ホーム > 特許ランキング > メタウォーター株式会社
(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】P2024110415
(43)【公開日】2024-08-15
(54)【発明の名称】処理システム、制御装置及び処理方法
(51)【国際特許分類】
G05B 13/04 20060101AFI20240807BHJP
C02F 11/06 20060101ALI20240807BHJP
C02F 1/00 20230101ALI20240807BHJP
F23G 5/50 20060101ALI20240807BHJP
【ＦＩ】
G05B13/04
C02F11/06 Z ZAB
C02F1/00 V
F23G5/50 A
【審査請求】有
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2024014189
(22)【出願日】2024-02-01
(31)【優先権主張番号】P 2023014880
(32)【優先日】2023-02-02
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】507214083
【氏名又は名称】メタウォーター株式会社
(74)【代理人】
【識別番号】110003421
【氏名又は名称】弁理士法人フィールズ国際特許事務所
(72)【発明者】
【氏名】太田 琢磨
(72)【発明者】
【氏名】小関 泰志
(72)【発明者】
【氏名】鈴木 彬
【テーマコード（参考）】
3K062
4D059
5H004
【Ｆターム（参考）】
3K062AA24
3K062AB01
3K062AC01
3K062AC02
3K062CB03
3K062DA01
3K062DB01
4D059AA03
4D059BB01
4D059BB03
4D059BD01
4D059CA14
4D059EA06
4D059EA15
4D059EB06
4D059EB15
5H004GA21
5H004GB01
5H004HA01
5H004HA02
5H004HA03
5H004HB01
5H004HB02
5H004HB03
5H004JA00
5H004KB01
5H004KC27
(57)【要約】
【課題】運転制御に伴う作業者の負荷を抑制することを可能とする処理システム、制御装置及び処理方法を提供する。
【解決手段】設定値に応じた処理を実行する処理設備と、設定値を算出する制御装置と、を備える処理システムであって、制御装置は、回帰分析を実行する第１モデルを用いることにより、設定値の候補に応じた処理を処理設備が実行した場合の処理設備における第１推定値を算出し、ブラックボックス最適化を実行する第２モデルを用いることにより、第１推定値から設定値を算出する。
【選択図】図４
【解決手段】設定値に応じた処理を実行する処理設備と、設定値を算出する制御装置と、を備える処理システムであって、制御装置は、回帰分析を実行する第１モデルを用いることにより、設定値の候補に応じた処理を処理設備が実行した場合の処理設備における第１推定値を算出し、ブラックボックス最適化を実行する第２モデルを用いることにより、第１推定値から設定値を算出する。
【選択図】図４
【特許請求の範囲】
【請求項1】
設定値に応じた処理を実行する処理設備と、前記設定値を算出する制御装置と、を備える処理システムであって、
前記制御装置は、
回帰分析を実行する第１モデルを用いることにより、前記設定値の候補に応じた処理を前記処理設備が実行した場合の前記処理設備における第１推定値を算出し、
ブラックボックス最適化を実行する第２モデルを用いることにより、前記第１推定値から前記設定値を算出する、処理システム。
前記制御装置は、
回帰分析を実行する第１モデルを用いることにより、前記設定値の候補に応じた処理を前記処理設備が実行した場合の前記処理設備における第１推定値を算出し、
ブラックボックス最適化を実行する第２モデルを用いることにより、前記第１推定値から前記設定値を算出する、処理システム。
【請求項2】
前記制御装置は、前記第２モデルを用いることにより、前記第１推定値が目標値に近づく前記設定値の新たな候補を前記設定値として算出する、請求項１に記載の処理システム。
【請求項3】
前記制御装置は、
前記第１推定値を算出する処理と前記設定値の新たな候補を算出する処理との実行回数または実行時間が第１条件を満たすまで、前記第１推定値を算出する処理と前記設定値の新たな候補を算出する処理とを繰り返し行い、
繰り返し算出された前記第１推定値のうち、第２条件を満たす前記第１推定値に対応する前記設定値の新たな候補を前記設定値として算出する、請求項１に記載の処理システム。
前記第１推定値を算出する処理と前記設定値の新たな候補を算出する処理との実行回数または実行時間が第１条件を満たすまで、前記第１推定値を算出する処理と前記設定値の新たな候補を算出する処理とを繰り返し行い、
繰り返し算出された前記第１推定値のうち、第２条件を満たす前記第１推定値に対応する前記設定値の新たな候補を前記設定値として算出する、請求項１に記載の処理システム。
【請求項4】
前記設定値は、前記処理設備において設定が行われる複数種類の前記設定値の組み合わせであり、
前記制御装置は、
前記第１モデルを用いることにより、前記組み合わせの候補に応じた処理を前記処理設備が実行した場合における前記第１推定値を算出し、
前記第２モデルを用いることにより、前記第１推定値が目標値に近づく前記組み合わせの新たな候補を算出し、
前記第１推定値を算出する処理と前記組み合わせの新たな候補を算出する処理との実行回数または実行時間が第３条件を満たすまで、前記第１推定値を算出する処理と前記組み合わせの新たな候補を算出する処理とを繰り返し行い、
繰り返し算出された前記第１推定値のそれぞれと、繰り返し算出された前記組み合わせの新たな候補のそれぞれとに基づいて、前記複数種類から１以上の種類を特定し、
前記第１推定値を算出する処理と前記組み合わせの新たな候補を算出する処理との実行回数が第４条件を満たすまで、前記１以上の種類に対応する前記設定値が変更された前記組み合わせの新たな候補を算出しながら、前記第１推定値を算出する処理と前記組み合わせの新たな候補を算出する処理とを再度繰り返し行い、
再度繰り返し算出された前記第１推定値のうち、第２条件を満たす前記第１推定値に対応する前記組み合わせの新たな候補を前記設定値として算出する、請求項１に記載の処理システム。
前記制御装置は、
前記第１モデルを用いることにより、前記組み合わせの候補に応じた処理を前記処理設備が実行した場合における前記第１推定値を算出し、
前記第２モデルを用いることにより、前記第１推定値が目標値に近づく前記組み合わせの新たな候補を算出し、
前記第１推定値を算出する処理と前記組み合わせの新たな候補を算出する処理との実行回数または実行時間が第３条件を満たすまで、前記第１推定値を算出する処理と前記組み合わせの新たな候補を算出する処理とを繰り返し行い、
繰り返し算出された前記第１推定値のそれぞれと、繰り返し算出された前記組み合わせの新たな候補のそれぞれとに基づいて、前記複数種類から１以上の種類を特定し、
前記第１推定値を算出する処理と前記組み合わせの新たな候補を算出する処理との実行回数が第４条件を満たすまで、前記１以上の種類に対応する前記設定値が変更された前記組み合わせの新たな候補を算出しながら、前記第１推定値を算出する処理と前記組み合わせの新たな候補を算出する処理とを再度繰り返し行い、
再度繰り返し算出された前記第１推定値のうち、第２条件を満たす前記第１推定値に対応する前記組み合わせの新たな候補を前記設定値として算出する、請求項１に記載の処理システム。
【請求項5】
前記制御装置は、
繰り返し算出された前記第１推定値のそれぞれと、繰り返し算出された前記組み合わせの新たな候補のそれぞれとから、前記複数種類ごとに、各種類に対応する前記設定値の候補を変更することによって前記第２条件を満たす前記第１推定値が算出される確度を算出し、
前記複数種類のうち、算出した前記確度が第５条件を満たす種類を前記１以上の種類として特定する、請求項４に記載の処理システム。
繰り返し算出された前記第１推定値のそれぞれと、繰り返し算出された前記組み合わせの新たな候補のそれぞれとから、前記複数種類ごとに、各種類に対応する前記設定値の候補を変更することによって前記第２条件を満たす前記第１推定値が算出される確度を算出し、
前記複数種類のうち、算出した前記確度が第５条件を満たす種類を前記１以上の種類として特定する、請求項４に記載の処理システム。
【請求項6】
前記制御装置は、
前記第１推定値が第２条件を満たすまで、前記第１推定値を算出する処理と前記設定値の新たな候補を算出する処理とを繰り返し行い、
前記第２条件を満たす前記第１推定値に対応する前記設定値の新たな候補を前記設定値として算出する、請求項１に記載の処理システム。
前記第１推定値が第２条件を満たすまで、前記第１推定値を算出する処理と前記設定値の新たな候補を算出する処理とを繰り返し行い、
前記第２条件を満たす前記第１推定値に対応する前記設定値の新たな候補を前記設定値として算出する、請求項１に記載の処理システム。
【請求項7】
前記制御装置は、
前記処理設備において測定される測定値を取得し、
取得した前記測定値が第２条件を満たさない場合に、前記第１モデルを用いることにより、前記第１推定値を算出する、請求項１に記載の処理システム。
前記処理設備において測定される測定値を取得し、
取得した前記測定値が第２条件を満たさない場合に、前記第１モデルを用いることにより、前記第１推定値を算出する、請求項１に記載の処理システム。
【請求項8】
前記制御装置は、
第３モデルを用いることにより、第１タイミングにおける前記測定値から前記第１タイミングよりも後の第２タイミングにおける第１予測値を算出し、
算出した前記第１予測値が前記第２条件を満たさない場合に、前記第１モデルを用いることにより、前記第１推定値を算出する、請求項７に記載の処理システム。
第３モデルを用いることにより、第１タイミングにおける前記測定値から前記第１タイミングよりも後の第２タイミングにおける第１予測値を算出し、
算出した前記第１予測値が前記第２条件を満たさない場合に、前記第１モデルを用いることにより、前記第１推定値を算出する、請求項７に記載の処理システム。
【請求項9】
前記処理設備は、被焼却物を焼却する焼却設備である、請求項１に記載の処理システム。
【請求項10】
前記焼却設備は、
前記被焼却物を焼却する焼却炉と、
前記焼却炉の廃熱から回収されたエネルギーを少なくとも一部を用いることによって、前記被焼却物と前記焼却炉から排出された物質と前記焼却炉から排出された流体とのうちの少なくともいずれかを処理する処理装置と、を備え、
前記設定値は、前記処理装置において設定が行われる設定値である、請求項９に記載の処理システム。
前記被焼却物を焼却する焼却炉と、
前記焼却炉の廃熱から回収されたエネルギーを少なくとも一部を用いることによって、前記被焼却物と前記焼却炉から排出された物質と前記焼却炉から排出された流体とのうちの少なくともいずれかを処理する処理装置と、を備え、
前記設定値は、前記処理装置において設定が行われる設定値である、請求項９に記載の処理システム。
【請求項11】
前記処理設備は、被処理水の処理を行う水処理設備である、請求項１に記載の処理システム。
【請求項12】
処理設備において設定を行う設定値を算出する制御装置であって、
前記制御装置は、
回帰分析を実行する第１モデルを用いることにより、前記設定値の候補に応じた処理を前記処理設備が実行した場合の前記処理設備における第１推定値を算出し、
ブラックボックス最適化を実行する第２モデルを用いることにより、前記第１推定値から前記設定値を算出する、制御装置。
前記制御装置は、
回帰分析を実行する第１モデルを用いることにより、前記設定値の候補に応じた処理を前記処理設備が実行した場合の前記処理設備における第１推定値を算出し、
ブラックボックス最適化を実行する第２モデルを用いることにより、前記第１推定値から前記設定値を算出する、制御装置。
【請求項13】
処理設備において設定を行う設定値を算出する処理をコンピュータに実行させる処理方法であって、
回帰分析を実行する第１モデルを用いることにより、前記設定値の候補に応じた処理を前記処理設備が実行した場合の前記処理設備における第１推定値を算出し、
ブラックボックス最適化を実行する第２モデルを用いることにより、前記第１推定値から前記設定値を算出する、処理をコンピュータに実行させる処理方法。
回帰分析を実行する第１モデルを用いることにより、前記設定値の候補に応じた処理を前記処理設備が実行した場合の前記処理設備における第１推定値を算出し、
ブラックボックス最適化を実行する第２モデルを用いることにより、前記第１推定値から前記設定値を算出する、処理をコンピュータに実行させる処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、処理システム、制御装置及び処理方法に関する。
【背景技術】
【0002】
各種の処理設備（以下、単に処理設備とも呼ぶ）を自動制御するシステムが各種提案されている（特許文献１を参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００９－０４８５２４号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ここで、処理設備では、例えば、運転制御に伴う作業者の負荷を抑制することが望まれている。
【課題を解決するための手段】
【0005】
本発明における処理システムは、設定値に応じた処理を実行する処理設備と、前記設定値を算出する制御装置と、を備える処理システムであって、前記制御装置は、回帰分析を実行する第１モデルを用いることにより、前記設定値の候補に応じた処理を前記処理設備が実行した場合の前記処理設備における第１推定値を算出し、ブラックボックス最適化を実行する第２モデルを用いることにより、前記第１推定値から前記設定値を算出する。
【発明の効果】
【0006】
本発明における処理システムによれば、運転制御に伴う作業者の負荷を抑制することが可能になる。
【図面の簡単な説明】
【0007】
【発明を実施するための形態】
【0008】
以下、図面を参照して本開示の実施の形態について説明する。しかしながら、かかる説明は限定的な意味に解釈されるべきではなく、特許請求の範囲に記載の主題を限定するものではない。また、本開示の趣旨及び範囲から逸脱することがなく様々な変更や置換や改変をすることができる。また、異なる実施の形態を適宜組み合わせることができる。
【0009】
［第１の実施の形態における処理システム１０００］
初めに、第１の実施の形態における処理システム１０００の構成例について説明を行う。図１は、第１の実施の形態における処理システム１０００の構成図について説明する図である。
初めに、第１の実施の形態における処理システム１０００の構成例について説明を行う。図１は、第１の実施の形態における処理システム１０００の構成図について説明する図である。
【0010】
処理システム１０００は、図１に示すように、例えば、処理設備１００と、処理設備１００の監視を行う監視装置２と、監視装置２による監視結果に基づいて処理設備１００における運転制御を行う制御装置１とを有する。図１に示す例において、制御装置１及び監視装置２は、例えば、ネットワークＮＷを介して互いにアクセスが可能である。以下、処理設備１００が被焼却物を焼却する焼却設備１００ａであり、監視装置２が焼却設備１００ａにおける焼却状態の監視を行う場合について説明を行う。なお、以下、被焼却物が下水汚泥等の汚泥（以下、単に汚泥とも呼ぶ）であるものとして説明を行うが、焼却設備１００ａは、例えば、汚泥以外の被焼却物（例えば、ゴミ等）を焼却するものであってもよい。
【0011】
監視装置２は、例えば、電子回路を有する電子機器である。具体的に、監視装置２は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）とメモリとを有する１以上の物理マシンや１以上の仮想マシンである。そして、監視装置２は、例えば、焼却設備１００ａに設置された測定装置（図示せず）によって測定されるＰＶ（Ｐｒｏｃｅｓｓ Ｖａｒｉａｂｌｅ）の実績値や、焼却設備１００ａにおいて設定されるＳＶ（Ｓｅｔ ｐｏｉｎｔ Ｖａｒｉａｂｌｅ）の実績値や、焼却設備１００ａにおいて操作されるＭＶ（Ｍａｎｉｐｕｌａｔｅｄ Ｖａｒｉａｂｌｅ）の実績値を取得することによって、焼却設備１００ａにおける汚泥の焼却状態を監視する。以下、焼却設備１００ａに設置された測定装置によって測定されるＰＶの実績値を実績ＰＶまたは測定値とも呼ぶ。また、以下、焼却設備１００ａにおいて設定されるＳＶの実績値を実績ＳＶとも呼ぶ。さらに、以下、焼却設備１００ａにおいて操作されるＭＶの実績値を実績ＭＶとも呼ぶ。
【0012】
制御装置１は、例えば、電子回路を有する電子機器である。具体的に、制御装置１は、例えば、ＣＰＵとメモリとを有する１以上の物理マシンまたは１以上の仮想マシンである。そして、制御装置１は、例えば、焼却設備１００ａにおける介入対象に設定することが好ましいＳＶの推定値または焼却設備１００ａにおける介入対象において操作を行うことが好ましいＭＶの推定値を算出する処理（以下、介入対象算出処理とも呼ぶ）を行う。介入対象は、例えば、焼却設備１００ａを構成する複数の設備のうちの少なくともいずれかの設備である。以下、介入対象において設定を行うことが好ましいＳＶの推定値を介入対象ＳＶまたは設定値とも呼ぶ。また、介入対象において操作を行うことが好ましいＭＶの推定値を介入対象ＭＶとも呼ぶ。その後、制御装置１は、例えば、算出した介入対象ＳＶに対応する設定や介入対象ＭＶに対応する操作を監視装置２に指示することにより、焼却設備１００ａにおける汚泥の焼却状態を制御する。以下、介入対象算出処理において介入対象ＳＶの算出が行われるものとして説明を行う。
【0013】
具体的に、本実施の形態における制御装置１は、例えば、回帰分析を実行するＰＶ推定モデル（以下、第１モデルとも呼ぶ）を用いることにより、介入対象ＳＶの候補（以下、単に介入対象ＳＶの候補とも呼ぶ）に応じた処理を焼却設備１００ａが実行した場合の焼却設備１００ａにおける最適化対象の推定値（以下、第１推定値とも呼ぶ）を算出する。
【0014】
最適化対象は、例えば、焼却設備１００ａにおいて測定されるＰＶ（実績ＰＶ）や、焼却設備１００ａにおける介入対象に設定することが好ましいＳＶや、焼却設備１００ａにおける介入対象において操作を行うことが好ましいＭＶや、これらのうちの少なくともいずれかを用いることによって算出される変数（以下、単に合成変数とも呼ぶ）である。すなわち、第１推定値は、例えば、焼却設備１００ａにおいて測定されるＰＶの予測値（以下、第１予測ＰＶとも呼ぶ）や、焼却設備１００ａにおける介入対象に設定することが好ましいＳＶの推定値（介入対象ＳＶ）や、焼却設備１００ａにおける介入対象において操作を行うことが好ましいＭＶの推定値（介入対象ＭＶ）や、合成変数の推定値である。このように、最適化対象は、例えば、任意の変数を対象とすることが可能である。以下、第１推定値が第１予測ＰＶであるものとして説明を行う。
【0015】
なお、ＰＶ推定モデルＭＥは、回帰分析の手法として、例えば、ＧＤＢＴ（勾配ブースティング木：Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔｅｄ Ｔｒｅｅ）を用いるものであってよい。また、ＰＶ推定モデルＭＥは、回帰分析の手法として、例えば、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）等のＤｅｅｐ Ｌｅａｒｎｉｎｇを用いるものであってよい。
【0016】
そして、本実施の形態における制御装置１は、例えば、ブラックボックス最適化を実行する逆問題解析モデル（以下、第２モデルとも呼ぶ）を用いることにより、第１推定値から介入対象ＳＶを算出する。
【0017】
なお、逆問題解析モデルは、ブラックボックス最適化の手法として、例えば、Ｇｒｉｄ ＳｅａｒｃｈやＲａｎｄｏｍ Ｓｅａｒｃｈやベイズ最適化等を用いるものであってよい。
【0018】
さらに具体的に、本実施の形態における制御装置１は、例えば、第１推定値が予め定められた目標値（以下、単に目標値とも呼ぶ）に近づく介入対象ＳＶの新たな候補を介入対象ＳＶとして算出する。
【0019】
すなわち、本実施の形態における制御装置１は、例えば、介入対象ＳＶの候補から第１推定値を算出（推定）することが可能なＰＶ推定モデルと、第１推定値から介入対象ＳＶの新たな候補を算出することが可能な逆問題解析モデルとを用いることによって、焼却設備１００ａにおける第１推定値を目標値に近づけることが可能な介入対象ＳＶを算出する。そして、制御装置１は、例えば、算出した介入対象ＳＶの設定を監視装置２に指示することによって、焼却設備１００ａにおける被焼却物の焼却状態についての制御を行う。
【0020】
これにより、本実施の形態における制御装置１は、例えば、焼却設備１００ａにおける被焼却物の焼却状態を正常な状態に維持することが可能になる。また、制御装置１は、例えば、焼却設備１００ａにおける被焼却物の焼却状態が正常な状態でない場合であっても、これを改善することが可能になる。そのため、制御装置１は、例えば、焼却設備１００ａにおける運転制御を自動的に行うことが可能になり、焼却設備１００ａにおける運転制御が作業者の手動によって行われる場合と比較して、作業者の負荷を抑制することが可能になる。
【0021】
なお、監視装置２は、例えば、制御装置１が算出した介入対象ＳＶを焼却設備１００ａにおいて設定することで、焼却設備１００ａに含まれる各設備の圧力制御（ＰＩＣ制御）、流量制御（ＦＩＣ制御）及び温度制御（ＴＩＣ制御）を行い、焼却設備１００ａにおける汚泥の焼却状態を制御するものであってよい。
【0022】
［制御装置１のハードウエア構成］
次に、制御装置１のハードウエア構成について説明する。図２は、制御装置１のハードウエア構成を説明する図である。
次に、制御装置１のハードウエア構成について説明する。図２は、制御装置１のハードウエア構成を説明する図である。
【0023】
制御装置１は、図２に示すように、電子回路として、例えばプロセッサであるＣＰＵ１０１と、メモリ１０２と、通信装置１０３と、記憶媒体１０４とを有する。各部は、バス１０５を介して互いに接続される。
【0024】
記憶媒体１０４は、例えば、介入対象算出処理を行うためのプログラム１１０を記憶するプログラム格納領域（図示しない）を有する。また、記憶媒体１０４は、例えば、介入対象算出処理を行う際に用いられる情報を記憶する記憶部１３０（以下、情報格納領域１３０とも呼ぶ）を有する。なお、記憶媒体１０４は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）であってよい。
【0025】
ＣＰＵ１０１は、例えば、記憶媒体１０４からメモリ１０２にロードされたプログラム１１０を実行することによって介入対象算出処理を行う。
【0026】
通信装置１０３は、例えば、ネットワークＮＷを介して監視装置２とアクセスを行う。また、通信装置１０３は、例えば、ネットワークＮＷを介して作業者が操作を行う操作端末（図示しない）とアクセスを行う。なお、ネットワークＮＷは、例えば、インターネットであってよい。すなわち、制御装置１は、例えば、クラウド上に配置されるものであってもよい。また、ネットワークＮＷは、例えば、ＬＡＮ（Ｌａｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）であってもよい。
【0027】
以下、制御装置１がＣＰＵ１０１とメモリ１０２を有する場合について説明を行うがこれに限られない。具体的に、制御装置１は、例えば、ＣＰＵ１０１及びメモリ１０２に代えて、または、ＣＰＵ１０１及びメモリ１０２とともに、介入対象算出処理を実行可能な電子回路（図示せず）を有し、この電子回路において介入対象算出処理を実行するものであってもよい。この介入対象算出処理を実行可能な電子回路は、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）やＡＳＩＣ（ Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）であってよい。
【0028】
［第１の実施の形態における制御装置１の機能］
次に、第１の実施の形態における制御装置１の機能について説明を行う。図３は、第１の実施の形態における制御装置１の機能のブロック図である。
次に、第１の実施の形態における制御装置１の機能について説明を行う。図３は、第１の実施の形態における制御装置１の機能のブロック図である。
【0029】
制御装置１は、図３に示すように、例えば、ＣＰＵ１０１やメモリ１０２等のハードウエアとプログラムとが有機的に協働することにより、設定推定部１１６を含む各種機能を実現する。
【0030】
また、制御装置１は、図３に示すように、例えば、実績ＰＶ１３１と、実績ＳＶ１３２と、介入対象ＳＶ１３３とを情報格納領域１３０に記憶する。さらに、制御装置１は、例えば、ＰＶ推定モデルＭＥと、逆問題解析モデルＰＧとを情報格納領域１３０に記憶する。なお、情報格納領域１３０には、例えば、実績ＭＶについても記憶されるものであってよい。以下、ＰＶ推定モデルＭＥと逆問題解析モデルＰＧとを総称して単にＳＶ推定モデルとも呼ぶ。
【0031】
なお、以下、介入対象算出処理のうち、介入対象ＳＶ１３３の算出を行う処理を推定処理とも呼ぶ。すなわち、推定処理は、例えば、焼却設備１００ａにおける現在の焼却状態が正常な状態にない場合や、焼却設備１００ａにおける焼却状態が今後正常な状態でなくなる可能性がある場合において、焼却設備１００ａにおける焼却状態を改善させることを可能とする介入対象ＳＶ１３３を算出する処理である。
【0032】
設定推定部１１６は、例えば、焼却設備１００ａにおける介入対象の実績ＳＶ１３２（情報格納領域１３０に記憶された介入対象の実績ＳＶ１３２）をＰＶ推定モデルＭＥに入力する。また、制御装置１は、例えば、逆問題解析モデルＰＧから出力された介入対象ＳＶ１３３の候補（以下、介入対象ＳＶの候補１３３ａとも呼ぶ）をＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ（以下、第１予測ＰＶ１３１ａとも呼ぶ）を取得する。
【0033】
その結果、例えば、取得した第１予測ＰＶ１３１ａが予め定められた所定の条件（以下、単に所定の条件とも呼ぶ）を満たさない場合、設定推定部１１６は、逆問題解析モデルＰＧを用いることによって、介入対象ＳＶの候補１３３ａの選択（探索）を行う。所定の条件は、例えば、後述する第１条件や第２条件等の所定の条件である。
【0034】
そして、設定推定部１１６は、例えば、選択した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力する。その後、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを再度取得する。
【0035】
その結果、例えば、再度取得した第１予測ＰＶ１３１ａが所定の条件を満たす場合、設定推定部１１６は、再度取得した第１予測ＰＶ１３１ａに対応する介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３（新たな介入対象ＳＶ１３３）として出力する。具体的に、設定推定部１１６は、例えば、介入対象ＳＶ１３３を監視装置２に送信する。そして、監視装置２は、この場合、例えば、受信した介入対象ＳＶ１３３を用いることによって、焼却設備１００ａの制御を行う。
【0036】
一方、例えば、再度取得した第１予測ＰＶ１３１ａが所定の条件を満たさない場合、設定推定部１１６は、再度取得した第１予測ＰＶ１３１ａを用いることによって、介入対象ＳＶの候補１３３ａを再度選択（探索）する。その後、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力される第１予測ＰＶ１３１ａが所定の条件を満たすまで、第１予測ＰＶ１３１ａを取得する処理と介入対象ＳＶの候補１３３ａを選択する処理とを繰り返し行う。
【0037】
なお、以下、１台の制御装置１が介入対象算出処理を実行する場合について説明を行うがこれに限られない。具体的に、介入対象算出処理の実行に要する各機能は、例えば、ネットワークＮＷを介して互いにアクセス可能な複数台の制御装置１（以下、単に複数台の制御装置１とも呼ぶ）に分散配置されるものであってもよい。そして、介入対象算出処理は、この場合、例えば、複数台の制御装置１が互いに連携することによって実行されるものであってもよい。
【0038】
［第１の実施の形態における推定処理の概略］
次に、第１の実施の形態における推定処理の概略について説明する。図４は、第１の実施の形態における推定処理の概略について説明する図である。なお、図４に示す各介入対象ＳＶ１３３（介入対象ＳＶの候補１３３ａ）は、例えば、互いに種類の異なるＳＶである。
次に、第１の実施の形態における推定処理の概略について説明する。図４は、第１の実施の形態における推定処理の概略について説明する図である。なお、図４に示す各介入対象ＳＶ１３３（介入対象ＳＶの候補１３３ａ）は、例えば、互いに種類の異なるＳＶである。
【0039】
制御装置１は、図４に示すように、例えば、ＰＶ推定モデルＭＥを用いることにより、介入対象ＳＶ１３３（介入対象ＳＶの候補１３３ａ）に応じた処理を焼却設備１００ａが実行した場合に焼却設備１００ａにおいて測定される第１予測ＰＶ１３１ａを算出する。
【0040】
具体的に、制御装置１は、図４に示すように、例えば、逆問題解析モデルＰＧから出力された介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力する。そして、制御装置１は、例えば、介入対象ＳＶ１３３（介入対象ＳＶの候補１３３ａ）の入力に伴ってＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを取得する。
【0041】
なお、焼却設備１００ａにおける介入対象の実績ＳＶ１３２をＰＶ推定モデルＭＥに入力する場合、制御装置１は、例えば、焼却設備１００ａにおける介入対象と関連性の高い実績ＰＶ１３１や実績ＭＶを併せて入力するものであってもよい。介入対象と関連性の高い実績ＰＶ１３１は、例えば、介入対象において測定される実績ＰＶ１３１や、介入対象と関連性の高い他の設備において測定される実績ＰＶ１３１である。また、介入対象と関連性の高い実績ＭＶは、例えば、介入対象において実績ＳＶ１３２を設定する際に必要となる実績ＭＶや、介入対象と関連性の高い他の設備において実績ＳＶ１３２を設定する際に必要となる実績ＭＶである。
【0042】
同様に、焼却設備１００ａにおける介入対象ＳＶ１３３をＰＶ推定モデルＭＥに入力する場合、制御装置１は、例えば、焼却設備１００ａにおける介入対象と関連性の高い実績ＰＶ１３１や介入対象ＭＶを併せて入力するものであってもよい。介入対象と関連性の高い介入対象ＭＶは、例えば、介入対象において介入対象ＳＶ１３３を設定する際に必要となる介入対象ＭＶや、介入対象と関連性の高い他の設備において介入対象ＳＶ１３３を設定する際に必要となる介入対象ＭＶである。
【0043】
続いて、制御装置１は、図４に示すように、例えば、逆問題解析モデルＰＧを用いることにより、第１予測ＰＶ１３１ａを目標値に近づけることが可能な介入対象ＳＶの新たな候補１３３ａを算出する。すなわち、制御装置１は、例えば、ＰＶ推定モデルＭＥに入力することによって、目標値により近い第１予測ＰＶ１３１ａをＰＶ推定モデルＭＥから出力させることが可能な介入対象ＳＶの新たな候補１３３ａを算出する。
【0044】
具体的に、制御装置１は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを逆問題解析モデルＰＧに入力する。そして、制御装置１は、例えば、第１予測ＰＶ１３１ａの入力に伴って逆問題解析モデルＰＧから出力された介入対象ＳＶの新たな候補１３３ａを取得する。
【0045】
すなわち、本実施の形態における制御装置１は、例えば、介入対象ＳＶの候補１３３ａから第１予測ＰＶ１３１ａを算出することが可能なＰＶ推定モデルＭＥと、第１予測ＰＶ１３１ａから介入対象ＳＶの新たな候補１３３ａを算出することが可能な逆問題解析モデルＰＧとを用いることによって、第１予測ＰＶ１３１ａを目標値に近づけることが可能な介入対象ＳＶ１３３を算出する。そして、制御装置１は、例えば、算出した介入対象ＳＶ１３３の設定を監視装置２に指示することによって、焼却設備１００ａにおける被焼却物の焼却状態についての制御を行う。
【0046】
これにより、本実施の形態における制御装置１は、例えば、焼却設備１００ａにおける被焼却物の焼却状態を正常な状態に維持することが可能になる。また、制御装置１は、例えば、焼却設備１００ａにおける被焼却物の焼却状態が正常な状態でない場合であっても、これを改善することが可能になる。そのため、制御装置１は、例えば、焼却設備１００ａにおける運転制御を自動的に行うことが可能になり、焼却設備１００ａにおける運転制御が作業者の手動によって行われる場合と比較して、作業者の負荷を抑制することが可能になる。
【0047】
［第１の実施の形態における推定処理の詳細］
次に、第１の実施の形態における推定処理の詳細について説明する。図５は、第１の実施の形態における推定処理の詳細について説明するフローチャート図である。図６は、第１の実施の形態における推定処理の詳細について説明する図である。
次に、第１の実施の形態における推定処理の詳細について説明する。図５は、第１の実施の形態における推定処理の詳細について説明するフローチャート図である。図６は、第１の実施の形態における推定処理の詳細について説明する図である。
【0048】
設定推定部１１６は、図５に示すように、例えば、焼却設備１００ａにおける介入対象の実績ＳＶ１３２をＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された値を第１予測ＰＶ１３１ａとして取得する（ステップＳ１０１）。
【0049】
具体的に、設定推定部１１６は、図６（Ｂ）における「１回目」に示すように、例えば、焼却設備１００ａにおける介入対象の実績ＳＶ１３２（例えば、直近のタイミングにおける実績ＳＶ１３２）をＰＶ推定モデルＭＥに入力することにより、第１予測ＰＶ１３１ａを取得する。
【0050】
続いて、設定推定部１１６は、例えば、逆問題解析モデルＰＧを用いることによって、焼却設備１００ａにおける介入対象ＳＶの候補１３３ａを選択（探索）する（ステップＳ１０２）。
【0051】
具体的に、設定推定部１１６は、１回目のステップＳ１０２を行う場合、図６（Ａ）に示すように、例えば、ステップＳ１０１で取得した第１予測ＰＶ１３１ａを逆問題解析モデルＰＧの入力とすることにより、介入対象ＳＶの候補１３３ａを探索する。また、設定推定部１１６は、２回目以降のステップＳ１０２を行う場合、例えば、後述するステップＳ１０３（直前に行われたステップＳ１０３）で取得した第１予測ＰＶ１３１ａを逆問題解析モデルＰＧの入力とすることにより、介入対象ＳＶの候補１３３ａを探索する。
【0052】
さらに具体的に、例えば、後述する図１７に示す複数の教師データＤＥを学習することによってＰＶ推定モデルＭＥが生成されている場合、設定推定部１１６は、「乾燥機汚泥投入量」、「乾燥機入口温度」、「乾燥機回転数」及び「乾燥機出口温度」のそれぞれについての介入対象ＳＶの候補１３３ａ（介入対象ＳＶの候補１３３ａの組み合わせ）の探索を行う。
【0053】
次に、設定推定部１１６は、例えば、ステップＳ１０２で探索した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを取得する（ステップＳ１０３）。
【0054】
具体的に、設定推定部１１６は、図６（Ｂ）における「２回目以降」に示すように、例えば、ステップＳ１０２で探索した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力することにより、第１予測ＰＶ１３１ａを取得する。
【0055】
さらに具体的に、例えば、後述する図１７に示す複数の教師データＤＥを学習することによってＰＶ推定モデルＭＥが生成されている場合、設定推定部１１６は、「焼却炉内温度」に対応する値を第１予測ＰＶ１３１ａとして取得する。
【0056】
その後、設定推定部１１６は、例えば、ステップＳ１０２及びステップＳ１０３の実行回数が第１条件を満たしているか否かを判定する（ステップＳ１０４）。第１条件は、例えば、ステップＳ１０２及びステップＳ１０３の実行回数が予め定められた回数（以下、第１回数とも呼ぶ）に到達したことである。
【0057】
その結果、ステップＳ１０２及びステップＳ１０３の実行回数が第１条件を満たしていないと判定した場合（ステップＳ１０４のＮＯ）、設定推定部１１６は、例えば、ステップＳ１０２以降の処理を再度行う。
【0058】
すなわち、例えば、ステップＳ１０２及びステップＳ１０３の実行回数が第１条件を満たさないと判定した場合、制御装置１は、介入対象ＳＶの候補１３３ａの探索が十分に行われていないと判定して推定処理を継続する。
【0059】
一方、ステップＳ１０２及びステップＳ１０３の実行回数が第１条件を満たしていると判定した場合（ステップＳ１０４のＹＥＳ）、設定推定部１１６は、例えば、推定処理を終了する。
【0060】
すなわち、例えば、ステップＳ１０２及びステップＳ１０３の実行回数が第１条件を満たすと判定した場合、制御装置１は、介入対象ＳＶの候補１３３ａの探索が十分に行われたと判定して推定処理を終了する。
【0061】
その後、設定推定部１１６は、例えば、ステップＳ１０３で取得した第１予測ＰＶ１３１ａのうちのいずれかを選択し、選択した第１予測ＰＶ１３１ａの算出に用いられた介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３として特定する。具体的に、設定推定部１１６は、例えば、ステップＳ１０３で取得した第１予測ＰＶ１３１ａのうち、第２条件を満たす第１予測ＰＶ１３１ａを選択する。第２条件は、例えば、第１予測ＰＶ１３１ａが予め定められた許容範囲内に含まれていること、または、第１予測ＰＶ１３１ａと目標値との差が閾値以下であることである。そして、設定推定部１１６は、この場合、例えば、特定した介入対象ＳＶ１３３を監視装置２に送信する。
【0062】
なお、設定推定部１１６は、ステップＳ１０４において、例えば、ステップＳ１０２及びステップＳ１０３の実行時間が第１条件を満たしているか否かを判定するものであってもよい。そして、第１条件は、この場合、例えば、ステップＳ１０２の最初の実行開始タイミングから予め定められた時間（例えば、１０分）を経過したことであってよい。
【0063】
［第１の実施の形態における推定処理の具体例（１）］
次に、第１の実施の形態における推定処理の具体例について説明を行う。
次に、第１の実施の形態における推定処理の具体例について説明を行う。
【0064】
設定推定部１１６は、例えば、ステップＳ１０２を最初に実行する場合、初期値が０であるカウンタ（図示せず）を起動する。そして、設定推定部１１６は、図６（Ｂ）に示すように、例えば、焼却設備１００ａにおいて現在設定されている介入対象ＳＶ１３３をＰＶ推定モデルＭＥに入力することによって第１予測ＰＶ１３１ａを取得し、取得した第１予測ＰＶ１３１ａを逆問題解析モデルＰＧの入力として用いる（ステップＳ１０１及び１回目のステップＳ１０２）。さらに、設定推定部１１６は、図６（Ｂ）に示すように、例えば、１回目のステップＳ１０２で探索した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力することによって第１予測ＰＶ１３１ａを取得する（１回目のステップＳ１０３）。
【0065】
その後、設定推定部１１６は、例えば、カウンタが示す回数が第１回数に到達するまでの間（ステップＳ１０４のＮＯ)、ステップＳ１０２及びステップＳ１０３を繰り返し実行する。
【0066】
ここで、設定推定部１１６は、例えば、ステップＳ１０２で探索した介入対象ＳＶの候補１３３ａとステップＳ１０３で得られた第１予測ＰＶ１３１ａとのそれぞれをメモリ１０２に記憶する。すなわち、設定推定部１１６は、例えば、ステップＳ１０２及びステップＳ１０３を繰り返し行うことにより、多数の介入対象ＳＶの候補１３３ａと多数の第１予測ＰＶ１３１ａとをメモリ１０２に記憶する。
【0067】
そして、例えば、カウンタが示す回数が第１回数に到達したと判定した場合（ステップＳ１０４のＹＥＳ）、設定推定部１１６は、メモリ１０２に記憶された多数の第１予測ＰＶ１３１ａのうち、目標値に最も近い第１予測ＰＶ１３１ａを選択する。目標値は、例えば、第１予測ＰＶ１３１ａの許容範囲における中央値であってよい。
【0068】
その後、設定推定部１１６は、例えば、選択された第１予測ＰＶ１３１ａの算出に用いられた介入対象ＳＶの候補１３３ａを、介入対象ＳＶ１３３として監視装置２に送信する。さらに、設定推定部１１６は、この場合、例えば、カウンタをリセットする。
【0069】
［第１の実施の形態における推定処理の具体例（２）］
次に、第１の実施の形態における推定処理の他の具体例について説明を行う。
次に、第１の実施の形態における推定処理の他の具体例について説明を行う。
【0070】
設定推定部１１６は、例えば、ステップＳ１０２を最初に実行する場合、初期値が０である経時タイマ（図示せず）を起動する。そして、設定推定部１１６は、図６（Ｂ）に示すように、例えば、焼却設備１００ａにおいて現在設定されている介入対象ＳＶ１３３をＰＶ推定モデルＭＥに入力することによって第１予測ＰＶ１３１ａを取得し、取得した第１予測ＰＶ１３１ａを逆問題解析モデルＰＧの入力として用いる（ステップＳ１０１及び１回目のステップＳ１０２）。そして、設定推定部１１６は、図６（Ｂ）に示すように、例えば、１回目のステップＳ１０２で探索した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力することによって第１予測ＰＶ１３１ａを取得する（１回目のステップＳ１０３）。
【0071】
その後、設定推定部１１６は、例えば、経時タイマが示す時間が予め定められた時間（例えば、１０分）に到達するまでの間（ステップＳ１０４のＮＯ)、ステップＳ１０２及びステップＳ１０３を繰り返し実行する。
【0072】
ここで、設定推定部１１６は、例えば、ステップＳ１０２で探索した介入対象ＳＶの候補１３３ａとステップＳ１０３で得られた第１予測ＰＶ１３１ａとのそれぞれをメモリ１０２に記憶する。
【0073】
そして、例えば、経時タイマが示す時間が予め定められた時間に到達したと判定した場合（ステップＳ１０４のＹＥＳ）、設定推定部１１６は、メモリ１０２に記憶された多数の第１予測ＰＶ１３１ａのうち、目標値に最も近い第１予測ＰＶ１３１ａを選択する。
【0074】
その後、設定推定部１１６は、例えば、選択された第１予測ＰＶ１３１ａの算出に用いられた介入対象ＳＶの候補１３３ａを、介入対象ＳＶ１３３として監視装置２に送信する。さらに、設定推定部１１６は、この場合、例えば、経時タイマをリセットする。
【0075】
このように、本実施の形態における制御装置１は、例えば、ＰＶ推定モデルＭＥを用いることにより、介入対象ＳＶの候補１３３ａに応じた処理を焼却設備１００ａが実行した場合に焼却設備１００ａにおいて測定される第１予測ＰＶ１３１ａを算出する。そして、制御装置１は、例えば、逆問題解析モデルＰＧを用いることにより、第１予測ＰＶ１３１ａが目標値に近づく介入対象ＳＶの新たな候補１３３ａを介入対象ＳＶ１３３として算出する。
【0076】
具体的に、制御装置１は、例えば、第１予測ＰＶ１３１ａを算出する処理と介入対象ＳＶの候補１３３ａを算出する処理との実行回数または実行時間が第１条件を満たすまで、第１予測ＰＶ１３１ａを算出する処理と介入対象ＳＶの候補１３３ａを算出する処理とを繰り返し行う。そして、制御装置１は、例えば、繰り返し算出された第１予測ＰＶ１３１ａのうち、目標値に最も近い第１予測ＰＶ１３１ａに対応する介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３として算出する。
【0077】
さらに具体的に、制御装置１は、例えば、繰り返し算出された第１予測ＰＶ１３１ａのうち、目標値に最も近い第１予測ＰＶ１３１ａに対応する介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３として算出する。
【0078】
すなわち、制御装置１は、例えば、介入対象ＳＶの候補１３３ａから第１予測ＰＶ１３１ａを算出することが可能なＰＶ推定モデルＭＥと、第１予測ＰＶ１３１ａから介入対象ＳＶの新たな候補１３３ａを算出することが可能な逆問題解析モデルＰＧとを用いることによって、焼却設備１００ａにおける実績ＰＶ１３１を目標値に近づけることが可能な介入対象ＳＶ１３３を算出する。そして、制御装置１は、例えば、算出した介入対象ＳＶ１３３の設定を監視装置２に指示することによって、焼却設備１００ａにおける被焼却物の焼却状態についての制御を行う。
【0079】
具体的に、制御装置１は、例えば、繰り返し行われたステップＳ１０２において選択された介入対象ＳＶの候補１３３ａのうち、目標値に近いと判定可能な第１予測ＰＶ１３１ａの算出に用いられた介入対象ＳＶの候補１３３ａを、焼却設備１００ａにおける焼却状態を正常な状態に維持することが可能な介入対象ＳＶの候補１３３ａ（焼却設備１００ａにおける焼却状態を改善することが可能な介入対象ＳＶの候補１３３ａ）として採用する。
【0080】
これにより、制御装置１は、例えば、焼却設備１００ａにおける被焼却物の焼却状態の維持や改善をより精度良く行うことが可能になる。
【0081】
なお、設定推定部１１６は、例えば、メモリ１０２に順次記憶した一連の第１予測ＰＶ１３１ａの傾向を判定するものであってもよい。そして、設定推定部１１６は、例えば、メモリ１０２に順次記憶した一連の第１予測ＰＶ１３１ａが目標値に近づいていると判定した場合に、目標値に近いと判定可能な第１予測ＰＶ１３１ａの選択や、選択された第１予測ＰＶ１３１ａに対応する介入対象ＳＶの候補１３３ａの送信（監視装置２に対する送信）を行うものであってよい。一方、例えば、メモリ１０２に順次記憶した一連の第１予測ＰＶ１３１ａが目標値に近づいていないと判定した場合や、許容範囲内に含まれていない第１予測ＰＶ１３１ａが記憶されている場合、設定推定部１１６は、目標値に近いと判定可能な第１予測ＰＶ１３１ａの選択や、選択された第１予測ＰＶ１３１ａに対応する介入対象ＳＶの候補１３３ａの送信を行わないものであってもよい。
【0082】
［第２の実施の形態における推定処理］
次に、第２の実施の形態における推定処理について説明する。図７は、第２の実施の形態における推定処理を説明するフローチャート図である。図８は、第２の実施の形態における推定処理を説明する図である。
次に、第２の実施の形態における推定処理について説明する。図７は、第２の実施の形態における推定処理を説明するフローチャート図である。図８は、第２の実施の形態における推定処理を説明する図である。
【0083】
第２の実施の形態における推定処理では、例えば、第１の実施の形態における推定処理と異なり、値を変化させる介入対象ＳＶの種類の絞り込みを行う。
【0084】
設定推定部１１６は、図７に示すように、例えば、図５のステップＳ１０１と同様に、焼却設備１００ａにおける介入対象の実績ＳＶ１３２をＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された値を第１予測ＰＶ１３１ａとして取得する（ステップＳ１１１）。
【0085】
次に、設定推定部１１６は、例えば、図５のステップＳ１０２と同様に、逆問題解析モデルＰＧを用いることによって、焼却設備１００ａにおける介入対象ＳＶの候補１３３ａ（介入対象ＳＶの候補１３３ａの組み合わせ）を選択（探索）する（ステップＳ１１２）。
【0086】
続いて、設定推定部１１６は、例えば、図５のステップＳ１０３と同様に、ステップＳ１１２で探索した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを取得する（ステップＳ１１３）。
【0087】
その後、設定推定部１１６は、例えば、ステップＳ１１２及びステップＳ１１３の実行回数が第３条件を満たしているか否かを判定する（ステップＳ１１４）。第３条件は、例えば、ステップＳ１１２及びステップＳ１１３の実行回数が予め定められた回数（以下、第２回数とも呼ぶ）に到達することである。
【0088】
その結果、ステップＳ１１２及びステップＳ１１３の実行回数が第３条件を満たしていないと判定した場合（ステップＳ１１４のＮＯ）、設定推定部１１６は、例えば、ステップＳ１１２以降の処理を再度行う。
【0089】
一方、ステップＳ１１２及びステップＳ１１３の実行回数が第３条件を満たしていると判定した場合（ステップＳ１１４のＹＥＳ）、設定推定部１１６は、例えば、ステップＳ１１３で繰り返し取得された第１予測ＰＶ１３１ａのそれぞれと、ステップＳ１１２で繰り返し選択された介入対象ＳＶの候補１３３ａのそれぞれとに基づいて、介入対象ＳＶ１３３についての１以上の種類を特定する（ステップＳ１１５）。
【0090】
具体的に、設定推定部１１６は、例えば、ステップＳ１１３においてＰＶ推定モデルＭＥに入力される介入対象ＳＶ１３３の種類のうち、ＰＶ推定モデルＭＥから出力される第１予測ＰＶ１３１ａに与える影響が大きいと判定可能な１以上の種類を特定する。言い換えれば、設定推定部１１６は、例えば、ステップＳ１１３においてＰＶ推定モデルＭＥに入力される介入対象ＳＶ１３３の種類のうち、ＰＶ推定モデルＭＥから出力される第１予測ＰＶ１３１ａを目標値に近づけるための寄与率が大きいと判定可能な１以上の種類を特定する。
【0091】
すなわち、例えば、介入対象ＳＶ１３３の種類がＮ種類（Ｎは１以上の整数）である場合、設定推定部１１６は、Ｎ種類の中から、第１予測ＰＶ１３１ａに与える影響が大きいと判定可能である介入対象ＳＶ１３３についての１以上の種類を特定する。言い換えれば、設定推定部１１６は、この場合、例えば、第１予測ＰＶ１３１ａに与える影響が大きいと判定可能である介入対象ＳＶ１３３の種類の絞り込みを行う。
【0092】
さらに具体的に、設定推定部１１６は、例えば、ステップＳ１１３で繰り返し取得された第１予測ＰＶ１３１ａのそれぞれと、ステップＳ１１２で繰り返し選択された介入対象ＳＶの候補１３３ａのそれぞれとを参照することにより、介入対象ＳＶ１３３の種類（例えば、Ｎ種類）ごとに、各種類に対応する介入対象ＳＶの候補１３３ａを変更することによって第２条件を満たす第１予測ＰＶ１３１ａがＰＶ推定モデルＭＥから出力される確度（例えば、確率）を算出する。すなわち、設定推定部１１６は、例えば、各種類に対応する介入対象ＳＶの候補１３３ａのみが変更された介入対象ＳＶの候補１３３ａの組み合わせがＰＶ推定モデルＭＥに入力された場合に、第２条件を満たす第１予測ＰＶ１３１ａがＰＶ推定モデルＭＥから出力される確度を各種類に対応する確度として算出する。そして、設定推定部１１６は、例えば、介入対象ＳＶ１３３の種類のうち、算出した確度が第５条件を満たす種類を特定する。第５条件は、例えば、確度が予め定められた閾値以上であることである。
【0093】
なお、例えば、後述する図１７に示す複数の教師データＤＥを学習することによってＰＶ推定モデルＭＥが生成されている場合において、「乾燥機汚泥投入量」に対応する確度が「乾燥機入口温度」、「乾燥機回転数」及び「乾燥機出口温度」のそれぞれに対応する確度よりも大きい場合、設定推定部１１６は、ステップＳ１１５において、「乾燥機汚泥投入量」を特定する。
【0094】
図７に戻り、設定推定部１１６は、例えば、逆問題解析モデルＰＧを用いることによって、焼却設備１００ａにおける介入対象ＳＶの候補１３３ａ（介入対象ＳＶの候補１３３ａの組み合わせ）を選択（探索）する（ステップＳ１１６）。
【0095】
具体的に、設定推定部１１６は、例えば、直前に行われたステップＳ１１２または直前に行われたステップＳ１１６において選択された介入対象ＳＶの候補１３３ａのうち、ステップＳ１１５で特定した１以上の種類のそれぞれに対応する介入対象ＳＶの候補１３３ａを少なくとも変化させることによって、介入対象ＳＶの新たな候補１３３ａを選択する。
【0096】
さらに具体的に、設定推定部１１６は、例えば、直前に行われたステップＳ１１２または直前に行われたステップＳ１１６において選択された介入対象ＳＶの候補１３３ａのうち、ステップＳ１１５で特定した１以上の種類のうちのいずれかに対応する介入対象ＳＶの候補１３３ａのみを変化させることによって、介入対象ＳＶの新たな候補１３３ａを選択する。
【0097】
次に、設定推定部１１６は、例えば、ステップＳ１１３と同様に、ステップＳ１１６で探索した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを取得する（ステップＳ１１７）。
【0098】
その後、設定推定部１１６は、例えば、ステップＳ１１４と同様に、ステップＳ１１６及びステップＳ１１７の実行回数が第４条件を満たしているか否かを判定する（ステップＳ１１８）。第４条件は、例えば、ステップＳ１１６及びステップＳ１１７の実行回数が予め定められた回数（以下、第３回数とも呼ぶ）に到達することである。
【0099】
その結果、ステップＳ１１６及びステップＳ１１７の実行回数が第４条件を満たしていないと判定した場合（ステップＳ１１８のＮＯ）、設定推定部１１６は、例えば、ステップＳ１１６以降の処理を再度行う。
【0100】
一方、ステップＳ１１６及びステップＳ１１７の実行回数が第４条件を満たしていると判定した場合（ステップＳ１１８のＹＥＳ）、設定推定部１１６は、例えば、推定処理を終了する。
【0101】
その後、設定推定部１１６は、例えば、ステップＳ１１７で取得した第１予測ＰＶ１３１ａのうちのいずれかを選択し、選択した第１予測ＰＶ１３１ａの算出に用いられた介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３として特定する。そして、設定推定部１１６は、この場合、例えば、特定した介入対象ＳＶ１３３を監視装置２に送信する。
【0102】
なお、設定推定部１１６は、ステップＳ１１４において、例えば、ステップＳ１１２及びステップＳ１１３の実行時間が第３条件を満たしているか否かを判定するものであってもよい。そして、第３条件は、この場合、例えば、ステップＳ１１２の最初の実行開始タイミングから予め定められた時間（例えば、５分）を経過したことであるものであってもよい。
【0103】
また、設定推定部１１６は、ステップＳ１１８において、例えば、ステップＳ１１６及びステップＳ１１７の実行時間が第４条件を満たしているか否かを判定するものであってもよい。そして、第４条件は、この場合、例えば、ステップＳ１１６の最初の実行開始タイミングから予め定められた時間（例えば、５分）を経過したことであるものであってもよい。
【0104】
このように、本実施の形態における介入対象ＳＶ１３３は、例えば、焼却設備１００ａにおいて設定が行われる複数種類の介入対象ＳＶ１３３の組み合わせである。そして、制御装置１は、例えば、ＰＶ推定モデルＭＥを用いることにより、焼却設備１００ａが介入対象ＳＶの新たな候補１３３ａに応じた処理を実行した場合における第１予測ＰＶ１３１ａを算出する。さらに、制御装置１は、例えば、逆問題解析モデルＰＧを用いることにより、第１予測ＰＶ１３１ａが目標値に近づく介入対象ＳＶの新たな候補１３３ａを算出する。その後、制御装置１は、例えば、第１予測ＰＶ１３１ａを算出する処理と介入対象ＳＶの新たな候補１３３ａを算出する処理との実行回数または実行時間が第３条件を満たすまで、第１予測ＰＶ１３１ａを算出する処理と介入対象ＳＶの新たな候補１３３ａを算出する処理とを繰り返し行う。
【0105】
次に、制御装置１は、例えば、繰り返し算出された第１予測ＰＶ１３１ａのそれぞれと、繰り返し算出された介入対象ＳＶの新たな候補１３３ａのそれぞれとに基づいて、介入対象ＳＶ１３３の種類から１以上の種類を特定する。続いて、制御装置１は、例えば、第１予測ＰＶ１３１ａを算出する処理と介入対象ＳＶの新たな候補１３３ａを算出する処理との実行回数が第４条件を満たすまで、１以上の種類に対応する介入対象ＳＶ１３３が変更された介入対象ＳＶの新たな候補１３３ａを算出しながら、第１予測ＰＶ１３１ａを算出する処理と介入対象ＳＶの新たな候補１３３ａを算出する処理とを再度繰り返し行う。そして、制御装置１は、例えば、再度繰り返し算出された第１予測ＰＶ１３１ａのうち、第２条件を満たす第１予測ＰＶ１３１ａに対応する介入対象ＳＶの新たな候補１３３ａを介入対象ＳＶ１３３として算出する。
【0106】
具体的に、制御装置１は、例えば、再度繰り返し算出された第１予測ＰＶ１３１ａのうち、目標値に最も近い第１予測ＰＶ１３１ａに対応する介入対象ＳＶの新たな候補１３３ａを、介入対象ＳＶ１３３として算出する。
【0107】
また、制御装置１は、例えば、繰り返し算出された第１予測ＰＶ１３１ａのそれぞれと、繰り返し算出された介入対象ＳＶの新たな候補１３３ａのそれぞれとから、介入対象ＳＶ１３３の種類ごとに、各種類に対応する介入対象ＳＶの新たな候補１３３ａを変更することによって第２条件を満たす第１予測ＰＶ１３１ａが算出される確度を算出する。そして、制御装置１は、例えば、介入対象ＳＶ１３３の種類のうち、算出した確度が第５条件を満たす種類を１以上の種類として特定する。
【0108】
すなわち、本実施の形態における制御装置１は、例えば、ステップＳ１１２及びステップＳ１１３を繰り返し行うことによって、ＰＶ推定モデルＭＥから出力される第１予測ＰＶ１３１ａに与える影響が大きいと判断可能な１以上の種類の介入対象ＳＶ１３３を特定する。そして、制御装置１は、例えば、特定した１以上の種類の介入対象ＳＶ１３３を変化させながらステップＳ１１６及びステップＳ１１７を繰り返し行うことによって、新たな介入対象ＳＶ１３３を算出する。
【0109】
具体的に、制御装置１は、推定処理において、例えば、ＰＶ推定モデルＭＥから出力される第１予測ＰＶ１３１ａに与える影響が大きいと判定可能な介入対象ＳＶ１３３の種類の絞り込みを行う処理（以下、スクリーニング処理とも呼ぶ）を最初に行う。そして、制御装置１は、例えば、スクリーニング処理の後、スクリーニング処理によって絞り込まれた種類の介入対象ＳＶ１３３を変化させながら介入対象ＳＶの候補１３３ａの探索を行う処理（以下、探索処理とも呼ぶ）を行う。
【0110】
さらに具体的に、制御装置１は、図８に示すように、例えば、ステップＳ１１２からステップＳ１１４までの各処理をＫ回繰り返し実行し、かつ、ステップＳ１１５を実行することによってスクリーニング処理を行う。その後、制御装置１は、例えば、ステップＳ１１６からステップＳ１１８までの各処理をＭ回繰り返し実行することによって探索処理を行う。
【0111】
これにより、本実施の形態における制御装置１は、例えば、焼却設備１００ａにおける焼却状態を改善させることが可能な介入対象ＳＶ１３３の探索を効率的に行うことが可能になる。そのため、制御装置１は、焼却設備１００ａにおける焼却状態をより精度良く改善させることが可能な介入対象ＳＶ１３３を取得することが可能になる。したがって、制御装置１は、例えば、取得した介入対象ＳＶ１３３を用いた制御を行うことにより、焼却設備１００ａにおける焼却状態をより精度良く改善させることが可能になる。
【0112】
なお、例えば、本実施の形態における推定処理が繰り返し行われる場合、制御装置１は、例えば、過去に行われたスクリーニング処理における処理結果（ステップＳ１１５の処理結果）を用いることによって、探索処理を行うものであってよい。すなわち、制御装置１は、この場合、例えば、スクリーニング処理を行うことなく、探索処理を行うものであってもよい。
【0113】
また、設定推定部１１６は、例えば、ステップＳ１１６において、値の増加と値の減少と値の維持とのうちのいずれかの探索方法（以下、単に探索方法とも呼ぶ）を選択するものであってよい。すなわち、例えば、介入対象ＳＶ１３３の種類がＮ種類であって、Ｎ種類のうちのいずれか１種類に対応する介入対象ＳＶの候補１３３ａのみを変化させる探索が行われる場合、設定推定部１１６は、Ｎ×３個の座標点を有するＮ次元空間から１つの座標点を選択する処理を行うものであってよい。
【0114】
具体的に、設定推定部１１６は、例えば、前回までのステップＳ１１６において選択された座標点ごとに、各座標点が選択された場合における第１予測ＰＶ１３１ａと目標値との近さを示す評価値を算出するものであってよい。そして、設定推定部１１６は、ステップＳ１１６において、例えば、Ｎ次元空間におけるＮ×３個の座標点のうち、評価値が高い座標点の近傍の領域に位置する座標点を優先的に選択するものであってよい。
【0115】
また、設定推定部１１６は、例えば、ステップＳ１１３で繰り返し取得された第１予測ＰＶ１３１ａのそれぞれと、ステップＳ１１２で繰り返し選択された介入対象ＳＶの候補１３３ａのそれぞれとを参照することにより、介入対象ＳＶ１３３の種類と探索方法との組合せ（以下、単に組み合わせとも呼ぶ）ごとに、各組合せに対応する介入対象ＳＶの候補１３３ａを変更させることによって第１条件を満たす第１予測ＰＶ１３１ａがＰＶ推定モデルＭＥから出力される確度を算出するものであってよい。そして、制御装置１は、例えば、介入対象ＳＶ１３３の種類ごとに、各種類を含む組合せに対応する確度のうち、最も高い確度に対応する組合せに含まれる探索方法を特定するものであってよい。その後、設定推定部１１６は、ステップＳ１１６において、例えば、ステップＳ１１５で特定した探索方法を用いて各種類に対応する介入対象ＳＶの候補１３３ａを変化させることによって、介入対象ＳＶの新たな候補１３３ａを選択するものであってよい。
【0116】
［第３の実施の形態における推定処理］
次に、第３の実施の形態における推定処理について説明する。図９は、第３の実施の形態における推定処理を説明するフローチャート図である。
次に、第３の実施の形態における推定処理について説明する。図９は、第３の実施の形態における推定処理を説明するフローチャート図である。
【0117】
第３の実施の形態における推定処理では、例えば、第１の実施の形態における推定処理等と異なり、許容範囲内の第１予測ＰＶ１３１ａ（第２条件を満たす第１予測ＰＶ１３１ａ）が探索されるまで推定処理を継続する。
【0118】
設定推定部１１６は、図９に示すように、例えば、図５のステップＳ１０１と同様に、焼却設備１００ａにおける介入対象の実績ＳＶ１３２をＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された値を第１予測ＰＶ１３１ａとして取得する（ステップＳ１２１）。
【0119】
次に、設定推定部１１６は、例えば、図５のステップＳ１０２と同様に、逆問題解析モデルＰＧを用いることによって、焼却設備１００ａにおける介入対象ＳＶの候補１３３ａを選択（探索）する（ステップＳ１２２）。
【0120】
続いて、設定推定部１１６は、例えば、図５のステップＳ１０３と同様に、ステップＳ１２２で探索した介入対象ＳＶの候補１３３ａ（介入対象ＳＶの候補１３３ａの組み合わせ）をＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを取得する（ステップＳ１２３）。
【0121】
その後、設定推定部１１６は、例えば、ステップＳ１２３で算出した第１予測ＰＶ１３１ａが第２条件を満たすか否かを判定する（ステップＳ１２４）。
【0122】
その結果、ステップＳ１２３で取得した第１予測ＰＶ１３１ａが第２条件を満たさないと判定した場合（ステップＳ１２４のＮＯ）、設定推定部１１６は、例えば、ステップＳ１２２以降の処理を再度行う。
【0123】
すなわち、例えば、ステップＳ１２３で算出した第１予測ＰＶ１３１ａが第２条件を満たさないと判定した場合、制御装置１は、焼却設備１００ａの稼働状態を正常な状態に戻すことが可能な介入対象ＳＶの候補１３３ａがまだ特定されていないと判定して推定処理を継続する。
【0124】
一方、ステップＳ１２３で取得した第１予測ＰＶ１３１ａが第２条件を満たすと判定した場合（ステップＳ１２４のＹＥＳ）、設定推定部１１６は、例えば、推定処理を終了する。
【0125】
すなわち、例えば、ステップＳ１２３で算出した第１予測ＰＶ１３１ａが第２条件を満たすと判定した場合、制御装置１は、焼却設備１００ａの稼働状態を正常な状態に戻すことが可能な介入対象ＳＶの候補１３３ａが特定されたと判定して推定処理を終了する。
【0126】
その後、設定推定部１１６は、例えば、ステップＳ１２３で取得した第１予測ＰＶ１３１ａのうちのいずれかを選択し、選択した第１予測ＰＶ１３１ａの算出に用いられた介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３として特定する。そして、設定推定部１１６は、この場合、例えば、特定した介入対象ＳＶ１３３を監視装置２に送信する。
【0127】
このように、本実施の形態における制御装置１は、例えば、第１予測ＰＶ１３１ａが第２条件を満たすまで、第１予測ＰＶ１３１ａを算出する処理と介入対象ＳＶの候補１３３ａを算出する処理とを繰り返し行う。そして、制御装置１は、例えば、第２条件を満たす第１予測ＰＶ１３１ａに対応する介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３として算出する。
【0128】
これにより、本実施の形態における制御装置１は、例えば、焼却設備１００ａにおける焼却状態を精度良く改善させることが可能な介入対象ＳＶ１３３を取得することが可能になる。そのため、制御装置１は、例えば、取得した介入対象ＳＶ１３３を用いた制御を行うことにより、焼却設備１００ａにおける焼却状態をより精度良く改善させることが可能になる。
【0129】
［第４の実施の形態における介入対象算出処理］
次に、第４の実施の形態における介入対象算出処理について説明を行う。
次に、第４の実施の形態における介入対象算出処理について説明を行う。
【0130】
第４の実施の形態における介入対象算出処理では、例えば、第１の実施の形態における推定処理等と異なり、ＰＶ推定モデルＭＥ及び逆問題解析モデルＰＧに加えて、時系列予測モデルＭＰ（以下、第３モデルＭＰとも呼ぶ）についても用いる。時系列予測モデルＭＰは、例えば、入力された実績ＰＶ１３１に対応する時間の所定時間後における予測値（以下、第１予測値とも呼ぶ）を出力するモデルである。第１予測値は、例えば、焼却設備１００ａにおいて測定されるＰＶ（実績ＰＶ１３１）の予測値（以下、第２予測ＰＶ１３１ｂとも呼ぶ）や、焼却設備１００ａにおける介入対象に設定することが好ましいＳＶの予測値や、焼却設備１００ａにおける介入対象において操作を行うことが好ましいＭＶの予測値や、合成変数の予測値である。すなわち、時系列予測モデルＭＰは、例えば、焼却設備１００ａにおける実績ＰＶ１３１の未来値（将来値）を予測するモデルである。なお、時系列予測モデルＭＰには、例えば、実績ＰＶに加えて、実績ＳＶや実績ＭＶがさらに入力されるものであってよい。以下、第１予測値が第２予測ＰＶ１３１ｂであるものとして説明を行う。
【0131】
［第４の実施の形態における制御装置１の機能］
初めに、第４の実施の形態における制御装置１の機能について説明を行う。図１０は、第４の実施の形態における制御装置１の機能のブロック図である。
初めに、第４の実施の形態における制御装置１の機能について説明を行う。図１０は、第４の実施の形態における制御装置１の機能のブロック図である。
【0132】
制御装置１は、図１０に示すように、例えば、ＣＰＵ１０１やメモリ１０２等のハードウエアとプログラムとが有機的に協働することにより、データ取得部１１１と、データ抽出部１１２と、モデル生成部１１３と、稼働監視部１１４と、測定予測部１１５と、設定推定部１１６とを含む各種機能を実現する。
【0133】
また、制御装置１は、図１０に示すように、例えば、実績ＰＶ１３１と、実績ＳＶ１３２と、介入対象ＳＶ１３３とを情報格納領域１３０に記憶する。さらに、制御装置１は、例えば、複数の教師データＤＰと、複数の教師データＤＥと、時系列予測モデルＭＰと、ＰＶ推定モデルＭＥと、逆問題解析モデルＰＧとを情報格納領域１３０に記憶する。
【0134】
［学習処理における機能］
初めに、介入対象算出処理における機能のうち、時系列予測モデルＭＰ及びＰＶ推定モデルＭＥの生成を行う処理（以下、学習処理とも呼ぶ）における機能について説明を行う。
初めに、介入対象算出処理における機能のうち、時系列予測モデルＭＰ及びＰＶ推定モデルＭＥの生成を行う処理（以下、学習処理とも呼ぶ）における機能について説明を行う。
【0135】
データ取得部１１１は、例えば、１０分ごと等の定期的なタイミングにおいて、焼却設備１００ａに設けられた測定装置（図示せず）によって測定された実績ＰＶ１３１（監視装置２によって測定された実績ＰＶ１３１）を取得する。具体的に、データ取得部１１１は、例えば、焼却炉１６（後述）に設けられた温度計によって測定された焼却炉１６内の温度を実績ＰＶ１３１として取得する。そして、データ取得部１１１は、例えば、取得した実績ＰＶ１３１を情報格納領域１３０に記憶する。
【0136】
また、データ取得部１１１は、例えば、１０分ごと等の定期的なタイミングにおいて、作業者が焼却設備１００ａにおいて設定した実績ＳＶ１３２（監視装置２によって設定された実績ＳＶ１３２）を取得する。具体的に、データ取得部１１１は、例えば、乾燥機１２（後述）内に設けられた回転ドラムの回転数を実績ＳＶ１３２として取得する。そして、データ取得部１１１は、例えば、取得した実績ＳＶ１３２を情報格納領域１３０に記憶する。
【0137】
なお、データ取得部１１１は、例えば、作業者が焼却設備１００ａにおいて操作を行った実績ＭＶを取得するものであってもよい。そして、データ取得部１１１は、例えば、取得した実績ＭＶを情報格納領域１３０に記憶するものであってよい。
【0138】
データ抽出部１１２は、例えば、データ取得部１１１が取得した実績ＰＶ１３１（情報格納領域１３０に記憶された実績ＰＶ１３１）から複数の教師データＤＰを抽出する。具体的に、データ抽出部１１２は、例えば、データ取得部１１１が取得した実績ＰＶ１３１についての前処理（以下、単に第１前処理とも呼ぶ）を行った後、第１前処理を行った実績ＰＶ１３１を含めることによって各教師データＤＰを生成する。第１前処理は、例えば、いわゆる生データである実績ＰＶ１３１の形式を教師データＤＰに含めるデータの形式として適切な形式（例えば、予め定められた形式）に変換する処理である。
【0139】
複数の教師データＤＰのそれぞれは、例えば、データ取得部１１１が複数のタイミング（所定期間に含まれる複数のタイミング）において取得した複数の実績ＰＶ１３１を含む教師データである。言い換えれば、複数の教師データＤＰのそれぞれは、例えば、データ取得部１１１が取得した実績ＰＶ１３１と、その実績ＰＶ１３１の所定時間後（例えば、数時間後）にデータ取得部１１１が取得した実績ＰＶ１３１（以下、他の実績ＰＶ１３１とも呼ぶ）とを含む。具体的に、複数の教師データＤＰのそれぞれは、例えば、第１タイミング（所定期間に含まれるタイミングの１つ）における焼却炉１６内の温度を実績ＰＶ１３１として含み、第１タイミングの所定時間後の第２タイミング（所定期間に含まれるタイミングの１つ）における焼却炉１６内の温度を他の実績ＰＶ１３１として含むものであってよい。
【0140】
そして、データ抽出部１１２は、例えば、抽出した複数の教師データＤＰを情報格納領域１３０に記憶する。なお、複数の教師データＤＰには、例えば、実績ＳＶ１３２や実績ＭＶがさらに含まれるものであってよい。
【0141】
また、データ抽出部１１２は、例えば、データ取得部１１１が取得した実績ＰＶ１３１（情報格納領域１３０に記憶された実績ＰＶ１３１）と、データ取得部１１１が取得した介入対象の実績ＳＶ１３２（情報格納領域１３０に記憶された介入対象の実績ＳＶ１３２）とから複数の教師データＤＥを抽出する。具体的に、データ抽出部１１２は、例えば、データ取得部１１１が取得した実績ＰＶ１３１と、データ取得部１１１が取得した介入対象の実績ＳＶ１３２とのそれぞれについての前処理（以下、第２前処理とも呼ぶ）を行った後、第２前処理を行った実績ＰＶ１３１と、第２前処理を行った介入対象の実績ＳＶ１３２とのそれぞれを含めることによって各教師データＤＥを生成する。第２前処理は、例えば、いわゆる生データである実績ＰＶ１３１と介入対象の実績ＳＶ１３２との形式を教師データＤＥに含めるデータの形式として適切な形式（例えば、予め定められた形式）に変換する処理である。
【0142】
複数の教師データＤＥのそれぞれは、例えば、データ取得部１１１が取得した実績ＰＶ１３１と、その実績ＰＶ１３１が測定された際の介入対象における実績ＳＶ１３２とを含む教師データである。具体的に、複数の教師データＤＥのそれぞれは、例えば、焼却炉１６内の温度を実績ＰＶ１３１として含み、乾燥機１２における回転ドラムの回転数を実績ＳＶ１３２として含むものであってよい。
【0143】
そして、データ抽出部１１２は、例えば、抽出した複数の教師データＤＥを情報格納領域１３０に記憶する。なお、複数の教師データＤＥには、例えば、実績ＭＶがさらに含まれるものであってよい。
【0144】
モデル生成部１１３は、例えば、データ抽出部１１２が抽出した複数の教師データＤＰ（情報格納領域１３０に記憶された複数の教師データＤＰ）の学習を行うことによって時系列予測モデルＭＰを生成する。なお、時系列予測モデルＭＰは、例えば、複数の教師データＤＰの学習を行わないモデル（例えば、数式等からなるモデル）であってもよい。
【0145】
また、モデル生成部１１３は、例えば、データ抽出部１１２が抽出した複数の教師データＤＥ（情報格納領域１３０に記憶された複数の教師データＤＥ）の学習を行うことによってＰＶ推定モデルＭＥを生成する。
【0146】
［推定処理における機能］
次に、介入対象算出処理における機能のうち、推定処理における機能について説明を行う。以下、第４の実施の形態の推定処理における機能について説明を行う。
次に、介入対象算出処理における機能のうち、推定処理における機能について説明を行う。以下、第４の実施の形態の推定処理における機能について説明を行う。
【0147】
データ取得部１１１は、例えば、１０分ごと等の定期的なタイミングにおいて、焼却設備１００ａに設置された測定装置によって測定された実績ＰＶ１３１を取得する。また、データ取得部１１１は、例えば、１０分ごと等の定期的なタイミングにおいて、焼却設備１００ａにおいて設定されている実績ＳＶ１３２を取得する。なお、データ取得部１１１は、例えば、１０分ごと等の定期的なタイミングにおいて、焼却設備１００ａにおける実績ＭＶについても取得するものであってよい。
【0148】
稼働監視部１１４は、例えば、データ取得部１１１が取得した実績ＰＶ１３１及び実績ＳＶ１３２のうちの少なくともいずれかに基づいて、焼却設備１００ａが稼働中であるか否かを判定する。具体的に、稼働監視部１１４は、例えば、データ取得部１１１が実績ＰＶ１３１を取得するごとに、取得した実績ＰＶ１３１を参照することによって焼却設備１００ａが稼働中であるか否かを判定する。また、稼働監視部１１４は、例えば、データ取得部１１１が実績ＳＶ１３２を取得するごとに、取得した実績ＳＶ１３２を参照することによって焼却設備１００ａが稼働中であるか否かを判定する。なお、稼働監視部１１４は、例えば、データ取得部１１１が取得した実績ＭＶや、データ取得部１１１が取得した実績ＰＶ１３１等から算出した合成変数を参照することによって、焼却設備１００ａが稼働中であるか否かを判定するものであってもよい。
【0149】
測定予測部１１５は、例えば、焼却設備１００ａが稼働中であると稼働監視部１１４が判定した場合、データ取得部１１１が取得した実績ＰＶ１３１を時系列予測モデルＭＰに対して入力する。具体的に、測定予測部１１５は、例えば、データ取得部１１１が実績ＰＶ１３１を取得するごとに、取得した実績ＰＶ１３１を時系列予測モデルＭＰに対して入力する。そして、測定予測部１１５は、例えば、時系列予測モデルＭＰから出力された第２予測ＰＶ１３１ｂを取得する。
【0150】
設定推定部１１６は、例えば、測定予測部１１５が取得した第２予測ＰＶ１３１ｂが第２条件を満たすか否かを判定する。具体的に、設定推定部１１６は、例えば、測定予測部１１５が第２予測ＰＶ１３１ｂを取得するごとに、取得した第２予測ＰＶ１３１ｂが第２条件を満たすか否かを判定する。言い換えれば、設定推定部１１６は、例えば、データ取得部１１１が実績ＰＶ１３１を取得した所定時間後に取得される実績ＰＶ１３１が第２条件を満たすか否かを判定する。
【0151】
なお、設定推定部１１６は、例えば、実績ＰＶ１３１や実績ＳＶ１３２や実績ＭＶや合成変数が第２条件を満たすか否かを判定するものであってもよい。そして、第２条件は、この場合、例えば、実績ＰＶ１３１や実績ＳＶ１３２や実績ＭＶや合成変数が予め定められた許容範囲内に含まれていること、または、実績ＰＶ１３１や実績ＳＶ１３２や実績ＭＶや合成変数と目標値との差が閾値以下であることであってよい。
【0152】
そして、第２予測ＰＶ１３１ｂが第２条件を満たさないと判定した場合、設定推定部１１６は、例えば、介入対象ＳＶの候補１３３ａを選択（探索）する。すなわち、設定推定部１１６は、この場合、例えば、焼却設備１００ａにおける焼却状態が今後正常な状態でなくなる可能性があると判定し、焼却設備１００ａにおける焼却状態を改善させることを可能とする介入対象ＳＶ１３３を推定する処理の実行を開始する。
【0153】
続いて、設定推定部１１６は、例えば、選択した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力する。そして、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを取得する。
【0154】
その結果、例えば、取得した第１予測ＰＶ１３１ａが第２条件を満たさない場合、設定推定部１１６は、第１予測ＰＶ１３１ａを用いることによって介入対象ＳＶの候補１３３ａを選択（探索）する。具体的に、設定推定部１１６は、この場合、例えば、逆問題解析モデルＰＧを用いることによって、介入対象ＳＶの候補１３３ａの選択（探索）を行う。そして、設定推定部１１６は、例えば、選択した介入対象ＳＶの候補１３３ａをＰＶ推定モデルＭＥに入力する。その後、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力された第１予測ＰＶ１３１ａを再度取得する。
【0155】
その結果、例えば、再度取得した第１予測ＰＶ１３１ａが第２条件を満たす場合、設定推定部１１６は、再度取得した第１予測ＰＶ１３１ａに対応する介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３（新たな介入対象ＳＶ１３３）として出力する。具体的に、設定推定部１１６は、この場合、例えば、介入対象ＳＶ１３３を監視装置２に送信する。そして、監視装置２は、例えば、受信した介入対象ＳＶ１３３を用いることによって、焼却設備１００ａの制御を行う。
【0156】
一方、例えば、再度取得した第１予測ＰＶ１３１ａが第２条件を満たさない場合、設定推定部１１６は、再度取得した第１予測ＰＶ１３１ａを用いることによって介入対象ＳＶの候補１３３ａを再度選択（探索）する。その後、設定推定部１１６は、例えば、ＰＶ推定モデルＭＥから出力される第１予測ＰＶ１３１ａが第２条件を満たすまで、第１予測ＰＶ１３１ａを取得する処理と介入対象ＳＶの候補１３３ａを選択する処理とを繰り返し行う。
【0157】
［第４の実施の形態における学習処理］
次に、第４の実施の形態における学習処理について説明する。図１１は、第４の実施の形態における学習処理を説明するフローチャート図である。具体的に、図１１（Ａ）は、時系列予測モデルＭＰを生成する場合における学習処理を説明するフローチャート図であり、図１１（Ｂ）は、ＰＶ推定モデルＭＥを生成する場合における学習処理を説明するフローチャート図である。
次に、第４の実施の形態における学習処理について説明する。図１１は、第４の実施の形態における学習処理を説明するフローチャート図である。具体的に、図１１（Ａ）は、時系列予測モデルＭＰを生成する場合における学習処理を説明するフローチャート図であり、図１１（Ｂ）は、ＰＶ推定モデルＭＥを生成する場合における学習処理を説明するフローチャート図である。
【0158】
データ抽出部１１２は、図１１（Ａ）に示すように、例えば、複数の教師データＤＰを抽出する（ステップＳ１）。具体的に、データ抽出部１１２は、例えば、作業者が複数の教師データＤＰの生成を行う旨の情報を入力したことに応じてステップＳ１を行う。そして、データ抽出部１１２は、例えば、抽出した複数の教師データＤＰを情報格納領域１３０に記憶する。なお、データ抽出部１１２は、例えば、作業者が手動によって抽出した複数の教師データＤＰを情報格納領域１３０に記憶するものであってもよい。
【0159】
その後、モデル生成部１１３は、例えば、ステップＳ１で抽出した複数の教師データＤＰ（情報格納領域１３０に記憶された複数の教師データＤＰ）の学習を行うことによって時系列予測モデルＭＰを生成する（ステップＳ２）。
【0160】
また、データ抽出部１１２は、図１１（Ｂ）に示すように、例えば、複数の教師データＤＥを抽出する（ステップＳ３）。具体的に、データ抽出部１１２は、例えば、作業者が複数の教師データＤＥの抽出を行う旨の情報を入力したことに応じてステップＳ３を行う。そして、データ抽出部１１２は、例えば、抽出した複数の教師データＤＥを情報格納領域１３０に記憶する。なお、データ抽出部１１２は、例えば、作業者が手動によって抽出した複数の教師データＤＥを情報格納領域１３０に記憶するものであってもよい。
【0161】
その後、モデル生成部１１３は、例えば、ステップＳ３で抽出した複数の教師データＤＥ（情報格納領域１３０に記憶された複数の教師データＤＥ）の学習を行うことによってＰＶ推定モデルＭＥを生成する（ステップＳ４）。
【0162】
［第４の実施の形態における推定処理］
次に、第４の実施の形態における推定処理について説明する。図１２は、第４の実施の形態における推定処理を説明するフローチャート図である。また、図１３から図１４は、第４の実施の形態における推定処理を説明する図である。
次に、第４の実施の形態における推定処理について説明する。図１２は、第４の実施の形態における推定処理を説明するフローチャート図である。また、図１３から図１４は、第４の実施の形態における推定処理を説明する図である。
【0163】
データ取得部１１１は、図１２に示すように、例えば、１０分ごと等の定期的なタイミングにおいて、焼却設備１００ａに設けられた測定装置（図示せず）によって測定された実績ＰＶ１３１と、焼却設備１００ａにおいて設定されている実績ＳＶ１３２とを取得する（ステップＳ１１）。
【0164】
具体的に、例えば、後述する図１６に示す複数の教師データＤＰを学習することによって時系列予測モデルＭＰが生成されている場合、データ取得部１１１は、「焼却炉内温度」に対応する値を実績ＰＶ１３１として取得し、「乾燥機汚泥投入量」、「乾燥機入口温度」、「乾燥機回転数」及び「乾燥機出口温度」のそれぞれに対応する値を実績ＳＶ１３２（実績ＳＶ１３２の組み合わせ）として取得する。
【0165】
続いて、測定予測部１１５は、図１３に示すように、例えば、ステップＳ１１で取得した実績ＰＶ１３１と実績ＳＶ１３２とを時系列予測モデルＭＰに対して入力する。そして、測定予測部１１５は、例えば、時系列予測モデルＭＰから出力された第２予測ＰＶ１３１ｂを取得する（ステップＳ１２）。
【0166】
具体的に、例えば、後述する図１６に示す複数の教師データＤＰを学習することによって時系列予測モデルＭＰが生成されている場合、測定予測部１１５は、例えば、「焼却炉内温度」に対応する値を第２予測ＰＶ１３１ｂとして取得する。
【0167】
続いて、設定推定部１１６は、例えば、ステップＳ１２で取得した第２予測ＰＶ１３１ｂが第２条件を満たすか否かを判定する（ステップＳ１３）。なお、例えば、第２予測ＰＶ１３１ｂが「焼却炉内温度」に対応する値である場合、第２条件は、７５０℃以上であって８００℃以下であることであってよい。
【0168】
その結果、ステップＳ１２で取得した第２予測ＰＶ１３１ｂが第２条件を満たすと判定した場合（ステップＳ１３のＹＥＳ）、制御装置１は、例えば、推定処理を終了する。すなわち、制御装置１は、この場合、焼却設備１００ａの稼働状態が正常な状態であると判定して推定処理を終了する。
【0169】
一方、ステップＳ１２で取得した第２予測ＰＶ１３１ｂが第２条件を満たさないと判定した場合（ステップＳ１３のＮＯ）、設定推定部１１６は、例えば、焼却設備１００ａにおいて設定することが好ましい介入対象ＳＶ１３３（新たな介入対象ＳＶ１３３）を選択（探索）する（ステップＳ１４）。
【0170】
具体的に、設定推定部１１６は、ステップＳ１４において、例えば、第１の実施の形態における推定処理、第２の実施の形態における推定処理または第３の実施の形態における推定処理を実行する。
【0171】
その後、設定推定部１１６は、例えば、ステップＳ１４において探索した介入対象ＳＶの候補１３３ａのうちのいずれかを介入対象ＳＶ１３３として監視装置２に送信する。
【0172】
このように、本実施の形態における制御装置１は、例えば、第１予測ＰＶ１３１ａが第２条件を満たすまで、第１予測ＰＶ１３１ａを算出する処理と介入対象ＳＶの候補１３３ａを算出する処理とを繰り返し行う。そして、制御装置１は、例えば、第２条件を満たす第１予測ＰＶ１３１ａに対応する介入対象ＳＶの候補１３３ａを介入対象ＳＶ１３３として算出する。
【0173】
具体的に、制御装置１は、例えば、監視装置２によって測定された実績ＰＶ１３１が第２条件を満たさない場合に、ＰＶ推定モデルＭＥを用いることにより、第１予測ＰＶ１３１ａを算出する。
【0174】
さらに具体的に、制御装置１は、例えば、時系列予測モデルＭＰを用いることにより、第１タイミングにおける実績ＰＶ１３１から第１タイミングよりも後の第２タイミングにおける第２予測ＰＶ１３１ｂを算出する。そして、制御装置１は、例えば、算出した第２予測ＰＶ１３１ｂが第２条件を満たさない場合に、ＰＶ推定モデルＭＥを用いることにより、第１予測ＰＶ１３１ａを算出する。
【0175】
すなわち、本実施の形態における制御装置１は、例えば、時系列予測モデルＭＰによって算出した第２予測ＰＶ１３１ｂが第２条件を満たしていない場合、焼却設備１００ａにおける汚泥の焼却状態が今後正常な状態でなくなる可能性があると判定し、焼却設備１００ａにおける汚泥の焼却状態についての制御を開始する。
【0176】
具体的に、図１４に示すように、例えば、現在の時刻である時刻ｔ１（第１タイミング）における実績ＰＶ１３１が正常範囲内の上限閾値（以下、単に上限閾値とも呼ぶ）であるＶ２よりも小さいＶ１である場合であっても、時刻ｔ１の所定時間後の時刻ｔ３（第２タイミング）における実績ＰＶ１３１の第２予測ＰＶ１３１ｂがＶ３であり、上限閾値であるＶ２を上回ると予測した場合（図１２のステップＳ１３のＮＯ）、制御装置１は、例えば、焼却設備１００ａにおける汚泥の焼却状態が時刻ｔ３の時点において正常な状態でなくなる可能性があると判定し、焼却設備１００ａにおける汚泥の焼却状態についての制御を開始する（図１２のステップＳ１４）。
【0177】
さらに具体的に、例えば、焼却設備１００ａにおいて新たな介入対象ＳＶ１３３を設定してから焼却設備１００ａにおける汚泥の焼却状態が変化（改善）するまでの時間が時間Ｔである場合、制御装置１は、例えば、時刻ｔ３よりも時間Ｔだけ前の時刻である時刻ｔ２までに、焼却設備１００ａにおける汚泥の焼却状態についての制御を開始する。
【0178】
これにより、本実施の形態における制御装置１は、例えば、焼却設備１００ａにおける現在の焼却状態が正常な状態にない場合だけでなく、焼却設備１００ａにおける焼却状態が今後正常な状態でなくなる可能性がある場合においても、焼却設備１００ａにおける焼却状態が正常な状態が維持されるように自動制御を行うことが可能になる。そのため、制御装置１は、例えば、焼却設備１００ａにおける運転制御が作業者の手動によって行われる場合と比較して、作業者の負荷をより抑制することが可能になる。
【0179】
［処理システム１０００の構成］
次に、第１の実施の形態から第４の実施の形態における処理システム１０００の構成について説明を行う。図１５は、処理システム１０００の構成について説明する図である。以下、焼却設備１００ａにおける介入対象ＳＶ１３３のうち、他の介入対象ＳＶ１３３の影響を受けずに決定される介入対象ＳＶ１３３を１次介入対象ＳＶ１３３とも呼び、１次介入対象ＳＶ１３３の影響を受ける可能性がある介入対象ＳＶ１３３を２次介入対象ＳＶ１３３とも呼ぶ。なお、図１５に示すライン（配管）や弁の配置位置や数はこれに限られない。
次に、第１の実施の形態から第４の実施の形態における処理システム１０００の構成について説明を行う。図１５は、処理システム１０００の構成について説明する図である。以下、焼却設備１００ａにおける介入対象ＳＶ１３３のうち、他の介入対象ＳＶ１３３の影響を受けずに決定される介入対象ＳＶ１３３を１次介入対象ＳＶ１３３とも呼び、１次介入対象ＳＶ１３３の影響を受ける可能性がある介入対象ＳＶ１３３を２次介入対象ＳＶ１３３とも呼ぶ。なお、図１５に示すライン（配管）や弁の配置位置や数はこれに限られない。
【0180】
焼却設備１００ａは、図１５に示すように、例えば、切出装置１１と、乾燥機１２と、投入装置１３と、炭化炉１４と、集塵機１５と、焼却炉１６と、熱交換器１７と、熱交換器１８と、熱交換器１９と、排ガス処理システム２０とを有する。また、焼却設備１００ａは、例えば、汚泥移送ポンプＰ１と、空気循環ポンプＰ２と、誘引機Ｆ１と、送風機Ｂ１と、送風機Ｂ２とを有する。誘引機Ｆ１は、例えば、ファンやブロワ等の空気を誘引する機能を有する機器である。また、送風機Ｂ１及び送風機Ｂ２のそれぞれは、例えば、ファンやブロワ等の空気を送風する機能を有する機器である。
【0181】
なお、以下、焼却設備１００ａが炭化炉１４を有する場合について説明を行うがこれに限られない。具体的に、焼却設備１００ａは、例えば、炭化炉１４を有しないものであってもよい。また、焼却設備１００ａは、例えば、炭化炉１４に代えてガス化炉を有するものであってもよい。
【0182】
切出装置１１は、例えば、図示しない前段設備（例えば、汚泥の脱水装置）を介して供給された汚泥（脱水ケーキ）を切り出す装置である。
【0183】
汚泥移送ポンプＰ１は、例えば、切出装置１１によって切り出された汚泥を乾燥機１２に供給（移送）するポンプである。
【0184】
具体的に、汚泥移送ポンプＰ１は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って、乾燥機１２に対する汚泥の供給を行う。さらに具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、乾燥機１２に対する汚泥の投入量についての介入対象ＳＶ１３３を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３を汚泥移送ポンプＰ１に対して送信する。
【0185】
乾燥機１２は、例えば、汚泥移送ポンプＰ１によって切出装置１１から供給された汚泥を乾燥させることにより、汚泥の含水率を低下させる。そして、乾燥機１２は、例えば、乾燥させた汚泥を投入装置１３に供給する。
【0186】
具体的に、乾燥機１２は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って、切出装置１１から供給された汚泥の乾燥を行う。さらに具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、乾燥機１２内に設けられた回転ドラム（図示せず）の回転数についての介入対象ＳＶ１３３を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３を乾燥機１２に対して送信する。
【0187】
なお、乾燥機１２において汚泥の乾燥に用いられた空気は、図１５に示すように、例えば、空気循環ポンプＰ２によって熱交換器１９に供給される。そして、熱交換器１９によって昇温された空気は、例えば、都市ガス等の気体燃料（以下、単に気体燃料とも呼ぶ）を燃焼させるバーナ１２ａによってさらに昇温された後、乾燥機１２内に供給されて汚泥の乾燥に再度用いられる。さらに、乾燥機１２には、例えば、乾燥機１２内の温度を低下させるための冷却水が必要に応じて供給される。
【0188】
また、図１５に示す例において、弁Ｖ１は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、バーナ１２ａに対する気体燃料の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、乾燥機１２の入口側における空気の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、乾燥機１２の入口側における空気の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ１における気体燃料の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ１における気体燃料の流量（例えば、現在の流量）についての実績ＰＶとから、弁Ｖ１の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ１に対して送信する。
【0189】
また、弁Ｖ２は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、乾燥機１２に対する冷却水の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、乾燥機１２の入口側における空気の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、乾燥機１２の入口側における空気の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ２における冷却水の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ２における冷却水の流量（例えば、現在の流量）についての実績ＰＶとから、弁Ｖ２の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ２に対して送信する。
【0190】
投入装置１３は、例えば、乾燥機１２から供給された汚泥を一時的に蓄積し、蓄積した汚泥を炭化炉１４に順次投入する装置である。
【0191】
具体的に、投入装置１３は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って、乾燥機１２から供給された汚泥を炭化炉１４に投入する。さらに具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、投入装置１３内に設けられたフィーダ（図示せず）の回転数についての介入対象ＳＶ１３３を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３を投入装置１３に対して送信する。
【0192】
炭化炉１４は、例えば、投入装置１３から供給された汚泥の熱分解を行うことによって炭化物（固形物）とガス（可燃ガス）とに分解する炉である。そして、炭化炉１４は、例えば、熱分解によって発生したガスを焼却炉１６に排出するとともに、熱分解によって発生した炭化物を炭化炉１４の外部に排出する。
【0193】
なお、炭化炉１４における熱分解に用いられる空気は、図１５に示すように、例えば、送風機Ｂ１によって供給される空気（大気）であり、熱交換器１７によって昇温されてから炭化炉１４に供給される。また、炭化炉１４には、例えば、炭化炉１４内の温度を低下させるための冷却水が必要に応じて供給される。さらに、炭化炉１４には、例えば、燃焼によって炭化炉１４内の温度を昇温させるための気体燃料が必要に応じて供給される。
【0194】
また、図１５に示す例において、弁Ｖ３は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、炭化炉１４に対する空気の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、炭化炉１４内の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、炭化炉１４内の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ３における空気の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。弁における空気の流量についての介入対象ＳＶ１３３は、例えば、弁の開度である。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ３における空気の流量（例えば、現在の流量）についての介入対象ＳＶ１３３とから、弁Ｖ３の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ３に対して送信する。
【0195】
また、弁Ｖ４は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、炭化炉１４に対する冷却水の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、炭化炉１４内の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、炭化炉１４内の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ４における冷却水の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ４における冷却水の流量（例えば、現在の流量）についての実績ＰＶとから、弁Ｖ４の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ４に対して送信する。
【0196】
また、弁Ｖ５は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、炭化炉１４に設けられたバーナ（図示せず）に対する気体燃料の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、焼却炉１６内の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、焼却炉１６内の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ５における気体燃料の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ５における気体燃料の流量（例えば、現在の流量）についての実績ＰＶとから、弁Ｖ５の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ５に対して送信する。
【0197】
集塵機１５は、例えば、炭化炉１４の後段に設置され、炭化炉１４から焼却炉１６に供給されるガス（炭化炉１４における熱分解によって発生したガス）に含まれる炭化物を除去する。
【0198】
焼却炉１６は、例えば、炭化炉１４から供給されたガスを燃焼（完全燃焼）させる炉である。そして、焼却炉１６において例えばガスの燃焼によって発生した排ガスは、焼却炉１６の出口と排ガス処理システム２０の入口とを接続する配管を介して誘引機Ｆ１により排ガス処理システム２０まで誘引される。この配管には、例えば、熱交換器１７、熱交換器１８及び熱交換器１９が設けられる。
【0199】
なお、焼却炉１６においてガスの燃焼に用いられる空気は、例えば、乾燥機１２において汚泥の乾燥に用いられた空気（空気循環ポンプＰ２によって供給される空気）の一部を含む。また、焼却炉１６においてガスの燃焼に用いられる空気は、例えば、送風機Ｂ２によって供給された空気（大気）の一部であって、熱交換器１８によって昇温されてから焼却炉１６に供給される空気を含む。また、焼却炉１６には、例えば、焼却炉１６内の温度を低下させるための冷却水が必要に応じて供給される。さらに、焼却炉１６には、例えば、燃焼によって焼却炉１６内の温度を昇温させるための気体燃料が必要に応じて供給される。そして、焼却炉１６では、例えば、バーナ１６ａが送風機Ｂ２から供給された空気の一部を用いて気体燃料を燃焼させることにより、焼却炉１６内の温度が昇温される。
【0200】
また、図１５に示す例において、弁Ｖ６は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、送風機Ｂ２から焼却炉１６に対する空気の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、焼却炉１６内の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、焼却炉１６内の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ６における空気の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ６における空気の流量（例えば、現在の流量）についての介入対象ＳＶ１３３とから、弁Ｖ６の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ６に対して送信する。
【0201】
また、弁Ｖ７は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、送風機Ｂ２からバーナ１６ａに対する空気の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、焼却炉１６内の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、焼却炉１６内の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ７における空気の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ７における空気の流量（例えば、現在の流量）についての介入対象ＳＶ１３３とから、弁Ｖ７の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ７に対して送信する。
【0202】
また、弁Ｖ８は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、焼却炉１６に対する冷却水の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、焼却炉１６から排出された排ガスの温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、焼却炉１６から排出された排ガスの温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ８における冷却水の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ８における冷却水の流量（例えば、現在の流量）についての実績ＰＶとから、弁Ｖ８の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ８に対して送信する。
【0203】
また、弁Ｖ９は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、バーナ１６ａに対する気体燃料の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、焼却炉１６内の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、焼却炉１６内の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ９における気体燃料の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ９における気体燃料の流量（例えば、現在の流量）についての実績ＰＶとから、弁Ｖ９の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ９に対して送信する。
【0204】
また、弁Ｖ１０は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、焼却炉１６に対する、乾燥機１２において汚泥の乾燥に用いられた空気の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、乾燥機１２の出口の圧力についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、乾燥機１２の出口圧力（例えば、現在の圧力）についての実績ＰＶとから、弁Ｖ１０における空気の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ１０における空気の流量（例えば、現在の流量）についての介入対象ＳＶ１３３とから、弁Ｖ１０の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ１０に対して送信する。
【0205】
また、弁Ｖ１１は、例えば、監視装置２によって指定された介入対象ＳＶ１３３に従って開度の調整を行うことにより、乾燥機１２から熱交換器１９に対する空気の供給量を調整する。具体的に、制御装置１は、例えば、介入対象算出処理を実行することによって、乾燥機１２の出口側または入口側における空気の温度についての介入対象ＳＶ１３３（１次介入対象ＳＶ１３３）を算出する。そして、監視装置２は、例えば、制御装置１によって算出された介入対象ＳＶ１３３と、乾燥機１２の出口側または入口側における空気の温度（例えば、現在の温度）についての実績ＰＶとから、弁Ｖ１１における空気の流量についての介入対象ＳＶ１３３（２次介入対象ＳＶ１３３）を算出する。さらに、監視装置２は、例えば、監視装置２が算出した介入対象ＳＶ１３３と、弁Ｖ１１における空気の流量（例えば、現在の流量）についての介入対象ＳＶ１３３とから、弁Ｖ１１の開度についての介入対象ＭＶを算出する。その後、監視装置２は、例えば、算出した介入対象ＭＶを弁Ｖ１１に対して送信する。
【0206】
熱交換器１７は、例えば、焼却炉１６から排出された排ガスと送風機Ｂ１によって供給された空気（大気）との間において熱交換を行う。具体的に、熱交換器１７は、例えば、焼却炉１６から供給された排ガスの廃熱を用いることによって、送風機Ｂ１から供給された空気を昇温する。そして、熱交換器１７は、例えば、昇温された空気を炭化炉１４に供給する。
【0207】
熱交換器１８は、例えば、熱交換器１７から供給された排ガスと送風機Ｂ２によって供給された空気（大気）の一部との間において熱交換を行う。具体的に、熱交換器１８は、例えば、熱交換器１７から供給された排ガスの廃熱を用いることによって、送風機Ｂ２から供給された空気の一部を昇温する。そして、熱交換器１８は、例えば、昇温された空気を焼却炉１６に供給する。
【0208】
熱交換器１９は、例えば、熱交換器１８から供給された排ガスと乾燥機１２（空気循環ポンプＰ２）から供給された空気の一部との間において熱交換を行う。具体的に、熱交換器１９は、例えば、熱交換器１８から供給された排ガスの廃熱を用いることによって、乾燥機１２から供給された空気の一部を昇温する。そして、熱交換器１９は、例えば、昇温された空気を乾燥機１２（バーナ１２ａ）に供給する。
【0209】
排ガス処理システム２０は、例えば、熱交換器１９から供給された排ガス中の水蒸気が白煙として見えることを防止する加熱空気（白煙防止空気）を生成する白煙防止空気予熱器（図示せず）と、排ガスの不純物を集塵する集塵機（図示せず）と、薬剤と接触させることによって排ガス中のＳＯＸ等の成分を除去する洗煙処理塔（図示せず）とを有する。
【0210】
誘引機Ｆ１は、例えば、排ガス処理システム２０の後段に設けられ、炭化炉１４において発生するガスを焼却炉１６に誘引するとともに、焼却炉１６において発生する排ガスを排ガス処理システム２０に誘引する。すなわち、誘引機Ｆ１は、例えば、炭化炉１４において発生するガスを誘引し、誘引機Ｆ１の一次側に設置された弁により、炭化炉１４の炉内圧力を制御する。誘引機Ｆ１が誘引した排ガスは、煙突（図示せず）を介して外部に放出される。
【0211】
このように、第１の実施の形態から第４の実施の形態における処理システム１０００において、処理設備１００が焼却設備１００ａである場合、焼却設備１００ａは、例えば、汚泥を焼却する焼却炉１６と、焼却炉１６の廃熱から回収されたエネルギーを少なくとも一部を用いることによって、焼却炉１６における被焼却物（例えば、汚泥）と、焼却炉１６から排出される物質（例えば、焼却灰）と、焼却炉１６から排出される流体（例えば、排ガス）とのうちの少なくともいずれかを処理する処理装置と、を備えるものであってよい。具体的に、処理装置は、例えば、乾燥機１２や誘引機Ｆ１や排ガス処理システム２０であってよい。また、実績ＰＶ１３１は、この場合、例えば、焼却炉１６における実績ＰＶ１３１であってよい。さらに、介入対象ＳＶ１３３は、この場合、例えば、処理装置における介入対象ＳＶ１３３であってよい。
【0212】
［複数の教師データＤＰの具体例］
次に、処理設備１００が焼却設備１００ａである場合における複数の教師データＤＰの具体例について説明を行う。図１６は、複数の教師データＤＰの具体例について説明する図である。
次に、処理設備１００が焼却設備１００ａである場合における複数の教師データＤＰの具体例について説明を行う。図１６は、複数の教師データＤＰの具体例について説明する図である。
【0213】
図１６に示す複数の教師データＤＰのそれぞれは、例えば、焼却炉１６に設けられた温度計（図示せず）によって測定された焼却炉１６内の温度（例えば、複数のタイミングにおける温度のそれぞれ）が設定される「焼却炉内温度」を項目として有する。また、図１６に示す複数の教師データＤＰのそれぞれは、例えば、切出装置１１と乾燥機１２との間の配管に設けられた流量計（図示せず）によって測定された汚泥の量（切出装置１１から乾燥機１２に対する汚泥の投入量）が設定される「乾燥機汚泥投入量」と、例えば、熱交換器１９と乾燥機１２との間の配管における乾燥機１２の入口側に設けられた温度計（図示せず）によって測定された温度（熱交換器１９から乾燥機１２に対して供給される空気の温度）が設定される「乾燥機入口温度」とを項目として有する。また、図１６に示す複数の教師データＤＰのそれぞれは、例えば、乾燥機１２内に設けられた回転ドラムの回転数（最大回転数に対する割合（例えば、百分率等））が設定される「乾燥機回転数」と、例えば、乾燥機１２と熱交換器１９との間の配管における乾燥機１２の出口側に設けられた温度計（図示せず）によって測定された温度（乾燥機１２から熱交換器１９に対して供給される空気の温度）が設定される「乾燥機出口温度」とを項目として有する。
【0214】
具体的に、図１６に示す１行目の教師データＤＰには、例えば、「焼却炉内温度」として「９５０（℃）」が設定され、「乾燥機汚泥投入量」として「３．０（ｔ／ｈ）」が設定され、「乾燥機入口温度」として「４５０（℃）」が設定され、「乾燥機回転数」として「２２（％）」が設定され、「乾燥機出口温度」として「１８０（℃）」が設定されている。
【0215】
また、図１６に示す２行目の教師データＤＰには、例えば、「焼却炉内温度」として「９５０（℃）」が設定され、「乾燥機汚泥投入量」として「３．０（ｔ／ｈ）」が設定され、「乾燥機入口温度」として「４５０（℃）」が設定され、「乾燥機回転数」として「２０（％）」が設定され、「乾燥機出口温度」として「１８０（℃）」が設定されている。図１６に示す他の教師データＤＰの説明については省略する。
【0216】
［複数の教師データＤＥの具体例］
次に、処理設備１００が焼却設備１００ａである場合における複数の教師データＤＥの具体例について説明を行う。図１７は、複数の教師データＤＥの具体例について説明する図である。
次に、処理設備１００が焼却設備１００ａである場合における複数の教師データＤＥの具体例について説明を行う。図１７は、複数の教師データＤＥの具体例について説明する図である。
【0217】
図１７に示す複数の教師データＤＥのそれぞれは、例えば、図１６で説明した場合と同様に、「焼却炉内温度」、「乾燥機汚泥投入量」、「乾燥機入口温度」、「乾燥機回転数」及び「乾燥機出口温度」を項目として有する。
【0218】
具体的に、図１７に示す１行目の教師データＤＥには、例えば、「焼却炉内温度」として「９５０（℃）」が設定され、「乾燥機汚泥投入量」として「２．７（ｔ／ｈ）」が設定され、「乾燥機入口温度」として「４５０（℃）」が設定され、「乾燥機回転数」として「１８（％）」が設定され、「乾燥機出口温度」として「１８０（℃）」が設定されている。
【0219】
また、図１７に示す２行目の教師データＤＥには、例えば、「焼却炉内温度」として「９５０（℃）」が設定され、「乾燥機汚泥投入量」として「２．７（ｔ／ｈ）」が設定され、「乾燥機入口温度」として「４６０（℃）」が設定され、「乾燥機回転数」として「１８（％）」が設定され、「乾燥機出口温度」として「１８０（℃）」が設定されている。図１７に示す他の教師データＤＥの説明については省略する。
【0220】
なお、複数の教師データＤＰ及び複数の教師データＤＥは、例えば、「乾燥機汚泥投入量」、「乾燥機入口温度」、「乾燥機回転数」及び「乾燥機出口温度」に加え、投入装置１３内に設けられたフィーダ（図示しない）の回転数や、炭化炉１４に設けられた温度計（図示せず）によって測定された温度（炭化炉１４内の温度）や、炭化炉１４に設けられた圧力計（図示せず）によって測定された圧力（炭化炉１４内の圧力）や、焼却炉１６と熱交換器１７との間の配管における焼却炉１６の出口側に設けられた温度計（図示せず）によって測定された温度（焼却炉１６から熱交換器１７に対して排出される排ガスの温度）等を項目として有するものであってもよい。
【0221】
すなわち、制御装置１は、例えば、ＰＶ推定モデルＭＥを用いることによって、焼却設備１００ａにおける１次介入対象ＳＶ１３３（例えば、図１５で説明した１次介入対象ＳＶ１３３）の推定を行うものであってよい。そして、監視装置２は、例えば、制御装置１によって推定された１次介入対象ＳＶ１３３を用いることによって、焼却設備１００ａにおける２次介入対象ＳＶ１３３（例えば、図１５で設定した２次介入対象ＳＶ１３３）の算出をするものであってもよい。
【0222】
これにより、制御装置１は、例えば、１次介入対象ＳＶ１３３の影響を受ける２次介入対象ＳＶ１３３の制御についても高精度に行うことが可能になる。また、制御装置１は、この場合、例えば、介入対象算出処理において２次介入対象ＳＶ１３３の推定を行わないため、介入対象算出処理の実行に伴う処理負担を抑制することが可能になる。なお、制御装置１は、例えば、時系列予測モデルＭＰとＰＶ推定モデルＭＥとを用いることによって、焼却設備１００ａにおける１次介入対象ＳＶ１３３を推定するものであってもよい。
【0223】
また、データ抽出部１１２は、例えば、推定処理においても、データ取得部１１１によって取得された実績ＰＶ１３１や焼却設備１００ａにおいて設定されている介入対象ＳＶ１３３を用いることにより、新たな教師データＤＰや新たな教師データＤＥの抽出（生成）を継続して行うものであってもよい。そして、モデル生成部１１３は、例えば、後述する推定処理においても、新たな教師データＤＰを用いた時系列予測モデルＭＰの学習や新たな教師データＤＥを用いたＰＶ推定モデルＭＥの学習を継続して行うものであってもよい。
【0224】
これにより、制御装置１は、例えば、時系列予測モデルＭＰやＰＶ推定モデルＭＥの判定精度をより向上させることが可能になる。
【0225】
［処理システム１０００の変形例の構成（１）］
次に、第１の実施の形態から第４の実施の形態における処理システム１０００の第１の変形例（以下、単に第１の変形例とも呼ぶ）について説明を行う。図１８は、処理システム１０００の第１の変形例における構成について説明する図である。
次に、第１の実施の形態から第４の実施の形態における処理システム１０００の第１の変形例（以下、単に第１の変形例とも呼ぶ）について説明を行う。図１８は、処理システム１０００の第１の変形例における構成について説明する図である。
【0226】
第１の変形例における処理設備１００は、例えば、原水等の被処理水（以下、単に被処理水とも呼ぶ）についての浄水処理を行う浄水設備１００ｂである。そして、第１の変形例における監視装置２は、例えば、浄水設備１００ｂにおける処理状態の監視を行う。
【0227】
浄水設備１００ｂは、図１８に示すように、例えば、沈砂池２１０と、着水井２２０と、混和池２３０と、フロック形成池２４０（以下、単に形成池２４０とも呼ぶ）と、沈殿池２５０と、濾過池２６０と、浄水池２７０と、配水池２８０と、貯留槽Ｔと、ポンプＰ１１とを有する。
【0228】
沈砂池２１０は、例えば、被処理水が最初に流入する槽であり、被処理水に含まれる土砂等を沈殿除去する槽である。
【0229】
着水井２２０は、例えば、沈砂池２１０から供給された被処理水の供給量を調整して混和池２３０に供給する槽である。
【0230】
混和池２３０は、例えば、着水井２２０から供給された被処理水に対して凝集剤を注入する槽である。
【0231】
フロック形成池２４０は、例えば、混和池２３０から供給された被処理水を撹拌することによって、混和池２３０から供給された被処理水に含まれる懸濁物質を凝集剤により凝集させてフロックを形成する槽である。
【0232】
沈殿池２５０は、例えば、フロック形成池２４０から供給された被処理水に含まれるフロックを沈殿させて被処理水から分離する槽である。
【0233】
濾過池２６０は、例えば、砂や砂利等からなる濾過体（図示せず）を用いることによって、沈殿池２５０から供給された被処理水の濾過を行う槽である。
【0234】
浄水池２７０は、例えば、濾過池２６０から供給された被処理水（例えば、濾過池２６０の後段において塩素消毒が行われた後の被処理水）を一時的に貯留して配水池２８０に供給する槽である。
【0235】
配水池２８０は、例えば、浄水池２７０から供給された被処理水（処理水）を一時的に貯留して家庭等（図示せず）に供給する。
【0236】
貯留槽Ｔは、例えば、被処理水に対して注入する凝集剤を貯留する槽であり、ポンプＰに対して凝集剤を供給する。
【0237】
ポンプＰ１１は、例えば、貯留槽Ｔと混和池２３０とを連通する配管（図示せず）に設けられるポンプである。具体的に、ポンプＰ１１は、例えば、浄水設備１００ｂの管理者によって予め決定された注入率に対応する凝集剤を混和池２３０に供給する。
【0238】
そして、制御装置１は、例えば、１０分ごと等の定期的なタイミングにおいて、浄水設備１００ｂに設けられた測定装置（図示せず）によって測定された実績ＰＶ１３１（監視装置２によって測定された実績ＰＶ１３１）を取得する。具体的に、制御装置１は、例えば、フロック形成池２４０において形成されたフロックの沈降速度（例えば、沈降速度の平均値）を実績ＰＶ１３１として取得する。
【0239】
また、制御装置１は、例えば、１０分ごと等の定期的なタイミングにおいて、作業者が浄水設備１００ｂにおいて設定した実績ＳＶ１３２（監視装置２によって設定された実績ＳＶ１３２）を取得する。具体的に、制御装置１は、例えば、ポンプＰ１１による凝集剤の注入率を実績ＳＶ１３２として取得する。また、制御装置１は、例えば、フロック形成池２４０における撹拌強度や撹拌時間（以下、これらを総称して撹拌強度等とも呼ぶ）を実績ＳＶ１３２として取得する。
【0240】
その後、制御装置１は、図３等で説明した場合と同様に、例えば、取得した実績ＰＶ１３１や実績ＳＶ１３２から複数の教師データＤＰを抽出し、抽出した複数の教師データＤＰを用いることによって時系列予測モデルＭＰを生成する。また、制御装置１は、例えば、取得した実績ＰＶ１３１や実績ＳＶ１３２から複数の教師データＤＥを抽出し、抽出した複数の教師データＤＥを用いることによってＰＶ推定モデルＭＥを生成する。
【0241】
具体的に、制御装置１は、例えば、ポンプＰ１１による凝集剤の注入率やフロック形成池２４０における撹拌強度等を入力としてフロック形成池２４０におけるフロックの沈降速度を推定するＰＶ推定モデルＭＥを生成する。
【0242】
［処理システム１０００の変形例の構成（２）］
次に、第１の実施の形態から第４の実施の形態における処理システム１０００の第２の変形例（以下、単に第２の変形例とも呼ぶ）について説明を行う。図１９は、処理システム１０００の第２の変形例における構成について説明する図である。
次に、第１の実施の形態から第４の実施の形態における処理システム１０００の第２の変形例（以下、単に第２の変形例とも呼ぶ）について説明を行う。図１９は、処理システム１０００の第２の変形例における構成について説明する図である。
【0243】
第２の変形例における処理設備１００は、例えば、下水等の被処理水（以下、単に被処理水とも呼ぶ）についての処理を行う下水処理設備１００ｃである。そして、第２の変形例における監視装置２は、例えば、下水処理設備１００ｃにおける処理状態の監視を行う。
【0244】
下水処理設備１００ｃは、図１９に示すように、例えば、最初沈殿池３１０と、汚水処理装置３２０と、最終沈殿池３３０と、濃縮槽３４０と、濃縮装置３５０と、消化槽３６０と、加熱器３７０とを有する。
【0245】
最初沈殿池３１０は、例えば、被処理水に含まれる有機物や浮遊物を沈殿分離する。そして、最初沈殿池３１０は、例えば、分離した有機物や浮遊物質を初沈汚泥として濃縮槽３４０に排出するとともに、有機物や浮遊物質を分離した被処理水を汚水処理装置３２０に排出する。
【0246】
汚水処理装置３２０は、例えば、標準活性汚泥法や循環式硝化脱窒法等の生物学的処理によって被処理水を処理する。具体的に、汚水処理装置３２０は、例えば、嫌気性の脱窒菌によって亜硝酸態窒素や硝酸態窒素から窒素を生成(脱窒)する脱窒槽(図示せず)と、脱窒槽の後段に設けられ、好気性の硝化菌によりアンモニア態窒素を硝化して亜硝酸態窒素や硝酸態窒素を生成する硝化槽(図示せず)とを有する。そして、汚水処理装置３２０は、例えば、被処理水を最終沈殿池３３０に排出する。
【0247】
最終沈殿池３３０は、例えば、汚水処理装置３２０から排出された被処理水に含まれる汚泥を沈殿分離し、分離した汚泥を活性汚泥として排出する。そして、最終沈殿池３３０は、例えば、活性汚泥の一部を余剰汚泥として濃縮装置３５０に供給するとともに、余剰汚泥以外の活性汚泥を返送汚泥として汚水処理装置３２０に返送する。また、最終沈殿池３３０は、例えば、汚泥を分離した被処理水（上澄み液）を後段の滅菌処理装置（図示せず）に排出する。その後、滅菌処理装置（図示せず）は、例えば、最終沈殿池３３０から排出された被処理水を滅菌し、滅菌した処理水を放流する。
【0248】
濃縮槽３４０は、例えば、最初沈殿池３１０から排出された初沈汚泥を濃縮して消化槽３６０に供給する。
【0249】
濃縮装置３５０は、例えば、最終沈殿池３３０から排出された余剰汚泥を濃縮して消化槽３６０に供給する。
【0250】
消化槽３６０は、例えば、嫌気性細菌及び汚泥などを貯留する槽である。消化槽３６０内の嫌気性細菌は、例えば、濃縮槽３４０から供給された初沈汚泥と濃縮装置３５０から供給された余剰汚泥とを含む汚泥の有機物を、生物反応によって嫌気性消化(分解)して消化汚泥を生成する。また、消化槽３６０内の嫌気性細菌は、例えば、消化の過程でメタンガス等の消化ガスを生成する。
【0251】
加熱器３７０は、消化槽３６０に供給される前の余剰汚泥を加熱する。具体的に、加熱器３７０は、例えば、消化槽３６０に供給される前の余剰汚泥を熱媒（水や熱媒油等の流体）の保有熱によって加熱（昇温）する熱交換器である。
【0252】
そして、制御装置１は、例えば、１０分ごと等の定期的なタイミングにおいて、下水処理設備１００ｃに設けられた測定装置（図示せず）によって測定された実績ＰＶ１３１（監視装置２によって測定された実績ＰＶ１３１）を取得する。具体的に、制御装置１は、例えば、汚水処理装置３２０におけるアンモニア態窒素や亜硝酸態窒素や硝酸態窒素の濃度を実績ＰＶ１３１として取得する。また、制御装置１は、例えば、消化槽３６０内の汚泥の温度を実績ＰＶ１３１として取得する。
【0253】
また、制御装置１は、例えば、１０分ごと等の定期的なタイミングにおいて、作業者が下水処理設備１００ｃにおいて設定した実績ＳＶ１３２（監視装置２によって設定された実績ＳＶ１３２）を取得する。具体的に、制御装置１は、例えば、汚水処理装置３２０における曝気量（単位時間あたりの曝気量）を実績ＳＶ１３２として取得する。また、制御装置１は、例えば、加熱器３７０に供給される熱媒（消化槽３６０に供給される余剰汚泥の加熱に用いられる熱媒）の温度や量を実績ＳＶ１３２として取得する。
【0254】
その後、制御装置１は、図３等で説明した場合と同様に、例えば、取得した実績ＰＶ１３１や実績ＳＶ１３２から複数の教師データＤＰを抽出し、抽出した複数の教師データＤＰを用いることによって時系列予測モデルＭＰを生成する。また、制御装置１は、例えば、取得した実績ＰＶ１３１や実績ＳＶ１３２から複数の教師データＤＥを抽出し、抽出した複数の教師データＤＥを用いることによってＰＶ推定モデルＭＥを生成する。
【0255】
具体的に、制御装置１は、例えば、汚水処理装置３２０における曝気量（単位時間あたりの曝気量）を入力として汚水処理装置３２０におけるアンモニア態窒素と亜硝酸態窒素と硝酸態窒素とのうちのいずれかを推定するＰＶ推定モデルＭＥを生成する。また、制御装置１は、例えば、加熱器３７０に供給される熱媒の温度や量を入力として消化槽３６０内の汚泥の温度を推定するＰＶ推定モデルＭＥを生成する。
【0256】
なお、処理設備１００は、例えば、焼却設備１００ａ、浄水設備１００ｂ及び下水処理設備１００ｃ以外の他の処理設備（例えば、化学プラントにおける処理設備）であってもよい。
【符号の説明】
【0257】
１：制御装置 ２：監視装置
１０：焼却設備 １１：切出装置
１２：乾燥機 １２ａ：バーナ
１３：投入装置 １４：炭化炉
１５：集塵機 １６：焼却炉
１６ａ：バーナ １７：熱交換器
１８：熱交換器 １９：熱交換器
２０：排ガス処理システム １００：処理設備
１００ａ：焼却設備 １００ｂ：浄水設備
１００ｃ：下水処理設備 １０１：ＣＰＵ
１０２：メモリ １０３：通信装置
１０４：記憶媒体 １０５：バス
１１０：プログラム １１１：データ取得部
１１２：データ抽出部 １１３：モデル生成部
１１４：稼働監視部 １１５：測定予測部
１１６：設定推定部 １３０：記憶部
１３１：実績ＰＶ １３１ａ：第１予測ＰＶ
１３１ｂ：第２予測ＰＶ １３２：介入対象ＳＶ
１３２ａ：介入対象ＳＶの候補 ２１０：沈砂池
２２０：着水井 ２３０：混和池
２４０：フロック形成池 ２５０：沈殿池
２６０：濾過池 ２７０：浄水池
２８０：配水池 ３１０：最初沈殿池
３２０：汚水処理装置 ３３０：最終沈殿池
３４０：濃縮槽 ３５０：濃縮装置
３６０：消化槽 １０００：処理システム
ＤＰ：教師データ ＤＥ：教師データ
ＰＧ：逆問題解析モデル ＭＰ：学習モデル
ＭＥ：学習モデル ＮＷ：ネットワーク
１０：焼却設備 １１：切出装置
１２：乾燥機 １２ａ：バーナ
１３：投入装置 １４：炭化炉
１５：集塵機 １６：焼却炉
１６ａ：バーナ １７：熱交換器
１８：熱交換器 １９：熱交換器
２０：排ガス処理システム １００：処理設備
１００ａ：焼却設備 １００ｂ：浄水設備
１００ｃ：下水処理設備 １０１：ＣＰＵ
１０２：メモリ １０３：通信装置
１０４：記憶媒体 １０５：バス
１１０：プログラム １１１：データ取得部
１１２：データ抽出部 １１３：モデル生成部
１１４：稼働監視部 １１５：測定予測部
１１６：設定推定部 １３０：記憶部
１３１：実績ＰＶ １３１ａ：第１予測ＰＶ
１３１ｂ：第２予測ＰＶ １３２：介入対象ＳＶ
１３２ａ：介入対象ＳＶの候補 ２１０：沈砂池
２２０：着水井 ２３０：混和池
２４０：フロック形成池 ２５０：沈殿池
２６０：濾過池 ２７０：浄水池
２８０：配水池 ３１０：最初沈殿池
３２０：汚水処理装置 ３３０：最終沈殿池
３４０：濃縮槽 ３５０：濃縮装置
３６０：消化槽 １０００：処理システム
ＤＰ：教師データ ＤＥ：教師データ
ＰＧ：逆問題解析モデル ＭＰ：学習モデル
ＭＥ：学習モデル ＮＷ：ネットワーク
【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】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】