JP7048216B2 - 情報処理装置、情報処理方法およびプログラム - Google Patents
情報処理装置、情報処理方法およびプログラム Download PDFInfo
- Publication number
- JP7048216B2 JP7048216B2 JP2017065894A JP2017065894A JP7048216B2 JP 7048216 B2 JP7048216 B2 JP 7048216B2 JP 2017065894 A JP2017065894 A JP 2017065894A JP 2017065894 A JP2017065894 A JP 2017065894A JP 7048216 B2 JP7048216 B2 JP 7048216B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- evaluation
- state quantity
- probability
- values
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 24
- 238000003672 processing method Methods 0.000 title claims description 4
- 238000011156 evaluation Methods 0.000 claims description 185
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000013179 statistical model Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 239000007789 gas Substances 0.000 description 14
- 238000005259 measurement Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06N5/041—Abduction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Business, Economics & Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、情報処理装置、情報処理方法およびプログラムに関する。
発電プラント等のプラントにおいて、プラントを構成する対象装置の運用時の温度および圧力等の対象装置の状態量を監視装置が収集し、収集した状態量を用いて装置の保守および監視等に用いることが検討されている。
監視装置が、装置の運用者が使用し易いように収集した状態量を加工して、装置の保守および監視等を実行することが提案されている。例えば、特許文献１には、コンピュータが、収集された産業用プラントの状態量の欠落部分を検出すると、補完処理を実行し、欠落した状態量の値を算出することが提案されている。
また、補完処理により、欠落した状態量の値の設定を行う際には、物理モデルおよび統計モデル等のモデルが用いられることが知られている。
監視装置が、装置の運用者が使用し易いように収集した状態量を加工して、装置の保守および監視等を実行することが提案されている。例えば、特許文献１には、コンピュータが、収集された産業用プラントの状態量の欠落部分を検出すると、補完処理を実行し、欠落した状態量の値を算出することが提案されている。
また、補完処理により、欠落した状態量の値の設定を行う際には、物理モデルおよび統計モデル等のモデルが用いられることが知られている。
特許文献１には、情報処理装置が補完処理を実行することにより、欠落した状態量の値を補完することは開示されているものの、欠落した状態量の値の具体的な設定方法については開示されていない。
また、装置の状態量が取る値は、一定の確率分布に従うが、このような確率分布を考慮して、各々のモデルにより推定された状態量の推定値を基に、欠落した状態量の値を設定することは行われていなかった。
本発明は、上記の課題に鑑みてされたものであって、状態量の値の確率分布を考慮して、各々のモデルにより算出された状態量の推定値を基に、対象装置の管理に用いる状態量の値を適切に設定することを目的とする。
また、装置の状態量が取る値は、一定の確率分布に従うが、このような確率分布を考慮して、各々のモデルにより推定された状態量の推定値を基に、欠落した状態量の値を設定することは行われていなかった。
本発明は、上記の課題に鑑みてされたものであって、状態量の値の確率分布を考慮して、各々のモデルにより算出された状態量の推定値を基に、対象装置の管理に用いる状態量の値を適切に設定することを目的とする。
本発明の第１の態様によれば、情報処理装置は、対象装置の複数の状態量の計測値に基づいて、管理すべき状態量のうち値が欠落している状態量を目的状態量として検出する欠落検出部と、前記対象装置を説明する複数のモデルを用いて、前記目的状態量に係る複数の推定値をそれぞれ推定する推定部と、前記目的状態量の値から前記対象装置の管理の評価項目の値である評価値を求める関数に基づいて、前記複数の推定値のそれぞれについて前記評価値を算出する評価値算出部と、前記評価項目の複数の評価値と各評価値を取る確率との関係を示す既知の確率分布に基づいて、前記複数の評価値それぞれに対応する複数の確率を特定する確率特定部と、前記複数の推定値と前記複数の確率とに基づいて、前記対象装置の管理に用いる前記目的状態量の値を特定する管理値特定部とを備える。
本発明の第２の態様によれば、第１の態様に係る情報処理装置において、前記関数は、計測および予測ができない状態量である不明状態量の値ならびに前記目的状態量の値から前記評価値を求める関数であって、前記評価値算出部は、値が不明な状態量である不明状態量がとり得る複数の値に基づいて、前記複数の推定値別に複数の評価値をそれぞれ算出し、前記確率特定部は、前記不明状態量の値を前提条件とした前記評価項目の値の条件付き確率分布に基づいて、前記複数の推定値別の複数の評価値それぞれに対応する前記複数の確率を特定し、前記管理値特定部は、前記複数の推定値別の複数の評価値それぞれに対応する確率の総和に基づいて、前記対象装置の管理に用いる値を特定するものであってよい。
本発明の第３の態様によれば、第１または第２の態様に係る情報処理装置において、前記評価値算出部は、複数種類の前記評価項目別の前記関数に基づいて、前記複数の推定値のそれぞれについて、複数種類の前記評価項目それぞれに係る複数の評価値を算出し、前記管理値特定部は、前記複数の目的状態量の値それぞれについての、前記複数種類の評価項目に対応する各確率に基づいて、前記対象装置の管理に用いる値を特定するものであってよい。
本発明の第４の態様によれば、第１から第３の何れかの態様に係る情報処理装置は、前記管理値特定部は、最も高い前記確率に関する前記目的状態量の値を前記対象装置の管理に用いる値として特定するものであってよい。
本発明の第５の態様によれば、第１から第４の何れかの態様に係る情報処理装置は、前記複数のモデルは、少なくとも統計モデルおよび物理モデルのいずれか一方を含むものであってよい。
本発明の第６の態様によれば、第５の態様に係る情報処理装置は、過去の前記状態量の値に基づいて前記統計モデルを更新するモデル更新部をさらに備え、前記確率特定部は、更新された前記統計モデルを用いて推定された推定値に対応する確率を特定するものであってよい。
本発明の第７の態様によれば、情報処理方法は、対象装置の複数の状態量の計測値に基づいて、管理すべき状態量のうち値が欠落している状態量を目的状態量として検出することと、前記対象装置を説明する複数のモデルを用いて、前記目的状態量に係る複数の推定値をそれぞれ推定することと、前記目的状態量の値から前記対象装置の管理の評価項目の値である評価値を求める関数に基づいて、前記複数の推定値のそれぞれについて前記評価値を算出することと、前記評価項目の複数の評価値と各評価値を取る確率との関係を示す既知の確率分布に基づいて、前記複数の評価値それぞれに対応する複数の確率を特定することと、前記複数の推定値と前記複数の確率とに基づいて、前記対象装置の管理に用いる前記目的状態量の値を特定することとを有する。
本発明の第８の態様によれば、プログラムは、コンピュータに、対象装置の複数の状態量の計測値に基づいて、管理すべき状態量のうち値が欠落している状態量を目的状態量として検出することと、前記対象装置を説明する複数のモデルを用いて、前記目的状態量に係る複数の推定値をそれぞれ推定することと、前記目的状態量の値から前記対象装置の管理の評価項目の値である評価値を求める関数に基づいて、前記複数の推定値のそれぞれについて前記評価値を算出することと、前記評価項目の複数の評価値と各評価値を取る確率との関係を示す既知の確率分布に基づいて、前記複数の評価値それぞれに対応する複数の確率を特定することと、前記複数の推定値と前記複数の確率とに基づいて、前記対象装置の管理に用いる前記目的状態量の値を特定することとを実行させる。
上記態様のうち少なくとも１つの態様に係る情報処理装置は、状態量の値の確率分布を考慮して、各モデルにより算出された目的状態量の推定値を基に、対象装置の管理に用いる状態量の値を適切に設定することができる。
〈第１の実施形態〉
以下、図面を参照しながら実施形態について詳しく説明する。
図１は、第１の実施形態に係る管理システムの構成を示す概略ブロック図である。
管理システム１は、対象装置１０と、複数の計測器２０と、通信装置３０と、管理装置４０とを備える。
対象装置１０は、管理装置４０による管理対象の装置である。対象装置１０の例としては、例えばガスタービン、蒸気タービン、ボイラ、石炭ガス化炉などが挙げられる。また、環境プラント、化学プラント、および航空機のような交輸システムであってもよい。
計測器２０は、対象装置１０に設けられ、対象装置１０の状態量を計測する。
通信装置３０は、計測器２０が計測した状態量の計測値をネットワークＮを介して管理装置４０に送信する。
管理装置４０は、通信装置３０から受信した計測値に基づいて対象装置１０を管理する。管理装置４０は、情報処理装置の一例である。
以下、図面を参照しながら実施形態について詳しく説明する。
図１は、第１の実施形態に係る管理システムの構成を示す概略ブロック図である。
管理システム１は、対象装置１０と、複数の計測器２０と、通信装置３０と、管理装置４０とを備える。
対象装置１０は、管理装置４０による管理対象の装置である。対象装置１０の例としては、例えばガスタービン、蒸気タービン、ボイラ、石炭ガス化炉などが挙げられる。また、環境プラント、化学プラント、および航空機のような交輸システムであってもよい。
計測器２０は、対象装置１０に設けられ、対象装置１０の状態量を計測する。
通信装置３０は、計測器２０が計測した状態量の計測値をネットワークＮを介して管理装置４０に送信する。
管理装置４０は、通信装置３０から受信した計測値に基づいて対象装置１０を管理する。管理装置４０は、情報処理装置の一例である。
《管理装置の構成》
図２は、第１の実施形態に係る管理装置の構成を示す概略ブロック図である。
管理装置４０は、計測値取得部４０１と、欠落検出部４０２と、モデル記憶部４０３と、推定部４０４と、確率分布記憶部４０５と、確率特定部４０６と、管理値特定部４０７と、管理部４０８ととを備える。
図２は、第１の実施形態に係る管理装置の構成を示す概略ブロック図である。
管理装置４０は、計測値取得部４０１と、欠落検出部４０２と、モデル記憶部４０３と、推定部４０４と、確率分布記憶部４０５と、確率特定部４０６と、管理値特定部４０７と、管理部４０８ととを備える。
計測値取得部４０１は、通信装置３０から、複数の計測器２０によって計測された状態量の計測値を受信する。
欠落検出部４０２は、計測値取得部４０１が取得した複数の計測値に基づいて、管理すべき状態量のうち値が欠落しているものを検出する。ここで、値の欠落とは、時間的または空間的な欠落をいう。例えば、管理部４０８が時間Δｔごとの状態量を管理する場合において、時刻Ｔの計測値と時刻Ｔ＋２Δｔの計測値が取得された場合、欠落検出部４０２は、時刻Ｔ＋Δｔの計測値の欠落を検出する。また例えば、管理部４０８が距離Δｄごとの状態量を管理する場合において、位置（０，０）、位置（２Δｄ，０）、位置（０，２Δｄ）、位置（２Δｄ，２Δｄ）の計測値が取得された場合、位置（０，Δｄ）、位置（Δｄ，０）、位置（Δｄ，Δｄ）、位置（Δｄ，２Δｄ）、位置（２Δｄ，Δｄ）の計測値の欠落を検出する。
欠落検出部４０２は、計測値取得部４０１が取得した複数の計測値に基づいて、管理すべき状態量のうち値が欠落しているものを検出する。ここで、値の欠落とは、時間的または空間的な欠落をいう。例えば、管理部４０８が時間Δｔごとの状態量を管理する場合において、時刻Ｔの計測値と時刻Ｔ＋２Δｔの計測値が取得された場合、欠落検出部４０２は、時刻Ｔ＋Δｔの計測値の欠落を検出する。また例えば、管理部４０８が距離Δｄごとの状態量を管理する場合において、位置（０，０）、位置（２Δｄ，０）、位置（０，２Δｄ）、位置（２Δｄ，２Δｄ）の計測値が取得された場合、位置（０，Δｄ）、位置（Δｄ，０）、位置（Δｄ，Δｄ）、位置（Δｄ，２Δｄ）、位置（２Δｄ，Δｄ）の計測値の欠落を検出する。
モデル記憶部４０３は、対象装置１０の挙動を説明する複数のモデルを記憶する。モデルとしては、統計モデルや物理モデルを用いることができる。このほか、ルールモデルや知識モデルを用いても良い。統計モデルとは、対象装置１０の過去の運用における状態量の値に基づいて、統計学的に対象装置１０の挙動を再現したモデルである。統計モデルは、蓄積された過去の運用における状態量の値に基づいて更新される。物理モデルとは、対象装置１０の設計情報に基づいて、自然法則に倣った数式（例えば、熱力学方程式）により対象装置１０の挙動を再現したモデルである。
推定部４０４は、計測値取得部４０１が取得した計測値に基づいて、モデル記憶部４０３が記憶する各モデルごとに状態量の値を推定する。以下、推定部４０４による推定の対象となる状態量を目的状態量という。つまり、推定部４０４は、異なるモデルを用いて複数の目的状態量の値を算出する。
推定部４０４は、計測値取得部４０１が取得した計測値に基づいて、モデル記憶部４０３が記憶する各モデルごとに状態量の値を推定する。以下、推定部４０４による推定の対象となる状態量を目的状態量という。つまり、推定部４０４は、異なるモデルを用いて複数の目的状態量の値を算出する。
確率分布記憶部４０５は、目的状態量の値とその値をとる確率とを関連付けた確率分布テーブルを記憶する。確率分布テーブルは、対象装置１０の設計情報または過去の状態量の統計によって予め求められたものである。なお、確率分布記憶部４０５は、確率分布テーブルに代えて確率分布関数を記憶してもよい。
確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、推定部４０４による目的状態量の推定値ごとに、その値を取る確率を特定する。
管理値特定部４０７は、確率特定部４０６が特定した確率に基づいて推定部４０４が推定した複数の推定値の中から１つを選択し、対象装置１０の管理に用いる値（管理値）とする。
管理部４０８は、計測値取得部４０１が取得した計測値および管理値特定部４０７が特定した値に基づいて対象装置１０を管理する。対象装置１０の管理の例としては、対象装置１０の状態量が運転許容範囲を逸脱していないか監視すること、対象装置１０の評価項目に係る出力が目標を満たしているかを監視すること、および対象装置１０に制御信号を出力することなどが挙げられる。評価項目の例としては、ＮＯｘ排出量、売電収入額、ガス温度などが挙げられる。
確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、推定部４０４による目的状態量の推定値ごとに、その値を取る確率を特定する。
管理値特定部４０７は、確率特定部４０６が特定した確率に基づいて推定部４０４が推定した複数の推定値の中から１つを選択し、対象装置１０の管理に用いる値（管理値）とする。
管理部４０８は、計測値取得部４０１が取得した計測値および管理値特定部４０７が特定した値に基づいて対象装置１０を管理する。対象装置１０の管理の例としては、対象装置１０の状態量が運転許容範囲を逸脱していないか監視すること、対象装置１０の評価項目に係る出力が目標を満たしているかを監視すること、および対象装置１０に制御信号を出力することなどが挙げられる。評価項目の例としては、ＮＯｘ排出量、売電収入額、ガス温度などが挙げられる。
《管理装置の動作》
図３は、第１の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ２）。推定部４０４は、計測値取得部４０１が取得した計測値を複数のモデルのそれぞれに適用し、欠落が検出された状態量（目的状態量）の推定値をそれぞれ求める（ステップＳ３）。
図３は、第１の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ２）。推定部４０４は、計測値取得部４０１が取得した計測値を複数のモデルのそれぞれに適用し、欠落が検出された状態量（目的状態量）の推定値をそれぞれ求める（ステップＳ３）。
次に、確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、各推定値の出現確率を特定する（ステップＳ４）。そして、管理値特定部４０７は、確率特定部４０６が特定した確率のうち最も高いものを特定し、当該確率に係る推定値を選択することで、欠落が検出された状態量の値を特定する（ステップＳ５）。そして管理部４０８は、計測値取得部４０１が取得した計測値および管理値特定部４０７が特定した値に基づいて対象装置１０を管理する（ステップＳ６）。対象装置１０がガスタービンの場合、例えば、ガスタービン出力指令値を変更する、ＩＧＶの開度設定を変更する、燃料流量を変更する、等により、特定された管理値に基づいて、対象装置１０を管理する。
《動作の具体例》
ここで、具体的な例を用いて第１の実施形態に係る管理値の特定方法について説明する。
図４は、第１の実施形態に係る管理値の特定方法の具体例を示す図である。
目的状態量の値の確率分布が図４に示す分布であり、推定部４０４が第１のモデルに基づく推定値ｅ１と、第２のモデルに基づく推定値ｅ２とを出力した場合について説明する。図４に含まれるグラフＧ１は、縦軸に確率密度をとり、横軸に目的状態量の値をとるグラフである。確率特定部４０６は、目的状態量の確率分布に基づいて、推定値ｅ１の出現確率を求める。図４に示す例においては、推定値ｅ１の出現確率の確率密度は０．２である。また確率特定部４０６は、目的状態量の確率分布に基づいて、推定値ｅ２の出現確率を求める。図４に示す例においては、推定値ｅ２の出現確率の確率密度は０．３である。そして、管理値特定部４０７は、特定した各推定値の出現確率のうち、大きい方に係る推定値を、管理値と特定する。図４に示す例においては、推定値ｅ１の出現確率より推定値ｅ２の出現確率の方が大きいため、管理値特定部４０７は、管理値を推定値ｅ２に決定する。
ここで、具体的な例を用いて第１の実施形態に係る管理値の特定方法について説明する。
図４は、第１の実施形態に係る管理値の特定方法の具体例を示す図である。
目的状態量の値の確率分布が図４に示す分布であり、推定部４０４が第１のモデルに基づく推定値ｅ１と、第２のモデルに基づく推定値ｅ２とを出力した場合について説明する。図４に含まれるグラフＧ１は、縦軸に確率密度をとり、横軸に目的状態量の値をとるグラフである。確率特定部４０６は、目的状態量の確率分布に基づいて、推定値ｅ１の出現確率を求める。図４に示す例においては、推定値ｅ１の出現確率の確率密度は０．２である。また確率特定部４０６は、目的状態量の確率分布に基づいて、推定値ｅ２の出現確率を求める。図４に示す例においては、推定値ｅ２の出現確率の確率密度は０．３である。そして、管理値特定部４０７は、特定した各推定値の出現確率のうち、大きい方に係る推定値を、管理値と特定する。図４に示す例においては、推定値ｅ１の出現確率より推定値ｅ２の出現確率の方が大きいため、管理値特定部４０７は、管理値を推定値ｅ２に決定する。
《作用・効果》
このように、第１の実施形態によれば、管理装置４０は、目的状態量の値の確率分布に基づいて、複数の推定値から対象装置１０の管理に用いる値を特定する。つまり、第１の実施形態によれば、管理装置４０は、目的状態量の値の確率分布を考慮して、各々のモデルにより算出された目的状態量の推定値を基に、対象装置１０の管理に用いる目的状態量の値を適切に設定することができる。
このように、第１の実施形態によれば、管理装置４０は、目的状態量の値の確率分布に基づいて、複数の推定値から対象装置１０の管理に用いる値を特定する。つまり、第１の実施形態によれば、管理装置４０は、目的状態量の値の確率分布を考慮して、各々のモデルにより算出された目的状態量の推定値を基に、対象装置１０の管理に用いる目的状態量の値を適切に設定することができる。
〈第２実施形態〉
第１の実施形態に係る管理装置４０は、目標状態量の値の確率分布に基づいて対象装置１０の管理に用いる目的状態量の値を設定する。これに対し、第２の実施形態に係る管理装置４０は、対象装置１０の管理の評価項目の値の確率分布に基づいて、対象装置１０の管理に用いる目的状態量の値を設定する。評価項目の例としては、ＮＯｘ排出量、売電収入額、ガス温度などが挙げられる。
第１の実施形態に係る管理装置４０は、目標状態量の値の確率分布に基づいて対象装置１０の管理に用いる目的状態量の値を設定する。これに対し、第２の実施形態に係る管理装置４０は、対象装置１０の管理の評価項目の値の確率分布に基づいて、対象装置１０の管理に用いる目的状態量の値を設定する。評価項目の例としては、ＮＯｘ排出量、売電収入額、ガス温度などが挙げられる。
《管理装置の構成》
図５は、第２の実施形態に係る管理装置の構成を示す概略ブロック図である。
第２の実施形態に係る管理装置４０は、第１の実施形態の構成に加えて、評価値算出部４０９をさらに備える。評価値算出部４０９は、推定部４０４が推定した複数の推定値のそれぞれについて、当該推定値と計測値取得部４０１が計測した計測値とを用いて、対象装置１０の評価項目の値を算出する。
図５は、第２の実施形態に係る管理装置の構成を示す概略ブロック図である。
第２の実施形態に係る管理装置４０は、第１の実施形態の構成に加えて、評価値算出部４０９をさらに備える。評価値算出部４０９は、推定部４０４が推定した複数の推定値のそれぞれについて、当該推定値と計測値取得部４０１が計測した計測値とを用いて、対象装置１０の評価項目の値を算出する。
第２の実施形態に係る確率分布記憶部４０５は、評価項目の値とその値をとる確率とを関連付けた確率分布テーブルを記憶する。
第２の実施形態に係る確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、評価値算出部４０９が算出した評価値ごとに、その値を取る確率を特定する。
第２の実施形態に係る確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、評価値算出部４０９が算出した評価値ごとに、その値を取る確率を特定する。
《管理装置の動作》
図６は、第２の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ１０１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ１０２）。推定部４０４は、計測値取得部４０１が取得した計測値を複数のモデルのそれぞれに適用し、欠落が検出された状態量の推定値をそれぞれ求める（ステップＳ１０３）。
図６は、第２の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ１０１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ１０２）。推定部４０４は、計測値取得部４０１が取得した計測値を複数のモデルのそれぞれに適用し、欠落が検出された状態量の推定値をそれぞれ求める（ステップＳ１０３）。
次に、評価値算出部４０９は、推定部４０４が推定した複数の推定値のそれぞれに基づいて、複数の評価項目の値を算出する（ステップＳ１０４）。評価項目の値は、複数の状態量の値を説明変数とする関数によって求めることができる。評価値算出部４０９は、当該関数の説明変数に、計測値または推定値を代入することで、評価値を算出する。
次に、確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、各評価値の出現確率を特定する（ステップＳ１０５）。そして、管理値特定部４０７は、確率特定部４０６が特定した確率のうち最も高いものを特定し、当該確率に係る評価値の算出に用いた推定値を選択することで、欠落が検出された状態量の値を特定する（ステップＳ１０６）。そして管理部４０８は、計測値取得部４０１が取得した計測値および管理値特定部４０７が特定した値に基づいて対象装置１０を管理する（ステップＳ１０７）。
《動作の具体例》
ここで、具体的な例を用いて第２の実施形態に係る管理値の特定方法について説明する。
図７は、第２の実施形態に係る管理値の特定方法の具体例を示す図である。
評価対象の値の確率分布が図７に示す分布であり、推定部４０４が第１のモデルに基づく推定値ｅ１と、第２のモデルに基づく推定値ｅ２とを出力した場合について説明する。図６に含まれるグラフＧ２は、縦軸に確率密度をとり、横軸に確率分布の値をとるグラフである。評価値算出部４０９は、推定値ｅ１に基づいて評価項目の値である評価値ｆ（ｅ１）を算出する。また、評価値算出部４０９は、推定値ｅ２に基づいて評価項目の値である評価値ｆ（ｅ２）を算出する。次に、確率特定部４０６は、評価項目の値の確率分布に基づいて、評価値ｆ（ｅ１）の出現確率を求める。図７に示す例においては、評価値ｆ（ｅ１）の出現確率の確率密度は０．３０である。また確率特定部４０６は、評価項目の値の確率分布に基づいて、評価値ｆ（ｅ２）の出現確率を求める。図７に示す例においては、評価値ｆ（ｅ２）の出現確率の確率密度は０．３５である。そして、管理値特定部４０７は、特定した各評価値の出現確率のうち、大きい方の算出に用いられた推定値を、管理値と特定する。図７に示す例においては、評価値ｆ（ｅ１）の出現確率より評価値ｆ（ｅ２）の出現確率の方が大きいため、管理値特定部４０７は、評価値ｆ（ｅ２）の算出に用いた推定値ｅ２を、管理値とする。
ここで、具体的な例を用いて第２の実施形態に係る管理値の特定方法について説明する。
図７は、第２の実施形態に係る管理値の特定方法の具体例を示す図である。
評価対象の値の確率分布が図７に示す分布であり、推定部４０４が第１のモデルに基づく推定値ｅ１と、第２のモデルに基づく推定値ｅ２とを出力した場合について説明する。図６に含まれるグラフＧ２は、縦軸に確率密度をとり、横軸に確率分布の値をとるグラフである。評価値算出部４０９は、推定値ｅ１に基づいて評価項目の値である評価値ｆ（ｅ１）を算出する。また、評価値算出部４０９は、推定値ｅ２に基づいて評価項目の値である評価値ｆ（ｅ２）を算出する。次に、確率特定部４０６は、評価項目の値の確率分布に基づいて、評価値ｆ（ｅ１）の出現確率を求める。図７に示す例においては、評価値ｆ（ｅ１）の出現確率の確率密度は０．３０である。また確率特定部４０６は、評価項目の値の確率分布に基づいて、評価値ｆ（ｅ２）の出現確率を求める。図７に示す例においては、評価値ｆ（ｅ２）の出現確率の確率密度は０．３５である。そして、管理値特定部４０７は、特定した各評価値の出現確率のうち、大きい方の算出に用いられた推定値を、管理値と特定する。図７に示す例においては、評価値ｆ（ｅ１）の出現確率より評価値ｆ（ｅ２）の出現確率の方が大きいため、管理値特定部４０７は、評価値ｆ（ｅ２）の算出に用いた推定値ｅ２を、管理値とする。
《作用・効果》
このように、第２の実施形態によれば、管理装置４０は、目的状態量に基づいて算出される評価対象の値の確率分布に基づいて、複数の推定値から対象装置１０の管理に用いる値を特定する。つまり、第２の実施形態によれば、管理装置４０は、評価対象の値の確率分布を考慮して、各々のモデルにより算出された目的状態量の推定値を基に、対象装置１０の管理に用いる目的状態量の値を適切に設定することができる。
このように、第２の実施形態によれば、管理装置４０は、目的状態量に基づいて算出される評価対象の値の確率分布に基づいて、複数の推定値から対象装置１０の管理に用いる値を特定する。つまり、第２の実施形態によれば、管理装置４０は、評価対象の値の確率分布を考慮して、各々のモデルにより算出された目的状態量の推定値を基に、対象装置１０の管理に用いる目的状態量の値を適切に設定することができる。
〈第３の実施形態〉
第２の実施形態に係る管理装置４０は、対象装置１０の管理の評価項目の値の確率分布に基づいて、対象装置１０の管理に用いる目的状態量の値を設定する。ここで、評価項目によっては、計測することも予測することもできない状態量によってその値が変動するものがある。例えば、評価項目の１つであるＮＯｘ排出量は、燃焼時の酸素濃度や高音域燃焼ガス滞在時間によって変動するが、これらの値は計測することも予測することもできない。以下、計測することも予測することもできない状態量を不明状態量とよぶ。
第３の実施形態に係る管理装置４０は、不明状態量に鑑みて対象装置１０の管理に用いる目的状態量の値を設定する。なお、管理装置４０の構成は、第２の実施形態と同様である。ただし、第３の実施形態に係る確率分布記憶部４０５は、不明状態量の値ごとに、評価項目の値とその値をとる確率とを関連付けた確率分布テーブルを記憶する。つまり、第３の実施形態に係る確率分布テーブルは、不明状態量の値を前提条件とする条件付き確率分布を示すテーブルである。第３の実施形態においては、確率分布記憶部４０５は、不明状態量の値が第１の範囲内である（値が比較的大きい）場合における確率分布テーブルと、不明状態量の値が第２の範囲内である（値が中程度である）場合における確率分布テーブルと、不明状態量の値が第３の範囲内である（値が比較的小さい）場合における確率分布テーブルとを記憶する。
第２の実施形態に係る管理装置４０は、対象装置１０の管理の評価項目の値の確率分布に基づいて、対象装置１０の管理に用いる目的状態量の値を設定する。ここで、評価項目によっては、計測することも予測することもできない状態量によってその値が変動するものがある。例えば、評価項目の１つであるＮＯｘ排出量は、燃焼時の酸素濃度や高音域燃焼ガス滞在時間によって変動するが、これらの値は計測することも予測することもできない。以下、計測することも予測することもできない状態量を不明状態量とよぶ。
第３の実施形態に係る管理装置４０は、不明状態量に鑑みて対象装置１０の管理に用いる目的状態量の値を設定する。なお、管理装置４０の構成は、第２の実施形態と同様である。ただし、第３の実施形態に係る確率分布記憶部４０５は、不明状態量の値ごとに、評価項目の値とその値をとる確率とを関連付けた確率分布テーブルを記憶する。つまり、第３の実施形態に係る確率分布テーブルは、不明状態量の値を前提条件とする条件付き確率分布を示すテーブルである。第３の実施形態においては、確率分布記憶部４０５は、不明状態量の値が第１の範囲内である（値が比較的大きい）場合における確率分布テーブルと、不明状態量の値が第２の範囲内である（値が中程度である）場合における確率分布テーブルと、不明状態量の値が第３の範囲内である（値が比較的小さい）場合における確率分布テーブルとを記憶する。
《管理装置の動作》
図８は、第３の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ２０１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ２０２）。推定部４０４は、計測値取得部４０１が取得した計測値を複数のモデルのそれぞれに適用し、欠落が検出された状態量の推定値をそれぞれ求める（ステップＳ２０３）。
図８は、第３の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ２０１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ２０２）。推定部４０４は、計測値取得部４０１が取得した計測値を複数のモデルのそれぞれに適用し、欠落が検出された状態量の推定値をそれぞれ求める（ステップＳ２０３）。
次に、管理装置４０は、不明状態量の値（第１の範囲、第２の範囲、第３の範囲）を１つずつ選択し（ステップＳ２０４）、ステップＳ２０５およびステップＳ２０６の処理を実行する。すなわち、評価値算出部４０９は、推定部４０４が推定した複数の推定値のそれぞれについて、当該推定値、ステップＳ２０４で選択された不明状態量の値、およびステップＳ１０１で取得された計測値に基づき、複数の評価項目の値を算出する（ステップＳ２０５）。確率特定部４０６は、ステップＳ２０４で選択された不明状態量の値に関連付けられた確率分布テーブルに基づいて、各評価値の出現確率を特定する（ステップＳ２０６）。
管理装置４０が不明状態量の値ごとに複数の出現確率を算出すると、管理値特定部４０７は、同一の状態量から算出された評価値ごとに、出現確率の総和を算出する（ステップＳ２０７）。つまり、管理値特定部４０７は、同一の状態量から算出された評価値ごとに、不明状態量の値が第１の範囲にあることを前提条件とする評価値の出現確率と、不明状態量の値が第２の範囲にあることを前提条件とする評価値の出現確率と、不明状態量の値が第３の範囲にあることを前提条件とする評価値の出現確率との和を算出する。
そして、管理値特定部４０７は、確率特定部４０６が算出した確率の総和のうち最も高いものを特定し、当該確率に係る評価値の算出に用いた推定値を選択することで、欠落が検出された状態量の値を特定する（ステップＳ２０８）。そして管理部４０８は、計測値取得部４０１が取得した計測値および管理値特定部４０７が特定した値に基づいて対象装置１０を管理する（ステップＳ２０９）。
そして、管理値特定部４０７は、確率特定部４０６が算出した確率の総和のうち最も高いものを特定し、当該確率に係る評価値の算出に用いた推定値を選択することで、欠落が検出された状態量の値を特定する（ステップＳ２０８）。そして管理部４０８は、計測値取得部４０１が取得した計測値および管理値特定部４０７が特定した値に基づいて対象装置１０を管理する（ステップＳ２０９）。
《動作の具体例》
ここで、具体的な例を用いて第３の実施形態に係る管理値の特定方法について説明する。
図９は、第３の実施形態に係る管理値の特定方法の具体例を示す図である。
不明状態量の値によって評価対象の値の確率分布が図９に示すように変化し、推定部４０４が第１のモデルに基づく推定値ｅ１と、第２のモデルに基づく推定値ｅ２とを出力した場合について説明する。
図９に含まれるグラフＧ２－１、グラフＧ２－２、グラフＧ２－３は、いずれも縦軸に確率密度をとり、横軸に確率分布の値をとるグラフである。グラフＧ２－１は、不明状態量の値が第１の範囲にあるときにおける評価対象の値の出現確率の分布を表す。グラフＧ２－２は、不明状態量の値が第２の範囲にあるときにおける評価対象の値の出現確率の分布を表す。グラフＧ２－３は、不明状態量の値が第３の範囲にあるときにおける評価対象の値の出現確率の分布を表す。
ここで、具体的な例を用いて第３の実施形態に係る管理値の特定方法について説明する。
図９は、第３の実施形態に係る管理値の特定方法の具体例を示す図である。
不明状態量の値によって評価対象の値の確率分布が図９に示すように変化し、推定部４０４が第１のモデルに基づく推定値ｅ１と、第２のモデルに基づく推定値ｅ２とを出力した場合について説明する。
図９に含まれるグラフＧ２－１、グラフＧ２－２、グラフＧ２－３は、いずれも縦軸に確率密度をとり、横軸に確率分布の値をとるグラフである。グラフＧ２－１は、不明状態量の値が第１の範囲にあるときにおける評価対象の値の出現確率の分布を表す。グラフＧ２－２は、不明状態量の値が第２の範囲にあるときにおける評価対象の値の出現確率の分布を表す。グラフＧ２－３は、不明状態量の値が第３の範囲にあるときにおける評価対象の値の出現確率の分布を表す。
管理装置４０は、ステップＳ２０４において、不明状態量の値として第１の範囲の値を選択する。評価値算出部４０９は、推定値ｅ１に基づいて不明状態量の値が第１の範囲にある場合における評価項目の値である評価値ｆ１（ｅ１）を算出する。また、評価値算出部４０９は、推定値ｅ２に基づいて不明状態量の値が第１の範囲にある場合における評価項目の値である評価値ｆ１（ｅ２）を算出する。次に、確率特定部４０６は、グラフＧ２－１に示す確率分布に基づいて、評価値ｆ１（ｅ１）の出現確率を求める。図９に示す例においては、評価値ｆ１（ｅ１）の出現確率の確率密度は０．３０である。また確率特定部４０６は、グラフＧ２－１に示す確率分布に基づいて、評価値ｆ１（ｅ２）の出現確率を求める。図９に示す例においては、評価値ｆ１（ｅ２）の出現確率の確率密度は０．３５である。
次に、管理装置４０は、不明状態量の値として第２の範囲の値を選択する。評価値算出部４０９は、推定値ｅ１に基づいて不明状態量の値が第２の範囲にある場合における評価項目の値である評価値ｆ２（ｅ１）を算出する。また、評価値算出部４０９は、推定値ｅ２に基づいて不明状態量の値が第２の範囲にある場合における評価項目の値である評価値ｆ２（ｅ２）を算出する。次に、確率特定部４０６は、グラフＧ２－２に示す確率分布に基づいて、評価値ｆ２（ｅ１）の出現確率を求める。図９に示す例においては、評価値ｆ２（ｅ１）の出現確率の確率密度は０．５０である。また確率特定部４０６は、グラフＧ２－２に示す確率分布に基づいて、評価値ｆ２（ｅ２）の出現確率を求める。図９に示す例においては、評価値ｆ２（ｅ２）の出現確率の確率密度は０．１０である。
次に、管理装置４０は、不明状態量の値として第３の範囲の値を選択する。評価値算出部４０９は、推定値ｅ１に基づいて不明状態量の値が第３の範囲にある場合における評価項目の値である評価値ｆ３（ｅ１）を算出する。また、評価値算出部４０９は、推定値ｅ２に基づいて不明状態量の値が第３の範囲にある場合における評価項目の値である評価値ｆ３（ｅ２）を算出する。次に、確率特定部４０６は、グラフＧ２－３に示す確率分布に基づいて、評価値ｆ３（ｅ１）の出現確率を求める。図９に示す例においては、評価値ｆ３（ｅ１）の出現確率の確率密度は０．１８である。また確率特定部４０６は、グラフＧ２－３に示す確率分布に基づいて、評価値ｆ３（ｅ２）の出現確率を求める。図９に示す例においては、評価値ｆ３（ｅ２）の出現確率の確率密度は０．１５である。
そして、管理値特定部４０７は、推定値ｅ１に基づいて算出した評価値に係る出現確率の総和（０．３０＋０．５０＋０．１８＝０．９８）を算出する。また、管理値特定部４０７は、推定値ｅ２に基づいて算出した評価値に係る出現確率の総和（０．３５＋０．１０＋０．１５＝０．６０）を算出する。そして、管理値特定部４０７は、特定した各出現確率の総和のうち、大きい方の算出に用いられた推定値を、管理値と特定する。図９に示す例においては、推定値ｅ２に基づいて算出した評価値の出現確率より推定値ｅ１に基づいて算出した評価値の出現確率の方が大きいため、管理値特定部４０７は、推定値ｅ１を、管理値とする。
《作用・効果》
このように、第３の実施形態によれば、管理装置４０は、不明状態量がとり得る複数の値に基づいて、評価値の出現確率を特定し、推定値別の複数の評価値それぞれに対応する確率の総和に基づいて、対象装置１０の管理に用いる値を特定する。これにより、管理装置４０は、評価対象の値を算出するにあたって計測することも予測することもできない不明な値がある場合にも、対象装置１０の管理に用いる目的状態量の値を適切に設定することができる。
このように、第３の実施形態によれば、管理装置４０は、不明状態量がとり得る複数の値に基づいて、評価値の出現確率を特定し、推定値別の複数の評価値それぞれに対応する確率の総和に基づいて、対象装置１０の管理に用いる値を特定する。これにより、管理装置４０は、評価対象の値を算出するにあたって計測することも予測することもできない不明な値がある場合にも、対象装置１０の管理に用いる目的状態量の値を適切に設定することができる。
〈第４の実施形態〉
第２、第３の実施形態によれば、管理装置４０は、ある評価項目の値の出現確率に基づいて目的状態量の値を特定する。これに対し、第４の実施形態に係る管理装置４０は、複数の評価項目の値に基づいて目的状態量の値を特定する。例えば、管理装置４０は、ＮＯｘ排出値の値、売電収入額の値、および排出ガス温度の値に基づいて目的状態量の値を特定する。なお、管理装置４０の構成は、第２の実施形態と同様である。
第２、第３の実施形態によれば、管理装置４０は、ある評価項目の値の出現確率に基づいて目的状態量の値を特定する。これに対し、第４の実施形態に係る管理装置４０は、複数の評価項目の値に基づいて目的状態量の値を特定する。例えば、管理装置４０は、ＮＯｘ排出値の値、売電収入額の値、および排出ガス温度の値に基づいて目的状態量の値を特定する。なお、管理装置４０の構成は、第２の実施形態と同様である。
《管理装置の動作》
図１０は、第４の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ３０１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ３０２）。推定部４０４は、計測値取得部４０１が取得した計測値を複数のモデルのそれぞれに適用し、欠落が検出された状態量の推定値をそれぞれ求める（ステップＳ３０３）。
図１０は、第４の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ３０１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ３０２）。推定部４０４は、計測値取得部４０１が取得した計測値を複数のモデルのそれぞれに適用し、欠落が検出された状態量の推定値をそれぞれ求める（ステップＳ３０３）。
次に、管理装置４０は、評価項目の種類を１つずつ選択し、以下のステップＳ２０５～ステップＳ２０７の処理を実行する（ステップＳ２０４）。
まず、評価値算出部４０９は、推定部４０４が推定した複数の推定値のそれぞれに基づいて、ステップＳ２０４で選択した種類に係る評価項目の値を算出する（ステップＳ２０５）。次に、確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、各評価値の出現確率を特定する（ステップＳ２０６）。次に、管理値特定部４０７は、特定した出現確率が所定の閾値（例えば確率密度０．３）以上であるか否かを判定する（ステップＳ２０７）。
まず、評価値算出部４０９は、推定部４０４が推定した複数の推定値のそれぞれに基づいて、ステップＳ２０４で選択した種類に係る評価項目の値を算出する（ステップＳ２０５）。次に、確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、各評価値の出現確率を特定する（ステップＳ２０６）。次に、管理値特定部４０７は、特定した出現確率が所定の閾値（例えば確率密度０．３）以上であるか否かを判定する（ステップＳ２０７）。
管理値特定部４０７は、各種類の評価項目について、出現確率が所定の閾値以上であるか否かを判定すると、出現確率が所定の閾値以上であるとされた項目が最も多い推定値を選択することで、欠落が検出された状態量の値を特定する（ステップＳ２０８）。そして管理部４０８は、計測値取得部４０１が取得した計測値および管理値特定部４０７が特定した値に基づいて対象装置１０を管理する（ステップＳ２０９）。
《動作の具体例》
ここで、具体的な例を用いて第４の実施形態に係る管理値の特定方法について説明する。
図１１は、第４の実施形態に係る管理値の特定方法の具体例を示す図である。
推定部４０４が第１のモデルに基づく推定値ｅ１と、第２のモデルに基づく推定値ｅ２とを出力し、算出すべき評価項目の種類が、ＮＯｘ排出量、売電収入額、排出ガス温度である場合について説明する。
評価値算出部４０９は、推定値ｅ１に基づいてＮＯｘ排出量の評価値、売電収入額の評価値、排出ガス温度の評価値をそれぞれ算出する。また評価値算出部４０９は、推定値ｅ２に基づいてＮＯｘ排出量の評価値、売電収入額の評価値、排出ガス温度の評価値をそれぞれ算出する。次に、確率特定部４０６は、推定値ｅ１から求められたＮＯｘ排出量の評価値、売電収入額の評価値、排出ガス温度の評価値のそれぞれについて、出現確率を求める。同様に、確率特定部４０６は、推定値ｅ２から求められたＮＯｘ排出量の評価値、売電収入額の評価値、排出ガス温度の評価値のそれぞれについて、出現確率を求める。
ここで、具体的な例を用いて第４の実施形態に係る管理値の特定方法について説明する。
図１１は、第４の実施形態に係る管理値の特定方法の具体例を示す図である。
推定部４０４が第１のモデルに基づく推定値ｅ１と、第２のモデルに基づく推定値ｅ２とを出力し、算出すべき評価項目の種類が、ＮＯｘ排出量、売電収入額、排出ガス温度である場合について説明する。
評価値算出部４０９は、推定値ｅ１に基づいてＮＯｘ排出量の評価値、売電収入額の評価値、排出ガス温度の評価値をそれぞれ算出する。また評価値算出部４０９は、推定値ｅ２に基づいてＮＯｘ排出量の評価値、売電収入額の評価値、排出ガス温度の評価値をそれぞれ算出する。次に、確率特定部４０６は、推定値ｅ１から求められたＮＯｘ排出量の評価値、売電収入額の評価値、排出ガス温度の評価値のそれぞれについて、出現確率を求める。同様に、確率特定部４０６は、推定値ｅ２から求められたＮＯｘ排出量の評価値、売電収入額の評価値、排出ガス温度の評価値のそれぞれについて、出現確率を求める。
ここで、管理値特定部４０７は、推定値ｅ１から求められたＮＯｘ排出量の評価値の出現確率、推定値ｅ１から求められた売電収入額の評価値の出現確率、推定値ｅ１から求められた排出ガス温度の評価値の出現確率、推定値ｅ２から求められたＮＯｘ排出量の評価値の出現確率、推定値ｅ２から求められた売電収入額の評価値の出現確率、推定値ｅ２から求められた排出ガス温度の評価値の出現確率、のそれぞれについて、所定の閾値以上であるか否かを判定する。ここでは、図１１に示すように、推定値ｅ１から求められたＮＯｘ排出量の評価値の出現確率、推定値ｅ２から求められたＮＯｘ排出量の評価値の出現確率、および推定値ｅ２から求められた排出ガス温度の評価値の出現確率が閾値以上であり、その他は閾値未満であったものとする。
そして、管理値特定部４０７は、出現確率が閾値以上であるとされた項目が最も多い推定値を管理値と特定する。図１１に示す例においては、推定値ｅ１から求めた評価項目のうち出現確率が閾値以上であるとされた項目の数は１つ、推定値ｅ２から求めた評価項目のうち出現確率が閾値以上であるとされた項目の数は２つであるため、管理値特定部４０７は、推定値ｅ２を、管理値とする。
そして、管理値特定部４０７は、出現確率が閾値以上であるとされた項目が最も多い推定値を管理値と特定する。図１１に示す例においては、推定値ｅ１から求めた評価項目のうち出現確率が閾値以上であるとされた項目の数は１つ、推定値ｅ２から求めた評価項目のうち出現確率が閾値以上であるとされた項目の数は２つであるため、管理値特定部４０７は、推定値ｅ２を、管理値とする。
《作用・効果》
このように、第４の実施形態によれば、管理装置４０は、複数の評価項目に基づいて、対象装置１０の管理に用いる値を特定する。これにより、管理装置４０は、対象装置１０の管理に用いる評価項目が妥当な値となるように、対象装置１０の管理に用いる目的状態量の値を適切に設定することができる。
このように、第４の実施形態によれば、管理装置４０は、複数の評価項目に基づいて、対象装置１０の管理に用いる値を特定する。これにより、管理装置４０は、対象装置１０の管理に用いる評価項目が妥当な値となるように、対象装置１０の管理に用いる目的状態量の値を適切に設定することができる。
なお、第４の実施形態では、管理装置４０は、出現確率が閾値以上であるとされた項目の数に基づいて管理値を特定するが、これに限られない。例えば、他の実施形態においては、管理装置４０は、評価項目ごとの出現確率の総和や加重平均に基づいて管理値を特定してもよいし、出現確率が最も大きい項目の数に基づいて管理値を特定してもよい。
〈第５の実施形態〉
第１から第４の実施形態によれば、管理装置４０は、複数のモデルに基づいて状態量の推定値を生成する。第５の実施形態では、複数のモデルの１つが統計モデルであるときの動作について説明する。
第１から第４の実施形態によれば、管理装置４０は、複数のモデルに基づいて状態量の推定値を生成する。第５の実施形態では、複数のモデルの１つが統計モデルであるときの動作について説明する。
《管理装置の構成》
図１２は、第５の実施形態に係る管理装置の構成を示す概略ブロック図である。
第５の実施形態に係る管理装置４０は、第１の実施形態の構成に加え、さらに状態量記憶部４１０とモデル更新部４１１とを備える。モデル更新部４１１は、モデル記憶部４０３が記憶する複数のモデルのうち統計モデルを状態量記憶部４１０が記憶する過去の状態量の値に基づいて更新する。
図１２は、第５の実施形態に係る管理装置の構成を示す概略ブロック図である。
第５の実施形態に係る管理装置４０は、第１の実施形態の構成に加え、さらに状態量記憶部４１０とモデル更新部４１１とを備える。モデル更新部４１１は、モデル記憶部４０３が記憶する複数のモデルのうち統計モデルを状態量記憶部４１０が記憶する過去の状態量の値に基づいて更新する。
《管理装置の動作》
図１３は、第５の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ３０１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ３０２）。推定部４０４は、計測値取得部４０１が取得した計測値を統計モデルを含む複数のモデルのそれぞれに適用し、欠落が検出された状態量（目的状態量）の推定値をそれぞれ求める（ステップＳ３０３）。
図１３は、第５の実施形態に係る管理装置の動作を示すフローチャートである。
管理装置４０が対象装置１０の管理を開始すると、計測値取得部４０１は、通信装置３０から計測器２０による状態量の計測値を取得する（ステップＳ３０１）。次に、欠落検出部４０２は、計測値取得部４０１が取得した計測値の欠落を検出する（ステップＳ３０２）。推定部４０４は、計測値取得部４０１が取得した計測値を統計モデルを含む複数のモデルのそれぞれに適用し、欠落が検出された状態量（目的状態量）の推定値をそれぞれ求める（ステップＳ３０３）。
次に、確率特定部４０６は、確率分布記憶部４０５が記憶する確率分布に基づいて、各推定値の出現確率を特定する（ステップＳ３０４）。そして、管理値特定部４０７は、確率特定部４０６が特定した確率のうち最も高いものを特定し、当該確率に係る推定値を選択することで、欠落が検出された状態量の値を特定する（ステップＳ３０５）。管理部４０８は、計測値取得部４０１が取得した計測値および管理値特定部４０７が特定した値に基づいて対象装置１０を管理する（ステップＳ３０６）。計測値取得部４０１および管理値特定部４０７は、対象装置１０の管理に用いた値を、状態量記憶部４１０に蓄積させる（ステップＳ３０７）。そして、モデル更新部４１１は、モデル記憶部４０３が記憶する統計モデルを、状態量記憶部４１０に蓄積された値に基づいて更新する（ステップＳ３０８）。
《作用・効果》
このように、第５の実施形態によれば、推定部４０４は、各管理のタイミングにおいて、前回の管理のタイミングにおいて更新された統計モデルを用いて、状態量の値を推定することができる。確率特定部４０６は、更新された統計モデルによる推定値の出現確率を特定することとなる。つまり、第５の実施形態によれば、各管理のタイミングにおいて統計データだけでなく、統計モデル自体も更新することで、統計推定値をより精度よく推定することができる。
なお、第５の実施形態に係る管理装置４０は、統計モデルを過去の状態量の値に基づいて更新するが、これに限られない。例えば他の実施形態においては管理装置４０は、状態量記憶部４１０に状態量を蓄積させる一方で統計モデルの更新をしないものであってもよい。この場合においても、過去の状態量の値が蓄積することにより、統計モデルによる推定の精度が向上し得る。例えば、データの蓄積により「大数の法則」で平均値の推定値が真値に近づくこと、分散の範囲を狭く絞り込むことにより、推定精度の向上が期待できる。
このように、第５の実施形態によれば、推定部４０４は、各管理のタイミングにおいて、前回の管理のタイミングにおいて更新された統計モデルを用いて、状態量の値を推定することができる。確率特定部４０６は、更新された統計モデルによる推定値の出現確率を特定することとなる。つまり、第５の実施形態によれば、各管理のタイミングにおいて統計データだけでなく、統計モデル自体も更新することで、統計推定値をより精度よく推定することができる。
なお、第５の実施形態に係る管理装置４０は、統計モデルを過去の状態量の値に基づいて更新するが、これに限られない。例えば他の実施形態においては管理装置４０は、状態量記憶部４１０に状態量を蓄積させる一方で統計モデルの更新をしないものであってもよい。この場合においても、過去の状態量の値が蓄積することにより、統計モデルによる推定の精度が向上し得る。例えば、データの蓄積により「大数の法則」で平均値の推定値が真値に近づくこと、分散の範囲を狭く絞り込むことにより、推定精度の向上が期待できる。
〈他の実施形態〉
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。
例えば、上述した実施形態に係る管理システム１における管理装置４０は、対象装置１０の管理に用いる値の抽出および特定をする機能を有するが、これに限られない。例えば、他の実施形態に係る管理システム１においては、管理装置４０と別個に対象装置１０の管理に用いる値の抽出および特定をする情報処理装置を備え、管理装置４０は、情報処理装置が特定した値を用いて対象装置１０を管理してもよい。
また例えば、上述した実施形態に係る管理装置４０は、ネットワークＮを介して計測値を取得するが、これに限られない。例えば、他の実施形態に係る管理装置４０は、計測器２０から直接計測値を取得してもよい。この場合、管理システム１は通信装置３０を備えなくてもよい。
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。
例えば、上述した実施形態に係る管理システム１における管理装置４０は、対象装置１０の管理に用いる値の抽出および特定をする機能を有するが、これに限られない。例えば、他の実施形態に係る管理システム１においては、管理装置４０と別個に対象装置１０の管理に用いる値の抽出および特定をする情報処理装置を備え、管理装置４０は、情報処理装置が特定した値を用いて対象装置１０を管理してもよい。
また例えば、上述した実施形態に係る管理装置４０は、ネットワークＮを介して計測値を取得するが、これに限られない。例えば、他の実施形態に係る管理装置４０は、計測器２０から直接計測値を取得してもよい。この場合、管理システム１は通信装置３０を備えなくてもよい。
また、上述した実施形態によれば、管理装置４０は、複数の推定値の中から１つを選択することで、これを対象装置１０の管理に用いる状態量の値とするが、これに限られない。例えば、他の実施形態においては、管理装置４０は、出現確率に応じた重み係数による推定値の加重平均値を求めることで、これを対象装置１０の管理に用いる状態量の値としてもよい。各推定値の重み係数は、出現確率に対して単調増加する。管理装置４０は、例えば、推定値の出現確率をそのまま重み係数として用いてもよい。
また、上述した実施形態によれば、管理装置４０は、欠落が検出された値を推定により求めるが、これに限られない。例えば、他の実施形態においては、管理装置４０は、欠落の有無に関わらず推定により状態量の値を求め、計測値と推定値のそれぞれについて確率分布に基づいて対象装置１０の管理に用いる値を特定してもよい。
〈コンピュータ構成〉
図１２は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９０は、ＣＰＵ９１、主記憶装置９２、補助記憶装置９３、インタフェース９４を備える。
上述の管理装置４０は、コンピュータ９０に実装される。そして、上述した各処理部の動作は、プログラムの形式で補助記憶装置９３に記憶されている。ＣＰＵ９１は、プログラムを補助記憶装置９３から読み出して主記憶装置９２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９１は、プログラムに従って、モデル記憶部４０３および確率分布記憶部４０５に対応する記憶領域を主記憶装置９２に確保する。
図１２は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９０は、ＣＰＵ９１、主記憶装置９２、補助記憶装置９３、インタフェース９４を備える。
上述の管理装置４０は、コンピュータ９０に実装される。そして、上述した各処理部の動作は、プログラムの形式で補助記憶装置９３に記憶されている。ＣＰＵ９１は、プログラムを補助記憶装置９３から読み出して主記憶装置９２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９１は、プログラムに従って、モデル記憶部４０３および確率分布記憶部４０５に対応する記憶領域を主記憶装置９２に確保する。
補助記憶装置９３の例としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disc Read Only Memory）、半導体メモリ等が挙げられる。補助記憶装置９３は、コンピュータ９０のバスに直接接続された内部メディアであってもよいし、インタフェース９４または通信回線を介してコンピュータ９０に接続される外部メディアであってもよい。また、このプログラムが通信回線によってコンピュータ９０に配信される場合、配信を受けたコンピュータ９０が当該プログラムを主記憶装置９２に展開し、上記処理を実行してもよい。少なくとも１つの実施形態において、補助記憶装置９３は、一時的でない有形の記憶媒体である。
また、当該プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、当該プログラムは、前述した機能を補助記憶装置９３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。
１ 管理システム
１０ 対象装置
２０ 計測器
３０ 通信装置
４０ 管理装置（情報処理装置）
４０１ 計測値取得部
４０２ 欠落検出部
４０３ モデル記憶部
４０４ 推定部
４０５ 確率分布記憶部
４０６ 確率特定部
４０７ 管理値特定部
４０８ 管理部
４０９ 評価値算出部
４１０ 状態量記憶部
４１１ モデル更新部
１０ 対象装置
２０ 計測器
３０ 通信装置
４０ 管理装置（情報処理装置）
４０１ 計測値取得部
４０２ 欠落検出部
４０３ モデル記憶部
４０４ 推定部
４０５ 確率分布記憶部
４０６ 確率特定部
４０７ 管理値特定部
４０８ 管理部
４０９ 評価値算出部
４１０ 状態量記憶部
４１１ モデル更新部
Claims (8)
- 対象装置の複数の状態量の計測値に基づいて、管理すべき状態量のうち値が欠落している状態量を目的状態量として検出する欠落検出部と、
前記対象装置を説明する複数のモデルを用いて、前記目的状態量に係る複数の推定値をそれぞれ推定する推定部と、
前記目的状態量の値から前記対象装置の管理の評価項目の値である評価値を求める関数に基づいて、前記複数の推定値のそれぞれについて前記評価値を算出する評価値算出部と、
前記評価項目の複数の評価値と各評価値を取る確率との関係を示す既知の確率分布に基づいて、前記複数の評価値それぞれに対応する複数の確率を特定する確率特定部と、
前記複数の推定値と前記複数の確率とに基づいて、前記対象装置の管理に用いる前記目的状態量の値を特定する管理値特定部と
を備える情報処理装置。 - 前記評価値算出部は、前記関数に基づいて、値が不明な状態量である不明状態量がとり得る複数の値から、前記複数の推定値別に複数の評価値をそれぞれ算出し、
前記確率特定部は、前記不明状態量の値を前提条件とした前記評価項目の値の条件付き確率分布に基づいて、前記複数の推定値別の複数の評価値それぞれに対応する前記複数の確率を特定し、
前記管理値特定部は、前記複数の推定値別の複数の評価値それぞれに対応する確率の総和に基づいて、前記対象装置の管理に用いる値を特定する
請求項１に記載の情報処理装置。 - 前記評価値算出部は、複数種類の前記評価項目別の前記関数に基づいて、前記複数の推定値のそれぞれについて、複数種類の前記評価項目それぞれに係る複数の評価値を算出し、
前記管理値特定部は、前記複数の目的状態量の値それぞれについての、前記複数種類の評価項目に対応する各確率に基づいて、前記対象装置の管理に用いる値を特定する
請求項１または請求項２に記載の情報処理装置。 - 前記管理値特定部は、最も高い前記確率に関する前記目的状態量の値を前記対象装置の管理に用いる値として特定する
請求項１から請求項３の何れか１項に記載の情報処理装置。 - 前記複数のモデルは、少なくとも統計モデルおよび物理モデルのいずれか一方を含む
請求項１から請求項４の何れか１項に記載の情報処理装置。 - 過去の前記状態量の値に基づいて前記統計モデルを更新するモデル更新部をさらに備え、
前記確率特定部は、更新された前記統計モデルを用いて推定された推定値に対応する確率を特定する
請求項５に記載の情報処理装置。 - 対象装置の複数の状態量の計測値に基づいて、管理すべき状態量のうち値が欠落している状態量を目的状態量として検出することと、
前記対象装置を説明する複数のモデルを用いて、前記目的状態量に係る複数の推定値をそれぞれ推定することと、
前記目的状態量の値から前記対象装置の管理の評価項目の値である評価値を求める関数に基づいて、前記複数の推定値のそれぞれについて前記評価値を算出することと、
前記評価項目の複数の評価値と各評価値を取る確率との関係を示す既知の確率分布に基づいて、前記複数の評価値それぞれに対応する複数の確率を特定することと、
前記複数の推定値と前記複数の確率とに基づいて、前記対象装置の管理に用いる前記目的状態量の値を特定することと
を有する情報処理方法。 - コンピュータに、
対象装置の複数の状態量の計測値に基づいて、管理すべき状態量のうち値が欠落している状態量を目的状態量として検出することと、
前記対象装置を説明する複数のモデルを用いて、前記目的状態量に係る複数の推定値をそれぞれ推定することと、
前記目的状態量の値から前記対象装置の管理の評価項目の値である評価値を求める関数に基づいて、前記複数の推定値のそれぞれについて前記評価値を算出することと、
前記評価項目の複数の評価値と各評価値を取る確率との関係を示す既知の確率分布に基づいて、前記複数の評価値それぞれに対応する複数の確率を特定することと、
前記複数の推定値と前記複数の確率とに基づいて、前記対象装置の管理に用いる前記目的状態量の値を特定することと
を実行させるためのプログラム。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017065894A JP7048216B2 (ja) | 2017-03-29 | 2017-03-29 | 情報処理装置、情報処理方法およびプログラム |
| DE112018001727.3T DE112018001727T5 (de) | 2017-03-29 | 2018-03-26 | Informationsberarbeitungsvorrichtung, informationsverarbeitungsverfahren und programm |
| CN201880020929.7A CN110462539B (zh) | 2017-03-29 | 2018-03-26 | 信息处理装置、信息处理方法以及计算机可读存储介质 |
| US16/496,683 US11429693B2 (en) | 2017-03-29 | 2018-03-26 | Information processing device, information processing method, and program |
| PCT/JP2018/011976 WO2018181093A1 (ja) | 2017-03-29 | 2018-03-26 | 情報処理装置、情報処理方法およびプログラム |
| US17/873,306 US20220366012A1 (en) | 2017-03-29 | 2022-07-26 | Information processing device, information processing method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017065894A JP7048216B2 (ja) | 2017-03-29 | 2017-03-29 | 情報処理装置、情報処理方法およびプログラム |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2018169748A JP2018169748A (ja) | 2018-11-01 |
| JP2018169748A5 JP2018169748A5 (ja) | 2020-04-09 |
| JP7048216B2 true JP7048216B2 (ja) | 2022-04-05 |
Family
ID=63676101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017065894A Active JP7048216B2 (ja) | 2017-03-29 | 2017-03-29 | 情報処理装置、情報処理方法およびプログラム |
Country Status (5)
| Country | Link |
|---|---|
| US (2) | US11429693B2 (ja) |
| JP (1) | JP7048216B2 (ja) |
| CN (1) | CN110462539B (ja) |
| DE (1) | DE112018001727T5 (ja) |
| WO (1) | WO2018181093A1 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009205464A (ja) | 2008-02-28 | 2009-09-10 | Gifu Univ | 医療情報処理装置、医療情報処理方法、及び医療情報処理プログラム |
| JP2009222332A (ja) | 2008-03-18 | 2009-10-01 | Hitachi Ltd | ボイラを備えたプラントの制御装置、及びボイラを備えたプラントの制御方法 |
| JP2011253275A (ja) | 2010-06-01 | 2011-12-15 | Yokogawa Electric Corp | プラントシミュレータ |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0677215B2 (ja) * | 1987-07-10 | 1994-09-28 | 出光石油化学株式会社 | プロセスの同定方法 |
| JP4886322B2 (ja) * | 2006-02-28 | 2012-02-29 | 東北電力株式会社 | 風力発電出力予測方法、風力発電出力予測装置およびプログラム |
| JP4989399B2 (ja) * | 2007-09-27 | 2012-08-01 | 三菱電機株式会社 | 情報処理装置及び情報処理方法及びプログラム |
| US8140248B2 (en) * | 2009-04-07 | 2012-03-20 | General Electric Company | System and method for obtaining an optimal estimate of NOx emissions |
| GB201004228D0 (en) * | 2010-03-15 | 2010-04-28 | Bae Systems Plc | Target tracking |
| JP5433640B2 (ja) * | 2011-06-30 | 2014-03-05 | 楽天株式会社 | 情報提供装置、情報提供方法、情報提供プログラム及び記録媒体 |
| JP5783025B2 (ja) * | 2011-12-12 | 2015-09-24 | 三菱マテリアル株式会社 | 切削インサートおよび刃先交換式エンドミル |
| EP2615561A1 (en) * | 2012-01-13 | 2013-07-17 | ATS Group (IP Holdings) Limited | Spatio-temporal regression using decision criteria and rules to select data for regression |
| WO2013121639A1 (ja) * | 2012-02-13 | 2013-08-22 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
| WO2013187295A1 (ja) * | 2012-06-13 | 2013-12-19 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
| JP2014164336A (ja) * | 2013-02-21 | 2014-09-08 | Mitsubishi Electric Corp | モデル分析装置及びモデル分析方法及びモデル分析プログラム |
| US20160004794A1 (en) | 2014-07-02 | 2016-01-07 | General Electric Company | System and method using generative model to supplement incomplete industrial plant information |
| JP6597137B2 (ja) | 2015-09-30 | 2019-10-30 | セイコーエプソン株式会社 | 印刷装置 |
| US11244091B2 (en) * | 2017-01-23 | 2022-02-08 | International Business Machines Corporation | Missing sensor value estimation |
-
2017
- 2017-03-29 JP JP2017065894A patent/JP7048216B2/ja active Active
-
2018
- 2018-03-26 WO PCT/JP2018/011976 patent/WO2018181093A1/ja active Application Filing
- 2018-03-26 DE DE112018001727.3T patent/DE112018001727T5/de active Pending
- 2018-03-26 CN CN201880020929.7A patent/CN110462539B/zh active Active
- 2018-03-26 US US16/496,683 patent/US11429693B2/en active Active
-
2022
- 2022-07-26 US US17/873,306 patent/US20220366012A1/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009205464A (ja) | 2008-02-28 | 2009-09-10 | Gifu Univ | 医療情報処理装置、医療情報処理方法、及び医療情報処理プログラム |
| JP2009222332A (ja) | 2008-03-18 | 2009-10-01 | Hitachi Ltd | ボイラを備えたプラントの制御装置、及びボイラを備えたプラントの制御方法 |
| JP2011253275A (ja) | 2010-06-01 | 2011-12-15 | Yokogawa Electric Corp | プラントシミュレータ |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220366012A1 (en) | 2022-11-17 |
| US11429693B2 (en) | 2022-08-30 |
| DE112018001727T5 (de) | 2019-12-19 |
| CN110462539A (zh) | 2019-11-15 |
| WO2018181093A1 (ja) | 2018-10-04 |
| JP2018169748A (ja) | 2018-11-01 |
| CN110462539B (zh) | 2022-07-22 |
| US20200034407A1 (en) | 2020-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2018138880A9 (ja) | モデルパラメータ値推定装置及び推定方法、プログラム、プログラムを記録した記録媒体、モデルパラメータ値推定システム | |
| JP6354755B2 (ja) | システム分析装置、システム分析方法、及びシステム分析プログラム | |
| JP5437328B2 (ja) | 観測値信頼度評価装置、観測値信頼度評価方法及び観測値信頼度評価プログラム | |
| US20120296605A1 (en) | Method, computer program, and system for performing interpolation on sensor data for high system availability | |
| JP2018112852A (ja) | 故障予知方法、故障予知装置および故障予知プログラム | |
| KR20150056612A (ko) | 플랜트 감시장치, 플랜트 감시프로그램 및 플랜트 감시방법 | |
| JP6183449B2 (ja) | システム分析装置、及び、システム分析方法 | |
| JP6200076B2 (ja) | システムから取得される測定値を評価する方法及びシステム | |
| KR20180137513A (ko) | 감시 장치, 대상 장치의 감시 방법 및 프로그램 | |
| JP5939439B2 (ja) | 異常診断装置 | |
| JP6803788B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| US20160275407A1 (en) | Diagnostic device, estimation method, non-transitory computer readable medium, and diagnostic system | |
| JP7431070B2 (ja) | データ管理システム、および、データ管理方法 | |
| JP7048216B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| KR20220061713A (ko) | 스마트 미터의 결측치 대체 방법 및 이를 이용하는 스마트 미터 제어 시스템 | |
| JP6986358B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| JP6800065B2 (ja) | 管理システム、情報処理方法、プログラム、通信装置 | |
| JP6381282B2 (ja) | 異常検出装置及びプログラム | |
| WO2021229815A1 (ja) | 情報処理装置、評価方法、および評価プログラム | |
| JP2020095451A (ja) | パラメータ推定装置および方法 | |
| JP2019040265A (ja) | 予測装置、予測方法及び予測プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170330 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200225 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200225 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201124 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210122 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210713 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210913 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20220124 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220315 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220324 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7048216 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |