| 研究課題/領域番号 |
15K06554
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
加納 学 京都大学, 情報学研究科, 教授 (30263114)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | スケールアップ / 操業条件最適化 / ベイズ的最適化 / 転移学習 |
|---|
| 研究実績の概要 |
製造業では，実験室で新製品の開発に成功した後，段階的に装置サイズを大きくしながら，優れた製品を安定して製造できる運転条件を探索する．最終的には商用スケールの装置で運転条件を最適化する必要があるが，実験には多くの費用と時間がかかるため，商用スケールでの実験回数をできるだけ少なくしたい．本研究の目的は，この生産設備のスケールアップを支援する全く新しい方法を開発し，商用スケールでの少数の実験から効率的に運転条件を最適化できるようにすることである.本年度の研究では，まず，生産実績データを用いて，様々な制約条件の下で，目標とする製品特性を実現すると同時に製造コストを最小化する運転条件を導出する方法を開発した. Just-In-Time型モデリングの一種である局所PLSと自己適応型差分進化法（jDE）を組み合わせることで，従来よりも高い最適化性能を実現できた．さらに本研究では，商用（大）スケール生産設備での運転条件を最適化するために，この設備の少数の実験データだけでなく，パイロット（小）スケール生産設備の実験データを活用する方法を開発した． Combined Task Bayesian Optimization (CTBO)と名付けた提案法では，装置サイズも運転条件も異なるパイロットスケールと商用スケールのデータを統合するために，異種データの橋渡しをする変換行列を導入し，転移学習とベイズ的最適化を用いることで，目的を達成した．複数の数値例を通して，CTBOの有効性を確認した．以上の研究成果により，製造業が抱える大きな課題の一つであったスケールアップの問題を克服できる可能性が見えた．さらに，新たに開発した手法は，スケールアップだけでなく，マザー工場からコピー工場への技術移転にも適用できると期待される．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
初年度に，商用（大）スケール生産設備での運転条件を最適化するために，この設備の少数の実験データだけでなく，パイロット（小）スケール生産設備の実験データを活用する方法を開発できた．この研究成果は想定を大きく上回るものであり，当初の計画以上に進展している．
|
| 今後の研究の推進方策 |
様々な数値シミュレーションを通して開発した手法の検証を徹底的に行い，弱点を明確化すると同時に克服する．その上で，スケールアップ支援システムのプロトタイプを構築し，実際の産業プロセスに適用し，その有用性を確認する．
|
| 次年度使用額が生じた理由 |
次年度使用額は7502円であり，ほぼ予定通りの支出であった．次年度使用額が生じたのは，できるだけ無駄を排したことによる．
|
| 次年度使用額の使用計画 |
次年度は，開発した方法を大規模な問題に適用して検証するため，計算機とソフトウェアを購入する．また，研究成果を発表するため，国際会議および国内会議旅費，さらにジャーナル掲載料に研究費を充てる．
|
