特許ウォッチ

公開番号2024167301
公報種別公開特許公報(A)
公開日2024-12-03
出願番号2024145214,2020095365
出願日2024-08-27,2020-06-01
発明の名称学習モデル生成装置およびシステム
出願人株式会社クボタ
代理人弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK
主分類B01D 65/02 20060101AFI20241126BHJP(物理的または化学的方法または装置一般)
要約【課題】将来の分離膜の状態を推測して安定した膜ろ過運転を行う。
【解決手段】学習モデル生成装置(1)は、膜ろ過運転中に計測される、膜ろ過圧および散気量を含む運転データから導出される入力データを取得する入力データ取得部(21)と、取得された入力データを入力とした機械学習により、分離膜の状態を推測するための学習モデル(31)を生成する学習部(13)と、を備える。
【選択図】図3
特許請求の範囲【請求項１】
被処理水中に浸漬して配置された分離膜と、前記分離膜の膜面散気を行う散気装置とを備え、前記散気装置により前記膜面散気を行いながら前記分離膜を透過した処理水を得る膜分離装置にて行われる膜ろ過運転中に計測される、膜ろ過圧および散気量を含む運転データから導出される入力データを取得する入力データ取得部と、
前記入力データと、当該入力データに対する前記分離膜の状態を示すラベルとが対応付けられた教師データを生成する教師データ生成部であって、前記教師データ生成部は、前記運転データが取得された時刻における特定条件の充足度と、前記運転データが取得された時刻よりも所定時間前に取得された運転データから導出される前記入力データと、に基づいて、前記所定時間後の前記分離膜の状態を示すラベルを対応付けるものであり、
前記特定条件は、膜間差圧の単位時間当たりの変動量である変動速度が第１所定値未満である第１条件と、膜間差圧が第２所定値未満である第２条件と、前記変動速度が前記第１所定値以上第３所定値未満である第３条件と、前記変動速度が前記第３所定値以上である第４条件と、前記膜間差圧が前記第２所定値以上である第５条件とを含み、
前記教師データ生成部は、前記第１条件および前記第２条件の両方を充足する前記入力データには、正常ラベルを対応付け、前記第３条件および前記第２条件の両方を充足する前記入力データには、中間ラベルを対応付け、前記第４条件または前記第５条件を充足する前記入力データには、異常ラベルを対応付ける、教師データ生成部と、
前記取得された入力データを入力とした機械学習により、将来の前記分離膜の状態を推測するための学習モデルであって、前記教師データ生成部が生成した教師データを用いた教師あり学習により将来の前記分離膜の状態が正常となる確率または異常となる確率を出力する学習モデルを生成する学習部と、を備える学習モデル生成装置。
続きを表示（約 970 文字）【請求項２】
前記膜ろ過圧から導出される前記入力データは、前記膜ろ過圧を膜ろ過流量で除算した膜ろ過抵抗値およびその変動値を含み、請求項１に記載の学習モデル生成装置。
【請求項３】
前記膜ろ過運転は、間欠運転であり、
前記膜ろ過圧から導出される前記入力データは、運転期間と当該運転期間に続く休止期間とから成る単位期間における、膜ろ過圧の最大値、膜ろ過圧の最小値、膜ろ過圧の標準偏差値、膜ろ過圧の平均値、および、膜間差圧、並びに、前記単位期間以前の所定期間における、膜間差圧の変動速度、膜間差圧の変動量、および、膜間差圧の変動率、の少なくともいずれかを含み、
前記散気量から導出される前記入力データは、前記単位期間における前記散気量の平均値、および、前記所定期間における前記散気量の積算値、の少なくともいずれかを含む、請求項１に記載の学習モデル生成装置。
【請求項４】
前記運転データは、さらに、前記膜ろ過運転中に計測された膜ろ過流量を含む、請求項１から３のいずれか１項に記載の学習モデル生成装置。
【請求項５】
前記膜ろ過運転は、間欠運転であり、
前記膜ろ過流量から導出される前記入力データは、運転期間と当該運転期間に続く休止期間とから成る単位期間における膜ろ過流量の平均値、および、前記単位期間以前の所定期間における前記膜ろ過流量の積算値、の少なくともいずれかを含む、請求項４に記載の学習モデル生成装置。
【請求項６】
前記学習部は、前記学習モデルを用いて前記分離膜の状態を推測したときに前記学習モデルに入力されたデータを取得し、該取得したデータを入力とした機械学習により前記学習モデルを更新する、請求項１から５のいずれか１項に記載の学習モデル生成装置。
【請求項７】
請求項１から６のいずれか１項に記載の学習モデル生成装置と、
前記学習モデル生成装置によって生成された学習モデルを記憶する記憶装置と、
前記学習モデルを用いて、前記取得された入力データから、前記分離膜の状態を推測する推測装置と、
前記推測装置が推測した前記状態に応じて前記散気装置を制御する散気量制御装置と、を備える、システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、被処理水中に浸漬して配置された分離膜の膜面散気を行いながら、分離膜を透過した処理水を得る膜ろ過処理において適用される学習モデル生成装置等に関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
特許文献１には、散気量を制御する制御時刻において、或る過去の時点からの膜間差圧の変化量、変化率または上昇速度に基づき、事前に設定した閾値や有機物濃度から選定した目標上昇速度と比較し、散気量を決定する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特許第６３４２１０１号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
膜分離装置による膜ろ過処理においては、膜表面のファウリングの進行などに伴い、膜間差圧が急上昇する現象（TMP jump）が発生することがある。しかしながら、特許文献１に開示された技術では、制御時刻において上述のファウリングの進行が起こっている場合、換言すれば、分離膜に異常がある場合、将来、膜間差圧が急上昇する現象が発生し、膜分離装置の運転に支障をきたすおそれがある。
【０００５】
本発明の一態様は、将来の分離膜の状態を推測して安定した膜ろ過運転を行うための学習モデル生成装置などを実現することを目的とする。
【課題を解決するための手段】
【０００６】
上記の課題を解決するために、本発明の一態様に係る学習モデル生成装置は、被処理水中に浸漬して配置された分離膜と、前記分離膜の膜面散気を行う散気装置とを備え、前記散気装置により前記膜面散気を行いながら前記分離膜を透過した処理水を得る膜分離装置にて行われる膜ろ過運転中に計測される、膜ろ過圧および散気量を含む運転データから導出される入力データを取得する入力データ取得部と、
前記入力データと、当該入力データに対する前記分離膜の状態を示すラベルとが対応付けられた教師データを生成する教師データ生成部であって、前記教師データ生成部は、前記運転データが取得された時刻における特定条件の充足度と、前記運転データが取得された時刻よりも所定時間前に取得された運転データから導出される前記入力データと、に基づいて、前記所定時間後の前記分離膜の状態を示すラベルを対応付けるものであり、
前記特定条件は、膜間差圧の単位時間当たりの変動量である変動速度が第１所定値未満である第１条件と、膜間差圧が第２所定値未満である第２条件と、前記変動速度が前記第１所定値以上第３所定値未満である第３条件と、前記変動速度が前記第３所定値以上である第４条件と、前記膜間差圧が前記第２所定値以上である第５条件とを含み、
前記教師データ生成部は、前記第１条件および前記第２条件の両方を充足する前記入力データには、正常ラベルを対応付け、前記第３条件および前記第２条件の両方を充足する前記入力データには、中間ラベルを対応付け、前記第４条件または前記第５条件を充足する前記入力データには、異常ラベルを対応付ける、教師データ生成部と、
前記取得された入力データを入力とした機械学習により、将来の前記分離膜の状態を推測するための学習モデルであって、前記教師データ生成部が生成した教師データを用いた教師あり学習により将来の前記分離膜の状態が正常となる確率または異常となる確率を出力する学習モデルを生成する学習部と、を備える。
【発明の効果】
【０００７】
本発明の一態様によれば、将来の分離膜の状態を推測して安定した膜ろ過運転を行うことができる。
【図面の簡単な説明】
【０００８】
本発明の実施形態１に係る分離膜の状態推測システムの概要を示す図である。
膜ろ過運転における膜ろ過圧の経時変化を示す図である。
学習モデル生成装置および推測装置の要部構成の一例を示すブロック図である。
入力データの一具体例を示す図である。
分離膜の状態を判定するための所定の条件について説明する図である。
教師データの一具体例を示す図である。
学習モデル生成処理の流れの一例を示すフローチャートである。
学習モデル更新処理の流れの一例を示すフローチャートである。
推測処理および散気量制御処理の流れの一例を示すフローチャートである。
教師データの一具体例を示す図である。
本発明の実施形態２に係る学習モデル生成装置および推測装置の要部構成の一例を示すブロック図である。
学習モデル生成処理の流れの一例を示すフローチャートである。
推測処理および散気量制御処理の流れの一例を示すフローチャートである。
本発明の参考形態に係る処理概要を示す模式図である。
参考形態に係る回帰モデル生成装置および推測装置の要部構成の一例を示すブロック図である。
推測処理および散気量制御処理の流れの一例を示すフローチャートである。
【発明を実施するための形態】
【０００９】
〔実施形態１〕
＜分離膜の状態推測システムの概要＞
図１は、本実施形態に係る分離膜の状態推測システム１００の概要を示す図である。状態推測システム１００は、機械学習により生成される学習モデルを用いて膜ろ過運転に用いられる分離膜９３の状態を推測したうえで、推測結果に応じて分離膜９３へ供給する散気量を制御するシステムである。分離膜９３の「状態」とは、どの程度汚染されている状態にあるかを意味する。正常な状態とは、汚染度が低く、膜間差圧が急上昇する現象が当面は発生し難い状態である。
【００１０】
状態推測システム１００は、学習モデル生成装置１、推測装置２、記憶装置３、運転データ取得装置４、入力データ算出装置５、散気量制御装置８、および膜分離装置９０を含み、また、記憶装置７を含んでもよい。
（【００１１】以降は省略されています）

関連特許