特許 5803810 プロセス制御システム、プロセス制御方法、及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】5803810

(24)【登録日】2015年9月11日

(45)【発行日】2015年11月4日

(54)【発明の名称】プロセス制御システム、プロセス制御方法、及びコンピュータプログラム

(51)【国際特許分類】

   G05B 13/02 20060101AFI20151015BHJP

   G05B 13/04 20060101ALI20151015BHJP

   C21B 9/00 20060101ALN20151015BHJP

【ＦＩ】

   G05B13/02 J

   G05B13/04

   !C21B9/00 101

【請求項の数】11

【全頁数】45

(21)【出願番号】特願2012-118616(P2012-118616)

(22)【出願日】2012年5月24日

(65)【公開番号】特開2013-246560(P2013-246560A)

(43)【公開日】2013年12月9日

【審査請求日】2014年8月11日

(73)【特許権者】

【識別番号】000006655

【氏名又は名称】新日鐵住金株式会社

(74)【代理人】

【識別番号】100090273

【弁理士】

【氏名又は名称】國分 孝悦

(72)【発明者】

【氏名】藤井 章

(72)【発明者】

【氏名】下井 辰一郎

(72)【発明者】

【氏名】上田 啓史

【審査官】 稲垣 浩司

(56)【参考文献】

【文献】 特開２００２−３７３００２（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０５Ｂ １３／０２ − １３／０４

Ｃ２１Ｂ ９／００

(57)【特許請求の範囲】

【請求項1】

プラントの操業を制御する際の目標値を設定する目標値最適化装置と、
前記目標値最適化装置により設定された目標値になるように前記プラントの操業を制御する制御器と、
前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を前記目標値最適化装置に出力するプロセスシミュレータとを有するプロセス制御システムであって、
前記目標値最適化装置は、前記プロセスシミュレータから出力された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出手段と、
前記パレート最適解導出手段により導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶手段と、
前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定手段と、
前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択手段と、
前記パレート最適解選択手段により選択されたパレート最適解に関連付けられて前記パレート最適解記憶手段により記憶された目標値を前記制御器に出力する目標値出力手段と、
前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の情報を表示装置に表示するパレート最適解候補表示手段と、を有し、
前記パレート最適解導出手段は、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成手段と、
前記個体生成手段により生成された個体の情報を目標値に変換する目標値変換手段と、
前記目標値変換手段により変換された目標値を前記プロセスシミュレータに渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示手段と、
前記シミュレーション指示手段による指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得手段と、
前記シミュレーション結果取得手段により取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出手段と、
前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解手段とをさらに有し、
前記パレート最適解記憶手段は、前記パレート最適解求解手段により得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に対する目標値とを相互に関連付けて記憶媒体に記憶し、
前記パレート最適解選択手段は、前記パレート最適解候補表示手段により表示された複数のパレート最適解の中から、何れか１つのパレート最適解を指定したことを示す情報が入力されると、当該情報により指定されているパレート最適解を選択することを特徴とするプロセス制御システム。

【請求項2】

プラントの操業を制御する際の目標値を設定する目標値最適化装置と、
前記目標値最適化装置により設定された目標値になるように前記プラントの操業を制御する制御器と、
前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を前記目標値最適化装置に出力するプロセスシミュレータとを有するプロセス制御システムであって、
前記目標値最適化装置は、前記プロセスシミュレータから出力された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出手段と、
前記パレート最適解導出手段により導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶手段と、
前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定手段と、
前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択手段と、
前記パレート最適解選択手段により選択されたパレート最適解に関連付けられて前記パレート最適解記憶手段により記憶された目標値を前記制御器に出力する目標値出力手段と、
前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記評価量に対する重み係数であって、当該変更された操業条件に応じた重み係数を導出する重み係数導出手段と、
前記評価量に対して前記重み係数導出手段により導出された重み係数による評価量の加重和を、前記パレート最適解記憶手段により記憶された複数のパレート最適解のそれぞれについて導出する加重和導出手段と、を有し、
前記パレート最適解導出手段は、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成手段と、
前記個体生成手段により生成された個体の情報を目標値に変換する目標値変換手段と、
前記目標値変換手段により変換された目標値を前記プロセスシミュレータに渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示手段と、
前記シミュレーション指示手段による指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得手段と、
前記シミュレーション結果取得手段により取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出手段と、
前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解手段とをさらに有し、
前記パレート最適解記憶手段は、前記パレート最適解求解手段により得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に対する目標値とを相互に関連付けて記憶媒体に記憶し、
前記パレート最適解選択手段は、前記加重和導出手段により導出された重み係数による評価量の加重和が最小となるパレート最適解を選択することを特徴とするプロセス制御システム。

【請求項3】

プラントの操業を制御する際の目標値を設定する目標値最適化装置と、
前記目標値最適化装置により設定された目標値になるように前記プラントの操業を制御する制御器と、
前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を前記目標値最適化装置に出力するプロセスシミュレータとを有するプロセス制御システムであって、
前記目標値最適化装置は、前記プロセスシミュレータから出力された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出手段と、
前記パレート最適解導出手段により導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶手段と、
前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定手段と、
前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択手段と、
前記パレート最適解選択手段により選択されたパレート最適解に関連付けられて前記パレート最適解記憶手段により記憶された目標値を前記制御器に出力する目標値出力手段と、
前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の情報を表示装置に表示するパレート最適解候補表示手段と、を有し、
前記パレート最適解導出手段は、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成手段と、
前記個体生成手段により生成された個体を目標値として前記プロセスシミュレータに渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示手段と、
前記シミュレーション指示手段による指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得手段と、
前記シミュレーション結果取得手段により取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出手段と、
前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解手段とをさらに有し、
前記パレート最適解記憶手段は、前記パレート最適解求解手段により得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に含まれる目標値とを相互に関連付けて記憶媒体に記憶し、
前記パレート最適解選択手段は、前記パレート最適解候補表示手段により表示された複数のパレート最適解の中から、何れか１つのパレート最適解を指定したことを示す情報が入力されると、当該情報により指定されているパレート最適解を選択することを特徴とするプロセス制御システム。

【請求項4】

プラントの操業を制御する際の目標値を設定する目標値最適化装置と、
前記目標値最適化装置により設定された目標値になるように前記プラントの操業を制御する制御器と、
前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を前記目標値最適化装置に出力するプロセスシミュレータとを有するプロセス制御システムであって、
前記目標値最適化装置は、前記プロセスシミュレータから出力された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出手段と、
前記パレート最適解導出手段により導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶手段と、
前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定手段と、
前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択手段と、
前記パレート最適解選択手段により選択されたパレート最適解に関連付けられて前記パレート最適解記憶手段により記憶された目標値を前記制御器に出力する目標値出力手段と、
前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記評価量に対する重み係数であって、当該変更された操業条件に応じた重み係数を導出する重み係数導出手段と、
前記評価量に対して前記重み係数導出手段により導出された重み係数による評価量の加重和を、前記パレート最適解記憶手段により記憶された複数のパレート最適解のそれぞれについて導出する加重和導出手段と、を有し、
前記パレート最適解導出手段は、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成手段と、
前記個体生成手段により生成された個体を目標値として前記プロセスシミュレータに渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示手段と、
前記シミュレーション指示手段による指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得手段と、
前記シミュレーション結果取得手段により取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出手段と、
前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解手段とをさらに有し、
前記パレート最適解記憶手段は、前記パレート最適解求解手段により得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に含まれる目標値とを相互に関連付けて記憶媒体に記憶し、
前記パレート最適解選択手段は、前記加重和導出手段により導出された重み係数による評価量の加重和が最小となるパレート最適解を選択することを特徴とするプロセス制御システム。

【請求項5】

前記パレート最適解導出手段は、オフラインで複数のパレート最適解を導出することを特徴とする請求項１〜４の何れか１項に記載のプロセス制御システム。

【請求項6】

プラントの操業を制御する際の目標値を設定する目標値最適化ステップと、
前記目標値最適化ステップにより設定された目標値になるように前記プラントの操業を、制御器を用いて制御する制御ステップと、
前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を導出するシミュレーションステップとを有するプロセス制御方法であって、
前記目標値最適化ステップは、前記シミュレーションステップにより導出された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出ステップと、
前記パレート最適解導出ステップにより導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶ステップと、
前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定ステップと、
前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択ステップと、
前記パレート最適解選択ステップにより選択されたパレート最適解に関連付けられて前記パレート最適解記憶ステップにより記憶された目標値を前記制御器に出力する目標値出力ステップと、
前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の情報を表示装置に表示するパレート最適解候補表示ステップと、を有し、
前記パレート最適解導出ステップは、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成ステップと、
前記個体生成ステップにより生成された個体の情報を目標値に変換する目標値変換ステップと、
前記シミュレーションステップを実行するプロセスシミュレータに、前記目標値変換ステップにより変換された目標値を渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示ステップと、
前記シミュレーション指示ステップによる指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得ステップと、
前記シミュレーション結果取得ステップにより取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出ステップと、
前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解ステップとをさらに有し、
前記パレート最適解記憶ステップは、前記パレート最適解求解ステップにより得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に対する目標値とを相互に関連付けて記憶媒体に記憶し、
前記パレート最適解選択ステップは、前記パレート最適解候補表示ステップにより表示された複数のパレート最適解の中から、何れか１つのパレート最適解を指定したことを示す情報が入力されると、当該情報により指定されているパレート最適解を選択することを特徴とするプロセス制御方法。

【請求項7】

プラントの操業を制御する際の目標値を設定する目標値最適化ステップと、
前記目標値最適化ステップにより設定された目標値になるように前記プラントの操業を、制御器を用いて制御する制御ステップと、
前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を導出するシミュレーションステップとを有するプロセス制御方法であって、
前記目標値最適化ステップは、前記シミュレーションステップにより導出された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出ステップと、
前記パレート最適解導出ステップにより導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶ステップと、
前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定ステップと、
前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択ステップと、
前記パレート最適解選択ステップにより選択されたパレート最適解に関連付けられて前記パレート最適解記憶ステップにより記憶された目標値を前記制御器に出力する目標値出力ステップと、
前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記評価量に対する重み係数であって、当該変更された操業条件に応じた重み係数を導出する重み係数導出ステップと、
前記評価量に対して前記重み係数導出手段により導出された重み係数による評価量の加重和を、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解のそれぞれについて導出する加重和導出ステップと、を有し、
前記パレート最適解導出ステップは、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成ステップと、
前記個体生成ステップにより生成された個体の情報を目標値に変換する目標値変換ステップと、
前記シミュレーションステップを実行するプロセスシミュレータに、前記目標値変換ステップにより変換された目標値を渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示ステップと、
前記シミュレーション指示ステップによる指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得ステップと、
前記シミュレーション結果取得ステップにより取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出ステップと、
前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解ステップとをさらに有し、
前記パレート最適解記憶ステップは、前記パレート最適解求解ステップにより得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に対する目標値とを相互に関連付けて記憶媒体に記憶し、
前記パレート最適解選択ステップは、前記加重和導出ステップにより導出された重み係数による評価量の加重和が最小となるパレート最適解を選択することを特徴とするプロセス制御方法。

【請求項8】

プラントの操業を制御する際の目標値を設定する目標値最適化ステップと、
前記目標値最適化ステップにより設定された目標値になるように前記プラントの操業を、制御器を用いて制御する制御ステップと、
前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を導出するシミュレーションステップとを有するプロセス制御方法であって、
前記目標値最適化ステップは、前記シミュレーションステップにより導出された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出ステップと、
前記パレート最適解導出ステップにより導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶ステップと、
前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定ステップと、
前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択ステップと、
前記パレート最適解選択ステップにより選択されたパレート最適解に関連付けられて前記パレート最適解記憶ステップにより記憶された目標値を前記制御器に出力する目標値出力ステップと、
前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の情報を表示装置に表示するパレート最適解候補表示ステップと、を有し、
前記パレート最適解導出ステップは、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成ステップと、
前記シミュレーションステップを実行するプロセスシミュレータに、前記個体生成ステップにより生成された個体を目標値として渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示ステップと、
前記シミュレーション指示ステップによる指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得ステップと、
前記シミュレーション結果取得ステップにより取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出ステップと、
前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解ステップとをさらに有し、
前記パレート最適解記憶ステップは、前記パレート最適解求解ステップにより得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に含まれる目標値とを相互に関連付けて記憶媒体に記憶し、
前記パレート最適解選択ステップは、前記パレート最適解候補表示ステップにより表示された複数のパレート最適解の中から、何れか１つのパレート最適解を指定したことを示す情報が入力されると、当該情報により指定されているパレート最適解を選択することを特徴とするプロセス制御方法。

【請求項9】

プラントの操業を制御する際の目標値を設定する目標値最適化ステップと、
前記目標値最適化ステップにより設定された目標値になるように前記プラントの操業を、制御器を用いて制御する制御ステップと、
前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を導出するシミュレーションステップとを有するプロセス制御方法であって、
前記目標値最適化ステップは、前記シミュレーションステップにより導出された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出ステップと、
前記パレート最適解導出ステップにより導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶ステップと、
前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定ステップと、
前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択ステップと、
前記パレート最適解選択ステップにより選択されたパレート最適解に関連付けられて前記パレート最適解記憶ステップにより記憶された目標値を前記制御器に出力する目標値出力ステップと、
前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記評価量に対する重み係数であって、当該変更された操業条件に応じた重み係数を導出する重み係数導出ステップと、
前記評価量に対して前記重み係数導出手段により導出された重み係数による評価量の加重和を、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解のそれぞれについて導出する加重和導出ステップと、を有し、
前記パレート最適解導出ステップは、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成ステップと、
前記シミュレーションステップを実行するプロセスシミュレータに、前記個体生成ステップにより生成された個体を目標値として渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示ステップと、
前記シミュレーション指示ステップによる指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得ステップと、
前記シミュレーション結果取得ステップにより取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出ステップと、
前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解ステップとをさらに有し、
前記パレート最適解記憶ステップは、前記パレート最適解求解ステップにより得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に含まれる目標値とを相互に関連付けて記憶媒体に記憶し、
前記パレート最適解選択ステップは、前記加重和導出ステップにより導出された重み係数による評価量の加重和が最小となるパレート最適解を選択することを特徴とするプロセス制御方法。

【請求項10】

前記パレート最適解導出ステップは、オフラインで複数のパレート最適解を導出することを特徴とする請求項６〜９の何れか１項に記載のプロセス制御方法。

【請求項11】

請求項１〜５の何れか１項に記載のプロセス制御システムの各手段としてコンピュータを機能させることを特徴とするコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、プロセス制御システム、プロセス制御方法、及びコンピュータプログラムに関し、特に、プロセス制御系における目標値を変更するために用いて好適なものである。

【背景技術】

【0002】

例えば、鉄鋼業における製銑工程、製鋼工程及び圧延工程等の製造プロセスでは、制御対象の制御量が目標値になるようにフィードバック制御を行うことが多い。このようなプロセス制御系において、目的関数を最適化するための最適化問題を解くことにより、目標値を設定することが従来から行われている。

【0003】

このような鉄鋼業等における製造プロセスは複雑な反応や加工工程を含んでいることがあり、当該製造プロセスの最適化問題においては、最適化すべき目的関数は複数になる。よって、多目的最適化問題を解くことになる。従来、この種の多目的最適化問題では、所謂重み係数法を用いて、複数の目的関数の加重和を新たな単一の目的関数とすることにより、多目的最適化問題を単一目的最適化問題に帰着させ置き換えている（非特許文献１を参照）。そして、単一目的最適化問題では、例えば、製造プロセスにおける複数の制約条件を満足させながら、当該単一の目的関数を最小化（又は最大化）するように、プロセスの制御パラメータを調整する（特許文献１を参照）。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２００２−３７３００２号公報

【非特許文献】

【0005】

【非特許文献1】大林 茂著、「多目的最適化と情報可視化データマイニング」、豊田研究報告Ｎｏ．５８、平成１７年５月、ｐ．１０９−１１６

【非特許文献2】日本鉄鋼協会共同研究会 圧延理論部会編、「板圧延の理論と実際」、日本鉄鋼協会、１９８４年９月、ｐ．２８７−２９１

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、鉄鋼業における製造プロセスでは、操業条件（プロセスの状態及びオペレータにより設定される操業方針）は時々刻々と変化するものであり、その度に重み係数が変更される。したがって、前述したような従来の多目的最適化問題の解法では、操業条件が変更された際に、目標値をどのように調整すればよいのかを知ることができない。このため、最適化計算をやり直す必要がある。

【0007】

本発明はこのような問題点に鑑みてなされたものであり、操業条件が変更された場合でも最適化計算をやり直さずに、柔軟に且つ可及的に適切な目標値を製造プロセスに設定できるようにすることを目的とする。

【課題を解決するための手段】

【0008】

本発明のプロセス制御システムの第１の例は、プラントの操業を制御する際の目標値を設定する目標値最適化装置と、前記目標値最適化装置により設定された目標値になるように前記プラントの操業を制御する制御器と、前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を前記目標値最適化装置に出力するプロセスシミュレータとを有するプロセス制御システムであって、前記目標値最適化装置は、前記プロセスシミュレータから出力された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出手段と、前記パレート最適解導出手段により導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶手段と、前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定手段と、前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択手段と、前記パレート最適解選択手段により選択されたパレート最適解に関連付けられて前記パレート最適解記憶手段により記憶された目標値を前記制御器に出力する目標値出力手段と、前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の情報を表示装置に表示するパレート最適解候補表示手段と、を有し、前記パレート最適解導出手段は、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成手段と、前記個体生成手段により生成された個体の情報を目標値に変換する目標値変換手段と、前記目標値変換手段により変換された目標値を前記プロセスシミュレータに渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示手段と、前記シミュレーション指示手段による指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得手段と、前記シミュレーション結果取得手段により取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出手段と、前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解手段とをさらに有し、前記パレート最適解記憶手段は、前記パレート最適解求解手段により得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に対する目標値とを相互に関連付けて記憶媒体に記憶し、前記パレート最適解選択手段は、前記パレート最適解候補表示手段により表示された複数のパレート最適解の中から、何れか１つのパレート最適解を指定したことを示す情報が入力されると、当該情報により指定されているパレート最適解を選択することを特徴とする。
本発明のプロセス制御システムの第２の例は、プラントの操業を制御する際の目標値を設定する目標値最適化装置と、前記目標値最適化装置により設定された目標値になるように前記プラントの操業を制御する制御器と、前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を前記目標値最適化装置に出力するプロセスシミュレータとを有するプロセス制御システムであって、前記目標値最適化装置は、前記プロセスシミュレータから出力された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出手段と、前記パレート最適解導出手段により導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶手段と、前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定手段と、前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択手段と、前記パレート最適解選択手段により選択されたパレート最適解に関連付けられて前記パレート最適解記憶手段により記憶された目標値を前記制御器に出力する目標値出力手段と、前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記評価量に対する重み係数であって、当該変更された操業条件に応じた重み係数を導出する重み係数導出手段と、前記評価量に対して前記重み係数導出手段により導出された重み係数による評価量の加重和を、前記パレート最適解記憶手段により記憶された複数のパレート最適解のそれぞれについて導出する加重和導出手段と、を有し、前記パレート最適解導出手段は、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成手段と、前記個体生成手段により生成された個体の情報を目標値に変換する目標値変換手段と、前記目標値変換手段により変換された目標値を前記プロセスシミュレータに渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示手段と、前記シミュレーション指示手段による指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得手段と、前記シミュレーション結果取得手段により取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出手段と、前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解手段とをさらに有し、前記パレート最適解記憶手段は、前記パレート最適解求解手段により得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に対する目標値とを相互に関連付けて記憶媒体に記憶し、前記パレート最適解選択手段は、前記加重和導出手段により導出された重み係数による評価量の加重和が最小となるパレート最適解を選択することを特徴とする。
本発明のプロセス制御システムの第３の例は、プラントの操業を制御する際の目標値を設定する目標値最適化装置と、前記目標値最適化装置により設定された目標値になるように前記プラントの操業を制御する制御器と、前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を前記目標値最適化装置に出力するプロセスシミュレータとを有するプロセス制御システムであって、前記目標値最適化装置は、前記プロセスシミュレータから出力された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出手段と、前記パレート最適解導出手段により導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶手段と、前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定手段と、前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択手段と、前記パレート最適解選択手段により選択されたパレート最適解に関連付けられて前記パレート最適解記憶手段により記憶された目標値を前記制御器に出力する目標値出力手段と、前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の情報を表示装置に表示するパレート最適解候補表示手段と、を有し、前記パレート最適解導出手段は、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成手段と、前記個体生成手段により生成された個体を目標値として前記プロセスシミュレータに渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示手段と、前記シミュレーション指示手段による指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得手段と、前記シミュレーション結果取得手段により取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出手段と、前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解手段とをさらに有し、前記パレート最適解記憶手段は、前記パレート最適解求解手段により得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に含まれる目標値とを相互に関連付けて記憶媒体に記憶し、前記パレート最適解選択手段は、前記パレート最適解候補表示手段により表示された複数のパレート最適解の中から、何れか１つのパレート最適解を指定したことを示す情報が入力されると、当該情報により指定されているパレート最適解を選択することを特徴とする。
本発明のプロセス制御システムの第４の例は、プラントの操業を制御する際の目標値を設定する目標値最適化装置と、前記目標値最適化装置により設定された目標値になるように前記プラントの操業を制御する制御器と、前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を前記目標値最適化装置に出力するプロセスシミュレータとを有するプロセス制御システムであって、前記目標値最適化装置は、前記プロセスシミュレータから出力された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出手段と、前記パレート最適解導出手段により導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶手段と、前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定手段と、前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記パレート最適解記憶手段により記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択手段と、前記パレート最適解選択手段により選択されたパレート最適解に関連付けられて前記パレート最適解記憶手段により記憶された目標値を前記制御器に出力する目標値出力手段と、前記操業条件変更判定手段により前記操業条件が変更されたと判定されると、前記評価量に対する重み係数であって、当該変更された操業条件に応じた重み係数を導出する重み係数導出手段と、前記評価量に対して前記重み係数導出手段により導出された重み係数による評価量の加重和を、前記パレート最適解記憶手段により記憶された複数のパレート最適解のそれぞれについて導出する加重和導出手段と、を有し、前記パレート最適解導出手段は、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成手段と、前記個体生成手段により生成された個体を目標値として前記プロセスシミュレータに渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示手段と、前記シミュレーション指示手段による指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得手段と、前記シミュレーション結果取得手段により取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出手段と、前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解手段とをさらに有し、前記パレート最適解記憶手段は、前記パレート最適解求解手段により得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に含まれる目標値とを相互に関連付けて記憶媒体に記憶し、前記パレート最適解選択手段は、前記加重和導出手段により導出された重み係数による評価量の加重和が最小となるパレート最適解を選択することを特徴とする。

【0009】

本発明のプロセス制御方法の第１の例は、プラントの操業を制御する際の目標値を設定する目標値最適化ステップと、前記目標値最適化ステップにより設定された目標値になるように前記プラントの操業を、制御器を用いて制御する制御ステップと、前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を導出するシミュレーションステップとを有するプロセス制御方法であって、前記目標値最適化ステップは、前記シミュレーションステップにより導出された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出ステップと、前記パレート最適解導出ステップにより導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶ステップと、前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定ステップと、前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択ステップと、前記パレート最適解選択ステップにより選択されたパレート最適解に関連付けられて前記パレート最適解記憶ステップにより記憶された目標値を前記制御器に出力する目標値出力ステップと、前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の情報を表示装置に表示するパレート最適解候補表示ステップと、を有し、前記パレート最適解導出ステップは、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成ステップと、前記個体生成ステップにより生成された個体の情報を目標値に変換する目標値変換ステップと、前記シミュレーションステップを実行するプロセスシミュレータに、前記目標値変換ステップにより変換された目標値を渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示ステップと、前記シミュレーション指示ステップによる指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得ステップと、前記シミュレーション結果取得ステップにより取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出ステップと、前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解ステップとをさらに有し、前記パレート最適解記憶ステップは、前記パレート最適解求解ステップにより得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に対する目標値とを相互に関連付けて記憶媒体に記憶し、前記パレート最適解選択ステップは、前記パレート最適解候補表示ステップにより表示された複数のパレート最適解の中から、何れか１つのパレート最適解を指定したことを示す情報が入力されると、当該情報により指定されているパレート最適解を選択することを特徴とする。
本発明のプロセス制御方法の第２の例は、プラントの操業を制御する際の目標値を設定する目標値最適化ステップと、前記目標値最適化ステップにより設定された目標値になるように前記プラントの操業を、制御器を用いて制御する制御ステップと、前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を導出するシミュレーションステップとを有するプロセス制御方法であって、前記目標値最適化ステップは、前記シミュレーションステップにより導出された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出ステップと、前記パレート最適解導出ステップにより導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶ステップと、前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定ステップと、前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択ステップと、前記パレート最適解選択ステップにより選択されたパレート最適解に関連付けられて前記パレート最適解記憶ステップにより記憶された目標値を前記制御器に出力する目標値出力ステップと、前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記評価量に対する重み係数であって、当該変更された操業条件に応じた重み係数を導出する重み係数導出ステップと、前記評価量に対して前記重み係数導出手段により導出された重み係数による評価量の加重和を、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解のそれぞれについて導出する加重和導出ステップと、を有し、前記パレート最適解導出ステップは、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成ステップと、前記個体生成ステップにより生成された個体の情報を目標値に変換する目標値変換ステップと、前記シミュレーションステップを実行するプロセスシミュレータに、前記目標値変換ステップにより変換された目標値を渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示ステップと、前記シミュレーション指示ステップによる指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得ステップと、前記シミュレーション結果取得ステップにより取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出ステップと、前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解ステップとをさらに有し、前記パレート最適解記憶ステップは、前記パレート最適解求解ステップにより得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に対する目標値とを相互に関連付けて記憶媒体に記憶し、前記パレート最適解選択ステップは、前記加重和導出ステップにより導出された重み係数による評価量の加重和が最小となるパレート最適解を選択することを特徴とする。
本発明のプロセス制御方法の第３の例は、プラントの操業を制御する際の目標値を設定する目標値最適化ステップと、前記目標値最適化ステップにより設定された目標値になるように前記プラントの操業を、制御器を用いて制御する制御ステップと、前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を導出するシミュレーションステップとを有するプロセス制御方法であって、前記目標値最適化ステップは、前記シミュレーションステップにより導出された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出ステップと、前記パレート最適解導出ステップにより導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶ステップと、前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定ステップと、前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択ステップと、前記パレート最適解選択ステップにより選択されたパレート最適解に関連付けられて前記パレート最適解記憶ステップにより記憶された目標値を前記制御器に出力する目標値出力ステップと、前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の情報を表示装置に表示するパレート最適解候補表示ステップと、を有し、前記パレート最適解導出ステップは、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成ステップと、前記シミュレーションステップを実行するプロセスシミュレータに、前記個体生成ステップにより生成された個体を目標値として渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示ステップと、前記シミュレーション指示ステップによる指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得ステップと、前記シミュレーション結果取得ステップにより取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出ステップと、前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解ステップとをさらに有し、前記パレート最適解記憶ステップは、前記パレート最適解求解ステップにより得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に含まれる目標値とを相互に関連付けて記憶媒体に記憶し、前記パレート最適解選択ステップは、前記パレート最適解候補表示ステップにより表示された複数のパレート最適解の中から、何れか１つのパレート最適解を指定したことを示す情報が入力されると、当該情報により指定されているパレート最適解を選択することを特徴とする。
本発明のプロセス制御方法の第４の例は、プラントの操業を制御する際の目標値を設定する目標値最適化ステップと、前記目標値最適化ステップにより設定された目標値になるように前記プラントの操業を、制御器を用いて制御する制御ステップと、前記目標値になるように、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションし、その結果として、当該プラントの性能を評価するための指標である複数の評価量の値を導出するシミュレーションステップとを有するプロセス制御方法であって、前記目標値最適化ステップは、前記シミュレーションステップにより導出された前記複数の評価量の値を用いて、当該複数の評価量を目的関数とする最適化問題を解くことによって複数のパレート最適解を導出するパレート最適解導出ステップと、前記パレート最適解導出ステップにより導出された複数のパレート最適解と、目標値とを相互に関連付けて記憶媒体に記憶するパレート最適解記憶ステップと、前記複数の評価量の優劣の関係を示す操業条件であって、前記プラントの状態量とオペレータにより定められる前記プラントの操業方針との少なくとも何れかを含む操業条件が変更されたか否かを判定する操業条件変更判定ステップと、前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解の何れか１つを選択するパレート最適解選択ステップと、前記パレート最適解選択ステップにより選択されたパレート最適解に関連付けられて前記パレート最適解記憶ステップにより記憶された目標値を前記制御器に出力する目標値出力ステップと、前記操業条件変更判定ステップにより前記操業条件が変更されたと判定されると、前記評価量に対する重み係数であって、当該変更された操業条件に応じた重み係数を導出する重み係数導出ステップと、前記評価量に対して前記重み係数導出手段により導出された重み係数による評価量の加重和を、前記パレート最適解記憶ステップにより記憶された複数のパレート最適解のそれぞれについて導出する加重和導出ステップと、を有し、前記パレート最適解導出ステップは、前記目標値を特定するための情報をそれぞれが含む複数の個体をランダムに生成する個体生成ステップと、前記シミュレーションステップを実行するプロセスシミュレータに、前記個体生成ステップにより生成された個体を目標値として渡して、当該プロセスシミュレータに対して、前記プラントの動作と前記制御器の動作とをコンピュータシミュレーションすることを指示するシミュレーション指示ステップと、前記シミュレーション指示ステップによる指示によって前記プロセスシミュレータにより実行されたコンピュータシミュレーションの結果から、前記複数の個体のそれぞれについて前記複数の評価量の値を取得するシミュレーション結果取得ステップと、前記シミュレーション結果取得ステップにより取得された評価量の値に応じて、前記複数の個体の適応度を導出する適応度導出ステップと、前記適応度に応じて前記複数の個体の少なくとも２つを選択し、選択した個体に対応する評価量をパレート最適解として採用するパレート最適解求解ステップとをさらに有し、前記パレート最適解記憶ステップは、前記パレート最適解求解ステップにより得られた複数のパレート最適解と、当該パレート最適解を採用するに際して選択した個体に含まれる目標値とを相互に関連付けて記憶媒体に記憶し、前記パレート最適解選択ステップは、前記加重和導出ステップにより導出された重み係数による評価量の加重和が最小となるパレート最適解を選択することを特徴とする。

【0010】

本発明のコンピュータプログラムは、前記プロセス制御システムの各手段としてコンピュータを機能させることを特徴とする。

【発明の効果】

【0011】

本発明によれば、操業条件が変更された場合でも最適化計算をやり直さずに、柔軟に且つ可及的に適切な目標値を製造プロセスに設定することができる。

【図面の簡単な説明】

【0012】

【図1】本発明の第１の実施形態を示し、プロセス制御システムの構成の一例を示す図である。

【図2】本発明の第１の実施形態を示し、熱風炉の概略構成の一例を示す図である。

【図3】本発明の第１の実施形態を示し、情報処理装置の機能的な構成の一例を示すブロック図である。

【図4】本発明の第１の実施形態を示し、目標値パターンの一例を示す図である。

【図5】本発明の第１の実施形態を示し、個体の構成の一例を示す図である。

【図6】本発明の第１の実施形態を示し、パレート最適解の一例を示す図である。

【図7】本発明の第１の実施形態を示し、パレート最適解をオペレータに変更させるためのＧＵＩの一例を示す図である。

【図8】本発明の第１の実施形態を示し、パレート最適解導出処理を実行する際の目標値最適化装置の動作の一例を説明するフローチャートである。

【図9】本発明の第１の実施形態を示し、目標値変更処理を行う際の目標値最適化装置の動作の一例を説明するフローチャートである。

【図10】本発明の第１の実施形態を示し、パレート最適解を自動的に選択する方法の変形例を概念的に説明する図である。

【図11】本発明の第２の実施形態を示し、熱間圧延設備の概略構成の一例を示す図である。

【図12】本発明の第２の実施形態を示し、情報処理装置の機能的な構成の一例を示すブロック図である。

【図13】本発明の第２の実施形態を示し、個体の構成の一例を示す図である。

【発明を実施するための形態】

【0013】

［第１の実施形態］
以下、図面を参照しながら、本発明の第１の実施形態を説明する。本実施形態では、制御対象のプラントが鉄鋼業における高炉に付帯する熱風炉である場合を例に挙げて説明する。
図１は、本実施形態であるプロセス制御システムの構成の一例を示す図である。
図１において、プロセス制御システム１０は、情報処理装置１００と、実績データベース２００と、制御器３００と、熱風炉４００と、減算器５００とを有している。

【0014】

まず、本実施形態の制御対象である熱風炉４００の概略構成について説明する。図２は、熱風炉４００の概略構成の一例を示す図である。
図２において、熱風炉４００は、不図示の高炉に熱風を供給するための蓄熱式熱交換器であり、高炉への送風に熱を与える蓄熱室４０１と、蓄熱室４０１を加熱するための燃焼室４０２とを有している。

【0015】

燃焼室４０２では、ガス供給ダクト４０３から吹き込まれるＢＦＧガスとＣＯＧガスとの混合ガス（燃料ガス）及び助燃空気供給ダクト４０４から吹き込まれる助燃用空気とを燃焼バーナ４０５で燃焼させ、この燃焼ガスを蓄熱室４０１の内部に積層された蓄熱煉瓦の間を通過させて加熱して熱を蓄える。また、蓄熱室４０１の上部には、ドーム温度を測定する温度計４１３が取り付けられている。

【0016】

図２に示す例では、この蓄熱煉瓦として、下側から順にハイアルミナ煉瓦４０６と、シリカを主成分とする珪石煉瓦４０７とが積層されており、これらのハイアルミナ煉瓦４０６、珪石煉瓦４０７には、上下方向に延びる複数の通過口が形成されている。また、ハイアルミナ煉瓦４０６には、ハイアルミナ煉瓦４０６の温度を測定する温度計４０６ａが取り付けられ、珪石煉瓦４０７には、珪石煉瓦４０７の温度を測定する温度計４０７ａが取り付けられている。尚、詳しくは、蓄熱煉瓦は一般的に下から順に粘土煉瓦、ハイアルミナ煉瓦、珪石煉瓦の３層構造になっているが、説明を平易にするために、熱風炉が前記の構造のものであるとして説明する。
ガス供給ダクト４０３には、燃料ガス流量調節弁４０３ａが設けられており、この燃料ガス流量調節弁４０３ａを開閉することにより、燃焼室４０２に流入する燃料ガスの流入量を調節することができる。

【0017】

ガス供給ダクト４０３の燃料ガス流量調節弁４０３ａよりも上流側（図２内で右側）の部分は、ＢＦＧガス供給ダクト４０８とＣＯＧガス供給ダクト４０９とに分岐している。
ＢＦＧガス供給ダクト４０８は、不図示の高炉に接続されており、高炉で生成されたＢＦＧガスを熱風炉４００に送風する。

【0018】

ＢＦＧガス供給ダクト４０８には、ＢＦＧガス流量調節弁４０８ａ及びＢＦＧガス流量計４０８ｂが設けられている。ＢＦＧガス流量調節弁４０８ａを開閉することにより、熱風炉４００に流入するＢＦＧガスのガス流入量を調節することができる。また、ＢＦＧガス流量計４０８ｂの測定結果に基づき、熱風炉４００に流入するＢＦＧガスのガス流入量を監視することができる。

【0019】

ＣＯＧガス供給ダクト４０９は、通常は不図示のコークス炉に接続されており、コークス炉で生成されたＣＯＧガスを熱風炉４００に送風する。
ＣＯＧガス供給ダクト４０９には、ＣＯＧガス流量調節弁４０９ａ及びＣＯＧガス流量計４０９ｂが設けられている。ＣＯＧガス流量調節弁４０９ａを開閉することにより、熱風炉４００に流入するＣＯＧガスのガス流入量を調節することができる。また、ＣＯＧガス流量計４０９ｂの測定結果に基づき、熱風炉４００に流入するＣＯＧガスのガス流入量を監視することができる。

【0020】

助燃空気供給ダクト４０４は、酸素を生成する不図示の酸素生成プラントに接続されており、この酸素生成プラントで生成された空気を熱風炉４００に送風する。尚、当該酸素生成プラントは不図示の高炉にも接続されており、高炉等の操業状況に応じて、熱風炉４００に供給される助燃空気の酸素濃度は変動する。また、熱風炉４００に送風される助燃空気の酸素濃度は、高炉の操業状況が変化しない場合であっても、任意の値に調節することができる。

【0021】

助燃空気供給ダクト４０４には、助燃空気流量調節弁４０４ａ及び酸素濃度測定器４０４ｂが設けられている。助燃空気流量調節弁４０４ａを開閉させることにより、燃焼室４０２に流入する助燃空気の流入量を調節することができる。また、酸素濃度測定器４０４ｂの測定結果に基づき、熱風炉４００に流入する助燃空気の酸素濃度を監視することができる。

【0022】

蓄熱室４０１の下端部には、Ｎ₂、ＣＯ₂等を含む燃焼ガスを排出するためのガス排出ダクト４１０が設けられている。
ガス排出ダクト４１０には、ガス排出量調節弁４１０ａ、排出ガス流量計４１０ｂ、及び排ガス温度計４１０ｃが設けられている。ガス排出量調節弁４１０ａを開閉することにより、ガス排出ダクト４１０から排出される燃焼ガスの排出量を調節することができる。また、排出ガス流量計４１０ｂの測定結果に基づき、ガス排出ダクト４１０から排出される燃焼ガスのガス排出量、すなわち、排ガス量を監視することができる。本実施形態では、排出ガス流量計４１０ｂは、ガス排出ダクト４１０に排出されるＣＯ₂ガスの排出量を測定することができる。また、排ガス温度計４１０ｃの測定結果に基づき、燃焼ガスの温度、すなわち、排ガス温度を監視することができる。

【0023】

また、蓄熱室４０１の下端部には、ガス排出ダクト４１０と異なる位置に常温空気導入ダクト４１１が接続されており、この常温空気導入ダクト４１１を介して蓄熱室４０１に常温の空気が流入する。
常温空気導入ダクト４１１には空気流入調節弁４１１ａが設けられており、この空気流入調節弁４１１ａを開閉させることにより、熱風炉４００に流入する常温空気の流入量を調節することができる。
また、燃焼室４０２には高炉用の熱風を排出するための熱風排出ダクト４１２が接続されている。この熱風排出ダクト４１２には、熱風流量調節弁４１２ａが設けられており、この熱風流量調節弁４１２ａを開閉することにより、高炉に送風される熱風の流量を調節することができる。

【0024】

蓄熱室４０１に熱を蓄える場合には、空気流入調節弁４１１ａ及び熱風流量調節弁４１２ａを完全に閉じて、ガス供給ダクト４０３及び助燃空気供給ダクト４０４を介して燃焼室４０２内に燃料ガス及び助燃用空気を流入させる。
これらの燃料ガス及び助燃用空気はバーナ４０５によって燃焼され、この燃焼ガスは蓄熱室４０１のハイアルミナ煉瓦４０６、珪石煉瓦４０７に形成された開口部を通ってハイアルミナ煉瓦４０６、珪石煉瓦４０７を蓄熱する。

【0025】

蓄熱室４０１への蓄熱が完了すると、燃料ガス流量調節弁４０３ａ、助燃空気流量調節弁４０４ａ、及びガス排出量調節弁４１０ａを完全に閉じて、常温空気導入ダクト４１１を介して蓄熱室４０１に常温空気を流入させる。蓄熱室４０１に流入した常温空気は、ハイアルミナ煉瓦４０６、珪石煉瓦４０７に形成された開口部を通過して９００〜１３００℃に加熱された後、高炉用の熱風として熱風排出ダクト４１２から排出される。

【0026】

図１の説明に戻り、本実施形態では、以上のような熱風炉４００を制御対象とし、ドーム温度Ｕ１［℃］、Ｃ／Ｂ比（ＣＯＧの流量とＢＦＧの流量との比）Ｕ２［−］、及びＢＦＧ流量Ｕ３［ｋＮｍ³／ｈ］を制御量とする場合を例に挙げて説明する。したがって、本実施形態では、制御器３００は、ドーム温度Ｕ１、Ｃ／Ｂ比Ｕ２、及びＢＦＧ流量Ｕ３の測定値（すなわち実績値）が、情報処理装置１００で設定された目標値になるように熱風炉４００を制御する。制御器３００は、ＰＩＤ制御等、公知の種々の制御方法で熱風炉４００を制御することができる。

【0027】

また、制御器３００は、熱風炉４００における操業実績のデータを実績データベース２００に記憶させる。本実施形態では、実績データベース２００は、例えば、直近の５日分の操業実績のデータを１［ｍｉｎ］毎に記憶するようにしている。
操業実績のデータには、例えば、熱風炉４００を操業することにより熱風炉４００に設置された各種の測定器より出力される出力値（操業実績値）と、その出力値が得られたときの熱風炉４００に対する入力値及び目標値とが含まれる。

【0028】

前述したように情報処理装置１００は、プロセス制御系における目標値を設定するためのものであり、目標値最適化装置１１０と、プロセスシミュレータ１５０とを有している。情報処理装置１００は、例えば、熱風炉４００に設けられた測定器や、制御器３００とのインターフェースを備えたパーソナルコンピュータを用いることにより実現することができる。

【0029】

図３は、情報処理装置１００の機能的な構成の一例を示すブロック図である。
情報処理装置１００は、多目的ＧＡ（遺伝的アルゴリズム）を用いて、多目的最適化問題を解き、複数のパレート最適解を予め求めておく。その後、操業条件が変更されると、複数のパレート最適解の中から、変更された操業条件に合うパレート最適解を１つ選択し、選択したパレート最適解に対応する目標値を制御器３００に出力する。

【0030】

ここで、操業条件には、熱風炉４００の状態量と、熱風炉４００の操業方針とが含まれる。熱風炉４００の状態量とは、熱風炉４００を操業することにより、直接的に又は間接的に時々刻々と測定される量（例えば温度や送風流量）である。一方、熱風炉４００の操業方針は、生産計画や生産管理に基づいてオペレータが決めるものである。

【0031】

＜目標値最適化装置１１０、プロセスシミュレータ１５０の構成＞
（目的関数設定部１１１）
目的関数設定部１１１は、オペレータからの操作に基づいて、目的関数ΔＰを設定する。
本実施形態では、熱風炉４００の性能を評価する指標である複数の評価量を目的関数ΔＰとしている。具体的に本実施形態では、目的関数ΔＰを以下の（１）式のようにした場合を例に挙げて説明する。

【0032】

ΔＰ＝［ΔＰ１，ΔＰ２，ΔＰ３，ΔＰ４，ΔＰ５，ΔＰ６］ ・・・（１）
ここで、（１）式のΔＰ１、ΔＰ２、ΔＰ３、ΔＰ４、ΔＰ５、ΔＰ６は、それぞれ（２）〜（７）式で表される。
ΔＰ１＝Ｐ１１−Ｐ１０・・・（２）
ただし、Ｐ１１：目標値を変更した後の熱効率、Ｐ１０：熱効率の基準値
ΔＰ２＝Ｐ２１−Ｐ２０・・・（３）
ただし、Ｐ２１：目標値を変更した後の珪石煉瓦の最低温度、Ｐ２０：珪石煉瓦の最低温度の基準値

【0033】

ΔＰ３＝Ｐ３１−Ｐ３０・・・（４）
ただし、Ｐ３１：目標値を変更した後のＣＯ₂の排出量、Ｐ３０：ＣＯ₂の排出量の基準値
ΔＰ４＝Ｐ４１−Ｐ４０・・・（５）
ただし、Ｐ４１：目標値を変更した後のＣＯＧのトータル流量、Ｐ４０：ＣＯＧのトータル流量の基準値
ΔＰ５＝Ｐ５１−Ｐ５０・・・（６）
ただし、Ｐ５１：目標値を変更した後の排ガスの平均温度、Ｐ５０：排ガスの平均温度の基準値

【0034】

ΔＰ６＝Ｐ６１−Ｐ６０・・・（７）
ただし、Ｐ６１：目標値を変更した後の投入熱量、Ｐ６０：投入熱量の基準値
尚、以下の説明では、必要に応じて、ΔＰ１を熱効率、ΔＰ２を珪石煉瓦温度、ΔＰ３をＣＯ₂排出量、ΔＰ４をＣＯＧトータル流量、ΔＰ５を排ガス平均温度、ΔＰ６を投入熱量と称する。

【0035】

以上より、本実施形態では、熱効率ΔＰ１、珪石煉瓦温度ΔＰ２、ＣＯ₂排出量ΔＰ３、ＣＯＧトータル流量ΔＰ４、排ガス平均温度ΔＰ５、及び投入熱量ΔＰ６が目的関数ΔＰであることが目的関数設定部１１１により設定される。
目的関数設定部１１１は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ（ハードディスク）等を用いることにより実現できる。

【0036】

（制約条件設定部１１２）
制約条件設定部１１２は、オペレータからの操作に基づいて、目標値を設定する際の制約条件を設定する。本実施形態では、以下の（８）〜（１０）式の制約条件が制約条件設定部１１２により設定される。
ΔＰ２＝０ ・・・（８）
Ｐ２１≧Ｐ２ｍｉｎ ・・・（９）
Ｐ４１≦Ｐ４ｍａｘ ・・・（１０）
ここで、Ｐ２ｍｉｎは、珪石煉瓦４０７の温度の調整可能範囲の下限値である。また、Ｐ４ｍａｘは、ＣＯＧのトータル流量の調整可能範囲の上限値である。
制約条件設定部１１２は、例えば、情報処理装置１００に設けられているＨＤ等を用いることにより実現できる。

【0037】

（パレート最適解導出部１１３）
パレート最適解導出部１１３は、多目的ＧＡを適用して、目的関数設定部１１１により設定された目的関数ΔＰに対する多目的最適化問題を解いて複数のパレート最適解を導出する。以下にパレート最適解導出部１１３が有する機能を説明する。尚、パレート最適解導出部１１３は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、ＨＤ、インターフェース等を用いることにより実現される。

【0038】

個体生成部１１３ａは、Ｎ個の個体が入る２つの集合（現世代、次世代）を設定し、現世代にＮ個の個体をランダムに生成する。
目標値変換部１１３ｂは、個体生成部１１３ａで生成されたＮ個の個体を目標値パターンに変換する。

【0039】

図４は、目標値パターンの一例を示す図である。前述したように、ドーム温度Ｕ１、Ｃ／Ｂ比Ｕ２、及びＢＦＧ流量Ｕ３を制御量とするので、これらについての目標値パターンが必要になる。ここで、本実施形態で言う目標値パターンとは、燃焼開始から燃焼終了までの目標値の推移を表すものである。

【0040】

図４（ａ）は、ドーム温度Ｕ１の目標値パターン４１である。図４（ａ）において、Ｕ１ｍａｘは、ドーム温度Ｕ１の調整可能範囲の上限値であり、Ｕ１ｍｉｎは、その下限値である。ドーム温度Ｕ１の調整可能範囲（Ｕ１ｍｉｎ〜Ｕ１ｍａｘ）の間にドーム温度Ｕ１の目標値パターン４１が入るようにする必要がある。

【0041】

Ｕ１０は、ドーム温度Ｕ１の基準値であり、例えばオペレータによって予め設定されるものである。Ｕ１１は、目標値が変更される前のドーム温度である。Ｕ１２は、目標値が変更された後のドーム温度である。Ｔ１ｍａｘは、ドーム温度Ｕ１の切替時刻の調整可能範囲の上限値であり、Ｔ１ｍｉｎは、その下限値である。ドーム温度Ｕ１の切替時刻の調整可能範囲（Ｔ１ｍｉｎ〜Ｔ１ｍａｘ）の間で、ドーム温度Ｕ１が変更されるようにドーム温度Ｕ１の目標値パターン４１を設定する必要がある。

【0042】

図４（ｂ）は、Ｃ／Ｂ比Ｕ２の目標値パターン４２である。図４（ｂ）において、Ｕ２ｍａｘは、Ｃ／Ｂ比Ｕ２の調整可能範囲の上限値であり、Ｕ２ｍｉｎは、その下限値である。Ｃ／Ｂ比Ｕ２の調整可能範囲（Ｕ２ｍｉｎ〜Ｕ２ｍａｘ）の間にＣ／Ｂ比Ｕ２の目標値パターン４２が入るようにする必要がある。

【0043】

Ｕ２０は、Ｃ／Ｂ比Ｕ２の基準値であり、例えばオペレータによって予め設定されるものである。Ｕ２１は、目標値が変更される前のＣ／Ｂ比である。Ｕ２２は、目標値が変更された後のＣ／Ｂ比である。Ｔ２ｍａｘは、Ｃ／Ｂ比Ｕ２の切替時刻の調整可能範囲の上限値であり、Ｔ２ｍｉｎは、その下限値である。Ｃ／Ｂ比Ｕ２の切替時刻の調整可能範囲（Ｔ２ｍｉｎ〜Ｔ２ｍａｘ）の間で、Ｃ／Ｂ比Ｕ２が変更されるようにＣ／Ｂ比Ｕ２の目標値パターン４２を設定する必要がある。

【0044】

図４（ｃ）は、ＢＦＧ流量Ｕ３の目標値パターン４３である。図４（ｃ）において、Ｕ３ｍａｘは、ＢＦＧ流量Ｕ３の調整可能範囲の上限値であり、Ｕ３ｍｉｎは、その下限値である。ＢＦＧ流量Ｕ３の調整可能範囲（Ｕ３ｍｉｎ〜Ｕ３ｍａｘ）の間にＢＦＧ流量Ｕ３の目標値パターン４３が入るようにする必要がある。

【0045】

Ｕ３０は、ＢＦＧ流量Ｕ３の基準値であり、例えば送風温度が目標値と一致するようにオペレータによって予め設定されるものである。Ｕ３１は、目標値が変更される前のＢＦＧ流量である。Ｕ３２は、目標値が変更された後のＢＦＧ流量である。Ｔ３ｍａｘは、ＢＦＧ流量Ｕ３の切替時刻の調整可能範囲の上限値であり、Ｔ３ｍｉｎは、その下限値である。ＢＦＧ流量Ｕ３の切替時刻の調整可能範囲（Ｔ３ｍｉｎ〜Ｔ３ｍａｘ）の間で、ＢＦＧ流量Ｕ３が変更されるようにＢＦＧ流量Ｕ３の目標値パターン４３を設定する必要がある。

【0046】

図５は、個体の構成の一例を示す図である。
図５において、個体５０は、例えば３２ｂｉｔの情報であり、ドーム温度の情報５１と、Ｃ／Ｂ比の情報５２と、ＢＦＧ流量の情報５３とが含まれている。
ドーム温度の情報５１には、ΔＵ１１、ΔＵ１２、ΔＴ１１が更に含まれている。
ΔＵ１１は、目標値が変更される前のドーム温度Ｕ１１に対応する値であり、ドーム温度Ｕ１の調整可能範囲の下限値Ｕ１ｍｉｎから上限値Ｕ１ｍａｘまでの範囲を均等に１６分割した点のうち、下から数えて何番目の点であるかを示すものである（図４（ａ）を参照）。

【0047】

ΔＵ１２は、目標値が変更された後のドーム温度Ｕ１２に対応する値であり、ドーム温度Ｕ１の調整可能範囲の下限値Ｕ１ｍｉｎから上限値Ｕ１ｍａｘまでの範囲を均等に１６分割した点のうち、下から数えて何番目の点であるかを示すものである（図４（ａ）を参照）。
ΔＴ１１は、ドーム温度Ｕ１の切替時刻Ｔ１１に対応する値であり、ドーム温度Ｕ１の切替時刻の調整可能範囲の下限値Ｔ１ｍｉｎから上限値Ｔ１ｍａｘまでの範囲を均等に１６分割した点のうち、下から数えて何番目の点であるかを示すものである（図４（ａ）を参照）。

【0048】

Ｃ／Ｂ比の情報５２には、ΔＵ２１、ΔＵ２２、ΔＴ２１が更に含まれている。
ΔＵ２１は、目標値が変更される前のＣ／Ｂ比Ｕ２１に対応する値であり、Ｃ／Ｂ比Ｕ２の調整可能範囲の下限値Ｕ２ｍｉｎから上限値Ｕ２ｍａｘまでの範囲を均等に１６分割した点のうち、下から数えて何番目の点であるかを示すものである（図４（ｂ）を参照）。

【0049】

ΔＵ２２は、目標値が変更された後のＣ／Ｂ比Ｕ２２に対応する値であり、Ｃ／Ｂ比Ｕ２の調整可能範囲の下限値Ｕ２ｍｉｎから上限値Ｕ２ｍａｘまでの範囲を均等に１６分割した点のうち、下から数えて何番目の点であるかを示すものである（図４（ｂ）を参照）。
ΔＴ２１は、Ｃ／Ｂ比Ｕ２の切替時刻Ｔ２１に対応する値であり、Ｃ／Ｂ比Ｕ２の切替時刻の調整可能範囲の下限値Ｔ２ｍｉｎから上限値Ｔ２ｍａｘまでの範囲を均等に１６分割した点のうち、下から数えて何番目の点であるかを示すものである（図４（ｂ）を参照）。

【0050】

ＢＦＧ流量の情報５３には、ΔＵ３２、ΔＴ３１が更に含まれている。尚、本実施形態では、目標値が変更される前のＢＦＧ流量Ｕ３１は、送風温度が目標温度と一致するようにプロセスシミュレータ１５０により自動的に調整されるものとする。したがって、個体５０には、目標値が変更される前のＢＦＧ流量Ｕ３１に対応する値が含まれていない。ただし、目標値が変更される前のＢＦＧ流量Ｕ３１に対応する値を個体５０に含めるようにしてもよい。

【0051】

ΔＵ３２は、目標値が変更された後のＢＦＧ流量Ｕ３２に対応する値であり、ＢＦＧ流量Ｕ３の調整可能範囲の下限値Ｕ３ｍｉｎから上限値Ｕ３ｍａｘまでの範囲を均等に１６分割した点のうち、下から数えて何番目の点であるかを示すものである（図４（ｃ）を参照）。
ΔＴ３１は、ＢＦＧ流量Ｕ３の切替時刻Ｔ３１に対応する値であり、ＢＦＧ流量Ｕ３の切替時刻の調整可能範囲の下限値Ｔ３ｍｉｎから上限値Ｔ３ｍａｘまでの範囲を均等に１６分割した点のうち、下から数えて何番目の点であるかを示すものである（図４（ｃ）を参照）。

【0052】

以上のように本実施形態では、個体生成部１１３ａで生成された個体５０のそれぞれには、目標値を特定するための情報の一例として、ΔＵ１１、ΔＵ１２、ΔＴ１１、ΔＵ２１、ΔＵ２２、ΔＴ２１、ΔＵ３２、ΔＴ３１が含まれており、これらはそれぞれ４ビットの情報である。
尚、図４では、切替時刻Ｔ１１、Ｔ２１、Ｔ３１において、目標値パターン４１〜４３が９０［°］の傾きで変化しているが、必ずしもこのようにする必要はなく、９０［°］以外の角度の傾きで目標値パターンが変化するようにしてもよい。このようにした場合には、その傾きの情報も目標値パターンを決定する変数として個体に設定する必要がある。

【0053】

図３の説明に戻り、目標値変換部１１３ｂは、以下の（１１）式〜（１８）式により算出されたＵ１１、Ｕ１２、Ｔ１１、Ｕ２１、Ｕ２２、Ｔ２１、Ｕ３２、Ｔ３１を用いて、個体生成部１１３ａで生成されたＮ個の個体を目標値パターンに変換する。
Ｕ１１＝Ｕ１ｍｉｎ＋（Ｕ１ｍａｘ−Ｕ１ｍｉｎ）×ΔＵ１１／１６ ・・・（１１）
Ｕ１２＝Ｕ１ｍｉｎ＋（Ｕ１ｍａｘ−Ｕ１ｍｉｎ）×ΔＵ１２／１６ ・・・（１２）
Ｔ１１＝Ｔ１ｍｉｎ＋（Ｔ１ｍａｘ−Ｔ１ｍｉｎ）×ΔＴ１１／１６ ・・・（１３）
Ｕ２１＝Ｕ２ｍｉｎ＋（Ｕ２ｍａｘ−Ｕ２ｍｉｎ）×ΔＵ２１／１６ ・・・（１４）
Ｕ２２＝Ｕ２ｍｉｎ＋（Ｕ２ｍａｘ−Ｕ２ｍｉｎ）×ΔＵ２２／１６ ・・・（１５）
Ｔ２１＝Ｔ２ｍｉｎ＋（Ｔ２ｍａｘ−Ｔ２ｍｉｎ）×ΔＴ２１／１６ ・・・（１６）
Ｕ３２＝Ｕ３ｍｉｎ＋（Ｕ３ｍａｘ−Ｕ３ｍｉｎ）×ΔＵ３２／１６ ・・・（１７）
Ｔ３１＝Ｔ３ｍｉｎ＋（Ｔ３ｍａｘ−Ｔ３ｍｉｎ）×ΔＴ３１／１６ ・・・（１８）

【0054】

シミュレーション指示部１１３ｃは、プロセスシミュレータ１５０に対して、目標値変換部１１３ｂにより変換された目標値パターンを渡して、プロセスシミュレーションを行うことを指示する。
図３に示すようにプロセスシミュレータ１５０は、図１に示した制御器３００をモデル化した制御器モデル１５１と、熱風炉４００の構成をモデル化した熱風炉の物理モデル１５２と、減算器５００をモデル化した減算器モデル１５３とが含まれており、現実のプロセス制御系をソフトウェアでシミュレーション（コンピュータシミュレーション）するものである。
まず、プロセスシミュレータ１５０は、実績データベース２００に記憶されている"熱風炉４００における操業実績のデータ"を抽出する。そして、プロセスシミュレータ１５０は、熱風炉４００における操業実績のデータに基づいて、シミュレーションを実行するための初期値を設定する。

【0055】

このようにして初期値が設定された後に、プロセスシミュレータ１５０は、目標値変換部１１３ｂにより変換された目標値パターンを用いて、図１に示したプロセス制御システム１０の動作をシミュレーションする。このシミュレーションが終了すると、プロセスシミュレータ１５０は、熱風炉の物理モデル１５２から得られる"熱効率ΔＰ１、珪石煉瓦温度ΔＰ２、ＣＯ₂排出量ΔＰ３、ＣＯＧトータル流量ΔＰ４、排ガス平均温度ΔＰ５、及び投入熱量ΔＰ６"と、それらを求めるのに使用した変数（Ｐ１０、Ｐ１１、Ｐ２０、Ｐ２１、Ｐ３０、Ｐ３１、Ｐ４０、Ｐ４１、Ｐ５０、Ｐ５１、Ｐ６０、Ｐ６１）とを目標値最適化装置１１０（シミュレーション結果取得部１１３ｄ）に出力する。

【0056】

シミュレーション結果取得部１１３ｄは、プロセスシミュレータ１５０から、熱効率ΔＰ１、珪石煉瓦温度ΔＰ２、ＣＯ₂排出量ΔＰ３、ＣＯＧトータル流量ΔＰ４、排ガス平均温度ΔＰ５、及び投入熱量ΔＰ６を評価量として取得する。
適応度導出部１１３ｅは、シミュレーション結果取得部１１３ｄにより得られた"熱効率ΔＰ１、珪石煉瓦温度ΔＰ２、ＣＯ₂排出量ΔＰ３、ＣＯＧトータル流量ΔＰ４、排ガス平均温度ΔＰ５、及び投入熱量ΔＰ６"から適応度を導出（算出）する。尚、適応度の導出は、多目的ＧＡにおける公知の手法で行うことができるので、その詳細な説明を省略する。

【0057】

制約条件判定部１１３ｆは、シミュレーション結果取得部１１３ｄにより得られた"珪石煉瓦温度ΔＰ２と、目標値を変更した後の珪石煉瓦の最低温度Ｐ２１と、目標値を変更した後のＣＯＧのトータル流量Ｐ４１"が、制約条件設定部１１２により設定された制約条件（（８）式〜（１０）式）を満足するか否かを判定する。
適応度決定部１１３ｇは、制約条件判定部１１３ｆにより制約条件を満足していると判定された場合には、適応度導出部１１３ｅで導出された適応度を選択する。一方、制約条件判定部１１３ｆにより制約条件を満足していないと判定された場合、適応度決定部１１３ｇは、適応度導出部１１３ｅで導出された適応度をキャンセルし、適応度として最低値を設定する。このようにすることにより、この適応度に対応する"珪石煉瓦温度ΔＰ２と、目標値を変更した後の珪石煉瓦の最低温度Ｐ２１と、目標値を変更した後のＣＯＧのトータル流量Ｐ４１"が、パレート最適解求解部１１３ｈから出力されることが防止される。

【0058】

以上の目標値変換部１１３ｂ、シミュレーション指示部１１３ｃ、シミュレーション結果取得部１１３ｄ、適応度導出部１１３ｅ、制約条件判定部１１３ｆ、及び適応度決定部１１３ｇの処理は、個体生成部１１３ａで生成されたＮ個の個体のそれぞれについて個別に行われる。
パレート最適解求解部１１３ｈは、個体生成部１１３ａで生成された個体について、交叉、突然変異、コピーの何れかを、或る確率で行い、その結果を次世代に保存する。そして、この処理により次世代の個体の数がＮ個になると、パレート最適解求解部１１３ｈは、現世代の個体を削除すると共に、次世代の全ての個体を現世代に移す。

【0059】

そして、以上の目標値変換部１１３ｂ、シミュレーション指示部１１３ｃ、シミュレーション結果取得部１１３ｄ、適応度導出部１１３ｅ、制約条件判定部１１３ｆ、適応度決定部１１３ｇ、及びパレート最適解求解部１１３ｈの動作を、最大世代数Ｇになるまで繰り返す。そして、パレート最適解求解部１１３ｈは、最終的に現世代に含まれている個体のうち、適応度が最も高い（複数の）個体の評価量（ΔＰ１、ΔＰ２、ΔＰ３、ΔＰ４、ΔＰ５、ΔＰ６）と、その個体に対する目標値パターンとをパレート最適解記憶部１１４に出力する。

【0060】

（パレート最適解記憶部１１４）
パレート最適解記憶部１１４は、パレート最適解求解部１１３ｈから出力された"個体の評価量（ΔＰ１、ΔＰ２、ΔＰ３、ΔＰ４、ΔＰ５、ΔＰ６）と、その個体に対する目標値パターン"を相互に関連付けて記憶する。
図６は、パレート最適解の一例を示す図である。尚、本実施形態では、目的関数ΔＰは６個（ΔＰ１、ΔＰ２、ΔＰ３、ΔＰ４、ΔＰ５、ΔＰ６）であるが、視覚的に分かり易いように、ここでは、２つの目的関数ΔＰ１、ΔＰ２についてのパレート最適解を示す。
図６では、７個のパレート最適解Ｚ１〜Ｚ７が得られた場合を例に挙げて示している。したがって、図６に示す例では、パレート最適解記憶部１１４は、これら７個のパレート最適解Ｚ１〜Ｚ７の値（ΔＰ１〜ΔＰ６の値）と、そのパレート最適解Ｚ１〜Ｚ７に対応する目標値パターンとを相互に関連付けて記憶することになる。
パレート最適解記憶部１１４は、例えば、情報処理装置１００に設けられているＨＤ等を用いることにより実現できる。

【0061】

（操業方針取得部１１５）
図３の説明に戻り、操業方針取得部１１５は、オペレータにより入力された操業方針に関する情報を入力する。
操業方針取得部１１５は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ（ハードディスク）等を用いることにより実現できる。

【0062】

（プラント状態・評価量取得部１１６）
プラント状態・評価量取得部１１６は、熱風炉４００の状態量（の実績値）と、熱風炉４００における評価量ΔＰ１〜ΔＰ６（の実績値）とを、熱風炉４００に設けられている各種の測定器等から取得する。
前述したように、熱風炉４００の状態量とは、熱風炉４００を操業することにより、直接的に又は間接的に時々刻々と測定される量（例えば温度や送風流量）である。一方、熱風炉４００における評価量ΔＰ１〜ΔＰ６は、熱風炉４００の性能を評価するための指標であり、例えば、熱風炉４００の状態量が取得される周期よりも長い周期（例えば１日単位）に亘って取得された熱風炉４００の状態量に基づいて算出されるものである。

【0063】

尚、熱風炉４００における評価量ΔＰ１〜ΔＰ６（の実績値）は、例えば、目標値最適化装置１１０がプロセスシミュレータ１５０をチューニングするために使用される。一方、熱風炉４００の状態量は、操業条件変更判定部１１７において、操業条件が変更されたか否かを判定するために使用される。
プラント状態・評価量取得部１１６は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0064】

（操業条件変更判定部１１７）
操業条件変更判定部１１７は、操業方針取得部１１５により取得された操業方針と、プラント状態・評価量取得部１１６により取得された熱風炉４００の状態量（の実績値）とに基づいて、操業方針及び熱風炉４００の状態量の少なくとも何れか一方が変更されたか否かを判定することによって、熱風炉４００の操業条件が変更されたか否かを判定する。前述したように、本実施形態では、操業方針及び熱風炉４００の状態量が、熱風炉４００の操業条件に含まれる。したがって、操業方針及び熱風炉４００の状態量の少なくとも何れか一方が変更されると、熱風炉４００の操業条件が変更されたことになる。
操業条件変更判定部１１７は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0065】

（パレート最適解候補表示部１１８）
パレート最適解候補表示部１１８は、操業条件変更判定部１１７により、熱風炉４００の操業条件が変更されたと判定されると、最適パレート解記憶部１１４に記憶されている複数のパレート最適解Ｚ１〜Ｚ７（すなわち目標値）をオペレータに選択させるためのＧＵＩを情報処理装置１００に接続されているディスプレイ（例えば液晶ディスプレイ）に表示する。
図７は、パレート最適解Ｚ１〜Ｚ７（すなわち目標値）をオペレータに変更させるためのＧＵＩの一例を示す図である。

【0066】

図７において、ＧＵＩ７０には、操業条件の変更内容と、パレート最適解（の名称）Ｚ１〜Ｚ７と、そのパレート最適解Ｚ１〜Ｚ７の値を定める評価量ΔＰ１〜ΔＰ６と、その評価量ΔＰ１〜ΔＰ６の優劣とが表示される。また、現在選択されているパレート最適解（図７に示す例では、パレート最適解Ｚ３）は、四角で囲まれている。
ここで、評価量ΔＰ１〜ΔＰ６の優劣とは、各パレート最適解Ｚ１〜Ｚ７における評価量ΔＰ１〜ΔＰ６の相対的な優劣を示すものであり、例えば、パレート最適解Ｚ３が選択された場合には、ＣＯＧトータル流量ΔＰ４、ＣＯ₂排出量ΔＰ３、珪石煉瓦温度ΔＰ２、熱効率ΔＰ１、投入熱量ΔＰ６、排ガス平均温度ΔＰ５の順に優れた操業となる。

【0067】

本実施形態では、ＧＵＩ７０を操作することにより、パレート最適解Ｚ１〜Ｚ７の何れか１つをユーザが手動で選択することと、情報処理装置１００が自動で選択することとの双方が行われるようにしている。
パレート最適解Ｚ１〜Ｚ７の何れかをユーザが手動で選択する場合、オペレータは、まず、ＧＵＩ７０を見ながら、現在選択されているパレート最適解をどのパレート最適解に変更すべきかを判断し、情報処理装置１００に接続されているユーザインタフェースを操作することによって、ＧＵＩ７０に表示されている矢印７１を動かす。そうすると、オペレータが所望するパレート最適解の脇に矢印７１が表示される。その後、オペレータは、ユーザインタフェースを操作して手動ボタン７２を押し、変更すべきパレート最適解を確定させる。

【0068】

一方、パレート最適解Ｚ１〜Ｚ７の何れかを情報処理装置１００が自動で選択する場合、オペレータは、自動ボタン７３を押す。そうすると、後述するようにしてパレート最適解Ｚ１〜Ｚ７の何れかが自動的に選択される。
パレート最適解候補表示部１１８は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、ＶＲＡＭ、及びＨＤ等を用いることにより実現できる。尚、図７に示した情報に加えて、各パレート最適解における目標値パターンを示す情報をＧＵＩ７０に表示するようにしてもよい。

【0069】

（パレート最適解取得判定部１１９）
パレート最適解取得判定部１１９は、ＧＵＩ７０に対するオペレータの操作によって、手動ボタン７２と自動ボタン７３との何れが押されたかを判定する。
パレート最適解取得判定部１１９は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ（ハードディスク）等を用いることにより実現できる。

【0070】

（重み係数導出部１２０）
重み係数導出部１２０は、パレート最適解取得判定部１１９により自動ボタン７３が押されたと判定されると、変更された操業条件の情報（操業方針取得部１１５及びプラント状態・評価量取得部１１６の少なくとも何れか一方から取得された情報）に基づいて、熱効率ΔＰ１、珪石煉瓦温度ΔＰ２、ＣＯ₂排出量ΔＰ３、ＣＯＧトータル流量ΔＰ４、排ガス平均温度ΔＰ５、及び投入熱量ΔＰ６のそれぞれに対する重みベクトルＷ（重み係数）を算出する。重みベクトルＷは、以下の（１９）式で表される。

【0071】

Ｗ＝［Ｗ１，Ｗ２，Ｗ３，Ｗ４，Ｗ５，Ｗ６］ ・・・（１９）
Ｗ１は熱効率ΔＰ１の重みベクトル（重み係数）、Ｗ２は珪石煉瓦温度ΔＰ２の重みベクトル（重み係数）、Ｗ３はＣＯ₂排出量ΔＰ３の重みベクトル（重み係数）、Ｗ４はＣＯＧトータル流量ΔＰ４の重みベクトル（重み係数）、Ｗ５は排ガス平均温度ΔＰ５の重みベクトル（重み係数）、Ｗ６は投入熱量ΔＰ６の重みベクトル（重み係数）である。各重みベクトル（重み係数）Ｗ１〜Ｗ６の値は０以上１以下の値となり、それらの総和は１になる。例えば、熱効率ΔＰ１を最大化する場合には、重みベクトルＷは、例えば以下の（２０）式のようになる。
Ｗ＝［１，０，０，０，０，０］ ・・・（２０）
重み係数導出部１２０は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0072】

（評価関数導出部１２１）
評価関数導出部１２１は、重み係数導出部１２０で導出された重みベクトルＷと、パレート最適解記憶部１１４に記憶されているパレート最適解Ｚ１〜Ｚ７の値（ΔＰ１〜ΔＰ６の値）とを用いて、以下の（２１）式により評価関数Ｑを導出（算出）し、重みベクトル（重み係数）Ｗ１〜Ｗ６による評価量の加重和を求める。このとき、評価関数導出部１２１は、各評価量ΔＰ１〜ΔＰ６が略同じ変動範囲を持つように、各評価量ΔＰ１〜ΔＰ６に対して正規化処理を行う。したがって、（２１）式におけるΔＰ_rは、正規化された評価量を示す。また、評価関数導出部１２１は、各評価量ΔＰ１〜ΔＰ６のうち、熱効率ΔＰ１のように最大化すべき評価量については、パレート最適解記憶部１１４に記憶されているパレート最適解Ｚの値（ΔＰの値）に「−１」を乗算する。したがって、（２１）式におけるΔＰrのうち、最大化すべき評価量については、パレート最適解記憶部１１４に記憶されているものと符号（正負）が異なるものとなる。
尚、ここでは、パレート最適解記憶部１１４に記憶されているパレート最適解Ｚの値（ΔＰの値）に対して正規化処理や「−１」の乗算処理を行うようにしたが、これらの処理を行ったものをパレート最適解記憶部１１４に記憶するようにしてもよい。

【0073】

【数1】

【0074】

（２１）式において、ｓは、評価量ΔＰの数である。本実施形態では、６個の評価量ΔＰ１〜ΔＰ６があるので、ｓ＝６となる。
評価関数導出部１２１は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0075】

（パレート最適解選択部１２２）
パレート最適解選択部１２２は、評価関数導出部１２１により導出された７個の評価関数Ｑに基づいて、パレート最適解記憶部１１４に記憶されているパレート最適解Ｚ１〜Ｚ７のうち、最も適切なパレート最適解を選択する。具体的に本実施形態では、パレート最適解選択部１２２は、評価関数導出部１２１により導出された７個の評価関数Ｑのうち、最小の評価関数Ｑを選択し、当該評価関数Ｑに対応するパレート最適解を選択する。すなわち、本実施形態では、パレート最適解選択部１２２は、操業条件が変更された後の重みベクトル（重み係数）による評価量の加重和が最小になるパレート最適解を選択する。
パレート最適解選択部１２２は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0076】

（目標値変更部１２３、目標値記憶部１２４）
目標値変更部１２３は、パレート最適解取得判定部１１９により手動ボタン７２が押されたと判定されると、図７に示したＧＵＩ７０にてオペレータにより選択されたパレート最適解に対応する目標値パターンをパレート最適解記憶部１１４から読み出す。
一方、パレート最適解取得判定部１１９により自動ボタン７３が押されたと判定されると、パレート最適解選択部１２２により選択されたパレート最適解に対応する目標値パターンをパレート最適解記憶部１１４から読み出す。そして、目標値変更部１２３は、目標値記憶部１２４に記憶されている目標値パターンを、読み出した目標値パターンに書き換える。
目標値変更部１２３は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ（ハードディスク）等を用いることにより実現できる。また、目標値記憶部１２４は、例えば、情報処理装置１００に設けられているＨＤ等を用いることにより実現できる。

【0077】

（目標値出力部１２５）
目標値出力部１２５は、目標値記憶部１２４に記憶されている目標値パターンが更新されると、更新された目標値パターンを制御器３００に出力する。これにより、熱風炉４００を制御する際の目標値が変更される。
目標値出力部１２５は、例えば、情報処理装置１００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、ＨＤ、インターフェース等を用いることにより実現できる。

【0078】

尚、図３において、目標値パターンがまだ選択されていない場合（操業初期の場合）には、例えば、以下のようにして目標値パターンを制御器３００に出力することができる。すなわち、重み係数導出部１２０、評価関数導出部１２１、パレート最適化選択部１２２、及び目標値変更部１２３を起動させて、操業条件に応じたパレート最適解を自動的に１つ選択し、そのパレート最適解に対応する目標値パターンをパレート最適解記憶部１１４から読み出し、目標値記憶部１２４に書き込む。そして、目標値出力部１２５は、目標値記憶部１２４に書き込まれた目標値パターンを制御器３００に出力する。また、目標値パターンがまだ選択されていない場合（操業初期の場合）には、所定の目標値パターンを制御器３００に出力するようにしてもよい。

【0079】

＜パレート最適解導出処理＞
次に、図８のフローチャートを参照しながら、複数のパレート最適解を予め導出して記憶するパレート最適解導出処理を実行する際の目標値最適化装置１１０の動作の一例を説明する。
まず、ステップＳ１において、目的関数設定部１１１は、オペレータからの操作に基づいて、目的関数ΔＰを設定する。前述したように本実施形態では、熱効率ΔＰ１、珪石煉瓦温度ΔＰ２、ＣＯ₂排出量ΔＰ３、ＣＯＧトータル流量ΔＰ４、排ガス平均温度ΔＰ５、及び投入熱量ΔＰ６が目的関数ΔＰであることが目的関数設定部１１１により設定される。

【0080】

次に、ステップＳ２において、制約条件設定部１１２は、オペレータからの操作に基づいて、目標値を設定する際の制約条件を設定する。前述したように本実施形態では、（８）〜（１０）式の制約条件が制約条件設定部１１２により設定される。
次に、ステップＳ３において、個体生成部１１３ａは、Ｎ個の個体が入る２つの集合（現世代、次世代）を設定する。
次に、ステップＳ４において、個体生成部１１３ａは、ステップＳ３で設定した現世代にＮ個の個体をランダムに生成する。
このように本実施形態では、例えば、ステップＳ４の処理を行うことにより個体生成手段の一例が実現される。

【0081】

次に、ステップＳ５において、目標値変換部１１３ｂは、ステップＳ４で生成されたＮ個の個体を目標値パターンに変換する。前述したように、目標値変換部１１３ｂは、（１１）式〜（１８）式により算出されたＵ１１、Ｕ１２、Ｔ１１、Ｕ２１、Ｕ２２、Ｔ２１、Ｕ３２、Ｔ３１を用いて、Ｎ個の個体を目標値パターンに変換する。尚、目標値パターンは、図４に示したようなものである。
このように本実施形態では、例えば、ステップＳ５の処理を行うことにより目標値変換手段の一例が実現される。

【0082】

次に、ステップＳ６において、シミュレーション指示部１１３ｃは、プロセスシミュレータ１５０に対して、コンピュータシミュレーションを行うことを指示する。これにより、プロセスシミュレータ１５０は、コンピュータシミュレーションを行い、その結果として、熱風炉の物理モデル１５２から得られる"熱効率ΔＰ１、珪石煉瓦温度ΔＰ２、ＣＯ₂排出量ΔＰ３、ＣＯＧトータル流量ΔＰ４、排ガス平均温度ΔＰ５、及び投入熱量ΔＰ６"と、それらを求めるのに使用した変数（Ｐ１０、Ｐ１１、Ｐ２０、Ｐ２１、Ｐ３０、Ｐ３１、Ｐ４０、Ｐ４１、Ｐ５０、Ｐ５１、Ｐ６０、Ｐ６１）とを出力する。
このように本実施形態では、例えば、ステップＳ６の処理を行うことによりシミュレーション手段の一例が実現される。

【0083】

次に、ステップＳ７において、シミュレーション結果取得部１１３ｄは、プロセスシミュレータ１５０から前述した情報を取得するまで待機する。そして、プロセスシミュレータ１５０から前述した情報を取得するとステップＳ８に進む。
このように本実施形態では、例えば、ステップＳ７の処理を行うことによりシミュレーション結果取得手段の一例が実現される。
ステップＳ８に進むと、シミュレーション結果取得部１１３ｄは、ステップＳ７でプロセスシミュレータ１５０から取得した"熱効率ΔＰ１、珪石煉瓦温度ΔＰ２、ＣＯ₂排出量ΔＰ３、ＣＯＧトータル流量ΔＰ４、排ガス平均温度ΔＰ５、及び投入熱量ΔＰ６"を評価量として適応度を導出する。
このように本実施形態では、例えば、ステップＳ８の処理を行うことにより適応度導出手段の一例が実現される。

【0084】

次に、ステップＳ９において、制約条件判定部１１３ｆは、ステップＳ７でシミュレーション結果取得部１１３ｄが取得した "珪石煉瓦温度ΔＰ２と、目標値を変更した後の珪石煉瓦の最低温度Ｐ２１と、目標値を変更した後のＣＯＧのトータル流量Ｐ４１"が、ステップＳ２で制約条件設定部１１２により設定された制約条件（（８）式〜（１０）式）を満足するか否かを判定する。この判定の結果、制約条件を満足する場合には、後述するステップＳ１１に進む。
一方、制約条件を満足しない場合には、ステップＳ１０に進む。ステップＳ１０に進むと、適応度決定部１１３ｇは、ステップＳ８で適応度導出部１１３ｅにより導出された適応度をキャンセルし、適応度として最低値を設定する。そして、ステップＳ１１に進む。

【0085】

そして、ステップＳ１１に進むと、パレート最適解求解部１１３ｈは、ステップＳ４で個体生成部１１３ａにより生成された個体について、交叉、突然変異、コピーの何れかを、或る確率で行い、その結果を次世代に保存する。
次に、ステップＳ１２において、パレート最適解求解部１１３ｈは、次世代の個体の数がＮ個になったか否かを判定する。この判定の結果、次世代の個体の数がＮ個になっていない場合にはステップＳ１１に戻り、次世代の個体の数がＮ個になるまで、ステップＳ１１、Ｓ１２を繰り返し行う。
そして、次世代の個体の数がＮ個になると、ステップＳ１３に進む。ステップＳ１３に進むと、パレート最適解求解部１１３ｈは、現世代の個体を削除すると共に、次世代の全ての個体を現世代に移す。

【0086】

次に、ステップＳ１４において、パレート最適解求解部１１３ｈは、ステップＳ５〜Ｓ１３の処理を最大世代数Ｇまで行ったか否かを判定する。この判定の結果、ステップＳ５〜Ｓ１３の処理を最大世代数Ｇまで行っていない場合には、ステップＳ５に戻り、ステップＳ５〜Ｓ１３の処理を最大世代数Ｇまで行うまでステップＳ５〜Ｓ１３の処理を繰り返し行う。そして、ステップＳ５〜Ｓ１３の処理が最大世代数Ｇまで行われると、ステップＳ１５に進む。

【0087】

ステップＳ１５に進むと、パレート最適解求解部１１３ｈは、最終的に現世代に含まれている個体のうち、適応度が最も高い（複数の）個体の評価量（ΔＰ１、ΔＰ２、ΔＰ３、ΔＰ４、ΔＰ５、ΔＰ６）をパレート最適解として採用する。そして、パレート最適解求解部１１３ｈは、その個体の評価量（パレート最適解）と、その個体に対応する目標値パターンとをパレート最適解記憶部１１４に出力する。これにより、パレート最適解求解部１１３ｈから出力された"個体の評価量（ΔＰ１、ΔＰ２、ΔＰ３、ΔＰ４、ΔＰ５、ΔＰ６）と、その個体に対する目標値パターン"とが相互に関連付けられてパレート最適解記憶部１１４に記憶される。
このように本実施形態では、例えば、ステップＳ１５の処理を行うことにより、パレート最適解求解手段、パレート最適解記憶手段の一例が実現される。また、例えば、図８のフローチャートを実行することによりパレート最適解導出手段の一例が実現される。

【0088】

＜目標値変更処理＞
次に、図９のフローチャートを参照しながら、熱風炉４００の操業条件が変更した場合に、目標値パターンを変更する目標値変更処理を行う際の目標値最適化装置１１０の動作の一例を説明する。
まず、ステップＳ２１において、操業条件変更判定部１１７は、熱風炉４００の操業条件が変更されたか否かを判定する。前述したように本実施形態では、操業方針取得部１１５により取得された操業方針と、プラント状態・評価量取得部１１６により取得された熱風炉４００の状態量の値との少なくとも何れか一方が変更されると、熱風炉４００の操業条件が変更されたと判定される。
このように本実施形態では、例えば、ステップＳ２１の処理を行うことにより操業条件変更判定手段の一例が実現される。

【0089】

次に、ステップＳ２２において、パレート最適解候補表示部１１８は、最適パレート解記憶部１１４に記憶されている複数のパレート最適解Ｚ１〜Ｚ７（すなわち目標値）をオペレータに選択させるためのＧＵＩ７０をディスプレイに表示する（図７を参照）。
このように本実施形態では、例えば、ステップＳ２２の処理を行うことによりパレート最適解候補表示手段の一例が実現される。
次に、ステップＳ２３において、パレート最適解取得判定部１１９は、オペレータによって変更後のパレート最適解が選択されたか否かを判定する。前述したように、本実施形態では、オペレータによって手動ボタン７２が押された場合には、オペレータによって変更後のパレート最適解が選択されたと判定する。一方、オペレータによって自動ボタン７３が押された場合には、オペレータによって変更後のパレート最適解が選択されなかったと判定する。

【0090】

この判定の結果、オペレータによって変更後のパレート最適解が選択された場合には、後述するステップＳ２７に進む。
一方、オペレータによって変更後のパレート最適解が選択されなかった場合には、パレート最適解を自動的に選択するのでステップＳ２４に進む。ステップＳ２４に進むと、重み係数導出部１２０は、変更された操業条件に基づいて重みベクトルＷ（重み係数）を導出する。
このように本実施形態では、例えば、ステップＳ２４の処理を行うことにより重み係数導出手段の一例が実現される。

【0091】

次に、ステップＳ２５において、評価関数導出部１２１は、ステップＳ２４で重み係数導出部１２０により導出された重みベクトルＷと、図８のステップＳ１５の処理でパレート最適解記憶部１１４に記憶されたパレート最適解Ｚ１〜Ｚ７の値（ΔＰ１〜ΔＰ６の値）とを用いて、重みベクトル（重み係数）Ｗ１〜Ｗ６による評価量の加重和を求める。具体的に説明すると、評価関数導出部１２１は、（２１）式により評価関数Ｑを導出する。
このように本実施形態では、例えば、ステップＳ２５の処理を行うことにより加重和導出手段の一例が実現される。

【0092】

次に、ステップＳ２６において、パレート最適解選択部１２２は、操業条件が変更された後の重みベクトル（重み係数）による評価量の加重和が最小になるパレート最適解を選択する。具体的に説明すると、パレート最適解選択部１２２は、ステップＳ２５で評価関数導出部１２１により導出された７個の評価関数Ｑのうち、最小の評価関数Ｑを選択し、当該評価関数Ｑに対応するパレート最適解を選択する。
以上のように本実施形態では、例えば、ステップＳ２３、Ｓ２６の処理を行うことによりパレート最適解選択手段の一例が実現される。

【0093】

以上のようにしてパレート最適解が選択されると、ステップＳ２７に進む。ステップＳ２７に進むと、目標値変更部１２３は、ステップＳ２３で選択されたと判定されたパレート最適解、又はステップＳ２６で選択されたパレート最適解に対応する目標値パターンをパレート最適解記憶部１１４から読み出し、目標値記憶部１２４に記憶されている目標値パターンを、読み出した目標値パターンに書き換える。
次に、ステップＳ２８において、目標値出力部１２５は、ステップＳ２７で目標値変更部１２３により書き換えられた（更新された）目標値パターンを制御器３００に出力する。
このように本実施形態では、例えば、ステップＳ２８の処理を行うことにより目標値出力手段の一例が実現される。

【0094】

以上のように本実施形態では、熱風炉４００の性能を評価する指標である複数の評価量を目的関数ΔＰとし、その目的関数ΔＰに対する多目的最適化問題を多目的ＧＡにより解き、複数のパレート最適解をオフラインで予め求めて記憶しておく。その後、操業条件の変更に応じて、記憶しておいた複数のパレート最適解の何れかを選択し、選択したパレート最適解に対応する目標値パターンを制御器３００に設定する。したがって、操業条件が変更された場合でも最適化計算をやり直さずに可及的に適切な目標値を制御器３００に設定することができる。

【0095】

また、本実施形態では、操業条件が変更されると、パレート最適解をオペレータに選択させるためのＧＵＩ７０を表示し、オペレータは、このＧＵＩ７０を参照・操作して、複数のパレート最適解の何れかを選択する。このＧＵＩ７０には、操業条件の変更内容と、パレート最適解（の名称）Ｚ１〜Ｚ７と、そのパレート最適解Ｚ１〜Ｚ７の値を定める評価量ΔＰ１〜ΔＰ６と、その評価量ΔＰ１〜ΔＰ６の優劣とが表示される。したがって、操業条件の変更に対してオペレータが起こすべきアクションの指針をオペレータに示すことができる。すなわち、オペレータは、パレート最適解を選択することによって評価量ΔＰ１〜ΔＰ６がどのように変更されるのかを知ることができ、それに応じて可及的に適切なパレート最適解を選択することができる。

【0096】

また、本実施形態では、オペレータによって、パレート最適解を自動的に選択することが指定されると、変更された操業条件に対応する重みベクトル（重み係数）を求め、求めた重みベクトル（重み係数）による評価量の加重和が最小となるパレート最適解を複数のパレート最適解の中から選択し、選択したパレート最適解に対応する目標値パターンを制御器３００に設定する。したがって、可及的に適切な目標値を自動的に制御器３００に設定することができる。

【0097】

（第１の変形例）
制約条件記憶部１１２に記憶された制約条件によって、パレート最適解選択部１２２は、図１０に示すようにしてパレート最適解を自動的に選択することができる。図１０は、パレート最適解を自動的に選択する方法の変形例を概念的に説明する図である。ここでは、制約条件が、以下の（２２）式であったとする。
ΔＰ２≦Ｔ₀ ・・・（２２）
この場合、パレート最適解選択部１２２は、パレート最適解記憶部１１４に記憶されている全てのパレート最適解Ｚ１〜Ｚ７ではなく、（２２）式を満たすパレート最適解Ｚ１〜Ｚ４の中から、最も適切なパレート最適解を選択する。この場合、パレート最適解Ｚ５〜Ｚ７については、重みベクトルＷや評価関数Ｑを求めないようにすることができる。したがって、パレート最適解を自動的に選択する際の処理を、より簡略化することができる。

【0098】

（第２の変形例）
パレート最適解記憶部１１４に記憶した複数のパレート最適解を一定周期で更新するようにしてもよい。
操業条件や外乱によって、評価量ΔＰ１〜ΔＰ６の基準値Ｐ１０、Ｐ２０、Ｐ３０、Ｐ４０、Ｐ５０、Ｐ６０（（２）式〜（７）式を参照）や、目標値Ｕ１、Ｕ２、Ｕ３の基準値Ｕ１０、Ｕ２０、Ｕ３０が変動する。これにより、目標値Ｕ１、Ｕ２、Ｕ３の調整可能範囲（Ｕ１ｍｉｎ〜Ｕ１ｍａｘ、Ｕ２ｍｉｎ〜Ｕ２ｍａｘ、Ｕ３ｍｉｎ〜Ｕ３ｍａｘ）や、制約条件の範囲や、目標値Ｕ１、Ｕ２、Ｕ３（制御量）の変動に対する評価量ΔＰ１〜ΔＰ６の変動の感度が変わる。したがって、目標値パターンが変更され、この目標値パターンの変更により、プロセスシミュレータ１５０によるシミュレーションの結果が変わり、更に適応度も変化する。よって、最終的に求まるパレート最適解も変更される。したがって、操業条件や外乱の変動に対応して、より適切なパレート最適解を選択することが可能になる。

【0099】

（第３の変形例）
複数のパレート最適解を求めるための手法は多目的ＧＡに限定されるものではない。例えば、多目的ＧＡの代わりに、ＮＳＧＡ−ＩＩやＮＣＧＡ等の種々のアルゴリズムを用いて複数のパレート最適解を求めることができる。また、複数のパレート最適解を求める時間を十分に確保することが出来る場合には、次のようにしてもよい。すなわち、複数の目的関数に対して重み係数法を適用して複数の目的関数を単一の目的関数に変換し、重み係数を変えながら山登り法等の単一目的最適化手法を用いて複数のパレート最適解を求めるようにしてもよい。

【0100】

（第４の変形例）
本実施形態では、複数のパレート最適解の何れかを、オペレータが手動で選択する場合と、情報処理装置１００が自動的に選択する場合との双方を行い得る場合を示したが、これらのうち、何れか一方のみを行うようにしてもよい。

【0101】

［第２の実施形態］
次に、本発明の第２の実施形態について説明する。第１の実施形態では、制御対象のプラントが熱風炉である場合を例に挙げて説明した。これに対し、本実施形態では、制御対象のプラントが熱間圧延設備である場合を例に挙げて説明する。このように本実施形態と第１の実施形態とは、制御対象のプラントが異なることによる構成及び処理が異なる。したがって、本実施形態の説明において、第１の実施形態と同一の部分については、図１〜図１０に付した符号と同一の符号を付す等して詳細な説明を省略する。

【0102】

まず、本実施形態の制御対象である熱間圧延設備１１００の概略構成について説明する。図１１は、熱間圧延設備１１００の概略構成の一例を示す図である。
図１１において、熱間圧延設備１１００は、加熱炉１１０１と、粗圧延機１１０２と、仕上圧延入側温度計１１０３と、仕上圧延機１１０４と、スタンド間スプレー１１０５ａ〜１１０５ｆと、仕上圧延出側温度計１１０６と、ランアウトテーブル１１０７と、ストリップシャー１１０８と、コイル巻取装置１１０９と、を有している。

【0103】

加熱炉１１０１は、図示していない圧延鋼板製造ラインから搬送されたスラブ１１１０を所定の温度に加熱する。
粗圧延機１１０２は、加熱炉１１０１により加熱され、熱間圧延ラインに供給されたスラブ１１１０を粗圧延する。

【0104】

仕上圧延入側温度計１１０３は、仕上圧延機１１０４の手前まで搬送された被圧延材の温度を計測する。
仕上圧延機１１０４は、被圧延材を連続的に仕上げ圧延する。本実施形態では、７台の圧延スタンドＦ１〜Ｆ７を用いて仕上圧延機１１０４が構成される場合を例に挙げて説明する。
スタンド間スプレー１１０５ａ〜１１０５ｆは、圧延スタンドＦ１〜Ｆ７の間に配設され、仕上げ圧延している被圧延材に冷却水を噴射する。

【0105】

仕上圧延出側温度計１１０６は、仕上圧延機１１０４により仕上げ圧延された被圧延材の温度を計測する。
ランアウトテーブル１１０７は、仕上圧延機１１０４により仕上げ圧延された被圧延材を冷却する。
コイル巻取装置１１０９は、一般にコイラーと称されるものであり、ランアウトテーブル１１０７により冷却された被圧延材を巻き取る機能を有している。尚、図１１に示す例では、被圧延材を、２台のコイル巻取装置１１０９ａ、１１０９ｂによって交互に巻き取るようにしている。

【0106】

ストリップシャー１１０８は、コイル巻取装置１１０９に所定の長さの被圧延材が巻き取られたときに、被圧延材を切断する機能を有している。
尚、熱間圧延設備は、図１１に示すものに限定されない。例えば、粗圧延機１１０２と仕上圧延入側温度計１１０３との間に、被圧延材の表面に形成されたスケールを除去するデスケーリング装置が備わっていてもよい。また、被圧延材の板厚を計測する板厚計が、圧延スタンドＦ１〜Ｆ７の入側・出側等に備わっていてもよい。

【0107】

本実施形態のプロセス制御システムの構成は、図１に示すプロセス制御システム１０の熱風炉４００を熱間圧延設備１１００としたものになる。
本実施形態では、以上のような熱間圧延設備１１００を制御対象とし、隣り合う圧延スタンドＦ１〜Ｆ７の"ロールギャップの差ΔＧａｐ_jの標準偏差σ（ΔＧａｐ_j）と、圧延荷重の差ΔＬｏａｄ_jの標準偏差σ（ΔＬｏａｄ_j）"を制御量とする場合を例に挙げて説明する。したがって、本実施形態では、制御器３００は、隣り合う圧延スタンドＦ１〜Ｆ７の"ロールギャップの差ΔＧａｐ_jの標準偏差σ（ΔＧａｐ_j）と、圧延荷重の差ΔＬｏａｄ_jの標準偏差σ（ΔＬｏａｄ_j）"の演算値（又は実測値）が目標値になるように熱間圧延設備１１００を制御する。
ここで、本実施形態では、添字の値が「１」、「２」、「３」、「４」、「５」、「６」、「７」であることは、それぞれ、圧延スタンドが「Ｆ１」、「Ｆ２」、「Ｆ３」、「Ｆ４」、「Ｆ５」、「Ｆ６」、「Ｆ７」であることを表す。

【0108】

制御器３００は、熱間圧延設備１１００における操業実績のデータを実績データベース２００に記憶させる。本実施形態では、実績データベース２００は、例えば、直近の５日分の操業実績のデータを１［ｓｅｃ］毎に記憶するようにしている。
操業実績のデータには、例えば、熱間圧延設備１１００を操業することにより熱間圧延設備１１００に設置された各種の測定器より出力される出力値（操業実績値）と、その出力値が得られたときの熱間圧延設備１１００に対する入力値及び目標値とが含まれる。

【0109】

図１２は、情報処理装置１２００の機能的な構成の一例を示す図である。本実施形態の情報処理装置１２００は、多目的ＧＡ（遺伝的アルゴリズム）を用いて、各圧延スタンドＦ１〜Ｆ６の出側の板厚ｈ₁〜ｈ₆を設計変数として多目的最適化問題を解き、その結果から複数のパレート最適解（評価量）を予め求め、その後、操業条件が変更されると、複数のパレート最適解の中から、変更された操業条件に合うパレート最適解を１つ選択し、選択したパレート最適解を目標値として制御器３００に出力する。

【0110】

ここで、操業条件には、熱間圧延設備１１００の状態量と、熱間圧延設備１１００の操業方針とが含まれる。熱間圧延設備１１００の状態量とは、熱間圧延設備１１００を操業することにより、直接的に又は間接的に時々刻々と測定される量（例えば温度や圧延荷重）である。一方、熱間圧延設備１１００の操業方針は、生産計画や生産管理に基づいてオペレータが決めるものである。

【0111】

＜目標値最適化装置１２１０、プロセスシミュレータ１２５０の構成＞
（目的関数設定部１２１１）
目的関数設定部１２１１は、オペレータからの操作に基づいて目的関数を設定する。本実施形態では、熱間圧延設備１１００の性能を評価する指標である複数の評価量を目的関数としている。具体的に本実施形態では、目的関数を以下の（２３）式、（２４）式のようにした場合を例に挙げて説明する。
σ（ΔＧａｐ_j）→Ｍｉｎ ・・・（２３）式
σ（ΔＬｏａｄ_j）→Ｍｉｎ ・・・（２４）式

【0112】

（２３）式及び（２４）式において、ｊは、圧延スタンドを特定するためのものである。本実施形態では、７スタンドによるタンデム圧延を行うので（圧延スタンドの数が７であるので）、ｊは、以下の（２５）式のように表される。
ｊ＝２，３，・・・，７ ・・・（２５）
（２３）式及び（２４）式において、「→Ｍｉｎ」は、その左にある値の最小値が最適値であることを表す。
（２３）式及び（２４）式において、σ（Ｘ）は、Ｘ（ここでは「ΔＧａｐ_j」、「ΔＬｏａｄ_j」）の標準偏差を表す。

【0113】

（２３）式において、ΔＧａｐ_jは、隣り合う圧延スタンドＦ１〜Ｆ７のロールギャップ［ｍｍ］の差である。ΔＧａｐ_jは、具体的に以下の（２６）式で表される。
ΔＧａｐ_j＝Ｇａｐ_j−Ｇａｐ_j-1 ・・・（２６）
また、（２４）式において、ΔＬｏａｄ_jは、隣り合う圧延スタンドＦ１〜Ｆ７の圧延荷重［Ｎ］の差である。ΔＬｏａｄ_jは、具体的に以下の（２７）式で表される。
ΔＬｏａｄ_j＝Ｌｏａｄ_j−Ｌｏａｄ_j-1 ・・・（２７）
目的関数設定部１２１１は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ（ハードディスク）等を用いることにより実現できる。

【0114】

（制約条件設定部１２１２）
制約条件設定部１２１２は、オペレータからの操作に基づいて、目標値を設定する際の制約条件を設定する。本実施形態では、以下の（２８）式、（２９）式の制約条件が制約条件設定部１２１２により設定される。
ΔＧａｐ_j＜０ ・・・（２８）
ΔＬｏａｄ_j＜０ ・・・（２９）
制約条件設定部１２１２は、例えば、情報処理装置１２００に設けられているＨＤ等を用いることにより実現できる。

【0115】

（パレート最適解導出部１２１３）
パレート最適解導出部１２１３は、多目的ＧＡを適用して、目的関数設定部１２１１により設定された目的関数に対する多目的最適化問題を解いて複数のパレート最適解を導出する。以下にパレート最適解導出部１２１３が有する機能を説明する。尚、パレート最適解導出部１２１３は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、ＨＤ、インターフェース等を用いることにより実現される。

【0116】

個体生成部１２１３ａは、Ｎ個の個体が入る２つの集合（現世代、次世代）を設定し、現世代にＮ個の個体をランダムに生成する。
図１３は、個体１３００の構成の一例を示す図である。
図１３において、個体１３００は、例えば３２ｂｉｔの情報であり、設計変数である圧延スタンドＦ１〜Ｆ６の出側の板厚ｈ₁〜ｈ₆の情報が含まれている。

【0117】

シミュレーション指示部１２１３ｂは、プロセスシミュレータ１２５０に対し、個体１３００の情報を渡して、プロセスシミュレーションを行うことを指示する。
図１２に示すようにプロセスシミュレータ１２５０は、制御器３００をモデル化した制御器モデル１２５１と、熱間圧延設備１１００の構成をモデル化した熱間圧延設備の物理モデル１２５２と、減算器５００をモデル化した減算器モデル１２５３とが含まれており、現実のプロセス制御系をソフトウェアでシミュレーション（コンピュータシミュレーション）するものである。

【0118】

プロセスシミュレータ１２５０は、まず、加熱炉１１０１の出側の被圧延材の温度［℃］の実績値を取得する。尚、このようにして実績値を取得する代わりに、加熱炉１１０１の出側の被圧延材の温度を、伝熱モデルにより計算してもよい。
次に、プロセスシミュレータ１２５０は、粗圧延機１１０２の出側の被圧延材の温度［℃］の予測値を算出する。例えば、加熱炉１１０１の出側の被圧延材の温度に、予め設定されている温度降下係数を掛けることにより、粗圧延機１１０２の出側の被圧延材の温度の予測値を算出することができる。

【0119】

次に、プロセスシミュレータ１２５０は、各圧延スタンドＦ１〜Ｆ７における圧延温度Ｔ_i［℃］を算出する。例えば、以下の（３０）式により、各圧延スタンドＦ２〜Ｆ７における圧延温度Ｔ_j（ｊ＝２，３，４，５，６，７）を算出することができる。

【0120】

【数2】

【0121】

（３０）式において、Ｔ₁は、圧延スタンドＦ１における圧延温度であり、前述した粗圧延機１１０２の出側の被圧延材の温度の予測値となる。Ｔ_Fは、仕上圧延温度の目標値であり、予め設定されているものである。ｎは、圧延スタンドの数であり、本実施形態では「７」になる。

【0122】

次に、プロセスシミュレータ１２５０は、各圧延スタンドＦ１〜Ｆ７における圧延荷重［Ｎ］（の予測値）Ｌｏａｄ_iを算出する（ｉ＝１，２，３，４，５，６，７）。例えば、以下の（３１）式〜（３３）式により、各圧延スタンドＦ１〜Ｆ７における圧延荷重Ｌｏａｄ_iを算出することができる。

【0123】

【数3】

【0124】

（３１）式において、ｂは被圧延材の板幅［ｍｍ］である。（３１）〜（３３）式において、ｈ_iは、圧延スタンドＦ_iの出側の被圧延材の板厚［ｍｍ］である。圧延スタンドＦ_iの出側の被圧延材の板厚ｈ_iは、シミュレーション指示部１２１３ｂから渡される個体１３００の情報に含まれる情報である。Ｈ_iは、圧延スタンドＦ_iの入側の被圧延材の板厚［ｍｍ］であり、圧延スタンドＦ_i-1の出側の被圧延材の板厚ｈ_i-1と同じ値になる。また、（３１）式において、ｋ_Pmiは、圧延スタンドＦ_iにおける平均変形抵抗［ｋｇ／ｍｍ²］であり、例えば、以下の（３４）式で表される。

【0125】

【数4】

【0126】

（３４）式において、ａ₀、ａ₁、ａ₂、ａ₃、ａ₄、ａ₅、ｍ、ｎは、鋼種毎に定められる定数［−］である。また、ｃは、炭素含有％［−］であり定数である。また、εは対数歪［−］であり、ε´は平均歪速度［１／ｓｅｃ］である。また、Ｔ_iは、前述したようにして得られた各圧延スタンドＦ１〜Ｆ７における圧延温度Ｔ_i［℃］である。
また、（３２）式、（３３）式におけるＲ´_iは、偏平ロール半径［ｍｍ］であり、例えば、以下の（３５）式で表される。

【0127】

【数5】

【0128】

（３５）式において、Ｒは、ロール半径［ｍｍ］である。（３５）式には、Ｌｏａｄ_iが含まれる。よって、各圧延スタンドＦ１〜Ｆ７における圧延荷重Ｌｏａｄ_iを計算するためには、各圧延スタンドＦ１〜Ｆ７における圧延荷重Ｌｏａｄ_iと偏平ロール半径Ｒ´_iとを未知数とする２次元連立方程式を解く必要がある。尚、以上のようにして各圧延スタンドＦ１〜Ｆ７における圧延荷重Ｌｏａｄ_iを算出する方法は、非特許文献２に記載されているので、ここでは、その詳細な説明を省略する。

【0129】

以上のようにして各圧延スタンドＦ１〜Ｆ７における圧延荷重Ｌｏａｄ_iを算出すると、プロセスシミュレータ１２５０は、隣り合う圧延スタンドＦ１〜Ｆ７の圧延荷重の差ΔＬｏａｄ_jを（２７）式により算出する。尚、以下の説明では、「隣り合う圧延スタンドＦ１〜Ｆ７の圧延荷重の差ΔＬｏａｄ_j」を必要に応じて「圧延荷重差ΔＬｏａｄ_j」と称する。
そして、プロセスシミュレータ１２５０は、圧延荷重差ΔＬｏａｄ_jの標準偏差σ（ΔＬｏａｄ_j）を算出する。

【0130】

次に、プロセスシミュレータ１２５０は、各圧延スタンドＦ１〜Ｆ７におけるロールギャップ［ｍｍ］（の予測値）Ｇａｐ_iを算出する。例えば、以下の（３６）式により、各圧延スタンドＦ１〜Ｆ７におけるロールギャップＧａｐ_iを算出することができる。

【0131】

【数6】

【0132】

（３６）式において、ｈ_Cは、仕上圧延後の被圧延材の板厚の目標値［ｍｍ］、すなわち、圧延スタンドＦ７の出側における被圧延材の板厚ｈ₇である。また、Ｋは、ミル剛性係数［Ｎ／ｍｍ］であり、Ｇａｐ₀は、基準となるロールギャップを０（ゼロ）として計算するためのロールギャップ零点補正項［ｍｍ］である。また、Ｑ_iは、圧延スタンドＦ_iにおけるロールベンディング力［Ｎ］である。尚、以上のようにして各圧延スタンドＦ１〜Ｆ７におけるロールギャップＧａｐ_iを算出する方法も、非特許文献２に記載されている。

【0133】

以上のようにして各圧延スタンドＦ１〜Ｆ７におけるロールギャップＧａｐ_iを算出すると、プロセスシミュレータ１２５０は、隣り合う圧延スタンドＦ１〜Ｆ７のロールギャップの差ΔＧａｐ_jを（２６）式により算出する。尚、以下の説明では、「隣り合う圧延スタンドＦ１〜Ｆ７のロールギャップの差ΔＧａｐ_j」を必要に応じて「ロールギャップ差ΔＧａｐ_j」と称する。
そして、プロセスシミュレータ１２５０は、ロールギャップ差ΔＧａｐ_jの標準偏差σ（ΔＧａｐ_j）を算出する。

【0134】

以上のようにして、圧延荷重差の標準偏差σ（ΔＬｏａｄ_j）と、ロールギャップ差標準偏差σ（ΔＧａｐ_j）を算出すると、プロセスシミュレータ１２５０は、圧延荷重差ΔＬｏａｄ_j、圧延荷重差の標準偏差σ（ΔＬｏａｄ_j）、ロールギャップ差ΔＧａｐ_j、及びロールギャップ差の標準偏差σ（ΔＧａｐ_j）を目標値最適化装置１２１０（シミュレーション結果取得部１２１３ｃ）に出力する。
シミュレーション結果取得部１２１３ｃは、プロセスシミュレータ１２５０から、圧延荷重差ΔＬｏａｄ_j、圧延荷重差の標準偏差σ（ΔＬｏａｄ_j）、ロールギャップ差ΔＧａｐ_j、及びロールギャップ差の標準偏差σ（ΔＧａｐ_j）を評価量として取得する。
適応度導出部１２１３ｄは、シミュレーション結果取得部１２１３ｃで取得された"圧延荷重差の標準偏差σ（ΔＬｏａｄ_j）と、ロールギャップ差の標準偏差σ（ΔＧａｐ_j）"から適応度を導出（算出）する。尚、適応度の導出は、多目的ＧＡにおける公知の手法で行うことができるので、その詳細な説明を省略する。

【0135】

制約条件判定部１２１３ｅは、シミュレーション結果取得部１２１３ｃで取得された"圧延荷重差ΔＬｏａｄ_jと、ロールギャップ差ΔＧａｐ_j"が、制約条件設定部１２１２により設定された制約条件（（２８）式、（２９）式）を満足するか否かを判定する。
適応度決定部１２１３ｆは、制約条件判定部１２１３ｅにより制約条件を満足していると判定された場合には、適応度導出部１２１３ｄで導出された適応度を選択する。一方、制約条件判定部１２１３ｅにより制約条件を満足していないと判定された場合、適応度決定部１２１３ｆは、適応度導出部１２１３ｄで導出された適応度をキャンセルし、適応度として最低値を設定する。

【0136】

以上のミュレーション指示部１２１３ｂ、シミュレーション結果取得部１２１３ｃ、適応度導出部１２１３ｄ、制約条件判定部１２１３ｅ、及び適応度決定部１２１３ｆの処理は、個体生成部１２１３ａで生成されたＮ個の個体のそれぞれについて個別に行われる。
パレート最適解求解部１２１３ｇは、個体生成部１２１３ａで生成された個体について、交叉、突然変異、コピーの何れかを、或る確率で行い、その結果を次世代に保存する。そして、この処理により次世代の個体の数がＮ個になると、パレート最適解求解部１２１３ｇは、現世代の個体を削除すると共に、次世代の全ての個体を現世代に移す。

【0137】

そして、以上のシミュレーション指示部１２１３ｂ、シミュレーション結果取得部１２１３ｃ、適応度導出部１２１３ｄ、制約条件判定部１２１３ｅ、適応度決定部１２１３ｆ、及びパレート最適解求解部１２１３ｇの動作を、最大世代数Ｇになるまで繰り返す。そして、パレート最適解求解部１２１３ｇは、最終的に現世代に含まれている個体のうち、適応度が最も高い（複数の）個体の評価量（圧延荷重差ΔＬｏａｄ_j、圧延荷重差の標準偏差σ（ΔＬｏａｄ_j）、ロールギャップ差ΔＧａｐ_j、ロールギャップ差の標準偏差σ（ΔＧａｐ_j））、及びそれらに対応する個体（ｈ₁、ｈ₂、ｈ₃、ｈ₄、ｈ₅、ｈ₆）を、パレート最適解記憶部１２１４に出力する。
尚、パレート最適解記憶部１２１４は、例えば、情報処理装置１２００に設けられているＨＤ等を用いることにより実現できる。

【0138】

（操業方針取得部１２１５）
操業方針取得部１２１５は、オペレータにより入力された操業方針に関する情報を入力する。
操業方針取得部１２１５は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ（ハードディスク）等を用いることにより実現できる。

【0139】

（プラント状態・評価量取得部１２１６）
プラント状態・評価量取得部１２１６は、熱間圧延設備１１００の状態量（の実績値）を、熱間圧延設備１１００に設けられている各種の測定器等から取得する。
前述したように、熱間圧延設備１１００の状態量とは、熱間圧延設備１１００を操業することにより、直接的に又は間接的に時々刻々と測定される量である。尚、熱間圧延設備１１００の状態量は、操業条件変更判定部１２１７において、操業条件が変更されたか否かを判定するために使用される。
プラント状態・評価量取得部１２１６は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。
（操業条件変更判定部１２１７）
操業条件変更判定部１２１７は、操業方針取得部１２１５により取得された操業方針と、プラント状態・評価量取得部１２１６により取得された熱間圧延設備１１００の状態量（の実績値）とに基づいて、操業方針及び熱間圧延設備１１００の状態量の少なくとも何れか一方が変更されたか否かを判定することによって、熱間圧延設備１１００の操業条件が変更されたか否かを判定する。本実施形態では、操業方針及び熱間圧延設備１１００の状態量が、熱間圧延設備１１００の操業条件に含まれる。したがって、操業方針及び熱間圧延設備１１００の状態量の少なくとも何れか一方が変更されると、熱間圧延設備１１００の操業条件が変更されたことになる。
操業条件変更判定部１２１７は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0140】

（パレート最適解候補表示部１２１８）
パレート最適解候補表示部１２１８は、操業条件変更判定部１２１７により、熱間圧延設備１１００の操業条件が変更されたと判定されると、最適パレート解記憶部１２１４に記憶されている複数のパレート最適解（すなわち目標値）をオペレータに選択させるためのＧＵＩを情報処理装置１２００に接続されているディスプレイ（例えば液晶ディスプレイ）に表示する。ここで表示されるＧＵＩには、例えば、図７に示したように、操業条件の変更内容と、パレート最適解（の名称）と、そのパレート最適解の値を定める評価量σ（ΔＬｏａｄ_j）、σ（ΔＧａｐ_j）と、その評価量σ（ΔＬｏａｄ_j）、σ（ΔＧａｐ_j）の優劣とが含まれる。また、図７に示すＧＵＩと同様に、ここで表示されるＧＵＩでも、パレート最適解の何れか１つをユーザが手動で選択することと、情報処理装置１２００が自動で選択することとの双方を行うことができるようにしている。
パレート最適解候補表示部１２１８は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、ＶＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0141】

（パレート最適解取得判定部１２１９）
パレート最適解取得判定部１２１９は、ＧＵＩに対するオペレータの操作によって、パレート最適解の選択を、手動及び自動の何れで行うことが指定されたのかを判定する。
パレート最適解取得判定部１２１９は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ（ハードディスク）等を用いることにより実現できる。

【0142】

（重み係数導出部１２２０）
重み係数導出部１２２０は、パレート最適解取得判定部１２１９により、パレート最適解の選択を自動で行うと判定されると、変更された操業条件の情報（操業方針取得部１２１５及びプラント状態・評価量取得部１２１６の少なくとも何れか一方から取得された情報）に基づいて、圧延荷重差の標準偏差σ（ΔＬｏａｄ_j）と、ロールギャップ差の標準偏差σ（ΔＧａｐ_j）のそれぞれに対する重みベクトルＷ（重み係数）を算出する。重みベクトルＷは、以下の（３７）式で表される。
Ｗ＝［Ｗ１１，Ｗ１２］ ・・・（３７）
Ｗ１１は、圧延荷重差の標準偏差σ（ΔＬｏａｄ_j）の重みベクトル（重み係数）であり、Ｗ１２は、ロールギャップ差の標準偏差σ（ΔＧａｐ_j）の重みベクトル（重み係数）である。各重みベクトル（重み係数）Ｗ１１、Ｗ１２の値は０以上１以下の値となり、それらの総和は１になる。
重み係数導出部１２２０は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0143】

（評価関数導出部１２２１）
評価関数導出部１２２１は、重み係数導出部１２２０で導出された重みベクトルＷと、パレート最適解記憶部１２１４に記憶されている複数のパレート最適解の値（σ（ΔＬｏａｄ_j）、σ（ΔＧａｐ_j）の値）とを用いて、以下の（３８）式により評価関数Ｑをそれぞれ導出（算出）し、重みベクトル（重み係数）Ｗ１１、Ｗ１２による評価量の加重和を求める。このとき、評価関数導出部１２２１は、各評価量σ（ΔＬｏａｄ_j）、σ（ΔＧａｐj）が略同じ変動範囲を持つように、各評価量σ（ΔＬｏａｄ_j）、σ（ΔＧａｐ_j）に対して正規化処理を行う。したがって、（３８）式におけるσ（ΔＬｏａｄ_j）、σ（ΔＧａｐ_j）は、正規化された評価量を示す。

【0144】

【数7】

【0145】

評価関数導出部１２２１は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。
（パレート最適解選択部１２２２）
パレート最適解選択部１２２２は、評価関数導出部１２２１により導出された複数の評価関数Ｑに基づいて、パレート最適解記憶部１２１４に記憶されている複数のパレート最適解（σ（ΔＬｏａｄ_j）、σ（ΔＧａｐ_j））のうち、最も適切なパレート最適解（すなわち、操業条件が変更された後の重みベクトル（重み係数）による評価量の加重和が最小になるパレート最適解）を選択する。具体的に本実施形態では、パレート最適解選択部１２２２は、評価関数導出部１２２１により導出された複数の評価関数Ｑのうち、最小の評価関数Ｑを選択し、当該評価関数Ｑに対応するパレート最適解を選択する。
パレート最適解選択部１２２２は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ等を用いることにより実現できる。

【0146】

（目標値変更部１２２３、目標値記憶部１２２４）
目標値変更部１２２３は、パレート最適解取得判定部１２１９により、パレート最適解の選択を手動で行うと判定されると、パレート最適解候補表示部１２１８により表示されたＧＵＩにてオペレータにより選択されたパレート最適解と、そのパレート最適解に対応する個体（ｈ₁、ｈ₂、ｈ₃、ｈ₄、ｈ₅、ｈ₆）をパレート最適解記憶部１２１４から読み出す。
一方、パレート最適解取得判定部１２１９により、パレート最適解の選択を自動で行うと判定されると、目標値変更部１２２３は、パレート最適解選択部１２２２により選択されたパレート最適解と、そのパレート最適解に対応する個体（ｈ₁、ｈ₂、ｈ₃、ｈ₄、ｈ₅、ｈ₆）をパレート最適解記憶部１２１４から読み出す。
そして、目標値変更部１２２３は、目標値記憶部１２２４に記憶されているパレート最適解と、そのパレート最適解に対応する個体（ｈ₁、ｈ₂、ｈ₃、ｈ₄、ｈ₅、ｈ₆）を、読み出した情報に書き換える。
目標値変更部１２２３は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤ（ハードディスク）等を用いることにより実現できる。また、目標値記憶部１２２４は、例えば、情報処理装置１２００に設けられているＨＤ等を用いることにより実現できる。

【0147】

（目標値出力部１２２５）
目標値出力部１２２５は、目標値記憶部１２２４に記憶されているパレート最適解と、そのパレート最適解に対応する個体（ｈ₁、ｈ₂、ｈ₃、ｈ₄、ｈ₅、ｈ₆）が更新されると、更新されたパレート最適解と、そのパレート最適解に対応する個体（ｈ₁、ｈ₂、ｈ₃、ｈ₄、ｈ₅、ｈ₆）を目標値として制御器３００に出力する。これにより、熱間圧延設備１１００を制御する際の目標値が変更される。
目標値出力部１２２５は、例えば、情報処理装置１２００に設けられているＣＰＵ、ＲＯＭ、ＲＡＭ、ＨＤ、インターフェース等を用いることにより実現できる。
以上のようにしても第１の実施形態で説明した効果を得ることができる。また、本実施形態においても第１の実施形態で説明した種々の変形例を採用することができる。

【0148】

尚、本実施形態では、圧延スタンドＦ_iの出側の被圧延材の板厚ｈ_iを設計変数とする場合を例に挙げて説明したが、以下の（３９）式に示す配分係数α_iを設計変数として用いてもよい。

【0149】

【数8】

【0150】

（３９）式において、ｈ_Bは、粗圧延後の被圧延材の板厚［ｍｍ］であり、圧延スタンドＦ１の入側の板厚と同じ値になる。ｈ_Cは、仕上圧延後の被圧延材の板厚の目標値［ｍｍ］であり、圧延スタンドＦ７の出側の板厚ｈ₇と同じ値になる。

【0151】

尚、以上説明した本発明の実施形態は、コンピュータがプログラムを実行することによって実現することができる。また、プログラムをコンピュータに供給するための手段、例えばかかるプログラムを記録したＣＤ−ＲＯＭ等のコンピュータ読み取り可能な記録媒体、又はかかるプログラムを伝送する伝送媒体も本発明の実施の形態として適用することができる。また、前記プログラムを記録したコンピュータ読み取り可能な記録媒体などのプログラムプロダクトも本発明の実施の形態として適用することができる。前記のプログラム、コンピュータ読み取り可能な記録媒体、伝送媒体及びプログラムプロダクトは、本発明の範疇に含まれる。
また、以上説明した本発明の実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

【符号の説明】

【0152】

１０ プロセス制御システム
１００、１２００ 情報処理装置
１１０、１２１０ 目標値最適化装置
１１１、１２１１ 目的関数設定部
１１２、１２１２ 制約条件設定部
１１３、１２１３ パレート最適解導出部
１１４、１２１４ パレート最適解記憶部
１１５、１２１５ 操業方針取得部
１１６、１２１６ プラント状態・評価量取得部
１１７、１２１７ 操業条件変更判定部
１１８、１２１８ パレート最適解候補表示部
１１９、１２１９ パレート最適解取得判定部
１２０、１２２０ 重み係数導出部
１２１、１２２１ 評価関数導出部
１２２、１２２２ パレート最適解選択部
１２３、１２２３ 目標値変更部
１２４、１２２４ 目標値記憶部
１２５、１２２５ 目標値出力部
１５０、１２５０ プロセスシミュレータ
２００ 実績データベース
３００ 制御器
４００ 熱風炉
５００ 減算器
１１００ 熱間圧延設備

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】