(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022182596
(43)【公開日】2022-12-08
(54)【発明の名称】データ処理装置、プログラム、及びデータ処理方法
(51)【国際特許分類】
C02F 1/00 20060101AFI20221201BHJP
G06N 20/00 20190101ALI20221201BHJP
G05B 13/02 20060101ALI20221201BHJP
【ＦＩ】
C02F1/00 D
G06N20/00
G05B13/02 A
【審査請求】未請求
【請求項の数】31
【出願形態】ＯＬ
(21)【出願番号】P 2021090239
(22)【出願日】2021-05-28
(71)【出願人】
【識別番号】512285339
【氏名又は名称】安川オートメーション・ドライブ株式会社
(74)【代理人】
【識別番号】100148965
【弁理士】
【氏名又は名称】安川 優
(72)【発明者】
【氏名】藤原 翔
(72)【発明者】
【氏名】平林 和也
【テーマコード（参考）】
5H004
【Ｆターム（参考）】
5H004GA34
5H004GB08
5H004HA14
5H004KC33
5H004KC48
5H004KD62
(57)【要約】 （修正有）
【課題】水処理施設に関連するデータ処理装置、プログラム、及びデータ処理方法を提供する。
【解決手段】水処理施設に関連する施設関連データを取得する施設関連データ取得部と、前記施設関連データを入力とし、水処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを記憶する学習モデル記憶部と、施設関連データに基づいて、水処理施設の環境を特定する環境特定部と、学習モデル記憶部に記憶されている複数種類の学習モデルから、環境特定部によって特定された水処理施設の環境に対応する一の学習モデルを選択するモデル選択部と、モデル選択部によって選択された一の学習モデルに、基準時刻より過去の施設関連データを入力して、基準時刻以降の制御関連データを出力する制御関連データ出力部とを備えるデータ処理装置を提供する。
【選択図】図１
【解決手段】水処理施設に関連する施設関連データを取得する施設関連データ取得部と、前記施設関連データを入力とし、水処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを記憶する学習モデル記憶部と、施設関連データに基づいて、水処理施設の環境を特定する環境特定部と、学習モデル記憶部に記憶されている複数種類の学習モデルから、環境特定部によって特定された水処理施設の環境に対応する一の学習モデルを選択するモデル選択部と、モデル選択部によって選択された一の学習モデルに、基準時刻より過去の施設関連データを入力して、基準時刻以降の制御関連データを出力する制御関連データ出力部とを備えるデータ処理装置を提供する。
【選択図】図１
【特許請求の範囲】
【請求項1】
水処理施設に関連する施設関連データを取得する施設関連データ取得部と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを記憶する学習モデル記憶部と、
前記施設関連データに基づいて、前記水処理施設の環境を特定する環境特定部と、
前記学習モデル記憶部に記憶されている前記複数種類の学習モデルから、前記環境特定部によって特定された前記水処理施設の環境に対応する一の学習モデルを選択するモデル選択部と、
前記モデル選択部によって選択された前記一の学習モデルに、基準時刻より過去の前記施設関連データを入力して、前記基準時刻以降の前記制御関連データを出力する制御関連データ出力部と
を備えるデータ処理装置。
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを記憶する学習モデル記憶部と、
前記施設関連データに基づいて、前記水処理施設の環境を特定する環境特定部と、
前記学習モデル記憶部に記憶されている前記複数種類の学習モデルから、前記環境特定部によって特定された前記水処理施設の環境に対応する一の学習モデルを選択するモデル選択部と、
前記モデル選択部によって選択された前記一の学習モデルに、基準時刻より過去の前記施設関連データを入力して、前記基準時刻以降の前記制御関連データを出力する制御関連データ出力部と
を備えるデータ処理装置。
【請求項2】
前記環境特定部は、水処理の処理能力に影響を与える外的要因毎の複数の環境候補から、前記水処理施設の環境を特定する、請求項１に記載のデータ処理装置。
【請求項3】
前記環境特定部は、通常状態、原水高濁度状態、雨天状態、寒冷状態、及び高温状態のうち２つ以上を含む環境候補から、前記水処理施設の環境を特定する、請求項２に記載のデータ処理装置。
【請求項4】
前記環境特定部が特定した環境における前記水処理施設の前記施設関連データと、当該環境とを対応付けて記憶する施設関連データ記憶部を更に備える、請求項１から３のいずれか一項に記載のデータ処理装置。
【請求項5】
前記水処理施設の環境毎に、前記環境に対応する前記施設関連データを用いて前記学習モデルを生成して、前記学習モデル記憶部に記憶させる学習モデル生成部を更に備える、請求項４に記載のデータ処理装置。
【請求項6】
前記モデル選択部によって前記水処理施設の前記環境に対応する前記一の学習モデルが選択された後、当該環境に対応する学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、当該環境に対応する前記施設関連データを用いて新たな学習モデルを生成し、前記新たな学習モデルと前記一の学習モデルとの比較結果に基づいて前記新たな学習モデルを選択した場合に、前記一の学習モデルに代えて、当該環境と前記新たな学習モデルとを対応付けて前記学習モデル記憶部に記憶させる学習モデル更新部を更に備える、請求項４又は５に記載のデータ処理装置。
【請求項7】
前記学習モデル更新部は、前記環境に対応する前記施設関連データのうち、前記更新タイミングを基準とした過去の予め定められた期間以外の前記施設関連データを用いて前記新たな学習モデルを生成し、前記更新タイミングを基準とした過去の予め定められた期間の前記施設関連データを用いて、前記新たな学習モデルと前記一の学習モデルとを比較する、請求項６に記載のデータ処理装置。
【請求項8】
前記学習モデル更新部は、前記環境に対応する前記施設関連データを用いて複数の異なる新たな学習モデルを生成し、前記複数の異なる新たな学習モデルと前記一の学習モデルとの比較結果に基づいて前記複数の異なる新たな学習モデルのうちのいずれかを選択した場合に、前記一の学習モデルに代えて、当該環境と、選択した前記新たな学習モデルとを対応付けて前記学習モデル記憶部に記憶させる、請求項６又は７に記載のデータ処理装置。
【請求項9】
前記学習モデル更新部は、学習方法のパラメータを異ならせた前記複数の異なる新たな学習モデルを生成する、請求項８に記載のデータ処理装置。
【請求項10】
前記学習モデル更新部は、前記施設関連データ記憶部に記憶されている複数種類の前記施設関連データのうち、用いる種類を異ならせて前記複数の異なる新たな学習モデルを生成する、請求項８又は９に記載のデータ処理装置。
【請求項11】
前記学習モデル更新部は、前記施設関連データ記憶部に記憶されている前記施設関連データのうち、異なる期間に対応する前記施設関連データを用いて、前記複数の異なる新たな学習モデルを生成する、請求項８から１０のいずれか一項に記載のデータ処理装置。
【請求項12】
前記学習モデル更新部は、学習の次数を異ならせた前記複数の異なる新たな学習モデルを生成する、請求項８から１１のいずれか一項に記載のデータ処理装置。
【請求項13】
前記水処理施設に設定する制御パラメータを取得する制御パラメータ取得部と、
前記制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成部と、
前記モデル選択部によって選択された前記一の学習モデルを用いて、前記制御パラメータ及び前記複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択部と
を更に備える、請求項１から１２のいずれか一項に記載のデータ処理装置。
前記制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成部と、
前記モデル選択部によって選択された前記一の学習モデルを用いて、前記制御パラメータ及び前記複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択部と
を更に備える、請求項１から１２のいずれか一項に記載のデータ処理装置。
【請求項14】
前記制御パラメータ取得部は、前記制御関連データ出力部によって出力された前記制御関連データに含まれる前記制御パラメータを取得する、請求項１３に記載のデータ処理装置。
【請求項15】
前記パラメータ選択部は、
前記複数の候補パラメータのそれぞれについて、目的変数を第１のパラメータとした前記一の学習モデルに入力して出力させた前記第１のパラメータが、予め定められた条件を満たす候補パラメータを特定する候補パラメータ特定部と、
前記候補パラメータ特定部によって複数の前記候補パラメータが特定された場合に、前記複数の候補パラメータのそれぞれについて、前記水処理施設に設定した場合に消費される消費対象のコストを推定するコスト推定部と
を有し、
前記コストに基づいて前記複数の候補パラメータのいずれかを選択する、請求項１３又は１４に記載のデータ処理装置。
前記複数の候補パラメータのそれぞれについて、目的変数を第１のパラメータとした前記一の学習モデルに入力して出力させた前記第１のパラメータが、予め定められた条件を満たす候補パラメータを特定する候補パラメータ特定部と、
前記候補パラメータ特定部によって複数の前記候補パラメータが特定された場合に、前記複数の候補パラメータのそれぞれについて、前記水処理施設に設定した場合に消費される消費対象のコストを推定するコスト推定部と
を有し、
前記コストに基づいて前記複数の候補パラメータのいずれかを選択する、請求項１３又は１４に記載のデータ処理装置。
【請求項16】
前記パラメータ選択部は、
前記複数の候補パラメータについて、前記水処理施設に設定した場合に消費される消費対象のコストを推定するコスト推定部と、
目的変数を第１のパラメータとした前記一の学習モデルによって出力させる前記第１のパラメータが予め定められた条件を満たすまで、前記複数の候補パラメータを、前記コストが少ない順番に前記一の学習モデルに入力し、前記条件を満たす候補パラメータを特定する候補パラメータ特定部と
を有する、請求項１３又は１４に記載のデータ処理装置。
前記複数の候補パラメータについて、前記水処理施設に設定した場合に消費される消費対象のコストを推定するコスト推定部と、
目的変数を第１のパラメータとした前記一の学習モデルによって出力させる前記第１のパラメータが予め定められた条件を満たすまで、前記複数の候補パラメータを、前記コストが少ない順番に前記一の学習モデルに入力し、前記条件を満たす候補パラメータを特定する候補パラメータ特定部と
を有する、請求項１３又は１４に記載のデータ処理装置。
【請求項17】
前記コスト推定部は、前記候補パラメータを前記水処理施設に設定した場合に消費される電力のコストを推定する、請求項１５又は１６に記載のデータ処理装置。
【請求項18】
前記コスト推定部は、前記候補パラメータを前記水処理施設に設定した場合に消費される薬品のコストを推定する、請求項１５から１７のいずれか一項に記載のデータ処理装置。
【請求項19】
前記第１のパラメータは、前記水処理施設から放出される水の水質であり、前記水質が予め定められた閾値より良好な値となる場合に、前記予め定められた条件を満たす、請求項１５から１８のいずれか一項に記載のデータ処理装置。
【請求項20】
前記第１のパラメータは、前記水処理施設における汚泥の含水率であり、前記含水率が予め定められた閾値より低い場合に、前記予め定められた条件を満たす、請求項１５から１８のいずれか一項に記載のデータ処理装置。
【請求項21】
処理施設に関連する施設関連データを取得する施設関連データ取得部と、
前記施設関連データを入力とし、前記処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを記憶する学習モデル記憶部と、
前記施設関連データに基づいて、前記処理施設の環境を特定する環境特定部と、
前記学習モデル記憶部に記憶されている前記複数種類の学習モデルから、前記環境特定部によって特定された前記処理施設の環境に対応する一の学習モデルを選択するモデル選択部と、
前記モデル選択部によって選択された前記一の学習モデルに、基準時刻より過去の前記施設関連データを入力して、前記基準時刻以降の前記制御関連データを出力する制御関連データ出力部と
を備えるデータ処理装置。
前記施設関連データを入力とし、前記処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを記憶する学習モデル記憶部と、
前記施設関連データに基づいて、前記処理施設の環境を特定する環境特定部と、
前記学習モデル記憶部に記憶されている前記複数種類の学習モデルから、前記環境特定部によって特定された前記処理施設の環境に対応する一の学習モデルを選択するモデル選択部と、
前記モデル選択部によって選択された前記一の学習モデルに、基準時刻より過去の前記施設関連データを入力して、前記基準時刻以降の前記制御関連データを出力する制御関連データ出力部と
を備えるデータ処理装置。
【請求項22】
水処理施設に関連する施設関連データを取得する施設関連データ取得部と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする学習モデルを記憶する学習モデル記憶部と、
前記学習モデル記憶部に記憶された前記学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、前記施設関連データを用いて新たな学習モデルを生成し、前記新たな学習モデルと前記学習モデルとの比較結果に基づいて前記新たな学習モデルを選択した場合に、前記学習モデルに代えて、前記新たな学習モデルを前記学習モデル記憶部に記憶させる学習モデル更新部と
を備えるデータ処理装置。
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする学習モデルを記憶する学習モデル記憶部と、
前記学習モデル記憶部に記憶された前記学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、前記施設関連データを用いて新たな学習モデルを生成し、前記新たな学習モデルと前記学習モデルとの比較結果に基づいて前記新たな学習モデルを選択した場合に、前記学習モデルに代えて、前記新たな学習モデルを前記学習モデル記憶部に記憶させる学習モデル更新部と
を備えるデータ処理装置。
【請求項23】
前記学習モデル更新部は、前記施設関連データのうち、前記更新タイミングを基準とした過去の予め定められた期間以外の前記施設関連データを用いて前記新たな学習モデルを生成し、前記更新タイミングを基準とした過去の予め定められた期間の前記施設関連データを用いて、前記新たな学習モデルと前記学習モデルとを比較する、請求項２２に記載のデータ処理装置。
【請求項24】
前記学習モデル更新部は、前記施設関連データを用いて複数の異なる新たな学習モデルを生成し、前記複数の異なる新たな学習モデルと前記学習モデルとの比較結果に基づいて前記複数の異なる新たな学習モデルのうちのいずれかを選択した場合に、前記学習モデルに代えて、前記新たな学習モデルを前記学習モデル記憶部に記憶させる、請求項２２又は２３に記載のデータ処理装置。
【請求項25】
水処理施設に関連する施設関連データを取得する施設関連データ取得部と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする学習モデルを記憶する学習モデル記憶部と、
前記水処理施設に設定する制御パラメータを取得する制御パラメータ取得部と、
前記制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成部と、
前記学習モデル記憶部に記憶された前記学習モデルを用いて、前記制御パラメータ及び前記複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択部と
を備えるデータ処理装置。
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする学習モデルを記憶する学習モデル記憶部と、
前記水処理施設に設定する制御パラメータを取得する制御パラメータ取得部と、
前記制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成部と、
前記学習モデル記憶部に記憶された前記学習モデルを用いて、前記制御パラメータ及び前記複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択部と
を備えるデータ処理装置。
【請求項26】
前記パラメータ選択部は、
前記複数の候補パラメータのそれぞれについて、目的変数を第１のパラメータとした前記学習モデルに入力して出力させた前記第１のパラメータが、予め定められた条件を満たす候補パラメータを特定する候補パラメータ特定部と、
前記候補パラメータ特定部によって複数の前記候補パラメータが特定された場合に、前記複数の候補パラメータのそれぞれについて、前記水処理施設に設定した場合に消費される消費対象のコストを特定するコスト特定部と
を有し、
前記コストに基づいて前記複数の候補パラメータのいずれかを選択する、請求項２５に記載のデータ処理装置。
前記複数の候補パラメータのそれぞれについて、目的変数を第１のパラメータとした前記学習モデルに入力して出力させた前記第１のパラメータが、予め定められた条件を満たす候補パラメータを特定する候補パラメータ特定部と、
前記候補パラメータ特定部によって複数の前記候補パラメータが特定された場合に、前記複数の候補パラメータのそれぞれについて、前記水処理施設に設定した場合に消費される消費対象のコストを特定するコスト特定部と
を有し、
前記コストに基づいて前記複数の候補パラメータのいずれかを選択する、請求項２５に記載のデータ処理装置。
【請求項27】
前記パラメータ選択部は、
前記複数の候補パラメータについて、前記水処理施設に設定した場合に消費される消費対象のコストを特定するコスト特定部と、
目的変数を第１のパラメータとした前記学習モデルによって出力させる前記第１のパラメータが予め定められた条件を満たすまで、前記複数の候補パラメータを、前記コストが少ない順番に前記学習モデルに入力し、前記条件を満たす候補パラメータを特定する候補パラメータ特定部と
を有する、請求項２５に記載のデータ処理装置。
前記複数の候補パラメータについて、前記水処理施設に設定した場合に消費される消費対象のコストを特定するコスト特定部と、
目的変数を第１のパラメータとした前記学習モデルによって出力させる前記第１のパラメータが予め定められた条件を満たすまで、前記複数の候補パラメータを、前記コストが少ない順番に前記学習モデルに入力し、前記条件を満たす候補パラメータを特定する候補パラメータ特定部と
を有する、請求項２５に記載のデータ処理装置。
【請求項28】
コンピュータを、請求項１から２７のいずれか一項に記載のデータ処理装置として機能させるためのプログラム。
【請求項29】
コンピュータによって実行されるデータ処理方法であって、
水処理施設に関連する施設関連データを取得する施設関連データ取得段階と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを学習モデル記憶部に記憶させる学習モデル記憶段階と、
前記施設関連データに基づいて、前記水処理施設の環境を特定する環境特定段階と、
前記学習モデル記憶部に記憶されている前記複数種類の学習モデルから、前記環境特定段階において特定された前記水処理施設の環境に対応する一の学習モデルを選択するモデル選択段階と、
前記モデル選択段階において選択された前記一の学習モデルに、基準時刻より過去の前記施設関連データを入力して、前記基準時刻以降の前記制御関連データを出力する制御関連データ出力段階と
を備えるデータ処理方法。
水処理施設に関連する施設関連データを取得する施設関連データ取得段階と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを学習モデル記憶部に記憶させる学習モデル記憶段階と、
前記施設関連データに基づいて、前記水処理施設の環境を特定する環境特定段階と、
前記学習モデル記憶部に記憶されている前記複数種類の学習モデルから、前記環境特定段階において特定された前記水処理施設の環境に対応する一の学習モデルを選択するモデル選択段階と、
前記モデル選択段階において選択された前記一の学習モデルに、基準時刻より過去の前記施設関連データを入力して、前記基準時刻以降の前記制御関連データを出力する制御関連データ出力段階と
を備えるデータ処理方法。
【請求項30】
コンピュータによって実行されるデータ処理方法であって、
水処理施設に関連する施設関連データを取得する施設関連データ取得段階と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする学習モデルを学習モデル記憶部に記憶させる学習モデル記憶段階と、
前記学習モデル記憶部に記憶された前記学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、前記施設関連データを用いて新たな学習モデルを生成し、前記新たな学習モデルと前記学習モデルとの比較結果に基づいて前記新たな学習モデルを選択した場合に、前記学習モデルに代えて、前記新たな学習モデルを前記学習モデル記憶部に記憶させる学習モデル更新段階と
を備えるデータ処理方法。
水処理施設に関連する施設関連データを取得する施設関連データ取得段階と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする学習モデルを学習モデル記憶部に記憶させる学習モデル記憶段階と、
前記学習モデル記憶部に記憶された前記学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、前記施設関連データを用いて新たな学習モデルを生成し、前記新たな学習モデルと前記学習モデルとの比較結果に基づいて前記新たな学習モデルを選択した場合に、前記学習モデルに代えて、前記新たな学習モデルを前記学習モデル記憶部に記憶させる学習モデル更新段階と
を備えるデータ処理方法。
【請求項31】
コンピュータによって実行されるデータ処理方法であって、
水処理施設に関連する施設関連データを取得する施設関連データ取得段階と、
前記水処理施設に設定する制御パラメータを取得する制御パラメータ取得段階と、
前記制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成段階と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする学習モデルを用いて、前記制御パラメータ及び前記複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択段階と
を備えるデータ処理方法。
水処理施設に関連する施設関連データを取得する施設関連データ取得段階と、
前記水処理施設に設定する制御パラメータを取得する制御パラメータ取得段階と、
前記制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成段階と、
前記施設関連データを入力とし、前記水処理施設の制御に関連する制御関連データを出力とする学習モデルを用いて、前記制御パラメータ及び前記複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択段階と
を備えるデータ処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、データ処理装置、プログラム、及びデータ処理方法に関する。
【背景技術】
【0002】
特許文献１には、下水処理場に適した制御パラメータを自動的に設定する下水処理制御装置が記載されている。
［先行技術文献］
［特許文献］
［特許文献１］特開２００１－０４７０８０号公報
［先行技術文献］
［特許文献］
［特許文献１］特開２００１－０４７０８０号公報
【発明の概要】
【0003】
本発明の一実施態様によれば、データ処理装置が提供される。データ処理装置は、水処理施設に関連する施設関連データを取得する施設関連データ取得部を備えてよい。データ処理装置は、施設関連データを入力とし、水処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを記憶する学習モデル記憶部を備えてよい。データ処理装置は、施設関連データに基づいて、水処理施設の環境を特定する環境特定部を備えてよい。データ処理装置は、学習モデル記憶部に記憶されている複数種類の学習モデルから、環境特定部によって特定された水処理施設の環境に対応する一の学習モデルを選択するモデル選択部を備えてよい。データ処理装置は、モデル選択部によって選択された一の学習モデルに、基準時刻より過去の施設関連データを入力して、基準時刻以降の制御関連データを出力する制御関連データ出力部を備えてよい。
【0004】
上記環境特定部は、水処理の処理能力に影響を与える外的要因毎の複数の環境候補から、上記水処理施設の環境を特定してよい。上記環境特定部は、通常状態、原水高濁度状態、雨天状態、寒冷状態、及び高温状態のうち２つ以上を含む環境候補から、上記水処理施設の環境を特定してよい。上記データ処理装置は、上記環境特定部が特定した環境における上記水処理施設の上記施設関連データと、当該環境とを対応付けて記憶する施設関連データ記憶部を更に備えてよい。上記データ処理装置は、上記水処理施設の環境毎に、上記環境に対応する上記施設関連データを用いて上記学習モデルを生成して、上記学習モデル記憶部に記憶させる学習モデル生成部を更に備えてよい。
【0005】
上記データ処理装置は、上記モデル選択部によって上記水処理施設の上記環境に対応する上記一の学習モデルが選択された後、当該環境に対応する学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、当該環境に対応する上記施設関連データを用いて新たな学習モデルを生成し、上記新たな学習モデルと上記一の学習モデルとの比較結果に基づいて上記新たな学習モデルを選択した場合に、上記一の学習モデルに代えて、当該環境と上記新たな学習モデルとを対応付けて上記学習モデル記憶部に記憶させる学習モデル更新部を更に備えてよい。上記学習モデル更新部は、上記環境に対応する上記施設関連データのうち、上記更新タイミングを基準とした過去の予め定められた期間以外の上記施設関連データを用いて上記新たな学習モデルを生成し、上記更新タイミングを基準とした過去の予め定められた期間の上記施設関連データを用いて、上記新たな学習モデルと上記一の学習モデルとを比較してよい。上記学習モデル更新部は、上記環境に対応する上記施設関連データを用いて複数の異なる新たな学習モデルを生成し、上記複数の異なる新たな学習モデルと上記一の学習モデルとの比較結果に基づいて上記複数の異なる新たな学習モデルのうちのいずれかを選択した場合に、上記一の学習モデルに代えて、当該環境と、選択した上記新たな学習モデルとを対応付けて上記学習モデル記憶部に記憶させてよい。上記学習モデル更新部は、学習方法のパラメータを異ならせた上記複数の異なる新たな学習モデルを生成してよい。上記学習モデル更新部は、上記施設関連データ記憶部に記憶されている複数種類の上記施設関連データのうち、用いる種類を異ならせて上記複数の異なる新たな学習モデルを生成してよい。上記学習モデル更新部は、上記施設関連データ記憶部に記憶されている上記施設関連データのうち、異なる期間に対応する上記施設関連データを用いて、上記複数の異なる新たな学習モデルを生成してよい。上記学習モデル更新部は、学習の次数を異ならせた上記複数の異なる新たな学習モデルを生成してよい。
【0006】
上記データ処理装置は、上記水処理施設に設定する制御パラメータを取得する制御パラメータ取得部と、上記制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成部と、上記モデル選択部によって選択された上記一の学習モデルを用いて、上記制御パラメータ及び上記複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択部とを更に備えてよい。上記制御パラメータ取得部は、上記制御関連データ出力部によって出力された上記制御関連データに含まれる上記制御パラメータを取得してよい。上記パラメータ選択部は、上記複数の候補パラメータのそれぞれについて、目的変数を第１のパラメータとした上記一の学習モデルに入力して出力させた上記第１のパラメータが、予め定められた条件を満たす候補パラメータを特定する候補パラメータ特定部と、上記候補パラメータ特定部によって複数の上記候補パラメータが特定された場合に、上記複数の候補パラメータのそれぞれについて、上記水処理施設に設定した場合に消費される消費対象のコストを推定するコスト推定部とを有してよく、上記コストに基づいて上記複数の候補パラメータのいずれかを選択してよい。上記パラメータ選択部は、上記複数の候補パラメータについて、上記水処理施設に設定した場合に消費される消費対象のコストを推定するコスト推定部と、目的変数を第１のパラメータとした上記一の学習モデルによって出力させる上記第１のパラメータが予め定められた条件を満たすまで、上記複数の候補パラメータを、上記コストが少ない順番に上記一の学習モデルに入力し、上記条件を満たす候補パラメータを特定する候補パラメータ特定部とを有してよい。上記コスト推定部は、上記候補パラメータを上記水処理施設に設定した場合に消費される電力のコストを推定してよい。上記コスト推定部は、上記候補パラメータを上記水処理施設に設定した場合に消費される薬品のコストを推定してよい。上記第１のパラメータは、上記水処理施設から放出される水の水質であり、上記水質が予め定められた閾値より良好な値となる場合に、上記予め定められた条件を満たしてよい。上記第１のパラメータは、上記水処理施設における汚泥の含水率であり、上記含水率が予め定められた閾値より低い場合に、上記予め定められた条件を満たしてよい。
【0007】
本発明の一実施態様によれば、データ処理装置が提供される。データ処理装置は、処理施設に関連する施設関連データを取得する施設関連データ取得部を備えてよい。データ処理装置は、施設関連データを入力とし、処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを記憶する学習モデル記憶部を備えてよい。データ処理装置は、施設関連データに基づいて、処理施設の環境を特定する環境特定部を備えてよい。データ処理装置は、学習モデル記憶部に記憶されている複数種類の学習モデルから、環境特定部によって特定された処理施設の環境に対応する一の学習モデルを選択するモデル選択部を備えてよい。データ処理装置は、モデル選択部によって選択された一の学習モデルに、基準時刻より過去の施設関連データを入力して、基準時刻以降の制御関連データを出力する制御関連データ出力部を備えてよい。
【0008】
本発明の一実施態様によれば、データ処理装置が提供される。データ処理装置は、水処理施設に関連する施設関連データを取得する施設関連データ取得部を備えてよい。データ処理装置は、施設関連データを入力とし、水処理施設の制御に関連する制御関連データを出力とする学習モデルを記憶する学習モデル記憶部を備えてよい。データ処理装置は、学習モデル記憶部に記憶された学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、施設関連データを用いて新たな学習モデルを生成し、新たな学習モデルと学習モデルとの比較結果に基づいて新たな学習モデルを選択した場合に、学習モデルに代えて、新たな学習モデルを学習モデル記憶部に記憶させる学習モデル更新部を備えてよい。
【0009】
上記学習モデル更新部は、上記施設関連データのうち、上記更新タイミングを基準とした過去の予め定められた期間以外の上記施設関連データを用いて上記新たな学習モデルを生成し、上記更新タイミングを基準とした過去の予め定められた期間の上記施設関連データを用いて、上記新たな学習モデルと上記学習モデルとを比較してよい。上記学習モデル更新部は、上記施設関連データを用いて複数の異なる新たな学習モデルを生成し、上記複数の異なる新たな学習モデルと上記学習モデルとの比較結果に基づいて上記複数の異なる新たな学習モデルのうちのいずれかを選択した場合に、上記学習モデルに代えて、上記新たな学習モデルを上記学習モデル記憶部に記憶させてよい。
【0010】
本発明の一実施態様によれば、データ処理装置が提供される。データ処理装置は、水処理施設に関連する施設関連データを取得する施設関連データ取得部を備えてよい。データ処理装置は、施設関連データを入力とし、水処理施設の制御に関連する制御関連データを出力とする学習モデルを記憶する学習モデル記憶部を備えてよい。データ処理装置は、水処理施設に設定する制御パラメータを取得する制御パラメータ取得部を備えてよい。データ処理装置は、制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成部を備えてよい。データ処理装置は、学習モデル記憶部に記憶された学習モデルを用いて、制御パラメータ及び複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択部を備えてよい。
【0011】
上記パラメータ選択部は、上記複数の候補パラメータのそれぞれについて、目的変数を第１のパラメータとした上記学習モデルに入力して出力させた上記第１のパラメータが、予め定められた条件を満たす候補パラメータを特定する候補パラメータ特定部と、上記候補パラメータ特定部によって複数の上記候補パラメータが特定された場合に、上記複数の候補パラメータのそれぞれについて、上記水処理施設に設定した場合に消費される消費対象のコストを特定するコスト特定部とを有してよく、上記コストに基づいて上記複数の候補パラメータのいずれかを選択してよい。上記パラメータ選択部は、上記複数の候補パラメータについて、上記水処理施設に設定した場合に消費される消費対象のコストを特定するコスト特定部と、目的変数を第１のパラメータとした上記学習モデルによって出力させる上記第１のパラメータが予め定められた条件を満たすまで、上記複数の候補パラメータを、上記コストが少ない順番に上記学習モデルに入力し、上記条件を満たす候補パラメータを特定する候補パラメータ特定部とを有してよい。
【0012】
本発明の一実施態様によれば、コンピュータを、上記データ処理装置として機能させるためのプログラム。
【0013】
本発明の一実施態様によれば、コンピュータによって実行されるデータ処理方法が提供される。データ処理方法は、水処理施設に関連する施設関連データを取得する施設関連データ取得段階を備えてよい。データ処理方法は、施設関連データを入力とし、水処理施設の制御に関連する制御関連データを出力とする複数種類の学習モデルを学習モデル記憶部に記憶させる学習モデル記憶段階を備えてよい。データ処理方法は、施設関連データに基づいて、水処理施設の環境を特定する環境特定段階を備えてよい。データ処理方法は、学習モデル記憶部に記憶されている複数種類の学習モデルから、環境特定段階において特定された水処理施設の環境に対応する一の学習モデルを選択するモデル選択段階を備えてよい。データ処理方法は、モデル選択段階において選択された一の学習モデルに、基準時刻より過去の施設関連データを入力して、基準時刻以降の制御関連データを出力する制御関連データ出力段階を備えてよい。
【0014】
本発明の一実施態様によれば、コンピュータによって実行されるデータ処理方法が提供される。データ処理方法は、水処理施設に関連する施設関連データを取得する施設関連データ取得段階を備えてよい。データ処理方法は、施設関連データを入力とし、水処理施設の制御に関連する制御関連データを出力とする学習モデルを学習モデル記憶部に記憶させる学習モデル記憶段階を備えてよい。データ処理方法は、学習モデル記憶部に記憶された学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、施設関連データを用いて新たな学習モデルを生成し、新たな学習モデルと学習モデルとの比較結果に基づいて新たな学習モデルを選択した場合に、学習モデルに代えて、新たな学習モデルを学習モデル記憶部に記憶させる学習モデル更新段階を備えてよい。
【0015】
本発明の一実施態様によれば、コンピュータによって実行されるデータ処理方法が提供される。データ処理方法は、水処理施設に関連する施設関連データを取得する施設関連データ取得段階を備えてよい。データ処理方法は、水処理施設に設定する制御パラメータを取得する制御パラメータ取得部を備えてよい。データ処理方法は、制御パラメータを変更した複数の変更パラメータを生成する変更パラメータ生成部を備えてよい。データ処理方法は、施設関連データを入力とし、水処理施設の制御に関連する制御関連データを出力とする学習モデルを用いて、制御パラメータ及び複数の変更パラメータを含む複数の候補パラメータのいずれかを選択するパラメータ選択部を備えてよい。
【0016】
なお、上記の発明の概要は、本発明の必要な特徴のすべてを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。
【図面の簡単な説明】
【0017】
【図1】システム１０の一例を概略的に示す。
【図2】水処理施設２００の一例を概略的に示す。
【図3】水処理施設２００の一例を概略的に示す。
【図4】データ処理装置１００の機能構成の一例を概略的に示す。
【図5】データ処理装置１００による処理の流れの一例を概略的に示す。
【図6】環境特定部１２２による水処理施設２００の環境特定処理の一例を説明する。
【図7】学習モデル更新部１３０による学習モデルの更新処理の流れの一例を概略的に示す。
【図8】データ処理装置１００による処理の流れの一例を概略的に示す。
【図9】データ処理装置１００による処理の流れの一例を概略的に示す。
【図10】データ処理装置１００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。
【発明を実施するための形態】
【0018】
以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせのすべてが発明の解決手段に必須であるとは限らない。
【0019】
図１は、システム１０の一例を概略的に示す。システム１０は、処理施設２０に関連する施設関連データを処理するデータ処理装置１００を備える。データ処理装置１００は、施設関連データに基づいて、処理施設２０の制御に関連する制御関連データを出力する。データ処理装置１００は、例えば、基準時刻よりも過去の施設関連データに基づいて、基準時刻以降に処理施設２０に設定することが望ましい制御関連データを出力する。制御関連データは、制御パラメータを含んでよい。基準時刻については、少なくとも、ユーザが指定した時刻や現在時刻等が含まれる。ユーザは、データ処理装置１００の利用者及び管理者等であってよい。ユーザは、処理施設２０の利用者及び管理者等であってもよい。
【0020】
施設関連データは、処理施設２０において設定された制御関連データを含む。施設関連データは、処理施設２０において人手によって設定された制御関連データを含んでよい。当該制御関連データは、処理施設２０の管理者等が、処理施設２０の環境や状況の変化等に応じて処理施設２０に設定したものであってよい。
【0021】
施設関連データは、処理施設２０の環境を示すデータを含んでよい。例えば、施設関連データは、処理施設２０のエリアの気候を示すデータを含む。施設関連データは、処理施設２０のエリアの天気を示すデータを含んでよい。施設関連データは、処理施設２０のエリアの気温を示すデータを含んでよい。施設関連データは、処理施設２０のエリアの湿度を示すデータを含んでよい。施設関連データは、処理施設２０のエリアの日射状況を示すデータを含んでよい。
【0022】
施設関連データは、処理施設２０の状況を示すデータを含んでよい。施設関連データは、処理施設２０の各設備の状況を示すデータを含んでよい。
【0023】
データ処理装置１００は、処理施設２０から、処理施設２０の施設関連データを収集してよい。データ処理装置１００は、例えば、処理施設２０に配置された、処理施設２０を管理する管理装置から、処理施設２０の施設関連データを収集する。データ処理装置１００は、処理施設２０に対して設置されたセンサ３０から、処理施設２０の施設関連データを収集してもよい。データ処理装置１００は、情報提供サーバ４０から処理施設２０の施設関連データを収集してもよい。情報提供サーバ４０は、例えば、インターネット上に配置された、各地の気候データを提供するサーバであってよく、データ処理装置１００は、情報提供サーバ４０から、処理施設２０の気候に関するデータを受信してよい。
【0024】
データ処理装置１００と処理施設２０の管理装置とは、直接接続されてよい。例えば、データ処理装置１００と処理施設２０の管理装置とは、有線接続される。例えば、データ処理装置１００と処理施設２０の管理装置とは、無線接続される。データ処理装置１００及び処理施設２０が用いる無線通信方式の例として、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｗｉ－Ｆｉ（登録商標）（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）、ＥｎＯｃｅａｎ（登録商標）、及びＷｉ－ＳＵＮ（登録商標）等が挙げられるが、これらに限られない。データ処理装置１００とセンサ３０も同様に、直接接続されてよい。データ処理装置１００と処理施設２０の管理装置とは、ネットワークを介して接続されてもよい。データ処理装置１００及び処理施設２０の管理装置が用いるネットワークの例として、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、及びインターネットが挙げられる。データ処理装置１００とセンサ３０も同様に、ネットワークを介して接続されてもよい。なお、データ処理装置１００と処理施設２０の管理装置とは、一体であってもよい。
【0025】
データ処理装置１００は、例えば、施設関連データを入力とし、制御関連データを出力とする学習モデルを生成する。データ処理装置１００は、例えば、処理施設２０の管理者等が処理施設２０に設定した制御関連データを教師データとして学習モデルを生成する。当該学習モデルによって、処理施設２０の環境や状況に合わせて処理施設２０の管理者等が設定するであろう制御関連データを予測可能にできる。これにより、処理施設２０の管理者等の負荷を低減したり、処理施設２０の管理者等が不在であっても処理施設２０を適切に制御可能な環境を実現したりすることができる。
【0026】
データ処理装置１００は、複数種類の学習モデルを生成してもよい。データ処理装置１００は、例えば、処理施設２０の環境毎の学習モデルを生成して、記憶しておく。そして、データ処理装置１００は、制御関連データを出力する場合に、処理施設２０の環境を特定し、特定した環境に対応する一の学習モデルに、基準時刻より過去の施設関連データを入力して、基準時刻以降の制御関連データを出力する。これにより、どのような環境においても同一の学習モデルを用いる場合と比較して、適切な制御関連データを予測する予測精度を向上させることができる。
【0027】
データ処理装置１００は、例えば、処理施設２０の環境として、処理施設２０のエリアの気候を特定する。データ処理装置１００は、例えば、処理施設２０の環境として、処理施設２０において発生しているイベントを特定する。データ処理装置１００は、例えば、処理施設２０の環境として、平日、土日、及び祝日等を特定する。データ処理装置１００は、例えば、処理施設２０の設備に異常が発生している場合に、処理施設２０の環境として、設備異常を特定する。
【0028】
処理施設２０は、例えば、水処理施設である。処理施設２０は、下水処理場であってよい。処理施設２０は、浄水場であってよい。また、処理施設２０は、例えば、製鉄プラントである。これらは例示であって、処理施設２０は、任意の対象物を処理する処理施設であってよい。例えば、処理施設２０は、状況に応じて制御パラメータを調整する必要がある施設であってよい。例えば、処理施設２０は、制御パラメータを変更したが、その結果が表れるまでにタイムラグが発生する施設であってよい。
【0029】
図２は、水処理施設２００の一例を概略的に示す。図２は、水処理施設２００が下水処理場である場合を例示している。水処理施設２００は、管理装置２１０、沈砂池２１１、最初沈殿池２１２、反応槽２１３、最終沈殿池２１４、汚泥処理施設２１５、塩素接触槽２１６を含む。
【0030】
管理装置２１０は、沈砂池２１１、最初沈殿池２１２、反応槽２１３、最終沈殿池２１４、汚泥処理施設２１５、及び塩素接触槽２１６のそれぞれの設備における処理を管理する。管理装置２１０は、例えば、設備に対して設定される制御パラメータを管理する。また、管理装置２１０は、例えば、設備の状況を管理する。
【0031】
沈砂池２１１には、外部から下水が流入する。沈砂池２１１において、下水からごみ及び土砂等が取り除かれる。
【0032】
最初沈殿池２１２には、沈砂池２１１から下水がゆっくりと流入する。最初沈殿池２１２において、沈砂池２１１では取り除けなかった細砂等が下部に沈降する。最初沈殿池２１２に沈殿した汚泥は、汚泥処理施設２１５に送られる。
【0033】
反応槽２１３には、最初沈殿池２１２の上澄み水が流入する。反応槽２１３において、上澄み水が活性汚泥と混合され、空気が送り込まれてかき混ぜられる。
【0034】
最終沈殿池２１４には、反応槽２１３から、活性汚泥が流入する。最終沈殿池２１４において、活性汚泥フロックが沈殿され、上澄み水（処理水）と汚泥とに分離される。最終沈殿池２１４に沈殿した汚泥は、反応槽２１３に返送されたり、汚泥処理施設２１５に送られたりする。
【0035】
汚泥処理施設２１５は、最初沈殿池２１２及び最終沈殿池２１４から送られてきた汚泥を処理する。汚泥処理施設２１５は、例えば、濃縮や機械による脱水等によって、汚泥の含水率を下げて容積を減らす。
【0036】
塩素接触槽２１６には、最終沈殿池２１４から処理水が流入する。塩素接触槽２１６において、処理水が塩素消毒されて、川及び海等に放出される。
【0037】
管理装置２１０は、水処理施設２００の施設関連データをデータ処理装置１００に送信する。管理装置２１０は、例えば、外部から流入してくる水の量を施設関連データに含める。管理装置２１０は、例えば、各設備における水の量を施設関連データに含める。
【0038】
管理装置２１０は、例えば、最初沈殿池２１２から汚泥処理施設２１５に送られる汚泥の量を施設関連データに含める。管理装置２１０は、最初沈殿池２１２から実際に引き抜かれた汚泥の量を施設関連データに含めてよい。管理装置２１０は、最初沈殿池２１２から引き抜く汚泥量の設定値を施設関連データに含めてよい。
【0039】
管理装置２１０は、例えば、反応槽２１３において活性汚泥に対して送り込む空気の量を施設関連データに含める。管理装置２１０は、反応槽２１３に実際に送り込まれた空気の量を施設関連データに含めてよい。管理装置２１０は、反応槽２１３に送り込む空気量の設定値を施設関連データに含めてよい。
【0040】
管理装置２１０は、例えば、反応槽２１３における溶存酸素（ＤＯ：Ｄｉｓｓｏｌｖｅｄ Ｏｘｙｇｅｎ）を施設関連データに含める。管理装置２１０は、反応槽２１３において測定された溶存酸素を施設関連データに含めてよい。管理装置２１０は、目標値として設定されている溶存酸素を施設関連データに含めてよい。
【0041】
管理装置２１０は、例えば、最終沈殿池２１４から引き抜かれる汚泥の量を施設関連データに含める。管理装置２１０は、最終沈殿池２１４から実際に引き抜かれた汚泥の量を施設関連データに含めてよい。管理装置２１０は、最終沈殿池２１４から引き抜く汚泥量の設定値を施設関連データに含めてよい。
【0042】
管理装置２１０は、例えば、最終沈殿池２１４から反応槽２１３に返送される返送汚泥の量を施設関連データに含める。管理装置２１０は、最終沈殿池２１４から反応槽２１３に実際に返送された汚泥の量を施設関連データに含めてよい。管理装置２１０は、返送汚泥量の設定値を施設関連データに含めてよい。
【0043】
管理装置２１０は、例えば、汚泥処理施設２１５における余剰汚泥の廃棄量を施設関連データに含める。管理装置２１０は、汚泥処理施設２１５から実際に廃棄された汚泥の量を施設関連データに含めてよい。管理装置２１０は、汚泥処理施設２１５における余剰汚泥廃棄量の設定値を施設関連データに含めてよい。
【0044】
管理装置２１０は、例えば、塩素接触槽２１６から川及び海等に放出される水の水質を施設関連データに含める。管理装置２１０は、放出する際に測定された水の水質を施設関連データに含めてよい。
【0045】
管理装置２１０は、水処理施設２００のエリアの気候を示すデータを施設関連データに含めてもよい。管理装置２１０は、例えば、水処理施設２００の管理者等によって手動入力された、水処理施設２００のエリアの気候を示すデータを施設関連データに含める。
【0046】
管理装置２１０は、水処理施設２００におけるイベントの情報を施設関連データに含めてもよい。管理装置２１０は、例えば、水処理施設２００において実施されている工事の情報を施設関連データに含める。管理装置２１０は、例えば、水処理施設２００において予定されている工事の情報を施設関連データに含める。管理装置２１０は、例えば、水処理施設２００における設備に異常又は故障が発生した場合に、異常又は故障が発生した設備を示す情報を施設関連データに含める。管理装置２１０は、例えば、水処理施設２００において地震等の災害が発生した場合に、発生した災害を示す情報を施設関連データに含める。
【0047】
センサ３０は、データ処理装置１００に水処理施設２００の施設関連データを送信する。センサ３０は、雨量計を含んでよく、施設関連データに水処理施設２００のエリアの雨量を含めてよい。センサ３０は、気温計を含んでよく、施設関連データに水処理施設２００のエリアの気温を含めてよい。センサ３０は、日射計を含んでよく、施設関連データに水処理施設２００のエリアの日射量を含めてよい。センサ３０は、湿度計を含んでよく、施設関連データに水処理施設２００のエリアの湿度を含めてよい。
【0048】
データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から、例えば１時間後等の任意の時間後に設定すべき、反応槽２１３において活性汚泥に対して送り込む空気の量を出力とする学習モデルを生成する。データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から任意の時間後に設定すべき、最終沈殿池２１４から反応槽２１３に返送する汚泥の量を出力とする学習モデルを生成する。データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から任意の時間後に設定すべき、汚泥処理施設２１５における余剰汚泥の廃棄量を出力とする学習モデルを生成する。データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から任意の時間後に設定すべき、沈砂池２１１への下水の流入量を出力とする学習モデルを生成する。データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から任意の時間後に設定すべき、反応槽２１３における溶存酸素の目標値を出力とする学習モデルを生成する。
【0049】
【0050】
図３は、水処理施設２００の一例を概略的に示す。図３は、水処理施設２００が浄水場である場合を例示している。水処理施設２００は、管理装置２２０、着水槽２２１、撹拌池２２２、フロック形成池２２３、沈殿池２２４、濾過池２２５、塩素混和池２２６、配水池２２７、ポンプ場２２８、及び汚泥処理施設２２９を含む。
【0051】
管理装置２２０は、着水槽２２１、撹拌池２２２、フロック形成池２２３、沈殿池２２４、濾過池２２５、塩素混和池２２６、配水池２２７、ポンプ場２２８、及び汚泥処理施設２２９のそれぞれの設備における処理を管理する。管理装置２２０は、例えば、設備に対して設定される制御パラメータを管理する。また、管理装置２２０は、例えば、設備の状況を管理する。
【0052】
着水槽２２１には、水処理施設２００に送られてきた原水が流入する。着水槽２２１において、原水からごみ及び土砂等が取り除かれる。
【0053】
撹拌池２２２には、着水槽２２１から原水が流入する。撹拌池２２２において、原水に凝集剤が添加される。
【0054】
フロック形成池２２３には、撹拌池２２２から、凝集剤が添加された原水が流入する。フロック形成池２２３において、凝集剤と原水中の懸濁物が結合し、フロック化する。
【0055】
沈殿池２２４には、フロック形成池２２３から、フロックが流入する。沈殿池２２４において、フロック及び微細な砂類等が沈殿し、上澄み水と分離される。沈殿した汚泥は、汚泥処理施設２２９に送られる。
【0056】
濾過池２２５には、沈殿池２２４から、上澄み水が流入する。濾過池２２５において、上澄み水が濾過されて、凝集沈殿では除去できなかった微細な浮遊物が除去される。
【0057】
塩素混和池２２６には、濾過池２２５において濾過された水が流入する。塩素混和池２２６において、流入した水に塩素が注入される。
【0058】
配水池２２７には、塩素混和池２２６から、塩素が注入された水が流入する。配水池２２７には、浄化された水が溜まる。ポンプ場２２８は、配水池２２７の水を給水所等に送る。
【0059】
汚泥処理施設２２９は、沈殿池２２４から送られてきた汚泥を処理する。汚泥処理施設２２９は、例えば、濃縮や機械による脱水等によって、汚泥の含水率を下げて容積を減らす。
【0060】
管理装置２２０は、水処理施設２００の施設関連データをデータ処理装置１００に送信する。管理装置２２０は、例えば、外部から流入してくる原水の量を施設関連データに含める。管理装置２２０は、例えば、各設備における水の量を施設関連データに含める。
【0061】
管理装置２２０は、例えば、撹拌池２２２において、原水に添加される凝集剤の量を施設関連データに含める。管理装置２２０は、撹拌池２２２に実際に添加された凝集剤の量を施設関連データに含めてよい。管理装置２２０は、撹拌池２２２に添加する凝集剤の設定値を施設関連データに含めてよい。
【0062】
管理装置２２０は、例えば、沈殿池２２４から汚泥処理施設２２９に送られる汚泥の量を施設関連データに含める。管理装置２２０は、沈殿池２２４から実際に引き抜かれた汚泥の量を施設関連データに含めてよい。管理装置２２０は、沈殿池２２４から引き抜く汚泥量の設定値を施設関連データに含めてよい。
【0063】
管理装置２２０は、例えば、塩素混和池２２６において、注入された塩素の量を施設関連データに含める。管理装置２２０は、塩素混和池２２６において実際に注入された塩素の量を施設関連データに含めてよい。管理装置２２０は、塩素混和池２２６に注入する塩素の設定値を施設関連データに含めてよい。
【0064】
管理装置２２０は、例えば、汚泥処理施設２２９における余剰汚泥の廃棄量を施設関連データに含める。管理装置２２０は、汚泥処理施設２２９から実際に廃棄された汚泥の量を施設関連データに含めてよい。管理装置２２０は、汚泥処理施設２２９における余剰汚泥廃棄量の設定値を施設関連データに含めてよい。
【0065】
管理装置２２０は、例えば、ポンプ場２２８から放出される水の水質を施設関連データに含める。管理装置２２０は、配水池２２７及びポンプ場２２８等で測定された水の水質を施設関連データに含めてよい。
【0066】
管理装置２２０は、水処理施設２００のエリアの気候を示すデータを施設関連データに含めてもよい。管理装置２２０は、例えば、水処理施設２００の管理者等によって手動入力された、水処理施設２００のエリアの気候を示すデータを施設関連データに含める。
【0067】
管理装置２２０は、水処理施設２００におけるイベントの情報を施設関連データに含めてもよい。管理装置２２０は、例えば、水処理施設２００において実施されている工事の情報を施設関連データに含める。管理装置２２０は、例えば、水処理施設２００において予定されている工事の情報を施設関連データに含める。管理装置２２０は、例えば、水処理施設２００における設備に異常又は故障が発生した場合に、異常又は故障が発生した設備を示す情報を施設関連データに含める。管理装置２２０は、例えば、水処理施設２００において地震等の災害が発生した場合に、発生した災害を示す情報を施設関連データに含める。
【0068】
センサ３０は、データ処理装置１００に水処理施設２００の施設関連データを送信する。センサ３０は、雨量計を含んでよく、施設関連データに水処理施設２００のエリアの雨量を含めてよい。センサ３０は、気温計を含んでよく、施設関連データに水処理施設２００のエリアの気温を含めてよい。センサ３０は、日射計を含んでよく、施設関連データに水処理施設２００のエリアの日射量を含めてよい。センサ３０は、湿度計を含んでよく、施設関連データに水処理施設２００のエリアの湿度を含めてよい。
【0069】
データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から任意の時間後に設定すべき、撹拌池２２２において原水に添加する凝集剤の量を出力とする学習モデルを生成する。データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から任意の時間後に設定すべき、汚泥処理施設２２９における余剰汚泥の廃棄量を出力とする学習モデルを生成する。データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から任意の時間後に設定すべき、着水槽２２１への原水の流入量を出力とする学習モデルを生成する。データ処理装置１００は、例えば、基準時刻までの施設関連データを入力とし、基準時刻から任意の時間後に設定すべき、塩素混和池２２６における塩素の注入量を出力とする学習モデルを生成する。
【0070】
【0071】
図４は、データ処理装置１００の機能構成の一例を概略的に示す。データ処理装置１００は、記憶部１１０、施設関連データ取得部１２０、環境特定部１２２、学習モデル生成部１２４、モデル選択部１２６、制御関連データ出力部１２８、学習モデル更新部１３０、制御パラメータ取得部１３２、変更パラメータ生成部１３４、及びパラメータ選択部１４０を備える。なお、データ処理装置１００がこれらの全てを備えることは必須とは限らない。ここでは、データ処理装置１００が、水処理施設２００に関連する施設関連データを処理する場合を主に例に挙げて説明する。
【0072】
記憶部１１０は、各種データを記憶する。記憶部１１０は、施設関連データを記憶する施設関連データ記憶部１１２、及び学習モデルを記憶する学習モデル記憶部１１４を備える。
【0073】
施設関連データ取得部１２０は、施設関連データを取得する。施設関連データ取得部１２０は、継続的に施設関連データを取得してよい。施設関連データ取得部１２０は、取得した施設関連データを施設関連データ記憶部１１２に記憶させる。
【0074】
施設関連データ取得部１２０は、水処理施設２００の施設関連データを取得してよい。施設関連データ取得部１２０は、例えば、水処理施設２００から、水処理施設２００の施設関連データを受信する。施設関連データ取得部１２０は、例えば、水処理施設２００に対して設置されたセンサ３０から、水処理施設２００の施設関連データを受信する。
【0075】
施設関連データ取得部１２０は、例えば、情報提供サーバ４０から、水処理施設２００の施設関連データを受信する。施設関連データ取得部１２０は、例えば、情報提供サーバ４０から、水処理施設２００のエリアの気候を示すデータを受信する。
【0076】
環境特定部１２２は、水処理施設２００の環境を特定する。環境特定部１２２は、施設関連データ取得部１２０が取得した施設関連データに基づいて、水処理施設２００の環境を特定してよい。
【0077】
環境特定部１２２は、例えば、水処理施設２００の水処理の処理能力に影響を与える外的要因毎の複数の環境候補から、水処理施設２００の環境を特定する。環境特定部１２２は、例えば、通常状態、原水高濁度状態、雨天状態、寒冷状態、及び高温状態等のうち２つ以上を含む環境候補から、水処理施設２００の環境を特定する。
【0078】
環境候補は、水処理施設２００のエリアの気候を含んでよい。環境候補は、晴天を含んでよい。環境候補は、曇天を含んでよい。環境候補は、雨天を含んでよい。環境候補は、雨天後晴天を含んでよい。環境候補は、雨天後曇天を含んでよい。環境候補は、真夏日を含んでよい。環境候補は、雨天後真夏日を含んでよい。
【0079】
環境候補は、水処理施設２００において発生しているイベントを含んでよい。環境候補は、工事を含んでよい。環境特定部１２２は、水処理施設２００において工事が実施されている場合に、水処理施設２００の環境を工事と特定する。
【0080】
環境候補は、特殊を含んでよい。環境特定部１２２は、例えば、祝日の場合に、水処理施設２００の環境を特殊と特定する。環境特定部１２２は、例えば、水処理施設２００に地震等の災害が発生している場合に、水処理施設２００の環境を特殊と特定する。環境特定部１２２は、例えば、水処理施設２００のエリアが大寒波等の異常気象である場合に、水処理施設２００の環境を特殊と特定する。
【0081】
環境特定部１２２は、例えば、水処理施設２００が下水処理場であって、近辺の工場等で大量の廃水（例えば、食品工場の大鍋の洗浄等）が流出する場合に影響を受ける水処理施設２００である場合に、水処理施設２００の環境を特殊と特定する。なお、この場合に、環境特定部１２２は、水処理施設２００の環境を、〇〇工場洗浄等と特定してもよい。
【0082】
環境特定部１２２は、例えば、水処理施設２００が下水処理場であって、近辺で大量の廃水（例えば、プールの清掃、県の祭り等）が流出する場合に影響を受ける水処理施設２００である場合に、水処理施設２００の環境を特殊と特定する。なお、この場合に、環境特定部１２２は、水処理施設２００の環境を、〇〇開催等と特定してもよい。
【0083】
環境特定部１２２は、例えば、水処理施設２００が浄水場であって、生産水量が不足し、県営水道からの受水があった場合等に、水処理施設２００の環境を特殊と特定する。なお、この場合に、環境特定部１２２は、水処理施設２００の環境を、県水受水等と特定してもよい。
【0084】
環境特定部１２２は、例えば、水処理施設２００が浄水場であって、近辺の水の消費量が非常に大きい工場（例えば製紙工場等）の操業有無によって、影響がある水処理施設２００である場合において、当該工場の操業が無い場合に、水処理施設２００の環境を特殊と特定する。なお、この場合に、環境特定部１２２は、水処理施設２００の環境を、〇〇工場操業なし等と特定してもよい。
【0085】
環境候補は、異常を含んでよい。環境特定部１２２は、例えば、水処理施設２００の設備に異常又は故障が発生している場合に、水処理施設２００の環境を異常と特定する。
【0086】
環境特定部１２２は、手動入力に基づいて水処理施設２００の環境を特定してよい。環境特定部１２２は、例えば、施設関連データに水処理施設２００の環境を示すデータが含まれている場合、当該データによって水処理施設２００の環境を特定する。
【0087】
環境特定部１２２は、自動的に水処理施設２００の環境を特定してもよい。環境特定部１２２は、例えば、水処理施設２００に設置されたセンサ３０から取得した施設関連データに基づいて、水処理施設２００の環境を特定する。具体例として、環境特定部１２２は、センサ３０から取得した施設関連データに基づいて、水処理施設２００のエリアの気候を特定する。
【0088】
環境特定部１２２は、センサ３０の設置状況に応じて、水処理施設２００のエリアの気候を特定してよい。例えば、水処理施設２００に対して雨量計のみが設置されている場合、環境特定部１２２は、総雨量が一日当たり０ｍｍの日は晴天、総雨量が一日当たり０ｍｍよりも大きければ雨天とする。また、例えば、水処理施設２００に対して雨量計及び気温計が設置されている場合、環境特定部１２２は、一日当たりの総雨量０ｍｍかつ最高気温２０度以上３０度未満は晴天、一日当たりの総雨量０ｍｍかつ最高気温３０度以上は真夏日、一日当たりの総雨量０ｍｍかつ最高気温２０度以下は曇天とする。また、例えば、水処理施設２００に対して雨量計及び日射計が設置されている場合、環境特定部１２２は、一日当たりの総雨量０ｍｍかつ日射量１．５ｋＷ／ｍ２以上が存在すれば真夏日、一日当たりの総雨量０ｍｍかつ日射量が０．５Ｗ／ｍ２を上回らなければ曇天、一日当たりの総雨量０．５ｍｍ以上は雨天、これら以外は晴天とする。このように、環境特定部１２２は、センサ３０から取得したデータと基準値とを比較することによって、水処理施設２００の環境を特定してよい。基準値は、任意に設定可能であってよく、変更可能であってよい。
【0089】
施設関連データ記憶部１１２は、環境特定部１２２が特定した環境における水処理施設２００の施設関連データと、当該環境とを対応付けて記憶してよい。
【0090】
施設関連データ記憶部１１２は、例えば、施設関連データ取得部１２０が取得した施設関連データに対して、環境特定部１２２が特定した環境を表すラベルを対応付けて記憶する。具体例として、施設関連データ記憶部１１２は、雨天期間中の施設関連データに対して、雨天のラベルを対応付けて記憶する。施設関連データ記憶部１１２は、同一の施設関連データに複数のラベルを対応付けて記憶してもよい。具体例として、施設関連データ記憶部１１２は、祝日の雨天期間中の施設関連データに対して、雨天及び特殊のラベルを対応付けて記憶する。施設関連データ記憶部１１２は、任意の期間を単位として、施設関連データにラベルを対応付けて記憶してよい。例えば、施設関連データ記憶部１１２は、1日単位で、施設関連データにラベルを対応付けて記憶する。この場合において、例えば、１日の間に曇天期間と雨天期間が存在する場合、より長い期間に対応するラベルを対応付けて施設関連データを記憶してよい。
【0091】
施設関連データ記憶部１１２は、例えば、施設関連データ取得部１２０が取得した施設関連データを、環境特定部１２２が特定した環境毎に分類して記憶してもよい。具体例として、施設関連データ記憶部１１２は、雨天期間中の施設関連データを、雨天に対応する記憶領域に記憶し、曇天期間中の施設関連データを、曇天に対応する記憶領域に記憶する。施設関連データ記憶部１１２は、同一の施設関連データを複数の記憶領域に記憶してもよい。具体例として、施設関連データ記憶部１１２は、祝日の雨天期間中の施設関連データを、祝日に対応する記憶領域と、雨天に対応する記憶領域に記憶する。なお、施設関連データ記憶部１１２は、祝日の雨天期間中の施設関連データを、祝日及び雨天に対応する記憶領域に記憶してもよい。
【0092】
学習モデル生成部１２４は、学習モデルを生成する。学習モデル生成部１２４は、生成した学習モデルを学習モデル記憶部１１４に記憶させてよい。学習モデル生成部１２４は、施設関連データ記憶部１１２に記憶されている施設関連データを用いて学習モデルを生成してよい。学習モデル生成部１２４は、例えば、水処理施設２００の管理者等が水処理施設２００に対して設定した制御関連データを教師データとして、施設関連データを入力とし、制御関連データを出力とする学習モデルを生成する。
【0093】
学習モデル生成部１２４は、例えば、ランダムフォレストを用いて学習モデルを生成する。学習モデル生成部１２４は、施設関連データ記憶部１１２に記憶されている複数種類の施設関連データのうち、一部又は全部を対象として、ランダムフォレストを用いて学習モデルを生成してよい。学習モデル生成部１２４が用いる学習方法は、ランダムフォレストに限らず、他の既知の学習方法を用いてもよい。
【0094】
学習モデル生成部１２４は、水処理施設２００の環境毎に、環境に対応する施設関連データを用いて学習モデルを生成してよい。学習モデル生成部１２４は、環境に対応する施設関連データを用いて生成した学習モデルを、当該環境と対応付けて学習モデル生成部１２４に記憶させてよい。
【0095】
モデル選択部１２６は、学習モデル記憶部１１４に記憶されている複数種類の学習モデルから、利用する学習モデルを選択する。例えば、モデル選択部１２６は、施設関連データに基づく制御関連データの出力処理を実行する場合に、環境特定部１２２によって特定された水処理施設２００の環境に対応する一の学習モデルを、学習モデル記憶部１１４に記憶されている複数種類の学習モデルから選択する。
【0096】
制御関連データ出力部１２８は、学習モデル記憶部１１４に記憶されている学習モデルを用いて、施設関連データに基づく制御関連データの出力処理を実行する。制御関連データ出力部１２８は、例えば、制御関連データを、データ処理装置１００が備えるディスプレイに表示出力する。また、制御関連データ出力部１２８は、例えば、制御関連データを、水処理施設２００の管理者等が所有する通信端末に対して送信出力する。
【0097】
本実施形態に係るデータ処理装置１００は、対象となる水処理施設２００に学習モデルを正式に導入する前に、学習モデルをブラッシュアップすることを１つの目的としているが、ブラッシュアップが完了した後、制御関連データ出力部１２８は、制御関連データを水処理施設２００に送信することによって、水処理施設２００の制御に反映してよい。
【0098】
制御関連データ出力部１２８は、例えば、モデル選択部１２６によって選択された一の学習モデルに、基準時刻より過去の施設関連データを入力して、基準時刻以降の制御関連データを出力する。水処理施設２００による水処理は、水処理施設２００の環境に影響を受けるので、水処理施設２００の環境とは関係なく準備した学習モデルを用いる場合と比較して、水処理をより適切に行うことができる制御関連データを出力することができる。
【0099】
具体例として、制御関連データ出力部１２８は、現時点までの施設関連データを一の学習モデルに入力して、1時間後の制御関連データを出力する。これにより、現在における水処理施設２００の環境及び状況等から、設定することが望ましい制御関連データを通知することができる。
【0100】
学習モデル更新部１３０は、学習モデル記憶部１１４に記憶されている学習モデルを更新する。学習モデル更新部１３０は、例えば、モデル選択部１２６によって水処理施設２００の環境に対応する一の学習モデルが選択された後、当該環境に対応する学習モデルを更新する更新処理を実行する更新タイミングであると判定したことに応じて、当該環境に対応する施設関連データを用いて新たな学習モデルを生成する。学習モデル更新部１３０は、学習モデル生成部１２４と同一の学習方法を用いて学習モデルを生成してよい。そして、学習モデル更新部１３０は、新たな学習モデルと、一の学習モデルとの比較結果に基づいて、新たな学習モデル又は一の学習モデルを選択する。学習モデル更新部１３０は、新たな学習モデルを選択した場合、一の学習モデルに変えて、当該環境と当該新たな学習モデルとを対応付けて学習モデル記憶部１１４に記憶させる。学習モデル更新部１３０は、一の学習モデルを選択した場合、新たな学習モデルを破棄してよい。
【0101】
新たな学習モデルは、一の学習モデルと比較して、より新しい施設関連データを用いて生成することができるので、予測精度が向上する蓋然性が高い学習モデルに更新することができる。また、例えば、最新の施設関連データに不適切なデータが含まれることによって予測精度が低下してしまうような場合には、更新を行わないようにできる。
【0102】
学習モデル更新部１３０は、過去に水処理施設２００の管理者等が手動で設定した制御関連データを用いて、新たな学習モデルと一の学習モデルとを比較してよい。例えば、学習モデル更新部１３０は、水処理施設２００の管理者等が制御関連データを設定したときよりも過去の施設関連データを、新たな学習モデル及び一の学習モデルの両方に入力して、制御関連データを出力させる。そして、学習モデル更新部１３０は、出力させた制御関連データと、水処理施設２００の管理者等が設定した制御関連データとの差を特定し、新たな学習モデルと一の学習モデルのうち、特定した差がより小さい方を選択する。これにより、水処理施設２００の管理者等の経験に基づく制御関連データにより近い制御関連データを出力可能な学習モデルを選択することができる。
【0103】
学習モデル更新部１３０は、直近に、水処理施設２００の管理者等が手動で設定した制御関連データを用いて、新たな学習モデルと一の学習モデルとを比較してよい。例えば、学習モデル更新部１３０は、環境特定部１２２によって特定された環境に対応する施設関連データのうち、学習モデルの更新タイミングを基準とした過去の予め定められた期間以外の施設関連データを用いて新たな学習モデルを生成し、更新タイミングを基準とした過去の予め定められた期間の施設関連データを用いて、新たな学習モデルと一の学習モデルとを比較する。水処理施設２００に何か大きな変化があった場合、その変化前の施設関連データを用いて評価を実施しても正確な評価ができない場合があるが、直近の施設関連データを用いることによって、評価の精度を高めることができる。
【0104】
学習モデル更新部１３０は、環境に対応する施設関連データを用いて複数の異なる新たな学習モデルを生成してもよい。学習モデル更新部１３０は、生成した複数の異なる新たな学習モデルと一の学習モデルとの比較結果に基づいて、複数の異なる新たな学習モデルのうちのいずれかを選択した場合に、一の学習モデルに代えて、当該環境と、選択した新たな学習モデルとを対応付けて学習モデル記憶部１１４に記憶させてよい。
【0105】
学習モデル更新部１３０は、例えば、学習方法のパラメータを異ならせた複数の新たな学習モデルを生成する。例えば、学習方法としてランダムフォレストを用いている場合、学習モデル更新部１３０は、ランダムフォレストのパラメータを変更させながら、複数の新たな学習モデルを生成する。ランダムフォレストのパラメータの例として、決定木の本数、決定木の分岐数、決定木の階層数、分岐条件等が挙げられる。
【0106】
学習モデル更新部１３０は、例えば、施設関連データ記憶部１１２に記憶されている複数種類の施設関連データのうち、用いる種類を異ならせて複数の新たな学習モデルを生成する。学習モデル更新部１３０は、複数種類の施設関連データのうち、用いる数を異ならせたり、同じ数でも用いる種類を異ならせたりすることによって、複数の新たな学習モデルを生成してよい。
【0107】
学習モデル更新部１３０は、例えば、施設関連データ記憶部１１２に記憶されている施設関連データのうち、異なる期間に対応する施設関連データを用いて、複数の異なる新たな学習モデルを生成する。学習モデル更新部１３０は、例えば、用いる施設関連データを、年単位、月単位、日単位で異ならせる。また、学習モデル更新部１３０は、例えば、用いる施設関連データを、平日土日単位、曜日単位、季節単位で異ならせる。
【0108】
学習モデル更新部１３０は、例えば、学習の次数を異ならせた複数の異なる新たな学習モデルを生成する。学習モデル更新部１３０は、例えば、複数の次数のそれぞれで学習モデルを生成する。次数のバリエーションは任意の数であってよい。
【0109】
上述したように、一の学習モデルと、様々な種類の新たな学習モデルとから学習モデルを選択する構成することによって、結果として、より予測精度の高い学習モデルを生成することができる。
【0110】
制御パラメータ取得部１３２は、水処理施設２００に設定する制御パラメータを取得する。制御パラメータ取得部１３２は、例えば、水処理施設２００に対して設定することが決まっている制御パラメータを取得する。制御パラメータ取得部１３２は、例えば、水処理施設２００に対して既に設定されている制御パラメータを取得する。制御パラメータ取得部１３２は、制御関連データ出力部１２８によって出力された制御関連データに含まれる制御パラメータを取得してもよい。
【0111】
変更パラメータ生成部１３４は、制御パラメータ取得部１３２が取得した制御パラメータを変更した複数の変更パラメータを生成する。例えば、制御パラメータが、反応槽２１３において活性汚泥に対して送り込む空気量であって、２０ｍ３／分である場合に、変更パラメータ生成部１３４は、１８、１９、２１、２２ｍ３／分等の単位や、１０、３０、４０ｍ３／分等の単位で、複数の変更パラメータを生成する。制御パラメータから複数オン変更パラメータを生成する生成手法は、任意の手法であってよい。また、変更パラメータ生成部１３４は、データ処理装置１００の管理者等の指示に従って、複数の変更パラメータを生成してもよい。
【0112】
パラメータ選択部１４０は、モデル選択部１２６によって選択された一の学習モデルを用いて、制御パラメータ取得部１３２が取得した制御パラメータと、変更パラメータ生成部１３４が生成した複数の変更パラメータとを含む複数の候補パラメータのいずれかを選択する。パラメータ選択部１４０は、候補パラメータ特定部１４２及びコスト推定部１４４を備えてよい。
【0113】
候補パラメータ特定部１４２は、複数の候補パラメータから、候補パラメータを特定する。例えばまず、候補パラメータ特定部１４２は、モデル選択部１２６によって選択された一の学習モデルの目的変数を第１のパラメータとする。
【0114】
第１のパラメータは、水処理施設２００から放出される水の水質であってよい。水処理施設２００が下水処理場である場合、第１のパラメータは、塩素接触槽２１６から川及び海等に放出された水の水質であってよい。水処理施設２００が浄水場である場合、第１のパラメータは、ポンプ場２２８から放出された水の水質であってよい。
【0115】
第１のパラメータは、水処理施設２００における汚泥の含水率であってもよい。水処理施設２００が下水処理場である場合、第１のパラメータは、反応槽２１３における汚泥の含水率であってよい。水処理施設２００が下水処理場である場合、第１のパラメータは、沈殿池２２４における汚泥の含水率であってよい。
【0116】
候補パラメータ特定部１４２は、複数の候補パラメータのそれぞれについて、目的変数を第１のパラメータとした一の学習モデルに入力して出力させた第１のパラメータが、予め定められた条件を満たす候補パラメータを特定する。第１のパラメータが、水処理施設２００から放出される水の水質である場合、水質が予め定められた閾値より良好な値となる場合に、第１のパラメータは予め定められた条件を満たす。例えば、第１のパラメータが、水質が良好であるほど高い値を示す場合、第１のパラメータは、予め定められた閾値より高い場合に予め定められた条件を満たす。第１のパラメータが、水処理施設２００における汚泥の含水率である場合、含水率が予め定められた閾値より低い場合に、第１のパラメータは予め定められた条件を満たす。候補パラメータ特定部１４２によって、１つの候補パラメータが特定された場合、パラメータ選択部１４０は、特定した候補パラメータを制御関連データ出力部１２８に出力させてよい。
【0117】
コスト推定部１４４は、候補パラメータ特定部１４２によって複数の候補パラメータが特定された場合に、当該複数の候補パラメータのそれぞれについて、水処理施設２００に設定した場合に消費される消費対象のコストを推定する。コスト推定部１４４は、例えば、候補パラメータを水処理施設２００に設定した場合に消費される電力のコストを推定する。コスト推定部１４４は、例えば、電気消費量を推定する。コスト推定部１４４は、例えば、電気代を推定する。コスト推定部１４４は、予め格納している評価関数を用いて、電力のコストを推定してよい。評価関数は、例えば、制御パラメータと、水処理施設２００の各設備に対して制御パラメータを設定したときの電気使用量との関係を用いて生成することができる。コスト推定部１４４は、外部から取得した評価関数を格納してよく、施設関連データ記憶部１１２に記憶されている施設関連データに基づいて評価関数を生成してもよい。
【0118】
コスト推定部１４４は、例えば、候補パラメータを水処理施設２００に設定した場合に消費される薬品のコストを推定する。薬品の例として、塩素接触槽２１６において使用される塩素、撹拌池２２２において使用される凝集剤、塩素混和池２２６において使用される塩素等が挙げられる。コスト推定部１４４は、予め格納している評価関数を用いて、薬品のコストを推定してよい。評価関数は、例えば、制御パラメータと、水処理施設２００の各設備に対して制御パラメータを設定したときの薬品使用量との関係を用いて生成することができる。コスト推定部１４４は、外部から取得した評価関数を格納してよく、施設関連データ記憶部１１２に記憶されている施設関連データに基づいて評価関数を生成してもよい。
【0119】
パラメータ選択部１４０は、コスト推定部１４４によって推定されたコストに基づいて、複数の候補パラメータのいずれかを選択してよい。パラメータ選択部１４０は、例えば、複数の候補パラメータのうち、推定されたコストが最も低い候補パラメータを選択する。これにより、水処理施設２００が放出する水の水質を担保しつつ、電力のコスト又は薬品のコストがより低い候補パラメータを特定することができ、水処理施設２００の効率的な運用に貢献することができる。
【0120】
なお、複数の候補パラメータについて、コスト推定部１４４が、水処理施設２００に設定した場合に消費される消費対象のコストを推定し、候補パラメータ特定部１４２が、目的変数を第１のパラメータとした一の学習モデルによって出力させる第１のパラメータが予め定められた条件を満たすまで、複数の候補パラメータを、コストが少ない順番に一の学習モデルに入力し、条件を満たす候補パラメータを特定するようにしてもよい。これにより、第１のパラメータが条件を満たすかを判定する処理の負荷よりも、電力のコストや薬品のコストを判定する処理の負荷が高い場合に、全体の処理負荷を低減することができる。
【0121】
図５は、データ処理装置１００による処理の流れの一例を概略的に示す。図５では、データ処理装置１００が、施設関連データを収集しながら、適宜用いる学習モデルを変更したり、学習モデルを更新したりする処理の流れについて説明する。なお、ここでは、一旦水処理施設２００の環境が特定され、環境に対応する一の学習モデルを用いて、制御関連データの表示出力を実行している状態を開始状態として説明する。
【0122】
ステップ（ステップをＳと省略して記載する場合がある。）１０２では、施設関連データ取得部１２０が、施設関連データを収集する。Ｓ１０４では、環境特定部１２２が、水処理施設２００の環境を表すラベルを特定する。
【0123】
Ｓ１０６では、制御関連データ出力部１２８が、水処理施設２００の環境が変化した場合に、学習モデルを変更すると判定する。学習モデルを変更すると判定した場合、Ｓ１０８に進み、水処理施設２００の環境が変化していない場合、Ｓ１１０に進む。Ｓ１０８では、制御関連データ出力部１２８が、学習モデル記憶部１１４から、Ｓ１０４において特定されたラベルに対応する学習モデルを選択する。
【0124】
Ｓ１１０では、学習モデル更新部１３０が、学習モデルを更新するタイミングであるか否かを判定する。学習モデル更新部１３０は、例えば、現在用いている学習モデルが生成されてから予め定められた期間が経過していた場合に、学習モデルを更新するタイミングであると判定する。更新するタイミングであると判定した場合、Ｓ１１２に進み、更新するタイミングでないと判定した場合、Ｓ１１４に進む。Ｓ１１２では、学習モデル更新部１３０が、学習モデルの更新処理を実行する。
【0125】
Ｓ１１４では、処理を終了するか否かを判定する。データ処理装置１００は、例えば、データ処理装置１００の管理者又は水処理施設２００の管理者等による終了指示を受領していた場合、処理を終了すると判定する。処理を終了しないと判定した場合、Ｓ１０２に戻る。
【0126】
図６は、環境特定部１２２による水処理施設２００の環境特定処理の流れの一例を概略的に示す。ここでは、環境特定部１２２が、日射計及び雨量計から取得した日射量及び降雨量に基づいて、１日の終わりにその日の気候を特定する場合を一具体例として挙げる。
【0127】
Ｓ２０２では、環境特定部１２２が、降雨量が一日当たり０．５ｍｍ以上であるか否かを判定する。一日当たり０．５ｍｍ以上である場合、雨天と特定し、一日当たり０．５ｍｍ以上でない場合、Ｓ２０４に進む。Ｓ２０４では、環境特定部１２２が、前日が雨天であったか否かを判定する。前日が雨天であった場合、Ｓ２０６に進み、雨天でなかった場合、Ｓ２１０に進む。
【0128】
Ｓ２０６では、環境特定部１２２が、１日の最大日射量が０．５ｋＷ／ｍ２以下であるか否かを判定する。環境特定部１２２は、０．５ｋＷ／ｍ２以下であると判定した場合、雨天後曇天と特定する。０．５ｋＷ／ｍ２以下でないと判定した場合、Ｓ２０８に進む。
【0129】
Ｓ２０８では、環境特定部１２２が、１日の中で日射量が１．５ｋＷ／ｍ２以上のときが存在するか否かを判定する。環境特定部１２２は、存在すると判定した場合、雨天後真夏日と特定し、存在しないと判定した場合、雨天後晴天と特定する。
【0130】
Ｓ２１０では、環境特定部１２２が、１日の最大日射量が０．５ｋＷ／ｍ２以下であるか否かを判定する。環境特定部１２２は、０．５ｋＷ／ｍ２以下であると判定した場合、曇天と特定する。０．５ｋＷ／ｍ２以下でないと判定した場合、Ｓ２１２に進む。
【0131】
Ｓ２１２では、環境特定部１２２が、１日の中で日射量が１．５ｋＷ／ｍ２以上のときが存在するか否かを判定する。環境特定部１２２は、存在すると判定した場合、真夏日と特定し、存在しないと判定した場合、晴天と特定する。
【0132】
図７は、学習モデル更新部１３０による学習モデルの更新処理の流れの一例を概略的に示す。図７では、学習モデル更新部１３０が、複数種類の新たな異なる学習モデルを生成して、学習モデルの更新を行うか否かを判定する処理について説明する。
【0133】
Ｓ３０２では、学習モデル更新部１３０が、複数種類の施設関連データのうち、用いる種類を異ならせた複数の学習モデルを生成する。Ｓ３０４では、学習モデル更新部１３０が、異なる期間に対応する施設関連データを用いて、複数の学習モデルを生成する。Ｓ３０６では、学習モデル更新部１３０が、学習方法のパラメータを異ならせた複数の学習モデルを生成する。
【0134】
Ｓ３０８では、学習モデル更新部１３０が、Ｓ３０２、Ｓ３０４、及びＳ３０６において生成した複数の学習モデルと、前回モデルとを比較して、評価結果が向上したか否かを判定する。向上したと判定した場合、Ｓ３１０に進む。Ｓ３１０では、学習モデル更新部１３０が、学習モデルを、前回モデルから、新たに生成した複数の学習モデルのうち、最も評価が高い学習モデルに入れ替える。
【0135】
図８は、データ処理装置１００による処理の流れの一例を概略的に示す。ここでは、水処理施設２００から放出される水の水質を担保しつつ、電力及び薬品等の消費対象のコストを低減可能な制御パラメータを特定する処理の流れを説明する。
【0136】
Ｓ４０２では、制御関連データ出力部１２８が、学習モデル記憶部１１４から、環境特定部１２２によって特定された水処理施設２００の環境に対応する学習モデルを選択する。Ｓ４０４では、制御パラメータ取得部１３２が、水処理施設２００に設定する制御パラメータを取得する。
【0137】
Ｓ４０６では、変更パラメータ生成部１３４が、Ｓ４０４において制御パラメータ取得部１３２が取得した制御パラメータを変更した複数の変更パラメータを生成する。Ｓ４０８では、候補パラメータ特定部１４２が、Ｓ４０４において取得された制御パラメータと、Ｓ４０６において生成された複数の変更パラメータとを含む複数の候補パラメータのそれぞれを、目的変数を水処理施設２００から放出される水の水質とした学習モデルに入力する。Ｓ４１０では、候補パラメータ特定部１４２が、学習モデルから出力された水質が、条件を満たす候補パラメータを特定する。特定した候補パラメータが複数である場合（Ｓ４１２でＹＥＳ）、Ｓ４１４に進み、複数でない場合（Ｓ４１２でＮＯ）、Ｓ４１８に進む。
【0138】
Ｓ４１４では、コスト推定部１４４が、Ｓ４１０において特定された複数の候補パラメータのそれぞれについて、水処理施設２００に設定した場合に消費される消費対象のコストを推定する。Ｓ４１６では、パラメータ選択部１４０が、Ｓ４１４において推定されたコストに基づいて、複数の候補パラメータのいずれかを選択する。パラメータ選択部１４０は、例えば、Ｓ４１４において推定されたコストが最も低い候補パラメータを選択する。
【0139】
Ｓ４１８では、制御関連データ出力部１２８が、候補パラメータを出力する。制御関連データ出力部１２８は、Ｓ４１２において、１つの候補パラメータのみが特定された場合、当該候補パラメータを出力し、複数の候補パラメータが特定された場合、Ｓ４１６において選択された候補パラメータを出力する。
【0140】
図９は、データ処理装置１００による処理の流れの一例を概略的に示す。ここでは、水処理施設２００から放出される水の水質を担保しつつ、電力及び薬品等の消費対象のコストを低減可能な制御パラメータを特定する処理の流れを説明する。
【0141】
Ｓ５０２では、制御関連データ出力部１２８が、学習モデル記憶部１１４から、環境特定部１２２によって特定された水処理施設２００の環境に対応する学習モデルを選択する。Ｓ５０４では、制御パラメータ取得部１３２が、水処理施設２００に設定する制御パラメータを取得する。
【0142】
Ｓ５０６では、変更パラメータ生成部１３４が、Ｓ５０４において制御パラメータ取得部１３２が取得した制御パラメータを変更した複数の変更パラメータを生成する。Ｓ５０８では、コスト推定部１４４が、Ｓ５０４において取得された制御パラメータと、Ｓ５０６において生成された複数の変更パラメータとを含む複数の候補パラメータのそれぞれについて、水処理施設２００に設定した場合に消費される消費対象のコストを推定する。
【0143】
Ｓ５１０では、候補パラメータ特定部１４２が、複数の候補パラメータのうち、Ｓ５０８において推定されたコストが最も低い候補パラメータを、目的変数を水処理施設２００から放出される水の水質とした学習モデルに入力する。Ｓ５１２では、候補パラメータ特定部１４２が、学習モデルから出力された水質が、条件を満たすか否かを判定する。条件を満たさないと判定した場合、Ｓ５１４に進み、満たすと判定した場合、Ｓ５１６に進む。
【0144】
複数の候補パラメータの全てについて判定が終了した場合（Ｓ５１４でＹＥＳ）、処理を終了し、判定が終了していない場合（Ｓ５１４でＮＯ）、Ｓ５１０に戻る。Ｓ５１０では、Ｓ５０８において推定されたコストが低い順に、次の候補パラメータを学習モデルに入力する。
【0145】
Ｓ５１６では、制御関連データ出力部１２８が、Ｓ５１２において水質を満たすと判定された候補パラメータを出力する。
【0146】
図１０は、データ処理装置１００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又はすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。
【0147】
本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブは、ＤＶＤ－ＲＯＭドライブ及びＤＶＤ－ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのようなレガシの入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。
【0148】
ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。
【0149】
通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブは、プログラム又はデータをＤＶＤ－ＲＯＭ等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。
【0150】
ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。
【0151】
プログラムは、ＤＶＤ－ＲＯＭ又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。
【0152】
例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ－ＲＯＭ、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。
【0153】
また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ（ＤＶＤ－ＲＯＭ）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。
【0154】
様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。
【0155】
上で説明したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。
【0156】
本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表わしてよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。
【0157】
コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。
【0158】
コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでよい。
【0159】
コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。
【0160】
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。
【0161】
特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。
【符号の説明】
【0162】
１０ システム、２０ 処理施設、３０ センサ、４０ 情報提供サーバ、１００ データ処理装置、１１０ 記憶部、１１２ 施設関連データ記憶部、１１４ 学習モデル記憶部、１２０ 施設関連データ取得部、１２２ 環境特定部、１２４ 学習モデル生成部、１２６ モデル選択部、１２８ 制御関連データ出力部、１３０ 学習モデル更新部、１３２ 制御パラメータ取得部、１３４ 変更パラメータ生成部、１４０ パラメータ選択部、１４２ 候補パラメータ特定部、１４４ コスト推定部、２００ 水処理施設、２１０ 管理装置、２１１ 沈砂池、２１２ 最初沈殿池、２１３ 反応槽、２１４ 最終沈殿池、２１５ 汚泥処理施設、２１６ 塩素接触槽、２２０ 管理装置、２２１ 着水槽、２２２ 撹拌池、２２３ フロック形成池、２２４ 沈殿池、２２５ 濾過池、２２６ 塩素混和池、２２７ 配水池、２２８ ポンプ場、１２００ コンピュータ、１２１０ ホストコントローラ、１２１２ ＣＰＵ、１２１４ ＲＡＭ、１２１６ グラフィックコントローラ、１２１８ ディスプレイデバイス、１２２０ 入出力コントローラ、１２２２ 通信インタフェース、１２２４ 記憶装置、１２３０ ＲＯＭ、１２４０ 入出力チップ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】