State Monitoring of Chemical Plants using Normal Operation Historical Data and Application to Soft Sensors

2016 Fiscal Year Annual Research Report

• Project/Area Number: 26420781
• Research Institution: Kyushu University
• Principal Investigator: 柘植 義文 九州大学, 工学研究院, 教授 (00179988)
• Project Period (FY): 2014-04-01 – 2017-03-31
• Keywords: 化学プラント / 運転監視 / 正常状態予測 / ソフトセンサー / データベースモデル

Outline of Annual Research Achievements

(1) 前年度(平成27年度)は連続した運転実績データを学習データと検証データに分けて検討を行ったの対して，今年度(平成28年度)は運転停止期間を挟んでも推定が可能かどうかを検証した．その結果，運転停止期間を挟んでも推定精度に大差がないことが確認できた．
(2) 前年度(平成27年度)に検討したDBモデルでは，全ての説明変数を利用して７つの目的変数の値を個別に推定した．しかし，時間が一緒であれば同時に推定することが可能のはずである．また，一般的な多変量解析に基づいたソフトセンサーでは，説明変数を選択して推定精度の向上を図っている．そこで，今年度(平成28年度)は，７つの目的変数の値を個別に推定する場合と同時に推定する場合の比較検討すると共に，説明変数の選択を行う場合と全説明変数を利用する場合の比較検討も行った．それらの結果の概要を以下に示す．
(2-1) 学習データにおける事前評価結果では，7つの目的変数を同時に推定する場合と個別に推定する場合のいずれにおいても，変数選択を行うことによって推定精度の向上が期待できた．変数選択法としては，ステップワイズ法と遺伝的アルゴリズム(GA)を用いたが，GAの方が選択された変数の数が少なく，説明変数の数を半分程度に限定することができた．目的変数を個別に推定する場合に選択された説明変数は目的変数毎にかなり異なる組合わせであり，目的変数を同時に推定する場合に比べて推定精度の向上は顕著であった．
(2-2) 検証データにおける事後評価結果においても，前述の事前評価結果と同様の結果が得られた．全般的に事前評価結果に比べて事後評価結果の推定精度が若干悪くなる傾向があるのは当然のことであるが，推定精度としては十分であった．