TWI915512B - 推測系統、推測程式以及推測方法 - Google Patents

Abstract

本發明提供一種推測裝置、推測系統、推測程式以及推測方式，能夠定量地推測水系中的故障的產生或藉由水系所製造的產品的品質。根據本發明的一種方式，提供一種用於推測在水系中或從水系派生的今後可能產生的估計結果的推測裝置。前述推測裝置具備參數資訊取得部、關係性模型資訊取得部以及推測部。參數資訊取得部取得參數資訊，參數資訊包含兩個以上作為以下參數中的任一種參數：與水系的水質相關的水質參數；與水系、與水系相關的設備或者與水系中添加的原料的控制條件相關的控制參數；以及作為與估計結果具有不同含義的參數的結果參數，亦即，在與水系、與水系相關的設備或者與水系中添加的原料中，或者從水系、與水系相關的設備或者水系中添加的原料中派生而產生的結果相關的結果參數。關係性模型資訊取得部取得事先作成的關係性模型資訊，關係性模型資訊顯示估計結果或者與估計結果相關聯的指標與兩個以上參數的關係。推測部基於參數資訊以及關係性模型資訊來推測估計結果或者與估計結果相關聯的指標。

Description

推測系統、推測程式以及推測方法

本發明係有關於一種推測裝置、推測系統、推測程式以及推測方法。

以紙製品為首的各種製品由水系的工序被製造出來。在這樣的工序中，從防止或減輕操作中的故障產生或者對產品的不良影響的觀點出發，通常事先進行故障預測。

例如在紙製品的製造中，確認根據經驗已知對故障或紙製品的品質造成影響的參數的當前值及其變化的傾向，執行各種操作的條件或添加至水系的藥品的控制。

例如，專利文獻1中提出了在製造紙的水系中測定與水質相關的兩個以上的水質參數，並基於前述測定值來執行前述水系的水處理方法。由此，根據專利文獻1所示的方法，能夠實現高品質紙張的製造。 [先前技術文獻] [專利文獻]

[專利文獻1]國際公開第2012／070644號。

[發明所欲解決之課題] 在專利文獻1中，沒有公開定量地推測製造紙的水系中的故障產生或紙製品品質的方法。另一方面，為了更加精密地執行各種操作的條件或體系內添加的藥品量的控制，需要對在水系中的故障產生或紙製品品質進行定量地推測。

本發明鑒於以上情況所完成，目的在於提供一種推測裝置、推測系統、推測程式以及推測方法，能夠定量地推測水系中的故障的產生或藉由水系所製造的產品的品質。

[用以解決課題之手段] 根據本發明的一種方式，提供一種推測裝置，係用於推測在水系中或從水系派生的今後可能產生的估計結果。前述推測裝置具備參數資訊取得部、關係性模型資訊取得部以及推測部。參數資訊取得部取得參數資訊，參數資訊包含兩個以上作為以下參數中的任一種參數：與水系的水質相關的水質參數；與水系、與水系相關的設備或者與水系中添加的原料的控制條件相關的控制參數；以及作為與估計結果具有不同含義的參數的結果參數，前述結果參數為在與水系、與水系相關的設備或者與水系中添加的原料中，或者從水系、與水系相關的設備或者水系中添加的原料中派生而產生的結果相關的結果參數。關係性模型資訊取得部取得事先作成的關係性模型資訊，關係性模型資訊顯示估計結果或者與估計結果相關聯的指標與兩個以上參數的關係。推測部基於參數資訊以及關係性模型資訊來推測估計結果或者與估計結果相關聯的指標。

本發明亦可藉由以下記載的各種方式來提供。 在前述推測裝置中，前述關係性模型係藉由對與前述估計結果相當的事先確認結果或者與前述事先確認結果關聯的指標與兩個以上前述參數進行回歸分析、時間序列分析、決策樹、神經網路、貝葉斯、聚類或綜合學習而求出的模型。 在前述推測裝置中，前述水系係紙製品製造工序中的水系。 在前述推測裝置中，前述水質參數係從以下構成的群中所選擇的一種以上：前述水系的pH(power of hydrogen；酸鹼值)、電導率、氧化還原電位、界達電位(Zeta potential)、濁度、溫度、泡沫高度、生化需氧量(Biochemical oxygen demand：BOD)、化學需氧量(Chemical oxygen demand：COD)、吸光度、顏色、粒度分佈、凝集程度、異物量、水面的發泡面積、水中的污垢面積、氣泡量、葡萄糖的量、有機酸的量、澱粉的量、鈣的量、總氯的量、遊離氯的量、溶解氧的量、陽離子要求量、硫化氫的量、過氧化氫的量以及體系內微生物的呼吸速度。 在前述推測裝置中，前述控制參數係從以下構成的群中所選擇的一種以上：屬於造紙機的運轉速度之造紙速度、原料脫水機的濾布轉速、洗滌機的濾布轉速、相對於前述水系的藥品添加量、相對於前述水系中添加的原料的藥品添加量、相對於前述水系相關設備的藥品添加量、加熱用的蒸汽量、加熱用的蒸汽溫度、加熱用的蒸汽壓力、來自種箱的流量、按壓部的壓軋壓力、按壓部的毛氈真空壓力、造紙原料的配合比例、造紙原料的損紙配合量、造紙原料的篩子的網眼、打漿機的轉子與定子間的間隙距離、游離度以及打漿度。 在前述推測裝置中，前述結果參數係從以下構成的群中所選擇的一種以上：屬於前述紙製品的單位重量之紙張密度、合格率、白水濃度、前述紙製品的含水率、製造前述紙製品的設備內的蒸汽量、製造前述紙製品的設備內的蒸汽溫度、製造前述紙製品的設備內的蒸汽壓力、紙製品的厚度、前述紙製品中的灰分濃度、前述紙製品的缺陷的種類、前述紙製品的缺陷數、工序內的斷紙時期、游離度、打漿度以及曝氣量。 一種推測系統，係用於推測在水系中或從前述水系派生的今後可能產生的估計結果，並具備：參數資訊取得部、關係性模型資訊取得部以及推測部；前述參數資訊取得部取得參數資訊，前述參數資訊包含兩個以上作為以下參數中的任一種參數：與前述水系的水質相關的水質參數；與前述水系、與前述水系相關的設備或者與前述水系中添加的原料的控制條件相關的控制參數；以及作為與前述估計結果具有不同含義的參數的結果參數，前述結果參數為在與前述水系、與前述水系相關的設備或者與前述水系中添加的原料中，或者從前述水系、與前述水系相關的設備或者前述水系中添加的原料中派生而產生的結果相關的結果參數；前述關係性模型資訊取得部取得事先作成的關係性模型資訊，前述關係性模型資訊顯示前述估計結果或者與前述估計結果相關聯的指標與兩個以上前述參數的關係；前述推測部基於前述參數資訊以及前述關係性模型資訊來推測前述估計結果或者與前述估計結果相關聯的指標。 一種推測程式，係用於推測在水系中或從前述水系派生的今後可能產生的估計結果，並使電腦作為參數資訊取得部、關係性模型資訊取得部以及推測部發揮功能；前述參數資訊取得部取得參數資訊，前述參數資訊包含兩個以上作為以下參數中的任一種參數：與前述水系的水質相關的水質參數；與前述水系、與前述水系相關的設備或者與前述水系中添加的原料的控制條件相關的控制參數；以及作為與前述估計結果具有不同含義的參數的結果參數，前述結果參數為在與前述水系、與前述水系相關的設備或者與前述水系中添加的原料中，或者從前述水系、與前述水系相關的設備或者前述水系中添加的原料中派生而產生的結果相關的結果參數；前述關係性模型資訊取得部取得事先作成的關係性模型資訊，前述關係性模型資訊顯示前述估計結果或者與前述估計結果相關聯的指標與兩個以上前述參數的關係；前述推測部基於前述參數資訊以及前述關係性模型資訊來推測前述估計結果或者與前述估計結果相關聯的指標。 一種推測方法，係用於推測在水系中或從前述水系派生的今後可能產生的估計結果，並具備：參數資訊取得工序、關係性模型資訊取得工序以及推測工序；在前述參數資訊取得工序中，取得參數資訊，前述參數資訊包含兩個以上作為以下參數中的任一種參數：與前述水系的水質相關的水質參數；與前述水系、與前述水系相關的設備或者與前述水系中添加的原料的控制條件相關的控制參數；以及作為與前述估計結果具有不同含義的參數的結果參數，前述結果參數為在與前述水系、與前述水系相關的設備或者與前述水系中添加的原料中，或者從前述水系、與前述水系相關的設備或者前述水系中添加的原料中派生而產生的結果相關的結果參數；在前述關係性模型資訊取得工序中，取得事先作成的關係性模型資訊，前述關係性模型資訊顯示前述估計結果或者與前述估計結果相關聯的指標與兩個以上前述參數的關係；在前述推測工序中，基於前述參數資訊以及前述關係性模型資訊來推測前述估計結果或者與前述估計結果相關聯的指標。 當然，並不僅限於此。

根據本發明，能夠定量地推測水系中的故障的產生或藉由水系所製造的產品的品質。

以下藉由圖式說明本發明的實施形態。以下實施形態中顯示出的各構成要素均可相互組合。

用於實現本實施形態中出現的軟體的程式可作為電腦可讀取的非暫時性的記憶媒體(Non-Transitory Computer-Readable Medium)提供，或從外部伺服器下載來提供，或者可提供為在外部電腦上啟動程式並在客戶終端上實現功能(亦即所謂雲端計算)。

此外，在本實施形態中「部」包括例如藉由廣義的電路所實施的硬體資源與可藉由前述硬體資源來具體實現的軟體資訊處理的組合。在本實施形態中處理各種資訊，這些資訊係例如代表電壓或電流值信號值的物理值，或者由0或1所構成的二進制的位元集(bit set)的信號值的高低，或者藉由量子疊加來顯示，且可在廣義的電路上執行通信或運算。

廣義的電路係藉由至少適當地組合電路(Circuit)、電路系統(Circuitry)、處理器(Processor)以及記憶體(Memory)等來實現的電路。換言之，包含針對特定用途的積體電路(Application Specific Integrated Circuit；ASIC)、可程式化邏輯裝置(例如，簡單可程式化邏輯裝置(Simple Programmable Logic Device；SPLD)、複合可程式化邏輯裝置(Complex Programmable Logic Device；CPLD)以及現場可程式化邏輯閘陣列(Field Programmable Gate Array；FPGA))等等。

＜推測系統＞ 本實施形態的推測系統係用於推測在水系中或從水系派生的今後可能產生的估計結果的推測系統。具體而言，前述推測系統具備參數資訊取得部、關係性模型資訊取得部以及推測部。其中，參數資訊取得部取得參數資訊，參數資訊包含兩個以上作為以下參數中的任一種參數：與水系的水質相關的水質參數；與水系、與水系相關的設備或者與水系中添加的原料的控制條件相關的控制參數；以及作為與估計結果具有不同含義的參數的結果參數，亦即，在與水系、與水系相關的設備或者與水系中添加的原料中，或者從水系、與水系相關的設備或者水系中添加的原料中派生而產生的結果相關的結果參數。關係性模型資訊取得部取得事先作成的關係性模型資訊，關係性模型資訊顯示估計結果或者與估計結果相關聯的指標與兩個以上參數的關係。推測部基於參數資訊以及關係性模型資訊來推測估計結果或者與估計結果相關聯的指標。

另外，雖不是必須構成要素，然本實施形態的推測系統亦可具備關係性模型作成部及輸出部的一方或雙方。在以下說明的圖1中，主要對具備全部這些要素的推測系統進行說明。

[推測系統的功能結構] 圖1係本實施形態的推測系統的概要圖。前述推測系統1具備推測裝置2以及輸出裝置3。

其中，推測裝置2控制推測系統1中用於推測的資訊處理。圖2係顯示本實施形態的推測裝置的功能結構的概要示意圖。如圖2所示，本實施形態的推測裝置2係用於推測在水系W中或從水系W派生而今後可能產生的估計結果的推測裝置，具備參數資訊取得部21、關係性模型資訊取得部22以及推測部23。此外，本實施形態的推測裝置2還具備第二推測部24、關係性模型作成部25、第二關係性模型作成部生成部26、第二關係性模型資訊取得部27。這些各部在此被記載為包含在一個裝置的內部，然各部亦可分別作為不同裝置被包含。輸出裝置3係輸出部的一個示例，參數資訊測定裝置4係參數資訊測定部的一個示例，然以下說明不作特別區分。

在此，「在水系中或從水系派生的今後可能產生的估計結果」中的所謂「在水系中今後可能產生的估計結果」，是指在運用並操作前述水系時，在前述水系所產生的結果，且根據作為對象的水系而不同，例如水系的閉塞、微生物的意外增加、起泡、氣味的產生或惡化、生物化學的需氧量(BOD)的上昇、(COD)的上昇、懸浮物質(SS)的上昇、濁度的上升、色度的上升、透視度的下降、脫水污泥量的增加、污泥餅含水率的上昇、熱交換器的效率下降、冷凍機的效率下降、冷水機的效率下降、冷卻塔的效率下降、過濾器的濾材或活性炭的反洗頻率的增加、過濾器的濾材或活性炭的交換頻率的增加、膜(MF膜、UF膜、RO膜等)的洗淨頻率的增加、膜的交換頻率的增加、離子交換樹脂的再生頻率的增加、離子交換樹脂的交換頻率的增加、設備或管道腐蝕(來自微生物污漬、餘氯)、藥品(消泡劑、排水凝集劑、凝結劑、COD低減劑、螯合劑、生物處理營養劑、污泥或淤泥的脫水劑、薄膜防污劑、黏泥控製劑、防垢劑、食品防腐劑、清潔劑、酸鹼值調節劑(酸、鹼)、緩衝劑、氧化劑、還原劑、離子交換樹脂再生劑等)的增加等等。此外，所謂「從水系派生的今後可能產生的估計結果」是指在運用並操作前述水系時，與前述水系相關並在前述水系以外產生的結果，且根據作為對象的水系而不同，例如產品性能的下降、產品合格率的下降、不必要的副產品的增加等以及產品氣味的變化等等。另外，所謂「與估計結果相關聯的指標」是指與估計結果有一定相關關係的指標(例如，兩個以上參數的函數)即可，其可能不是眾所周知的指標，而可以由前述推測系統的使用者(操作員等)獨自創建。

另外，作為造紙工序的「在水系中今後可能產生的估計結果」，可例如為造紙機的污漬、造紙進程系統的污漬、白水回收系統的污漬、泵氣咬、網板閉塞、造紙速度下降、線部分濾水不良、按壓部脫水不良、乾燥部分乾燥不良、水系內的氣味、乾燥工序中的剝離不良、阻塞系統的污漬、原料系統的污漬等等。造紙工序的所謂「從水系派生的今後可能產生的估計結果」，可例如為與從前述水系所生產的紙製品相關的內容(缺點數、紙力、接頭率、尺寸度、透氣度、平滑度、灰分量、色調、白色度、質地、氣味、苛性化率、燒成率、卡巴值、游離度、水分率等)以及在水系以外可能產生的現象(按壓部至乾燥部中的斷紙等)。

[推測系統的功能] 以下將對推測系統1的各部功能作具體說明。

[參數資訊取得部] 參數資訊取得部21取得參數資訊，前述參數資訊包含兩個以上作為以下參數中的任一種參數：與水系W的水質相關的水質參數；與水系W、與水系W相關的設備或者與水系W中添加的原料的控制條件相關的控制參數；以及作為與估計結果具有不同含義的參數的結果參數，亦即，在與水系W、與水系W相關的設備或者與水系W中添加的原料中，或者從水系W、與水系W相關的設備或者水系W中添加的原料中派生而產生的結果相關的結果參數。

這裡的水系並不限於存在於一個槽或流路中或存在連續的流動的水系，可以為具有複數個槽或流路的水系，具體而言，在流路中存在分支或複數個流路的水的合流，或者以分批為單位從槽向槽移動，在中途實施處理的水系亦在考慮範圍之內。另外，與水質參數、控制參數或結果參數有關的水系被槽等區分時，只需使用前述水系的一部分的水質參數、控制參數或結果參數即可，亦可以使用關於水系整體的水質參數、控制參數或結果參數。

作為水質參數，只要是與水系W的水質相關的參數即可，並無特別限定。另外，控制參數只要是與水系W、與水系W相關的設備或添加到水系W的原料的控制條件相關即可，並無特別限定。進而，只要是與估計結果具有不同含義的參數，亦即與水系W、水系W相關的設備或添加到水系W的原料，或者從與水系W、與水系W相關的設備或添加到水系W所派生而產生的結果相關的參數即可，並無特別限定。所謂「具有與估計結果不同的含義」是指包括評價指標(例如物理量)不同的情況(例如，一方為長度而另一方為質量的情況)、評價指標相同但評價的對象不同的情況(例如紙的質量以及添加劑的質量)、或者測定部位不同的情況(例如，造紙原料系統的氧化還原電位以及造紙系統的氧化還原電位)，然而不包括結果含義不同的情況(例如，當氧化還原電位為正的情況以及當氧化還原電位為負的情況)。

以下，對水系W為製造紙製品的工序中的水系時的水質參數、控制參數以及結果參數的具體示例進行說明。

作為水質參數，較佳為從以下所構成的群中選擇1種以上：例如水系的酸鹼值、電導率、氧化還原電位、Zeta電位、濁度、溫度、泡沫高度、生物化學的需氧量(BOD)、化學的需氧量(COD)、吸光度(例如UV吸光度)、顏色(例如RGB值)、粒度分佈、凝集程度、異物量、水面的發泡面積、水中的污漬面積、氣泡量、葡萄糖量、有機酸量、澱粉量、鈣量、總氯量、游離氯量、溶解氧量、陽離子要求量、硫化氫量、過氧化氫量以及微生物呼吸速度。

作為控制參數，較佳為從以下所構成的群中選擇1種以上：例如造紙機的運轉速度(抄速)、原料脫水機的濾布轉速、洗滌機的濾布轉速、相對於水系的藥品添加量、相對於水系中添加的原料的藥品添加量、相對於水系相關設備的藥品添加量、加熱用的蒸汽量、加熱用的蒸汽溫度、加熱用的蒸汽壓力、來自種箱的流量、按壓部的壓軋壓力、按壓部的毛氈真空壓力、造紙原料的配合比例、造紙原料的損紙配合量、造紙原料的篩子的網眼、打漿機的轉子與定子間的間隙距離、游離度以及打漿度。作為「水系相關的設備」，在水系W係製造紙製品工序中的水系的情況下，例如可列舉為直接添加藥品的造紙機的線以及氈等設備。

作為結果參數，較佳為從以下所構成的群中選擇1種以上：例如紙製品的單位重量(紙張密度)、合格率、白水濃度、紙製品的含水率、製造紙製品的設備內的蒸汽量、製造紙製品的設備內的蒸汽溫度、製造紙製品的設備內的蒸汽壓力、紙製品的厚度、紙製品中的灰分濃度、紙製品的缺陷類型、紙製品的缺陷數、工序內斷紙的時期、游離度、打漿度以及空氣暴露量。其中，作為製造紙製品的設備內的蒸汽量，可以使用例如造紙機乾燥器的蒸汽量、牛皮紙漿黑液蒸發器的蒸汽量、牛皮紙漿蒸解釜的黑液加熱器的蒸汽量、紙漿原料或為白水加溫而吹入的蒸汽量。

原本係顯示相同事項的參數，然根據目的分類屬於水質參數、控制參數以及結果參數中的兩個以上。例如，在黑液蒸發器中，藉由與鍋爐產生的蒸汽藉由間接熱交換來加熱黑液，加熱的結果是從黑液產生製程蒸汽。前述製程蒸汽用於下一工序的濃縮黑液的加熱(濃縮)。從產生於黑液的觀點來看，產生的製程蒸汽的量係結果參數，從用於下一工序的濃縮黑液的加熱(濃縮)的觀點來看則用作控制參數。另外，為了加熱黑液而從鍋爐產生的蒸汽被用作控制參數。注意，由參數資訊取得部取得的兩個以上的參數確保所有參數本質上並不相同。例如，在將從前述黑液產生的製程蒸汽全部用於下一工序的濃縮黑液的加熱(濃縮)的情況下，作為兩個參數(不使用除前述兩個參數以外的參數)，不使用從作為結果參數的黑液產生的製程蒸汽以及作為控制參數的濃縮黑液的加熱(濃縮)中使用的蒸汽量。這是因為在此情況下，作為結果參數的黑液所中產生的製程蒸汽與作為控制參數的濃縮黑液的加熱(濃縮)中使用的蒸汽量在本質上相同。然而，在將從黑液產生的製程蒸汽的一部分用於下一工序的濃縮黑液的加熱(濃縮)的情況下，作為兩個參數，可以使用從作為結果參數的黑液所產生的製程蒸汽以及作為控制參數的濃縮黑液的加熱(濃縮)中使用的蒸汽量。這是因為在此情況下，作為結果參數的黑液所產生的製程蒸汽與作為控制參數的濃縮黑液的加熱(濃縮)中使用的蒸汽量在本質上並不相同。此外，在將從前述黑液產生的製程蒸汽的全部用於下一道工序的濃縮黑液的加熱(濃縮)的情況下，除了使用作為結果參數的黑液所產生的製程蒸汽以及作為控制參數的濃縮黑液的加熱(濃縮)中使用的蒸汽量作為兩個參數之外，如果將例如作為水質參數的水系的酸鹼值等其它參數組合起來，則複數個參數在本質上亦可相同。不僅如此，例如游離度和打漿度可以為相同的參數，然亦可以包含在控制參數及結果參數的任何一方中。

這些參數可以為定量者，亦可以為定性者。當使用定性的參數時，可以分配數值作為定量的資料。

水質參數、控制參數以及結果參數係分別包含複數個參數的概念。關於「包括兩個以上參數的參數資訊」，參數資訊中包含的兩個以上參數可以分別獨立地從水質參數、控制參數以及結果參數各自的參數中選擇，且即使僅從水質參數、控制參數及結果參數中選擇兩個以上參數(例如，水的pH及溫度)，亦可以從水質參數、控制參數及結果參數的兩個或3個的組合(例如，酸鹼值及按壓部的按壓壓力以及紙製品的厚度)中選擇兩個以上。然而，對於完全相同的參數(例如，部位A的水的酸鹼值及部位A的水的酸鹼值)，則設為不選擇(然而，只要是例如測定部位不同的部位A的水的酸鹼值及部位B的水的酸鹼值即可)。

[關係性模型資訊取得部] 關係性模型資訊取得部22取得事先作成的、顯示估計結果或與估計結果相關聯的指標與兩個以上的參數之間的關係的關係性模型資訊。

關係性模型係預先作成者，顯示估計結果或與估計結果相關聯的指標與兩個以上的參數之間的關係。所謂「事先」是指推定估計結果或與估計結果相關聯的指標之前，無論是對前述水W在實際操作中還是在實際操作之前，只要在推定估計結果或與估計結果相關聯的指標之前即可。

作為關係性模型並無特別限定，可例如為顯示估計結果或與估計結果相關聯的指標與兩個以上的參數之間的關係的函數，與查找表或估計結果或者與估計結果相關聯的指標與兩個以上參數之間關係的已學習模型等。

另外，假設由參數資訊取得部21取得的參數資訊中包含的兩個以上參數與在關係性模型中使用的參數資訊中包含的參數的其中兩個以上為共通參數。如上所述，水質參數、控制參數以及結果參數係分別包含複數個參數的概念。所謂「參數中的兩個以上為共通者」是指水質參數、控制參數及結果參數的任何一方的參數中的兩個以上(例如，僅水質參數為兩個以上；水的酸鹼值值及溫度)為共通者，或者水質參數、控制參數及結果參數的組合(例如，一個水質參數以及一個壓力參數；例如水的酸鹼值及按壓部的按壓壓力)為共通者，或者所有的水質參數、控制參數及結果參數(例如，一個水質參數、一個控制參數及一個結果參數)為共通者。

[推測部] 推測部23基於參數資訊以及關係性模型資訊來推測估計結果或與估計結果相關聯的指標。

具體而言，在推測部23中，對預先作成的關係性模型輸入前述水系W的當前參數資訊，代入關係性模型或進行對照等，從而推測(計算)估計結果或與估計結果相關聯的指標。

[第二推測部] 第二推測部24在推測部23中並非估計結果本身，而是在推測了與估計結果相關聯的指標的情況下，根據前述指標來推測估計結果。在設置第二推測部24時，為了方便起見，將推測部23稱為「第一推測部」。

在由第一推測部23推測與估計結果相關聯的指標(以下，有時亦稱為「關聯指標」)的情況下，需要根據關聯指標推測估計結果。具體而言，將前述相關指標輸入到事先準備的第二關係性模型中，從而推測估計結果。在使用第二關係性模型的情況下，為了方便起見，將在第一推測部23中使用的關係性模型稱為「第一關係性模型」。

在推測估計結果時，能夠例如在關聯指標中設置臨限值，如果關聯指標大於(或小於)前述臨限值，則能夠推測出發生了故障。

在推測故障發生可能性的情況下，舉例而言在關聯指標中設置複數個臨限值，例如分為3個階段，在關聯指標處於第一階段時，能夠推測故障確實發生，在關聯指標處於第二階段時，能夠推測有可能生成故障，在關聯指標處於第三階段時，能夠推測故障確實不會發生。另外，亦能夠根據實際操作的統計資料將關聯指標與故障發生概率的關係函數化或已學習模型化，從而計算故障的發生概率。

[關係性模型作成部] 關係性模型作成部25生成關係性模型。前述關係性模型可以由關係性模型資訊取得部22取得，並且在推測部23中用於推測估計結果或與估計結果相關聯的指標。

關係性模型可例如藉由如下方式來作成。在推測估計結果或關聯指標之前，事先測定與估計結果對應的事先測定結果或事先結果相關的事先測定指標。另外，在同一水系中，測定兩個以上參數，前述參數係水質參數、控制參數以及結果參數中的任意一種。準備複數個這些事先測定結果或事先測定指標以及參數的資料集，例如改變進行測定的日期或時間等，以使事先測定結果或事先測定指標以及參數發生變動。隨後，將事先測定結果或事先測定指標假設為兩個以上參數的函數，與事先測定結果或者事先測定指標進行對比，確定函數的形態或係數，從而建立關係性模型。此時，在藉由藉由將兩個以上參數的函數與事先測定結果或事先測定指標的對比來確定函數的係數時，可以使用迴歸分析法(線性模型、一般化線性模型、一般化線性混合模型、脊迴歸、拉索迴歸、彈性網、支持向量迴歸、射影追蹤迴歸等)、時間序列分析(VAR模型、SVAR模型、ARIMAX模型、SARIMAX模型、狀態空間模型等)、神經網路(單純解析器、多層解析器、DNN(Deep Neural Network；深度類神經網路)、CNN(Convolution Neural Network；卷積類神經網路)、RNN(Recurrent Neural Network；遞迴類神經網路)、LSTM等)、貝葉斯(單純貝葉斯等)、聚類(k-means、k-means++等)、綜合學習(Boosting、AdaBoost等)等等。

在一個實施形態中，關係性模型較佳為藉由與估計結果相當的事先確認結果或與事先確認結果相關聯的指標與兩個以上參數的回歸分析而求出的模型。在進行回歸分析時，樣本組數沒有特別限定。

關係性模型的作成較佳在與推測估計結果的水系相同的水系中進行。另外，例如即使在同一裝置內，在水系的水質發生較大變化的情況下(例如，在造紙工廠的造紙系統中，變更作為造紙原料的紙漿的情況等)，較佳作成並使用關於水質變化後的水系的關係性模型。

從這樣的觀點來看，在水系W的操作中，亦可定期或不定期地測定估計結果或關聯指標以及兩個以上的參數，每次作成關係性模型，或者追加資料來更新關係性模型。

關係性模型作成部25不是必須的構成要素，因此關係性模型的作成可以由例如操作員等人為(手動)進行。

[第二關係性模型作成部] 第二關係性模型作成部26作成第二關係性模型。前述第二關係性模型亦可係用於由後述的第二關係性模型資訊取得部26取得並且由第二推測部24推測估計結果的模型。

在此，第二關係性模型係顯示關聯指標與估計結果之間的關係的模型。在設置第二關係性模型作成部26的情況下，為了方便起見，將關係性模型作成部25稱為「第一關係性模型作成部」。

作為第二關係性模型並無特別限定，例如可以列舉顯示關聯指標與估計結果之間的關係的函數、查找表或關聯指標與估計結果之間的關係的已學習模型等。

第二關係性模型可例如藉由如下方式來作成。在推測估計結果之前，測定與估計結果對應的事先測定結果以及事先結果相關的事先測定指標。準備複數個這些事先測定結果以及事先測定指標的資料集，例如改變進行測定的日期或時間等，以使事先測定結果以及事先測定指標發生變動。隨後，將事先測定結果作為事先測定指標的函數建立推測模型。此外，例如在準備了複數個事先測定結果以及事先測定指標的資料集之後，可以在預先測定結果顯著變化的節點(事先測定指標)等設定關於關聯指標的臨限值，從而建立第二關係性模型。

第二關係性模型的作成較佳在與推測估計結果的水系相同的水系中進行。另外，例如即使在同一裝置內，在水系的水質發生較大變化的情況下(例如，在造紙工廠的造紙系統中，變更作為造紙原料的紙漿的情況等)，較佳作成並使用關於水質變化後的水系的第二關係性模型。

第二關係性模型作成部26不是必須的構成要素，因此第二關係性模型的作成可以由例如操作員等人為(手動)進行。

[第二關係性模型資訊取得部] 第二關係性模型資訊取得部27取得第二關係性模型。第二關係性模型可以由第二關係性模型作成部26作成。

注意，在設置第二關係性模型取得部27的情況下，為了方便起見，將關係性模型取得部22成為「第一關係性模型取得部」。

[關係性模型評價部] 推測系統1以及推測裝置2亦可具備關係性模型評價部(未圖示)。

關係性模型評價部評價由關係性模型作成部25作成的關係性模型，評價各個參數資訊對估計結果或關聯指標的影響的大小。

每個參數對關係性模型的影響大小不同，即使包含很多對關係性模型影響較小的參數，不僅精度沒有提高，而且有時運算等的效率也會降低。因此，為了在後述的關係性模型資訊調整部中排除對關係性模型影響較小的參數資訊，由關係性模型評價部評價各個參數資訊的影響的大小。

作為評價各個參數資訊的影響的大小的方法並無特別限定，然可例如為在將估計結果作為各個參數的一次函數顯示為關係性模型的情況下，可以根據前述係數的絕對值的大小進行比較評價。例如，可以按照對關係性模型的影響順序排列參數資訊，按照影響從大到小的順序排除規定數量的參數資訊以外的資訊，亦可按照影響從小到大的順序排除規定數量的參數資訊，還可以設置臨限值，由關係性模型資訊調整部排除低於前述臨限值的參數等。

[關係性模型調整部] 推測系統1、推測裝置2亦可具備關係性模型資訊調整部(未圖示)。

如上所述，關係性模型資訊調整部在對於對關係性模型的影響較小的參數資訊進行排除調整之後，再次指示關係性模型資訊作成部25作成關係性模型資訊。

在設置有這種關係性模型評價部、關係性模型資訊調整部的情況下，關係性模型評價部的評價以及關係性模型資訊調整部的調整可以僅進行一次，亦可重複進行兩次以上。

[輸出部] 輸出部3構成為輸出推測部23計算出的估計結果或者關聯指標或第二推測部24推測出的估計結果中的至少一方。

輸出部3可以隨時間推移顯示(例如，估計結果或關聯指標對時間圖)。

輸出部3亦可例如在估計結果或關聯指標超過一定臨限值等的情況下輸出警告。

[參數資訊測定部] 參數資訊測定部4測定水質參數、控制參數或結果參數。

作為圖1中的參數資訊測定裝置4，為了方便起見僅只記載了一個，但不僅限於這一示例，亦可使用兩個以上的參數資訊測定裝置。

作為測定裝置，根據需要測定的參數的內容而不同，可以選擇各種感測器等。作為測定裝置，例如酸鹼值計、電導率計、氧化還原電位計、濁度計、溫度計、測定泡沫高度的水平計、COD計、UV計、粒度分佈計、凝集感測器、數位相機(或數位攝像機)、內部氣泡感測器、吸光光度計、游離度計、溶解氧計、Zeta電位計、殘留氯計、硫化氫計、保持／濾水度計、顏色感測器、過氧化氫計等均可使用。

作為控制參數等，可以直接使用用於控制裝置而直接輸入的參數，這些資料可以從裝置通信來收發，為了讓裝置操作員等記錄控制參數，亦可記錄在裝置以外。

作為本實施形態的推測系統等的對象的水系並無特別限定，例如可以為製造紙製品的工序中的水系。具體而言，作為製造紙製品的工序，可以列舉出蒸解工序、清洗工序、黑液濃縮工序、苛性化工序等。另外，作為對象的水系，亦可以為製造紙製品的工序以外的水系，例如可以列舉出各種配管、熱交換器、儲藏罐、窯、清洗裝置等。

[推測系統的硬件結構] 圖3係顯示本實施形態的推測裝置的硬件結構的概要圖。如圖3所示，推測裝置2具有通信部51、記憶部52以及控制部53，這些構成要素在推測裝置2的內部藉由通信匯流排54進行電連接。以下，將對這些構成要素作進一步說明。

通信部51雖較佳為USB(Universal Serial Bus；通用序列匯流排)、IEEE(Institute of Electrical and Electronics Engineers；美國電機電子工程師學會)1394、Thunderbolt(中譯為雷霆，是由英特爾發表的連接器標準)、有線LAN(Local Area Network：區域網路)網路通信等有線通信手段，然根據需要亦可包含無線LAN網路通信、3G(Third Generation Mobile Communication；第三代行動通信)／LTE(Long Term Evolution；長期演進技術)／5G(Fifth Generation Mobile Communication；第五代行動通信)等移動通信、藍牙(Bluetooth，註冊商標)通信等等。亦即，進一步較佳地將這些複數個通信手段組合來實施。由此，推測裝置2與其他可通信設備之間執行資訊或命令的交換。

記憶部52記憶前述說明所定義的各種資訊。其可例如作為固態驅動器(Sold State Drive；SSD)等記憶設備來實施，或者作為用於記憶程式運算有關的臨時必要資訊(參數、陣列等)的隨機存取記憶器(Random Access Memory；RAM)等的記憶體來實施。此外，記憶部52亦可係這些的組合。特別地，記憶部52記憶由後述的控制部53可讀取的各種程式。

控制部53執行推測裝置2相關整體動作的處理及控制。前述控制部53係例如中央處理器(Central Processing Unit；CPU，未圖式)。控制部53藉由讀取記憶部52所記憶的預定程式來實現預測裝置2相關的各種功能。亦即，資訊處理藉由軟體(記憶於記憶部52)藉由硬體(控制部53)來具體實現，從而如圖3所示可作為控制部53中的各功能部來執行。在圖3中，控制部53雖表述為單個，但實際上並不僅限於此，可按照各功能實施為具有複數個控制部53。此外，亦可將單一控制部與複數個控制部進行組合。

[關係性模型作成示例] 以下，將說明關於關係性模型作成的示例。具體而言，說明使用水質參數x、水質參數y以及控制參數z來計算與估計結果相關聯的指標a，並計算與前述估計結果相關聯的指標a與作為估計結果的故障發生次數A(次數／日)的情況。

當作成關係性模型時，在測定下述表1所示的水質參數x、水質參數y以及控制參數z的同時，亦測定故障發生次數A，取得合計30組的資料。取得資料如以下表1所示。

假設「參數」為x、y、z，b_n為x、y、z的係數，並且a₀、b₀為常數，則與估計結果相關聯的指標a由以下數學式(1)顯示。 [數學式(1)]

基於故障發生次數A的實測值與數學式(1)的估計結果相關聯的指標a，進行負的二項回歸分析。由此計算出的與估計結果相關聯的指標a與表1結合顯示。另外，圖4係合計30組資料集的故障發生次數A對與估計結果相關聯的指標a的圖。故障發生次數A以及與估計結果相關聯的指標a的相關係數為r=0.78(p＜0.05)，可確認強相關。

[表1]

資料No.	發生次數A 實測值 (次數／日)	水質參數x	水質參數y	水質參數z	與估計結果 關聯的指標ａ
1	11	0	430	345	0.86
2	10	-3	330	335	1.09
3	14	-14	371	246	0.69
4	22	-5	315	251	0.76
5	61	-40	390	393	1.68
6	12	12	380	387	1.09
7	19	-28	381	313	1.05
8	20	21	376	279	0.60
9	32	-22	375	378	1.40
10	50	-33	380	397	1.66
11	59	-44	390	386	1.68
12	8	21	416	367	0.83
13	19	92	421	376	0.47
14	10	43	410	218	0.34
15	19	-12	391	215	0.55
16	13	22	375	372	0.94
17	71	-42	381	393	1.75
18	12	33	325	374	0.98
19	9	0	401	223	0.51
20	9	-11	410	210	0.51
21	31	-5	256	399	1.85
22	45	-11	390	381	1.24
23	22	-20	395	375	1.28
24	10	-1	405	381	1.10
25	10	-13	401	268	0.70
26	29	-11	401	379	1.20
27	7	111	470	351	0.31
28	10	-42	485	318	0.92
29	10	-22	455	303	0.78
30	13	29	461	271	0.43

另外，圖5係顯示各個參數對與估計結果相關聯的指標a的影響大小的圖。在此示例中，按照控制參數z、水質參數x、水質參數y的順序，對與估計結果相關聯的指標a的影響較大。藉由利用各個參數的標準化得分進行負二項回歸分析，獲得圖5的結果。注意，可以藉由(個別數值-平均值)／標準偏差來求出標準化得分。

與用於回歸分析的估計結果相關聯的指標a、水質參數x、水質參數y以及控制參數z的函數不限於上述數學式(1)，可以使用一般數學式(2)。 [數學式(2)] 然而，係的任何一個。

根據以上所述的推測系統1以及推測裝置2，能夠定量地推測水系W中的故障發生或經由水系W製造的產品的品質。特別是，即使影響故障發生或產品品質的參數的數量較多，亦能夠更正確地考量各個影響從而預測故障的發生或產品的品質。

＜推測程式＞ 本實施形態的推測程式係用於推測在水系中或從水系派生的今後可能產生的估計結果的推測程式。具體而言，前述推測程式使電腦作為參數資訊取得部、關係性模型資訊取得部以及推測部發揮功能。參數資訊取得部取得參數資訊，參數資訊包含兩個以上作為以下參數中的任一種參數：與水系的水質相關的水質參數；與水系、與水系相關的設備或者與水系中添加的原料的控制條件相關的控制參數；以及作為與估計結果具有不同含義的參數的結果參數，亦即，在與水系、與水系相關的設備或者與水系中添加的原料中，或者從水系、與水系相關的設備或者水系中添加的原料中派生而產生的結果相關的結果參數。關係性模型資訊取得部取得事先作成的關係性模型資訊，關係性模型資訊顯示估計結果或者與估計結果相關聯的指標與兩個以上參數的關係。推測部基於參數資訊以及關係性模型資訊來推測估計結果或者與估計結果相關聯的指標。

參數資訊取得部、關係性模型資訊取得部以及推測部可以使用與前述預測系統同樣的方式，因而在此省略說明。

＜推測方法＞ 本實施形態的推測方法係用於推測在水系中或從水系派生的今後可能產生的估計結果的推測方法。具體而言，前述推測方法具備參數資訊取得工序、關係性模型資訊取得工序以及推測工序。在參數資訊取得工序中，取得參數資訊，參數資訊包含兩個以上作為以下參數中的任一種參數：與水系的水質相關的水質參數；與水系、與水系相關的設備或者與水系中添加的原料的控制條件相關的控制參數；以及作為與估計結果具有不同含義的參數的結果參數，亦即，在與水系、與水系相關的設備或者與水系中添加的原料中，或者從水系、與水系相關的設備或者水系中添加的原料中派生而產生的結果相關的結果參數。在關係性模型資訊取得工序中，取得事先作成的關係性模型資訊，關係性模型資訊顯示估計結果或者與估計結果相關聯的指標與兩個以上參數的關係。在推測工序中，基於參數資訊以及關係性模型資訊來推測估計結果或者與估計結果相關聯的指標。

圖6係本實施形態的推測方法的流程圖。如圖6所示，在本實施形態的支援方法中，取得參數資訊(參數資訊取得工序S1)，並且取得關係性模型資訊(關係性模型資訊取得工序S2)，將這些作為輸入資訊來推測估計結果或與估計結果相關聯的指標(推測工序S3)。 [實施例]

以下顯示出本發明的實施例並作更加具體地說明，然本發明並不僅限於以下所示的實施例。

[實施例1] 在洋紙生產設備的水系(由原料系、造紙系、回收系構成的連續水系)的原料系1中以氧化還原電位、在原料2中以氧化還原電位、在造紙系中以氧化還原電位、濁度、酸鹼值以及水溫、在回收系中以泡沫高度分別作為水質參數進行測定，使用相應的紙製品製造前24小時的平均值。圖7係實施例1中紙張製造設備的概要示意圖。此外，作為結果參數測定了紙製品的紙張密度。進而，測定了紙製品的缺陷數，並準備了572組這些資料集。利用這些資料集當中按照時間序列順序的前半部分65%(372組)的資料集，作成了24小時以內發生的缺陷數與7個水質參數以及一個結果參數的函數(以下，有時稱為「缺陷指數α」)的關係性模型。更具體而言，作為缺陷指數α的作成過程，在將與平均值相差兩個標準偏差以上的參數排除為異常值之後，使用IBM公司的SPSS Modeler進行回歸分析。藉由回歸分析得到的缺陷指數α與缺陷數的相關係數為0.71(p＜0.05)，可確認強相關。

接著，為了驗證缺陷指數α相對於將來產生的缺陷數的預測精度，對於資料集中按時間序列順序在後半部分35%(200組)的資料集，將水質參數及參數應用於前述關係性模型來計算缺陷指數α，並且計算與缺陷數的相關係數，其結果為0.71(p＜0.05)。由此可以確認，缺陷數與缺陷指數α之間有很強的相關性，缺陷指數α對於將來發生的缺陷數的預測是有效的。

圖8係實施例1的合計572組資料集的缺陷數對缺陷指數α的圖。注意，在圖8中，用於作成關係性模型的372組資料集以圓形顯示，用於驗證精度的200組資料集以四邊形顯示。

圖9係顯示各個參數對缺陷指數α的影響大小的圖。在考慮減少缺陷數的處理時，藉由這樣的方式確定對缺陷指數(與缺陷數成比例)影響較大的參數，並優先調查其變化的原因且進行改善，從而亦可有效地減少缺陷數。

[實施例2] 在瓦楞紙原紙(襯)生產設備的原料系1至3中以酸鹼值以及電導率、在原料系2中以酸鹼值以及氧化還原電位、在原料系3中以酸鹼值以及電導率、在造紙系中以水溫及電導率分別作為水質參數進行測定(參照圖7)。在水質參數測定的同時，測定了製造的紙製品的紙力劑使用量原單位，並準備了60組這樣的資料集。這些資料集被隨機分成7：3，其中70%(42組)用作關係性模型作成資料，30%(18組)用作模型驗證資料。

首先，利用關係性模型製作成資料，把顯示紙力劑使用量原單位的倒數的關係性模型作為「紙力指數」，作為前述8個水質參數的函數進行了製作。更具體而言，在將與平均值相差兩個標準偏差以上的參數排除為異常值之後，使用IBM公司的SPSS Modeler進行回歸分析。藉由回歸分析得到的紙力指數與紙力劑使用量原單位的相關係數為-0.58(p＜0.05)，確認了相關關係。

接著，為了驗證紙力指數的精度，對於資料集中剩餘30%的資料集，根據水質參數算出紙力指數，並計算出與紙力劑使用量原單位的相關係數，結果其值為-0.59(p＜0.05)，確認了紙力劑使用量原單位與紙力指數之間存在相關關係。

圖10係實施例2的合計60組資料集的紙力劑使用量原單位對紙力指數值的圖。在圖10中，用於作成關係性模型的42組資料集以圓形顯示，用於驗證精度的18組資料集以四邊形顯示。

圖11係顯示各個參數對紙力指數影響大小的圖。在考慮紙製品強度(紙力)的穩定化和紙力劑使用量原單位的改善時，藉由這樣的方式確定對紙力指數(與紙力劑使用量原單位成比例)影響較大的參數，並優先調查其變化的原因且進行改善，從而亦可有效地穩定產品強度(紙力)，並且改善紙力劑使用量原單位。

[實施例3] 在紙板生產設備的水系(由原料系、造紙系、回收系組成的連續水系)的原料系中以溫度、酸鹼值、氧化還原電位、電導率、濁度以及靜態堆積濁度，在造紙系中以酸鹼值、氧化還原電位、電導率以及濁度，在回收系中以濁度分別作為水質參數進行了測定(參照圖7)。作為控制參數使用了操作執行時機、造紙速度、內添藥品添加量、毛氈含水率、紙中灰分、產品紙張密度以及產品品牌。此外，還測定了斷紙時機，並準備了 138,276組這樣的資料集。水質參數、控制參數以及斷紙時機使用了相同時間者。使用前述資料集，與實施例1以及實施例2同樣地，使用前述資料集作成了24小時以內發生的斷紙與前述水質參數以及控制參數的函數(以下，亦稱為「斷紙指數」)的關係性模型。具體而言，作為作成斷紙發生指數的過程，在將與平均值相差兩個標準偏差以上的參數排除為異常值之後，使用IBM公司的SPSS Modeler進行回歸分析，作成了關係性模型。由資料集數巨大，因而省略圖示。

在同一紙板生產設施的水系統中，在實際運行(紙板生產)過程中測量水質參數和控制參數，並使用上述建立的關係性模型獲得斷紙指數。此外，測量了與此相對應的實際斷紙次數。在不同的日期和時間總共進行了兩次測量。

圖12及圖13係顯示斷紙的發生以及斷紙指數隨時間推移變化的圖。在圖12及圖13中，縱軸顯示斷紙的發生及斷紙指數，橫軸顯示時間。圓形顯示是否發生實際斷紙(0時為無發生斷紙、1時為發生斷紙)(縱軸左)，四邊形顯示斷紙指數(縱軸右)。從圖12及圖13可以清楚地看出，當斷紙指數接近1時，實際上會發生斷紙。由此發現，藉由適當設置斷紙指數的臨限值，則可以預測斷紙。

[實施例4] 在洋紙生產設備的水系(由原料系、造紙系、回收系、排水系構成的連續水系)的原料系1中以酸鹼值以及濁度、在造紙系中以氧化還原電位、在排水系以電導率分別作為水質參數進行了測定，並使用了相應的紙製品在製造16小時前的測定值。圖14係實施例中製造紙的設備的概要示意圖。此外，作為控制參數測定了紙製品的製造速度。進而，作為結果參數測定了紙製品的紙張密度。同時還測定了紙製品的缺陷數，並準備了647組這樣的資料集。藉由使用這樣的資料集，作成了缺陷數與四個水質參數、一個控制參數及一個結果參數的函數(以下，有時亦稱為「缺陷指數β」)的關係性模型。更具體而言，作為缺陷指數β的作成過程，在將與平均值相差兩個標準偏差以上的參數排除為異常值之後，使用面向統計分析作為編程語言的R語言的KFAS包來藉由狀態空間模型進行了分析。藉由狀態空間模型獲得的缺陷指數β與缺陷數的相關係數為0.62(p＜0.05)，確認了存在相關關係。

為了驗證缺陷指數β對未來將發生的缺陷數的預測精度，每16小時使用最新的647組資料集進行分析，以提前16小時來每小時計算1批次缺陷指數β，按照合計16批次(16次)的順序進行重複，得到了255組缺陷指數β。在172小時至264小時之間，停止了洋紙的生產。藉由計算這些缺陷指數β與16小時後實際產生的缺陷數的相關係數，得到值為0.80(p＜0.05)。由此，確認了缺陷數與缺陷指數β之間存在強相關，並且缺陷指數β對於預測未來將發生的缺陷數是有效的。

圖15係實施例4的合計647組用於資料作成的資料集的缺陷數對缺陷指數β值的圖。另外，圖16係實施例4的合計255組用於精度驗證的資料集的缺陷數對資料作成用的缺陷指數β值的圖。

圖17係顯示根據合計255組資料集計算出的缺陷指數隨著時間推移變化的圖。

圖18係顯示各個參數對缺陷指數β影響大小的圖。在考慮減少缺陷數的處理時，藉由這樣的方式確定對缺陷指數β(與缺陷數成比例)影響較大的參數，並優先調查其變化的原因且進行改善，從而亦可有效地減少缺陷數。

[實施例5] 在洋紙生產設備的水系(由原料系、造紙系、回收系、排水系構成的連續水系)的原料系中以酸鹼值以及濁度、在造紙系中以氧化還原電位、在排水系以電導率分別作為水質參數進行了測定(參照圖14)。此外，作為控制參數測定了紙製品的製造速度。進而，作為結果參數測定了紙製品的紙張密度。同時還測定了紙製品的缺陷數，並準備了631組這樣的資料集。藉由使用這樣的資料集，作成了缺陷數與四個水質參數、一個控制參數及一個結果參數的函數(以下，有時亦稱為「缺陷指數γ」)的關係性模型。更具體而言，作為缺陷指數β的作成過程，在將與平均值相差兩個標準偏差以上的參數排除為異常值之後，使用面向統計分析作為編程語言的R語言的vars包來藉由作為時間序列分析的其中一種的VAR模型進行了分析。由此，確認了藉由VAR模型獲得的缺陷指數γ與實際發生的缺陷數相連動。

為了驗證缺陷指數γ對未來將發生的缺陷數的預測精度，每6小時使用最新的631組資料集進行分析，以提前6小時來每小時計算1批次缺陷指數γ，按照合計46批次(46次)的順序進行重複，得到了271組缺陷指數γ。藉由計算這些缺陷指數γ與6小時後實際產生的缺陷數的相關係數，得到值為0.64(p＜0.05)。由此，確認了缺陷數與缺陷指數γ之間存在相關關係，並且對於預測未來將發生的缺陷數是有效的。

圖19係用於關係性模型作成的合計631組資料集的缺陷數對缺陷指數γ值的圖。圖20係實施例5的用於精度驗證的合計255組資料集的缺陷數對缺陷指數γ值的圖。

圖21係顯示根據實施例5的用於精度驗證的合計271組資料集計算出的缺陷指數隨著時間推移變化的圖。

圖22係顯示各個參數對缺陷指數γ影響大小的圖。在圖22中，僅顯示了顯著水準10%且有效(p＜0.10)的參數。在考慮減少缺陷數的處理時，藉由這樣的方式確定對缺陷指數γ(與缺陷數成比例)影響較大的參數，並優先調查其變化的原因且進行改善，從而亦可有效地減少缺陷數。

[實施例6] 在洋紙生產設備的水系(由原料系、造紙系、排水系構成的連續水系)的原料系中以酸鹼值以及濁度、在造紙系中以氧化還原電位、在排水系以電導率分別作為水質參數進行了測定，並使用了相應的紙製品在製造16小時前的數值(參照圖14)。此外，作為控制參數測定了紙製品的製造速度。並且，作為結果參數測定了紙製品的紙張密度以及紙製品的缺陷數，並準備了1706組這樣的資料集。利用這些資料集當中按照時間序列順序的前半部分71%(1216組)的資料集，作成了16後發生的缺陷數與四個水質參數以及一個結果參數的函數(以下，有時亦稱為「缺陷指數δ」)的關係性模型。更具體而言，作為缺陷指數δ的作成過程，在將與平均值相差兩個標準偏差以上的參數排除為異常值之後，使用IBM公司的SPSS Modeler藉由作為神經網路其中一種的多層解析器進行了分析。藉由多層解析得到的缺陷指數δ與缺陷數之間的相關係數為0.73(p＜0.05)，確認了強相關。

接着，為了驗證缺陷指數δ對將來發生的缺陷數的預測精度，對於資料集中以時間序列順序的後半部分29%(490組)資料集，將水質參數及參數應用於前述關係性模型，計算缺陷指數δ，並計算與缺陷數的相關係數，結果其值為0.73(p＜0.05)。由此，確認缺陷數與缺陷指數δ之間存在強相關，這對於預測將來發生的缺陷數是有效的。

圖23係實施例6的關係性模型作成用的合計1216組資料集的缺陷數對缺陷指數δ值的圖。圖24係實施例6的精度驗證用的合計490組資料集的缺陷數對缺陷指數δ值的圖。

圖25係顯示各個參數對缺陷指數δ影響大小的圖。在考慮減少缺陷數的處理時，藉由這樣的方式確定對缺陷指數δ(與缺陷數成比例)影響較大的參數，並優先調查其變化的原因且進行改善，從而亦可有效地減少缺陷數。

[實施例7] 在洋紙生產設備的水系(由原料系、造紙系、排水系構成的連續水系)的原料系中，以酸鹼值以及濁度、在造紙系中以氧化還原電位、在排水系中以電導率分別作為水質參數進行了測定，並使用了相應的紙製品在製造16小時前的數值(參照圖14)。另外，作為控制參數，測定了種箱的流量和紙製品的抄速度。另外，作為結果參數，測定了紙製品的紙張密度以及紙製品的缺陷數，並準備了2040組這樣的資料集。利用這些資料集中按照時間順序的前半部分74%(1503組)的資料集，作成了16小時後發生的缺陷數與四個水質參數、兩個控制參數及一個結果參數的函數(以下，有時亦稱為「缺陷指數ε」)的關係性模型。更具體而言，作為缺陷指數δ的作成過程，在將與平均值相差兩個標準偏差以上的參數排除為異常值之後，使用IBM公司的SPSS Modeler藉由作為決策樹及綜合學習的一種的XG Boost進行了分析。藉由XG Boost得到的缺陷指數ε與缺陷數之間的相關係數爲0.95(p＜0.05)，確認了強相關。

接着，為了驗證缺陷指數ε對將來發生的缺陷數的預測精度，對於資料集中以時間序列順序的後半部分26%(537組)資料集，將水質參數及參數應用於前述關係性模型，計算缺陷指數ε，並計算與缺陷數的相關係數，結果其值為0.57(p＜0.05)。由此，確認缺陷數與缺陷指數ε之間存在相關性，這對於預測將來發生的缺陷數是有效的。

圖26係實施例7的關係性模型作成用的合計1503組資料集的缺陷數對缺陷指數ε值的圖。圖27係實施例7的精度驗證用的合計537組資料集的缺陷數對缺陷指數ε的圖。

圖28係顯示各個參數對缺陷指數ε影響大小的圖。在考慮減少缺陷數的處理時，藉由這樣的方式確定對缺陷指數ε(與缺陷數成比例)影響較大的參數，並優先調查其變化的原因且進行改善，從而亦可有效地減少缺陷數。

1:推測系統 2:推測裝置 3:輸出裝置或者輸出部 4:參數資訊測定裝置或者參數資訊測定部 21:參數資訊取得部 22:關係性模型資訊取得部或者第一關係性模型資訊取得部 23:推測部或者第一推測部 24:第二推測部 25:關係性模型資訊作成部或者第一關係性模型資訊作成部 26:第二關係性模型作成部 27:第二關係性模型資訊取得部 51:通信部 52:記憶部 53:控制部 54:通信匯流排 A:故障發生次數 a:指標 S1:參數資訊取得工序 S2:關係性模型資訊取得工序 S3:推測工序 W:水系 x,y:水質參數 z:控制參數 α,β,γ,δ,ε:缺陷指數

[圖1]係本實施形態的推測系統的概要圖。 [圖2]係顯示出本實施形態的推測裝置的功能結構的概要示意圖。 [圖3]係顯示出本實施形態的推測裝置的硬體結構的概要圖。 [圖4]係合計30組資料集(data set)的故障發生次數A對與估計結果相關聯的指標a的區塊圖。 [圖5]係顯示各參數對與估計結果相關聯的指標a的影響大小的圖。 [圖6]係本實施形態的推測方法的流程圖。 [圖7]係實施例1中製造紙的設備的概要示意圖。 [圖8]係實施例1中合計572組資料集的缺陷數對缺陷指數α的圖。 [圖9]係顯示各參數對缺陷指數的影響大小的圖。 [圖10]係實施例2中合計60組資料集的紙力劑使用量原始單位對紙力指數值的圖。 [圖11]係顯示各參數對紙力指數的影響大小的圖。 [圖12]係顯示斷紙的發生及斷紙指數的斷紙指數隨時間推移變化的圖。 [圖13]係顯示斷紙的發生及斷紙指數的斷紙指數隨時間推移變化的圖。 [圖14]係實施例4中製造紙的設備的概要示意圖。 [圖15]係實施例4中用於作成關係性模型的合計647組資料集的缺陷數對缺陷指數β值的圖。 [圖16]係實施例4中用於精度驗證的合計255組資料集的缺陷數對缺陷指數β值的圖。 [圖17]係顯示實施例4中從用於精度驗證的合計255組資料集所算出的缺陷指數隨時間推移變化的圖。 [圖18]係顯示各參數對缺陷指數β的影響大小的圖。 [圖19]係實施例5中用於作成關係性模型的合計631組資料集的缺陷數對缺陷指數γ值的圖。 [圖20]係實施例5中用於精度驗證的合計255組資料集的缺陷數對缺陷指數γ值的圖。 [圖21]係顯示實施例5中從用於精度驗證的合計271組資料集所算出的缺陷指數隨時間推移變化的圖。 [圖22]係顯示各參數對缺陷指數γ的影響大小的圖。 [圖23]係實施例6中用於作成關係性模型的合計1216組資料集的缺陷數對缺陷指數δ值的圖。 [圖24]係實施例6中用於精度驗證的合計490組資料集的缺陷數對缺陷指數δ值的圖。 [圖25]係顯示各參數對缺陷指數δ的影響大小的圖。 [圖26]係實施例7中用於作成關係性模型的合計1503組資料集的缺陷數對缺陷指數ε值的圖。 [圖27]係實施例7中用於精度驗證的合計537組資料集的缺陷數對缺陷指數ε值的圖。 [圖28]係顯示各參數對缺陷指數ε的影響大小的圖。

1:推測系統

2:推測裝置

3:輸出裝置或者輸出部

4:參數資訊測定裝置或者參數資訊測定部

W:水系

Claims (7)

1. 一種推測系統，係用於推測在紙製品製造工序中的水系中或從前述紙製品製造工序中的水系派生的今後可能產生的估計結果，並具備：     參數資訊取得部、關係性模型資訊取得部、推測部以及輸出部；     前述估計結果係與從以下構成的群中所選擇的一種以上相關聯：前述紙製品的缺陷數、前述紙製品的紙力、前述紙製品的接頭率、前述紙製品的尺寸度、前述紙製品的透氣度、前述紙製品的平滑度、前述紙製品的灰分量、前述紙製品的色調、前述紙製品的質地、前述紙製品的氣味、苛性化率、燒成率、游離度以及前述紙製品的水分率；     前述參數資訊取得部取得參數資訊，前述參數資訊包含兩個以上作為以下參數中的任一種參數：與前述水系的水質相關的水質參數；與前述水系、與前述水系相關的設備或者與前述水系中添加的原料的控制條件相關的控制參數；以及作為與前述估計結果具有不同含義的參數的結果參數，前述結果參數為在與前述水系、與前述水系相關的設備或者與前述水系中添加的原料中，或者從前述水系、與前述水系相關的設備或者前述水系中添加的原料中派生而產生的結果相關的結果參數；在此，前述參數資訊係至少包含前述水質參數；     前述關係性模型資訊取得部取得事先作成的關係性模型資訊，前述關係性模型資訊顯示前述估計結果或者前述估計結果相關聯的指標與兩個以上前述參數的關係；     前述推測部基於前述參數資訊以及前述關係性模型資訊來推測前述估計結果或者與前述估計結果相關聯的指標；     前述輸出部係隨時間推移顯示前述推測部所推測之前述估計結果或與前述估計結果相關聯的指標。
2. 如請求項1所記載之推測系統，其中前述關係性模型係藉由對與前述估計結果相當的事先確認結果或者與前述事先確認結果關聯的指標與兩個以上前述參數進行回歸分析、時間序列分析、決策樹、神經網路、貝葉斯、聚類或綜合學習而求出的模型。
3. 如請求項1或2所記載之推測系統，其中前述水質參數係從以下構成的群中所選擇的一種以上：前述水系的酸鹼值、電導率、氧化還原電位、界達電位、濁度、溫度、泡沫高度、生化需氧量、化學需氧量、吸光度、顏色、粒度分佈、凝集程度、異物量、水面的發泡面積、水中的污垢面積、氣泡量、葡萄糖的量、有機酸的量、澱粉的量、鈣的量、總氯的量、遊離氯的量、溶解氧的量、陽離子要求量、硫化氫的量、過氧化氫的量以及體系內微生物的呼吸速度。
4. 如請求項1或2所記載之推測系統，其中前述控制參數係從以下構成的群中所選擇的一種以上：屬於造紙機的運轉速度之造紙速度、原料脫水機的濾布轉速、洗滌機的濾布轉速、相對於前述水系的藥品添加量、相對於前述水系中添加的原料的藥品添加量、相對於前述水系相關設備的藥品添加量、加熱用的蒸汽量、加熱用的蒸汽溫度、加熱用的蒸汽壓力、來自種箱的流量、按壓部的壓軋壓力、按壓部的毛氈真空壓力、造紙原料的配合比例、造紙原料的損紙配合量、造紙原料的篩子的網眼、打漿機的轉子與定子間的間隙距離、游離度以及打漿度。
5. 如請求項1或2所記載之推測系統，其中前述結果參數係從以下構成的群中所選擇的一種以上：屬於前述紙製品的單位重量之紙張密度、合格率、白水濃度、前述紙製品的含水率、製造前述紙製品的設備內的蒸汽量、製造前述紙製品的設備內的蒸汽溫度、製造前述紙製品的設備內的蒸汽壓力、紙製品的厚度、前述紙製品中的灰分濃度、前述紙製品的缺陷的種類、前述紙製品的缺陷數、工序內的斷紙時期、游離度、打漿度以及曝氣量。
6. 一種推測程式，係用於推測在紙製品製造工序中的水系中或從前述紙製品製造工序中的水系派生的今後可能產生的估計結果，並使電腦作為參數資訊取得部、關係性模型資訊取得部、推測部以及輸出部發揮功能；     前述估計結果係與從以下構成的群中所選擇的一種以上相關聯：前述紙製品的缺陷數、前述紙製品的紙力、前述紙製品的接頭率、前述紙製品的尺寸度、前述紙製品的透氣度、前述紙製品的平滑度、前述紙製品的灰分量、前述紙製品的色調、前述紙製品的質地、前述紙製品的氣味、苛性化率、燒成率、游離度以及前述紙製品的水分率；     前述參數資訊取得部取得參數資訊，前述參數資訊包含兩個以上作為以下參數中的任一種參數：與前述水系的水質相關的水質參數；與前述水系、與前述水系相關的設備或者與前述水系中添加的原料的控制條件相關的控制參數；以及作為與前述估計結果具有不同含義的參數的結果參數，前述結果參數為在與前述水系、與前述水系相關的設備或者與前述水系中添加的原料中，或者從前述水系、與前述水系相關的設備或者前述水系中添加的原料中派生而產生的結果相關的結果參數；在此，前述參數資訊係至少包含前述水質參數；     前述關係性模型資訊取得部取得事先作成的關係性模型資訊，前述關係性模型資訊顯示前述估計結果或者與前述估計結果相關聯的指標與兩個以上前述參數的關係；     前述推測部基於前述參數資訊以及前述關係性模型資訊來推測前述估計結果或者與前述估計結果相關聯的指標；     前述輸出部係隨時間推移顯示前述推測部所推測之前述估計結果或與前述估計結果相關聯的指標。
7. 一種推測方法，係用於推測在紙製品製造工序中的水系中或從前述紙製品製造工序中的水系派生的今後可能產生的估計結果，並具備：     參數資訊取得工序、關係性模型資訊取得工序、推測工序以及輸出工序；     前述估計結果係與從以下構成的群中所選擇的一種以上相關聯：前述紙製品的缺陷數、前述紙製品的紙力、前述紙製品的接頭率、前述紙製品的尺寸度、前述紙製品的透氣度、前述紙製品的平滑度、前述紙製品的灰分量、前述紙製品的色調、前述紙製品的質地、前述紙製品的氣味、苛性化率、燒成率、游離度以及前述紙製品的水分率；     在前述參數資訊取得工序中，取得參數資訊，前述參數資訊包含兩個以上作為以下參數中的任一種參數：與前述水系的水質相關的水質參數；與前述水系、與前述水系相關的設備或者與前述水系中添加的原料的控制條件相關的控制參數；以及作為與前述估計結果具有不同含義的參數的結果參數，前述結果參數為在與前述水系、與前述水系相關的設備或者與前述水系中添加的原料中，或者從前述水系、與前述水系相關的設備或者前述水系中添加的原料中派生而產生的結果相關的結果參數；在此，前述參數資訊係至少包含前述水質參數；     在前述關係性模型資訊取得工序中，取得事先作成的關係性模型資訊，前述關係性模型資訊顯示前述估計結果或者與前述估計結果相關聯的指標與兩個以上前述參數的關係；     在前述推測工序中，基於前述參數資訊以及前述關係性模型資訊來推測前述估計結果或者與前述估計結果相關聯的指標；     在前述輸出工序中，隨時間推移顯示前述推測工序所推測之前述估計結果或與前述估計結果相關聯的指標。