JP7734497B2 - 予測装置、制御装置、製造方法、およびプログラム - Google Patents

Description

本発明は、予測装置、制御装置、製造方法、およびプログラムに関する。

従来より、植物油を原料に微生物により生産されたポリマーであって、例えば海水中でも生分解される生分解性ポリマーが知られている。この生分解性ポリマーは、例えば、ＰＨＢＨ（カネカ生分解性ポリマー、登録商標）がある。生分解性ポリマーの生産プロセスは、例えば、培養工程、精製工程、および後処理工程を含む。培養工程は、例えば、種母培養工程、および本培養工程を含み、本培養工程は、培地調製工程、植菌工程、炭素源（オイル）の流加工程、および培養工程を含む。

細胞を培養する技術としては、例えば特許文献１が知られている。特許文献１に記載された細胞培養制御システムは、培養液の中の代謝物濃度値を計測し、時系列データを生成し、時系列データの特徴点に基づき、培養液の物理的化学的変数を制御している。さらに、細胞培養制御システムは、培養液の栄養源濃度値、代謝物濃度値、ｐＨ値、温度値、溶存酸素濃度値および浸透圧値を計測し、時系列データの予測値を算出するシミュレーション部７を有し、予測値の特徴点を抽出している。

微生物を培養する技術において近赤外分光光度計を用いた状態検出技術は、例えば、非特許文献１に記載されている。

さらに、近赤外分光分析装置を用いる技術として、例えば特許文献２および３が知られている。特許文献２には、近赤外分光分析装置を用いて、重合工程の反応器内の試料の波長８００～２５００ｎｍにおける吸収スペクトルを測定し、その測定値に基づいて最終工程で得られる芳香族石油樹脂の物性を予測し、その予測値に基づいて製造工程処理を制御する、芳香族石油樹脂の製造方法が記載されている。

特許文献３には、ケモメトリクスによる多変量解析が実施可能な解析装置を有する近赤外分光分析計を含む測定装置を用い、脱水縮合反応途中の被測定物の近赤外吸収スペクトルを測定し、引き続き該測定データに基づいて、末端基数（あるいは末端基濃度）、水分、濃度、分子量の中から選択される少なくとも一つの物性値を算出し、これらの算定値から、演算装置を用いて、機器制御情報を得、この情報により反応機の計装機器を遠隔操作することで特定の反応条件および反応時間を制御する脂肪族ポリエステル類の製造方法が記載されている。

特開２０１５－２１６８８６号公報 特開２００２－１４５９６６号公報 特開平１１－６０７１１号公報

M.V. Cruz et al., "Online monitoring of P(3HB) produced from used cooking oil withnear-infrared spectroscopy", Journal of Biotechnology 194 (2015) 1-9

上述したオイルを基質とした流加培養工程において、発明者らは、生産性等を考慮すると培養系中の基質濃度を適切に管理することが重要であることを見いだした。オイルが少ないと資化速度が低下し、逆に、オイルが過剰に流加されると発泡により安定した培養が困難になる。しかしながら、上述した非特許文献１や特許文献２－３に記載された技術では、近赤外分光光度計におけるＰＨＢＨの骨格の官能基（例えばメチル基、カルボニル基）の吸収位置とオイルに由来する官能基（例えばメチル基、カルボニル基）の吸収位置とが近くに表れるため、良好な検量線を得ることが困難である場合がある。この場合、近赤外分光光度計における良好な検量線を得るためには、例えば大量のデータが必要となる。

さらに、ポリマーの重合度や培養系中における濃度、オイルの不混和性の影響度、発泡状態の影響度により、近赤外分光光度計におけるオイル濃度の測定結果に誤差が生じる可能性がある。さらに、近赤外分光光度計におけるオイル濃度の測定結果に誤差は、培養系中の温度や菌体の粒径やｐＨなどのＮＩＲの物理的および化学的な影響、一般的な分子の振動や回転に由来する近赤外光の吸収だけでなく、近赤外光による電子遷移や近赤外光の散乱にも影響する。図１３は、ＮＩＲの計測強度と波数との関係の一例を示す図である。

そこで、本発明の目的は、基質としてのオイルに関する濃度を予測することができる予測装置、制御装置、製造方法、およびプログラムを提供することにある。

本発明の一態様に係る予測装置は、オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける予測装置であって、培養液に含まれる成分を分析する近赤外分光分析部と、前記培養システムによる培養に関する変数を取得する取得部と、前記近赤外分光分析部による分析結果、および前記取得部により取得した変数に基づいて、前記基質に関する濃度を予測する予測部と、を備え、前記近赤外分光分析部による分析結果はオイル濃度および乾燥菌体重量を含み、前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む。
本発明の一態様に係る予測装置は、オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける予測装置であって、培養液に含まれる成分を分析する近赤外分光分析部と、前記培養システムによる培養に関する変数を取得する取得部と、前記近赤外分光分析部による分析結果、および前記取得部により取得した変数に基づいて、前記基質に関する濃度を予測する予測部と、を備え、前記近赤外分光分析部による分析結果はオイル濃度およびコポリマー比率を含み、前記培養に関する変数は、オイル流加量、アンモニア水流加量、培養時間、菌株情報、および、ＯＵＲ（酸素消費速度）を含む。

本発明の一態様に係る制御装置は、オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける制御装置であって、培養液に含まれる成分を分析する近赤外分光分析部と、前記培養システムによる培養に関する変数を取得する取得部と、前記近赤外分光分析部による分析結果、および前記取得部により取得した変数に基づいて、前記基質に関する濃度を予測する予測部と、前記予測部の予測結果に基づいて前記培養システムを制御する制御部と、を備え、前記近赤外分光分析部による分析結果はオイル濃度および乾燥菌体重量を含み、前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む。
本発明の一態様に係る制御装置は、オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける制御装置であって、培養液に含まれる成分を分析する近赤外分光分析部と、前記培養システムによる培養に関する変数を取得する取得部と、前記近赤外分光分析部による分析結果、および前記取得部により取得した変数に基づいて、前記基質に関する濃度を予測する予測部と、前記予測部の予測結果に基づいて前記培養システムを制御する制御部と、を備え、前記近赤外分光分析部による分析結果はオイル濃度およびコポリマー比率を含み、前記培養に関する変数は、オイル流加量、アンモニア水流加量、培養時間、菌株情報、および、ＯＵＲ（酸素消費速度）を含む。

本発明の一態様に係る製造方法は、オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける製造方法であって、培養液に含まれる成分を近赤外分光分析により分析するステップと、前記培養システムによる培養に関する変数を取得するステップと、前記成分の分析結果、および前記変数に基づいて、前記基質に関する濃度を予測するステップと、を含み、前記培養液に含まれる成分を分析した分析結果はオイル濃度および乾燥菌体重量を含み、前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む。
本発明の一態様に係る製造方法は、オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける製造方法であって、培養液に含まれる成分を近赤外分光分析により分析するステップと、前記培養システムによる培養に関する変数を取得するステップと、前記成分の分析結果、および前記変数に基づいて、前記基質に関する濃度を予測するステップと、を含み、前記培養液に含まれる成分を分析した分析結果はオイル濃度およびコポリマー比率を含み、前記培養に関する変数は、オイル流加量、アンモニア水流加量、培養時間、菌株情報、および、ＯＵＲ（酸素消費速度）を含む。

本発明の一態様に係るプログラムは、オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおけるコンピュータに、培養液に含まれる成分を近赤外分光分析により分析するステップと、前記培養システムによる培養に関する変数を取得するステップと、前記成分の分析結果、および前記変数に基づいて、前記基質に関する濃度を予測するステップと、を実行させ、前記培養液に含まれる成分を分析した分析結果はオイル濃度および乾燥菌体重量を含み、前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む。
本発明の一態様に係るプログラムは、オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおけるコンピュータに、培養液に含まれる成分を近赤外分光分析により分析するステップと、前記培養システムによる培養に関する変数を取得するステップと、前記成分の分析結果、および前記変数に基づいて、前記基質に関する濃度を予測するステップと、を実行させ、前記培養液に含まれる成分を分析した分析結果はオイル濃度および乾燥菌体重量を含み、前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む。

本発明によれば、基質としてのオイルに関する濃度を予測することができる。

実施形態の培養システム１の一例を示す図である。 実施形態における学習装置４００の一例を示すブロック図である。 実施形態における説明変数、予測モデル、および目的変数の関係を示す図である。 実施形態における学習処理により予測モデルを評価した結果を示す図である。 実施形態における予測モデルによりオイル濃度を予測した結果の評価を示す図である。 実施形態により予測したオイル濃度と、比較例としての測定したオイル濃度との関係を示す図である。 （Ａ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度とＮＩＲで測定したオイル濃度との関係を示す図であり、（Ｂ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度と実施形態の予測モデルで予測したオイル濃度との関係を示す図である。 実施形態における学習処理により予測モデルを評価した結果を示す図である。 実施形態における予測モデルによりオイル濃度を予測した結果の評価を示す図である。 実施形態により予測したオイル濃度と、比較例としての測定したオイル濃度との関係を示す図である。 （Ａ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度とＮＩＲで測定したオイル濃度との関係を示す図であり、（Ｂ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度と実施形態の予測モデルで予測したオイル濃度との関係を示す図である。 （Ａ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度とＮＩＲで測定したオイル濃度との残差を示すヒストグラムであり、（Ｂ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度と実施形態の予測モデルで予測したオイル濃度との残差を示すヒストグラムである。 ＮＩＲの計測強度と波数との関係の一例を示す図である。

以下、本発明を適用した予測装置、制御装置、製造方法、およびプログラムを、図面を参照して説明する。

［培養システム１の概要］
図１は、実施形態の培養システム１の一例を示す図である。実施形態の培養システム１は、オイルを基質とした微生物の培養により生分解性高分子を製造する工程において、微生物を培養するシステムである。生分解性高分子は、例えばＰＨＢＨ（カネカ生分解性ポリマー）（登録商標）であり、ＰＨＢＨは、ＰＨＡ（ポリヒドロキシアルカノエート）の一種であり、３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体である。ＰＨＢＨは、生分解性プラスチックの原料である。しかし、本実施形態の製造対象は、ＰＨＢＨに限定されず、ＰＨＡなどの他の共重合体であってもよい。実施形態におけるＰＨＡは、３－ヒドロキシブタン酸（３ＨＢ）のホモポリマーであるＰ（３ＨＢ）、３ＨＢと３－ヒドロキシバレリル酸（３ＨＶ）の共重合体Ｐ（３ＨＢ－ｃｏ－３ＨＶ）、３ＨＢと３－ヒドロキシヘキサン酸（３ＨＨ）の共重合体Ｐ（３ＨＢ－ｃｏ－３ＨＨ）（略称：ＰＨＢＨ）、３ＨＢと４－ヒドロキシブタン酸（４ＨＢ）の共重合体などである。

ＰＨＢＨの生産プロセスは、例えば培養プロセス、精製プロセス、および後処理プロセスの順で実施される。培養プロセスは、例えば、種母培養工程、および本培養工程と称されるプロセスが含まれ、本培養工程は、培地調製工程、植菌工程、基質としてのオイルの流加工程、および培養工程を含む。オイルの流加工程においては、その他の基質として、リン酸、アンモニア水を流加する。実施形態の培養システム１は、オイルの流加工程において、オイルの流量を管理するために、培養液中のオイル濃度を予測する。これにより、培養システム１は、例えば、予測したオイル濃度をリアルタイムで表示させることで、管理者にオイル濃度を認識させることができる。さらに、実施形態の培養システム１は、予測した培養液中のオイル濃度に基づいて、オイルの流量を自動的に制御してもよい。

実施形態におけるＰＨＡ微生物培養基質は、例えばオイルである。オイルは、油脂、脂肪酸、およびグリセリンを含む。油脂は、脂肪酸とグリセリンのエステルである。しかし、ＰＨＡ微生物培養の基質は、オイルに限定されず、脂肪酸、グルコースなどの炭素源、またはその組み合わせであってもよい。実施形態における培養で用いる油脂は、例えば、トリアシルグリセロール、ジアシルグリセロール、モノアシルグリセロールなどである。実施形態における培養で用いる脂肪酸は、例えば、パルミチン酸、オレイン酸、リノール酸、ステアリン酸などである。

［培養システム１の構成］
培養システム１は、図１に示すように、培養装置１００を備える。培養装置１００は、例えば、培養槽１１０と、攪拌装置１２０と、ポンプシステム１３０と、センサ群（１４０、１４２、１４４、１４６、および１４８）とを備える。培養槽１１０には培養液が蓄えられる。攪拌装置１２０は、例えモータおよびモータ駆動装置（不図示）、攪拌棒１１２等を備え、培養槽１１０に蓄えられた培養液を攪拌する。ポンプシステム１３０は、ポンプ、ポンプ駆動装置（不図示）、およびポンプに接続された流路等を備え、オイル、ＮＨ４ＯＨ、Ｈ３ＰＯ４などの培養に必要な材料を培養槽１１０内に供給する。排ガスセンサ１４０は、培養槽１１０から排出されるガス中の酸素濃度に基づく信号およびＣＯ２濃度に基づく信号を出力する。溶存酸素（ＤＯ）センサ１４２は、培養液中に溶解した酸素の濃度に基づく信号を出力する。温度センサ１４４は、培養液の温度に基づく信号を出力する。ｐＨセンサ１４６は、培養液のｐＨに関する信号を出力する。ＮＩＲ（near‐infrared）センサ１４８は、例えば、近赤外線を照射する光源、および培養液からの反射光または透過光を検出する光検出部を備える。ＮＩＲセンサ１４８は、反射光に基づく信号を出力する。

さらに、培養装置１００は、Ｏ２・ＣＯ２取得部２００と、ＤＯ取得部２０２と、温度取得部２０４と、ｐＨ取得部２０６と、ＮＩＲ分析部２０８とを備える。Ｏ２・ＣＯ２取得部２００は、排ガスセンサ１４０からガス中の酸素濃度に基づく信号およびＣＯ２濃度に基づく信号を取得し、排ガスのＯ２濃度情報およびＣＯ２濃度情報を予測装置３００に供給する。ＤＯ取得部２０２は、溶存酸素センサ１４２から培養液中に溶解した酸素の濃度に基づく信号を取得し、溶存酸素濃度情報を予測装置３００に供給する。温度取得部２０４は、温度センサ１４４から培養液の温度に基づく信号を取得し、培養液温度情報を予測装置３００に供給する。ｐＨ取得部２０６は、ｐＨセンサ１４６から培養液のｐＨに基づく信号を取得し、ｐＨ情報を予測装置３００に供給する。ＮＩＲ分析部２０８は近赤外分光光度計であり、ＮＩＲセンサ１４８から反射光または透過光に基づく信号を取得し、取得した信号を分析し、分析結果を予測装置３００に供給する。ＮＩＲ分析部２０８は、培養液に含まれる成分を分析する近赤外分光分析部の一例である。また、Ｏ２・ＣＯ２取得部２００と、ＤＯ取得部２０２と、温度取得部２０４と、ｐＨ取得部２０６は、培養システム１による培養に関する変数を取得する取得部の一例である。

さらに、培養装置１００は、予測装置３００と、学習装置４００と、表示装置５００と、制御装置６００とを備える。予測装置３００は、予測処理部３０２により予測モデル３０４に基づく処理を実行するにより、ＮＩＲ分析部２０８による分析結果、および培養に関する変数に基づいて、培養液中のオイル濃度を予測する。予測処理部３０２は、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサがプログラムメモリに格納されたプログラムを実行することにより実現される。予測モデル３０４は、例えば、培養に関する変数としての説明変数を入力とし、培養液中のオイル濃度としての目的変数を出力する回帰式モデルである。説明変数は、例えば、物理的に取得された情報、および説明変数記憶部３１０に記憶された情報である。

表示装置５００は、例えば、培養システム１の管理者が視認可能なディスプレイ装置である。表示装置５００は、例えば、予測装置３００により予測されたオイル濃度に関する情報を表示する。

制御装置６００は、予測装置３００により予測されたオイル濃度に基づいて、培養システム１の各部を制御する。制御装置６００は、例えばＣＰＵ等のプロセッサを備え、プロセッサがプログラムメモリに格納されたプログラムを実行することにより実現される。制御装置６００は、例えば、培養工程において所定のタイミングで予測されたオイル濃度に基づいて目標のオイル流量を演算し、当該目標のオイル流量に近づけるようにポンプシステム１３０を制御する。所定のタイミングは、例えば、数分毎などの連続的に到来するように設定することが望ましく、これにより、制御装置６００は、連続的にオイル濃度を取得して、オイル濃度に基づく制御を行うことが望ましい。

さらに、制御装置６００は、排気ガス中有のＯ２濃度やＣＯ２濃度に基づいて最適なオイル流量となるようにポンプシステム１３０を制御することが望ましく、培養槽１１０内の発泡に基づいて最適なオイル流量となるように制御することが望ましい。この場合、制御装置６００は、予測装置３００により予測されたオイル濃度に基づいて、培養液中のオイル濃度が所定の範囲となるようにオイル流量を制御することが望ましい。

学習装置４００は、教師データ記憶部４１０に記憶された教師データに基づいて予測モデル４０２を学習させる。学習装置４００により学習された予測モデル４０２は、予測モデル３０４として予測装置３００に導入される。

図２は、実施形態における学習装置４００の一例を示すブロック図である。学習装置４００は、例えば、教師データ取得部４２０、モデル構築部４３０、予測モデル４０２、および学習結果記憶部４４０を備える。

教師データ取得部４２０は、教師データ記憶部４１０から教師データとして説明変数ｘおよび目的変数ｙを取得する。１つの教師データにおける説明変数ｘと目的変数ｙとは対応した関係となっている。すなわち、ある教師データにおける説明変数ｘにより特定されるＮＩＲの演算値および／または培養条件で培養工程を実施した場合に、当該教師データにおける目的変数ｙにより特定されるオイル濃度となる。

モデル構築部４３０は、説明変数ｘを予測モデル４０２に入力し、予測モデル４０２から説明変数ｘに対応した目的変数ｙを出力するように、予測モデル４０２を特定する関数ｆまたは処理パラメータを学習する。モデル構築部４３０は、例えば、説明変数ｘに対応する目的変数ｙと、予測モデル４０２の出力との差が小さくなるように、関数ｆまたは処理パラメータを再帰的に算出（更新）する。予測モデル４０２は、例えば、学習される前の回帰式モデルである。予測モデル４０２における関数ｆは、例えば説明変数ｘを演算する演算式であり、処理パラメータは、例えば演算式における重み係数である。モデル構築部４３０は、算出（更新）した関数ｆおよび処理パラメータを学習結果記憶部４４０に保存する。

図３は、実施形態における説明変数、予測モデル、および目的変数の関係を示す図である。説明変数記憶部３１０は、例えばハードディスク装置やデータベース管理装置等を含む記憶装置である。説明変数記憶部３１０は、ＮＩＲの演算値（分析結果）、培養条件、ポリマー情報、基質情報、工程パラメータ、および微生物情報を含む説明変数を記憶する。説明変数記憶部３１０に記憶される情報は、取得部（２００、２０２、２０４、２０６、２０８）により取得した情報や、図示しないセンサにより検出した信号に基づく情報や、説明変数設定部３１２により受け付けた情報であってよい。説明変数設定部３１２は、例えば、培養システム１の管理者が利用するパーソナルコンピュータ等であり、管理者の操作に基づいて説明変数を説明変数記憶部３１０に記憶させる。

実施形態における予測モデルは、回帰式を利用したモデルを説明したが、予測モデルを実現するための回帰式は、線形回帰における重回帰、スパース回帰、ＰＬＳ（partial least squares regression）回帰などであってよいが、これに限定されず、説明変数を入力してオイル濃度を予測するための目的変数を出力することができる既知の回帰式や、将来においてオイル濃度を予測することに適用可能な様々な回帰式を利用してもよい。モデル構築部４３０は、例えば、重回帰、スパース回帰、ＰＬＳ回帰のうちいずれかの回帰式を選択し、選択した回帰式によって高い精度でオイル濃度を予測することができる説明変数の組み合わせを選択することで予測モデルを構築することができる。さらに、モデル構築部４３０は、回帰式ごとに最適な説明変数の組み合わせを用いてオイル濃度を予測してよく、培養システム１において取得（計測）可能な説明変数の組み合わせに基づいて最適な回帰式を採用してもよい。

ＮＩＲの演算値（分析結果）情報は、例えば、培養液中のオイルの濃度、培養液中のコポリマー（共重合体）に関する情報、培養液中に含まれる成分ごとの重量平均分子量（Ｍｗ）情報、培養液中の乾燥菌体重量（ＤＣＷ）に関する情報の少なくとも一つを含む。説明変数としてのＮＩＲの演算値（分析結果）情報は、ＮＩＲ分析部２０８により出力することができる情報であって、予測対象としてのオイル濃度に相関がある情報であればよい。ＮＩＲの演算値情報は、ＮＩＲ分析部２０８の分析結果であるが、これに限定されず、例えばＮＩＲ分析部２０８の分析結果を加工した値等のＮＩＲ分析部２０８の分析結果に基づく情報であればよい。ＮＩＲ分析部２０８の分析結果を加工した値とは、例えば、分析結果の平均値や、正規化値や、特異なデータを排除したデータ群などである。

培養条件情報は、例えば、オイル（基質）の単位時間当たり流加量、オイル（基質）の流加量積算値、アルカリ溶液（例えばNH4OH）の単位時間当たり流加量、アルカリ溶液（例えばNH4OH）の流加量積算値、酸溶液（例えばH3PO4）の単位時間当たり流加量、酸溶液（例えばH3PO4）の流加量積算値、培養時間情報、攪拌数情報、攪拌動力情報、培養槽１１０の内圧情報、培養槽１１０内の通気量情報、培養液の温度情報、培養液のｐＨ情報、培養液の液量情報、植菌量情報のうち少なくとも一つを含む。培養槽１１０の内圧情報、および培養槽１１０内の通気量情報は、図示しないセンサにより検出してよく、目標値や、経験値等の所定値であってよい。なお、説明変数としての培養条件情報は、培養条件のうち、予測対象としてのオイル濃度に相関がある情報であればよい。培養条件情報は、培養条件を加工した値であってもよい。培養条件を加工した値とは、例えば、培養条件の平均値や、正規化値や、特異なデータを排除したデータ群などである。

ポリマー情報は、生分解性高分子に関する情報の一例である。ポリマー情報は、培養液中におけるポリマー（生分解性高分子）の濃度、一次構造としてのコポリマーの比率情報、ポリマーにおける分子間及び分子内の組成分布情報、のうち少なくとも一つを含む。一次構造は、例えばポリマー（生分解性高分子）が形成される前の状態（例えば、コポリマー、コモノマー（例えば３ＨＨ））を示す構造であり、コポリマーの比率は、培養液中におけるコポリマーとポリマーとの比率を示し、コモノマーの比率は、培養液中におけるコモノマーとポリマーとの比率を示す。なお、コポリマーの比率やコモノマーの比率は、生分解性高分子の一次構造に関する情報の一例である。

ポリマー情報は、培養液をサンプリングして分析して得た測定値であってもよく、目標値や、経験値等の所定値を入力してよい。説明変数としてのポリマー情報は、ポリマーに関する情報のうち、予測対象としてのオイル濃度に相関がある情報であれば、実施形態が適用可能なポリマーに関する他の情報も含めてよい。ポリマー情報は、ポリマー情報を加工した値であってもよい。ポリマー情報を加工した値とは、例えば、ポリマーに関する値の平均値や、正規化値や、特異なデータを排除したデータ群などである。

基質情報は、例えば、基質の分解状態や、培養液中に含まれる油脂の種類および組成比、培養液中に含まれる脂肪酸の種類および組成比、基質の消費速度のうち少なくとも一つを含む。実施形態における培養で用いる油脂は、例えば、トリアシルグリセロール、ジアシルグリセロール、モノアシルグリセロールなどである。実施形態における培養で用いる脂肪酸は、例えば、パルミチン酸、オレイン酸、リノール酸、ステアリン酸などである。基質情報は、培養液をサンプリングして分析して得た測定値であってもよく、目標値や、経験値等の所定値を入力してよい。説明変数としての基質情報は、基質に関する情報のうち、予測対象としてのオイル濃度に相関がある情報であれば、実施形態が適用可能な基質に関する他の情報も含めてよい。基質情報は、基質に関する値を加工した値であってもよい。基質に関する値を加工した値とは、例えば、基質に関する値の平均値や、正規化値や、特異なデータを排除したデータ群などである。

工程パラメータは、培養システム１の状態に関する情報の一例である。工程パラメータは、例えば、培養液内の酸素量（溶存酸素濃度；ＤＯ）、排気ガスのＯ２濃度およびＣＯ２濃度、酸素摂取速度（Oxygen Uptake Rate;ＯＵＲ）、培養時の呼吸商（respiratory quotient; RQ）、発泡状態に関するパラメータのうち少なくとも一つを含む。発泡状態に関するパラメータは、例えば、発泡している液面の位置や、位置の変化や、発生期間などの情報である。工程パラメータは、測定値であってもよく、目標値や、経験値等の所定値であってよい。説明変数としての工程パラメータは、工程パラメータに関する情報のうち、予測対象としてのオイル濃度に相関がある情報であれば、実施形態が適用可能な工程に関する他の情報も含めてよい。工程パラメータは、工程パラメータに関する値を加工した値であってもよい。工程パラメータに関する値を加工した値とは、例えば、工程パラメータに関する値の平均値や、正規化値や、特異なデータを排除したデータ群などである。

ＯＵＲは、菌体が消費している酸素の量であり、排ガスＯ２、ＣＯ２の検出値に基づいて算出される。ＯＵＲが高い状態は、オイル資化速度（生産性）が高い状態を表す。ＯＵＲが上昇していることは、菌体活性が上昇していることを表し、ＯＵＲが低下していることは、菌体活性の低下、酸素供給速度の低下、オイルの不足の少なくとも一つが発生していることを表す。生産性向上のためにはＯＵＲが高いことが望ましい。

ＤＯは、培養液中に溶け残っている酸素の濃度であり、ＤＯが大きい状態は、培養液中に酸素が余っており、オイル資化速度が低くオイルが不足している状態を表す。ＤＯが小さい（≒０）状態は、培養液に供給された酸素が全て消費されている状態を表す。ＤＯが上昇していることは、培養液中に酸素が余っているため、菌体活性の低下またはオイルの不足の少なくとも一つが発生していることを表し、ＤＯが低下していることは、培養液中の酸素が足りていることを表す。生産性向上のためにはＤＯが低いことが望ましい。

ＲＱは、消費した酸素（Ｏ２）に対する二酸化炭素（ＣＯ２）の割合であり、ＲＱが大きい状態とは、オイルを無駄に消費している状態を表す。オイルを無駄に消費している状態とは、例えば、消費したＣがＣＯ２に変換される割合が高い状態である。ＲＱが小さい状態とは、オイルが効率良くポリマーに変換されている状態を表す。オイルが効率良くポリマーに変換されている状態とは、消費したＣがＣＯ２に変換される割合が低い状態である。生産性向上のためにはＲＱが低いことが望ましい。

微生物情報は、生分解性高分子を生産するバクテリア、酵母、カビ、古細菌などの微生物に関する情報の一例である。微生物情報は、例えば、菌株の種類、生分解性高分子を含む菌体の粒径、生分解性高分子を含む菌体の乾燥菌体重量に占める菌体重量のうち少なくとも一つを含む。微生物情報は、測定値であってもよく、目標値や、経験値等の所定値であってよい。説明変数としての微生物情報は、微生物に関する情報のうち、予測対象としてのオイル濃度に相関がある情報であればよい。微生物情報は、微生物に関する値を加工した値であってもよい。微生物に関する値を加工した値とは、例えば、微生物に関する値の平均値や、正規化値や、特異なデータを排除したデータ群などである。

［実施例］
図４は、上述した実施形態における学習処理により予測モデルを評価した結果を示す図であり、予測モデルとして部分的最小二乗回帰（PLS回帰）モデルおよび直線回帰モデルのそれぞれを用いた場合のＭＳＥ（mean squared error、平均二乗誤差）、ＲＭＳＥ（root mean squared error、二乗平均平方根誤差）、ＭＡＥ（mean absolute error、平均絶対誤差）、Ｒ２（決定係数）を示す。図５は、上述した実施形態における予測モデルによりオイル濃度を予測した結果の評価を示す図であり、予測モデルとしてＰＬＳ回帰）モデルおよび直線回帰モデルのそれぞれを用いた場合のＭＳＥ、ＲＭＳＥ、ＭＡＥ、Ｒ２を示す。

図６は、実施形態により予測したオイル濃度と、比較例としての測定したオイル濃度との関係を示す図である。図４において、プロットされた点は、予測されたオイル濃度を示す。測定したオイル濃度は、培養液中のオイル濃度をサンプリングしてガスクロマトグラフィー装置（ガスクロマトグラフ：Gas Chromatograph）を用いて測定した結果である。予測モデルは、部分的最小二乗回帰とした。実施例における説明変数は、ＮＩＲの演算値としてのオイル濃度およびコポリマー比率（ＰＨＢＨの３ＨＨの比率）と、培養条件としてのオイル流加量、アンモニア水流加量、および培養時間と、菌株情報と、工程パラメータとしてのＯＵＲ（酸素消費速度）である。実施例によれば、予測モデルについて、二乗平均平方根誤差（ＲＭＳＥ）が０．１４９、決定係数（Ｒ２）が０．７２３になった。また、予測したオイル濃度は、測定したオイル濃度と高い相関があることが分かる。

図７（Ａ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度とＮＩＲで測定したオイル濃度との関係を示す図であり、図７（Ｂ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度と実施形態の予測モデルで予測したオイル濃度との関係を示す図である。図７によれば、ＧＣで測定したオイル濃度に対するＮＩＲで測定したオイル濃度の誤差が大きく、ＧＣで測定したオイル濃度に対する実施形態の予測モデルで予測したオイル濃度の誤差が小さいことが分かる。

図８は、上述した実施形態における学習処理により予測モデルを評価した結果を示す図であり、予測モデルとして部分的最小二乗回帰（PLS回帰）モデルを用いた場合のＭＳＥ、ＲＭＳＥ、ＭＡＥ、Ｒ２を示す。図９は、上述した実施形態における予測モデルによりオイル濃度を予測した結果の評価を示す図であり、予測モデルとしてＰＬＳ回帰モデルを用いた場合のＭＳＥ、ＲＭＳＥ、ＭＡＥ、Ｒ２を示す。実施例における説明変数は、ＮＩＲの演算値としてのオイル濃度および乾燥菌体重量と、培養条件としてのアンモニア水流加量積算値およびオイル流加量と、菌株情報（ダミー変数）とした。

図１０は、実施形態により予測したオイル濃度と、比較例としての測定したオイル濃度との関係を示す図である。図１０において、プロットされた点は、予測されたオイル濃度を示す。測定したオイル濃度は、培養液中のオイル濃度をサンプリングしてガスクロマトグラフィー装置（ガスクロマトグラフ：Gas Chromatograph）を用いて測定した結果である。予測モデルは、部分的最小二乗回帰とした。実施例における説明変数は、ＮＩＲの演算値としてのオイル濃度および乾燥菌体重量と、培養条件としてのアンモニア水流加量の積算値及びオイル流加量と、菌株情報である。実施例によれば、予測モデルについて、二乗平均平方根誤差（ＲＭＳＥ）が０．０９４、決定係数（Ｒ２）が０．９２４になった。また、予測したオイル濃度は、測定したオイル濃度と高い相関があることが分かる。

図１１（Ａ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度とＮＩＲで測定したオイル濃度との関係を示す図であり、図１１（Ｂ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度と実施形態の予測モデルで予測したオイル濃度との関係を示す図である。図１１（Ａ）の下段にＮＩＲで測定したオイル濃度における精度指標としてのＭＳＥ、ＲＭＳＥ、ＭＡＥ、およびＲ２を示し、図１１（Ｂ）の下段に実施形態における予測モデルで予測したオイル濃度における精度指標としてのＭＳＥ、ＲＭＳＥ、ＭＡＥ、およびＲ２を示す。図１１（Ａ）によれば、ＧＣで測定したオイル濃度に対するＮＩＲで測定したオイル濃度の誤差が大きく、図１１（Ｂ）によれば、ＧＣで測定したオイル濃度に対する実施形態の予測モデルで予測したオイル濃度の誤差が小さいことが分かる。

図１２（Ａ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度とＮＩＲで測定したオイル濃度との残差を示すヒストグラムであり、図１２（Ｂ）は、ガスクロマトグラフィー装置（ＧＣ）で測定したオイル濃度と実施形態の予測モデルで予測したオイル濃度との残差を示すヒストグラムである。図１２によれば、実施形態の予測モデルで予測したオイル濃度の誤差が、ＮＩＲで測定したオイル濃度の誤差よりも小さいことが分かる。

［実施形態の効果］
実施形態の培養システム１によれば、オイルを基質とした微生物の培養により生分解性高分子を製造する培養システム１における予測装置３００であって、培養液に含まれる成分を分析するＮＩＲ分析部２０８と、培養システム１による培養に関する変数を取得する取得部（２００等）と、ＮＩＲ分析部２０８による分析結果、および取得部により取得した変数に基づいて、基質に関する濃度を予測する予測処理部３０２と、を備える予測装置３００を実現することができる。実施形態の培養システム１によれば、オイルの濃度を予測することができる。この結果、培養システム１によれば、既存の手法のように培養液を採取してＧＣを用いてオイル濃度を測定する作業を無くすことができ、作業負荷を軽減することができる。また、培養システム１によれば、連続的にオイル濃度を予測することにより、培養液中のオイル濃度を高い精度で制御することができ、生分解高分子の生産性を向上させることができる。

また、実施形態の培養システム１によれば、ＮＩＲ分析部２０８による分析結果やその他の説明変数、およびオイル濃度を教師データとして学習した予測モデル３０４を構築し、実際の予測時には、ＮＩＲ分析部２０８による分析結果、および取得部（２００等）により取得した変数を予測モデル３０４に入力したことに対する、予測モデル３０４の出力に基づいてオイル濃度を予測することができる。この結果、培養システム１によれば、オイル濃度と相関があるＮＩＲ分析部２０８による分析結果やその他の説明変数を用いて予測モデル３０４を繰り返し学習させることにより、予測精度を高くすることができ、さらに生産性を向上させることができる。

さらに、実施形態の培養システム１によれば、オイルを基質とした微生物の培養により生分解性高分子を製造する培養システム１における制御装置であって、培養液に含まれる成分を分析するＮＩＲ分析部２０８と、培養システム１による培養に関する変数を取得する取得部（２００等）と、ＮＩＲ分析部２０８による分析結果、および取得部により取得した変数に基づいて、基質に関する濃度を予測する予測装置３００と、予測装置３００の予測結果に基づいて培養システム１を制御する制御部（６００）と、を備える制御装置を実現することができる。この結果、培養システム１によれば、連続的にオイル濃度を予測し、培養液中のオイル濃度を高い精度で制御することができ、生分解高分子の生産性を向上させることができる。

さらに、実施形態の培養システム１によれば、オイルを基質とした微生物の培養により生分解性高分子を製造する培養システム１における製造方法であって、培養液に含まれる成分を分析するステップと、培養システム１による培養に関する変数を取得するステップと、成分の分析結果、および変数に基づいて、基質に関する濃度を予測するステップと、を含む製造方法を実現することができる。実施形態の培養システム１によれば、オイルを基質とした微生物の培養により生分解性高分子を製造する培養システム１におけるコンピュータに、培養液に含まれる成分を分析するステップと、培養システム１による培養に関する変数を取得するステップと、成分の分析結果、および変数に基づいて、基質に関する濃度を予測するステップと、を実行させる、プログラムを実現することができる。この結果、培養システム１によれば、既存の手法のように培養液を採取してＧＣを用いてオイル濃度を測定する作業を無くすことができ、作業負荷を軽減することができる。また、培養システム１によれば、連続的にオイル濃度を予測することにより、培養液中のオイル濃度を高い精度で制御することができ、生分解高分子の生産性を向上させることができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１ 培養システム
１００ 培養装置
１２０ 攪拌装置
１３０ ポンプシステム
１４０ 排ガスセンサ
１４２ 溶存酸素センサ
１４４ 温度センサ
１４６ ｐＨセンサ
１４８ ＮＩＲセンサ
２００ Ｏ２・ＣＯ２取得部
２０２ ＤＯ取得部
２０４ 温度取得部
２０６ ｐＨ取得部
２０８ ＮＩＲ分析部
３００ 予測装置
３０２ 予測処理部
３０４ 予測モデル
３１０ 説明変数記憶部
３１２ 説明変数設定部
４００ 学習装置
４１０ 教師データ記憶部
４３０ モデル構築部
４４０ 学習結果記憶部
５００ 表示装置
６００ 制御装置

Claims (10)

1. オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける予測装置であって、
   培養液に含まれる成分を分析する近赤外分光分析部と、
   前記培養システムによる培養に関する変数を取得する取得部と、
   前記近赤外分光分析部による分析結果、および前記取得部により取得した変数に基づいて、前記基質に関する濃度を予測する予測部と、を備え、
   前記近赤外分光分析部による分析結果はオイル濃度および乾燥菌体重量を含み、
   前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む、予測装置。
2. オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける予測装置であって、
   培養液に含まれる成分を分析する近赤外分光分析部と、
   前記培養システムによる培養に関する変数を取得する取得部と、
   前記近赤外分光分析部による分析結果、および前記取得部により取得した変数に基づいて、前記基質に関する濃度を予測する予測部と、を備え、
   前記近赤外分光分析部による分析結果はオイル濃度およびコポリマー比率を含み、
   前記培養に関する変数は、オイル流加量、アンモニア水流加量、培養時間、菌株情報、および、ＯＵＲ（酸素消費速度）を含む、
   予測装置。
3. 前記予測部は、前記近赤外分光分析部による分析結果、前記変数、および前記基質に関する濃度を教師データとして学習した予測モデルを含み、前記近赤外分光分析部による分析結果、および前記取得部により取得した変数を前記予測モデルに入力したことに対する、前記予測モデルの前記基質に関する濃度の出力を取得する、請求項１または２に記載の予測装置。
4. オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける制御装置であって、
   培養液に含まれる成分を分析する近赤外分光分析部と、
   前記培養システムによる培養に関する変数を取得する取得部と、
   前記近赤外分光分析部による分析結果、および前記取得部により取得した変数に基づいて、前記基質に関する濃度を予測する予測部と、
   前記予測部の予測結果に基づいて前記培養システムを制御する制御部と、を備え、
   前記近赤外分光分析部による分析結果はオイル濃度および乾燥菌体重量を含み、
   前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む、制御装置。
5. オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける制御装置であって、
   培養液に含まれる成分を分析する近赤外分光分析部と、
   前記培養システムによる培養に関する変数を取得する取得部と、
   前記近赤外分光分析部による分析結果、および前記取得部により取得した変数に基づいて、前記基質に関する濃度を予測する予測部と、
   前記予測部の予測結果に基づいて前記培養システムを制御する制御部と、を備え、
   前記近赤外分光分析部による分析結果はオイル濃度およびコポリマー比率を含み、
   前記培養に関する変数は、オイル流加量、アンモニア水流加量、培養時間、菌株情報、および、ＯＵＲ（酸素消費速度）を含む、制御装置。
6. オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける製造方法であって、
   培養液に含まれる成分を近赤外分光分析により分析するステップと、
   前記培養システムによる培養に関する変数を取得するステップと、
   前記成分の分析結果、および前記変数に基づいて、前記基質に関する濃度を予測するステップと、を含み、
   前記培養液に含まれる成分を分析した分析結果はオイル濃度および乾燥菌体重量を含み、
   前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む、製造方法。
7. オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおける製造方法であって、
   培養液に含まれる成分を近赤外分光分析により分析するステップと、
   前記培養システムによる培養に関する変数を取得するステップと、
   前記成分の分析結果、および前記変数に基づいて、前記基質に関する濃度を予測するステップと、を含み、
   前記培養液に含まれる成分を分析した分析結果はオイル濃度およびコポリマー比率を含み、
   前記培養に関する変数は、オイル流加量、アンモニア水流加量、培養時間、菌株情報、および、ＯＵＲ（酸素消費速度）を含む、製造方法。
8. 前記培養システムにより前記培養液に前記基質を供給するステップにおいて、予測した前記基質に関する濃度に基づいて前記基質の供給量を制御する、
   請求項６または７に記載の製造方法。
9. オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおけるコンピュータに、
   培養液に含まれる成分を近赤外分光分析により分析するステップと、
   前記培養システムによる培養に関する変数を取得するステップと、
   前記成分の分析結果、および前記変数に基づいて、前記基質に関する濃度を予測するステップと、を実行させ、
   前記培養液に含まれる成分を分析した分析結果はオイル濃度および乾燥菌体重量を含み、
   前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む、プログラム。
10. オイルを基質とした微生物の培養により３ＨＢ（３－ヒドロキシブチレート）と３ＨＨ（３－ヒドロキシヘキサノエート）の共重合体を製造する培養システムにおけるコンピュータに、
    培養液に含まれる成分を近赤外分光分析により分析するステップと、
    前記培養システムによる培養に関する変数を取得するステップと、
    前記成分の分析結果、および前記変数に基づいて、前記基質に関する濃度を予測するステップと、を実行させ、
    前記培養液に含まれる成分を分析した分析結果はオイル濃度および乾燥菌体重量を含み、
    前記培養に関する変数は、アンモニア水流加量の積算値、オイル流加量、および、菌株情報を含む、プログラム。