特許ウォッチ

公開番号2025085797
公報種別公開特許公報(A)
公開日2025-06-05
出願番号2025047153,2021113599
出願日2025-03-21,2021-07-08
発明の名称教師データ生成方法、コークスの品位予測モデル生成方法、コークス品位予測方法、システム、及びプログラム
出願人関西熱化学株式会社
代理人弁理士法人ユニアス国際特許事務所
主分類C10B 57/04 20060101AFI20250529BHJP(石油,ガスまたはコークス工業;一酸化炭素を含有する工業ガス;燃料;潤滑剤;でい炭)
要約【課題】複数種の原料炭それぞれの配合比率に基づいてコークスの品位値を予測可能にすると共に、予測精度を向上させる技術を提供する。
【解決手段】コークスの品位を予測する予測モデルの機械学習に用いられる教師データを生成する。複数種の原料炭それぞれの配合比率と、実際に得られたコークスの品位値とを関連付けた実測データを取得するステップと、取得した実測データから、複数種の原料炭それぞれの配合比率の組み合わせが連続して同一となるコークスの品位値を複数抽出するステップと、抽出した複数の品位値に基づき、代表値となる品位の特性値を算出するステップと、算出した1つの代表値を新たな品位値とする集約した新たな実測データに変換するステップと、新たな実測データの原料炭それぞれの配合比率を入力とし、コークスの品位値を出力とする教師データを生成するステップと、を含む。
【選択図】図8
特許請求の範囲【請求項１】
コークスの品位を予測する予測モデルの機械学習に用いられる教師データを生成する方法であって、
前記複数種の原料炭それぞれの配合比率と、実際に得られたコークスの品位値とを関連付けた実測データを取得するステップと、
前記取得した実測データから、前記複数種の原料炭それぞれの配合比率の組み合わせが連続して同一となる前記コークスの品位値を複数抽出するステップと、
前記抽出した複数の品位値に基づき、代表値となる品位の特性値を算出するステップと、
前記算出した１つの代表値を新たな品位値とする集約した新たな実測データに変換するステップと、
前記新たな実測データの原料炭それぞれの配合比率を入力とし、前記コークスの品位値を出力とする教師データを生成するステップと、
を含む、教師データ生成方法。
続きを表示（約 860 文字）【請求項２】
請求項１に記載の方法を実行して教師データを生成するステップと、
前記生成した教師データを用いて機械学習させることにより、前記コークスの品位値を予測する予測モデルを生成するステップと、
を含む、コークスの品位予測モデル生成方法。
【請求項３】
予測対象となるコークスの原料の配合を表す複数種の原料炭それぞれの配合比率を取得するステップと、
複数種の原料炭それぞれの配合比率からコークスの品位値を出力するように、請求項１に記載の教師データ生成方法により生成された教師データを用いて機械学習により構築された予測モデルを用いて、前記取得された複数種の原料炭それぞれの配合比率からコークスの品位値を予測するステップと、
を含む、コークス品位予測方法。
【請求項４】
コークスの品位を予測する予測モデルの機械学習に用いられる教師データを生成するシステムであって、
請求項１に記載の方法を実行する１又は複数のプロセッサを備える、教師データ生成システム。
【請求項５】
請求項１に記載の方法により生成された教師データを用いて機械学習させることにより、前記コークスの品位値を予測する予測モデルを生成する学習部を備える、コークスの品位予測モデル生成システム。
【請求項６】
予測対象となるコークスの原料の配合を表す複数種の原料炭それぞれの配合比率を取得する予測対象データ取得部と、
複数種の原料炭それぞれの配合比率からコークスの品位値を出力するように、請求項１に記載の教師データ生成方法により生成された教師データを用いて機械学習により構築された予測モデルを用いて、前記取得された複数種の原料炭それぞれの配合比率からコークスの品位値を予測する予測部と、
を備える、コークス品位予測システム。
【請求項７】
請求項１～３のいずれかに記載の方法を１又は複数のプロセッサに実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、コークスの品位を予測する機械学習の技術に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
コークスは、複数種の銘柄の原料炭を配合して得られる配合炭を乾留することにより得られる。所望の品位（例えば、コークス強度ＤＩ等の物性値）を満たすコークスを得るために、コークスの品位を予測する種々の手法が提案されている。
【０００３】
例えば、特許文献１には、配合炭の特性及び操業条件に基づき機械学習を用いてコークス強度を求める、との記載がある。
【先行技術文献】
【特許文献】
【０００４】
特開平９－１６５５７９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
特許文献１に記載の方法では、複数種の原料炭それぞれの特性を計測しておき、原料炭の配合比に基づいて原料炭の特性の積和を算出したものを配合炭の特性とみなしている。しかしながら、配合においては原料炭同士の相性があり、相性が配合炭の特性に影響を与えると考える。原料炭の各種特性値（パラメータ）の積和値ではコークスの品位を精度よく推定できない場合があると考える。
【０００６】
そこで、本発明の発明者らは、機械学習モデルに、複数種の原料炭それぞれの配合比率を含めて学習させることで、原料炭の未知の配合であっても原料炭の相性を含めてコークスの品位を予測できると考えた。実際に、複数種の原料炭それぞれの配合比率とコークスの品位値（コークス強度）との対応関係を学習させた。しかし、予測結果を実測値と比較すると十分な精度が得られているとは言い難い。
【０００７】
本開示は、複数種の原料炭それぞれの配合比率に基づいてコークスの品位値を予測可能にすると共に、予測精度を向上させる技術を提供する。
【課題を解決するための手段】
【０００８】
本開示の教師データ生成方法は、コークスの品位を予測する予測モデルの機械学習に用いられる教師データを生成する方法であって、前記複数種の原料炭それぞれの配合比率と、実際に得られたコークスの品位値とを関連付けた実測データを取得するステップと、前記取得した実測データから、前記複数種の原料炭それぞれの配合比率の組み合わせが連続して同一となる前記コークスの品位値を複数抽出するステップと、前記抽出した複数の品位値に基づき、代表値となる品位の特性値を算出するステップと、前記算出した１つの代表値を新たな品位値とする集約した新たな実測データに変換するステップと、前記新たな実測データの原料炭それぞれの配合比率を入力とし、前記コークスの品位値を出力とする教師データを生成するステップと、を含む。
【図面の簡単な説明】
【０００９】
本実施形態の教師データ生成システム、予測モデル生成システム及びコークス品位予測システムを示すブロック図。
本実施形態の教師データ生成システムが実行する処理を示すフローチャート。
本実施形態の予測モデル生成システムが実行する処理を示すフローチャート。
本実施形態のコークス品位予測システムが実行する処理を示すフローチャート。
実施例３および比較例１の予測結果と、実績値とを示す図。
実施例２および比較例１の予測結果と、実績値とを示す図。
実施例１，３の予測結果と、実績値とを示す図。
実施例３のシステムを示すブロック図。
パターン１（一回学習）の予測結果と、パターン２（直前学習）の予測結果と、実績値とを示す図。
【発明を実施するための形態】
【００１０】
図１は、本実施形態の教師データ生成システム１、予測モデル生成システム２及びコークス品位予測システム３を示すブロック図である。図１に示すように、コークス品位予測システム３は、予測対象配合データＤ６が表す原料炭（銘柄）それぞれの配合比率で配合された配合炭によって得られたコークスの品位値を予測する。コークス品位予測システム３は、予測モデル生成システム２によって予め機械学習により生成された予測モデル２０を用いる。本実施形態では、品位値としてコークス強度ＤＩを用いる。予測対象配合データＤ６は、複数種の原料炭それぞれの配合比率を表す。予測モデル生成システム２は、教師データＤ２を用いた機械学習により予測モデル２０を学習させて構築する。教師データ生成システム１は、実測データＤ１に基づいて、予測モデル２０を機械学習させるための教師データＤ２を生成する。実測データＤ１は、ある配合炭によって生産されたコークスの品位値と、当該配合炭を構成する複数種の原料炭それぞれの配合比率を表す。実測データＤ１が示す数値は実測に基づく。以下、各システムを個別に説明する。
（【００１１】以降は省略されています）

関連特許