TWI802887B - 顯示裝置、評估方法及評估系統 - Google Patents
顯示裝置、評估方法及評估系統 Download PDFInfo
- Publication number
- TWI802887B TWI802887B TW110119217A TW110119217A TWI802887B TW I802887 B TWI802887 B TW I802887B TW 110119217 A TW110119217 A TW 110119217A TW 110119217 A TW110119217 A TW 110119217A TW I802887 B TWI802887 B TW I802887B
- Authority
- TW
- Taiwan
- Prior art keywords
- evaluation
- model
- display
- aforementioned
- data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Human Computer Interaction (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
[課題]提供一種能夠輕易地獲取適當的評估模型之顯示裝置、評估方法及評估系統。
[解決手段]顯示裝置(60)係具備顯示畫面(D1)。該顯示裝置(60)構成為,能夠在顯示畫面(D1)的第1顯示區域(AR1)中可選地顯示複數個評估模型,能夠在第2顯示區域(AR2)中顯示按照所選擇之第1評估模型評估之評估資料的評估結果,並且能夠在第3顯示區域(AR3)中顯示按照所選擇之第2評估模型評估之評估資料的評估結果。
Description
本發明係有關顯示裝置、評估方法及評估系統。
本申請案係主張基於2020年5月28日申請之日本專利申請第2020-093098號的優先權。該日本申請案的全部內容係藉由參閱而援用於本說明書中。
以往,從設置於工廠等的控制對象物之複數個感測器獲取過程資料,並據此監視和控制控制對象物的運轉狀況。為了依據過程資料監視控制對象物的運轉狀況,有時會利用評估模型。按照既定的評估模型來評估從控制對象物獲取之過程資料可獲得評估結果,可以依據該評估結果來判斷控制對象物是否正常運轉。
為了精確地監視控制對象物的運轉狀況,需要性能良好的評估模型。為了獲取性能良好的評估模型,要進行調整構成評估模型之參數等或比較複數個評估模型彼此來進行篩選之作業,因此需要執行試誤法。
專利文獻1中揭示了用以高效地比較複數個評估模型之模型資訊顯示方法。依據該模型資訊顯示方法,若選擇複數個評估模型,則以使所顯示之資訊量根據所選擇之數量而不同之方式同時顯示複數個評估模型。因此,能夠高效地比較複數個評估模型。
[先前技術文獻]
[專利文獻1]日本特開2018-206283號公報
[發明所欲解決之問題]
然而,專利文獻1中記載之模型資訊顯示方法係僅提供可比較複數個評估模型之顯示方法。因此,無法使獲得適當的評估模型所需之作業充分效率化。
因此,本發明的目的為,提供一種能夠高效地獲取適當的評估模型之顯示裝置、評估方法及評估系統。
[解決問題之技術手段]
本揭示係提供一種具備顯示畫面之顯示裝置。該顯示畫面構成為,能夠在第1顯示區域中可選地顯示複數個評估模型,能夠在第2顯示區域中顯示按照所選擇之第1評估模型評估之評估資料的評估結果,並且能夠在第3顯示區域中顯示按照所選擇之第2評估模型評估之評估資料的評估結果。
再者,評估資料是指藉由評估模型評估之資料。例如,可以對從設置於工廠等的控制對象物之複數個感測器獲取之過程資料(包括未經計算處理之原始資料。)進行評估作為評估資料。
過程資料係即使依據相同的控制資料進行控制,有時亦會根據季節、其他環境而發生變動。進而,評估資料係即使依據相同的控制資料進行控制,有時亦會因控制對象物的零件等的經時變化等而發生變動。
進而可以構成為,能夠在顯示畫面的第4顯示區域中可設定地顯示基於第1評估模型之評估的第1評估基準,並且能夠在顯示畫面的第5顯示區域中可設定地顯示基於第2評估模型之評估的第2評估基準,第2顯示區域係構成為能夠依據所設定之第1評估基準顯示按照所選擇之第1評估模型評估之評估資料的評估結果,並且第3顯示區域係構成為能夠依據所設定之第2評估基準來顯示按照所選擇之第2評估模型評估之評估資料的評估結果。
進而可以構成為,能夠在顯示畫面的第6顯示區域中可設定地顯示評估資料的期間,第2顯示區域係構成為能夠顯示按照第1評估模型評估之所設定之期間的評估資料的評估結果,並且第3顯示區域係構成為能夠顯示按照第2評估模型評估之所設定之期間的評估資料的評估結果。
評估資料的期間是指獲取到評估資料之期間。
第1評估模型係藉由具有既定的參數之機器學習模型依據學習資料範圍(屬於既定範圍內之複數個學習資料)而產生者,顯示裝置係進而可以構成為,能夠在顯示畫面的第7顯示區域中可設定地顯示參數值及學習資料範圍,第2顯示區域係構成為能夠顯示按照藉由機器學習模型產生之評估模型評估之評估資料的評估結果,該機器學習模型具有所設定之參數值。再者,可以在與顯示第1顯示區域至第6顯示區域之顯示畫面相同的顯示畫面內,將參數值或學習資料範圍的至少一部分可設定地顯示於第7顯示區域,亦可以經由第7顯示區域過渡到不同的顯示畫面,並可設定地顯示參數值或學習資料範圍。在前者之情況下,能夠在第7顯示區域中變更參數值等之後,在第2顯示區域中顯示顯示結果,因此能夠高效地獲取適當的評估模型。
在此,機器學習模型係包括使用卷積神經網路(CNN)等的神經網路者、使用高斯過程回歸等的回歸模型者、使用決策樹等的樹演算法者。
學習資料有時亦稱為教學資料。學習資料係例如包括工廠等的控制對象物良好地運轉時的過程資料。進而,學習資料係例如包括工廠等的控制對象物以高輸出良好地運轉時的過程資料、以中輸出良好地運轉時的過程資料及以低輸出良好地運轉時的過程資料。
機器學習的參數係包括可設定之變數。當參數不同時,依據相同的學習資料,會產生不同的評估模型。參數係包括超參數,例如包括決策樹等的層數、神經網路中的中間層的單元數、表示負重衰減之參數等。
第1顯示區域係可以構成為能夠將具有所設定之參數值之機器學習模型與複數個評估模型一並可選地顯示於第1顯示區域。
可以構成為,能夠在第1顯示區域中顯示:表示在複數個評估模型中為了評估從控制對象物獲取之過程資料而過去已使用之評估模型之資訊,和表示在複數個評估模型中為了評估從控制對象物獲取之過程資料而當前使用之評估模型之資訊中的至少一種資訊。
進而可以構成為,在第1顯示區域中可複製或可刪除地顯示在複數個評估模型中選擇之評估模型。
本揭示係提供一種評估方法。該評估方法係包括:在顯示畫面的第1顯示區域中可選地顯示複數個評估模型之步驟;在顯示畫面的第2顯示區域中顯示按照所選擇之第1評估模型評估之評估資料的評估結果之步驟;及在顯示畫面的第3顯示區域中顯示按照所選擇之第2評估模型評估之評估資料的評估結果之步驟。
本揭示係提供一種評估系統。該評估系統係具備:用以選擇複數個評估模型之手段;獲取按照所選擇之第1評估模型評估之評估資料的評估結果之手段;及獲取按照所選擇之第2評估模型評估之評估資料的評估結果之手段。
本揭示係提供一種用以評估工廠的運轉狀況之評估系統。該評估系統係具備選擇第1評估模型和第2評估模型之手段,該第1評估模型係以在第1時期從設置於工廠之感測器獲取之過程資料為學習資料而產生,該第2評估模型係以在第2時期從設置於工廠之感測器獲取之過程資料為學習資料而產生。所選擇之第1評估模型係評估從設置於工廠之感測器獲取之評估資料。評估結果係構成為可進行顯示。所選擇之第2評估模型係評估從設置於工廠之感測器獲取之相同的評估資料。評估結果係構成為可進行顯示。評估資料係可以包括工廠的運轉狀況發生了異常時的過程資料。第1評估模型係可以為藉由具有設定為既定的值之一個或複數個參數之機器學習模型依據學習資料而產生者。一個或複數個參數係可以構成為可設定。當設定新的參數時,可以藉由具有所設定之參數之機器學習模型來產生新的評估模型。
本揭示係提供一種用以評估工廠的運轉狀況之評估方法。該評估方法係包括在顯示畫面的第1顯示區域中可選地顯示第1評估模型和第2評估模型之步驟,該第1評估模型係以在第1時期從設置於工廠之感測器獲取之過程資料為學習資料而產生,該第2評估模型係以在第2時期從設置於工廠之感測器獲取之過程資料為學習資料而產生。又,進一步包括:在顯示畫面的第2顯示區域中顯示按照所選擇之第1評估模型評估之評估資料的評估結果之步驟,和在顯示畫面的第3顯示區域中顯示按照所選擇之第2評估模型評估之評估資料的評估結果之步驟。進一步包括依據所選擇之第1評估模型或第2評估模型中的任一個來評估第2評估資料之步驟。
以下,使用圖式對本發明的實施形態進行說明。以下的實施形態係用以說明本發明之示例,並不旨在將本發明僅限定於該實施形態。
運用本發明之控制對象物包括工廠。工廠係例如以包括鍋爐之發電廠、焚化廠、化工廠、廢水處理廠等能夠獲取過程資料者為對象。再者,過程資料係包括從感測器等獲取之未經計算處理之資料。
圖1係表示本實施形態之工廠1的整體構成之概略圖。本實施形態之工廠1係例如為具備循環流化床鍋爐(Circulating Fluidized Bed型)之發電廠,該循環流化床鍋爐係一邊使高溫下流動之矽砂等的循環材料循環,一邊燃燒燃料而產生蒸汽。作為工廠1的燃料,除煤等的化石燃料以外,例如還可以使用非化石燃料(木質生物質、廢輪胎、塑膠廢棄物、污泥等)。在工廠1中產生之蒸汽係用於渦輪100的驅動。
工廠1係構成為,在爐膛2內燃燒燃料,藉由發揮固氣分離裝置的功能之旋風器3從排氣中分離循環材料,將分離出之循環材料返送至爐膛2內而使其循環。分離出之循環材料係經由與旋風器3的下方連接之循環材料回收管4而返送至爐膛2的下部。再者,循環材料回收管4的下部與爐膛2的下部係經由流路變窄之環封部4a而連接。藉此,成為在循環材料回收管4的下部貯存有既定量的循環材料之狀態。藉由旋風器3去除了循環材料之排氣係經由排氣流路3a而供給至後部煙道5。
鍋爐係具備用以燃燒燃料之爐膛2和使用藉由燃燒而得之熱來產生水蒸汽等之熱交換器。在爐膛2的中間部設置有供給燃料之燃料供給口2a,在爐膛2的上部設置有排出燃燒氣體之氣體出口2b。從未圖示之燃料供給裝置供給至爐膛2之燃料係經由燃料供給口2a供給至爐膛2的內部。又,在爐膛2的爐壁設置有用以加熱鍋爐供水之爐壁管6。流過爐壁管6之鍋爐供水係藉由爐膛2內的燃燒而進行加熱。
在爐膛2內,從下部的供氣管道2c導入之燃燒/流動用空氣使包括從燃料供給口2a供給之燃料之固態物流動,燃料係一邊流動一邊以例如約800~900℃燃燒。在爐膛2內產生之燃燒氣體與循環材料一並導入至旋風器3中。旋風器3係藉由離心分離作用分離循環材料和氣體,經由循環材料回收管4將分離出之循環材料返送至爐膛2,並且從排氣流路3a向後部煙道5送出去除循環材料之燃燒氣體。
在爐膛2內,在底部蓄積有稱為爐內床材料之循環材料的一部分。該床材料中有時會包含不適合循環流動之具有粗粒徑之床材料或排燃雜質,有時會因不適合作為該等循環材料之床材料而發生流動不良。因此,為了抑制流動不良,在爐膛2內,從底部的排出口2d連續或斷續地向外部排出爐內床材料。排出之床材料係在未圖示之循環管道上去除金屬或粗大粒徑等的不適當的物質之後再度供給至爐膛2,或直接廢棄。爐膛2的循環材料係在由爐膛2、旋風器3及循環材料回收管4構成之循環系統內循環。
後部煙道5係具有使從旋風器3排出之氣體流向後段之流路。後部煙道5係具有產生過熱蒸汽之過熱器10和預熱鍋爐供水之省煤器12作為回收排氣的熱之排熱回收部。流過後部煙道5之排氣係與在過熱器10及省煤器12中流通之蒸汽和鍋爐供水進行熱交換而進行冷卻。又,具有貯存通過省煤器12後之鍋爐供水之蒸汽鼓8,蒸汽鼓8係亦與爐壁管6連接。
省煤器12係將排氣的熱傳遞至鍋爐供水而預熱鍋爐供水者。省煤器12係藉由管21與泵7連接,同時藉由管22與蒸汽鼓8連接。從泵7經由管21而供給至省煤器12並由省煤器12預熱之鍋爐供水係經由管22供給至蒸汽鼓8。
蒸汽鼓8上連接有降水管8a及爐壁管6。蒸汽鼓8內的鍋爐供水係在降水管8a內下降,並在爐膛2的下側導入至爐壁管6內而流向蒸汽鼓8。爐壁管6內的鍋爐供水係藉由在爐膛2內產生之燃燒熱進行加熱,從而在蒸汽鼓8內蒸發而成為蒸汽。
蒸汽鼓8上連接有排出內部的蒸汽之飽和蒸汽管8b。飽和蒸汽管8b係與蒸汽鼓8和過熱器10連接。蒸汽鼓8內的蒸汽係經由飽和蒸汽管8b供給至過熱器10。過熱器10係使用排氣的熱而使蒸汽過熱來產生過熱蒸汽者。過熱蒸汽係通過管10a供給至工廠1外的渦輪100,從而用於發電。
從渦輪100排出之蒸汽的壓力和溫度係低於從過熱器10排出之蒸汽的壓力和溫度。儘管並無特別限定,但供給至渦輪100之蒸汽的壓力係約1017MPa左右,溫度係約530~570℃左右。從渦輪100排出之蒸汽的壓力係約3~5MPa左右,溫度係約350~400℃左右。
在渦輪100的下游設置有蒸汽冷凝器102。從渦輪100排出之蒸汽係供給至蒸汽冷凝器102,在蒸汽冷凝器102中凝結而變回飽和水之後,供給至泵7。渦輪100上連接有將藉由渦輪100的旋轉而得之動能轉換成電能之發電機。
泵7a係供給補充水,以保持蒸汽冷凝器102的水位恆定。在圖1中,示出了由泵7a補充之補充水流量u1(“過程資料”的一例)。
本實施形態中處理之過程資料係可以為與工廠1相關之任意的資料,例如可以為藉由感測器測定工廠1的狀態而得之資料(“過程資料”的一例),更具體而言,可以包括工廠1的溫度、壓力及流量等的測定值。在圖1中,示出了從泵7供給至省煤器12之鍋爐供水流量u2(“過程資料”的一例)。進而,在圖1中,示出了從過熱器10供給至渦輪100之鍋爐出口蒸汽流量u3(“過程資料”的一例),並示出了從蒸汽鼓8供給至過熱器10之飽和蒸汽流量u4(“過程資料”的一例)。再者,補充水流量u1係可以控制成跟隨飽和蒸汽流量u4。又,可以控制成,一邊監視鍋爐出口蒸汽流量u3(或過熱蒸汽流量)和蒸汽鼓8的液位這兩者,一邊調整鍋爐供水流量u2。
在構成工廠1之管系統中產生了破孔之情況下,補充水流量u1會上升,或鍋爐供水流量u2與鍋爐出口蒸汽流量u3的流量差會增加。DCS(Distributed Control System(分散控制系統)、圖2)20係從工廠1接收補充水流量u1、鍋爐供水流量u2、鍋爐出口蒸汽流量u3及飽和蒸汽流量u4等的工廠1的過程資料,監視工廠1的運轉狀況,並監視工廠1是否發生異常。
再者,作為過程資料,例示了補充水流量u1、鍋爐供水流量u2、鍋爐出口蒸汽流量u3及飽和蒸汽流量u4,但與工廠1相關之過程資料係亦可以為其他資料。與工廠1相關之過程資料係亦可以為溫度、壓力等的其他資料或依據複數個過程資料計算出之資料。
圖2係表示本實施形態之評估系統30的功能方塊之圖。
DCS20係用以控制工廠1之分散控制系統。DCS20係從設置於工廠1之感測器等獲取過程資料,並據此向工廠1供給用以控制工廠1之控制訊號。
評估系統30係具備用以管理及產生用以評估工廠1的運轉狀況之評估模型之評估模型管理裝置40、用以從DCS20獲取過程資料,並依據所選擇之既定的評估模型來監視工廠1的運轉狀況之工廠1的監視裝置50、及顯示藉由評估模型管理裝置40管理及產生評估模型之圖像以及由工廠1的監視裝置50監視之工廠1的運轉狀況之顯示裝置60。構成評估系統30之各構成要件係可以不構成為一體。例如,評估模型管理裝置40的一部分或全部係可以設置於遠程位置,並且經由互聯網等的通訊網路等與其他構成要件連接成能夠進行通訊。
評估模型管理裝置40係具備記憶部42和模型選擇部44。
記憶部42係具備過程資料記憶部42A、淨化規則(cleansing rule)記憶部42B及已學習模型記憶部42C。
過程資料記憶部42A係儲存從DCS20獲取之過程資料。過程資料係例如可以包括工廠1或其他工廠的長期的過程資料。過程資料係包括用以產生評估模型之學習資料(教學資料)。學習資料係例如可以包括工廠1等的控制對象物以高輸出運轉時的過程資料、以中輸出良好地運轉時的過程資料及以低輸出良好地運轉時的過程資料。學習資料係可以包括控制對象物良好地、亦即以實現既定的輸出之方式運轉時的過程資料和控制對象物發生了異常時的過程資料。又,過程資料係可以與獲取到過程資料之時間資訊建立關聯而進行儲存。進而,過程資料係可以與獲取到過程資料時的輸出及良好地進行了運轉這一狀態建立關聯而進行儲存。再者,過程資料係可以並不一定經由DCS20來獲取,例如亦可以從工廠1直接獲取。
淨化規則記憶部42B係儲存用以執行從過程資料中提取學習資料之資料淨化之規則。例如,在要提取工廠1的運轉狀況良好時的學習資料之情況下,儲存用以執行去除導致性能下降之資料之類的淨化之規則。
已學習模型記憶部42C係儲存藉由機器學習模型依據學習資料產生之複數個已學習模型。機器學習模型係例如為高斯過程回歸模型。學習資料係例如為相同期間內的三種過程資料,亦即,於2020年1月,工廠1或類似之工廠以高輸出良好地進行了運轉時的過程資料、工廠1以中輸出良好地進行了運轉時的過程資料、工廠1以低輸出良好地進行了運轉時的過程資料。已學習模型記憶部42C係儲存以該過程資料為學習資料並依據既定的機器學習模型產生之已學習模型作為評估模型之一。同樣地,已學習模型記憶部42C係儲存複數個已學習模型作為評估模型。再者,記憶部42的物理構成待留後述。
模型選擇部44係選擇用以評估從DCS20獲取之過程資料之評估模型。
模型選擇部44的學習期間登錄部44A係登錄並儲存作為學習資料而提取之過程資料的期間。作業員可以在顯示裝置60的顯示畫面上登錄學習期間。例如,在事先掌握了工廠以高輸出、中輸出、低輸出良好地進行了運轉之各期間之情況下,作業員可以將該等期間登錄為學習期間。模型學習部44C係可以以在登錄於學習期間登錄部44A之期間獲取之過程資料為學習資料來產生已學習模型。
淨化部44B係執行過程資料的淨化處理。具體而言,依據儲存於淨化規則記憶部42B之淨化規則對由學習期間登錄部44A提取之既定期間的過程資料執行淨化處理,並實施既定的機器學習而去除不適合產生評估模型之過程資料。
模型學習部44C係依據學習資料亦即過程資料按照既定的機器學習模型進行機器學習,產生評估模型,並將其儲存於已學習模型記憶部42C。具體而言,從過程資料記憶部42A獲取在登錄於學習期間登錄部44A之期間獲取之過程資料,並以藉由淨化部44B實施淨化處理之過程資料為學習資料來進行機器學習,產生評估模型。
模型選擇部44D係受理作業員對評估模型的選擇,選擇在模型評估部44G進行之評估中使用之評估模型。模型選擇部44D係例如可以同時選擇兩個以上的評估模型。模型選擇部44D係將儲存於已學習模型記憶部42C之複數個評估模型可選地顯示於顯示裝置60的顯示畫面。作業員可以從顯示於顯示畫面之評估模型中選擇評估中使用之複數個評估模型。
評估期間登錄部44E係登錄並儲存作為評估資料而提取之過程資料的期間。評估期間登錄部44E係將評估期間可設定地顯示於顯示裝置60的顯示畫面。作業員可以在顯示裝置60的顯示畫面上登錄評估期間。模型評估部44G係以在登錄於評估期間登錄部44E之期間獲取之過程資料為評估資料來進行評估。
臨界值登錄部44F係受理作業員進行之臨界值(“評估基準”的一例)的設定,並將該臨界值登錄並儲存為模型評估部44G進行之評估中的評估基準。臨界值登錄部44F係可以針對每個由模型評估部44G使用之評估模型登錄並儲存所設定之臨界值。臨界值登錄部44F係針對每個由模型選擇部44D選擇之評估模型將臨界值可設定地顯示於顯示裝置60的顯示畫面。作業員可以在顯示裝置60的顯示畫面上針對每個評估模型登錄臨界值。
模型評估部44G按照評估模型來評估評估資料。具體而言,將在評估期間登錄部44E中登錄之評估期間獲取之過程資料輸入到由模型選擇部44D選擇之複數個評估模型中作為評估資料,並獲得評估結果。在臨界值登錄部44F中登錄有臨界值之情況下,模型評估部44G係將其用作用以獲得評估結果之評估基準。
評估結果顯示部44H係針對每個評估模型將按照所選擇之評估模型評估之評估資料的評估結果顯示於顯示裝置60的顯示畫面。
監視裝置50係藉由按照最終選擇之評估模型評估從DCS20獲取之過程資料來監視工廠1。監視裝置50係例如可以按照最終選擇之評估模型及所設定之臨界值評估當前從DCS20獲取之過程資料,並在獲取到超過臨界值之過程資料時,將警報等顯示於顯示裝置60的顯示畫面。
顯示裝置60係從評估模型管理裝置40及監視裝置50接收用以顯示上述各種資訊之控制訊號(包括資料),並將其顯示於顯示畫面。圖3係顯示裝置60的顯示畫面D1的一例。
如圖3所示,在顯示裝置60的區域AR1(“第1顯示區域”的一例)中顯示複數個評估模型。作業員可以在所顯示之評估模型中選擇複數個評估模型。
在圖3的情況下,在區域AR1中可選地顯示模型No.0至模型No.8這九個評估模型。作業員可以藉由核取設置於“選擇評估模型”列之核取方塊來選擇評估模型。在圖3中,示出了選擇了模型No.4及模型No.7的評估模型之狀況。再者,“學習日期和時間”列係表示產生了對應之評估模型之日期和時間。又,“正式運轉”列係表示對應之評估模型在當前或過去是否用於監視裝置50進行之工廠1的監視。在圖3中,示出了模型No.1的評估模型當前用於監視裝置50進行之工廠1的監視,並且模型No.3的評估模型過去曾用於監視裝置50進行之工廠1的監視。因此,監視裝置50係藉由模型No.1的評估模型以從DCS20獲取之過程資料為評估資料來監視工廠1。如此,藉由表示其為過去為了評估從控制對象物獲取之過程資料而使用之評估模型及其為當前為了評估從控制對象物獲取之過程資料而使用之評估模型,作業員能夠以該等評估模型為基準來比較不同的評估模型。“臨界值上”列及“臨界值下”列係在作為針對對應之評估模型的評估基準而設定有上限的臨界值(“評估基準”的一例)及下限的臨界值之情況下,顯示上限的臨界值及下限的臨界值。例如,當過程資料的值為相對於基準值超過臨界值的值時,有時會判斷工廠1的運轉狀況並不良好。
同時,在顯示畫面D1的區域AR81及區域AR82中示出用以產生在區域AR1中選擇之No.7及No.4的評估模型之學習資料的內容。作業員藉由查看學習資料的內容,能夠判斷要選擇之評估模型是否為依據適合於評估評估資料之學習資料而產生者。亦即,在如工廠1般控制對象物為狀態因季節、天氣、其他環境和經時變化而時時刻刻發生變動者之情況下,藉由選擇依據與要評估之評估資料類似之學習資料產生之評估模型,能夠提高評估精度。例如,使用依據在冬天獲取之學習資料產生之評估模型來評估在夏天得到之評估資料有時並不適當。本實施形態之顯示裝置60係顯示出產生了區域AR1中選擇之評估模型之學習模型的內容,因此作業員能夠提高可獲取適當的評估模型之可能性。
進而,評估系統30係可以提取在分散的複數個期間得到之過程資料作為用以產生一個評估模型之學習資料。例如,在圖中,依據在學習期間1至學習期間3這三個期間得到之過程資料產生了一個評估模型。亦即,在如工廠1般控制對象物為可採用低輸出、中輸出、高輸出這樣的複數個狀態者之情況下,藉由以包括各狀態的方式構成學習資料來產生評估模型,能夠產生通用性高的評估模型。作業員依據過程資料記憶部42A或其他資訊,能夠確認以包括在各狀態下表現出良好的運轉狀況之工廠1的過程資料的方式構成了學習資料。再者,可以藉由作業員在顯示畫面D1內的區域中直接輸入學習期間,將顯示裝置60構成為無需從顯示畫面D1進行過渡即可設定要產生之評估模型的學習期間。
同時,在顯示畫面D1的區域AR6(“第6顯示區域”的一例)中顯示評估資料的期間、亦即工廠1的評估期間。作業員藉由輸入期間,能夠設定獲取到藉由評估模型評估之過程資料之期間。藉由設為這樣的構成,顯示裝置60能夠獲取適當的評估模型。作業員例如藉由一邊改變評估期間一邊確認按照複數個評估模型評估之評估結果,能夠判斷所選擇之評估模型是否適當。例如,藉由確認在將評估資料的期間設定為包括工廠1發生了異常之時期時按照評估模型評估之評估結果,能夠確認該評估模型是否能夠檢測出異常。然後,下一次,藉由對檢測出異常之評估模型設定工廠1良好地進行了運轉之時期的評估資料的期間來確認按照評估模型評估之評估結果,能夠確認該評估模型是否未檢測出異常。在顯示畫面D1上設置有用以設定評估資料的期間之區域AR6和用以顯示按照評估模型評估之評估結果之區域AR2及區域AR3,並且構成為能夠同時進行顯示,因此作業員能夠快速地獲取適當的評估模型。
同時,在顯示畫面D1的區域AR4(“第4顯示區域”的一例)及區域AR5(“第5顯示區域”的一例)中顯示臨界值作為基於在區域AR1中選擇之評估模型之評估基準的一例。作業員藉由在區域AR4中輸入臨界值的上限及下限,能夠設定基於模型No.7的評估模型之評估中的臨界值。同樣地,作業員藉由在區域AR5中輸入臨界值的上限及下限,能夠設定基於模型No.4的評估模型之評估中的臨界值。若作業員使用輸入部30輸入新的臨界值並按下“評估”按鈕,則在區域AR2中顯示基於變更後的新的臨界值之評估結果。因此,藉由將臨界值設定為可在將評估資料的期間設定為包括工廠1發生了異常之時期時檢測出異常,並且設定在設定了工廠1良好地進行了運轉之期間的評估資料時不會檢測出異常之臨界值,能夠獲取適當的評估模型及適當的評估基準。又,藉由比較對區域AR4及區域AR5設定了相同的臨界值時的各評估結果,還可判斷所選擇之評估模型的優劣。再者,臨界值係可以構成為能夠依據相對於絕對值、基準值之比例、偏差等的指標來設定。
同時,在顯示畫面D1的區域AR2(“第2顯示區域”的一例)中顯示按照所選擇之一個評估模型評估之評估資料的評估結果,在區域AR3(“第3顯示區域”的一例)中顯示按照所選擇之另一個評估模型評估之評估資料的評估結果。作為評估結果,在區域AR2中用實線示出了依據學習資料計算出之估計期望值,並且用虛線示出了以估計期望值為基準之上限的臨界值及下限的臨界值。又,分散示出了複數個評估資料的值。再者,亦可以分散示出學習資料的值。在圖3中,例如,藉由在將橫軸作為工廠1的鍋爐負荷(“過程資料”的一例)、將縱軸作為爐膛上下溫度差(“過程資料”的一例)之二維空間內,示出可判斷為良好的活動範圍之區域、亦即被包括表示估計期望值之實線之上限的臨界值至下限的臨界值所包圍之區域和相同的二維空間內的評估資料的位置,顯示出評估結果。但是,示出評估結果之態樣並不限於此。例如亦可以對脫離最佳的運轉區域之程度進行評分,從而利用健全度這一指標來示出評估結果。又,例如亦可以僅利用文字來示出評估結果。但是,如本實施形態所示,藉由將兩個過程資料選為學習資料,並且以能夠識別以其為軸之二維空間內的良好的運轉狀況的範圍和評估資料的位置的方式進行顯示,作業員能夠輕易地掌握評估結果。在圖中,存在超出良好的活動範圍之評估資料,因此依據No.7的評估模型,判斷工廠1中發生了異常。
如圖3所示,在區域AR3中示出按照No.4的評估模型對相同的評估資料進行評估之評估結果。在區域AR2和區域AR3中示出了依據相同的指標對相同的評估資料進行評估之評估結果,因此作業員能夠輕易地比較評估模型。再者,針對不同的評估模型之學習資料並不一定要不同,其一部分或全部亦可以相同。例如,藉由使參數的一部分不同,能夠產生不同的評估模型。因此,能夠依據相同的學習資料來產生不同的評估模型。
在此,若作業員變更區域AR6的期間並利用滑鼠等的輸入手段按下區域AR4的“評估”按鈕,則在區域AR1中顯示基於變更後的評估資料之評估結果。
又,若作業員變更區域AR4的臨界值並利用滑鼠等的輸入手段按下區域AR4的“評估”按鈕,則在區域AR1中顯示基於變更後的臨界值之評估結果。
如此,能夠在一個顯示畫面D1內變更複數個評估模型,變更評估資料,變更評估基準,以變更後的內容來顯示評估結果,因此作業員能夠有效地獲取適當的評估模型。
再者,用作學習資料及評估資料之過程資料係可以選擇各種資料。例如,為了產生用以檢測既定的異常之評估模型,可以選擇與該異常具有關聯性之兩個以上的過程資料。例如,可以以檢測如管道洩漏般、構成鍋爐之管(管道)的金屬材料受損而破孔,導致內部的蒸汽洩漏至外部之稱為“爆裂”之工廠的異常為目的,以包括從為了檢測爆裂而設置於鍋爐管等之複數個AE(Acoustic Emission,聲射)感測器獲得之過程資料之方式用作學習資料及評估資料。作為其他過程資料,可以獲取表示配管系統的溫度之資訊(包括從感測器直接或間接獲取之溫度資訊及表示既定部位的溫度差之資訊)、表示吸收熱量之資訊、表示閥開度之資訊、表示氣體媒體的溫度之資訊等,並基於此,分別按照複數個評估模型來同時執行評估。此外,為了選擇用以依據從各種感測器而得之過程資料來檢測有無既定的異常等之評估模型,可以利用本發明,該各種感測器設置於工廠1的各處且用以檢測溫度、壓力、流量、閥開度、阻尼器開度、液位、振動、聲音、其他工廠1的狀態量。
又,評估結果係可以以各種形態顯示。例如,可以根據脫離最佳區域之程度對工廠的運轉狀況進行評分,從而利用健全度這一指標來示出。評估結果係可以顯示為文本資訊。
進而,可以在顯示畫面上以可供作業員設定之方式顯示依據學習資料進行機器學習時可設定之參數的參數值(包括超參數)。機器學習的參數係根據機器學習模型而不同。例如,可以將顯示裝置60構成為,以可供作業員設定之方式顯示決策樹等的層數、神經網路中的中間層的單元數、表示負重衰減之參數等。顯示裝置60係構成為,例如,若作業員利用輸入手段按下顯示畫面D1的區域AR7(“第7顯示區域”的一例)中示出之“追加新模型”,則過渡到用以設定新的參數值之顯示畫面。若作業員輸入新的參數值,則模型學習部44C係按照該參數值進行機器學習,從而產生新的評估模型。再者,作業員亦可以與參數值一並設定新的學習資料。例如,作業員可以在顯示畫面上變更學習資料的期間來設定更短期間或更長期間的學習資料。模型學習部44C係依據所設定之新的學習資料進行機器學習,產生新的評估模型。
顯示裝置60係亦可以構成為,允許作業員直接在顯示畫面D1的區域AR7中設定及輸入參數值或學習資料的至少一部分,而不進行畫面過渡。例如,在區域AR3中觀察到評估模型的過擬合之情況下,作業員可以在區域AR7中變更參數值以緩解過擬合。進而,為了在區域AR7中緩解過擬合,作業員可以設定更長期間的學習資料。模型學習部44C係按照新設定之參數值或學習期間進行機器學習,產生新的評估模型。進而,顯示裝置60係可以將按照新的評估模型評估之評估結果顯示於區域AR3。藉由設為這樣的構成,作業員能夠一邊調整參數值或學習資料的範圍,一邊觀察其評估結果,因此能夠高效地獲取適當的評估模型。
進而,顯示裝置60係可以構成為,允許刪除或複製由作業員選擇之評估模型。例如,藉由構成為允許作業員刪除無法精確評估之評估模型,能夠高效地獲取適當的評估模型。又,藉由複製現有的評估模型並且變更複製之評估模型的評估基準來進行評估,能夠高效地獲取適當的評估模型。
圖4係表示用以實現評估系統30之物理構成之方塊圖。評估系統30係具有相當於演算部之CPU(Central Processing Unit,核心處理單元)30A、相當於記憶部之RAM(Random Access Memory,隨機存取記憶體)30B、相當於記憶部之ROM(Read only Memory,唯讀記憶體)30C、通訊部30D、輸入部30E及顯示部30F。該等各構成係經由匯流排或通訊網路而彼此連接成可發送和接收資料。再者,在本例中,對評估系統30由一台電腦構成之情況進行說明,但評估系統30係亦可以組合複數個電腦來實現。例如,除顯示部30F以外,還可以設置構成用以顯示其他資訊之不同的顯示部之顯示器。又,圖4中示出之構成係一例,評估系統30係亦可以具有該等以外的構成,亦可以不具有該等構成中的一部分構成。又,構成的一部分可以設置於遠程位置。例如,可以將記憶部30C的全部或一部分設置於遠程位置。此時,CPU30A係可以構成為,經由通訊網路從設置於遠程位置之記憶部30C獲取資訊。
CPU30A係具備執行儲存於RAM30B或ROM30C之電腦程式來進行本實施形態中示出之各演算處理之電腦處理器之演算部。亦即,CPU30A係按照電腦程式來實現由模型選擇部44的各單元執行之各功能,從而供作業員獲取適當的評估模型。又,CPU30A係可以基於所選擇之評估模型來實現監視裝置50依據過程資料監視工廠1之監視功能。進而,CPU30A係可以實現由DCS20執行之各功能。CPU30A係從輸入部30E及通訊部30D接收各種資料,並將資料的演算結果顯示於顯示部30F,或儲存於RAM30B或ROM30C。
RAM30B係可重寫地儲存資料等的資訊之記憶元件,例如可以由DRAM、SRAM、MRAM、NOR記憶體、NAND記憶體等的半導體記憶元件構成。RAM30B係藉由儲存由CPU30A執行之電腦程式、工廠1的過程資料、淨化規則、已學習模型等,能夠實現記憶部42的各功能。DRAM或SRAM等的一次記憶元件係可以構成為儲存按照評估模型評估之評估結果等。ROM30C係可讀取資訊之記憶元件,例如可以由受寫入保護之NOR記憶體等的半導體記憶元件、HDD等的磁性記憶媒體、DVD等的光學記憶媒體構成。ROM30C係可以儲存由CPU30A執行之電腦程式、其他未被重寫之資料等。
通訊部30D係將評估系統30連接至DCS20、其他機器之接口。通訊部30D係可以與互聯網等的通訊網路連接。
輸入部30E係從作業員受理資料的輸入者,例如可以由鍵盤、觸控面板或麥克風構成。
顯示部30F係視覺顯示CPU30A處理之本實施形態中示出之各種演算處理結果及監視裝置50監視之工廠1的監視狀態等者,例如可以由LCD(Liquid Crystal Display,液晶顯示器)等的顯示器構成。顯示部30F係實現由顯示裝置60執行之各功能。
再者,用以執行本實施形態中示出之各種處理之電腦程式係可以以儲存於ROM30C等的電腦可讀取之記憶媒體之方式提供,亦可以經由藉由通訊部30D連接之通訊網路來提供。在顯示系統30中,藉由CPU30a執行監視程式,實現本實施形態中包括之各種動作。再者,該等物理構成係示例,其可以並不一定是獨立的構成。例如,CPU30A及RAM30B係可以由封裝之LSI(Large-Scale Integration,大型積體電路)構成。
以下,對本實施形態之評估模型的評估方法進行說明。圖5係表示例如比較現有的評估模型和新產生之評估模型之評估方法的一例之流程圖。
首先,評估系統30(按照電腦程式動作之CPU30A)係讀取儲存於已學習模型記憶部42C之現有的已學習模型,並在顯示裝置60的區域AR1中顯示現有的已學習模型。作業員使用輸入部30E從顯示於區域AR1之複數個已學習模型中選擇一個或複數個已學習模型(有時亦稱為“評估模型”。)(步驟S41)。在區域AR81或區域AR82中示出與用以產生所選擇之已學習模型之學習資料相關之資訊,因此作業員能夠選擇適當的已學習模型。模型選擇部44D係受理作業員的輸入,並選擇作為評估對象之已學習模型。
接著,作業員使用輸入部30E輸入期間資訊,登錄用以產生新的已學習模型之學習資料的期間(有時稱為“學習期間”。)。學習期間登錄部44A係受理作業員的輸入,登錄學習期間,並且從過程資料記憶部42A獲取相當於該學習期間之過程資料(步驟S42)。再者,作業員所進行之期間資訊的輸入係可以藉由允許作業員在區域AR81或區域AR82中輸入來進行。再者,學習期間係可以根據已學習模型而不同,亦可以相同,亦可以設定為一部分重複。
淨化部44B係按照儲存於淨化規則記憶部42B之淨化規則來進行相當於學習期間之過程資料的淨化,從而去除不適合機器學習之資料及不用於機器學習之過程資料(例如,在產生用以檢測既定的異常之評估模型時,不影響該異常或對該異常的影響小的過程資料)等(步驟S43)。
模型學習部44C係依據經淨化部44B的資料淨化之學習資料進行機器學習,並產生新的已學習模型(步驟S44)。此時,可以將評估系統30構成為,作業員可設定機器學習模型的參數值(例如,神經網路的層數)。由模型學習部44C產生之已學習模型係儲存於已學習模型記憶部42C。
接著,作業員使用輸入部30E將臨界值輸入到區域AR4及區域AR5中。臨界值登錄部44F係受理作業員的輸入,將臨界值登錄到各已學習模型中(步驟S45)。
接著,作業員使用輸入部30E將工廠1的評估期間輸入到區域AR6中。評估期間登錄部44D係受理作業員的輸入來登錄評估期間,並且從過程資料記憶部42A獲取在評估期間獲取之過程資料作為評估資料(步驟S46)。作業員例如藉由以包括工廠1發生了異常之時點之方式選擇評估期間,能夠評估作為評估對象之已學習模型是否能夠準確地檢測出異常。
模型評估部44G係依據現有的已學習模型來評估評估資料。評估結果顯示部44H係將包括評估結果之區域AR2中包括之資訊提供給顯示裝置60。同時,模型評估部44G係依據在步驟S44中產生之新的已學習模型及在步驟S45中設定之臨界值來評估評估資料。評估結果顯示部44H係將包括評估結果之區域AR3中包括之資訊提供給顯示裝置60(步驟S47)。顯示裝置60係從評估系統30受理評估結果,並在區域AR2及區域AR3中顯示評估結果(步驟S48)。
接著,作業員觀看顯示於區域AR2及區域AR3之評估結果,判斷新產生之已學習模型是否適合於工廠1的監視(步驟S49)。作業員可以根據需要藉由變更評估期間或臨界值來再執行評估,判斷已學習模型是否適當。例如,在與按照現有的已學習模型評估之評估結果相比,按照新產生之已學習模型評估之評估結果能夠更準確地評估工廠1的運轉狀況之情況下,能夠判斷新產生之已學習模型適當。
在判斷為適當之情況下,作業員使用輸入部30E按下顯示於與新產生之已學習模型對應之區域AR4或區域AR5之“設定為正式模型”按鈕。評估系統30係將新產生之已學習模型保存於已學習模型記憶部42(步驟S50)。新產生之已學習模型係可以從下次開始作為現有的已學習模型之一而顯示於區域AR1。又,監視裝置50係可以按照包括新產生之已學習模型之一個或複數個已學習模型來開始基於從DCS20獲取之過程資料之工廠1的監視。
在步驟S49中,在判斷為所產生之已學習模型不適當之情況下,再度返回到步驟S42。再者,除再度登錄學習期間以外,還可以藉由變更機器學習模型的參數來產生新的已學習模型。
如上所述,依據本實施形態中示出之顯示裝置、評估方法及評估系統,能夠高效地獲取適當的評估模型。
尤其,無需進行畫面過渡即可在同一畫面上輕易地創建新的評估模型,並且能夠針對相同的評估資料在同一畫面上顯示按照新的評估模型評估之評估結果和按照現有的評估模型評估之評估結果。進而,藉由變更參數,能夠調整現有的評估模型或新的評估模型,從而輕易地產生進一步不同的評估模型,並且能夠比較其評估結果和按照其他評估模型評估之評估結果。如此,依據本實施形態之顯示裝置、評估方法及評估系統,能夠輕易地進行評估模型的創建、評估模型的調整及評估模型彼此的比較,因此能夠高效地獲取適當的評估模型。
再者,本發明係亦可以用於選擇用以檢測稱為爆裂之工廠的異常之評估模型以外的用途。例如,可以為了選擇用以檢測發電效率的降低、配管的堵塞、爐膛等的工廠的各要素的溫度異常、氣體等的流體的黏性的變化等或用以判斷可檢測性之評估模型而運用本發明。又,不僅可以為了檢測異常,而且還可以為了選擇及產生用以依據過程資料來改善在各工廠等的設施中執行之過程之評估模型而運用本發明。
進而,本發明係亦可以運用於在火力發電廠以外的設施中執行之過程。例如,可以將本發明運用於用以依據過程資料來評估與在化工廠、煉油廠、搾油工廠、鋼鐵廠等的各設施或該等中的一部分中執行之過程相關之異常等(例如,由管的腐蝕等引起之氣體洩漏的徵兆)之評估模型的選擇及產生。例如,可以為了選擇及產生用以依據溫度資訊等的過程資料來評估流體洩漏之可能性之評估模型而運用本發明,該過程資料係在主配管上熔接有枝配管之配管系統中配置複數個溫度感測器及AE感測器等的複數種感測器,並使用該等感測器以既定的取樣頻率獲取。
又,本發明係只要不脫離其要旨,則可以進行各種變形。例如,可以在熟習此項技術者的通常的創作能力的範圍內將一個實施形態中的一部分構成要件或功能替換成其他構成要件或功能。例如,在本實施形態中,模型學習部44C係藉由機器學習產生了新的已學習模型,但並不限於此,例如亦可以構成為依據回歸公式來產生已學習模型。又,並不一定需要執行流程圖所示之各步驟。
1:工廠
2:爐膛
3:旋風器
4:循環材料回收管
5:後部煙道
6:爐壁管
7:泵
8:蒸汽鼓
10:過熱器
12:省煤器
30:評估系統
40:評估模型管理裝置
42:記憶部
50:監視裝置
60:顯示裝置
100:渦輪
102:蒸汽冷凝器
[圖1]係工廠1的概略圖。
[圖2]係評估系統30的功能方塊圖。
[圖3]係顯示裝置60的顯示畫面。
[圖4]係表示評估系統30的物理構成之方塊圖。
[圖5]係本實施形態之評估方法的流程圖。
AR1:區域
AR2:區域
AR3:區域
AR4:區域
AR5:區域
AR6:區域
AR7:區域
AR81:區域
AR82:區域
Claims (8)
- 一種顯示裝置,其係具備顯示畫面,且構成為,能夠在前述顯示畫面的第1顯示區域中可選地顯示複數個評估模型,能夠在前述顯示畫面的第2顯示區域中顯示按照所選擇之第1前述評估模型評估之評估資料的評估結果,並且能夠在前述顯示畫面的第3顯示區域中顯示按照所選擇之第2前述評估模型評估之前述評估資料的評估結果,前述複數個評估模型的特徵是學習對象相同,學習期間不同。
- 如請求項1所述之顯示裝置,其係進而構成為,能夠在前述顯示畫面的第4顯示區域中可設定地顯示基於第1前述評估模型之評估的第1評估基準,並且能夠在前述顯示畫面的第5顯示區域中可設定地顯示基於第2前述評估模型之評估的第2評估基準,前述第2顯示區域係構成為能夠依據所設定之前述第1評估基準來顯示按照所選擇之第1前述評估模型評估之評估資料的評估結果,並且前述第3顯示區域係構成為能夠依據所設定之前述第2評估基準來顯示按照所選擇之第2前述評估模型評估之評估資料的評估結果。
- 如請求項1或2所述之顯示裝置,其係進 而構成為,能夠在前述顯示畫面的第6顯示區域中可設定地顯示前述評估資料的期間,前述第2顯示區域係構成為能夠顯示按照第1前述評估模型評估之所設定之前述期間的評估資料的評估結果,並且前述第3顯示區域係構成為能夠顯示按照第2前述評估模型評估之所設定之前述期間的評估資料的評估結果。
- 如請求項1或2所述之顯示裝置,其中第1前述評估模型係藉由具有既定的參數之機器學習模型依據學習資料範圍而產生者,前述顯示裝置係進而構成為,能夠在前述顯示畫面的第7顯示區域中可設定地顯示前述參數的值及前述學習資料範圍,前述第2顯示區域係構成為能夠顯示按照藉由前述機器學習模型產生之評估模型評估之前述評估資料的評估結果,前述機器學習模型具有所設定之前述參數的值。
- 如請求項4所述之顯示裝置,其中前述第1顯示區域係構成為能夠將具有所設定之前述參數值之前述機器學習模型與前述複數個評估模型一並可選地顯示於前述第1顯示區域。
- 如請求項1或2所述之顯示裝置,其係構成為,能夠在前述第1顯示區域中顯示:表示為了評估從控 制對象物獲取之過程資料而過去已使用之前述評估模型之資訊,和表示為了評估從前述控制對象物獲取之過程資料而當前使用之前述評估模型之資訊。
- 如請求項1或2所述之顯示裝置,其係構成為,在前述第1顯示區域中可複製或可刪除地顯示在前述複數個評估模型中選擇之評估模型。
- 一種評估方法,其係包括:在顯示畫面的第1顯示區域中可選地顯示複數個評估模型之步驟;在前述顯示畫面的第2顯示區域中顯示按照所選擇之第1前述評估模型評估之評估資料的評估結果之步驟;及在前述顯示畫面的第3顯示區域中顯示按照所選擇之第2前述評估模型評估之前述評估資料的評估結果之步驟,前述複數個評估模型的特徵是學習對象相同,學習期間不同。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020093098 | 2020-05-28 | ||
JP2020-093098 | 2020-05-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202213014A TW202213014A (zh) | 2022-04-01 |
TWI802887B true TWI802887B (zh) | 2023-05-21 |
Family
ID=78744919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110119217A TWI802887B (zh) | 2020-05-28 | 2021-05-27 | 顯示裝置、評估方法及評估系統 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230093661A1 (zh) |
EP (1) | EP4160343A4 (zh) |
JP (1) | JPWO2021241702A1 (zh) |
KR (1) | KR20230017857A (zh) |
TW (1) | TWI802887B (zh) |
WO (1) | WO2021241702A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024080088A1 (ja) * | 2022-10-13 | 2024-04-18 | 住友重機械工業株式会社 | 支援装置、支援方法及びプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004589A (zh) * | 2005-10-04 | 2007-07-25 | 费舍-柔斯芒特***股份有限公司 | 过程控制***中的过程模型识别 |
CN102999020A (zh) * | 2011-09-14 | 2013-03-27 | 株式会社东芝 | 过程监视·诊断·支援装置 |
CN108334890A (zh) * | 2017-01-19 | 2018-07-27 | 欧姆龙株式会社 | 预测模型生成装置、生产设备监视***及其方法 |
JP2018206283A (ja) * | 2017-06-09 | 2018-12-27 | アズビル株式会社 | モデル情報表示方法および装置 |
WO2020075782A1 (ja) * | 2018-10-09 | 2020-04-16 | 株式会社スカイマティクス | 診断支援システム及びその方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5813317B2 (ja) * | 2010-12-28 | 2015-11-17 | 株式会社東芝 | プロセス状態監視装置 |
JP5878076B2 (ja) * | 2012-05-23 | 2016-03-08 | 克也 大脇 | 銘柄抽出システム、プログラム、相場情報表示装置 |
JP6411769B2 (ja) * | 2014-04-14 | 2018-10-24 | 株式会社日立製作所 | 状態監視装置 |
WO2017168458A1 (ja) * | 2016-03-28 | 2017-10-05 | 日本電気株式会社 | 予測モデル選択システム、予測モデル選択方法および予測モデル選択プログラム |
JP6879749B2 (ja) * | 2017-02-02 | 2021-06-02 | アズビル株式会社 | 支援装置および支援方法 |
US11604441B2 (en) * | 2018-06-15 | 2023-03-14 | Johnson Controls Tyco IP Holdings LLP | Automatic threshold selection of machine learning/deep learning model for anomaly detection of connected chillers |
-
2021
- 2021-05-27 JP JP2022526647A patent/JPWO2021241702A1/ja active Pending
- 2021-05-27 EP EP21814384.0A patent/EP4160343A4/en active Pending
- 2021-05-27 WO PCT/JP2021/020264 patent/WO2021241702A1/ja unknown
- 2021-05-27 TW TW110119217A patent/TWI802887B/zh active
- 2021-05-27 KR KR1020227045975A patent/KR20230017857A/ko active Search and Examination
-
2022
- 2022-11-25 US US17/994,165 patent/US20230093661A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004589A (zh) * | 2005-10-04 | 2007-07-25 | 费舍-柔斯芒特***股份有限公司 | 过程控制***中的过程模型识别 |
CN102999020A (zh) * | 2011-09-14 | 2013-03-27 | 株式会社东芝 | 过程监视·诊断·支援装置 |
CN108334890A (zh) * | 2017-01-19 | 2018-07-27 | 欧姆龙株式会社 | 预测模型生成装置、生产设备监视***及其方法 |
JP2018206283A (ja) * | 2017-06-09 | 2018-12-27 | アズビル株式会社 | モデル情報表示方法および装置 |
WO2020075782A1 (ja) * | 2018-10-09 | 2020-04-16 | 株式会社スカイマティクス | 診断支援システム及びその方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021241702A1 (zh) | 2021-12-02 |
TW202213014A (zh) | 2022-04-01 |
EP4160343A1 (en) | 2023-04-05 |
EP4160343A4 (en) | 2023-10-25 |
KR20230017857A (ko) | 2023-02-06 |
WO2021241702A1 (ja) | 2021-12-02 |
US20230093661A1 (en) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI802887B (zh) | 顯示裝置、評估方法及評估系統 | |
TWI777331B (zh) | 顯示工廠的狀態之系統、顯示工廠的狀態之裝置及顯示工廠的狀態之方法 | |
JP7423138B2 (ja) | 装置及びシステム | |
TWI837524B (zh) | 運轉支援系統、運轉支援方法及電腦程式 | |
WO2022080104A1 (ja) | 表示装置、表示方法、制御装置及びコンピュータプログラム | |
TWI808504B (zh) | 顯示裝置、顯示方法、控制裝置及電腦程式 | |
JP7418894B2 (ja) | 装置及びシステム | |
TWI805039B (zh) | 顯示裝置、控制裝置、控制方法及電腦程式 | |
WO2022102348A1 (ja) | 表示装置、表示方法、制御装置、制御方法及びコンピュータプログラム | |
TWI826835B (zh) | 顯示裝置、控制裝置、控制方法及電腦程式 | |
WO2022191164A1 (ja) | 表示装置、表示方法、制御装置及びコンピュータプログラム | |
WO2022102349A1 (ja) | 表示装置、制御装置、制御方法及びコンピュータプログラム | |
JP7413012B2 (ja) | システム及び方法 | |
Zhao et al. | On-line early fault detection and diagnosis of municipal solid waste incinerators | |
JP2021105940A (ja) | 装置及びシステム | |
CN204202642U (zh) | 一种供电***区域环保监测*** | |
TW202238301A (zh) | 顯示裝置、控制裝置、控制方法及程式 | |
TW202248780A (zh) | 顯示裝置、資訊處理裝置、資訊處理方法及程式 |