|
最終年度は，初年度から開発を継続し，石油化学，製剤，半導体など複数の産業プロセスでその有効性を確認できたJust-In-Time型モデル構築手法である局所PLSについて，さらにアルゴリズムの改良を進めると共に，特に，統計モデルの推定性能を大きく左右する入力変数選択についての検討に取り組んだ．
統計モデルを用いて仮想計測を実現する際には，出力変数の推定に寄与しない入力変数を取り除く必要がある．入力変数を１つずつ個別に評価する従来法よりも効率的に変数選択を行う方法として，入力変数をグループ化して，グループ単位で変数選択を行う方法がある．その１つが研究代表者らが開発したNCSC-VS（Nearest Correlation Spectral Clustering-based Variable Selection）であるが，NCSC-VSはパラメータ調整が難しく，計算負荷が高いという欠点が指摘されていた．そこで，本研究最終年度に，変数間の相関関係に基づくクラスタリング手法であるNCLM（Nearest Correlation Louvain Method）と，NCLMを用いた入力変数選択手法NCLM-VSを開発した．LMはSCよりも速く隣接行列を分割でき，生成するグループ数を調整する必要がない．提案法の有効性を，石油化学および製剤プロセスの操業データを用いて検証した結果，NCLM-VSはNCSC-VSを含む従来法よりも高い推定精度を実現できると共に，計算時間も大幅に改善することができることが確認された．
|
