態量の順序を変えた際のセル順序を示す図である。 図１８は、マトリクス表示の縦軸及び横軸の状態量の順序を変えた際のセル順序を示す図である。 図１９は、図１５～図１８で示されるセル順序についての評価結果を示す図である。 図２０は、図１に示す表示部に表示される運用ノウハウの表示例を示す図である。
　以下、実施の形態について、図面を参照して説明する。
　（第１の実施形態）　
　図１は、本実施形態に係るノウハウ可視化装置１０が設けられる監視制御システムの機能構成を示すブロック図である。図１に示す監視制御システムは、上下水道施設の状態を監視する。監視制御システムは、上下水道施設を安全かつ安定的に運用するために、上下水道施設を制御する。ここで、上下水道施設には、例えば、産業施設で使用される工業用水及び産業施設から排水される水の処理を行う水処理施設が含まれる。産業施設には、例えば、製鉄所、製紙工場、半導体製造工場及び食品加工工場等が含まれる。なお、図１では、上下水道施設の例として、浄水場施設を記載する。浄水場施設には、例えば、原水槽のポンプ、凝集剤投入装置の駆動モータ、凝集槽内の沈殿物を排出する排出バルブの駆動部、ろ過装置の駆動部、消毒剤投入装置の駆動モータ、紫外線消毒ランプの電源、及び、浄水池の送水ポンプ等が含まれる。
　監視制御システムは、ノウハウ可視化装置１０、データ入出力部２０、制御用コントローラ３０及びデータベース４０を有する。
　データ入出力部２０は、監視制御システムが監視・制御する浄水場施設の各種機器で取得されるプロセスデータ及びその他のデータ（図示せず）を採取・収集する。ここで、プロセスデータには、機器毎に実測される生データ及びコンピュータシミュレーションを用いて模擬的に得られる擬似データが含まれる。また、プロセスデータは、信号化されてデータ入出力部２０へ供給されるようになっている。
　浄水場施設の運用・管理に必要な具体的なプロセスデータとしては、例えば、以下が挙げられる。ポンプにより原水を送水する場合、管を流れる原水の流量はプロセスデータに含まれる。凝集剤が投入される場合、投入前後のｐＨ及び濁度はプロセスデータに含まれる。処理後の水が配水される場合、配水ポンプ吐出圧力、流量及び配水末端での圧力等はプロセスデータに含まれる。このようにプロセスデータはプロセスの状態を監視するための、センサ計測値等の状態量を示す。
　データ入出力部２０は、収集したプロセスデータをデータベース４０へ出力する。
　また、データ入出力部２０は、制御用コントローラ３０から送信される制御信号を受信し、受信した制御信号を浄水場施設の各機器へ出力する。これにより、浄水場施設の運用・管理に必要なプロセス対象が制御される。制御信号により、例えば、プロセス対象の機器の挙動を直接操作する弁開度、及び、薬品注入率（または注入量）等が制御される。
　制御用コントローラ３０は、運転員からの運転操作が入力される。このとき、運転員は、ノウハウ可視化装置１０に設けられる表示部１３を参照し、浄水場施設に必要となる処理を把握する。制御用コントローラ３０は、入力された運転操作に基づいた制御信号をデータ入出力部２０へ出力する。また、制御用コントローラ３０は、入力された運転操作に基づいた運転操作データをデータベース４０へ出力する。運転操作データは、流量及びｐＨ目標値等、運転員の運転に関する操作量を示す。なお、運転員が機器の挙動を直接操作する場合、弁開度及び薬品注入率等を制御する制御信号も運転操作データに含まれる。
　データベース４０は、データ入出力部２０から出力されるプロセスデータと、制御用コントローラ３０から出力される運転操作データとを記録する。なお、データベース４０には、過去の運転操作データの履歴と、この運転操作データに従った操作の結果取得されるプロセスデータとが記録されている。データベース４０は、ノウハウ可視化装置１０からの読出し要求に応じて、記録するプロセスデータ及び運転操作データをノウハウ可視化装置１０へ出力する。
　ノウハウ可視化装置１０は、例えば、ＣＰＵ（Central Processing Unit）、並びに、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等のＣＰＵが処理を実行するためのプログラムやデータの格納領域等を備える。ノウハウ可視化装置１０は、ＣＰＵにアプリケーションプログラムを実行させることで、絞込み部１１及び抽出部１２を構築する。また、ノウハウ可視化装置１０は、表示部１３を備える。
　絞込み部１１は、運転員が選択する対象プロセスについてのプロセスデータ及び運転操作データをデータベース４０から読み出す。絞り込み部１１は、読み出したプロセスデータ及び運転操作データに基づき、読み出したプロセスデータが、浄水場施設を構成する処理プロセスのどのプロセスについてのものかを判別する。絞込み部１１は、判別結果を抽出部１２へ出力する。
　なお、絞込み部１１は、データ入出力部２０からプロセスデータを直接取り込むようにしても構わない。ただし、データベース４０に保存されるプロセスデータ及び運転操作データは、分類・整理された状態にある。そのため、データベース４０を介してプロセスデータ及び運転操作データを取り込む方が検索対象まで迅速にたどり着くことが可能であり、かつ、検索結果も高精度になる。
　抽出部１２は、図２で示すように、分割部１２１及び評価部１２２を備える。
　分割部１２１は、絞込み部１１により判別されたプロセスについての過去の運転操作データ及びこれに対応するプロセスデータを、データベース４０から読み出す。分割部１２１は、過去の運転操作データに含まれる操作量が熟練運転員によって決定された際に、熟練運転員が参照した状態量を、読み出したプロセスデータから抽出する。状態量は、例えば、原水濁度、水温、ｐＨ及びアルカリ度等である。分割部１２１は、運転操作データに含まれる操作量に、抽出した状態量を関連付ける。分割部１２１は、状態量が関連付けられた操作量に対して、クラスタリングを行う。分割部１２１は、クラスタリングを行うことで、操作量が同程度の運転操作データを、対応する状態量が近いもの同士でグルーピングする。
　クラスタリング手法に関しては、K-means法、群平均法、単連結法、完全連結法、Ward法、重心法、メディアン法、M-Cut法、ＥＭ（Expectation Maximization）アルゴリズム、及び、ＳＶＭ（Support Vector Machine）等を使用するとよい。K-means法は、グループの重心からグループ内の全データの距離が最小となるようデータを分割する方法である。群平均法、単連結法、完全連結法、Ward法、重心法及びメディアン法は、階層的にグルーピングを行う方法である。M-Cut法は、グラフ理論を応用した方法である。ＥＭアルゴリズムは、最尤推定を用いた方法である。ＳＶＭは、カーネルトリックを用いた方法である。クラスタリング技術を使用することで、分割部１２１は、グルーピングされた各運転操作データについての状態量の最大値、最小値及び各グループ間の距離に基づき、分割する区間の上下限値を自動的かつ定量的に求めることが可能となる。
　図３及び図４は、クラスタリング処理を説明する図である。図３は、操作量である「注入量が多い」操作と、「注入量が少ない」操作とが、状態量ｘ１に基づいて２つにグルーピングされる場合を示している。このとき、破線により示される状態量ｘ１＝ａが上下限値として算出される。図４は、操作量である「注入量が多い」操作と、「注入量が少ない」操作とが、状態量ｘ１，ｘ２に基づいて４つにグルーピングされる場合を示している。このとき、垂直方向の破線により示される状態量ｘ１＝ａが第１の上下限値として算出されると共に、水平方向の破線により示される状態量ｘ２＝ｂが第２の上下限値として算出される。
　評価部１２２は、分割部１２１で分割された分割数が妥当であるか否かを評価する。可視化の観点から言えば、分割数が少ない方が良いが、分割数が少な過ぎると運用ノウハウをうまく表現できなくなる。そこで、評価部１２２は、各状態量が分割された区分を示すセルに対して評価指標を算出し、その評価指標がもっとも良好な分割数を採用する。
　評価指標としては、例えば、以下の例が考えられる。
　まず、評価指標について説明する前に、本説明で使用する信号を定義する。
　ｓ種類の状態量ｘｉ（ｉ＝１，…，ｓ）と１種類の操作量ｙとの組＜ｘ１，ｘ２，…，ｘｓ，ｙ＞を評価データとする。状態量の各種類に対してクラスタリング分割数Ｎｉ（ｉ＝１，…，ｓ）を指定する。このとき、クラスタリングにより、各状態量からクラスタへの写像ｘｉ→ｋｉ（１≦ｋｉ≦Ｎｉ）が得られる。クラスタリング結果をまとめたベクトル｛Ｋ｝＝［ｋ１，ｋ２，…，ｋｓ］をセルと呼ぶ（ただし、｛Ｋ｝は太文字のＫとする）。つまり、セルの全種類数は、
Figure JPOXMLDOC01-appb-M000001
となる。評価部１２２は、各評価データの状態量についてクラスタリングを行い、クラスタ結果がセル｛Ｋ｝に対応するデータ群を全事象とする。全事象のうち、操作量ｙ［ｊ］を含むデータの度数をＹ［ｊ］｛Ｋ｝とする。なお、操作量ｙは離散値ｙ［１］，…，ｙ［ｍ］をとる。
　評価指標としては、最終的に各操作量に対する確率値、並びに、確率値の分布及び偏りを共に考慮できる指標であるＨ｛Ｋ｝を用いる。Ｈ｛Ｋ｝は、以下の式から求められる。
Figure JPOXMLDOC01-appb-M000002
　各セルに帰属するデータの情報量を考えることは、各データがその操作量となる妥当性を考えることになる。なぜならば、各データが与える情報量が少ないということは各データがその操作量を示す妥当性が高く、他の情報を持たないことにつながるためである。そこで、評価部１２２は、Ｈ｛Ｋ｝の値が小さいほど、そのセルでは妥当な操作が行われていると評価する。
　分割数を評価する場合、まず、評価部１２２は、Ｈ｛Ｋ｝を全てのセルに対して算出する。そして、評価部１２２は、算出したＨ｛Ｋ｝を以下の式に示すように足し合わせる。
Figure JPOXMLDOC01-appb-M000003
　評価部１２２は、状態量の分割数の設定を変化させながら、設定される分割数毎にＨを算出する。評価部１２２は、算出したＨを用い、Ｈの値が小さい程妥当な分割数であると評価する。
　図５は、分割部１２１により分割される分割数が、評価部１２２により指標Ｈを用いて評価される際の例図を示す。図５において、過去の運転操作データに対応するプロセスデータに含まれる状態量ｘ１～ｘ４は、分割数２でクラスタリングされる。これにより、原水濁度ｋ１、水温ｋ２、ｐＨｋ３及びアルカリ度ｋ４は、それぞれ「１：高」、「２：低」に分割される。この分割結果は、表示部１３において、図５に示すようにマトリクス表示される。抽出部１２内では、このようなマトリクス表示がされる訳ではないが、図５では、マトリクス表示におけるセルを指定しながら説明を進める。
　図５に示すマトリクス表におけるセル（原水濁度：高，水温：低，アルカリ度：高，注入率：高）＝セル（１，２，１，１）についての第１の操作量ｙ［１］の度数は１００であり、第２の操作量ｙ［２］の度数は零である。評価部１２２は、このときのＨ｛Ｋ｝の値を式（２）から零と算出する。また、マトリクス表におけるセル（２，１，２，１）についての第１の操作量ｙ［１］の度数は７５であり、第２の操作量ｙ［２］の度数は２５である。評価部１２２は、このときのＨ｛Ｋ｝の値を式（２）から０．２４４と算出する。また、マトリクス表におけるセル（２，２，２，１）についての第１及び第２の操作量ｙ［１］，ｙ［２］の度数は零である。評価部１２２は、このときのＨ｛Ｋ｝の値を、式（２）から零と算出する。
　評価部１２２は、Ｈ｛Ｋ｝の値の算出を全てのセルに対して実施した後、式（３）に基づいてＨを算出する。このＨは、状態量ｘ１～ｘ４の分割数が２である場合の指標である。評価部１２２は、その他の分割数についても上記の計算を行い、各分割数で算出したＨ同士を比較する。
　ところで、分割数を増やしていくと、各セルに帰属するデータ数が減少し、セル当たりの平均情報量が零になりやすくなる。つまり、評価指標Ｈ｛Ｋ｝の値が零になりやすくなる。このため、評価指標Ｈ｛Ｋ｝では、可視化に適切な分割数を評価できない場合がある。そこで、評価部１２２は、分割後のセルにおいて、帰属する操作量データのない空白のセルがいくつあるかにより、分割数を評価する。評価部１２２は、例えば、以下のように定義される空白度Ｅを評価指標として用いる。
Figure JPOXMLDOC01-appb-M000004
　評価部１２２は、評価指標Ｈの値及び空白度Ｅの値が共に小さい程、妥当な分割数であると評価する。
　評価部１２２は、濁度、水温、ｐＨ及びアルカリ度等の状態量、評価により最適と判断された分割数、分割したセルの上下限値、並びに、分割されたセルに設定される操作量等の、ノウハウを可視化するためのノウハウ可視化データを表示部１３へ出力する。
　表示部１３は、抽出部１２から出力されるノウハウ可視化データに基づき、例えば、マトリクス表示により、運用ノウハウを表示する。
　図６は、表示部１３に表示される運用ノウハウの表示例を示す図である。図６では、プラントの過去の運転操作データに含まれる操作量ｙである凝集剤注入率に対し、この凝集剤注入率に影響を与える２つの状態量ｘ１，ｘ２がプロセスデータ中のｐＨ及び水温である場合を示す。図６では、それぞれ２つに分割された状態量ｐＨ、及び、水温に関する運用ノウハウがマトリクス表示で示される。図６によれば、ｐＨが低い（６．４～７．０）場合、凝集剤注入率は、水温に関係なく２１ｐｐｍで運用されてきたことが示される。また、一方、ｐＨが高い（７．０～７．７）場合、凝集剤注入率は、水温に応じて変更して運用されてきたことが示される。
　また、マトリクス表示を用いると、状態量が２つ以上の場合の運用ノウハウも、運転員に提示することが可能となる。図７は、表示部１３に表示される運用ノウハウの表示例を示す図である。図７では、それぞれが２つに分割された４次元の状態量（原水濁度、水温、ｐＨ及びアルカリ度）に関する運用ノウハウがマトリクス表示で示される。なお、図７に示すセル内には、実際には、操作量が記載されることとなる。
　なお、このようにマトリクス表示では状態量の次元数に制限はない。また、区間の分割数に関しても、２つに制限される訳ではない。
　次に以上のように構成されるノウハウ可視化装置１０が運用ノウハウを表示する際の処理を説明する。図８は、本実施形態に係るノウハウ可視化装置１０が運用ノウハウを表示する際の処理を示すフローチャートである。
　まず、絞込み部１１は、データベース４０から読み出したプロセスデータが、浄水場施設におけるいずれのプロセスについてのものかを判別する（ステップＳ８１）。
　抽出部１２における分割部１２１は、絞込み部１１により判別された処理プロセスについての過去の運転操作データ及びこれに対応するプロセスデータをデータベース４０から読み出す（ステップＳ８２）。分割部１２１は、状態量についての分割数を決定し（ステップＳ８３）、決定した分割数でグルーピングされるように、状態量毎にクラスタリングを実行する（ステップＳ８４）。これにより、運転操作データに含まれる操作量に応じて状態量が分割されると共に、分割区間の上下限値が求められる。
　抽出部１２の評価部１２２は、分割数を、評価指標Ｈの値及び空白度Ｅの値を用いて評価する（ステップＳ８５）。分割部１２１は、予め設定された所定回数だけステップＳ８３～Ｓ８５を実行したか否かを判断し（ステップＳ８６）、実行していない場合（ステップＳ８６のＮｏ）、処理をステップＳ８３へ移行し、ステップＳ８３～Ｓ８５の処理を繰り返す。
　一方、予め設定された所定回数だけ処理を実行している場合（ステップＳ８６のＹｅｓ）、分割部１２１は、評価済みの分割数から評価指標Ｈの値及び空白度Ｅの値が最も小さい分割数を決定する（ステップＳ８７）。分割部１２１は、状態量、評価により最適と判断された分割数、分割したセルの上下限値、並びに、分割されたセルに設定される操作量等の、ノウハウ可視化データを表示部１３へ出力する（ステップＳ８８）。
　表示部１３は、ノウハウ可視化データに基づいて運用ノウハウを表示する（ステップＳ８９）。
　以上のように、本実施形態では、絞込み部１１は、読み出したプロセスデータが、いずれのプロセスについてのものかを判別する。抽出部１２は、判別したプロセスにおいて、データベース４０に蓄積される運転操作データの履歴及びこれに対応するプロセスデータに含まれる操作量及び状態量を分類及び整理する。抽出部１２は、操作量を決定する際に参照された状態量、操作量を特定するのに最適な状態量の分割数、分割したセルの上下限値、及び、各セルに設定される操作量等を、運転操作データの履歴及びこれに対応するプロセスデータから抽出してノウハウ可視化データを作成する。そして、表示部１３は、ノウハウ可視化データを運用ノウハウとして表示するようにしている。これにより、ノウハウ可視化装置１０は、運転操作データの履歴から運用ノウハウを取り込み、取り込んだ運用ノウハウにより運転員を支援することが可能となる。また、ノウハウ可視化装置１０は、運用ノウハウを体系的にまとめて可視化することが可能であるため、短期間で経験が浅い運転員に運用ノウハウを効率的に伝えることが可能になる。
　なお、ノウハウ可視化装置１０は、表示部１３の代わりに、抽出部１２から出力されるデータを印刷するための印刷部、又は、抽出部１２から出力されるデータを外部へ出力するための出力部を備えても構わない。
　また、抽出部１２は、図９に示すようにガイダンス付加部１２３を備えていても良い。ガイダンス付加部１２３は、表示部１３に表示されるマトリクス表示における、現在の状態量に対応する位置にガイダンスを付加するように指示を出す。図１０は、マトリクス表示に付加されるガイダンスである黒三角の例を示す図である。図６及び図７で示すマトリクス表示は、ｓ種類の状態量に対し、各状態量の分割数をＮｉ（ｉ＝１，…，ｓ）とすると、マトリクス内のセルの数は、式（１）となる。そのため、複雑な運用ノウハウの場合、膨大なセルの中から、運転時の現在の状態量に対応するセルを把握することが困難である。
　図１０に示すように、マトリックス表示にガイダンスを付加することで、運転員は、運転時の現在の状態量に対応するセルを一目で把握することが可能となる。
　なお、ガイダンス付加部１２３は、図１０に示すようなガイダンスを表示部１３に付加させる場合を例に示したが、これに限定されない。現在の状態量に関する情報をマトリクス表示に付加して、運転員への理解を促す手段であれば、これ以外であっても構わない。
　また、抽出部１２は、図１１に示すように、フローチャート作成部１２４をさらに備えていても良い。フローチャート作成部１２４は、分割部１２１及び評価部１２２により作成されたノウハウ可視化データに基づいて、フローチャートを作成する。このとき、フローチャート作成部１２４は、作成したノウハウ可視化データを参照し、運転員が操作量を判断する判断数がなるべく少なくなるようにフローチャートを作成する。図１２は、図６に基づいて作成されるフローチャートを示す。表示部１３は、作成されたフローチャートを表示する。
　熟練運転員の運用ノウハウを経験が浅い運転員へ体系的に伝えるためにはマニュアルを整備することが求められる。一方で、図６及び図７で示すマトリクス表示では、経験が浅い運転員が熟練運転員の思考の過程を把握することは難しい。
　図１２に示すフローチャートを作成し、表示部１３に表示させることで、ノウハウ可視化装置１０は、データ間における変動に関わる過去の運転操作データに基づいたプラント運用のノウハウを、熟練運転員が操作量を判断する際の思考の過程に順じて表示することが可能となる。運転操作に関わる状態量から操作量を決める際の思考の過程が順に表示されているため、経験が浅い運転員は、熟練運転員が操作量を判断する際の思考の過程を把握することが可能となる。
　また、抽出部１２は、図１３に示すように、異常判定部１２５を備えていても構わない。異常判定部１２５は、現在の状態量に対応したセルに対する操作量が過去の運転操作データに存在するか否かを判断する。存在する場合、異常判定部１２５は、運転員からの操作を待つ。一方、存在しない場合、異常判定部１２５は、異常事態であると判断し、運転員へ異常事態であることを通知する。この通知には、異常を示す警報及び注意喚起を促す表示が含まれる。
　例えば、図６及び図７で示すマトリクス表示の各セルに対して、対応する操作量が過去の運転操作データ内に常に存在するとは限らない。そこで、現在の状態量に対応したセルに対する操作量が過去の運転操作データに存在しない場合、異常判定部１２５は、プラントの運用状態が、プラントがこれまでに運用したことのない状態へ遷移したと判定する。すなわち、異常判定部１２５は、プラントに異常が発生したと判定する。異常判定部１２５は、異常事態としてプラントを操作する必要があるとして、運転員へ異常事態であることを通知する。
　このように、異常事態であることを通知することで、運転員は、ノウハウ可視化装置の支援を離れて操作する必要がある場合であるかどうかを判断することが可能となる。
　なお、異常判定部１２５は、現在、運転操作として制御コントローラに与えている操作量とマトリクス表示の現状の状態量に対応したセルの操作量とがある閾値以上乖離している場合に、異常事態であると判断するようにしても良い。
　また、抽出部１２は、図１４に示すように、マトリクス再配列部１２６をさらに備えていても良い。マトリクス再配列部１２６は、評価部１２２で最適と判断された分割数と、分割部１２１で取得された上下限値とに対し、最も見やすいマトリクス表示となるようなマトリクスの縦軸及び横軸の順序を算出する。
　マトリクス再配列部１２６は、マトリクスの縦軸及び横軸の順序を自動的に算出するため、マトリクスの横軸及び縦軸の順序を評価する評価指標を導入する。ここで用いる評価指標としては、例えば、領域分割数及び面積最大値が挙げられる。領域分割数とは、隣接するセルが同一の操作量であるセルの集合を一つの領域として、マトリクス表示が分割される領域の数を示す。領域分割数は、値が小さい方が適当であるとする。面積最大値とは、同一操作量となるセルが隣接する数を示す。面積最大値は、値が大きい方が適当であるとする。マトリクス再配列部１２６は、マトリクスの縦軸と横軸との順序を組み替える毎に評価指標を算出し、その評価指標がもっとも良好なマトリクスの縦軸及び横軸の順序を採用する。
　例えば、図１５～図１８は、２次元の状態量が分割数２で分割され、分割される区間の上下限値が同一であるマトリクス表示の縦軸及び横軸の状態量の順序を変えた際のセル順序（１）～（４）を示す図である。図１９は、図１５～図１８に示すセル順序（１）～（４）の評価指標をそれぞれ示す図である。マトリクス再配列部は、領域分割数が最小、かつ、面積最大値が最大である、図１５に示すセル順序（１）が、最も良好なマトリクスの縦軸及び横軸の順序であると判断する。マトリクス再配列部は、最も良好なセル順序についての情報を、ノウハウ可視化データに含めて表示部１３へ出力する。
　分割数及び分割した区間の上下限値が同じであっても、マトリクスの横軸及び縦軸に配置する状態量の順序により、マトリクス表示の見易さは変化する。そこで、ノウハウ可視化装置は、マトリクス再配列部により、マトリクスの縦軸及び横軸の順序を、評価指標を参照して最適な順序に再配列することで、運転員による運転操作の判断をより容易にするようにしている。
　また、表示部１３は、ノウハウ可視化データを、例えば、図２０に示す等高線によるグラフ表示により表示しても良い。図２０では、横軸にｐＨの状態量を取り、縦軸に水温の状態量をとり、その時の操作量の高低を、濃淡で表現する。図２０によれば、水温が低く、ｐＨが高い場合には、凝集剤注入率が低くすれば良いことがわかる。
　したがって、本実施形態に係るノウハウ可視化装置によれば、上下水道施設の監視制御システムにおいて、熟練運転員の運転操作データの履歴から運用ノウハウを抽出し、抽出した運用ノウハウを運転員へ可視化して表示することができる。これにより、運転員は、プラント運用のノウハウを確認して、浄水場施設を安全、安心かつ効率的に運用・管理することができる。
　本発明の実施形態を説明したが、この実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

Claims (14)

  1. 　上下水道施設で収集されたプロセスデータが、前記上下水道施設における複数の処理プロセスのうちいずれのプロセスについてのデータかを判別する絞込み部と、
    　前記判別されたプロセスに対する運転員の運転操作データの履歴及びこれに対応するプロセスデータを取得し、前記取得したプロセスデータから、前記運転操作データの履歴に含まれる操作量を決定した際に参照された状態量を抽出し、前記抽出した状態量を、前記操作量に基づいて複数のセルに分割することでノウハウ可視化データを生成する抽出部と、
    　前記抽出部で生成されたノウハウ可視化データを運用ノウハウとして表示する表示部とを具備するノウハウ可視化装置。
  2. 　前記抽出部は、
    　　前記取得したプロセスデータから、前記状態量を抽出し、前記抽出した状態量を、前記操作量に基づいて複数のセルに分割し、前記分割するセルの上下限値を取得する分割部と、
    　　前記複数のセルの分割数が妥当であるか否かを予め設定される指標を用いて判断し、最も妥当であると判断した分割数、この分割数について取得される上下限値、前記状態量、及び、前記セルに設定される操作量を前記ノウハウ可視化データとして前記表示部へ出力する評価部と
    を備える請求項１記載のノウハウ可視化装置。
  3. 　前記表示部は、前記ノウハウ可視化データを、マトリクス表示で表示し、
    　前記抽出部は、前記マトリクス表示における、前記プロセスの現在の状態量に対応する位置にガイダンスを付加するように、前記表示部へ指示を出すガイダンス付加部を備える請求項２記載のノウハウ可視化装置。
  4. 　前記抽出部は、前記ノウハウ可視化データに基づき、運転員が操作量を判断する判断数がなるべく少なくなるようにフローチャートを作成するフローチャート作成部を備え、
    　前記表示部は、前記フローチャートを表示する請求項２記載のノウハウ可視化装置。
  5. 　前記抽出部は、前記プロセスの現在の状態量に対応する操作量が、前記取得した運転操作データの履歴に存在していない場合、異常が発生したと判定する請求項２記載のノウハウ可視化装置。
  6. 　前記表示部は、前記ノウハウ可視化データを、マトリクスで表示し、
    　前記抽出部は、前記マトリクスにおける前記セルの表示順序を、視認性を評価する第２の指標を用いて前記セルの配列を変更するマトリクス再配列部を備える請求項２記載のノウハウ可視化装置。
  7. 　前記表示部は、前記ノウハウ可視化データを、等高線によるグラフで表示する請求項１記載のノウハウ可視化装置。
  8. 　上下水道施設で収集されたプロセスデータが、前記上下水道施設における複数の処理プロセスのうちいずれのプロセスについてのデータかを判別し、
    　前記判別されたプロセスに対する運転員の運転操作データの履歴及びこれに対応するプロセスデータを取得し、
    　前記取得したプロセスデータから、前記運転操作データの履歴に含まれる操作量を決定した際に参照された状態量を抽出し、
    　前記抽出した状態量を、前記操作量に基づいて複数のセルに分割することでノウハウ可視化データを生成し、
    　前記生成したノウハウ可視化データを運用ノウハウとして表示するノウハウ可視化方法。
  9. 　前記取得したプロセスデータから、前記状態量を抽出し、前記抽出した状態量を、前記操作量に基づいて複数のセルに分割し、
    　前記分割するセルの上下限値を取得し、
    　前記複数のセルの分割数が妥当であるか否かを予め設定される指標を用いて判断し、
    　最も妥当であると判断した分割数、この分割数について取得される上下限値、前記状態量、及び、前記セルに設定される操作量を前記ノウハウ可視化データとして生成する請求項８記載のノウハウ可視化方法。
  10. 　前記表示部により、前記運用ノウハウを、マトリクス表示で表示し、
    　前記マトリクス表示における、前記プロセスの現在の状態量に対応する位置にガイダンスを付加する請求項９記載のノウハウ可視化方法。
  11. 　前記ノウハウ可視化データに基づき、判断数がなるべく少なくなるようにフローチャートを作成し、
    　前記作成したフローチャートを表示する請求項９記載のノウハウ可視化方法。
  12. 　前記プロセスの現在の状態量に対応する操作量が、前記取得した運転操作データの履歴に存在していない場合、異常が発生したと判定し、
    　異常が発生した旨を表示する請求項９記載のノウハウ可視化方法。
  13. 　前記ノウハウ可視化データを、マトリクス表示で表示する際、前記マトリクス表示における前記セルの表示順序を、視認性を評価する第２の指標を用いて評価し、前記評価が最も高い表示順序となるように、前記セルの配列を変更する請求項９記載のノウハウ可視化方法。
  14. 　前記取得したノウハウ可視化データを、等高線によるグラフで表示する請求項８記載のノウハウ可視化方法。
PCT/JP2014/053904 2013-03-14 2014-02-19 ノウハウ可視化装置及びノウハウ可視化方法 WO2014141837A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201480010300.6A CN105144010B (zh) 2013-03-14 2014-02-19 技能可视化装置及技能可视化方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013052329A JP5722371B2 (ja) 2013-03-14 2013-03-14 ノウハウ可視化装置及びノウハウ可視化方法
JP2013-052329 2013-03-14

Publications (1)

Publication Number Publication Date
WO2014141837A1 true WO2014141837A1 (ja) 2014-09-18

Family

ID=51536513

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/053904 WO2014141837A1 (ja) 2013-03-14 2014-02-19 ノウハウ可視化装置及びノウハウ可視化方法

Country Status (3)

Country Link
JP (1) JP5722371B2 (ja)
CN (1) CN105144010B (ja)
WO (1) WO2014141837A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6679247B2 (ja) * 2015-09-02 2020-04-15 三菱重工業株式会社 運転支援システム、運転支援方法及びプログラム
JP2019036132A (ja) * 2017-08-16 2019-03-07 オリンパス株式会社 作業支援システム，ウェアラブル装置，撮像装置，作業支援方法
JP6637206B1 (ja) * 2019-03-20 2020-01-29 株式会社 日立産業制御ソリューションズ クラスタ分割評価装置、クラスタ分割評価方法及びクラスタ分割評価プログラム
JP7111761B2 (ja) * 2020-03-11 2022-08-02 株式会社日立製作所 プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法
JP6992922B1 (ja) 2021-05-11 2022-01-13 富士電機株式会社 データ分割装置、データ分割方法、及びプログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000099333A (ja) * 1998-09-17 2000-04-07 Ishikawajima Harima Heavy Ind Co Ltd プラント用インタフェースエージェント及びプラントの運転状態監視方法
JP2008009510A (ja) * 2006-06-27 2008-01-17 Mitsubishi Electric Corp プラント運転操作支援システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3602482B2 (ja) * 2001-08-07 2004-12-15 三菱電機株式会社 監視制御装置
JP4921338B2 (ja) * 2007-12-14 2012-04-25 株式会社日立製作所 プラント監視制御システム
JP5846896B2 (ja) * 2011-12-21 2016-01-20 株式会社日立製作所 プラント監視制御装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000099333A (ja) * 1998-09-17 2000-04-07 Ishikawajima Harima Heavy Ind Co Ltd プラント用インタフェースエージェント及びプラントの運転状態監視方法
JP2008009510A (ja) * 2006-06-27 2008-01-17 Mitsubishi Electric Corp プラント運転操作支援システム

Also Published As

Publication number Publication date
JP2014178878A (ja) 2014-09-25
JP5722371B2 (ja) 2015-05-20
CN105144010A (zh) 2015-12-09
CN105144010B (zh) 2018-03-30

Similar Documents

Publication Publication Date Title
JP5284433B2 (ja) プロセス監視・診断・支援装置
WO2014141837A1 (ja) ノウハウ可視化装置及びノウハウ可視化方法
JP6609808B2 (ja) 決定木学習アルゴリズムを用いた予測プログラム、装置及び方法
CN103562810B (zh) 过程状态监视装置
CN104781741B (zh) 工序监视诊断装置及工序监视诊断程序
JP6214889B2 (ja) プロセス監視診断装置
JP4762088B2 (ja) プロセス異常診断装置
CA2839026C (en) Detection and classification of process flaws using fuzzy logic
CN106368813A (zh) 一种基于多元时间序列的异常报警数据检测方法
CN104091035A (zh) 一种基于数据驱动算法的空间站有效载荷健康监测方法
JP2007065883A (ja) プロセス監視装置及びその方法
JP2007156653A (ja) 水処理プラントの運転管理方法および装置
WO2009129042A1 (en) Automated system for checking proposed human adjustments to operational or planning parameters at a plant
JP2019153045A (ja) データ処理装置及びデータ処理方法
JP2011197714A (ja) プロセス制御システム
JP4906799B2 (ja) 自動運転制御システム
JP5349228B2 (ja) プラント運用のノウハウ自動抽出システム
CN113673600B (zh) 一种工业信号异常预警方法、系统、存储介质及计算设备
JP6303565B2 (ja) 設定支援装置、設定支援方法、プログラム、報知予測装置、報知予測方法
JP2011253489A (ja) プラント運転監視装置およびシステムならびにプログラム
KR20220113068A (ko) 딥 러닝을 통한 조류 대응 수처리 공정의 최적화 방법
JP5541789B2 (ja) プラント運転監視支援装置およびシステムならびにプログラム
JP7189859B2 (ja) プラント運転支援システム
JP2023004018A (ja) 管理支援表示装置、管理支援表示方法及び管理支援表示プログラム
JP2022181882A5 (ja)

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201480010300.6

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14765251

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: IDP00201505339

Country of ref document: ID

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14765251

Country of ref document: EP

Kind code of ref document: A1