WO2020110201A1 - 情報処理装置 - Google Patents

情報処理装置 Download PDF

Info

Publication number
WO2020110201A1
WO2020110201A1 PCT/JP2018/043592 JP2018043592W WO2020110201A1 WO 2020110201 A1 WO2020110201 A1 WO 2020110201A1 JP 2018043592 W JP2018043592 W JP 2018043592W WO 2020110201 A1 WO2020110201 A1 WO 2020110201A1
Authority
WO
WIPO (PCT)
Prior art keywords
variable
explanatory
information processing
value
change
Prior art date
Application number
PCT/JP2018/043592
Other languages
English (en)
French (fr)
Inventor
孝純 河合
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to US17/295,986 priority Critical patent/US20220004154A1/en
Priority to JP2020557437A priority patent/JP7107386B2/ja
Priority to PCT/JP2018/043592 priority patent/WO2020110201A1/ja
Publication of WO2020110201A1 publication Critical patent/WO2020110201A1/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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • the present invention relates to an information processing device, an information processing method, and a program that support optimization of a target state.
  • the target conditions such as the safety of the plant itself, the environment, and the quality of manufactured products are optimized.
  • optimum values of parameters such as detected values of various sensors and raw materials are calculated and adjusted so as to optimize safety, power, quality, manufacturing efficiency, etc. in a plant.
  • the target state is set as an evaluation index called KPI (Key Performance Indicator), the KPI is used as an objective variable, and various parameters are used as explanatory variables. Is performed using. That is, using such a model, the optimum values of various parameters are calculated so as to obtain the optimum KPI.
  • KPI Key Performance Indicator
  • a parameter change is simulated using a model, a parameter is selected and corrected according to the result, and a future KPI is derived and evaluated.
  • the number of parameters to be selected may be 1000 or more, so it is necessary to narrow down the number of parameters to be selected.
  • the relationship between parameters is complicated, it is also difficult to select an appropriate number of parameters. As a result, it is difficult to optimize the target state. Further, the problem described above occurs not only when the target to be optimized is a plant but also when the state of any target is optimized, for example, when a certain numerical value is optimized in the health management of the living body. sell.
  • an object of the present invention is to solve the above-mentioned problem that it is difficult to optimize the target state.
  • An information processing apparatus which is one mode of the present invention, For each of the explanatory variables, a predicted value of the explanatory variable that changes based on the value of the explanatory variable at a predetermined time point is calculated based on a model that calculates an objective variable that represents a target state using a plurality of explanatory variables.
  • a predicted value calculation unit For each of the explanatory variables, using the predicted value of the explanatory variable and the model, a change amount calculation unit that calculates a change amount of the objective variable due to a change of the explanatory variable, With Take the configuration.
  • the program which is one mode of the present invention,
  • a predicted value of the explanatory variable that changes based on the value of the explanatory variable at a predetermined time point is calculated based on a model that calculates an objective variable that represents a target state using a plurality of explanatory variables.
  • a predicted value calculation unit For each of the explanatory variables, using the predicted value of the explanatory variable and the model, a change amount calculation unit that calculates a change amount of the objective variable due to a change of the explanatory variable, To realize Take the configuration.
  • the information processing method which is one aspect of the present invention is Based on a model for calculating an objective variable representing a target state using a plurality of explanatory variables, for each of the explanatory variables, a predicted value of the explanatory variable that changes based on the value of the explanatory variable at a predetermined time point is calculated. , For each of the explanatory variables, using the predicted value of the explanatory variable and the model, calculate the amount of change of the objective variable due to the change of the explanatory variable, Take the configuration.
  • the target state can be easily optimized.
  • FIG. 5 is a diagram showing an example of calculation of a change amount of KPI due to a change in parameter by the information processing device disclosed in FIG. 1. It is a figure which shows the ranking of the variation
  • FIGS. 1 to 5 are diagrams for explaining the configuration of the information processing device
  • FIG. 6 is a diagram for explaining the operation of the information processing device.
  • the information processing apparatus 10 is connected to a monitoring target 20 (target) such as a plant and is used to optimize the state of the monitoring target 20.
  • the monitoring target 20 is, for example, a plant such as a manufacturing factory or a processing facility, and the state of the monitoring target 20 refers to safety of the plant itself, environmental conditions such as exhaust gas amount, quality of manufactured products, manufacturing efficiency, and the like. is there.
  • the KPI Key Performance Indicator
  • the KPI is calculated by a model that is a preset calculation formula in which various detection values detected from the monitoring target 20 are parameters. That is, in the model, KPI is an objective variable, and various parameters are set as explanatory variables.
  • the parameter is a value that can be detected by the plant that is the monitoring target 20 or information that is set in advance, such as the temperature, pressure, and flow rate in the plant, the raw material name of the product manufactured in the plant, and its components. , Information such as supply amount.
  • the monitoring target 20 optimized in the present invention is not necessarily limited to the plant, and may be any target.
  • the monitoring target 20 is not necessarily limited to an object, and, for example, the biological information of the living body is used as a KPI (objective variable), the meal situation of the living body is used as a parameter (parameter), and the biological information is optimized.
  • the present invention may be applied.
  • the biological information may be any information on the living body such as blood pressure, body temperature, heart rate, blood information such as blood glucose level and blood oxygen concentration, electrocardiogram waveform, and electroencephalogram.
  • the parameter may be any information related to the living body.
  • the information processing device 10 is configured by one or a plurality of information processing devices including an arithmetic device and a storage device. As shown in FIG. 1, the information processing apparatus 10 has a data measuring unit 11, a predicted value calculating unit 12, a change amount calculating unit 13, an evaluating unit 14, and an optimum unit, which are constructed by the arithmetic unit executing a program. The conversion unit 15 and the setting unit 16 are provided. The information processing device 10 also includes a data storage unit 18 and a model storage unit 19 formed in the storage device. Hereinafter, each configuration will be described in detail.
  • the model storage unit 19 stores a model that is a calculation formula for calculating the KIP of the monitoring target 20 described above using parameters.
  • the number of parameters may be, for example, 1000 or more, but this embodiment exemplifies a case where there are only two parameters, x and y, as described later.
  • the data measurement unit 11 acquires plant data including data measured by various sensors installed in the monitoring target 20 and data set in the monitoring target 20 and stores the plant data in the data storage unit 18. At this time, the data measuring unit 11 also stores the information regarding the date and time when the plant data was acquired in association with each other.
  • the plant data is used as actual data of various parameters used in the above model. However, the data measurement unit 11 does not necessarily have to be equipped, and the plant data may be stored in the data storage unit 18 in advance.
  • the predicted value calculation unit 12 calculates a predicted value representing a possible value of the parameter using the model and the actual data of the parameter at a predetermined time point. Specifically, the predicted value calculation unit 12 first reads the model stored in the model storage unit 19 and the plant data stored in the data storage unit 18. Then, the predicted value calculation unit 12 uses the model to calculate, from the actual data of the parameter at a predetermined time point, a predicted value in which the parameter is changed so as to bring the KPI close to a value (desired value) considered to be optimum. At this time, the predicted value calculation unit 12 calculates, for example, a temporary predicted value in which the parameter is changed in consideration of the process of change of the actual data of the parameter, and when the temporary predicted value is used.
  • the predicted value calculation unit 12 adopts the temporary predicted value as the first predicted value when the KPI is improved when the temporary predicted value is used.
  • the predicted value calculation unit 12 obtains a tentative predicted value from the slope immediately before the graph showing the change of the parameter so far, and if the KPI is improved, the tentative predicted value is set as the first predicted value, and the KPI must be improved. For example, the slope is changed to change the temporary predicted value.
  • the predicted value calculation unit 12 uses the first predicted value to obtain the second predicted value that is the next predicted value in the same manner as described above. .. In this way, the predicted value calculation unit 12 obtains a plurality of predicted values of parameters until the KPI reaches a value considered to be optimum. Then, the predicted value calculation unit 12 calculates a continuous value obtained by connecting a plurality of predicted values with a diagram as an optimized path that represents a change path of the parameter to the optimum value.
  • x_0 indicates the actual data of the parameter x
  • x_1, x_2, x_n indicate the calculated predicted value.
  • x_n is a predicted value that seems to be the optimum value for the parameter x.
  • the predicted value calculation unit 12 calculates a diagram connecting the predicted values calculated by the parameter x to calculate an optimized route from the actual data of the parameter x. Note that dx_1 and _dx_2 shown in FIG. 2 represent the amount of change between the predicted values of the parameter x.
  • the predicted value calculation unit 12 may calculate the predicted value of the parameter and the optimized route by any method.
  • a model may be used to predict the optimum value from the actual data of the parameter by an arbitrary method, and the process of change may be calculated as the parameter optimization path.
  • one or more predicted values of the parameters may be calculated without calculating the change path of the parameter to the optimum value.
  • the change amount calculation unit 13 calculates, for each parameter, the KPI change amount due to the change in the predicted value, using the model and the predicted value of the parameter calculated as described above. Specifically, the change amount calculating unit 13 partially differentiates the model with respect to a certain parameter x as shown in the upper expression of FIG. 3, and obtains a plurality of predicted values x_1, x_2,...,x_n of the parameter x, respectively. The corresponding change amount of KPI is obtained, and a value obtained by integrating these is calculated as a score representing the integrated change amount of KPI. At this time, the change amount calculation unit 13 also calculates the absolute value of the score.
  • the plurality of predicted values of the parameter x are values on the optimized route of the parameter x calculated as described above. Therefore, the KPI score calculated for the parameter x becomes an integrated value of the amount of change in KPI associated with a slight change in the predicted value of the parameter x, as shown in the lower diagram of FIG. It can be said that it represents.
  • the change amount calculating unit 13 calculates the score by integrating the change amount of the KPI due to the change of the predicted value for each parameter, and calculates the absolute value thereof, as described above. Note that, in the above, the change amount calculation unit 13 partially differentiates the model with a certain parameter and calculates a score that is the change amount of the KPI due to the change of the parameter, but the change amount of the KPI is calculated by another method. It may be calculated. That is, the change amount calculation unit 13 may obtain the change amount of the KPI without using the partial differentiation of the model as described above.
  • the integrated value of the KPI change amount due to the change of the predicted value is calculated as the score, but the value aggregated by a predetermined calculation such as averaging the KPI change amount due to the change of the predicted value is used as the score. May be calculated as
  • the evaluation unit 14 evaluates each score calculated for each parameter as described above. For example, the evaluation unit 14 ranks the absolute values of the scores in order to evaluate the magnitude of the value of each score, that is, the degree of influence of each parameter on the KPI. As an example, as shown in FIG. 4, the scores of the parameters are arranged in descending order. At this time, since the score is the absolute value of the integrated value of the KPI change amount due to the change of the predicted value for each parameter, it can be said that the parameter having a larger value has a greater influence on the KPI.
  • the evaluation unit 14 may output a display in which scores are arranged as shown in FIG. 4 from a predetermined display device.
  • the evaluation unit 14 selects a parameter to be changed and set for the optimization of the KPI based on the ranking of the absolute value score. For example, a parameter whose absolute value of the score exceeds a preset threshold value or a predetermined number of parameters having a larger absolute value of the score are selected. When the number of selected parameters is larger than the preset upper limit number, it is difficult to actually change and set the parameters, and the evaluation unit 14 determines to perform reselection.
  • the evaluation unit 14 also ranks negative scores whose values are negative among the above-mentioned scores.
  • the negative scores of the respective parameters are displayed in descending order in the negative direction.
  • the evaluation unit 14 determines to take measures such as rebuilding the model.
  • the optimizing unit 15 calculates an optimum value for optimizing the KPI for the parameters selected by the evaluating unit 14. For example, the parameter calculation unit 15 uses the model to calculate the KPI by changing the values of some or all of the selected parameters, and calculates the optimum value of each parameter that makes the KPI optimum.
  • the optimizing unit 15 evaluates the KPI when the optimum value of the calculated parameter is applied. For example, the optimizing unit 15 checks whether or not the KPI when the optimum value of each parameter is applied is improved to a threshold value set in advance or more.
  • the setting unit 16 sets the optimum value of each parameter to the monitoring target 20 which is an actual plant when the KPI when the optimum value of each parameter is applied is improved to a threshold value or more set in advance. To do. The operator may manually set the optimum value of each parameter in the plant.
  • the information processing device 10 reads a model and plant data (step S1). Then, the information processing apparatus 10 uses the model to calculate, for each parameter, a predicted value obtained by changing the parameter from the actual data of the parameter at a predetermined time point so as to bring the KPI closer to the optimum value (step S2). In particular, the information processing apparatus 10 calculates an optimized path that represents a change path of the parameter to the optimum value, and calculates a plurality of predicted values on the optimized path.
  • the information processing device 10 calculates, for each parameter, the amount of change in KPI due to the change in the predicted value of the parameter.
  • the information processing apparatus 10 calculates, for each parameter, an integrated value of partial differential values of the model associated with a change in the predicted value of the parameter, and calculates the integrated value as a score (step S3).
  • the information processing device 10 ranks the absolute value of the score calculated for each parameter (step S4). For example, as shown in FIG. 4, the absolute values of the scores of the parameters are arranged in descending order. At the same time, the information processing apparatus 10 ranks negative scores among the scores of the respective parameters. For example, as shown in FIG. 5, the negative scores of the respective parameters are arranged in ascending order, that is, in the negative direction. Then, the information processing apparatus 10 checks whether or not the parameter has a large negative influence on the KPI because the value of the negative score is large in the negative direction.
  • step S5 if there is a parameter having a large negative influence (No in step S5), there is a high possibility that the correlation between the parameters is strong, and therefore a measure such as rebuilding the model is taken.
  • the model is reconstructed by compressing the dimensions using principal component analysis or the like.
  • the information processing apparatus 10 determines that, for example, all the negative scores are not larger than the threshold value in the negative direction and the negative influences of all the parameters are sufficiently small. (Yes in step S5), the parameter is selected from the ranking of the absolute values of the scores described above. At this time, the information processing device 10 checks the number of parameters for which the absolute value of the score exceeds the threshold value, and if the number does not exceed the upper limit value, selects the parameter (Yes in step S6). Since the absolute value of the score can be said to have a larger influence on the KPI as the parameter having a larger value, the parameter having such a large value is selected as a parameter to be changed and set for the optimization of the KPI.
  • the parameters are reselected by limiting the parameters in advance or changing the method of calculating the predicted value of the parameters.
  • the information processing apparatus 10 calculates an optimum value that can optimize the KPI for the selected parameter (step S7). Then, the information processing device 10 checks whether or not the KPI when the optimum value of the calculated parameter is applied is improved to a threshold value or more set in advance (step S8). When the KPI when the optimum value of each parameter is applied is improved to a threshold value or more set in advance (Yes in step S8), the optimum value of each parameter is set in the monitoring target 20 which is the actual plant. Yes (step S9). On the other hand, if the KPI is not improved (No in step S8), the parameters are reselected and the model is reconstructed as described above.
  • a model is used to calculate an optimized route of parameters for each parameter.
  • the predicted value along the optimized route of the parameter is used to calculate the amount of change in KPI according to the change in the parameter.
  • the parameters can be selected. As a result, the target state such as KPI can be easily optimized.
  • FIG. 7 is a block diagram showing the configuration of the information processing device according to the second embodiment. It should be noted that the present embodiment shows an outline of the configuration of the information processing apparatus described in the first embodiment.
  • the information processing apparatus 100 is Prediction that calculates a predicted value of the explanatory variable that changes based on the value of the explanatory variable at a predetermined time point, for each explanatory variable, based on a model that calculates an objective variable that represents a target state using a plurality of explanatory variables
  • a value calculation unit 110 For each explanatory variable, a change amount calculation unit 120 that calculates the amount of change in the objective variable due to the change in the explanatory variable, using the predicted value of the explanatory variable and the model. Equipped with.
  • prediction value calculation unit 110 and the change amount calculation unit 120 described above may be constructed by an arithmetic unit included in the information processing apparatus 100 executing a program, and are constructed by electronic circuits. It may be one.
  • the information processing apparatus 100 having the above configuration is Based on a model for calculating an objective variable representing the state of the target using a plurality of explanatory variables, for each explanatory variable, calculate the predicted value of the explanatory variable that changes based on the value of the explanatory variable at a predetermined time point, For each explanatory variable, the predicted value of the explanatory variable and the model are used to calculate the amount of change in the objective variable due to the change in the explanatory variable. It operates so as to execute the process.
  • the predictive value of the explanatory variable is calculated for each explanatory variable, and the change amount of the objective variable representing the state of the target due to the change of the predicted value is calculated.
  • the degree can be easily checked.
  • a predicted value of the explanatory variable that changes based on the value of the explanatory variable at a predetermined time point is calculated based on a model that calculates an objective variable that represents a target state using a plurality of explanatory variables.
  • a predicted value calculation unit For each of the explanatory variables, using the predicted value of the explanatory variable and the model, a change amount calculation unit that calculates a change amount of the objective variable due to a change of the explanatory variable, Information processing device equipped with.
  • the information processing apparatus calculates, for each of the explanatory variables, a plurality of the predicted values of the explanatory variable that brings the objective variable close to a desired value
  • the change amount calculation unit uses, for each of the explanatory variables, the plurality of predicted values of the explanatory variable and the model to calculate the amount of change of the objective variable due to a change between the plurality of predicted values of the explanatory variable. calculate, Information processing device.
  • the predicted value calculation unit calculates, for each of the explanatory variables, a change path that is a continuous value of the predicted value of the explanatory variable that brings the objective variable close to a desired value, and a plurality of the explanations on the change path. Calculating the predicted value of a variable, Information processing device.
  • the change amount calculation unit aggregates, for each of the explanatory variables, the amount of change of the objective variable for each change between the plurality of predicted values of the explanatory variable by a predetermined calculation, and the aggregated value is the target value.
  • the amount of change in the variable Information processing device.
  • the change amount calculation unit for each of the explanatory variables, integrates the change amount of the objective variable for each change between the plurality of predicted values of the explanatory variable, and calculates the integrated value as the change amount of the target variable.
  • the change amount calculation unit calculates, for each of the explanatory variables, a change amount of the objective variable by using partial differentiation of the model by the explanatory variable.
  • Information processing device The change amount calculation unit calculates, for each of the explanatory variables, a change amount of the objective variable by using partial differentiation of the model by the explanatory variable.
  • Appendix 7 The information processing apparatus according to any one of appendices 1 to 6, Based on the value of the amount of change in the objective variable calculated for each explanatory variable, an evaluation unit for evaluating the explanatory variable is provided, Information processing device.
  • the evaluation unit selects the explanatory variable based on a value of a change amount of the objective variable calculated for each explanatory variable, Information processing device.
  • the information processing apparatus (Appendix 9) The information processing apparatus according to attachment 8, The evaluation unit selects a predetermined number of the explanatory variables in which the absolute value of the change amount of the objective variable calculated for each of the explanatory variables is large. Information processing device.
  • a predicted value of the explanatory variable that changes based on the value of the explanatory variable at a predetermined time point is calculated based on a model that calculates an objective variable that represents a target state using a plurality of explanatory variables.
  • a predicted value calculation unit For each of the explanatory variables, using the predicted value of the explanatory variable and the model, a change amount calculation unit that calculates a change amount of the objective variable due to a change of the explanatory variable, A program for realizing.
  • appendix 12.4 The information processing method according to appendix 12.3, For each of the explanatory variables, the change amount of the objective variable for each change between the predicted values of the explanatory variable is integrated, and the integrated value is set as the change amount of the target variable, Information processing method.
  • Appendix 12.6 The information processing method according to any one of appendices 12 to 12.5, Based on the value of the change amount of the objective variable calculated for each explanatory variable, evaluate the explanatory variable, Information processing method.
  • Appendix 12.7 The information processing method according to appendix 12.6, When evaluating the explanatory variable, the explanatory variable is selected based on the value of the change amount of the objective variable calculated for each explanatory variable, Information processing method.
  • Appendix 12.9 The information processing method according to appendix 12.7 or 12.8, Calculating the set value of the selected explanatory variable, and calculating the value of the objective variable using the set value of the explanatory variable and the model, Information processing method.
  • Non-transitory computer readable media include various types of tangible storage media.
  • Examples of non-transitory computer-readable media include magnetic recording media (eg, flexible disk, magnetic tape, hard disk drive), magneto-optical recording media (eg, magneto-optical disk), CD-ROM (Read Only Memory), CD-R, It includes CD-R/W and semiconductor memory (for example, mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (Random Access Memory)).
  • the program may be supplied to the computer by various types of transitory computer readable media. Examples of transitory computer-readable media include electrical signals, optical signals, and electromagnetic waves.
  • the transitory computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本発明の情報処理装置１００は、複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出する予測値算出部１１０と、説明変数ごとに、当該説明変数の予測値と前記モデルとを用いて、当該説明変数の変化による目的変数の変化量を算出する変化量算出部１２０と、を備える。

Description

情報処理装置
　本発明は、対象の状態の最適化を支援する情報処理装置、情報処理方法、プログラムに関する。
　製造工場や処理施設などのプラントでは、プラント自体の安全性や環境、製造物の品質といった対象の状態を最適化することが行われている。例えば、プラントにおける安全性や電力、品質、製造効率などを最適化するよう、各種センサの検出値や原材料といったパラメータの最適値を算出して調整することが行われている。
　上述したような対象の状態の最適化は、一般的には、対象の状態をＫＰＩ（Ｋｅｙ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒ）と呼ばれる評価指標として設定し、かかるＫＰＩを目的変数とし、各種パラメータを説明変数としたモデルを用いて行われる。つまり、かかるモデルを用いて、最適なＫＰＩとなるよう各種パラメータの最適値を計算している。例えば、特許文献１では、モデルを用いてパラメータの変更をシミュレーションし、その結果に応じてパラメータを選択して修正し、未来のＫＰＩを導出して評価している。
国際公開２０１８／１３４９３９号公報 特開２０１１－１３５１３１号公報
　しかしながら、通常、対象の状態を評価するＫＰＩを算出するモデルにおいては、パラメータが多数に渡るため、適切なパラメータを選定することが困難である。例えば、上述した方法ですべてのパラメータを最適値にすることも可能であるが、すべてのパラメータを変更することでＫＰＩに影響が出るおそれがある。また、状況によって変更できないパラメータも都度発生する。このため、最小限のパラメータの変更で最適なＫＰＩを得ることが望ましい。この場合、特に、大型のプラントでは、パラメータが１０００以上となる場合もあることから、選定するパラメータの数を絞り込む必要がある。また、パラメータ間の関係も複雑であるため、やはり適切な数のパラメータを選択することが困難である。その結果、対象の状態を最適化することが困難である、という問題が生じる。さらには、最適化する対象がプラントである場合に限らず、例えば、生体の健康管理においてある数値を最適化するというように、あらゆる対象の状態を最適化する場合にも、上述した問題は生じうる。
　このため、本発明の目的は、上述した課題である、対象の状態を最適化することが困難である、ことを解決することにある。
　本発明の一形態である情報処理装置は、
　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出する予測値算出部と、
　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する変化量算出部と、
を備えた、
という構成をとる。
　また、本発明の一形態であるプログラムは、
　情報処理装置に、
　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出する予測値算出部と、
　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する変化量算出部と、
を実現させる、
という構成をとる。
　また、本発明の一形態である情報処理方法は、
　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出し、
　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する、
という構成をとる。
　本発明は、以上のように構成されることにより、対象の状態を容易に最適化することができる。
本発明の実施形態１における情報処理装置の構成を示すブロック図である。 図１に開示した情報処理装置によるパラメータの最適化経路の算出例を示す図である。 図１に開示した情報処理装置によるパラメータの変化に伴うＫＰＩの変化量の算出例を示す図である。 図１に開示した情報処理装置にて算出したパラメータ毎のＫＰＩの変化量のランキングを示す図である。 図１に開示した情報処理装置にて算出したパラメータ毎のＫＰＩの変化量のランキングを示す図である。 図１に開示した情報処理装置の動作を示すフローチャートである。 本発明の実施形態２における情報処理装置の構成を示すブロック図である。
　＜実施形態１＞
　本発明の第１の実施形態を、図１乃至図６を参照して説明する。図１乃至図５は、情報処理装置の構成を説明するための図であり、図６は、情報処理装置の動作を説明するための図である。
　［構成］
　本発明における情報処理装置１０は、プラントなどの監視対象２０（対象）に接続されており、当該監視対象２０の状態を最適化するために使用されるものである。なお、監視対象２０は、例えば、製造工場や処理施設などのプラントであり、監視対象２０の状態とは、プラント自体の安全性や排ガス量などの環境状態、製造物の品質、製造効率などである。
　ここで、本実施形態では、監視対象２０の状態として、例えば、安全性の評価指標を表すＫＰＩ（Ｋｅｙ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒ）を設定し、かかるＫＰＩを最適化する場合を一例に挙げて説明する。そして、ＫＰＩは、監視対象２０から検出される各種検出値がパラメータとなる予め設定された計算式であるモデルによって算出される。つまり、モデルは、ＫＰＩが目的変数であり、各種パラメータが説明変数として設定されている。なお、パラメータは、監視対象２０であるプラントにて検出できる値や事前に設定された情報であり、例えば、プラント内の温度、圧力、流量や、プラントで製造する製造物の原材料名、その成分、供給量など、複数種類の情報からなる。
　但し、本発明において最適化する監視対象２０は、必ずしもプラントであることに限定されず、いかなる対象であってもよい。このとき、監視対象２０は、必ずしも物体であることに限定されず、例えば、生体の生体情報をＫＰＩ（目的変数）とし、生体の食事の状況をパラメータ（パラメータ）とし、生体情報を最適化することに本発明を適用してもよい。なお、上記生体情報とは、例えば、生体の血圧、体温、心拍数、血糖値や血中酸素濃度等の血液に関する情報、心電図波形、脳波など、生体に関するいかなる情報であってもよい。また、パラメータも生体に関係するいかなる情報であってもよい。
　上記情報処理装置１０は、演算装置と記憶装置とを備えた１台又は複数台の情報処理装置にて構成される。そして、情報処理装置１０は、図１に示すように、演算装置がプログラムを実行することで構築された、データ計測部１１、予測値算出部１２、変化量算出部１３、評価部１４、最適化部１５、設定部１６、を備える。また、情報処理装置１０は、記憶装置に形成された、データ記憶部１８、モデル記憶部１９、を備える。以下、各構成について詳述する。
　上記モデル記憶部１９は、上述した監視対象２０のＫＩＰを、パラメータを用いて算出するための計算式であるモデルを記憶する。このとき、パラメータは、例えば、１０００個以上の場合もあるが、本実施形態では、後述するように、ｘ，ｙの２つだけである場合を例示する。
　上記データ計測部１１は、監視対象２０に設置された各種センサにて計測されたデータや監視対象２０に設定されたデータからなるプラントデータを取得して、データ記憶部１８に記憶する。このとき、データ計測部１１は、プラントデータを取得した日時に関する情報も関連付けて記憶しておく。なお、プラントデータは、上述したモデルに用いられる各種パラメータの実データとして使用される。但し、データ計測部１１は、必ずしも装備されている必要はなく、データ記憶部１８に予めプラントデータが記憶されていてもよい。
　上記予測値算出部１２は、モデルと、所定時点におけるパラメータの実データと、を用いて、パラメータの取り得る値を表す予測値を算出する。具体的に、予測値算出部１２は、まず、モデル記憶部１９に記憶されているモデルと、データ記憶部１８に記憶されているプラントデータと、を読み出す。そして、予測値算出部１２は、モデルを用いて、所定時点のパラメータの実データから、ＫＰＩを最適と考えられる値（所望の値）に近づけるようパラメータを変化させた予測値を算出する。このとき、予測値算出部１２は、例えば、パラメータの実データのこれまでの変化の過程を考慮して当該パラメーラを変化させた仮の予測値を算出し、かかる仮の予測値を用いたときにＫＰＩが向上しているか否かを調べる。そして、予想値算出部１２は、仮の予測値を用いたときにＫＰＩが向上している場合には、仮の予測値を第一の予測値として採用する。一例として、予測値算出部１２は、パラメータのこれまでの変化を示すグラフの直前の傾きから仮の予測値を求め、ＫＰＩが向上する場合には第一の予測値とし、ＫＰＩが向上しなければ傾きを変更して仮の予測値を変更する。
　予測値算出部１２は、上述したようにパラメータの第一の予測値を算出した後に、かかる第一の予測値を用いて、上述同様にさらに次の予測値となる第二の予測値を求める。このようにして、予測値算出部１２は、ＫＰＩが最適と考えられる値となるまで、パラメータの複数の予測値を求める。そして、予測値算出部１２は、複数の予測値を線図で結んだ連続値を、パラメータの最適値への変化経路を表す最適化経路として算出する。ここで、パラメータxの最適化経路の一例を図２に示す。この図において、ｘ_0は、パラメータxの実データを示し、x_1, x_2, x_nは、算出した予測値を示している。なお、図示していないが他にも予測値が算出されており、特に、x_nは、パラメータxの最適値と思われる予測値である。この場合、予測値算出部１２は、パラメータｘの算出した各予測値を結ぶ線図を算出することで、パラメータｘの実データから最適化経路として算出する。なお、図２に示すdx_1, dx_2は、パラメータｘの予測値間の変化量を示している。
　但し、予測値算出部１２は、いかなる方法でパラメータの予測値、及び、最適化経路を算出してもよい。例えば、モデルを用いて、任意の手法でパラメータの実データから最適値を予測し、その変化の過程をパラメータの最適化経路として算出してもよい。あるいは、パラメータの最適値への変化経路を算出せずに、パラメータの予測値を１つあるいは複数算出してもよい。
　上記変化量算出部１３は、パラメータ毎に、モデルと、上述したように算出したパラメータの予測値と、を用いて、予測値の変化によるＫＰＩの変化量を算出する。具体的に、変化量算出部１３は、図３の上式に示すように、あるパラメータｘについてモデルを偏微分し、当該パラメータｘの複数の予測値x_1, x_2,...,x_nそれぞれに対応するＫＰＩの変化量を求めて、これらを積算した値をＫＰＩの積算変化量を表すスコアとして算出する。このとき、変化量算出部１３は、スコアの絶対値も算出する。なお、パラメータｘの複数の予測値は、上述したように算出したパラメータｘの最適化経路上の値となる。このため、パラメータｘについて算出したＫＰＩのスコアは、図３の下図に示すように、パラメータｘの予測値の微小変化に伴うＫＰＩの変化量の積算値となり、かかるパラメータｘのＫＰＩに対する影響度を表していると言える。
　そして、変化量算出部１３は、各パラメータについて、上述同様に予測値の変化によるＫＰＩの変化量を積算してスコアを算出し、さらにその絶対値を算出する。なお、上記では、変化量算出部１３は、モデルをあるパラメータで偏微分して、かかるパラメータの変化によるＫＰＩの変化量であるスコアを算出しているが、他の方法でＫＰＩの変化量を算出してもよい。つまり、変化量算出部１３は、上述したようにモデルの偏微分を用いずにＫＰＩの変化量を求めてもよい。また、上記では、予測値の変化によるＫＰＩの変化量の積算値をスコアとして算出しているが、予測値の変化によるＫＰＩの変化量を平均するなど、所定の演算にて集計した値をスコアとして算出してもよい。
　上記評価部１４は、上述したようにパラメータ毎に算出した各スコアを評価する。例えば、評価部１４は、各スコアの値の大きさ、つまり、パラメータ毎のＫＰＩへの影響度を評価するために、スコアの絶対値をランキングする。一例として、図４に示すように、各パラメータのスコアを大きい順に並べる。このとき、スコアは、パラメータ毎の予測値の変化によるＫＰＩの変化量の積算値の絶対値であるため、値が大きいパラメータほど、ＫＰＩに与える影響度が大きいと言える。なお、評価部１４は、図４に示すようにスコアを並べた表示を、所定の表示装置から出力してもよい。
　そして、評価部１４は、絶対値スコアのランキングに基づいて、ＫＰＩの最適化のために変更設定するパラメータを選択する。例えば、スコアの絶対値が予め設定された閾値を超えているパラメータや、スコアの絶対値が大きい方から所定数のパラメータを選択する。なお、評価部１４は、選択したパラメータの数が、予め設定された上限数よりも多い場合には、実際にパラメータを変更設定することが困難であるため、再選定を行うと判断する。
　なお、評価部１４は、上述したスコアのうち、値が負である負のスコアもランキングする。一例として、図５に示すように、各パラメータの負のスコアを負の方向に大きい順に表示する。このとき、負の方向にスコアの値が大きいパラメータは、ＫＩＰに対して負の影響が大きいといえ、パラメータ間の相関が強い可能性が高いと考えられる。このため、評価部１４は、負の方向に閾値以上の負のスコアが存在する場合は、モデルを再構築するなどの対応を取ると判断する。
　上記最適化部１５（算出部）は、評価部１４で選択されたパラメータについて、ＫＰＩを最適化できる最適値を算出する。例えば、パラメータ算出部１５は、モデルを用いて、選択された一部又は全てのパラメータの値を変更してＫＰＩを算出し、かかるＫＰＩが最適となるような各パラメータの最適値を算出する。
　そして、最適化部１５は、算出したパラメータの最適値を適用したときのＫＰＩを評価する。例えば、最適化部１５は、各パラメータの最適値を適用したときのＫＰＩが、予め設定された閾値以上に向上しているか否かを調べる。
　上記設定部１６は、各パラメータの最適値を適用したときのＫＰＩが、予め設定された閾値以上に向上している場合には、各パラメータの最適値を実際のプラントである監視対象２０に設定する。なお、各パラメータの最適値のプラントへの設定は、作業者が手動で行ってもよい。
　［動作］
　次に、上述した情報処理装置１０の動作を、図６のフローチャートを参照して説明する。まず、情報処理装置１０は、モデルとプラントデータとを読み出す（ステップＳ１）。そして、情報処理装置１０は、モデルを用いて、パラメータ毎に、所定時点のパラメータの実データからＫＰＩを最適と考えられる値に近づけるようパラメータを変化させた予測値を算出する（ステップＳ２）。特に、情報処理装置１０は、パラメータの最適値への変化経路を表す最適化経路を算出して、当該最適化経路上の複数の予測値を算出する。
　続いて、情報処理装置１０は、パラメータ毎に、パラメータの予測値の変化によるＫＰＩの変化量を算出する。このとき、情報処理装置１０は、パラメータ毎に、当該パラメータの各予測値への変化に伴うモデルの偏微分値の積算値を算出し、かかる積算値をスコアとして算出する（ステップＳ３）。
　続いて、情報処理装置１０は、パラメータ毎に算出したスコアの絶対値をランキング化する（ステップＳ４）。例えば、図４に示すように、各パラメータのスコアの絶対値を大きい順に並べる。併せて、情報処理装置１０は、各パラメータのスコアのうち、負の値であるものもランキング化する。例えば、図５に示すように、各パラメータの負のスコアを小さい順、つまり、負の方向に大きい順に並べる。そして、情報処理装置１０は、負のスコアの値が負の方向に大きいことにより、そのパラメータがＫＰＩに負の影響を大きく与えるものであるか否かを調べる。このとき、負の影響を大きく与えるパラメータがある場合には（ステップＳ５でＮｏ）、パラメータ間の相関が強い可能性が高いため、モデルを再構築するなどの対応を取る。例えば、主成分分析などを用いて次元を圧縮してモデルを再構築する。
　一方、情報処理装置１０は、負のスコアのランキング化の結果、例えば全ての負のスコアが負の方向に閾値以上に大きくなく、全てのパラメータの負の影響が十分小さいと判断できる場合には（ステップＳ５でＹｅｓ）、上述したスコアの絶対値のランキングからパラメータを選択する。このとき、情報処理装置１０は、スコアの絶対値が閾値を超えているパラメータの数を調べ、その数が上限値を超えていない場合は、かかるパラメータを選択する（ステップＳ６でＹｅｓ）。なお、スコアの絶対値は、値が大きいパラメータほどＫＰＩに与える影響度が大きいと言えるため、このように値が大きいパラメータをＫＰＩの最適化のために変更設定するパラメータとして選択する。一方で、スコアの絶対値が閾値を超えているパラメータの数が上限値を超えている場合は（ステップＳ６でＮｏ）、実際にパラメータを変更設定することが困難であるため、例えば、変更するパラメータを事前に制限したり、パラメータの予測値の算出方法を変更するなどして、パラメータの再選定を行う。
　続いて、情報処理装置１０は、選択されたパラメータについて、ＫＰＩを最適化できる最適値を算出する（ステップＳ７）。そして、情報処理装置１０は、算出したパラメータの最適値を適用したときのＫＰＩが、予め設定された閾値以上に向上しているか否かを調べる（ステップＳ８）。各パラメータの最適値を適用したときのＫＰＩが、予め設定された閾値以上に向上している場合には（ステップＳ８でＹｅｓ）、各パラメータの最適値を実際のプラントである監視対象２０に設定する（ステップＳ９）。一方、ＫＰＩが向上していない場合には（ステップＳ８でＮｏ）、上述同様にパラメータの再選定やモデルの再構築を行う。
　以上のように、本発明によると、まず、モデルを用いて、パラメータ毎に、パラメータの最適化経路を算出する。そして、パラメータ毎に、パラメータの最適化経路に沿った予測値を用いて、当該パラメータの変化に応じたＫＰＩの変化量を算出する。このように、パラメータ毎にＫＰＩの変化量を調べることで、パラメータのＫＰＩに対する影響度合いを調べることができ、モデルに用いられるパラメータが多数存在する場合であっても、ＫＰＩの最適化に適切なパラメータを選択することができる。その結果、ＫＰＩといった対象の状態を容易に最適化することができる。
　＜実施形態２＞
　次に、本発明の第２の実施形態を、図７を参照して説明する。図７は、実施形態２における情報処理装置の構成を示すブロック図である。なお、本実施形態では、実施形態１で説明した情報処理装置の構成の概略を示している。
　図７に示すように、本実施形態における情報処理装置１００は、
　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出する予測値算出部１１０と、
　説明変数ごとに、当該説明変数の予測値とモデルとを用いて、当該説明変数の変化による目的変数の変化量を算出する変化量算出部１２０と、
を備える。
　なお、上述した予測値算出部１１０と変化量算出部１２０とは、情報処理装置１００が装備する演算装置がプログラムを実行することで構築されるものであってもよく、電子回路で構築されるものであってもよい。
　そして、上記構成の情報処理装置１００は、
　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出し、
　説明変数ごとに、当該説明変数の予測値とモデルとを用いて、当該説明変数の変化による目的変数の変化量を算出する、
という処理を実行するよう作動する。
　上記発明によると、説明変数ごとに、当該説明変数の予測値を算出し、かかる予測値の変化による対象の状態を表す目的変数の変化量を算出しているため、説明変数の目的変数に対する影響度合いを容易に調べることができる。その結果、影響のある説明変数を選択して変更設定することで、容易に目的変数である対象の状態を最適化することができる。
　＜付記＞
　上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明における情報処理装置、情報処理方法、プログラムの構成の概略を説明する。但し、本発明は、以下の構成に限定されない。
（付記１）
　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出する予測値算出部と、
　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する変化量算出部と、
を備えた情報処理装置。
（付記２）
　付記１に記載の情報処理装置であって、
　前記予測値算出部は、前記説明変数ごとに、前記目的変数を所望の値に近づける当該説明変数の前記予測値を複数算出し、
　前記変化量算出部は、前記説明変数ごとに、当該説明変数の複数の前記予測値と前記モデルとを用いて、当該説明変数の複数の前記予測値間の変化による前記目的変数の変化量を算出する、
情報処理装置。
（付記３）
　付記２に記載の情報処理装置であって、
　前記予測値算出部は、前記説明変数ごとに、前記目的変数を所望の値に近づける当該説明変数の前記予測値の連続値である変化経路を算出して、当該変化経路上の複数の前記説明変数の前記予測値を算出する、
情報処理装置。
（付記４）
　付記２又は３に記載の情報処理装置であって、
　前記変化量算出部は、前記説明変数ごとに、当該説明変数の複数の前記予測値間の変化毎の前記目的変数の変化量を所定の演算にて集計して、当該集計した値を当該目的変数の変化量とする、
情報処理装置。
（付記５）
　付記４に記載の情報処理装置であって、
　前記変化量算出部は、前記説明変数ごとに、当該説明変数の複数の前記予測値間の変化毎の前記目的変数の変化量を積算して、当該積算した値を当該目的変数の変化量とする、
情報処理装置。
（付記６）
　付記１乃至５のいずれかに記載の情報処理装置であって、
　前記変化量算出部は、前記説明変数ごとに、当該説明変数による前記モデルの偏微分を用いて前記目的変数の変化量を算出する、
情報処理装置。
（付記７）
　付記１乃至６のいずれかに記載の情報処理装置であって、
　前記説明変数ごとに算出した前記目的変数の変化量の値に基づいて、前記説明変数を評価する評価部を備えた、
情報処理装置。
（付記８）
　付記７に記載の情報処理装置であって、
　前記評価部は、前記説明変数ごとに算出した前記目的変数の変化量の値に基づいて、前記説明変数を選択する、
情報処理装置。
（付記９）
　付記８に記載の情報処理装置であって、
　前記評価部は、前記説明変数ごとに算出した前記目的変数の変化量の絶対値が大きい所定数の前記説明変数を選択する、
情報処理装置。
（付記１０）
　付記８又は９に記載の情報処理装置であって、
　選択された前記説明変数の設定値を算出し、当該説明変数の設定値と前記モデルとを用いて前記目的変数の値を算出する算出部を備えた、
情報処理装置。
（付記１１）
　情報処理装置に、
　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出する予測値算出部と、
　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する変化量算出部と、
を実現させるためのプログラム。
（付記１２）
　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出し、
　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する、
情報処理方法。
（付記１２．１）
　付記１２に記載の情報処理方法であって、
　前記説明変数ごとに、前記目的変数を所望の値に近づける当該説明変数の前記予測値を複数算出し、
　前記説明変数ごとに、当該説明変数の複数の前記予測値と前記モデルとを用いて、当該説明変数の複数の前記予測値間の変化による前記目的変数の変化量を算出する、
情報処理方法。
（付記１２．２）
　付記１２．１に記載の情報処理方法であって、
　前記説明変数ごとに、前記目的変数を所望の値に近づける当該説明変数の前記予測値の連続値である変化経路を算出して、当該変化経路上の複数の前記説明変数の前記予測値を算出する、
情報処理方法。
（付記１２．３）
　付記１２．１又は１２．２に記載の情報処理方法であって、
　前記説明変数ごとに、当該説明変数の複数の前記予測値間の変化毎の前記目的変数の変化量を所定の演算にて集計して、当該集計した値を当該目的変数の変化量とする、
情報処理方法。
（付記１２．４）
　付記１２．３に記載の情報処理方法であって、
　前記説明変数ごとに、当該説明変数の複数の前記予測値間の変化毎の前記目的変数の変化量を積算して、当該積算した値を当該目的変数の変化量とする、
情報処理方法。
（付記１２．５）
　付記１２乃至１２．４のいずれかに記載の情報処理方法であって、
　前記説明変数ごとに、当該説明変数による前記モデルの偏微分を用いて前記目的変数の変化量を算出する、
情報処理方法。
（付記１２．６）
　付記１２乃至１２．５のいずれかに記載の情報処理方法であって、
　前記説明変数ごとに算出した前記目的変数の変化量の値に基づいて、前記説明変数を評価する、
情報処理方法。
（付記１２．７）
　付記１２．６に記載の情報処理方法であって、
　前記説明変数を評価する際に、前記説明変数ごとに算出した前記目的変数の変化量の値に基づいて、前記説明変数を選択する、
情報処理方法。
（付記１２．８）
　付記１２．７に記載の情報処理方法であって、
　前記説明変数ごとに算出した前記目的変数の変化量の絶対値が大きい所定数の前記説明変数を選択する、
情報処理方法。
（付記１２．９）
　付記１２．７又は１２．８に記載の情報処理方法であって、
　選択された前記説明変数の設定値を算出し、当該説明変数の設定値と前記モデルとを用いて前記目的変数の値を算出する、
情報処理方法。
　なお、上述したプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
　以上、上記実施形態等を参照して本願発明を説明したが、本願発明は、上述した実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明の範囲内で当業者が理解しうる様々な変更をすることができる。
１０　情報処理装置
１１　データ計測部
１２　予測値算出部
１３　変化量算出部
１４　評価部
１５　最適化部
１６　設定部
１８　データ記憶部
１９　モデル記憶部
１００　情報処理装置
１１０　予測値算出部
１２０　変化量算出部
 

Claims (12)

  1. 　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出する予測値算出部と、
    　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する変化量算出部と、
    を備えた情報処理装置。
  2. 　請求項１に記載の情報処理装置であって、
    　前記予測値算出部は、前記説明変数ごとに、前記目的変数を所望の値に近づける当該説明変数の前記予測値を複数算出し、
    　前記変化量算出部は、前記説明変数ごとに、当該説明変数の複数の前記予測値と前記モデルとを用いて、当該説明変数の複数の前記予測値間の変化による前記目的変数の変化量を算出する、
    情報処理装置。
  3. 　請求項２に記載の情報処理装置であって、
    　前記予測値算出部は、前記説明変数ごとに、前記目的変数を所望の値に近づける当該説明変数の前記予測値の連続値である変化経路を算出して、当該変化経路上の複数の前記説明変数の前記予測値を算出する、
    情報処理装置。
  4. 　請求項２又は３に記載の情報処理装置であって、
    　前記変化量算出部は、前記説明変数ごとに、当該説明変数の複数の前記予測値間の変化毎の前記目的変数の変化量を所定の演算にて集計して、当該集計した値を当該目的変数の変化量とする、
    情報処理装置。
  5. 　請求項４に記載の情報処理装置であって、
    　前記変化量算出部は、前記説明変数ごとに、当該説明変数の複数の前記予測値間の変化毎の前記目的変数の変化量を積算して、当該積算した値を当該目的変数の変化量とする、
    情報処理装置。
  6. 　請求項１乃至５のいずれかに記載の情報処理装置であって、
    　前記変化量算出部は、前記説明変数ごとに、当該説明変数による前記モデルの偏微分を用いて前記目的変数の変化量を算出する、
    情報処理装置。
  7. 　請求項１乃至６のいずれかに記載の情報処理装置であって、
    　前記説明変数ごとに算出した前記目的変数の変化量の値に基づいて、前記説明変数を評価する評価部を備えた、
    情報処理装置。
  8. 　請求項７に記載の情報処理装置であって、
    　前記評価部は、前記説明変数ごとに算出した前記目的変数の変化量の値に基づいて、前記説明変数を選択する、
    情報処理装置。
  9. 　請求項８に記載の情報処理装置であって、
    　前記評価部は、前記説明変数ごとに算出した前記目的変数の変化量の絶対値が大きい所定数の前記説明変数を選択する、
    情報処理装置。
  10. 　請求項８又は９に記載の情報処理装置であって、
    　選択された前記説明変数の設定値を算出し、当該説明変数の設定値と前記モデルとを用いて前記目的変数の値を算出する算出部を備えた、
    情報処理装置。
  11. 　情報処理装置に、
    　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出する予測値算出部と、
    　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する変化量算出部と、
    を実現させるためのプログラム。
  12. 　複数の説明変数を用いて対象の状態を表す目的変数を算出するモデルに基づいて、前記説明変数ごとに、当該説明変数の所定時点の値に基づいて変化する当該説明変数の予測値を算出し、
    　前記説明変数ごとに、当該説明変数の前記予測値と前記モデルとを用いて、当該説明変数の変化による前記目的変数の変化量を算出する、
    情報処理方法。
     
PCT/JP2018/043592 2018-11-27 2018-11-27 情報処理装置 WO2020110201A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/295,986 US20220004154A1 (en) 2018-11-27 2018-11-27 Information processing apparatus
JP2020557437A JP7107386B2 (ja) 2018-11-27 2018-11-27 情報処理装置
PCT/JP2018/043592 WO2020110201A1 (ja) 2018-11-27 2018-11-27 情報処理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/043592 WO2020110201A1 (ja) 2018-11-27 2018-11-27 情報処理装置

Publications (1)

Publication Number Publication Date
WO2020110201A1 true WO2020110201A1 (ja) 2020-06-04

Family

ID=70854185

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/043592 WO2020110201A1 (ja) 2018-11-27 2018-11-27 情報処理装置

Country Status (3)

Country Link
US (1) US20220004154A1 (ja)
JP (1) JP7107386B2 (ja)
WO (1) WO2020110201A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023101958A1 (en) * 2021-11-30 2023-06-08 Aveva Software, Llc Servers, systems, and methods for fast determination of optimal setpoint values
WO2024029189A1 (ja) * 2022-08-03 2024-02-08 日立Astemo株式会社 開発支援システム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10133749A (ja) * 1996-10-31 1998-05-22 Sekisui Chem Co Ltd フィードバック制御を行うプラント設備の原料品質管理装置
JPH11203335A (ja) * 1998-01-08 1999-07-30 Toshiba Mach Co Ltd 最適設計方法およびその装置
JP2010250599A (ja) * 2009-04-16 2010-11-04 Mitsubishi Electric Corp 組合せ最適解を求めるデータ処理方法およびデータ処理装置
WO2011125221A1 (ja) * 2010-04-09 2011-10-13 東芝三菱電機産業システム株式会社 圧延材冷却制御装置、圧延材冷却制御方法、圧延材冷却制御プログラム
JP2018147280A (ja) * 2017-03-07 2018-09-20 株式会社日立ソリューションズ データ分析装置及びデータ分析方法
JP2018151771A (ja) * 2017-03-10 2018-09-27 荏原環境プラント株式会社 プロセス管理支援装置および方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10133749A (ja) * 1996-10-31 1998-05-22 Sekisui Chem Co Ltd フィードバック制御を行うプラント設備の原料品質管理装置
JPH11203335A (ja) * 1998-01-08 1999-07-30 Toshiba Mach Co Ltd 最適設計方法およびその装置
JP2010250599A (ja) * 2009-04-16 2010-11-04 Mitsubishi Electric Corp 組合せ最適解を求めるデータ処理方法およびデータ処理装置
WO2011125221A1 (ja) * 2010-04-09 2011-10-13 東芝三菱電機産業システム株式会社 圧延材冷却制御装置、圧延材冷却制御方法、圧延材冷却制御プログラム
JP2018147280A (ja) * 2017-03-07 2018-09-20 株式会社日立ソリューションズ データ分析装置及びデータ分析方法
JP2018151771A (ja) * 2017-03-10 2018-09-27 荏原環境プラント株式会社 プロセス管理支援装置および方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023101958A1 (en) * 2021-11-30 2023-06-08 Aveva Software, Llc Servers, systems, and methods for fast determination of optimal setpoint values
WO2024029189A1 (ja) * 2022-08-03 2024-02-08 日立Astemo株式会社 開発支援システム

Also Published As

Publication number Publication date
US20220004154A1 (en) 2022-01-06
JP7107386B2 (ja) 2022-07-27
JPWO2020110201A1 (ja) 2021-11-11

Similar Documents

Publication Publication Date Title
CN109074051B (zh) 质量管理装置、质量管理方法及记录介质
JP5091604B2 (ja) 分布の評価方法、製品の製造方法、分布の評価プログラム及び分布の評価システム
CN108280543B (zh) 基于分类回归模式的工况自适应的设备健康度评估方法
JP5610695B2 (ja) プラント監視用の方法、プログラム及び装置
US10228994B2 (en) Information processing system, information processing method, and program
JP2011175540A (ja) 予測・診断モデルの構築装置
WO2020110201A1 (ja) 情報処理装置
JP5621967B2 (ja) 異常データ分析システム
WO2019087508A1 (ja) 監視対象選定装置、監視対象選定方法、およびプログラム
CN117272179A (zh) 基于物联网的设备状态检测系统及方法
JP2011253275A (ja) プラントシミュレータ
JP2010218301A (ja) 異常診断装置、異常診断方法及び異常診断プログラム
CN111947688B (zh) 操作和预测性监测现场设备的方法
JP2005242818A (ja) 品質影響要因解析方法、品質予測方法、品質制御方法、品質影響要因解析装置、品質予測装置、品質制御装置、品質影響要因解析システム、品質予測システム、品質制御システム、及びコンピュータプログラム
US20160018372A1 (en) Method for operating a measuring site
EP2631724B1 (en) Method for measuring health index of plant in which state of lower component is reflected, and computer-readable storage medium in which program for performing the method is stored
KR102110319B1 (ko) 학습 데이터 생성 시스템
JP2018077634A (ja) プラント設備劣化診断装置
EP4068027B1 (en) Health assessment of a mechanical system
JP2018159111A (ja) 高炉炉況状態判定装置及び高炉の操業方法
JP3035089B2 (ja) プロセスの特性推定方法およびその装置ならびにその推定方法を用いたプロセスの監視方法およびプロセスの制御方法
JP2021188962A (ja) センサドリフト診断装置、センサドリフト診断方法およびセンサドリフト診断プログラム
JP2022077850A (ja) 情報処理装置、システム、生産設備、情報処理方法、物品の製造方法、制御プログラム、及び記録媒体
KR101615346B1 (ko) 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체
JP7149499B2 (ja) データ分析方法、データ分析装置及びデータ分析プログラム

Legal Events

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

Ref document number: 18941688

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020557437

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18941688

Country of ref document: EP

Kind code of ref document: A1