2022 Fiscal Year Research-status Report
Machine Learning to Estimat the Behavior of a Batch Process
| Project/Area Number |
21K04766
|
|---|
| Research Institution | Tokyo University of Agriculture and Technology |
|---|
Principal Investigator |
山下 善之 東京農工大学, 工学(系)研究科(研究院), 教授 (60200698)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | プロセスモニタリング / 機械学習 / バッチプロセス / 動特性 |
|---|
| Outline of Annual Research Achievements |
まず，昨年度に開発したシミュレータを用いて，実際のバッチプラントの運転を想定したさまざまなシナリオに基づいたシミュレーションを行って運転操業のデータを収集した．その際，複数の品種を同一のプロセスで生産することとし，品種によってバッチ回数が少ない品種と多い品種を設定した．
次に，生成されたデータも最大限有効に活用して，バッチプロセスの状態予測に機械学習手法を適用する際の課題を具体的に整理した．さらに，バッチ回数の少ない品種を生産する際のモデル精度を向上させることを目的として，機械学習手法の検討を実施した．具体的には，バッチ回数の多い品種を生産する際のデータを有効に活用するための機械学習手法として，独自に提案したマルチタスク学習と転移学習をそれぞれ適用し，モデル中のメタパラメータの値と必要なデータ量や予測精度について詳細に検討した．得られた結果について，既存の機械学習方法も含めて比較検討を行った結果，提案した手法が最も少ないデータ量で高精度に挙動を予測できることが検証された．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年度にシミュレータで生成したデータも有効に活用することによって，バッチプロセスの挙動予測に有用な機械学習アルゴリズムについて様々な角度から具体的な検討を進めることができた．
|
| Strategy for Future Research Activity |
マルチタスク学習のアルゴリズムの改良を行うとともに，成果を論文としてまとめる．
特に，モデル構築のために必要なデータ量が不足している場合においても，適切なモデルを構築できる手法を開発することを目指して，詳細に検討を進める．
|
