|
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．しかし，商用スケールの装置での実験には多くの費用と時間がかかるため，実験回数をできるだけ少なくしたい．本研究では，スケールアップ前のデータをスケールアップ後のモデル構築に活用して，少数のサンプルを用いて高精度な操業条件最適化を実現する方法として，Combined Task Bayesian Optimization (CTBO)を開発した．実際の製剤造粒工程に適用した結果，従来法に比べて，少数の実験回数でより良い運転条件を導出できることを確認した．
|
