WO2018092300A1

WO2018092300A1 - シミュレーション装置、シミュレーションシステム、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

Info

Publication number: WO2018092300A1
Application number: PCT/JP2016/084413
Authority: WO
Inventors: 坂倉　隆史
Original assignee: 三菱電機株式会社
Priority date: 2016-11-21
Filing date: 2016-11-21
Publication date: 2018-05-24

Abstract

制御部（１１０）が、機器（２２０）の制御に用いられる制御データ（１１１）を生成する。シミュレーション部（１２０）が、機器（２２０）の動作をシミュレーションするシミュレータ（１２２）を有し、制御データ（１１１）をシミュレータ（１２２）に入力することにより機器（２２０）の動作のシミュレーションを実行し、動作のシミュレーションの実行により得られたシミュレーションデータ（１２１）を出力する。補正部（１３０）が、制御データ（１１１）を用いて制御されている機器（２２０）の状態を機器データ（２２５）として取得するとともに、シミュレーションデータ（１２１）を取得し、機器データ（２２５）とシミュレーションデータ（１２１）とに基づいて、シミュレータ（１２２）を補正する補正データ（１３２）を生成する。

Description

シミュレーション装置、シミュレーションシステム、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

　本発明は、機器のシミュレーションを行うシミュレーション装置、シミュレーションシステム、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に関する。

　低廉なＧＰＵ、高速なＣＰＵ、あるいはＣＰＵ間をペタバイト／Ｓｅｃｏｎｄの転送速度で、交換機のように通信させることにより、クラウドサービスを提供するデータセンターは、さらにその処理能力を高めつつある。ここで、ＧＰＵは、Ｇｒａｐｈｙｃａｌ　Ｐｒｏｃｅｓｓｏｒ　Ｕｎｉｔの略語である。ＣＰＵは、Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔの略語である。

　処理能力が高まった結果、従来では計算リソースの不足のため実現していなかった様々なアプリケーションの実行が可能になった。つい先日までプログラムでは人間に勝つことは難しいとされていた囲碁でさえ、データセンターの計算リソースを機械学習に適用することにより世界のトップ棋士に４勝１敗の成績を収めたことで衝撃が走ったことは記憶に新しい。

　特許文献１には、シミュレーションにより生産設備の事前検証を行うことが開示されている。しかし、特許文献１の技術では、生産設備の制御系を含めたシミュレーションは実現不可能である。

特開２００２－３１８６０７号公報

　電子デバイス、機械、あるいは生産設備といった製品を製造するにあたって、設計検証を行うためにシミュレータが広く利用されている。しかしながら、シミュレーションのみにより、理想的な製品を得ることは、困難であった。
　より良い製品を得るためには、製品運用時に機器データを取得し、改良することが行われている。しかし、従来では、機器データの分析は別途行われ、その後、運用あるいは設計のリバイズにより改良が行われていた。
　このように、従来の運用あるいは品質向上のプロセスは段階的であり、特に運用で効率化が図られる場合でも即時的な対応が困難であった。また、シミュレータの精度を向上するのにも人的コストが必要であった。

　本発明は、機器のシミュレーションのための制御データと、機器に配置されたセンサから出力される機器データとを、シミュレータに反映させることにより、シミュレータの精度を向上させ、高品質な製品の製造を実現することを目的とする。

　本発明に係るシミュレーション装置は、
　機器の制御に用いられる制御データを生成する制御部と、
　前記機器の動作をシミュレーションするシミュレータを有するシミュレーション部であって、前記制御データを前記シミュレータに入力することにより前記機器の動作のシミュレーションを実行し、前記動作のシミュレーションの実行により得られたシミュレーションデータを出力するシミュレーション部と、
　前記制御データを用いて制御されている前記機器の状態を機器データとして取得するとともに、前記シミュレーション部から出力された前記シミュレーションデータを取得し、前記機器データと前記シミュレーションデータとに基づいて、前記シミュレータを補正する補正データを生成する補正部とを備えた。

　本発明に係るシミュレーション装置では、補正部が、制御データを用いた機器の動作のシミュレーションの実行により得られたシミュレーションデータと、制御データを用いて制御されている機器の状態である機器データとを取得する。そして、補正部は、機器データとシミュレーションデータとに基づいて、シミュレータを補正する補正データを生成する。よって、本発明に係るシミュレーション装置によれば、シミュレータの精度を向上させ、高品質な製品の製造を実現することができる。

実施の形態１に係るシミュレーションシステム５００が動作する実行環境を示す図。実施の形態１に係るシミュレーションシステム５００の構成図。実施の形態１に係るシミュレーションシステム５００の具体例を示す図。実施の形態１に係るシミュレーションシステム５００の機器２２０である除害装置３００の構成図。実施の形態１に係るシミュレーション装置１００のシミュレーション方法５１０およびシミュレーションプログラム５２０のシミュレーション処理Ｓ１００を示すフローチャート。実施の形態１に係るシミュレータ補正処理Ｓ４０のフローチャート。実施の形態１の変形例に係るシミュレーションシステム５００の構成図。

　以下、本発明の実施の形態について、図を用いて説明する。なお、各図中、同一または相当する部分には、同一符号を付している。実施の形態の説明において、同一または相当する部分については、説明を適宜省略または簡略化する。

　実施の形態１．
＊＊＊構成の説明＊＊＊
　図１を用いて、本実施の形態に係るシミュレーションシステム５００が動作する実行環境について説明する。
　シミュレーションシステム５００では、データセンター１０１およびデータセンター１０２を有するクラウド側システム６００と、シミュレーション検証を行う対象の機器である機器２２０が設置されている機器システム２００とが接続されている。機器システム２００は、機器２２０の制御を行うシステムである。データセンター１０１およびデータセンター１０２を含むデータセンターは、世界中に展開されている。データセンター１０１に格納されるデータは、データセンター１０２およびその他のデータセンターに１秒以内に同期される。
　データセンター１０１では、機器２２０の制御系の実行および機器２２０の物理的シミュレーションを実行させる実行系、機器２２０の物理的シミュレーションを行う実行系、ならびに機械学習部が実行される。

　機器システム２００には、シミュレーション検証を行う対象の機器である機器２２０と、ＶＰＮルータ２１０とが設置されている。ＶＰＮは、Ｖｉｒｔｕａｌ　Ｐｒｉｖａｔｅ　Ｎｅｔｗｏｒｋの略語である。ＶＰＮルータ２１０は、データセンター１０１との間で、機器２２０の制御に用いる制御データ、および、機器２２０に配置されたセンサから出力される機器データの送受信を行う。制御においては高い即時性が要求されるため、通信遅延の克服が必要である。通信遅延の克服のための手当についてはいくつか手法があるが、本実施の形態では説明を略す。

　図２を用いて、本実施の形態に係るシミュレーションシステム５００の構成について説明する。
　データセンター１０１は、シミュレーション装置１００を備える。シミュレーション装置１００は、データセンター１０１をＩａａＳとして実行可能とするフレームワークである。ここで、ＩａａＳは、ＩｎｆｒａＳｔｕｃｔｕｒｅ　ａｓ　ａ　Ｓｅｒｖｉｃｅの略語である。
　機器システム２００とシミュレーション装置１００とは、ネットワークを介して接続されている。

　シミュレーション装置１００と機器システム２００との各装置は、コンピュータである。シミュレーション装置１００は、プロセッサ９１０、記憶装置９２０、および通信装置９５０といったハードウェアを備える。機器システム２００は、プロセッサ９１０、記憶装置９２０、通信装置９５０、および機器２２０といったハードウェアを備える。機器２２０は、機器の状態を表すデータを取得するセンサ２２１を備える。記憶装置９２０は、メモリ９２１と補助記憶装置９２２とを含む。
　なお、これらのハードウェアはシミュレーション装置１００と機器システム２００との各装置に個別に備えられているが、同様の機能を有するハードウェアについては、同一の符号を付して説明する。シミュレーション装置１００と機器システム２００との各装置を単に各装置と称する場合がある。

　シミュレーション装置１００は、機能構成として、制御部１１０と、シミュレーション部１２０と、補正部１３０と、記憶部１４０とを備える。シミュレーション部１２０は、機器２２０の動作をシミュレーションするシミュレータ１２２を有する。補正部１３０は、機器２２０の動作を予測する機械学習部１３３を有する。制御部１１０とシミュレーション部１２０と補正部１３０との機能は、ソフトウェアで実現される。
　記憶部１４０は、メモリ９２１により実現されるが、メモリ９２１および補助記憶装置９２２、あるいは、補助記憶装置９２２のみで実現されてもよい。記憶部１４０の実現方法は任意である。

　プロセッサ９１０は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
　プロセッサ９１０は、演算処理を行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）である。プロセッサ９１０は、ＣＰＵである。

　補助記憶装置９２２は、具体的には、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリ、または、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）である。メモリ９２１は、具体的には、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）である。

　通信装置９５０は、インターネットに接続されている。

　シミュレーション装置１００の補助記憶装置９２２には、制御部１１０とシミュレーション部１２０と補正部１３０との機能を実現するプログラムが記憶されている。制御部１１０とシミュレーション部１２０と補正部１３０との機能を実現するプログラムをシミュレーションプログラム５２０ともいう。このプログラムは、メモリにロードされ、プロセッサ９１０に読み込まれ、プロセッサ９１０によって実行される。また、シミュレーション装置１００の補助記憶装置９２２には、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）も記憶されている。ＯＳの少なくとも一部がメモリ９２１にロードされ、プロセッサ９１０はＯＳを実行しながら、制御部１１０とシミュレーション部１２０と補正部１３０との機能を実現するプログラムを実行する。

　各装置は、１つのプロセッサ９１０のみを備えていてもよいし、複数のプロセッサ９１０を備えていてもよい。複数のプロセッサ９１０が制御部１１０とシミュレーション部１２０と補正部１３０との機能を実現するプログラムを連携して実行してもよい。

　制御部１１０とシミュレーション部１２０と補正部１３０との機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）といった可搬記録媒体に記憶されてもよい。
　なお、シミュレーションプログラムプロダクトと称されるものは、制御部１１０、シミュレーション部１２０および補正部１３０として説明している機能を実現するプログラムが記録された記憶媒体および記憶装置である。シミュレーションプログラムプロダクトは、見た目の形式に関わらず、コンピュータ読み取り可能なプログラムをロードしているものである。

＊＊＊機能の説明＊＊＊
　シミュレーションシステム５００の機能について説明する。シミュレーションシステム５００は、機器２２０と機器２２０に接続されたシミュレーション装置１００とを備える。

　まず、シミュレーション装置１００の機能を説明する。
　制御部１１０は、機器２２０の制御の実行を行うとともに、シミュレーション部１２０による物理的シミュレーションの実行を行う実行系である。制御部１１０は、機器２２０の制御に用いられる制御データ１１１を生成する。制御部１１０は、生成した制御データ１１１を、機器２２０に送信するとともにシミュレーション部１２０に出力する。
　シミュレーション部１２０は、制御部１１０により駆動される機器２２０の物理的シミュレーションを、シミュレータ１２２により行う実行系である。シミュレーション部１２０は、物理的シミュレーションの実行結果として、継続的なログデータをシミュレーションデータ１２１として補正部１３０に出力する。
　補正部１３０は、シミュレーション部１２０からシミュレーションデータ１２１を受け取るとともに、シミュレーションデータ１２１のデータ種別に対応した機器２２０の機器データ２２５を機器２２０から受け取る。機器データ２２５は、機器２２０に配置されたセンサ２２１から出力されるセンサーデータである。
　なお、補正部１３０は、シミュレーションデータ１２１と機器データ２２５とを、毎秒８回のタイムスタンプとともに受け取る。補正部１３０は、機器データ２２５とシミュレーションデータ１２１とに基づいて、シミュレータ１２２を補正する補正データ１３２を機械学習部１３３により生成する。

　次に、機器２２０の機能を説明する。
　機器２２０は、シミュレーション装置１００から送信される制御データ１１１を用いて制御される。センサ２２１は、制御データ１１１により制御されている機器２２０の状態を機器データ２２５として取得し、機器データ２２５をシミュレーション装置１００に通信装置９５０を介して送信する。

　図３は、本実施の形態に係るシミュレーションシステム５００の具体例を示す図である。
　機器システム２００は、機器２２０として除害装置３００を有する。
　図３では、工場の塗装工程で発生する揮発性有機化合物を除害する除害装置３００を模式的に表している。揮発性有機化合物はＶＯＣとも称され、いわゆるＰＭ２．５物質の一つである。ここで、ＶＯＣは、Ｖｏｌａｔｉｌｅ　Ｏｒｇａｎｉｃ　Ｃｏｍｐｏｕｎｄｓの略語である。
　除害装置３００とＶＰＮルータ２１０とはＬＡＮ３０１を介して接続されている。ＬＡＮは、Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋの略語である。ＬＡＮ３０１は、ＶＰＮルータ２１０との間で、制御部１１０からの制御データ１１１と、除害装置３００に取り付けられたセンサ２２１からの機器データ２２５の送受信を行う。

　図４は、本実施の形態に係るシミュレーションシステム５００のシミュレーション検証の機器２２０である除害装置３００の構成を示す図である。
（１）ＶＯＣを含有した空気は、疎水性ゼオライトのハニカムロータ４０１に、主ブロアから１００，０００ｍ^３／ｈの風量で、ハニカムロータ４０１の１／１０に吹き付けられる。これにより９０％以上のＶＯＣがハニカムロータ４０１に吸着される。ハニカムロータ４０１の残りの９／１０には後述のように、空気のみが通過し、ハニカムロータ４０１の洗浄が行われる。なお、この除害装置３００において洗剤は使用しない。
（２）ハニカムロータ４０１で吸着され、ハニカムロータ４０１で飽和状態となったＶＯＣは、１００℃前後の加熱空気４０２を、７，０００ｍ^３／ｈの空気量で熱して濃縮することにより、１５倍まで濃縮される。
（３）濃縮されたＶＯＣは、ヒーター４０３でさらに２００℃から２５０℃に熱せられる。
（４）熱せられたＶＯＣは白金製の白金触媒４０４で二酸化炭素と水に分解される。

　次に、本実施の形態に係るシミュレーションシステム５００において、制御部１１０と、シミュレーション部１２０のシミュレータ１２２と、除害装置３００の機器データ２２５と、補正部１３０の機械学習部１３３とが、どのように相互に作用してシミュレータ１２２の高精度化を行うかについて説明する。

　除害装置３００において、疎水性ゼオライトのハニカムロータ４０１あるいは白金触媒４０４は、珪酸化合物といった化合物が重合して、その表面に膜を形成する。制御部１１０により駆動される除害装置３００の物理的シミュレーションを行うシミュレータ１２２は、高精度の物理的シミュレーションを実行できるが、重合物の付着まで詳細にシミュレートすることは難しい。

　シミュレーション装置１００では、除害装置３００に投入される投入空気のＶＯＣ残留濃度と、除害装置３００から排出される排出空気のＶＯＣ残留濃度の目標値とが設定される。制御部１１０は、排出空気のＶＯＣ残留濃度を設定された目標値にするために、制御データ１１１を生成する。制御データ１１１のデータ種別には、ハニカムロータ４０１の回転数、ハニカムロータ４０１への風量、濃縮のための加熱空気４０２の風量と温度、およびヒーター４０３の温度が含まれる。なお、除害装置３００には、制御データ１１１のデータ種別と同様のデータを取得するセンサ２２１が配置されている。これらのデータ種別の各々は、センサ２２１により１秒に８回取得されて、補正部１３０に機器データ２２５として送信される。

　制御部１１０は、ハニカムロータ４０１に重合物が付着すると、ハニカムロータ４０１の回転を速くし、加熱空気４０２をあてる時間を長くするといった制御の変更を行う。このような制御の変更により、除害装置３００の能力が低下しても、排出空気のＶＯＣ残留濃度の目標値を達成することができる。

＊＊＊動作の説明＊＊＊
　図５は、本実施の形態に係るシミュレーション装置１００のシミュレーション方法５１０およびシミュレーションプログラム５２０のシミュレーション処理Ｓ１００を示すフローチャートである。シミュレーションプログラム５２０は、以下に示す各処理をコンピュータであるシミュレーション装置１００に実行させる。

　ステップＳ１１０において、制御部１１０は、機器２２０の制御に用いられる制御データ１１１を生成する。具体的には、制御部１１０は、排出空気のＶＯＣ残留濃度を設定された目標値にするために、制御データ１１１を生成する。制御データ１１１のデータ種別には、ハニカムロータ４０１の回転数、ハニカムロータ４０１への風量、濃縮のための加熱空気４０２の風量と温度、およびヒーター４０３の温度が含まれる。ステップＳ１１０は、制御処理Ｓ１０を実行するステップである。

　シミュレーション部１２０は、機器２２０の動作をシミュレーションするシミュレータ１２２を有する。
　ステップＳ１２０において、シミュレーション部１２０は、制御データ１１１をシミュレータ１２２に入力することにより機器２２０の動作のシミュレーションを実行し、動作のシミュレーションの実行により得られたシミュレーションデータ１２１を出力する。シミュレーションデータ１２１は、シミュレータ１２２から出力される継続的なログデータである。ステップＳ１２０は、シミュレーション実行処理Ｓ２０を実行するステップである。

　ステップＳ１３０において、補正部１３０は、制御データ１１１を用いて制御されている機器２２０の状態を機器データ２２５として取得するとともに、シミュレーション部１２０から出力されたシミュレーションデータ１２１を取得する。具体的には、補正部１３０は、センサ２２１により取得された、制御データ１１１により制御されている機器２２０の状態である機器データ２２５を、機器２２０から受信する。また、補正部１３０は、シミュレーション部１２０から出力されたシミュレーションデータ１２１を取得する。
　ここで、補正部１３０の機械学習部１３３は、機器データ２２５から制御データ１１１の変更が必要であると判断すると、制御データ１１１の変更のための情報を制御部１１０に出力する。制御部１１０は、補正部１３０の機械学習部１３３から受け取った制御データ１１１の変更のための情報に基づいて、制御データ１１１を変更する。

　次に、補正部１３０は、機器データ２２５とシミュレーションデータ１２１とに基づいて、シミュレータ１２２を補正する補正データ１３２を生成する。
　ステップＳ１４０において、補正部１３０は、機器データ２２５とシミュレーションデータ１２１との差分を機械学習部１３３に入力する。具体的には、補正部１３０は、シミュレーションデータ１２１と機器データ２２５を比較し、シミュレーションデータ１２１と機器データ２２５との差分を、重回帰型の機械学習を行う機械学習部１３３に入力する。
　ステップＳ１５０において、機械学習部１３３は、差分に基づいて補正データ１３２を生成する。機械学習部１３３は、制御データ１１１により制御されている機器２２０の物理的シミュレーションを行うシミュレータ１２２を補正する補正アルゴリズムを、経時的に導出する。なお、機械学習とは、データセットを大量に与えることにより、ある事象の予知を行うプログラムを生成する技術の総称である。

　ステップＳ１３０からステップＳ１５０は、補正部１３０による補正処理Ｓ３０を実行するステップである。上述したように、補正部１３０は、シミュレーションデータ１２１と機器データ２２５とを、毎秒８回のタイムスタンプとともに受け取る。よって、補正処理Ｓ３０は、毎秒８回、実行される。なお、補正部１３０がシミュレーションデータ１２１と機器データ２２５とを受け取る間隔は、毎秒８回に限られず、その他の間隔でシミュレーションデータ１２１と機器データ２２５とを受け取ってもよい。

　図６を用いて、本実施の形態に係るシミュレータ補正処理Ｓ４０について説明する。シミュレータ補正処理Ｓ４０は、シミュレーション部１２０が補正データ１３２に基づいてシミュレータ１２２を補正する処理である。
　ステップＳ２１０において、シミュレーション部１２０は、補正データ１３２である補正アルゴリズムを取得する。
　ステップＳ２２０において、シミュレーション部１２０は、補正アルゴリズムを数式である経時的物理モデルに変換する。
　ステップＳ２３０において、シミュレーション部１２０は、物理的シミュレーションを行うシミュレータ１２２に経時的物理モデルを適用する。

　具体的には、ハニカムロータ４０１の交換といった時点で、図６に示すシミュレータ補正処理Ｓ４０により、シミュレータ１２２の補正が行われる。
　このシミュレータ補正処理Ｓ４０を繰り返すと、シミュレーション部１２０のシミュレータ１２２の精度が高まっていき、電子デバイス、機械、あるいは、生産設備といった機器の設計において、シミュレーション部１２０のシミュレータ１２２による物理的シミュレーションのみで十分となる。

＊＊＊他の構成＊＊＊
　本実施の形態では、シミュレーション装置１００によるシミュレーション処理Ｓ１００を繰り返すことにより、より高精度なシミュレータが得られる。シミュレータの精度が十分に上がると、シミュレーション装置１００において、制御系の実行およびシミュレーションを行う実行系である制御部１１０と、制御系により駆動される機器の物理的シミュレーションを行う実行系であるシミュレーション部１２０とを各々単独で高速に実行する。このように、シミュレーション部１２０を単独で高速に実行することにより、高い精度での故障予知をはじめ、電子デバイス、機械、あるいは、生産設備といった機器の状態の高精度な予測が可能になる。

　本実施の形態では、シミュレーション装置１００の制御部１１０とシミュレーション部１２０と補正部１３０との機能がソフトウェアで実現されるが、変形例として、シミュレーション装置１００の制御部１１０とシミュレーション部１２０と補正部１３０との機能がハードウェアで実現されてもよい。
　図７を用いて、本実施の形態の変形例に係るシミュレーションシステム５００の構成について説明する。
　図７に示すように、シミュレーション装置１００は、処理回路９０９および通信装置９５０といったハードウェアを備える。

　処理回路９０９は、上述した制御部１１０とシミュレーション部１２０と補正部１３０との機能および記憶部１４０を実現する専用の電子回路である。処理回路９０９は、具体的には、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックＩＣ、ＧＡ、ＡＳＩＣ、または、ＦＰＧＡである。ＧＡは、Ｇａｔｅ　Ａｒｒａｙの略語である。ＡＳＩＣは、Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔの略語である。ＦＰＧＡは、Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙの略語である。

　シミュレーション装置１００の制御部１１０とシミュレーション部１２０と補正部１３０との機能は、１つの処理回路９０９で実現されてもよいし、複数の処理回路９０９に分散して実現されてもよい。

　別の変形例として、各装置の機能がソフトウェアとハードウェアとの組合せで実現されてもよい。すなわち、各装置の一部の機能が専用のハードウェアで実現され、残りの機能がソフトウェアで実現されてもよい。

　各装置のプロセッサ９１０、記憶装置９２０、および、処理回路９０９を、総称して「プロセッシングサーキットリ」という。つまり、各装置の構成が図２および図７のいずれに示した構成であっても、各装置の機能は、プロセッシングサーキットリにより実現される。

　「部」を「工程」または「手順」または「処理」に読み替えてもよい。また、各装置の機能をファームウェアで実現してもよい。

＊＊＊本実施の形態の効果の説明＊＊＊
　本実施の形態に係るシミュレーションシステム５００は、機器あるいは物理システムの制御を行う実行系と、物理的シミュレーションを行う実行系と、実際の機器あるいは物理システム、およびデータ解析を行う機械学習部からなる。シミュレーションシステム５００は、実際の機器あるいは物理システムにセンサを配して、センサーデータを取得し、センサーデータと機器データとの双方のデータを比較する。そして、シミュレーションシステム５００は、比較した結果を、物理的シミュレーションを行う実行系にフィードバックすることにより、物理的シミュレーションを行う実行系の精度を上げていくことができる。

　また、本実施の形態に係るシミュレーションシステム５００では、シミュレータの精度が向上するので、機器あるいは物理システムの制御を行う実行系と、物理的シミュレーションを行う実行系とを各々単独に高速に実行することができる。よって、本実施の形態に係るシミュレーションシステム５００によれば、機器あるいは物理システムの状態を現すことにより、予防保全あるいは予防保全の計画を策定することができる。

　上述した実施の形態では、シミュレーション装置の制御部とシミュレーション部と補正部との各々が独立した機能ブロックとしてシミュレーション装置を構成している。しかし、上述した実施の形態のような構成でなくてもよく、シミュレーション装置の構成は任意である。シミュレーション装置の機能ブロックは、上述した実施の形態で説明した機能を実現することができれば、任意である。これらの機能ブロックを、他のどのような組み合わせ、あるいは任意のブロック構成で、シミュレーション装置を構成しても構わない。
　また、シミュレーション装置は、１つの装置でなく、複数の装置から構成されたシステムでもよい。

　実施の形態１について説明したが、この実施の形態のうち、複数の部分を組み合わせて実施しても構わない。あるいは、この実施の形態のうち、１つの部分を実施しても構わない。その他、これらの実施の形態を、全体としてあるいは部分的に、どのように組み合わせて実施しても構わない。
　なお、上述した実施の形態は、本質的に好ましい例示であって、本発明、その適用物および用途の範囲を制限することを意図するものではなく、必要に応じて種々の変更が可能である。

　１００　シミュレーション装置、１０１，１０２　データセンター、１１０　制御部、１１１　制御データ、１２０　シミュレーション部、１２１　シミュレーションデータ、１２２　シミュレータ、１３０　補正部、１３２　補正データ、１３３　機械学習部、１３２　補正データ、１４０　記憶部、２００　機器システム、２１０　ＶＰＮルータ、２２０　機器、２２１　センサ、２２５　機器データ、３００　除害装置、３０１　ＬＡＮ、４０１　ハニカムロータ、４０２　加熱空気、４０３　ヒーター、４０４　白金触媒、５００　シミュレーションシステム、５１０　シミュレーション方法、５２０　シミュレーションプログラム、６００　クラウド側システム、９０９　処理回路、９１０　プロセッサ、９２０　記憶装置、９２１　メモリ、９２２　補助記憶装置、９５０　通信装置、Ｓ１００　シミュレーション処理、Ｓ１０　制御処理、Ｓ２０　シミュレーション実行処理、Ｓ３０　補正処理、Ｓ４０　シミュレータ補正処理。

Claims

　機器の制御に用いられる制御データを生成する制御部と、
　前記機器の動作をシミュレーションするシミュレータを有するシミュレーション部であって、前記制御データを前記シミュレータに入力することにより前記機器の動作のシミュレーションを実行し、前記動作のシミュレーションの実行により得られたシミュレーションデータを出力するシミュレーション部と、
　前記制御データを用いて制御されている前記機器の状態を機器データとして取得するとともに、前記シミュレーション部から出力された前記シミュレーションデータを取得し、前記機器データと前記シミュレーションデータとに基づいて、前記シミュレータを補正する補正データを生成する補正部と
を備えたシミュレーション装置。
　前記補正部は、
　前記機器の動作を予測する機械学習部を有し、前記機器データと前記シミュレーションデータとの差分を前記機械学習部に入力し、
　前記機械学習部は、
　前記差分に基づいて前記補正データを生成する請求項１に記載のシミュレーション装置。
　前記シミュレーション部は、
　前記補正データに基づいて前記シミュレータを補正する請求項１または２に記載のシミュレーション装置。
　機器と前記機器に接続されたシミュレーション装置とを備えたシミュレーションシステムにおいて、
　前記シミュレーション装置は、
　前記機器の制御に用いられる制御データを生成し、前記制御データを前記機器に送信する制御部と、
　前記機器の動作をシミュレーションするシミュレータを有するシミュレーション部であって、前記制御データを前記シミュレータに入力することにより前記機器の動作のシミュレーションを実行し、前記動作のシミュレーションの実行により得られたシミュレーションデータを出力するシミュレーション部と
を備え、
　前記機器は、
　センサを備え、
　前記センサは、
　前記制御データにより制御されている前記機器の状態を機器データとして取得し、前記機器データを前記シミュレーション装置に送信し、
　前記シミュレーション装置は、
　前記機器から送信された前記機器データを取得するとともに、前記シミュレーション部から出力された前記シミュレーションデータを取得し、前記機器データと前記シミュレーションデータとに基づいて、前記シミュレータを補正する補正データを生成する補正部とを備えたシミュレーションシステム。
　前記補正部は、
　前記機器の動作を予測する機械学習部を有し、前記機器データと前記シミュレーションデータとの差分を前記機械学習部に入力し、
　前記機械学習部は、
　前記差分に基づいて前記補正データを生成する請求項４に記載のシミュレーションシステム。
　前記シミュレーション部は、
　前記補正データに基づいて前記シミュレーションを補正する請求項４または５に記載のシミュレーションシステム。
　制御部が、機器の制御に用いられる制御データを生成し、
　シミュレーション部が、前記機器の動作をシミュレーションするシミュレータを有し、前記制御データを前記シミュレータに入力することにより前記機器の動作のシミュレーションを実行し、前記動作のシミュレーションの実行により得られたシミュレーションデータを出力し、
　補正部が、前記制御データを用いて制御されている前記機器の状態を機器データとして取得するとともに、前記シミュレーション部から出力された前記シミュレーションデータを取得し、前記機器データと前記シミュレーションデータとに基づいて、前記シミュレータを補正する補正データを生成するシミュレーション方法。
　機器の制御に用いられる制御データを生成する制御処理と、
　前記機器の動作をシミュレーションするシミュレータに前記制御データを入力することにより前記機器の動作のシミュレーションを実行し、前記動作のシミュレーションの実行により得られた前記機器の状態をシミュレーションデータとして出力するシミュレーション処理と、
　前記制御データを用いて制御されている前記機器の状態を表す機器データを取得するとともに、前記シミュレーション処理により出力された前記シミュレーションデータを取得し、前記機器データと前記シミュレーションデータとに基づいて、前記シミュレータを補正する補正データを生成する補正処理とをコンピュータに実行させるシミュレーションプログラム。