研究課題/領域番号 |
19K04113
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分18020:加工学および生産工学関連
|
研究機関 | 早稲田大学 |
研究代表者 |
藤村 茂 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (00367179)
|
研究期間 (年度) |
2019-04-01 – 2022-03-31
|
研究課題ステータス |
完了 (2021年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
キーワード | 異常診断 / 時系列予測 / プロセス監視 / 深層学習 / 機械学習 / ディープラーニング / オペレータ支援 / 時系列データ予測 / プロセス産業 / 時系列データ |
研究開始時の研究の概要 |
第4次産業革命の実現やIoT(Internet of Things)の導入を日本のプロセス産業で成功させるため,プロセス制御監視システムによって蓄積された時々刻々変化する時系列データを利用しディープラーニング技術を応用した実プロセスで利用可能なオペレータ支援機能を実現する.本研究課題のアプローチは,正常時の複数の時系列データを入力情報とし,1時系列データの将来の挙動を予測するものである.現場力を重んじる日本のプロセス産業において,熟練オペレータに対するポカミス防止,新人オペレータに対するプロセス知識において気づきを与える予測表示機能によるオペレータ支援機能を実現する.
|
研究成果の概要 |
本研究課題では、プロセス制御監視システムによって蓄積された時々刻々変化する時系列データを利用しディープラーニング技術を応用した実プロセスで利用可能なオペレータ支援機能を実現した。具体的には、実際の化学プロセスの複数のセンサデータを予測する新しいディープラーニングモデルを提案した。化学プロセスの制御のために監視しているセンサデータ間の複雑な関連を学習するモデルであり、関連するセンサデータ間の様々な時間長の影響関係を利用し、ある一つのセンサデータの正常値予測を実施するモデルである。
|
研究成果の学術的意義や社会的意義 |
正常時の複数の時系列データを入力情報とし、時系列データの将来の挙動を予測するモデルを開発し、熟練オペレータに対するポカミス防止、新人オペレータに対するプロセス知識における気づきを与えるオペレータ支援機能を実現した。膨大な正常時のプロセス時系列データを利用してディープラーニングによってモデルを構築する方法を提案し自動的にシステムを構築するカスタマイズレスなシステム構築手法を実現した。
|