|
本研究の目的は、化学プロセスを対象としたデータ解析技術や運転管理技術を提案すると共に、多種多様な手法を整理・統合し、知的運転管理システムを計算機上に実現することである。本年度は、既に開発した異常検出手法を拡張し、異常診断手法の開発および各種手法のソフトウェア化を行った。
古典的なSPC(Statistical Process Control)チャートに代わる運転監視方法として、多変量解析を用いる方法の有効性が確認されている。本研究では、異常検出性能を向上させるために、2種類の異常検出方法を提案した。
1.移動主成分分析による異常検出:主成分分析を逐次適用することにより、主成分(あるいは複数の主成分が張る部分空間)の変化を監視する。なお、主成分の変化を定量的に評価するために、基準とする主成分と現時刻における主成分の内積に基づく指標を提案した。
2.データの非類似度に基づく異常検出:運転状態がデータの分布に反映されることに着目し、データの分布の変化を監視する。なお、分布の変化を定量的に評価するために、基準とする正常運転時のデータと現時刻のデータとの非類似度を表す定量的な指標を提案した。
さらに、過去の異常発生時のデータが利用可能な状況と利用不可能な状況の双方に対応するために、2種類の異常診断方法を提案した。
1.過去の異常データが利用可能な場合:過去の異常データと異常検出時のデータの類似度に基づいて、現在の異常を特定する。
2.過去の異常データが利用不可能な場合:各測定変数から監視指標への寄与を定義・計算し、寄与の大きな変数が発生した異常に関与していると判断する。
提案した方法を、各種化学プロセスのシミュレーションデータに適用し、提案法が有効であることを確認した。
|
