分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y = f(x) を構築し、構築したモデルに x の値を入力して y の値を予測したり、y が目標値となる x の値を設計したりします。
ソフトセンサーでは、簡単に測定可能なプロセス変数 x から、測定が困難なプロセス変数 y を予測するモデル y = f(x) を機械学習により構築します。オンラインでリアルタイムに測定された x の値をモデルに入力することで、同じくリアルタイムに y の値を予測できます。
ソフトセンサーの検討に用いるデータセットは一般的に、時系列で x や y の値が並べられています。すでに x や y が測定された後のデータセットであるため、x, y の時間をズラしたりして、色々な回帰モデルの検討が可能です。また、ソフトセンサーがリアルタイムに y を予測する上で、「ある時間の x の値からこの時間の y の値を予測してほしい」という要望に基づいて検討することも多いです。
ただし、化学的・物理的な背景や装置・プラントの原理を考慮したときに、実際にそれが可能かどうかは検討が必要です。例えば、1時間の滞留時間がある装置において、原理的には入口に入った物質の情報が x として分かったときに、出口の情報を y として予測できるのは、1時間後の情報です。ある時刻のx の値から同じ時刻の y の値は予測できません。しかし、ソフトセンサーの解析をする時には、すでに測定されて単純に時系列に並べられた x と y を使用できるため、ある時刻の x から同じ時刻の y を予測するモデルを構築できてしまいます。これは滞留時間を考慮しておらず、実際には予測できるものではありません。
ソフトセンサーを検討する際は、対象とするプロセスの化学的・物理的な背景や装置・プラントの原理を踏まえて、データ解析・機械学習の検討を進めるようにしましょう。
以上です。
質問やコメントなどありましたら、X, facebook, メールなどでご連絡いただけるとうれしいです。
