特開 2024-48342 モデル生成装置、解析装置、モデル生成方法、解析方法及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024048342

(43)【公開日】2024-04-08

(54)【発明の名称】モデル生成装置、解析装置、モデル生成方法、解析方法及びコンピュータプログラム

(51)【国際特許分類】

   C10B 41/02 20060101AFI20240401BHJP

   C10B 45/00 20060101ALI20240401BHJP

   G06Q 10/04 20230101ALI20240401BHJP

【ＦＩ】

C10B41/02

C10B45/00 Z

G06Q10/04

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2023101888

(22)【出願日】2023-06-21

(31)【優先権主張番号】P 2022153751

(32)【優先日】2022-09-27

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】000006655

【氏名又は名称】日本製鉄株式会社

(74)【代理人】

【識別番号】110002044

【氏名又は名称】弁理士法人ブライタス

(72)【発明者】

【氏名】竹島 将太

【テーマコード（参考）】

4H012

5L049

【Ｆターム（参考）】

4H012GB00

5L049AA04

(57)【要約】

【課題】作業者がコークスの押し詰まりが懸念される窯に対して速やかに適正なアクションを取るための情報を提供する。
【解決手段】コークスの押し詰まり懸念の発生を予測する予測モデルを生成するモデル生成装置は、複数の操業変数とコークスの押し詰まり懸念の発生有無とからなる操業実績データを複数取得するデータ取得部と、複数の操業実績データを用いて、複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、予測モデルを生成するモデル生成部と、を備え、データ取得部により取得される複数の操業実績データは、コークスの押し詰まり懸念のある懸念データが、コークスの押し詰まり懸念のない正常データに比べて少ない、不均衡データであり、モデル生成部は、懸念データに合わせて正常データをアンダーサンプリングした後、予測モデルを生成する。
【選択図】図２

【特許請求の範囲】

【請求項1】

コークス炉におけるコークスの押し詰まり懸念の発生を予測する予測モデルを生成するモデル生成装置であって、
複数の操業変数とコークスの押し詰まり懸念の発生有無とからなる操業実績データを複数取得するデータ取得部と、
複数の操業実績データを用いて、前記複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、前記予測モデルを生成するモデル生成部と、
を備え、
前記データ取得部により取得される前記複数の操業実績データは、コークスの押し詰まり懸念のある懸念データが、コークスの押し詰まり懸念のない正常データに比べて少ない、不均衡データであり、
前記モデル生成部は、前記懸念データに合わせて前記正常データをアンダーサンプリングした後、前記予測モデルを生成する、モデル生成装置。

【請求項2】

前記モデル生成部は、
ランダムフォレストを用いた機械学習により前記予測モデルを生成し、
前記予測モデルの機械学習において、決定木の深さ、決定木に入力する操業変数の数、及び、決定木の数のうち、少なくともいずれか１つを調整する、請求項１に記載のモデル生成装置。

【請求項3】

コークス炉においてコークスの押し詰まり懸念を発生させる要因を解析する解析装置であって、
複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、解析対象データの操業変数それぞれについて、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する寄与度算出部と、
算出された前記操業変数の寄与度を、出力装置に出力する寄与度出力部と、
を備える、解析装置。

【請求項4】

前記解析対象データの操業変数に対するコークスの押し詰まり懸念発生確率から、コークスの押し詰まりが懸念される場合に、作業者のアクションを支援する情報を生成する支援情報処理部を備え、
前記支援情報処理部は、
過去の操業データから、コークスの押し詰まり懸念のない正常データであって、前記解析対象データと類似する類似データを取得し、
前記寄与度から特定される、押し詰まり懸念を発生させる要因となる操業変数について、解析対象データの値と類似データの値とを対比させた出力情報を、前記出力装置に出力する、請求項３に記載の解析装置。

【請求項5】

前記支援情報処理部は、
前記寄与度の高い方からＫ個の操業変数の値に基づいて、前記類似データを複数のグループに分類し、
分類した前記グループから、データのばらつきとデータ数とに基づき表される信頼度の高いグループを抽出し、抽出されたグループの操業変数に基づいて、前記解析対象データにおいて変更すべき操業変数の変更値を出力する、請求項４に記載の解析装置。

【請求項6】

前記支援情報処理部は、前記信頼度に基づき抽出したグループのうち、前記Ｋ個の操業変数の値の距離が最も小さいグループの操業変数に基づいて、前記解析対象データにおいて変更すべき操業変数の変更値を出力する、請求項５に記載の解析装置。

【請求項7】

操業実績データに含まれる複数の操業変数のうち、指定された１つの操業変数を指定操業変数として、
前記寄与度算出部は、前記解析対象データが取得された窯から取得した過去の操業実績データのうち、前記解析対象データから遡って直近ｍ回の操業実績データそれぞれについて、前記予測モデルを用いて複数の操業変数の寄与度を算出し、
前記支援情報処理部は、前記指定操業変数の値の時系列データと、前記指定操業変数の寄与度の時系列データとを、前記出力装置に出力する、請求項４に記載の解析装置。

【請求項8】

操業実績データに含まれる複数の操業変数のうち、指定された１つの操業変数を指定操業変数として、
前記寄与度算出部は、前記解析対象データが取得された窯から取得した過去の操業実績データのうち、前記解析対象データから遡って直近ｍ回の操業実績データそれぞれについて、前記予測モデルを用いて複数の操業変数の寄与度を算出し、
前記支援情報処理部は、
前記直近ｍ回の操業実績データのうち、前記指定操業変数の寄与度が閾値未満であるＭ個（１≦Ｍ≦ｍ）の操業実績データを抽出し、
前記抽出したＭ個の操業実績データの指定操業変数の値に基づき求めた当該指定操業変数の変更値を出力する、請求項４に記載の解析装置。

【請求項9】

前記寄与度算出部は、ＳＨＡＰ法を用いて寄与度を算出する、請求項３～８のいずれか１項に記載の解析装置。

【請求項10】

前記寄与度算出部は、ＰＩ法を用いて寄与度を算出する、請求項３～８のいずれか１項に記載の解析装置。

【請求項11】

コークス炉におけるコークスの押し詰まり懸念の発生を予測する予測モデルを生成するモデル生成方法であって、
複数の操業変数とコークスの押し詰まり懸念の発生有無とからなる操業実績データを複数取得するデータ取得ステップと、
複数の操業実績データを用いて、前記複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、前記予測モデルを生成するモデル生成ステップと、
を含み、
前記データ取得ステップにて取得される前記複数の操業実績データは、コークスの押し詰まり懸念のある懸念データが、コークスの押し詰まり懸念のない正常データに比べて少ない、不均衡データであり、
前記モデル生成ステップでは、前記懸念データに合わせて前記正常データをアンダーサンプリングした後、前記予測モデルを生成する、モデル生成方法。

【請求項12】

コークス炉においてコークスの押し詰まり懸念を発生させる要因を解析する解析方法であって、
複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、解析対象データの操業変数それぞれについて、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する寄与度算出ステップと、
算出された前記操業変数の寄与度を、出力装置に出力する寄与度出力ステップと、
を備える、解析方法。

【請求項13】

コンピュータを、コークス炉におけるコークスの押し詰まり懸念の発生を予測する予測モデルを生成するモデル生成装置として機能させるためのコンピュータプログラムであって、
前記モデル生成装置は、
複数の操業変数とコークスの押し詰まり懸念の発生有無とからなる操業実績データを複数取得するデータ取得部と、
複数の操業実績データを用いて、前記複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、前記予測モデルを生成するモデル生成部と、
を備え、
前記データ取得部により取得される前記複数の操業実績データは、コークスの押し詰まり懸念のある懸念データが、コークスの押し詰まり懸念のない正常データに比べて少ない、不均衡データであり、
前記モデル生成部は、前記懸念データに合わせて前記正常データをアンダーサンプリングした後、前記予測モデルを生成する、コンピュータプログラム。

【請求項14】

コンピュータを、コークス炉においてコークスの押し詰まり懸念を発生させる要因を解析する解析装置として機能させるためのコンピュータプログラムであって、
前記解析装置は、
複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、解析対象データの操業変数それぞれについて、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する寄与度算出部と、
算出された前記操業変数の寄与度を、出力装置に出力する寄与度出力部と、
を備える、コンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、コークス炉におけるコークスの押し詰まり懸念の発生を予測する予測モデルを生成するモデル生成装置、モデル生成方法及びコンピュータプログラム、生成された予測モデルを用いてコークスの押し詰まり懸念を発生させる要因を解析する解析装置、解析方法及びコンピュータプログラムに関する。

【背景技術】

【0002】

コークス炉にて石炭からコークスを製造するコークス工程において、押出時の押出負荷が高い窯ではコークスの押し詰まりが発生する可能性が高いことから、押出負荷が高くなっている要因を特定し、操業を改善することが行われている。従来、人手により、複数のコークス炉の様々な要因を検討し、押出負荷が高くなる要因を特定しているが、その業務負荷は高い。また、人手による解析では、長期間のデータについて観察、比較を行い、データ間の複雑な関係性を考慮することは困難である。このため、コークスの押し詰まりが懸念される窯の操業実績データから、自動的に押出負荷が高くなる要因を特定して、作業者が速やかに操業を改善する適正なアクションを取ることができるように支援する技術が求められていた。

【0003】

例えば特許文献１には、石炭を乾留することによって発生する発生ガスの温度推移より抽出した特徴量を用いて、乾留終了後のコークスを押出す際の押出力を推定する技術が開示されている。かかる技術によれば、炭化室からコークスを押し出す際の押出力の推定精度を向上させることができ、推定された押出力に基づいて乾留終了後のコークスを押し出す際の押出力を制御することによって、コークスの押し詰まり発生を抑制できる。

【0004】

また、例えば特許文献２には、炭化室の加熱壁温度、火落時間等の操業データに基づいて、炭化室において乾留が正常に進行しているかを判断し、乾留不良と判定された炭化室の乾留不良原因に確信度を付して、確信度の順に乾留不良原因に対するアクションを指示し、アクション指示に基づき燃焼制御器への変更量を計算する技術が開示されている。かかる技術によれば、コークス炉の乾留不良炭化室を検出し、燃焼制御器を制御するための適正なアクションを指示することで、コークス品質のバラツキを低減させ、一定品質のコークスを得るとともにコークス燃焼熱効率を向上させることができる。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１２－１７２１４２号公報

【特許文献2】特公平０７－５６０２４号公報

【非特許文献】

【0006】

【非特許文献1】Lundberg,Scott M、他１名、"A unified approach to interpreting model predictions."、Advances in Neural Information Processing Systems、２０１７年１２月

【発明の概要】

【発明が解決しようとする課題】

【0007】

しかし、上記特許文献１の技術では、最大押出力値を推定する推定式を、クロスバリデーション法による線形重回帰分析により構築している。このため、多重共線性により押出力の推定精度が低下する可能性があり、押出力を適切に制御できないこともあり得る。

【0008】

また、上記特許文献２の技術では、ｉｆ－ｔｈｅｎ－ｅｌｓｅルールに基づき乾留不良原因に対して確信度を付与する。このため、人手による判定用の閾値設定及び乾留不良原因毎に付与される確信度の重みの設定が必要であり、作業負荷が残る。

【0009】

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、作業者がコークスの押し詰まりが懸念される窯に対して速やかに適正なアクションを取るための情報を提供することが可能な、モデル生成装置、解析装置、モデル生成方法、解析方法及びコンピュータプログラムを提供することにある。

【課題を解決するための手段】

【0010】

上記課題を解決するために、本発明のある観点によれば、コークス炉におけるコークスの押し詰まり懸念の発生を予測する予測モデルを生成するモデル生成装置であって、複数の操業変数とコークスの押し詰まり懸念の発生有無とからなる操業実績データを複数取得するデータ取得部と、複数の操業実績データを用いて、複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、予測モデルを生成するモデル生成部と、を備え、データ取得部により取得される複数の操業実績データは、コークスの押し詰まり懸念のある懸念データが、コークスの押し詰まり懸念のない正常データに比べて少ない、不均衡データであり、モデル生成部は、懸念データに合わせて正常データをアンダーサンプリングした後、予測モデルを生成する、モデル生成装置が提供される。

【0011】

モデル生成部は、ランダムフォレストを用いた機械学習により予測モデルを生成し、予測モデルの機械学習において、決定木の深さ、決定木に入力する操業変数の数、及び、決定木の数のうち、少なくともいずれか１つを調整してもよい。

【0012】

また、上記課題を解決するために、本発明の別の観点によれば、コークス炉においてコークスの押し詰まり懸念を発生させる要因を解析する解析装置であって、複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、解析対象データの操業変数それぞれについて、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する寄与度算出部と、算出された操業変数の寄与度を、出力装置に出力する寄与度出力部と、を備える、解析装置が提供される。

【0013】

解析装置は、解析対象データの操業変数に対するコークスの押し詰まり懸念発生確率から、コークスの押し詰まりが懸念される場合に、作業者のアクションを支援する情報を生成する支援情報処理部を備えてもよい。このとき、支援情報処理部は、過去の操業データから、コークスの押し詰まり懸念のない正常データであって、解析対象データと類似する類似データを取得し、寄与度から特定される、押し詰まり懸念を発生させる要因となる操業変数について、解析対象データの値と類似データの値とを対比させた出力情報を、出力装置に出力してもよい。

【0014】

支援情報処理部は、寄与度の高い方からＫ個の操業変数の値に基づいて、類似データを複数のグループに分類し、分類したグループから、データのばらつきとデータ数とに基づき表される信頼度の高いグループを抽出し、抽出されたグループの操業変数に基づいて、解析対象データにおいて変更すべき操業変数の変更値を出力してもよい。

【0015】

支援情報処理部は、信頼度に基づき抽出したグループのうち、Ｋ個の操業変数の値の距離が最も小さいグループの操業変数に基づいて、解析対象データにおいて変更すべき操業変数の変更値を出力してもよい。

【0016】

操業実績データに含まれる複数の操業変数のうち、指定された１つの操業変数を指定操業変数として、寄与度算出部は、解析対象データが取得された窯から取得した過去の操業実績データのうち、解析対象データから遡って直近ｍ回の操業実績データそれぞれについて、予測モデルを用いて複数の操業変数の寄与度を算出し、支援情報処理部は、指定操業変数の値の時系列データと、指定操業変数の寄与度の時系列データとを、出力装置に出力してもよい。

【0017】

また、操業実績データに含まれる複数の操業変数のうち、指定された１つの操業変数を指定操業変数として、寄与度算出部は、解析対象データが取得された窯から取得した過去の操業実績データのうち、解析対象データから遡って直近ｍ回の操業実績データそれぞれについて、予測モデルを用いて複数の操業変数の寄与度を算出し、支援情報処理部は、直近ｍ回の操業実績データのうち、指定操業変数の寄与度が閾値未満であるＭ個（１≦Ｍ≦ｍ）の操業実績データを抽出し、抽出したＭ個の操業実績データの指定操業変数の値に基づき求めた当該指定操業変数の変更値を出力してもよい。

【0018】

寄与度算出部は、ＳＨＡＰ法を用いて寄与度を算出してもよい。

【0019】

あるいは、寄与度算出部は、ＰＩ法を用いて寄与度を算出してもよい。

【0020】

また、上記課題を解決するために、本発明の別の観点によれば、コークス炉におけるコークスの押し詰まり懸念の発生を予測する予測モデルを生成するモデル生成方法であって、複数の操業変数とコークスの押し詰まり懸念の発生有無とからなる操業実績データを複数取得するデータ取得ステップと、複数の操業実績データを用いて、複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、予測モデルを生成するモデル生成ステップと、を含み、データ取得ステップにて取得される複数の操業実績データは、コークスの押し詰まり懸念のある懸念データが、コークスの押し詰まり懸念のない正常データに比べて少ない、不均衡データであり、モデル生成ステップでは、懸念データに合わせて正常データをアンダーサンプリングした後、予測モデルを生成する、モデル生成方法が提供される。

【0021】

さらに、上記課題を解決するために、本発明の別の観点によれば、コークス炉においてコークスの押し詰まり懸念を発生させる要因を解析する解析方法であって、複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、解析対象データの操業変数それぞれについて、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する寄与度算出ステップと、算出された操業変数の寄与度を、出力装置に出力する寄与度出力ステップと、を備える、解析方法が提供される。

【0022】

また、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、コークス炉におけるコークスの押し詰まり懸念の発生を予測する予測モデルを生成するモデル生成装置として機能させるためのコンピュータプログラムであって、モデル生成装置は、複数の操業変数とコークスの押し詰まり懸念の発生有無とからなる操業実績データを複数取得するデータ取得部と、複数の操業実績データを用いて、複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、予測モデルを生成するモデル生成部と、を備え、データ取得部により取得される複数の操業実績データは、コークスの押し詰まり懸念のある懸念データが、コークスの押し詰まり懸念のない正常データに比べて少ない、不均衡データであり、モデル生成部は、懸念データに合わせて正常データをアンダーサンプリングした後、予測モデルを生成する、コンピュータプログラムが提供される。

【0023】

さらに、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、コークス炉においてコークスの押し詰まり懸念を発生させる要因を解析する解析装置として機能させるためのコンピュータプログラムであって、解析装置は、複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、解析対象データの操業変数それぞれについて、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する寄与度算出部と、算出された操業変数の寄与度を、出力装置に出力する寄与度出力部と、を備える、コンピュータプログラムが提供される。

【発明の効果】

【0024】

以上説明したように本発明によれば、作業者がコークスの押し詰まりが懸念される窯に対して速やかに適正なアクションを取るための情報を提供することができる。

【図面の簡単な説明】

【0025】

【図1】本発明の一実施形態に係る解析システムの概要を示す説明図である。

【図2】同実施形態に係るモデル生成装置の一構成例を示すブロック図である。

【図3】同実施形態に係る予測モデル生成方法を示すフローチャートである。

【図4】正常データのアンダーサンプリングを実施しない場合のランダムフォレストの一構成例を示す説明図である。

【図5】正常データのアンダーサンプリングを実施した場合のランダムフォレストの一構成例を示す説明図である。

【図6】同実施形態に係る解析装置の一構成例を示すブロック図である。

【図7】ＰＩ法を用いた押し詰まり懸念を発生させる要因の特定を説明する説明図である。

【図8】解析対象データの各操業変数の寄与度の提示例を示す説明図である。

【図9】同実施形態に係る押し詰まり懸念発生要因の解析方法を示すフローチャートである。

【図10】同実施形態に係る支援情報提示方法として、支援情報の視覚化処理を示すフローチャートである。

【図11】支援情報の一提示例であって、押し詰まり懸念発生の第１要因と類似データ数との関係を示す説明図である。

【図12】支援情報の他の提示例であって、押し詰まり懸念発生の第１要因及び第２要因と押出負荷との関係を示す説明図である。

【図13】同実施形態に係る支援情報提示方法として、押し詰まり懸念発生の要因となる操業変数の変更値の算出処理を示すフローチャートである。

【図14】同実施形態に係る支援情報提示方法として、１つの操業変数の値を変更する場合の支援情報を出力するにあたり、前処理として実施される操業変数の寄与度の算出処理の一例を示すフローチャートである。

【図15】同実施形態に係る支援情報提示方法として、１つの操業変数の値を変更する場合の支援情報の出力処理の一例を示すフローチャートである。

【図16】指定された１つの操業変数の直近ｍ回における実績値及び寄与度のトレンドを表示する画面の一例を示す説明図である。

【図17】図１６に示したトレンドに基づき操業変数の変更値を決定する処理を説明するための説明図である。

【図18】モデル生成装置または解析装置として機能する情報処理装置のハードウェア構成の一例を示すブロック図である。

【発明を実施するための形態】

【0026】

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

【0027】

［１．概要］
まず、図１に基づいて本発明の一実施形態に係るコークスの押し詰まり懸念発生に関する解析を行う解析システムの概要を説明する。図１は、本発明の一実施形態に係る解析システムの概要を示す説明図である。

【0028】

本実施形態に係る解析システムは、作業者がコークスの押し詰まり懸念が懸念される窯に対して速やかに適正なアクションを取るための情報を提供するために、コークスの押し詰まり懸念発生に関する解析を行う。解析システムは、コークス炉におけるコークスの押し詰まり懸念発生を予測する予測モデルを生成するモデル生成装置と、コークスの押し詰まり懸念が発生する要因を解析する解析装置とにより構成される。

【0029】

モデル生成装置は、コークス工程の操業実績データを用いて、コークス工程にて取得される複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、予測モデルを生成する。本実施形態では、予測モデルの生成に機械学習を用いる。機械学習には、説明変数間の多重共線性に比較的頑健なランダムフォレストを用いる。なお、本発明において、機械学習とは、コンピュータを用いて、コンピュータプログラムを機能させて実行し得るタスクについて、タスクの性能を評価し、過去の経験を用いてタスクの性能を向上させることをいう。このような機械学習の手法には、例えば、本実施形態において用いるランダムフォレスト等の機械学習アルゴリズム、ロジスティック回帰等の統計手法等が含まれる。

【0030】

ここで、コークス工程で行われるコークスの押出しにおいて、コークスの押し詰まり懸念の発生は、コークスを正常に押し出すことができた場合に比べて、極めて少ない。このため、予測モデルの生成に用いる操業実績データは、コークスの押し詰まり懸念のある懸念データがコークスの押し詰まり懸念のない正常データに比べて少ない、不均衡データとなる。一方、予測モデルは、コークスの押し詰まり懸念発生確率が高く、コークスの押し詰まりの発生が懸念される操業（以下、「押し詰まり懸念操業」ともいう。）を検出することを目的として生成される。しかし、不均衡データをそのまま用いて予測モデルを生成すると、コークスの押し詰まり懸念のない操業（すなわち、正常な操業）の検出精度は高いが、コークスの押し詰まり懸念操業の検出精度は低くなることもあり得る。

【0031】

そこで、本実施形態に係るモデル生成装置では、予測モデルの生成に用いる操業実績データについて、正常データをアンダーサンプリングした後、予測モデルを生成する。これにより、予測モデルの生成に用いる操業実績データにおける懸念データの割合を高め、コークスの押し詰まり懸念操業を高精度に検出できる予測モデルを生成する。

【0032】

解析装置は、例えばモデル生成装置により生成された予測モデルを用いて、解析対象データとして入力された複数の操業変数に対するコークスの押し詰まり懸念発生確率を出力する。そして、解析対象データの押し詰まり懸念発生確率が所定の値以上のとき、解析装置は、押し詰まりの発生が懸念されると判断し、操業変数の中から押し詰まり懸念を発生させる要因となる操業変数を特定する。このとき、解析装置は、各操業変数について、コークスの押し詰まり懸念の発生に寄与する寄与度を算出し、算出した寄与度を出力装置に出力する。これにより、作業者に対して、コークスの押し詰まりが懸念される窯に対して速やかに適正なアクションを取るための情報として、押し詰まり懸念を発生させる要因となる操業変数とその寄与度を視覚的にわかりやすく提示することができる。

【0033】

さらに、解析装置は、解析対象データをコークスの押し詰まり懸念のない正常データとするために作業者の適正アクションを支援する支援情報を提示してもよい。例えば、解析装置は、解析対象データと類似する過去の操業データを類似データとして抽出し、正常な操業であった類似データに基づいて、押し詰まり懸念を発生させる要因となる操業変数の適正値を提示してもよい。解析装置が出力装置を介して操業変数の適正値を提示することで、作業者は、コークスの押し詰まりが懸念される窯に対して速やかに適正なアクションを取ることができる。

【0034】

以下、本実施形態に係る解析システムによる、予測モデル生成処理、押し詰まり懸念発生要因の解析処理、適正アクションのための支援情報提示処理について、詳細に説明する。

【0035】

［２．予測モデルの生成］
［２－１．モデル生成装置］
まず、図２に基づいて、本実施形態に係るモデル生成装置１００の構成を説明する。図２は、本実施形態に係るモデル生成装置１００の一構成例を示すブロック図である。本実施形態に係るモデル生成装置１００は、図２に示すように、データ取得部１１０と、モデル生成部１２０と、出力部１３０とを備える。

【0036】

データ取得部１１０は、複数の操業変数とコークスの押し詰まり懸念発生の有無とからなる操業実績データを複数取得する。データ取得部１１０は、過去の操業において得られた操業データが格納された操業データ記憶部５０から、所定の期間内に取得されたコークス押出時の操業データを取得する。操業データは、複数の操業変数を含む。操業データを取得する所定の期間は、予測モデルに十分な精度を持たせるために必要なデータ数が確保できる期間であればよく、例えば、最新の操業データから遡って５年、等であってもよい。

【0037】

データ取得部１１０は、複数の操業変数として、コークス工程にて取得されているすべての操業変数から少なくとも一部の操業変数を取得すればよい。予測モデルの説明変数となる操業変数には、操業知見等に基づき、設定値を変更する等のアクションを取りやすいものを選択するのが望ましい。データ取得部１１０は、複数の操業変数として、例えば、石炭装入量、石炭水分値、石炭粒度、ランスタイマー時間、炉温制御値、炉壁温度、乾留時間、等を取得する。なお、データ取得部１１０は、複数の操業変数の１つとして押出負荷を取得するが、押出負荷は、コークスの押し詰まり懸念発生確率を出力する予測モデルの説明変数には用いない。

【0038】

データ取得部１１０は、押出負荷に関する操業変数の値に基づき、コークスの押し詰まり懸念発生の有無を表すラベルを設定する。ラベルは１または０の値により表される。ラベルの設定に用いる押出負荷に関する操業変数としては、例えば炭化室のコークスを押し出す押出ラムを移動させるモータのモータ電流最大値を用いてもよい。モータ電流値の値が大きいほど、コークスの押出負荷が高く、押し詰まりの発生が懸念される。データ取得部１１０は、操業実績からコークスの押し詰まりが懸念されるときのモータ最大電流値に基づき設定された閾値を用いて、ラベルを設定する。データ取得部１１０は、モータ最大電流値が閾値を超えている場合にはラベルを「１」とし、モータ最大電流値が閾値以下の場合にはラベルを「０」とする。ラベルの値は、０～１の値を取る押し詰まり懸念発生確率に対応する。すなわち、ラベルが「１」の場合には、押し詰まり懸念発生確率が１であることを示し、ラベルが「０」の場合には、押し詰まり懸念発生確率が０であることを示している。

【0039】

データ取得部１１０は、操業データ記憶部５０から取得した複数の操業変数とコークスの押し詰まり懸念発生の有無（ラベル）とからなる複数の操業実績データを、モデル生成部１２０へ出力する。

【0040】

モデル生成部１２０は、データ取得部１１０により取得された複数の操業実績データを用いて、複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、予測モデルを生成する。本実施形態では、予測モデルの生成に機械学習を用いる。機械学習には、ランダムフォレストを用いる。

【0041】

モデル生成部１２０は、まず、操業実績データからランダムに懸念データと正常データとを抽出し、Ｎ個（Ｎは２以上の整数）のデータグループを生成する。このとき、操業実績データは、コークスの押し詰まり懸念のある懸念データがコークスの押し詰まり懸念のない正常データに比べて少ない不均衡データであることから、モデル生成部１２０は、正常データをアンダーサンプリングしてデータグループを生成する。例えば、モデル生成部１２０は、複数の操業実績データから、懸念データと正常データとを同一数ずつ抽出して、１つのデータグループを生成してもよい。これにより、予測モデルの生成において、少数である懸念データの重みを高めることができる。

【0042】

モデル生成部１２０は、Ｎ個のデータグループそれぞれについて、操業変数の一部を説明変数とし、押し詰まり懸念発生の有無（１または０）を目的変数として決定木を作成する。そして、モデル生成部１２０は、予め検証データとして用意した操業実績データを用いて、Ｎ個の決定木それぞれについて押し詰まり懸念発生の有無（１または０）を求め、その平均値を予測モデルの押し詰まり懸念発生確率（１～０の値）として求める。言い換えると、予測モデルの押し詰まり懸念発生確率は、押し詰まり懸念発生の有無「１」を出力した決定木の数をＮで割った値が平均値となる。

【0043】

その後、モデル生成部１２０は、予測モデルの性能評価を行う。予測モデルの性能評価は、例えば平均適合率（Average Precision）を用いて行ってもよい。モデル生成部１２０は、予め設定された学習回数となるまで繰り返し予測モデルを学習し、最も性能評価結果の高い予測モデルを、解析装置により用いる予測モデルとして決定する。

【0044】

出力部１３０は、モデル生成部１２０にて決定された予測モデルを、解析装置へ出力する。

【0045】

なお、モデル生成装置１００には、入力装置１０、出力装置３０が接続されていてもよい。入力装置１０は、例えば、作業者がモデル生成装置１００に対して情報を入力するための機器であって、例えばキーボード、マウス、タッチパネル等の入力機器である。出力装置３０は、モデル生成装置１００から出力された情報を作業者に提示するための機器であって、例えばディスプレイ、プリンター等の出力機器である。

【0046】

［２－２．予測モデル生成方法］
図３～図５に基づいて、本実施形態に係るモデル生成装置１００による予測モデル生成方法を説明する。図３は、本実施形態に係る予測モデル生成方法を示すフローチャートである。図４は、正常データのアンダーサンプリングを実施しない場合のランダムフォレストの一構成例を示す説明図である。図５は、正常データのアンダーサンプリングを実施した場合のランダムフォレストの一構成例を示す説明図である。

【0047】

（Ｓ１００：操業実績データ取得）
本実施形態に係る予測モデル生成方法では、まず、データ取得部１１０は、複数の操業変数とコークスの押し詰まり懸念発生の有無とからなる操業実績データを複数取得する（Ｓ１００）。データ取得部１１０は、操業データ記憶部５０から、所定の期間内に取得されたコークス押出時の操業データを取得する。データ取得部１１０は、複数の操業変数として、例えば、石炭装入量、石炭水分値、石炭粒度、ランスタイマー時間、炉温制御値、炉壁温度、乾留時間、等を取得する。また、データ取得部１１０は、操業変数として取得されたモータ最大電流値等を用いて、押し詰まり懸念発生の有無を表すラベル（１または０）を設定する。データ取得部１１０は、操業データ記憶部５０から取得した複数の操業データから得られる、複数の操業変数と設定したラベルとのデータセットである複数の操業実績データを、モデル生成部１２０へ出力する。

【0048】

（Ｓ１１０－Ｓ１７０：予測モデル学習）
次いで、モデル生成部１２０は、データ取得部１１０により取得された複数の操業実績データを用いて、例えば機械学習により、複数の操業変数を入力とし、コークスの押し詰まり懸念発生確率を出力とする、予測モデルを生成する。本実施形態では、機械学習として、ランダムフォレストを用いる。

【0049】

モデル生成部１２０は、まず、ランダムフォレストのハイパーパラメータを調整する（Ｓ１１０）。ハイパーパラメータは、機械学習モデルの構成を決定するパラメータであり、ランダムフォレストの場合、例えば、決定木の数や決定木の深さ、決定木で用いる説明変数（特徴量）の数、等である。最初のモデル学習時には、任意に設定された初期値がハイパーパラメータに設定されるが、２回目以降のモデル学習時には、モデル生成部１２０は、予め設定された刻み値でハイパーパラメータを変更する。

【0050】

決定木の数（n_estimators）は、データグループの数Ｎでもある。決定木の数が多くなるほど予測モデルの精度は向上する可能性があるが、計算時間が増加する。例えば、決定木の数は、初期値を１００として、５００～３０００程度まで１０刻みで増加させるように変更してもよい。決定木の深さ（max_depth）は、深くすればモデルの精度を向上できる可能性があるが、深くしすぎると過学習となる。例えば、決定木の深さは、初期値を１０として、３～１０程度まで１刻みで減少させるように変更してもよい。また、決定木で用いる説明変数（特徴量）の数（max_features）を調整してもよい。決定木で用いる説明変数の数は、例えば、操業実績データの説明変数の数の平方根程度の数を初期値として、操業実績データの説明変数の数～２程度まで１刻みで減少させるように変更してもよい。

【0051】

本実施形態で学習に用いる操業実績データは不均衡データであり、正常データをアンダーサンプリングすることから、１つの決定木の構築に用いる操業実績データの数は、アンダーサンプリングをしない場合に比べて少なくなる。このため、過学習する可能性が高まる。そこで、アンダーサンプリングによる過学習を抑制するため、ハイパーパラメータのうち、決定木の深さは浅くし、決定木で用いる説明変数の数は減少させ、決定木の数は増加させるように調整するのがよい。

【0052】

モデル生成部１２０は、ハイパーパラメータを調整すると、操業実績データからランダムに懸念データと正常データとを抽出し、Ｎ個のデータグループを生成する。このとき、モデル生成部１２０は、正常データをアンダーサンプリングしてデータグループを生成する（Ｓ１２０）。

【0053】

通常、ランダムフォレストでは、データのラベル（本実施形態では、押し詰まり懸念発生の有無を表すラベル（１または０））に寄らずランダムに所定数のデータを抽出し、各データグループを作成する。例えば、図４に示すように、複数の操業変数ｘ_１～ｘ_ｎ（ｎは２以上の整数）と押し詰まり懸念発生の有無ｙとからなる１００個の操業実績データを予測モデルの学習に用いるとする。図４に示す例では、１００個の操業実績データは、９８個の正常データと、２個の懸念データとからなる。ここで、１００個の操業実績データから１０個の操業実績データをランダムに抽出して各データグループを生成した場合、懸念データが含まれないデータグループが生成される可能性が高く、正常な操業の検出を優先する予測モデルが構築される可能性が高い。

【0054】

そこで、モデル生成部１２０は、少数である懸念データの重みを高めるため、正常データをアンダーサンプリングして、データグループを生成する。モデル生成部１２０は、複数の操業実績データから、懸念データと正常データとを同一数ずつ抽出して、１つのデータグループを生成してもよい。例えば、図５に示すように、１００個の操業実績データから２個の懸念データと２個の正常データとをランダムに抽出して各データグループを生成する。これにより、各決定木では、必ず懸念データが考慮されるため、正常データのみで学習してしまうリスクを回避することができ、コークスの押し詰まり懸念操業の検出精度を高めることができる。

【0055】

なお、図４及び図５の説明では、説明を簡単にするため、操業実績データの数を１００個、正常データの数を９８個、懸念データの数を２個としたが、実際に予測モデルを生成する場合には、より多くのデータが用いられる。

【0056】

また、上記説明では、懸念データと正常データとを同一数抽出してアンダーサンプリングをする例を説明したが、本発明はかかる例に限定されない。アンダーサンプリングにおいて、必ずしも懸念データと正常データとを同一数抽出しなくてもよい。例えば、全操業実績データ数が多い場合には、データグループにおける正常データの割合を懸念データの割合よりも高くしてもよい。

【0057】

具体的には、例えば１０万個の操業実績データにおいて、懸念データと正常データと比率が９８：２であり、正常データが９８０００個、懸念データが２０００個含まれているとする。この場合に、懸念データの数に合わせて正常データを同一数抽出してデータグループを生成しても、１つのデータグループには４０００個の操業実績データ（正常データ：２０００個、懸念データ：２０００個）が含まれることから、学習に十分なデータ数を確保することができる。

【0058】

一方で、例えば１０００個の操業実績データにおいて、懸念データと正常データと比率が９８：２であり、正常データが９８０個、懸念データが２０個含まれているとする。この場合に、懸念データの数に合わせて正常データを同一数抽出してデータグループを生成すると、１つのデータグループには４０個の操業実績データ（正常データ：２０個、懸念データ：２０個）しか含まれないことから、学習に十分なデータ数を確保することができない。このような場合には、データグループにおける正常データの割合を懸念データの割合よりも大きくし、学習に必要なデータ数を確保するのがよい。例えば、正常データの数を懸念データの数の３倍にして、１つのデータグループに８０個の操業実績データ（正常データ：６０個、懸念データ：２０個）が含まれるようにしてもよい。

【0059】

モデル生成部１２０は、生成したＮ個のデータグループについて、決定木による学習を実施する（Ｓ１３０）。モデル生成部１２０は、Ｎ個のデータグループそれぞれについて、操業変数の一部を説明変数とし、押し詰まり懸念発生の有無（１または０）を目的変数として決定木を作成する。

【0060】

そして、モデル生成部１２０は、予め検証データとして用意した操業実績データを用いて、Ｎ個の決定木それぞれについて押し詰まり懸念発生の有無（１または０）を求め、その平均値を予測モデルの出力、すなわち押し詰まり懸念発生確率（１～０の値）として求める（Ｓ１４０）。言い換えると、予測モデルの押し詰まり懸念発生確率は、押し詰まり懸念発生の有無「１」を出力した決定木の数をＮで割った値が平均値となる。

【0061】

その後、モデル生成部１２０は、予測モデルの性能評価を行う。予測モデルの性能評価は、例えば平均適合率（Average Precision）を用いて行ってもよい（Ｓ１５０）。そして、モデル生成部１２０は、ステップＳ１５０での予測モデルの性能評価結果に基づき、現時点で性能評価結果が最良の予測モデルをメモリに記録して保存する（Ｓ１６０）。なお、初回のモデル学習時であれば当該学習にて生成された予測モデルを保存する。２回目以降のモデル学習時では、メモリに記憶されている予測モデルの性能評価結果と今回の得られた予測モデルの性能評価結果とを比較し、性能評価結果が良い方の予測モデルを保存する。

【0062】

１回のモデル学習を終えると、モデル生成部１２０は、学習の繰り返し回数が予め設定された学習回数（設定値）となったかを判定する（Ｓ１７０）。学習回数の設定値は任意に設定すればよく、例えば１００回程度としてもよい。学習の繰り返し回数が学習回数の設定値未満の場合には（Ｓ１７０：ＮＯ）、ステップＳ１１０に戻り、ハイパーパラメータを調整し、学習の繰り返し回数が学習回数の設定値となるまで繰り返し予測モデルを学習する。そして、学習の繰り返し回数が学習回数の設定値となったとき（Ｓ１７０：ＹＥＳ）、モデル生成部１２０は、最終的にメモリに保存されている予測モデルを、最も性能評価結果の高い予測モデルとして、解析装置により用いる予測モデルとする（Ｓ１８０）。

【0063】

以上、本実施形態に係るモデル生成装置１００とこれによるモデル生成方法について説明した。本実施形態によれば、予測モデルの生成に用いる操業実績データについて、正常データをアンダーサンプリングした後、機械学習により予測モデルを生成する。これにより、予測モデルの生成に用いる操業実績データにおける懸念データの割合を高め、コークスの押し詰まりの発生懸念操業の検出精度の高い予測モデルを生成することができる。

【0064】

［３．適正アクションに向けた押し詰まり懸念発生要因の解析］
［３－１．解析装置］
次に、図６に基づいて、本実施形態に係る解析装置２００の構成を説明する。図６は、本実施形態に係る解析装置２００の一構成例を示すブロック図である。本実施形態に係る解析装置２００は、図６に示すように、寄与度算出部２１０と、寄与度出力部２２０と、支援情報処理部２３０と、を備える。なお、解析装置２００は、入力装置１０、出力装置３０と接続されており、操業データを格納する操業データ記憶部５０にも接続されている。

【0065】

寄与度算出部２１０は、解析対象データの操業変数それぞれについて、複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する。寄与度が高い操業変数は、コークスの押し詰まり懸念発生確率を高める要因であって、コークスの押し詰まり懸念を発生させる要因（以下、「押し詰まり懸念発生要因」ともいう。）と考えられる。寄与度算出部２１０は、予測モデルとして、上述したモデル生成装置１００が生成した予測モデルを用いてもよい。寄与度算出部２１０は、解析対象データとして、予測モデルの説明変数である複数の操業変数それぞれの値を予測モデルに入力し、出力値として、解析対象データに対するコークスの押し詰まり発生確率を得る。寄与度算出部２１０は、予測モデルから得られた出力値を評価することにより、解析対象データの操業変数それぞれの寄与度を算出する。

【0066】

寄与度を算出する説明手法としては、例えばＰＩ（Permutation Importance）法、ＳＨＡＰ（Shapley Additive exPlanations）法等がある。ＰＩ法、ＳＨＡＰ法により寄与度を求める際に、寄与度算出部２１０は、値を正常なものと置き換えたり（ＰＩ法）一部の操業変数を使用しなかったり（ＳＨＡＰ法）して操業変数を加工し、加工後に予測モデルを用いて出力値を求める。寄与度算出部２１０は、かかる処理を複数回実施し、加工前後の出力値を比較し差分を評価することで寄与度を算出する。

【0067】

より詳細に説明すると、ＰＩ法は、ある特徴量（操業変数）の値をデータ間でランダムにシャッフルして予測を行ったときに、どの程度予測精度が低下するかによってその特徴量（操業変数）の寄与度を判断する手法である。ＰＩ法は、例えば、１つの操業変数の値が正常分布から大きくずれてコークスの押し詰まりの発生が懸念される場合に、押し詰まり懸念発生要因となる操業変数を特定する際に有効である。

【0068】

例えば、図７に示すように、コークスの押し詰まり懸念発生確率が８０％の懸念データにおいて、１つの操業変数の値を正常データの値に置き換えて、予測モデルにより押し詰まり懸念発生確率を予測する。懸念データの石炭装入量の値を正常データの値に置き換えた場合に、押し詰まり懸念発生確率が４０％に減少すれば、石炭装入量は押し詰まり懸念発生確率を高める要因であると考えられる。また、懸念データの石炭水分値の値を正常データの値に置き換えた場合に、押し詰まり懸念発生確率が８０％のまま変化しなければ、石炭水分値は押し詰まり懸念発生確率を高める要因である可能性は低いと考えられる。このように、押し詰まり懸念発生確率の値を大きく変化させる１つの操業変数を、寄与度算出部２１０は、押し詰まり懸念発生要因として特定する。

【0069】

ＳＨＡＰ法は、シャープレイ値に基づきそれぞれの特徴量（操業変数）が予測に対してどのくらい寄与したかを示す手法である（例えば、非特許文献１）。ＳＨＡＰ法は、例えば、複数の操業変数の値が少しずつ正常分布からずれてコークスの押し詰まり発生が懸念される場合に、押し詰まり懸念発生要因となる操業変数を特定する際に有効である。

【0070】

例えば、Ｊ個の操業変数からなる学習データ群Ｘ＝（Ｘ_１，Ｘ_２，…，Ｘ_Ｊ）を用いて学習して得られた機械学習モデルをｆとする。解析対象データがｘ_ｉ＝（ｘ_ｉ，１，ｘ_ｉ，２，…，ｘ_ｉ，Ｊ）とすると、押し詰まり懸念発生確率ｆ（ｘ_ｉ）は、下記式（１）により表すことができる。ＳＨＡＰ法では、各説明変数の貢献度（寄与率）を足し算の形に分解して押し詰まり懸念発生確率ｆ（ｘ_ｉ）を表す。

【0071】

【数1】

【0072】

ここで、Φ_０はベースラインとする押し詰まり懸念発生確率である（Φ_０＝Ｅ［ｆ（Ｘ）］）。Φ_ｉ，ｊは各操業変数が変動させる押し詰まり懸念発生確率の値を示している。例えば、ｊ＝１の操業変数が乾留時間であれば、Φ_ｉ，１は乾留時間が押し詰まり懸念発生確率を何％上げるか（下げるか）を表す。また、例えば、ｊ＝２の操業変数が装入量であれば、Φ_ｉ，２は装入量が押し詰まり懸念発生確率を何％上げるか（下げるか）を表す。

【0073】

なお、ＳＨＡＰ法においても、押し詰まり懸念発生要因である操業変数が１つのみである場合も、当該要因を特定することができる。したがって、ＳＨＡＰ法によりある１つの操業変数の寄与度が突出して大きいことが判明した場合に、当該結果が正しいかどうかを確認するために、ＰＩ法により寄与度を算出してもよい。ＳＨＡＰ法により算出した寄与度が大きい操業変数が、ＰＩ法によっても寄与度が大きい場合には、当該操業変数は押し詰まり懸念発生要因である可能性が極めて高いといえる。

【0074】

寄与度算出部２１０は、このような寄与度を算出する説明手法を用いて、解析対象データの押し詰まり懸念発生確率に対して、各操業変数がどの程度影響しているかを寄与度として求める。寄与度は、用いる説明手法において定義されている算出式（例えば、ＳＨＡＰ法では上記式（１））を用いて算出し得る。寄与度算出部２１０は、算出した解析対象データの各操業変数の寄与度を、寄与度出力部２２０へ出力する。

【0075】

寄与度出力部２２０は、算出された操業変数の寄与度を、出力装置３０に対して出力する。寄与度出力部２２０は、例えば図８に示すように、横軸に操業変数名、縦軸に寄与度を示した棒グラフにより、各操業変数の寄与度を示してもよい。このように、各操業変数の押し詰まり懸念発生確率への影響を、定量的に、かつ、視覚的に提示することで、作業者は提示された情報から、押し詰まり懸念発生要因となる操業変数を容易に特定することができる。

【0076】

支援情報処理部２３０は、解析対象データをコークスの押し詰まり懸念のない正常データとするために、作業者の適正アクションを支援する支援情報を提示する。支援情報処理部２３０は、例えば、解析対象データの操業変数に対するコークスの押し詰まり懸念発生確率から、コークスの押し詰まりの発生が懸念される場合に、作業者のアクションを支援する支援情報を生成する。具体的には、支援情報処理部２３０は、操業データ記憶部５０に格納されている操業データから、正常データであって、かつ、解析対象データに類似する類似データを取得して、取得した類似データから、解析対象データをコークスの押し詰まり懸念のない正常データとするために変更すべき操業変数の値を求め、出力装置３０に出力してもよい。支援情報処理部２３０による支援情報提示処理の詳細については後述する。

【0077】

［３－２．押し詰まり懸念発生要因の解析方法］
図９に基づいて、本実施形態に係る解析装置２００による押し詰まり懸念発生要因の解析方法を説明する。図９は、本実施形態に係る押し詰まり懸念発生要因の解析方法を示すフローチャートである。

【0078】

本実施形態に係る押し詰まり懸念発生要因の解析方法では、まず、解析装置２００の寄与度算出部２１０は、解析対象データである複数の操業変数の値の入力を受け付ける（Ｓ２００）。解析対象データは、例えば、作業者が入力装置１０を用いて指定した操業実績データである。指定された操業実績データの操業変数の値が、解析対象データの操業変数の値として、操業データ記憶部５０から寄与度算出部２１０に入力される。

【0079】

寄与度算出部２１０は、解析対象データが入力されると、解析対象データの操業変数それぞれについて、複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する（Ｓ２１０）。寄与度算出部２１０は、例えばＰＩ法、ＳＨＡＰ法等の説明手法により、寄与度を算出する。

【0080】

そして、寄与度出力部２２０は、寄与度算出部２１０により算出された、解析対象データの各操業変数の寄与度を、出力装置３０に出力する（Ｓ２２０）。出力装置３０は、寄与度出力部２２０から出力された各操業変数の寄与度を、例えば図８に示したような棒グラフによって表してもよい。

【0081】

以上、本実施形態に係る押し詰まり懸念発生要因の解析方法について説明した。本実施形態に係る押し詰まり懸念発生要因の解析方法によれば、各操業変数について、コークスの押し詰まり懸念の発生に寄与する寄与度を算出し、算出した寄与度を出力装置に出力する。これにより、作業者に対して、コークスの押し詰まりが懸念される窯に対して速やかに適正なアクションを取るための情報として、押し詰まり懸念発生要因となる操業変数とその寄与度を視覚的にわかりやすく提示することができる。

【0082】

［３－３．支援情報提示方法］
次に、図１０～図１３に基づいて、本実施形態に係る解析装置２００による支援情報提示方法を説明する。図１０は、本実施形態に係る支援情報提示方法として、支援情報出力処理を示すフローチャートである。図１１は、支援情報の一提示例であって、押し詰まり懸念発生の第１要因と類似データ数との関係を示す説明図である。図１２は支援情報の他の提示例であって、押し詰まり懸念発生の第１要因及び第２要因と押出負荷との関係を示す説明図である。図１３は、本実施形態に係る支援情報提示方法として、押し詰まり懸念発生要因となる操業変数の変更値の算出処理を示すフローチャートである。

【0083】

（１）支援情報の出力処理
まず、図１０に基づいて、支援情報の出力処理を説明する。支援情報の出力処理では、図９に示した押し詰まり懸念要因の解析方法により求めた操業変数の寄与度から、押し詰まり懸念発生要因となる操業変数について、解析対象データの値と正常操業時の値との対比を視覚的にわかりやすく示す。解析対象データの値と正常操業時の値とを対比させた出力情報をディスプレイ等に表示させることにより、解析対象データの値が正常操業時の値からどの程度乖離しているかを、視覚的に作業者に示すことができる。作業者は、解析対象データの値を正常操業時の値に近づけるようなアクションをとることで、押し詰まり懸念の発生を回避することができる。

【0084】

まず、支援情報処理部２３０は、解析対象データの操業変数の寄与度から、押し詰まり懸念の発生に最も寄与する第１要因の操業変数及び２番目に寄与する第２要因の操業変数以外の操業変数に基づいて、操業データ記憶部５０に格納されている操業データから操業変数の値が類似する類似データを取得する（Ｓ３００）。類似データとして取得する操業データは、押し詰まり懸念のなかった正常データのみとする。

【0085】

ここで、支援情報処理部２３０は、第１要因の操業変数の値に基づき、取得した類似データの数の分布を出力装置３０に出力してもよい。例えば、図８において寄与度が最大の「操業変数８」が、解析対象データの押し詰まり懸念発生の第１要因であったとする。このとき、支援情報処理部２３０は、例えば図１１に示すように、第１要因である「操業変数８」に対する類似データの数の分布を提示してもよい。例えば、「操業変数８」が時間に関する操業変数である場合、図１１は、所定の単位時間幅で区分した複数の時間範囲それぞれに含まれる「操業変数８」の類似データの数を示している。図１１の横軸に示す時間ａｉ（ｉ＝０，１，２，・・・）は、所定の単位時間幅毎の時間を示している。

【0086】

図１１に示す分布からは、解析対象データと類似する正常データは、「操業変数８」がａ７～ａ８の時間範囲にあるものが最も多いことがわかる。また、解析対象データの「操業変数８」の値を当該分布に示してもよい。図１１では解析対象データの「操業変数８」の値を直線（▼の位置）で示している。これにより、作業者は、解析対象データと類似する正常データの多い「操業変数８」の時間範囲を視覚的に認識することができる。また、作業者は、解析対象データの押し詰まり懸念発生の第１要因について、解析対象データに類似する正常データの値との差を認識することができる。

【0087】

次いで、支援情報処理部２３０は、ステップＳ３００にて取得した類似データから、第１要因の操業変数及び第２要因の操業変数と、押出負荷との関係を表す散布図を生成する（Ｓ３１０）。

【0088】

支援情報処理部２３０は、まず、第１要因の操業変数及び第２要因の操業変数それぞれについて、値が取り得る区間を等間隔に区分して、複数の領域を生成する。例えば、解析対象データの押し詰まり懸念発生の第１要因が図１１に示した「操業変数８」であり、第２要因が図８において寄与度が２番目に大きい「操業変数９」であったとする。ここで、「操業変数９」も、時間に関する操業変数であり、時間ｂｉ（ｉ＝０，１，２，・・・）が所定の単位時間幅毎の時間を示しているものとする。支援情報処理部２３０は、図１２に示すように、横軸に第１要因である「操業変数８」の時間範囲をとり、時間ａ０～ａ２５の時間範囲を所定のデータ間隔（図１２では単位時間幅×５）で区画する。また、縦軸に第２要因である「操業変数９」の時間範囲をとり、時間ｂ０～ｂ７の時間範囲を所定のデータ間隔（図１２では単位時間幅）で区画する。これにより、３５領域が生成される。

【0089】

そして、支援情報処理部２３０は、生成した領域それぞれに対して押出負荷に関する情報を示す。押出負荷に関する情報は、押出負荷そのものであってもよく、押出ラムのモータ最大電流値等であってもよい。支援情報処理部２３０は、各領域の押出負荷に関する情報として、領域に含まれる類似データの押出負荷に関する情報の平均値あるいは代表値を算出する。そして、支援情報処理部２３０は、第１要因及び第２要因を区画して生成された各領域に、算出した押出負荷に関する情報を示す。

【0090】

例えば、図１２に示すように、押出負荷に関する情報を、第１要因及び第２要因を区画して生成された各領域の色によって表してもよい。図１２では、領域の色の濃淡によって押出負荷に関する情報を表しており、領域の色が濃いほど押出負荷が大きいことを示している。例えば「操業変数８」が時間ａ１５～ａ２０、「操業変数９」が時間ｂ４～ｂ５の領域Ｑにある類似データでは、他の類似データに比べて押出負荷が高くなっていることがわかる。

【0091】

さらに、支援情報処理部２３０は、ステップＳ３１０にて生成した散布図に対して、解析対象データをプロットし、出力装置３０へ出力する（Ｓ３２０）。図１２に示す散布図には、解析対象データの「操業変数８」及び「操業変数９」の時間位置に●がプロットされている。解析対象データがプロットされた領域は比較的押出負荷が高いが、「操業変数８」及び「操業変数９」の値を、押出負荷の低い領域（例えば、領域Ｒ）の値に変更すれば、押出負荷を低減できると考えられる。このように、解析対象データと類似する正常データとの関係を提示することにより、作業者は、コークスの押し詰まり懸念発生の主要因である操業変数の値をどの程度変更すれば、押出負荷を低減できるかを把握することができる。

【0092】

（２）操業変数の変更値リコメンド処理
次に、図１３に基づいて、支援情報として操業変数の変更値をリコメンドする処理について説明する。操業変数の変更値リコメンド処理では、図９に示した押し詰まり懸念発生要因の解析方法により求めた操業変数の寄与度から、正常な操業を実現するために、押し詰まり懸念発生要因となる操業変数の値をどの程度変更すればよいかを提示する。操業変数の変更値を提示することにより、作業者は、速やかに適正なアクションをとることができ、押し詰まり懸念の発生を回避することができる。

【0093】

まず、支援情報処理部２３０は、解析対象データの操業変数の寄与度から、押し詰まり懸念発生に最も寄与する第１要因～第Ｋ要因の操業変数以外の操業変数に基づいて、操業データ記憶部５０に格納されている操業データから操業変数の値が類似する類似データを取得する（Ｓ４００）。Ｋは２以上の整数であり、その値は任意に設定すればよい。例えば、Ｋは２、３程度の値としてもよい。類似データとして取得する操業データは、押し詰まり懸念のなかった正常データのみとする。

【0094】

次いで、支援情報処理部２３０は、ステップＳ４００にて取得した類似データを、第１要因～第Ｋ要因の操業変数の値に基づき複数のグループに分類する（Ｓ４１０）。そして、支援情報処理部２３０は、類似データを分類した各グループのうち、信頼度が閾値以上のグループを、解析対象データの第１要因～第Ｋ要因の操業変数の値を変更する値の候補グループとする（Ｓ４２０）。ここで、グループの信頼度は、解析対象データの第１要因～第Ｋ要因の操業変数の値を変更するにあたり参考となる度合いであり、分類されている類似データの数が多く、かつ、分類されている類似データの値のばらつきが小さいグループほど信頼度は高い。グループの信頼度は、例えば下記式（２）にて表される。

【0095】

信頼度＝１／（１．９６×２×σ／√ｎ） ・・・（２）
ここで、σ： グループ内標準偏差
ｎ： グループ内データ数
１．９６：９５％信頼区間のＴ統計量

【0096】

上記式（２）は、９５％信頼区間の幅（すなわち、｛（ｘ_ａｖｅ＋１．９６×σ／√ｎ）－（ｘ_ａｖｅ－１．９６×σ／√ｎ）｝＝１．９６×２×σ／√ｎ）の逆数である。なお、ｘ_ａｖｅは、グループ内平均押出負荷である。９５％信頼区間の幅が小さいほどグループ内データのばらつきが小さいといえることから、９５％信頼区間の幅の逆数を信頼度と定義する。支援情報処理部２３０は、上記式（２）を用いて各グループの信頼度を算出し、算出した信頼度が予め設定された閾値よりも大きいグループを候補グループとする。

【0097】

その後、支援情報処理部２３０は、候補グループの中から、グループ内平均押出負荷が予め設定された閾値未満の正常操業グループを抽出する（Ｓ４３０）。閾値は、良好な操業での押出負荷の値としてもよい。これにより、正常な操業が行われたグループ（正常操業グループ）を特定する。

【0098】

そして、支援情報処理部２３０は、ステップＳ４３０にて抽出した正常操業グループについて、解析対象データの第１要因～第Ｋ要因の操業変数の値との距離をそれぞれ算出し（Ｓ４４０）、最小距離の正常操業グループの操業変数の値に基づいて解析対象データの第１要因～第Ｋ要因の操業変数の変更値を求め、出力装置３０に出力する（Ｓ４５０）。解析対象データの操業変数の変更値は、解析対象データの操業変数の値と、最小距離の正常操業グループの操業変数の値との差分をとることで求められる。解析対象データの操業変数の値を、解析対象データに最も近い正常操業グループの操業変数の値に近づけることにより、操業変数の値の変更を最小限にとどめることができる。

【0099】

［３－４．１つのアクションに対する支援］
本実施形態に係る解析装置２００は、コークスの押し詰まり懸念発生要因を解析し、作業者がコークスの押し詰まりが懸念される窯に対して速やかに適正なアクションを取ることを支援する支援情報を提示することができる。例えば、解析装置２００は、図１３に基づき説明したように、解析対象データを、当該解析対象データと類似する過去の操業における正常データとを比較して、信頼度を保持した上で、押出負荷を低減するための第１要因～第Ｋ要因の操業変数の変更値を出力する。操業変数の値をかかる変更値だけ変更すれば、速やかに押出負荷を正常な値とすることが期待される。

【0100】

一方で、値の変更が必要となる操業変数は最大Ｋ個ある。また、操業変数の変更値はなるべく小さく設定されるものの、設備の能力や操業条件等によっては１回のアクションでは変更することができない大きさの変更値となっていることもあり得る。さらに、作業者の要望により、１つの操業変数の値のみ変更したいこともある。例えば、押し詰まりが懸念される窯に対して押出負荷を低減する最良のアクションをとるよりも、応急的にある程度まで押出負荷を低減した方がよい場合には、作業を簡易にするため１つの操業変数の値のみ変更することが望ましい場合もある。

【0101】

そこで、解析装置２００は、値の変更が必要な操業変数の数が多い場合や、１回のアクションでは設定された変更値まで変更できない場合、作業者の要望により１つの操業変数の値のみ変更したい場合等に、どの操業変数の値をどの程度変更したらよいかを提示するようにしてもよい。

【0102】

以下、図１４～図１７に基づいて、１つの操業変数の値を変更する場合における解析装置２００の支援情報の出力処理について説明する。図１４は、１つの操業変数の値を変更する場合の支援情報を出力するにあたり、前処理として実施される操業変数の寄与度の算出処理の一例を示すフローチャートである。図１５は、１つの操業変数の値を変更する場合の支援情報の出力処理の一例を示すフローチャートである。図１６は、指定された１つの操業変数の直近ｍ回における実績値及び寄与度のトレンドを表示する画面の一例を示す説明図である。図１７は、図１６に示したトレンドに基づき操業変数の変更値を決定する処理を説明するための説明図である。

【0103】

（１）前処理（操業変数の寄与度の算出）
１つの操業変数の値を変更する場合の支援情報を出力するために、まず、解析対象データについて操業変数の寄与度を算出するとともに、解析対象データが取得された窯の過去の操業実績データについて操業変数の寄与度を算出する。

【0104】

図１４に示すように、解析装置２００の寄与度算出部２１０は、解析対象データである複数の操業変数の値と、解析対象データが取得された窯の過去の操業実績データの操業変数の値との入力を受け付ける（Ｓ５００）。

【0105】

解析対象データは、例えば、作業者が入力装置１０を用いて指定した操業実績データである。ステップＳ５００では、図９のステップＳ２００と同様に、指定された操業実績データの操業変数の値が、解析対象データの操業変数の値として、操業データ記憶部５０から寄与度算出部２１０に入力される。

【0106】

解析対象データが取得された窯の過去の操業実績データは、解析対象データに関連付けられた窯を特定するための情報（例えば、各窯に対して付与された固有の窯番号）に基づき、操業データ記憶部５０から寄与度算出部２１０に入力される。寄与度算出部２１０には、解析対象データから遡って直近ｍ回の操業実績データの操業変数の値が入力される。解析対象データから遡って寄与度算出部２１０に入力される過去の操業実績データの数ｍは、複数であればよく、例えばｍ＝５程度としてもよい。また、過去の操業実績データの数ｍは、予め作業者によって設定されていてもよく、解析装置２００にて自動的に設定してもよい。過去の操業実績データの数ｍは、配合変更や設備補修タイミングを考慮して解析対象データを取得したときの操業と大きく操業状態が変化しない範囲で設定される値であり、適宜変更可能な値である。

【0107】

次いで、寄与度算出部２１０は、まず、ステップＳ５００にて入力された解析対象データの操業変数それぞれについて、複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを用いて出力値を評価することにより、コークスの押し詰まり懸念の発生に寄与する寄与度を算出する（Ｓ５１０）。ステップＳ５１０は、図９のステップＳ２１０と同様に実施すればよい。寄与度算出部２１０は、例えばＰＩ法、ＳＨＡＰ法等の説明手法により、寄与度を算出する。

【0108】

そして、寄与度出力部２２０は、寄与度算出部２１０により算出された、解析対象データの各操業変数の寄与度を、出力装置３０に出力する（Ｓ５２０）。ステップＳ５２０は、図９のステップＳ２２０と同様に実施すればよい。出力装置３０は、寄与度出力部２２０から出力された各操業変数の寄与度を、例えば図８に示したような棒グラフによって表してもよい。

【0109】

一方、寄与度算出部２１０は、ステップＳ５００にて入力された、解析対象データが取得された窯の過去の操業実績データの操業変数の値に基づき、ステップＳ５１０と同様に予測モデルを用いてコークスの押し詰まり懸念の発生に寄与する寄与度を算出する（Ｓ５３０）。寄与度算出部２１０は、ｍ個の過去の操業実績データについて、それぞれ操業変数の寄与度を算出する。そして、寄与度算出部２１０は、ステップＳ５３０にて算出したｍ個の過去の操業実績データそれぞれの操業変数の寄与度を、解析装置２００の記憶部（図示せず。）に記録し保持する（Ｓ５４０）。

【0110】

このように、１つの操業変数の値を変更する場合の支援情報を出力するにあたり、前処理として、解析対象データの操業変数の寄与度に加え、ｍ個の過去の操業実績データにおける操業変数の寄与度が算出される。図１４に示した寄与度の算出処理では、例えば、解析対象データについてｎ個の操業変数の寄与度が算出され、ｍ個の過去の操業実績データについてそれぞれｎ個の操業変数の寄与度が算出される。

【0111】

（２）支援情報の出力処理
次に、図１５に基づいて、１つの操業変数の値を変更する場合の支援情報の出力処理の一例を説明する。なお、図１５に示すフローチャートの処理は、図１３に示した操業変数の変更値リコメンド処理が実施された後に行われるものとする。また、以下の説明では、変更対象とする１つの操業変数を「指定操業変数」ともいう。

【0112】

（Ｓ６００－Ｓ６２０：指定操業変数の設定）
１つの操業変数の値を変更する場合の支援情報を出力する場合、解析装置２００の支援情報処理部２３０は、まず、変更対象となる指定操業変数を設定する。

【0113】

例えば、作業者によって変更対象とする１つの操業変数が指定される場合がある。この場合には、作業者が指定した操業変数を指定操業変数として設定する。作業者は、予め指定操業変数を指定しておいてもよく、解析装置２００からの指定操業変数の有無の確認を受けてから指定操業変数を指定してもよい。

【0114】

予め指定操業変数を指定しておく場合には、作業者は、例えば入力装置１０を用いて指定操業変数を入力する。指定操業変数が入力されると、解析装置２００は、指定された指定操業変数を記憶部（図示せず。）に記憶する。

【0115】

また、解析装置２００からの確認を受けて作業者が指定操業変数を指定する場合には、解析装置２００は、例えば出力装置３０に指定操業変数を設定するための設定画面を表示させ、作業者に対して指定操業変数を設定するかを確認する。作業者は、指定操業変数を設定する場合には、入力装置１０を用いて指定操業変数とする１つの操業変数を当該設定画面に入力する。指定操業変数が入力されると、解析装置２００は、指定された指定操業変数を記憶部（図示せず。）に記憶する。なお、指定操業変数を設定しない場合には、作業者は、入力装置１０を用いて、例えば当該設定画面に表示されている設定不要通知ボタンを押下して、指定操業変数は設定不要であることを解析装置２００に送信してもよい。

【0116】

支援情報処理部２３０は、このように作業者から指定された指定操業変数の有無を確認する（Ｓ６００）。具体的には、支援情報処理部２３０は、例えば記憶部（図示せず。）に指定操業変数が記録されているかを確認する。記憶部に指定操業変数が記録されている場合には（Ｓ６００：ＹＥＳ）、出力する支援情報を選択するステップＳ６３０の処理へ進む。一方、記憶部に指定操業変数が記録されていない場合には（Ｓ６００：ＮＯ）、支援情報処理部２３０は、図１３に示した操業変数の変更値リコメンド処理が実施された結果から、指定操業変数の設定が必要か否かを作業者に確認する（Ｓ６１０）。

【0117】

まず、支援情報処理部２３０は、操業変数の変更値リコメンド処理が実施された結果から、最適アクションとして提示された操業変数の変更値が所定の閾値よりも大きいかどうかを判定する。各操業変数それぞれに対しては、例えば、装入量の最大変更値はＸＸトン、石炭水分の最大変更値はＹＹ％、等のように、１回のアクションで変更可能な最大変更値が予め設定されている。支援情報処理部２３０は、操業変数の最大変更値を閾値として、図１３のステップＳ４５０にて出力された第１要因～第Ｋ要因の操業変数の変更値が閾値よりも大きいか否かをそれぞれ判定することができる。

【0118】

また、支援情報処理部２３０は、最適アクションとして提示された第１要因～第Ｋ要因の操業変数の値を変更することについて、複数の操業変数の値を同時に実行できるか否かを判定する。例えば設備状態等により、ある操業変数については、他の操業変数の値の変更と同時に値を変更することができないこともあり得る。このように値を単独で変更しなければいけない操業変数については、作業者等によって予め記憶部（図示せず。）に記録しておく。これにより、支援情報処理部２３０は、第１要因～第Ｋ要因の操業変数に、値を単独で変更しなければいけない操業変数が含まれているか否かを判定し得る。

【0119】

そして、支援情報処理部２３０は、最適アクションとして提示された操業変数の変更値が所定の閾値よりも大きい操業変数があると判定したとき、または、第１要因～第Ｋ要因の操業変数の値を同時に変更できないと判定したときには（Ｓ６１０：ＹＥＳ）、指定操業変数を作業者に設定させる（Ｓ６２０）。例えば、支援情報処理部２３０は、出力装置３０に指定操業変数を設定するための設定画面を表示させ、作業者に指定操業変数を設定させる。作業者は、入力装置１０を用いて、指定操業変数とする１つの操業変数を当該設定画面に入力する。指定操業変数が入力されると、解析装置２００は、指定された指定操業変数を記憶部（図示せず。）に記憶する。

【0120】

ステップＳ６２０において、支援情報処理部２３０は、ステップＳ６１０の判定結果を設定画面に表示させてもよい。例えば、支援情報処理部２３０は、第１要因～第Ｋ要因の操業変数のうち変更値が閾値より大きくなっている操業変数や、単独で値を変更しなければいけない操業変数を、設定画面に表示させてもよい。例えば、単独で値を変更しなければいけない操業変数がある場合には、作業者は、単独で値を変更する必要のある操業変数の値を変更するか、あるいは、それ以外の操業変数の値を変更するかを選択する必要がある。ステップＳ６１０の判定結果を設定画面に表示させることで、作業者は、第１要因～第Ｋ要因の操業変数のうちどの操業変数を指定操業変数として設定すべきかを判断するための情報として活用することができる。

【0121】

なお、ステップＳ６１０において、最適アクションとして提示された操業変数の変更値が所定の閾値よりも大きい操業変数がなく、かつ、第１要因～第Ｋ要因の操業変数の値を同時に変更可能な場合には（Ｓ６１０：ＮＯ）、１つの操業変数の値を変更するための支援情報は不要である。このとき、支援情報処理部２３０は、図１５に示す処理を終了する。

【0122】

（Ｓ６３０：支援情報の選択）
指定操業変数が設定されると、支援情報処理部２３０は、作業者に対して支援情報の種類を選択させる（Ｓ６３０）。本例では、１つの操業変数の値を変更する場合の支援情報として、指定操業変数の実績値及び寄与度の時系列データであるトレンドと、指定操業変数の変更値のリコメンド情報とを出力し得る。そこで、支援情報処理部２３０は、作業者に対して支援情報の種類を選択させ、選択された支援情報を出力するための処理を実行するようにしてもよい。

【0123】

例えば、支援情報処理部２３０は、出力装置３０に支援情報の種類を選択するための選択画面を表示させ、作業者に支援情報の種類を選択させる。例えば、選択画面にプルダウンを表示させ、プルダウンのリストに、指定操業変数の実績値及び寄与度のトレンドを選択する「トレンド」と、指定操業変数の変更値のリコメンド情報を選択する「リコメンド」とを表示させる。作業者は、入力装置１０を用いて、プルダウンから支援情報の種類を選択する。支援情報の種類が選択されると、解析装置２００は、選択された支援情報を出力する処理を実行する。

【0124】

（Ｓ６４０：トレンド出力）
ステップＳ６３０にて支援情報としてトレンドが選択されると、支援情報処理部２３０は、指定操業変数の実績値及び寄与度のトレンドを出力装置３０に出力する（Ｓ６４０）。指定操業変数の実績値のトレンドは、図１４のステップＳ５００にて操業データ記憶部５０から解析装置２００に入力された直近ｍ回における操業実績データの指定操業変数の値を時系列に示したものである。指定操業変数の寄与度のトレンドは、図１４のステップＳ５３０にて算出され、記憶部（図示せず。）に記録されている、直近ｍ回の操業実績データの指定操業変数の寄与度を時系列に示したものである。出力装置３０は、支援情報処理部２３０から入力された情報に基づいて、指定操業変数の実績値及び寄与度のトレンドを出力する。

【0125】

図１６は、出力装置３０により表示される、指定操業変数の直近ｍ回における実績値及び寄与度のトレンドを表示する画面６００の一例である。図１６に示す画面６００には、解析対象データから遡って直近ｍ回分の実績値を時系列に示した実績値トレンド６１０と、解析対象データから遡って直近ｍ回分の寄与度を時系列に示した寄与度トレンド６２０とが表示されている。出力装置３０を介してこのようなトレンドを作業者に提示することにより、作業者は、指定操業変数の実績値と寄与度がどのように変化しているか、寄与度が低いときにはどのような実績値となっているかを把握することができる。その結果、作業者は、コークスの押し詰まりが懸念される窯に対して、指定操業変数の値をどのように変更させるのがよいかを決定しやすくなる。

【0126】

なお、図１６の画面６００には、指定操業変数を選択する指定操業変数選択エリア６３０を表示させてもよい。指定操業変数選択エリア６３０では、指定操業変数名を例えばプルダウンのリストから選択することができる。作業者が入力装置１０を用いてプルダウンから指定操業変数を選択すると、解析装置２００は、選択された指定操業変数の実績値トレンド６１０及び寄与度トレンド６２０を画面６００に表示する。このように、トレンドを表示させたい指定操業変数を選択可能にすることにより、作業者は、所望の操業変数の実績値トレンド６１０及び寄与度トレンド６２０を容易に確認することができる。

【0127】

（Ｓ６５０－Ｓ６６０：リコメンド情報出力）
一方、ステップＳ６３０にて支援情報としてリコメンド情報が選択されると、支援情報処理部２３０は、適切な指定操業変数の変更値を特定し、出力装置３０に出力する。

【0128】

まず、支援情報処理部２３０は、指定操業変数の寄与度について、解析対象データから操業変数データを時系列に遡り、寄与度が所定の閾値未満である少なくとも１つの操業実績データを抽出する（Ｓ６５０）。すなわち、支援情報処理部２３０は、直近ｍ回における操業実績データから、寄与度が所定の閾値未満であるＭ個（１≦Ｍ≦ｍ）の操業実績データを抽出する。寄与度の閾値は予め適宜設定することができ、その操業変数が押し詰まり懸念発生要因と思われるときの寄与度の値に基づき設定し得る。例えば、寄与度が０～１の値を取り得るとき、閾値は０．０５程度としてもよい。

【0129】

そして、支援情報処理部２３０は、ステップＳ６５０にて抽出したＭ個の操業変数データの指定操業変数の実績値に基づき求めた値を、リコメンドする指定操業変数の変更値として、出力装置３０に出力する（Ｓ６６０）。すなわち、支援情報処理部２３０は、１つの操業変数の値を、過去の操業において押し詰まり懸念発生要因とはなっていないときの値に戻すように、変更値を決定する。

【0130】

指定操業変数の変更値は、例えばステップＳ６５０にて抽出したＭ個の操業変数データのうち、最も直近の操業変数データの指定操業変数の実績値としてもよい。もしくは、指定操業変数の変更値は、ステップＳ６５０にて抽出したＭ個の操業変数データのうち、最も直近の操業変数データから遡って、連続して指定操業変数の寄与度が閾値未満となっている複数の操業変数データの実績値に基づき算出される値（例えば、平均値）を、指定操業変数の変更値としてもよい。

【0131】

具体例として、図１６に示した指定操業変数の実績値トレンド６１０及び寄与度トレンド６２０に基づき、リコメンド情報を出力した例を図１７に示す。まず、支援情報処理部２３０は、図１７に示す寄与度トレンド６２０を時系列に遡り、寄与度が所定の閾値未満であるＭ個の操業実績データを抽出する。図１７の例では、最も直近で寄与度が閾値未満であったのは、解析対象データから３回前（ｍ＝３）の時点である。このとき、支援情報処理部２３０は、解析対象データから３回前（ｍ＝３）の操業実績データを抽出し、そのときの実績値をリコメンドする指定操業変数の変更値として出力してもよい。もしくは、図１７の例では、解析対象データから３回前（ｍ＝３）から５回前（ｍ＝５）まで、連続して指定操業変数の寄与度が閾値未満となっている。そこで、支援情報処理部２３０は、３回前（ｍ＝３）から５回前（ｍ＝５）までの操業実績データの指定操業変数の実績値の平均値を、指定操業変数の変更値として出力してもよい。

【0132】

このとき、支援情報処理部２３０は、指定操業変数の変更値のみを出力装置３０に出力させてもよく、例えば図１７に示すように、指定操業変数の実績値トレンド６１０及び寄与度トレンド６２０とともに指定操業変数の変更値を出力装置３０に出力させてもよい。図１７では、指定操業変数の変更値としてリコメンドする実績値を吹き出し６４０にて表示している。図１７に示すように指定操業変数の実績値トレンド６１０及び寄与度トレンド６２０とともに指定操業変数の変更値を出力することで、作業者は、指定操業変数の変更値とともに、指定操業変数の実績値と寄与度の変化を把握でき、リコメンドされた指定操業変数の変更値がどの操業実績データに基づくものであるかも把握できる。

【0133】

以上、１つの操業変数の値を変更する場合における解析装置２００の支援情報の出力処理について説明した。かかる処理によれば、値の変更が必要な操業変数の数が多い場合や、１回のアクションでは設定された変更値まで変更できない場合、作業者の要望により１つの操業変数の値のみ変更したい場合等に、どの操業変数の値をどの程度変更したらよいかを決定するための情報を作業者に提示することができる。これにより、作業者は、最良のアクションではないものの押出負荷を少しでも低減させるアクションをとることができ、押し詰まり懸念の発生を回避することができる。

【0134】

以上、本実施形態に係る支援情報提示方法について説明した。本実施形態に係る支援情報提示方法によれば、解析対象データをコークスの押し詰まり懸念のない正常データとするために作業者の適正アクションを支援する支援情報を提示することができる。これにより、作業者は、コークスの押し詰まりが懸念される窯に対して速やかに適正なアクションを取ることができる。

【0135】

［４．ハードウェア構成］
図１８に基づいて、本実施形態に係るモデル生成装置１００及び解析装置２００のハードウェア構成について説明する。図１８は、本実施形態に係るモデル生成装置１００または解析装置２００として機能する情報処理装置９００のハードウェア構成の一例を示すブロック図である。

【0136】

情報処理装置９００は、ＣＰＵ（Central Processing Unit）９０１等の１または複数のハードウェアプロセッサ、ＲＡＭ（Random Access Memory）９０５、ＲＯＭ（Read Only Memory）９０３等の１または複数のメモリを具備し、メモリに格納される１または複数のプログラムが１または複数のハードウェアプロセッサにより実行されることで各種の演算を実行する。また、情報処理装置９００は、バス９０７と、入力Ｉ／Ｆ９０９と、出力Ｉ／Ｆ９１１と、ストレージ装置９１３と、ドライブ９１５と、接続ポート９１７と、通信装置９１９とを含む。

【0137】

例えば、ＣＰＵ９０１は、演算処理装置及び制御装置として機能する。ＣＰＵ９０１は、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１３、またはリムーバブル記録媒体９２５に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムあるいは演算パラメータ等を記憶する。ＲＡＭ９０５は、ＣＰＵ９０１が使用するプログラム、あるいは、プログラムの実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるバス９０７により相互に接続されている。バス９０７は、ブリッジを介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バス、ＰＣＩ Ｅｘｐｒｅｓｓ（登録商標）などの外部バスに接続されている。

【0138】

なお、演算処理装置及び制御装置は、ＣＰＵ９０１以外に、ＰＬＣ（Programmable Logic Controller）によって実現してもよいし、ＡＳＩＣ（Application Specific Integrated Circuit）等の専用のハードウェアによって実現してもよい。

【0139】

入力Ｉ／Ｆ９０９は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ及びレバー等の、ユーザが操作する操作手段である入力装置９２１からの入力を受け付けるインタフェースである。入力Ｉ／Ｆ９０９は、例えば、ユーザが入力装置９２１を用いて入力した情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路等として構成されている。入力装置９２１は、例えば、赤外線あるいはその他の電波を利用したリモートコントロール装置、あるいは、情報処理装置９００の操作に対応したＰＤＡ等の外部機器９２７であってもよい。情報処理装置９００のユーザは、入力装置９２１を操作し、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。

【0140】

出力Ｉ／Ｆ９１１は、入力された情報を、ユーザに対して視覚的または聴覚的に通知可能な出力装置９２３へ出力するインタフェースである。出力装置９２３は、例えば、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置およびランプ等の表示装置であってもよい。あるいは、出力装置９２３は、スピーカ及びヘッドホン等の音声出力装置や、プリンター、移動通信端末、ファクシミリ等であってもよい。出力Ｉ／Ｆ９１１は、出力装置９２３に対して、例えば、情報処理装置９００により実行された各種処理にて得られた処理結果を出力するよう指示する。具体的には、出力Ｉ／Ｆ９１１は、表示装置に対して情報処理装置９００による処理結果を、テキストまたはイメージで表示するよう指示する。また、出力Ｉ／Ｆ９１１は、音声出力装置に対し、再生指示を受けた音声データ等のオーディオ信号をアナログ信号に変換して出力するよう指示する。

【0141】

ストレージ装置９１３は、情報処理装置９００の記憶部の１つであり、データ格納用の装置である。ストレージ装置９１３は、例えば、ＨＤＤ（Hard Disk Drive）等の磁気記憶デバイス、ＳＳＤ（Solid State Drive）等の半導体記憶デバイス、光記憶デバイスまたは光磁気記憶デバイス等により構成される。ストレージ装置９１３は、ＣＰＵ９０１が実行するプログラム、プログラムの実行により生成された各種データ、及び、外部から取得した各種データ等を格納する。

【0142】

ドライブ９１５は、記録媒体用リーダライタであり、情報処理装置９００に内蔵あるいは外付けされる。ドライブ９１５は、装着されているリムーバブル記録媒体９２５に記録されている情報を読み出し、ＲＡＭ９０５に出力する。また、ドライブ９１５は、装着されているリムーバブル記録媒体９２５に情報を書き込むことも可能である。リムーバブル記録媒体９２５は、例えば、磁気ディスク、光ディスク、光磁気ディスクまたは半導体メモリ等である。具体的には、リムーバブル記録媒体９２５は、ＣＤメディア、ＤＶＤメディア、Ｂｌｕ－ｒａｙ（登録商標）メディア、コンパクトフラッシュ（登録商標）（CompactFlash：ＣＦ）、フラッシュメモリ、ＳＤメモリカード（Secure Digital memory card）等であってもよい。また、リムーバブル記録媒体９２５は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Integrated Circuit card）または電子機器等であってもよい。

【0143】

接続ポート９１７は、機器を情報処理装置９００に直接接続するためのポートである。接続ポート９１７は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ｅＳＡＴＡ（external Serial Advanced Technology Attachment）、ＳＡＳ（Serial Attached SCSI（Small Computer System Interface））ポート等である。情報処理装置９００は、接続ポート９１７に接続された外部機器９２７から、直接各種データを取得したり外部機器９２７に各種データを提供したりすることができる。例えば接続ポート９１７を介して、アラーム情報を通知するための回転灯等のアラーム通知装置を接続してもよい。また、外部機器９２７として、ＮＡＳ（Network Attached Storage）を接続し、記憶装置として用いてもよい。

【0144】

通信装置９１９は、例えば、通信網９２９に接続するための通信デバイス等で構成された通信インタフェースである。通信装置９１９は、例えば、有線または無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）またはＷＵＳＢ（Wireless USB）用の通信カード等である。また、通信装置９１９は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデム等であってもよい。通信装置９１９は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。例えば、通信装置９１９を介して、情報処理装置９００を操作するためのコンピュータを接続することもできる。また、通信装置９１９に接続される通信網９２９は、有線または無線によって接続されたネットワーク等により構成されている。例えば、通信網９２９は、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信等である。

【0145】

以上、情報処理装置９００のハードウェア構成の一例を示した。上述の各構成要素は、汎用的な部材を用いて構成されてもよく、各構成要素の機能に特化したハードウェアにより構成されてもよい。情報処理装置９００のハードウェア構成は、本実施形態を実施する時々の技術レベルに応じて適宜変更可能である。

【0146】

また、本実施形態に係るモデル生成装置１００及び解析装置２００について、各機能を実現するためのコンピュータプログラムを作製し、パーソナルコンピュータ等に実装することも可能である。また、このようなコンピュータプログラムが格納された、コンピュータで読み取り可能な記録媒体も提供することができる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリなどである。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信してもよい。

【0147】

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

【0148】

例えば、上記実施形態では、モデル生成装置１００と解析装置２００とは別の装置として説明したが、本発明はかかる例に限定されない。例えば、モデル生成装置１００及び解析装置２００を１つの装置として構築してもよい。

【0149】

また、上記実施形態では、ランダムフォレストを用いて、複数の操業変数を入力としコークスの押し詰まり懸念発生確率を出力とする予測モデルを生成したが、本発明はかかる例に限定されない。例えば、ロジスティック回帰等のように、入力される説明変数の値から押し詰まり懸念確率を出力することの可能な他の機械学習手法を用いて、予測モデルを生成してもよい。なお、ランダムフォレストは、説明変数同士に相関があり多重共線性の問題を回避できる木構造のアルゴリズムであり、過学習を回避して予測精度も高いことから、本発明の予測モデルを構築するための手法として適している。

【符号の説明】

【0150】

１０ 入力装置
３０ 出力装置
５０ 操業データ記憶部
１００ モデル生成装置
１１０ データ取得部
１２０ モデル生成部
１３０ 出力部
２００ 解析装置
２１０ 寄与度算出部
２２０ 寄与度出力部
２３０ 支援情報処理部
６００ 画面
６１０ 実績値トレンド
６２０ 寄与度トレンド
６３０ 指定操業変数選択エリア
６４０ 吹き出し
９００ 情報処理装置

【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】