工序監(jiān)視診斷裝置的制造方法
【技術領域】
[0001] 本發(fā)明的實施方式涉及工序監(jiān)視診斷裝置。
【背景技術】
[0002] 在下水處理工序、污泥消化工序、凈水工序、供配水工序等水處理/水運用工序、 石油化學工序、或者半導體制造工序等工序的運轉管理中，謀求在實現(xiàn)工序的規(guī)定目標性 能的基礎上還能夠實現(xiàn)與節(jié)能、節(jié)約成本相關的運用。
[0003] 這里，作為規(guī)定目標性能的例子，在下水處理工序中能夠舉出排放水質(zhì)基準的遵 守，在污泥消化工序中能夠舉出生成能（甲烷、氫等）的穩(wěn)定的產(chǎn)生，在凈水工序中能夠舉 出基于消毒、殺菌等的供配水水質(zhì)基準的遵守，在石油化學工序中能夠舉出石油等精制產(chǎn) 品成品率的規(guī)定目標值的達成，在半導體制造工序中能夠舉出半導體產(chǎn)品成品率的規(guī)定目 標值的達成等。
[0004] 并且，作為節(jié)能、節(jié)約成本運用的例子，在下水處理工序中能夠舉出鼓風機、栗的 驅動電力、藥品注入量的削減，在污泥消化工序中能夠舉出生成能效率的最大化，在凈水工 序中能夠舉出藥品注入量的最小化，在石油化學工序、半導體制造工序中能夠舉出成品率 的最大化等。
[0005] 為此，運轉管理上的要點在于：監(jiān)視與目標性能相關的工序的狀態(tài)以免陷入無法 實現(xiàn)規(guī)定目標的狀態(tài)，快速檢測阻礙規(guī)定目標的實現(xiàn)那樣的狀態(tài)變化、異常狀態(tài)而預先采 取對策。并且，為了在以規(guī)定目標的實現(xiàn)作為制約的基礎上進行與節(jié)能、節(jié)約成本相關的運 用，需要將與目標性能、節(jié)能、節(jié)約成本相關的工序狀態(tài)始終保持在良好的狀態(tài)，快速檢測 欲從良好的狀態(tài)脫離的工序狀態(tài)變化。
[0006] 作為診斷這樣的工序的狀態(tài)變化、異常的方法，公知有主要在石油化學工 序的領域中發(fā)展起來的被稱為"多變量統(tǒng)計解析手法"的多變量統(tǒng)計的工序監(jiān)視 (MSPC:Multi-VariateStatisticalProcessControl)的方法。作為在MSPC中最常利用 的手法，公知有主成分分析（PCA:PrincipalComponentAnalysis)和潛在變量投影法/偏 最小二乘法（PLS:ProjectiontoLatentStructure/PartialLeastSquare) 〇
[0007]PCA和PLS這兩個代表手法的共通點（類似點）和不同點主要為以下兩點。
[0008] 共通點：從多個計測數(shù)據(jù)利用工序數(shù)據(jù)間的相關信息生成多個概要統(tǒng)計量的時間 序列數(shù)據(jù)，利用所生成的少數(shù)統(tǒng)計量數(shù)據(jù)檢測工序狀態(tài)的變化，隨后推定稱為其因素的變 量。在PCA中、PLS中，概要統(tǒng)計量的生成方法的考慮方法是共通的，大多生成相關強的數(shù) 據(jù)集合（數(shù)據(jù)的部分空間），并使用該部分空間內(nèi)的數(shù)據(jù)的分布指標即被稱為T2統(tǒng)計量的 統(tǒng)計量、和從該部分空間的偏尚指標即被稱為Q統(tǒng)計量的統(tǒng)計量。
[0009] 不同點：在PCA中，將用于構建監(jiān)視診斷模型的監(jiān)視項目（變量）全部以同等地位 對待，并不區(qū)分說明變量（輸入）和結果變量（輸出），但在PLS中區(qū)分說明變量（輸入） 和結果變量（輸出）。
[0010] 即，雖然使用了PCA的診斷手法和使用了PLS的診斷手法是相互類似的診斷手 法，但根據(jù)是否區(qū)分輸入輸出而分開使用。例如，在半導體工序、石油化學工序等的生產(chǎn)線 中，欲診斷最終的產(chǎn)品品質(zhì)（結果變量/輸出）的優(yōu)劣（~正常/異常），但在難以在線計 測該產(chǎn)品品質(zhì)的情況下、或盡管能夠計測但其可靠性低的情況下，多使用PLS、與此關聯(lián)的 PCR(主成分回歸）等進行診斷。
[0011] 特別是，在多個說明變量/輸入彼此的相關弱而相互的獨立性高的情況下，有時 使用經(jīng)典的MLR(多元回歸分析）。另一方面，當欲以通用的方式檢測、診斷在工廠可能產(chǎn)生 的各種異常狀態(tài)的情況下，主要使用PCA。
[0012] 例如，在上下水處理工序中，會產(chǎn)生如下的各種異常：傳感器漂移，傳感器故障、傳 感器維護，栗、鼓風機、閥等設備的老化，栗、鼓風機、閥等設備的異常停止（也包括因誤操 作而導致的停止），流入水質(zhì)、取水水質(zhì)的異常，毒物朝流入水、取水的混入，排放水質(zhì)、供給 水質(zhì)的異常，工序的各種處理異常，各種控制系統(tǒng)的異常，等等，但是，能夠以通用的方式檢 測上述異常，并在辨別屬于哪種類型的異常時使用基于PCA的診斷。
[0013] 現(xiàn)有技術文獻
[0014] 專利文獻
[0015] 專利文獻1 :日本特開平7 - 068905號公報
[0016] 專利文獻2 :日本特開2003 - 096467號公報
[0017] 專利文獻3 :日本特開2005 - 249816號公報
[0018] 非專利文獻
[0019]非專利文獻 1:MiaHubert,PeterJ.Rousseeuw,KarlienV，"ROBPCA:aNew ApproachtoRobustPrincipalComponentAnalysis(2005)'，Technometrics
[0020] 非專利文獻 2:CCroux,ARuiz-Gazen，Highbreakdownestimatorsfor principalcomponents:theprojection-pursuitapproachrevisited,Journalof MultivariateAnalysis
[0021] 非專利文獻 3 :K. -R.Muller,S.Mika,G.Ratsch,K.Tsuda,andB.Scholkopf.An introductiontokernel-basedlearningalgorithms.IEEETrans.PatternAnal. MachineIntell. , 12(2):181-201,March2001.
[0022] 非專利文獻 4 :B.Scholkopf,A.J.Smola,andK.-R.Muller.Nonlinear componentanalysisasakerneleigenvalueproblem.NeuralComputati on, 10(5) : 1299-1319, 1998.
[0023]非專利文獻 5 :C.Rosen"MonitoringWastewaterTreatmentSystems"，Lie. Thesis,Dept,ofIndustrialElectricalEngineeringandAutomation,Lund University,Lund,Sweden(1998)

【發(fā)明內(nèi)容】

[0024] 發(fā)明所要解決的課題
[0025] 如上所述，雖然能夠將區(qū)分結果變量和說明變量的基于PLS的手法、以及不區(qū)分 結果變量和說明變量的基于PCA的手法分開使用，但當欲在實際的工廠實現(xiàn)診斷系統(tǒng)時， 有時會面對如下那樣的課題。
[0026] 課題1:雖然欲區(qū)分結果變量和說明變量而進行診斷，但難以預先選定結果變量 和說明變量，欲在開發(fā)診斷系統(tǒng)的同時定義結果變量和說明變量。
[0027] 課題2:在工廠運用時欲根據(jù)狀況而適當?shù)厍袚Q所應監(jiān)視的結果變量。
[0028] 課題3:雖然并非欲必須確定結果變量而進行診斷，但并不想進行不必要的診斷。 例如，在傳感器處于維護中而成為異常狀態(tài)的狀況下，不需要發(fā)出報警。即，并不想過度地 進行通用的異常診斷，而欲僅進行幾個與結果變量關聯(lián)的異常診斷。
[0029] 具體地進行說明。在實際的診斷系統(tǒng)開發(fā)的初始階段，較多的情況為，僅僅存在 "欲開發(fā)出能夠達成規(guī)定目標性能且與節(jié)能、節(jié)約成本運用關聯(lián)的診斷系統(tǒng)"這樣的抽象且 籠統(tǒng)的要求。以下水處理工序為例，規(guī)定性能是指"遵守排放水質(zhì)"，節(jié)能、節(jié)約成本運用與 "能夠減少栗、鼓風機、攪拌機等的動力成本、藥品費等的藥品成本、或者污泥處置費等處理 成本的運用"等對應。
[0030] 但是，在開發(fā)初始階段，有時僅僅存在這樣的籠統(tǒng)的要求，并不明確應當將目標鎖 定為其中的哪個。為了使之明確化，大致需要依次明確以下的項目。
[0031] (1)對于管理處理場的管理者來說優(yōu)先順位高的要求是哪個？
[0032] (2)在優(yōu)先順位高的要求中，預計效果最高的具體的目標是哪個？
[0033] (3)對于所鎖定的目標，以哪個變量作為結果變量進行監(jiān)視即可？
[0034] (4)會對結果變量帶來影響的說明變量的候補是哪個？
[0035] 在實際的開發(fā)中，僅進行一次上述步驟開發(fā)就結束的情況很少，大多情況下需要 反復進行（1)~（4)。并且，（3)~（4)的步驟有時也需要局部地多次反復進行。此外，很 多情況下，（1)的優(yōu)先順位會根據(jù)工廠管理者、工廠運轉狀況而變化，與此對應需要頻繁地 變更⑵~⑷的步驟。
[0036] 在這樣的狀況下，若使用區(qū)分結果變量和說明變量的PLS(以及PCR、MLR)而構建 診斷模型，則診斷模型的構建極其耗費開發(fā)工時，伴隨于此開發(fā)成本增加。除此之外，在伴 隨著與工廠的運轉狀況、工廠管理者的喜好對應而進行的作為性能指標的結果變量的變更 的情況下，需要反復構建相對于多個結果變量的診斷模型，診斷模型的維護需要大量的勞 力和成本。
[0037] 并且，為了與這樣的情形對應，需要能夠進行診斷模型的構建的專業(yè)技術人員專 職對應，但從技術管理的觀點出發(fā)，構建（多人的）專家能夠專職進行某一確定工廠的診斷 系統(tǒng)開發(fā)的組織結構這一情況在實際上大多非常困難。結果，無論使用了多變量解析的診 斷技術在原理上多么優(yōu)異，但這些診斷技術朝多方面的工業(yè)領域的普及受到阻礙的可能性 也很高。
[0038] 另一方面，在基于PCA的方法中，由于并不區(qū)分結果變量和說明變量，因此無需構 建多個模型，姑且開發(fā)出一個診斷系統(tǒng)即可，與基于PLS的方法相比較，診斷模型的維持所 耗費的成本小。但是，與PLS相比較，基于PCA的方法并不適合作為著眼于某一確定的結果 變量的診斷方法。
[0039] 本發(fā)明就是鑒于上述的情況而完成的，其目的在于提供一種以不區(qū)分結果變量和 說明變量的基于PCA的工序異常診斷系統(tǒng)為基礎、并且在適當指定結果變量的情況下能夠 提取出與該結果變量強烈關聯(lián)的因素變量的工序監(jiān)視診斷裝置。
[0040] 用于解決課題的手段
[0041] 實施方式的工序監(jiān)視診斷裝置為一種具有能夠以規(guī)定的周期計測對象工序的狀 態(tài)量、操作量的至少兩個工序傳感器的、監(jiān)視任意的工序的工序監(jiān)視診斷裝置，具備：收據(jù) 收集、保存單元，收集由上述工序傳感器計測的多個計測變量的時間序列數(shù)據(jù)并預先保持； 主成分運算單元，能夠利用不區(qū)分輸入和輸出的多變量解析定義與上述計測變