2023/7/11（火）13:10-14:20
小金井キャンパス 4 号館 3 階 336 室
13:15-14:30 「Control With Limited Process Information」 プロセス情報の制限での制御
Dr. Yuri A.W. Shardt,
Professor, Department of Automation Engineering, Technical University of Ilmenau, Germany
With the increasing interconnections in chemical plants, the need for accurate control becomes more important. However, accurate control requires accurate process information. Unfortunately, such highly accurate information may not always be available, for example, the concentration of multiphase mixtures can be difficult to measure online sensors. Instead, the most accurate values are obtained using laboratory analysis, which not only takes time, but cannot be performed as often as would be required. One common solution is the use of soft sensors that take the available process information and provide a forecast or prediction of the difficult-to-measure variables. Soft sensors are essentially a mathematical model relating the easy-to-measure variables with the difficult-to-measure variables. These models are developed using methods ranging from simple regression analysis to the most complex machine learning and artificial intelligence. However, not only must the models be accurate, but the configuration of the soft-sensor system within the overall process must be considered. An improper configuration can lead to poor overall soft-sensor forecasts. Additional concerns include updating the models as the underlying process changes over time. Such methods such as adaptive learning, just-in-time modelling, or re-identification can be considered. This presentation will focus on providing an overview of soft sensors, their application, and future directions
化学プラントにおける相互接続の増加に伴い、正確な制御の必要性がより重要になっている。ただし、正確な制御には正確なプロセス情報が必要です。残念ながら、このような非常に正確な情報が常に得られるとは限らない。例えば、多相混合物の濃度はオンラインセンサーの測定が困難な場合がある。代わりに、最も正確な値は、時間がかかるだけでなく、必要とされるほど頻繁には実行できないラボ分析を使用して取得されます。一般的な解決策の1つは、利用可能なプロセス情報を取得し、測定困難な変数の予測または予測を提供するソフトセンサの使用である。ソフトセンサは基本的に、測定しやすい変数と測定しにくい変数を関連付ける数学モデルである。これらのモデルは、単純な回帰分析から最も複雑な機械学習や人工知能まで、さまざまな方法を使用して開発されています。しかし、モデルが正確であるだけでなく、プロセス全体の中でソフトセンサーシステムの構成を考慮する必要があります。不適切な設定は、全体的なソフトセンサーの予測を悪くする可能性があります。その他の懸念事項としては、基礎となるプロセスが時間の経過とともに変化するため、モデルを更新することが挙げられる。適応学習、ジャストインタイムモデリング、再同定などの方法が考えられる。本プレゼンテーションでは、ソフトセンサの概要とその応用、今後の方向性について説明します。
