JP7501561B2 - プラントシステム、プラント制御方法及びプラント制御プログラム - Google Patents

Description

本発明は、プラントシステム、プラント制御方法及びプラント制御プログラムに関する。

石油、石油化学、化学、ガスなどを用いた各種プラントでは、安全操業を行うために、様々な施策が行われている。例えば、プラントの操業に用いられる設備、装置、センサなどの各種機器を監視する監視技術、各種機器の実測値などを用いてプラントの運転制御を行うための制御値の算出やプラントの状態を予測するシミュレーション技術などが知られている。

特開２０１９－２２０２２０号公報 特開２００４－３６２２５６号公報 特開２０１８－１１２８２９号公報 特開２０２０－１４０２５３号公報

しかしながら、上記のシミュレーション技術では、プラント内で得られるデータのみを用いて設定値が決定されるので、必ずしも設定値が適切であると限らない側面がある。なぜなら、プラントが設置される環境、需要と供給の状況、原料の価格変化等のプラント外で生じる要因により、運転計画の見直しなどが迫られる一面があるからである。

さらに、上記のシミュレーション技術で決定された設定値がプラントの操業に反映されるタイミングも適切であるとは言い難い一面もある。なぜなら、プラントの操業に設定値がどのようなタイミングで反映されるのが適切であるのかは、プラント内の要因ばかりでなく、プラント外の要因の影響も受ける一面があるからである。

これらの点から、上記のシミュレーション技術では、必ずしもプラントの好ましい操業状態を実現することができない側面がある。

本発明は、プラントのより好ましい操業状態を実現することを目的とする。

本発明の一側面にかかるプラントシステムは、プラントとクラウドサーバとを備えるプラントシステムであって、前記クラウドサーバは、前記プラントから第１情報を取得し、前記プラント以外のソースから第２情報を取得する取得部と、前記第１情報及び第２情報に基づいて、前記プラントの設定値と、前記設定値を前記プラントに反映させるための第１条件とを決定する決定部と、前記設定値及び前記第１条件を前記プラントに送信する送信部とを含み、前記プラントは、前記設定値及び前記第１条件に基づいて操業する。

本発明の一側面にかかるプラント制御方法では、クラウドサーバが、プラントから第１情報を取得し、前記プラント以外のソースから第２情報を取得し、前記第１情報及び第２情報に基づいて、前記プラントの設定値と、前記設定値を前記プラントに反映させるための第１条件とを決定し、前記設定値及び前記第１条件を前記プラントに送信し、前記プラントが、前記設定値及び前記第１条件に基づいて操業する。

本発明の一側面にかかるプラント制御プログラムは、クラウドサーバに、プラントから第１情報を取得し、前記プラント以外のソースから第２情報を取得し、前記第１情報及び第２情報に基づいて、前記プラントの設定値と、前記設定値を前記プラントに反映させるための第１条件とを決定し、前記設定値及び前記第１条件を前記プラントに送信する、処理をクラウドサーバに実行させる。

一実施形態によれば、プラントのより好ましい操業状態を実現できる。

統合管理システムの全体構成例を示す図である。 統合管理システムの処理の流れを示す図である。 ＣＩサーバの機能構成を示す機能ブロック図である。 プラント制御処理の手順を示すフローチャートである 取得部の動作例を示す模式図である。 決定部の動作例を示す模式図である。 シミュレータへのプロセス値の入力例を示す模式図である。 取得部の動作例を示す模式図である。 決定部の動作例を示す模式図である。 ハードウェア構成例を説明する図である。

以下、添付図面を参照して本願に係るプラントシステム、プラント制御方法及びプラント制御プログラムの実施形態について説明する。各実施形態には、あくまで１つの例や側面を示すに過ぎず、このような例示により数値や機能の範囲、利用シーンなどは限定されない。そして、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

＜全体構成＞
図１は、統合管理システム１の全体構成例を示す図である。図１に示すように、統合管理システム１は、ＣＩ（Collaborative Information）サーバ１０を有し、複数のプラント５それぞれとネットワークＮを介して接続される。なお、ネットワークＮは、専用線、インターネット、ＬＴＥ（Long Term Evolution）網など各種通信網を採用することができる。

統合管理システム１は、複数のプラント５を統合的に管理するシステムであり、物理サーバで実現することもでき、クラウドシステムを利用した仮想マシンなどで実現することもできる。

ＣＩサーバ１０は、プラント５内の様々な機器やシステムに接続され、それらを統合的に管理するクラウドサーバなどの情報処理装置の一例である。具体的には、ＣＩサーバ１０は、リモートオペレーション環境の提供、意思決定支援のサービス提供、プラント全体の統合操作監視環境の提供を実行する。

例えば、リモートオペレーション環境は、プラント５ごとに、プラントの状態等を管理する監視システムを提供し、アラームの報知、オペレータへの通知などのサービスを提供する。意思決定支援は、プラント５ごとに、プラント５の状態やプラント５内の制御値をシミュレーションし、シミュレーション結果に基づいて、プラント５の運転制御やオペレータ通知などのサービスを提供する。統合操作監視環境は、複数のプラント５を統合的に監視し、複数のプラント５全体でプラントによる生成物の管理、供給制御、コスト管理などのサービスを提供する。このように、ＣＩサーバ１０は、指定ユーザへの警告報知や各種情報の送信、生産活動全体の情報管理の最適化と安全で効果的な操業の支援を実行することもできる。

各プラント５は、石油、石油化学、化学、ガスなどを用いた各種プラントの一例であり、生成物を得るためのさまざまな施設を備える工場等を含む。生成物の例は、ＬＮＧ（液化天然ガス）、樹脂（プラスチック、ナイロン等）、化学製品等である。施設の例は、工場施設、機械施設、生産施設、発電施設、貯蔵施設、石油、天然ガス等を採掘する井戸元における施設等である。

プラント５内は、図示しない分散制御システム（Distributed Control Systems：DCS）などを用いて構築され、設備５ａ、フィールド機器５ｂ、センサ５ｃなどの運転制御が実行される。例えば、プラント５内の制御システムが、プラント５で利用されるプロセスデータを用いて、制御を行う対象の設備に設置されたフィールド機器５ｂなどの制御機器や、制御を行う対象の設備に対応する操作機器などに対して各種制御を実行する。

なお、設備５ａには、例えば警報等を発報するスピーカなどの警報器やプラント５で生成される生成物の運搬に利用される運搬路などが含まれる。フィールド機器５ｂには、モータ及びアクチュエータなどによって駆動されるバルブ、ポンプ及びファン等などが含まれる。センサ５ｃには、圧力センサ、温度センサ、流量センサ、ｐＨセンサ、速度センサ、加速度センサ等などのように、例えば物理量を取得、検出、測定する機器が含まれる。

また、プラント５内で発生し、ＣＩサーバ１０で収集されるデータには、プロセス値ＰＶ、設定値ＳＶ及び操作値ＭＶなどの制御データが含まれる。プロセス値ＰＶは、プラント５におけるプロセスの状態を示すデータである。プロセス値ＰＶは、例えば対応するフィールド機器５ｂによって取得される。プロセス値ＰＶの例は、圧力、温度、流量、ｐＨ値、速度及び加速度等である。

設定値ＳＶは、プラント５におけるプロセス値ＰＶの目標を示すデータ（目標値）である。設定値ＳＶは、例えばプラント５の運転制御を実行するシミュレーションに与えられ、プラント５の制御に供される。設定値ＳＶの例は、プロセス値ＰＶと同様に、圧力、温度、流量、ｐＨ、速度及び加速度等である。操作値ＭＶは、プラント５における操作を示すデータである。操作値ＭＶは、例えば対応するフィールド機器５ｂから取得されたり、シミュレーション実行後にフィールド機器５ｂに与えられたりする。与えられた操作値ＭＶに従って、フィールド機器５ｂが動作する。操作値ＭＶの例は、バルブ操作量（例えばバルブ開度）、ポンプ操作量及びファン操作量等である。

このようなシステム構成の下、ＣＩサーバ１０は、プラント５の操業に用いられる設備５ａ、フィールド機器５ｂ、センサ５ｃなどの各種機器から、機器の状態を示す属性情報が付与された、プラント５の操業に関するデータを取得する。そして、ＣＩサーバ１０は、取得されたデータの属性情報ごとに、データを分類し、分類された属性情報ごとのデータを用いて、プラント５の操業を実行できる。

ここで、本実施形態に係る統合管理システム１は、図２に示す処理を実行することにより、プラント５のより好ましい操業状態を実現する。図２は、統合管理システム１の処理の流れを示す図である。図２には、あくまで一例として、３つのプラント５のうち１つのプラント５に対する制御を抜粋して示すが、ＣＩサーバ１０が制御対象とするプラント５は１つに限定されない。

図２に示すように、ＣＩサーバ１０は、プラント５からフィールド機器５ｂの現状の設定値などの第１情報を取得する（ステップＳ１Ａ）。また、ＣＩサーバ１０は、プラント５以外のソースであるプラント外ソース７からプラント５で製造中の製品の販売量及び需要予測、並びに天気予報などの第２情報を取得する（ステップＳ１Ｂ）。

ここで、ＣＩサーバ１０は、ステップＳ１Ａで取得された第１情報及びステップＳ１Ｂで取得された第２情報に基づいて、プラント５の設定値と、設定値をプラント５に反映させるための第１条件を決定する（ステップＳ２）。その上で、ＣＩサーバ１０は、ステップＳ２で決定された設置値および第１条件をプラント５に送信する（ステップＳ３）。そして、プラント５は、ステップＳ３で送信された設置値および第１条件に基づいて操業する（ステップＳ４）。

このように、ＣＩサーバ１０は、プラント５に反映させる設定値を第１情報および第２情報に基づいて決定するので、プラント５が設置される環境、需要と供給の状況、原料の価格変化等のプラント５外で生じる要因に応じて設定値を決定できる。さらに、ＣＩサーバ１０は、プラント５に設定値を反映させるための第１条件を第１情報および第２情報に基づいて決定するので、プラント５内の要因ばかりでなく、プラント５外の要因の影響も込みで第１条件を決定できる。

したがって、本実施形態に係る統合管理システム１によれば、プラント５のより好ましい操業状態を実現できる。

＜機能構成＞
図３は、ＣＩサーバ１０の機能構成を示す機能ブロック図である。なお、ここでは、一例として、ＣＩサーバ１０が、リモートオペレーション環境の提供、意思決定支援のサービス提供、プラント全体の統合操作監視環境の提供を実行する例で説明するが、各サービスは別々の装置で実行されてもよい。

通信制御部１１は、プラント５の機器などの他の装置との間の通信を制御する機能部である。あくまで一例として、通信制御部１１は、ＬＡＮカードなどのネットワークインタフェースカードにより実現され得る。１つの側面として、通信制御部１１は、プラント５から第１情報を受け付けたり、プラント外ソース７から第２情報を受け付けたりする。他の側面として、通信制御部１１は、フィールド機器５ｂなどの設定値をプラント５へ出力する。

記憶部１３は、各種のデータを記憶する機能部である。あくまで一例として、記憶部１３は、ＣＩサーバ１０の内部、外部または補助のストレージにより実現される。例えば、記憶部１３は、第１情報１３Ａおよび第２情報１３Ｂを記憶する。なお、第１情報１３Ａおよび第２情報１３Ｂの説明は、第１情報１３Ａおよび第２情報１３Ｂが記憶部１３に保存される説明と併せて行うこととする。

制御部１５は、ＣＩサーバ１０の全体制御を行う機能部である。例えば、制御部１５は、ハードウェアプロセッサにより実現され得る。図３に示すように、制御部１５は、取得部１５Ａと、決定部１５Ｂと、送信部１５Ｃとを有する。なお、制御部１５は、ハードワイヤードロジックなどにより実現されてもよい。

取得部１５Ａは、プラント５から第１情報を取得し、プラント以外のソースから第２情報を取得する処理部である。例えば、第１情報は、プラント５におけるフィールド機器５ｂの現状の設定値などであってよい。また、第２情報は、製造中の製品の販売量及び需要予測、並びに天気予報などの情報であってよい。このように取得される第１情報および第２情報は、記憶部１３に記憶された第１情報１３Ａおよび第２情報１３Ｂへ追加して保存される。

決定部１５Ｂは、第１情報及び第２情報に基づいて、プラント５の設定値と、設定値をプラント５に反映させるための第１条件とを決定する処理部である。あくまで一例として、第１条件は、設定値の変更をプラントに反映させるタイミングなどであってよい。ここで言う「タイミング」は、必ずしも時間やそれに準ずるものに限らず、プラント５に関連する任意の条件であってよい。

送信部１５Ｃは、設定値及び第１条件をプラント５に送信する処理部である。あくまで一例として、送信部１５Ｃは、決定部１５Ｂにより設定値及び第１条件が決定された段階で設定値及び第１条件をプラント５に送信することができる。この場合、第１条件を満たすか否かの条件判定は、プラント５に委ねることができる。他の一例として、送信部１５Ｃは、決定部１５Ｂにより決定された第１条件を満たすか否かを監視し、第１条件を満たす段階で設定値をプラント５に送信することもできる。この場合、第１条件を満たすか否かの条件判定は、ＣＩサーバ１０に委ねることができる。

＜処理の流れ＞
図４は、プラント制御処理の手順を示すフローチャートである。図４に示すように、取得部１５Ａは、プラント５から第１情報を取得すると共に、プラント外ソース７から第２情報を取得する（ステップＳ１０１およびステップＳ１０２）。

このようにステップＳ１０１で取得された第１情報およびステップＳ１０２で取得された第２情報は、記憶部１３に記憶された第１情報１３Ａおよび第２情報１３Ｂへ追加して保存される（ステップＳ１０３）。

ここで、決定部１５Ｂは、ステップＳ１０５およびステップＳ１０６の処理を実行するトリガーとして規定された条件を満たすか否かを判定する（ステップＳ１０４）。このような「条件」の例として、一定周期、例えば１時間周期などで処理を実行する設定がなされている場合、前回の実行から一定周期が経過したか否かが判定される。この他、定時、例えば９時、１２時、１８時などで処理を実行する設定がなされている場合、時刻が定時であるか否かが判定される。

このような規定の条件を満たす場合（ステップＳ１０４Ｙｅｓ）、決定部１５Ｂは、第１情報及び第２情報に基づいて、プラント５の設定値と、設定値をプラント５に反映させるための第１条件とを決定する（ステップＳ１０５およびステップＳ１０６）。その後、送信部１５Ｃは、設定値及び第１条件をプラント５に送信し（ステップＳ１０７）、ステップＳ１０１の処理へ移行する。

＜具体例（１）＞
次に、プラント制御に関する具体例を挙げる。図５は、取得部１５Ａの動作例を示す模式図である。図５には、プラント外ソース７の例として、プラント５が製造する製品を受注する受注システム７Ａおよび天気予報などの気象情報を公開する気象サーバ７Ｂが例示されている。

図５に示すように、第１情報の一例として、取得部１５Ａは、プラント５からフィールド機器５ｂのプロセス値などを取得する。さらに、取得部１５Ａは、第１情報の他の一例として、プラント５が製造中である製品（以下、「仕掛り品」と記載）の情報、例えば銘柄などを取得する。このように取得されたプロセス値や仕掛り品などの情報が記憶部１３に記憶された第１情報１３Ａに追加される。

なお、プラント５から第１情報を取得する場合、プラント５からリアルタイムで取得してもよいが、一定期間のデータをバッチ処理で取得してもよい。例えば、プロセス値を例に挙げれば、プラント情報管理システム（ＰＩＭＳ：Plant Information Management System）からプロセス値の時系列データをプロセスデータとして取得してもよい。

第２情報の一例として、取得部１５Ａは、受注システム７Ａから製品の販売量などを取得する。このように受注システム７Ａから取得される情報は、履歴ベースの販売量の実績であってもよいが、注文が受付済みである受注量や受注がキャンセルされた受注取消数などが取得されてもよいし、これら全部が取得されてもよい。以下、販売量や受注量、受注取消数などをまとめて「販売量等」と記載する場合がある。

第２情報の他の一例として、取得部１５Ａは、気象サーバ７Ｂから天気予報などを取得する。ここで取得される天気予報のターゲットは、気象サーバ７Ｂが公開中であるカレンダに関するもの全てであってもよいし、製造に影響がある範囲に絞り込まれてもよいし、気象サーバ７Ｂへの前回のアクセス時からの差分であってもよい。

このように取得された販売量等や天気予報などの情報が記憶部１３に記憶された第２情報１３Ｂに追加される。これら第１情報および第２情報が取得された環境の下、決定部１５Ｂは、図６に示す動作により、設定値および第１条件を決定する。

図６は、決定部１５Ｂの動作例を示す模式図である。図６に示すように、決定部１５Ｂは、第２情報の販売量等および天気予報に基づいて、第１情報の仕掛り品の需要予測を実行する。これにより、仕掛り品の需要予測トレンド、例えば受注数の予測値の時系列データが得られる。

このような需要予測には、機械学習モデルを用いることができる。このような機械学習モデルの訓練には、受注数の予測値の時系列データの正解ラベルが付与された販売量等および天気予報を訓練データとして用いることができる。すなわち、訓練データに含まれる販売量等および天気予報を機械学習モデルの説明変数とし、正解ラベルを機械学習モデルの目的変数とし、任意の機械学習アルゴリズム、例えばディープラーニングなどにしたがって機械学習モデルが訓練される。これにより、訓練済みの機械学習モデルが得られる。このような訓練済みの機械学習モデルに販売量等および天気予報を入力することにより、当該機械学習モデルが出力する受注数の予測値の時系列データを需要予測トレンドとして得ることができる。なお、上記の機械学習モデルは、当然のことながら、製品の銘柄ごとに生成することができる。

続いて、決定部１５Ｂは、仕掛り品の需要予測トレンドに基づいて、仕掛り品の製造を継続するか否かの継続判定を実行する。あくまで一例として、決定部１５Ｂは、仕掛り品の需要予測トレンドの勾配が減少トレンドであるか否かを判定する。例えば、需要予測トレンドの回帰分析により得られる近似直線の傾きの符号が負である場合、減少トレンドと識別できる。このとき、仕掛り品の需要予測トレンドの勾配が減少トレンドである場合、仕掛り品の需要が減少することが予測できる。この場合、仕掛り品の製造の打ち切りを決定する。一方、仕掛り品の需要予測トレンドの勾配が減少トレンドでない場合、仕掛り品の製造の継続を決定する。

以下、あくまで１つの側面として、仕掛り品の製造の打ち切りが決定された場合について例示する。この場合、決定部１５Ｂは、プラント５で製造される製品を仕掛り品から別の製品への変更を決定する。

例えば、製品変更が決定されると、決定部１５Ｂは、第１情報のプロセス値をシミュレータに入力することにより、製品変更に伴ってプラント５のフィールド機器５ｂに変更させる設定値をシミュレーションさせる。

このようなシミュレータの例として、リアルタイムでプラントの操業を最適化するオンラインシミュレータの１つであるＲＴＯ（Real Time Optimizer）が挙げられる。あくまで一例として、ＲＴＯは、第１情報のプロセス値の時系列データ、いわゆるプロセスデータに基づいてプラントの挙動を模擬するシミュレーションを運転条件が異なる複数の事例ごとに実行する。このシミュレーション結果として、事例ごとにシミュレートされたプロセスデータの予測値が制御変数ＣＶとして得られると共に当該制御変数ＣＶを目的関数へ入力することにより目的関数値の一例として利益が出力される。このように、ＲＴＯは、事例ごとにシミュレーションを実行するケーススタディにより、制御変数ＣＶの変動と利益の変動との比、すなわちゲインを計算する。その後、ＲＴＯは、計算されたゲインを用いて、利益が最適値、例えば最大値となるＣＶターゲットを計算する。このように計算されたＣＶターゲットから、プロセスへの入力変数に対応する操作変数ＭＶ、あるいはプラント５の制御システム、例えばＤＣＳの設定値ＳＶが計算される。

ここで、上記のＲＴＯは、プロセスの運転条件を変更している最中でない整定状態であることを前提としてシミュレーションを実行するものである。このため、決定部１５Ｂは、第１情報に対応するプロセスデータのうち正常以外のステータスが付与されたであるプロセス値を除外して、正常のステータスが付与されたプロセス値をシミュレータに入力することにより、プラントの設定値を決定できる。

図７は、シミュレータへのプロセス値の入力例を示す模式図である。図７には、第１情報のプロセスデータＰ１に対応するグラフＧ１が示されている。図７に示すように、プロセスデータＰ１に含まれるプロセス値には、属性情報の一例として、プラント５によりステータスのラベルが付与される。例えば、ラベルの例として、「正常（整定）」、「異常」、「不整定」、あるいは「不明」などが挙げられる。図７に示すように、決定部１５Ｂは、プロセスデータＰ１のうち、ラベル「正常」以外のラベルが付与されたプロセス値が除外される。図７に示す例で言えば、ラベル「不整定」が付与されたプロセス値が入力から除外されている。その一方で、決定部１５Ｂは、ラベル「正常」のステータスが付与されたプロセス値がオンラインシミュレータ１５Ｂ１へ入力される。このようなプロセス値の入力制御により、オンラインシミュレータ１５Ｂ１によるシミュレーションの精度低下を抑止し、精度向上を実現できる。

このように設定値が計算される一方で、決定部１５Ｂは、設定値をプラント５に反映させるタイミングを決定する。あくまで一例として、決定部１５Ｂは、仕掛り品の需要予測トレンドの勾配が閾値を超えるか否かを判定する。このとき、仕掛り品の需要予測トレンドの勾配が閾値を超える場合、仕掛り品の需要が急激に減少することが予測できるので、仕掛り品の製造の即座の打ち切りを決定する。この場合、決定部１５Ｂは、なるべく早くのタイミング、いわゆるＡＳＡＰ（As Soon As Possible）を第１条件として決定する。一方、仕掛り品の需要予測トレンドの勾配が閾値を超えない場合、仕掛り品の需要がなだらかに減少することが予測できる。この場合、決定部１５Ｂは、仕掛り品の製造後のタイミングを第１条件として決定する。

以上のように設定値および第１条件が決定される。その後、送信部１５Ｃは、決定部１５Ｂにより決定された設定値および第１条件をネットワークＮを介してプラント５へ送信する。

なお、上記の具体例（１）では、プラント５から取得されたプラント値をシミュレータに入力する例を挙げたが、これに限定されない。例えば、不確かなデータを除去するとともに、除去したデータを補完する側面から、別のデータをシミュレータに入力することとしてもよい。あくまで一例として、プラント５内で同一のプロセスが２重化されていれば正常な方の系のプロセス値を入力したり、安全向けの同一または類似の機器があればそのプロセス値を入力したりすることができる。この他、利用できる他の正常なデータを元に作り出すこともできる。例えば、他の正常なデータの例として、パイプの前後のデータからや、マテリアルバランスなどが挙げられる。

＜具体例（２）＞
図８は、取得部１５Ａの動作例を示す模式図である。図８には、プラント外ソース７の例として、図５に示す気象サーバ７Ｂの他、プラント５で製造される製品の納入先への輸送を行う移動体の動態情報を管理する動態管理システム７Ｃ及び道路の交通量などの交通情報を管理する交通情報サーバ７Ｄが例示されている。

図８に示すように、第１情報の一例として、取得部１５Ａは、プラント５からフィールド機器５ｂのプロセス値などを取得する。このように取得されたプロセス値などの情報が記憶部１３に記憶された第１情報１３Ａに追加される。

第２情報の一例として、取得部１５Ａは、気象サーバ７Ｂから天気予報などを取得する。ここで取得される天気予報のターゲットは、気象サーバ７Ｂが公開中であるカレンダに関するもの全てであってもよいし、製造に影響がある範囲に絞り込まれてもよいし、気象サーバ７Ｂへの前回のアクセス時からの差分であってもよい。

第２情報の他の一例として、取得部１５Ａは、動態管理システム７Ｃから移動体の動態情報を取得する。ここで言う「移動体」には、タンクローリーなど車両全般に限らず、タンカーなどの船舶や航空機なども含まれてよい。また、「動態情報」とは、移動体およびその乗務員の位置情報を指す。

第２情報の更なる一例として、取得部１５Ａは、交通情報サーバ７Ｄから交通情報を取得する。ここで言う「交通情報」には、道路ネットワーク上の走行台数や流量などの交通量を始め、渋滞や事故などの情報が含まれてよい。

このように取得された天気予報、動態情報および交通情報などの情報が記憶部１３に記憶された第２情報１３Ｂに追加される。これら第１情報および第２情報が取得された環境の下、決定部１５Ｂは、図９に示す動作により、設定値および第１条件を決定する。

図９は、決定部１５Ｂの動作例を示す模式図である。図９に示すように、決定部１５Ｂは、第２情報の天気予報、動態情報および交通情報に基づいて、プラント５で製造される製品の納入先への輸送を行う移動体がプラント５に到着する時間を予測する。これにより得られる到着時間のことを指して「到着予定時間」と記載する場合がある。このような到着予定時間に対応するタイミングが第１条件として決定される。

このような到着時間予測は、汎用のナビゲーション機能により実現したり、移動体に搭載される任意の装置、例えば車載機を始め、スマートフォンなどのモバイル端末を含む端末を介して到着予定時間を取得することにより実現したりできる。この他、到着時間予測にも、機械学習モデルを用いることもできる。このような機械学習モデルには、ＧＮＮ（Graph Neural Networks）などを用いることもできる。例えば、移動体の位置情報を出発地とし、プラント５を目的地として、道路の交通情報を訓練済みのＧＮＮへ入力することによりＧＮＮが出力するルートの所要時間を到着予定時間として決定することができる。

さらに、決定部１５Ｂは、第１情報のプロセス値および到着予定時間に対応する製造完了予定時間をシミュレータに入力する。これにより、プラント５の製造を到着予定時間に完了させる時に物流コストおよびプラント運用コストが最小化する設定値をシミュレーションさせる。

以上のように設定値および第１条件が決定される。その後、送信部１５Ｃは、決定部１５Ｂにより決定された設定値および第１条件をネットワークＮを介してプラント５へ送信する。

なお、上記の具体例（２）は、あくまで一例に過ぎない。例えば、第１情報として、取得部１５Ａは、仕掛中の製品（油種）の製造完了予想時刻や貯蔵施設（タンク）の容量マージンなどを取得できる。また、第２情報として、取得部１５Ａは、下記の情報をリアルタイムに取得できる。例えば、製造所から納品先までの交通ルート情報（事故や渋滞、封鎖海域情報など）が挙げられる。この他、陸送用車両（タンクローリー）の稼働情報（ＧＰＳ位置、到着予想時刻、台数、搭載搭載（油種））や海送用の船舶（タンカー）の稼働情報（ＧＰＳ位置、入出港時刻、搭載搭載（油種））などが挙げられる。この場合、決定部１５Ｂは、ルート検索情報を取り込み、ソルバーの制約条件を増やして、デリバリーの最適計画を取り込むことにより、次のような第１条件を決定できる。第１条件の例として、「デリバリーが間に合わないので、荷を搭載する時刻を〇〇時に延期してほしい。」や「指定された製造完了予想時刻で、複数のプラント/設備について運転計画を最適化してほしい。」などが挙げられる。このような設定値および第１条件を受信するプラント５は、個々のプラント５の設備５ａについて製造完了予想時刻を修正し、製造量を減少させる。

＜効果＞
上述してきたように、本実施形態に係るＣＩサーバ１０は、プラント５に反映させる設定値を第１情報および第２情報に基づいて決定するので、プラント５が設置される環境、需要と供給の状況、原料の価格変化等のプラント５外で生じる要因に応じて設定値を決定できる。さらに、本実施形態に係るＣＩサーバ１０は、プラント５に設定値を反映させるための第１条件を第１情報および第２情報に基づいて決定するので、プラント５内の要因ばかりでなく、プラント５外の要因の影響も込みで第１条件を決定できる。したがって、本実施形態に係るＣＩサーバ１０によれば、プラント５のより好ましい操業状態を実現できる。

＜その他の実施形態＞
さて、これまで本発明の実施形態について説明したが、本発明は種々の応用が可能であり、さらに、上述した実施形態以外にも、種々の異なる形態にて実施されてよいものである。

（第２条件の追加）
プラント５は、プラント５内で得られる情報に基づいて第２条件、例えば（例：プラント内の状態により決定される条件などを生成し、設定値、第１条件及び第２条件に基づいて操業することもできる。

すなわち、上記の実施形態では、プラントは、取得された設定値、第１条件及び第２条件に基づいて操業する。例えば、プラントにおいて工程１～３が行なわれている場合に、各工程における処理途中において設定値を変更できない事態も生じ得る。このような場合における第２条件の一例として、「各工程における処理が完了したら」といった条件が挙げられる。また、プロセスの制御が安定していない場合、例えば非整定時などのように、設定値を変更できないということも生じ得る。このような場合における第２条件の一例として、「プロセス制御の安定度が所定範囲内に収まっている」といった条件が挙げられる。

（適用範囲）
図１や図２に示す統合管理システム１は、同一プラント内での製品種別の変更以外にも、複数プラントをまたいでの最適化にも適用できる。その際に、ＣＩサーバ１０上の情報、例えばベンダが保持する全てのプラント５の情報、需要情報（コンビナートなどで納入先プラントがある場合は、その需要先の情報）、エコシステム、サプライチェーン関連の情報）を活用できる。例えば、制御性の良いプラントを優先したり、プラント５を止める回数をトータルで減らしたり、輸送やエコシステムとの関連つけにより無駄を排除できる。この他、ＳＤＧｓへの貢献を評価することもできる。さらに、生産計画、生産計画の変更、特定プラントの不調、停止などにクラウド情報と現場のプラント５の状況を踏まえて複数プラントをまとめての最適運転を行うこともできる。

（数値等）
上記実施形態で説明したプラント、設備、フィールド機器およびセンサの数、統合処理の内容、あるいは第１情報、第２情報、第１条件および第２条件などの具体例などは、あくまで一例であり、変更することができる。また、実施形態で説明したフローチャートも、矛盾のない範囲内で処理の順序を変更することができる。

（システム）
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、取得部１５Ａ、決定部１５Ｂ、送信部１５Ｃは、別々の装置で構成されていてもよい。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散や統合の具体的形態は図示のものに限られない。つまり、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散および統合して構成することができる。

さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵ（Central Processing Unit）および当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

（ハードウェア）
次に、実施形態で説明したコンピュータのハードウェア構成例を説明する。図１０は、ハードウェア構成例を説明する図である。図１０に示すように、ＣＩサーバ１０は、通信装置１０ａ、ＨＤＤ（Hard Disk Drive）１０ｂ、メモリ１０ｃ、プロセッサ１０ｄを有する。また、図１０に示した各部は、バス等で相互に接続される。

通信装置１０ａは、ネットワークインタフェースカードなどであり、他のサーバとの通信を行う。ＨＤＤ１０ｂは、図３に示した機能を動作させるプログラムやＤＢなどを記憶する。

プロセッサ１０ｄは、図３に示された処理部と同様の処理を実行するプログラムをＨＤＤ１００ｂ等から読み出してメモリ１００ｃに展開することで、図３等で説明した機能を実行するプロセスを動作させる。例えば、このプロセスは、ＣＩサーバ１０が有する処理部と同様の機能を実行する。具体的には、プロセッサ１０ｄは、取得部１５Ａ、決定部１５Ｂ、送信部１５Ｃ等と同様の機能を有するプログラムをＨＤＤ１０ｂ等から読み出す。そして、プロセッサ１０ｄは、取得部１５Ａ、決定部１５Ｂ、送信部１５Ｃ等と同様の処理を実行するプロセスを実行する。

このように、ＣＩサーバ１０は、プログラムを読み出して実行することでプラント制御方法を実行する情報処理装置として動作する。また、ＣＩサーバ１０は、媒体読取装置によって記録媒体から上記プログラムを読み出し、読み出された上記プログラムを実行することで上記した実施形態と同様の機能を実現することもできる。なお、この他の実施形態でいうプログラムは、ＣＩサーバ１０によって実行されることに限定されるものではない。例えば、他のコンピュータまたはサーバがプログラムを実行する場合や、これらが協働してプログラムを実行するような場合にも、本発明を同様に適用することができる。

このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ（Magneto－Optical disk）、ＤＶＤ（Digital Versatile Disc）などのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することができる。

１ 統合管理システム
５ プラント
５ａ 設備
５ｂ フィールド機器
５ｃ センサ
７ プラント外ソース
１０ ＣＩサーバ
１１ 通信制御部
１３ 記憶部
１３Ａ 第１情報
１３Ｂ 第２情報
１５ 制御部
１５Ａ 取得部
１５Ｂ 決定部
１５Ｃ 送信部

Claims (6)

1. プラントとクラウドサーバとを備えるプラントシステムであって、
   前記クラウドサーバは、
   前記プラントから第１情報を取得し、前記プラント以外のソースから第２情報を取得する取得部と、
   前記第１情報及び前記第２情報に基づいて、前記プラントの設定値と、前記設定値を前記プラントに反映させるための第１条件とを決定する決定部と、
   前記設定値及び前記第１条件を前記プラントに送信する送信部とを含み、
   前記プラントは、前記設定値及び前記第１条件に基づいて操業し、
   前記第１情報は、前記プラントの操業に用いられる機器のプロセス値および前記プロセス値に付与される前記機器のステータスを含み、
   前記決定部は、正常以外のステータスが付与されたであるプロセス値を除外して、前記正常のステータスが付与されたプロセス値をシミュレータに入力することにより、前記プラントの設定値を決定する、プラントシステム。
2. 前記プラントは、前記プラント内で得られる情報に基づいて第２条件を生成し、前記設定値、前記第１条件及び前記第２条件に基づいて操業する、
   請求項１に記載のプラントシステム。
3. プラントとクラウドサーバとを備えるプラントシステムであって、
   前記クラウドサーバは、
   前記プラントから第１情報を取得し、前記プラント以外のソースから第２情報を取得する取得部と、
   前記第１情報及び前記第２情報に基づいて、前記プラントの設定値と、前記設定値を前記プラントに反映させるための第１条件とを決定する決定部と、
   前記設定値及び前記第１条件を前記プラントに送信する送信部とを含み、
   前記プラントは、前記設定値及び前記第１条件に基づいて操業し、
   前記第２情報は、前記プラントの操業により製造される製品の販売量もしくは需要予測、または、天気予報の情報を含み、
   前記決定部は、仕掛り中である第１の製品の販売量もしくは需要予測、または、前記天気予報から求まる前記第１の製品の販売量もしくは需要予測の減少トレンドの勾配に基づいて、前記プラントが前記第１の製品の製造から前記第１の製品とは異なる第２の製品の製造へと変更するタイミングを前記第１条件として決定する、プラントシステム。
4. プラントとクラウドサーバとを備えるプラントシステムであって、
   前記クラウドサーバは、
   前記プラントから第１情報を取得し、前記プラント以外のソースから第２情報を取得する取得部と、
   前記第１情報及び前記第２情報に基づいて、前記プラントの設定値と、前記設定値を前記プラントに反映させるための第１条件とを決定する決定部と、
   前記設定値及び前記第１条件を前記プラントに送信する送信部とを含み、
   前記プラントは、前記設定値及び前記第１条件に基づいて操業し、
   前記第２情報は、前記プラントの操業により製造される製品の納入先への輸送を行う輸送移動体の動態情報を含み、
   前記決定部は、前記輸送移動体の動態情報から求まる前記製品の集荷地点への到着予定時間に対応する前記プラントの製造完了予定時間を前記第１条件として決定すると共に、前記プラントの製造完了予定時間をシミュレータに入力することにより前記プラントの設定値を決定する、プラントシステム。
5. クラウドサーバが、
   プラントから第１情報を取得し、
   前記プラント以外のソースから第２情報を取得し、
   前記第１情報及び前記第２情報に基づいて、前記プラントの設定値と、前記設定値を前記プラントに反映させるための第１条件とを決定し、
   前記設定値及び前記第１条件を前記プラントに送信し、
   前記プラントが、前記設定値及び前記第１条件に基づいて操業し、
   前記第１情報は、前記プラントの操業に用いられる機器のプロセス値および前記プロセス値に付与される前記機器のステータスを含み、
   前記決定する処理は、正常以外のステータスが付与されたであるプロセス値を除外して、前記正常のステータスが付与されたプロセス値をシミュレータに入力することにより、前記プラントの設定値を決定する、プラント制御方法。
6. クラウドサーバに、
   プラントから第１情報を取得し、
   前記プラント以外のソースから第２情報を取得し、
   前記第１情報及び前記第２情報に基づいて、前記プラントの設定値と、前記設定値を前記プラントに反映させるための第１条件とを決定し、
   前記設定値及び前記第１条件を前記プラントに送信する、
   処理をクラウドサーバに実行させ、
   前記第１情報は、前記プラントの操業に用いられる機器のプロセス値および前記プロセス値に付与される前記機器のステータスを含み、
   前記決定する処理は、正常以外のステータスが付与されたであるプロセス値を除外して、前記正常のステータスが付与されたプロセス値をシミュレータに入力することにより、前記プラントの設定値を決定する、プラント制御プログラム。

Images