本发明涉及模型选择装置、模型选择方法和非临时性计算机可读介质。
背景技术:
1、在专利文献1中记载了“模型45输出推荐控制参数,该推荐控制参数表示为了根据测量数据的输入来提高回报值而推荐的第一种控制内容”。此外,在非专利文献1中记载了一种“fkdpp(factorial kerneldynamic policy programming,阶乘内核动态策略规划)”。
2、现有技术文献
3、专利文献1:日本专利公开公报特开2021-086283
4、非专利文献1:“横河电机和naist面向化学工厂的强化学习”、日经robotics 2019年3月号
技术实现思路
1、在本发明的第一方式中提供一种模型选择装置。所述模型选择装置包括:评价模型存储部,将多个评价模型与原材料对应地存储,所述多个评价模型能够分别输出评价了从所述原材料制造产品的设备的状态的指标;性状数据取得部,取得表示在所述设备中使用的所述原材料的性状的性状数据;模型选择部,基于所述性状数据,从所述多个评价模型中选择对象模型,所述对象模型用于评价在所述设备中使用作为对象的原材料时的所述设备的状态;以及对象模型输出部,输出所述对象模型。
2、在所述模型选择装置中,可以是所述模型选择部选择所述多个评价模型中的对应于性状与作为所述对象的原材料类似的原材料的评价模型作为所述对象模型。
3、在所述模型选择装置中的任意一个中,可以是所述模型选择部将作为对所述性状数据进行了聚类的结果而属于与作为所述对象的原材料相同的集群的原材料判断为性状与作为所述对象的原材料类似。
4、在所述模型选择装置中的任意一个中,可以是在作为对所述性状数据进行了分级聚类的结果,任何原材料都不属于与作为所述对象的原材料相同的集群的情况下,所述模型选择部变更用于所述分级聚类的数据间的距离的阈值。
5、在所述模型选择装置中的任意一个中,可以是所述原材料至少包含原油。
6、在所述模型选择装置中的任意一个中,可以是所述性状数据具有表示所述原油的化学性状和物理性状中的至少任意一个的数据。
7、在所述模型选择装置中的任意一个中,可以是所述化学性状包含碳、氢、硫、氮、氧和金属中的至少任意一种的含量。
8、在所述模型选择装置中的任意一个中,可以是所述化学性状包含烃的分子结构的类型。
9、在所述模型选择装置中的任意一个中,可以是所述物理性状包含比重、蒸汽压、运动粘度和倾点中的至少任意一个。
10、在所述模型选择装置中的任意一个中,可以是所述原材料包含化石燃料和水中的至少任意一种。
11、在所述模型选择装置中的任意一个中,可以是还包括作业模型生成部,所述作业模型生成部通过将所述对象模型的输出作为回报的至少一部分的强化学习,生成输出与所述设备的状态对应的行动的作业模型。
12、在所述模型选择装置中的任意一个中,可以是还包括使用所述作业模型来控制所述设备中的控制对象的控制部。
13、在本发明的第二方式中提供一种模型选择方法。计算机执行所述模型选择方法,所述模型选择方法包括:将多个评价模型与原材料对应地存储,所述多个评价模型能够分别输出评价了从所述原材料制造产品的设备的状态的指标;取得表示在所述设备中使用的所述原材料的性状的性状数据;基于所述性状数据,从所述多个评价模型中选择对象模型,所述对象模型用于评价在所述设备中使用作为对象的原材料时的所述设备的状态;以及输出所述对象模型。
14、在本发明的第三方式中提供一种记录有模型选择程序的非临时性计算机可读介质。计算机通过执行所述模型选择程序而发挥作为评价模型存储部、性状数据取得部、模型选择部和对象模型输出部的功能,所述评价模型存储部将多个评价模型与原材料对应地存储,所述多个评价模型能够分别输出评价了从所述原材料制造产品的设备的状态的指标,所述性状数据取得部取得表示在所述设备中使用的所述原材料的性状的性状数据,所述模型选择部基于所述性状数据,从所述多个评价模型中选择对象模型,所述对象模型用于评价在所述设备中使用作为对象的原材料时的所述设备的状态,所述对象模型输出部输出所述对象模型。
15、另外,上述发明的概要没有列举出本发明的所有特征。此外,这些特征组的子组合也可以成为发明。
1.一种模型选择装置,其特征在于包括:
2.根据权利要求1所述的模型选择装置,其特征在于,所述模型选择部选择所述多个评价模型中的对应于性状与作为所述对象的原材料类似的原材料的评价模型作为所述对象模型。
3.根据权利要求2所述的模型选择装置,其特征在于,所述模型选择部将作为对所述性状数据进行了聚类的结果而属于与作为所述对象的原材料相同的集群的原材料判断为性状与作为所述对象的原材料类似。
4.根据权利要求3所述的模型选择装置,其特征在于,在作为对所述性状数据进行了分级聚类的结果,任何原材料都不属于与作为所述对象的原材料相同的集群的情况下,所述模型选择部变更用于所述分级聚类的数据间的距离的阈值。
5.根据权利要求1至4中任意一项所述的模型选择装置,其特征在于,所述原材料至少包含原油。
6.根据权利要求5所述的模型选择装置,其特征在于,所述性状数据具有表示所述原油的化学性状和物理性状中的至少任意一个的数据。
7.根据权利要求6所述的模型选择装置,其特征在于,所述化学性状包含碳、氢、硫、氮、氧和金属中的至少任意一种的含量。
8.根据权利要求6所述的模型选择装置,其特征在于,所述化学性状包含烃的分子结构的类型。
9.根据权利要求6所述的模型选择装置,其特征在于,所述物理性状包含比重、蒸汽压、运动粘度和倾点中的至少任意一个。
10.根据权利要求1至4中任意一项所述的模型选择装置,其特征在于,所述原材料包含化石燃料和水中的至少任意一种。
11.根据权利要求1至4中任意一项所述的模型选择装置,其特征在于,还包括作业模型生成部,所述作业模型生成部通过将所述对象模型的输出作为回报的至少一部分的强化学习,生成输出与所述设备的状态对应的行动的作业模型。
12.根据权利要求11所述的模型选择装置,其特征在于,还包括使用所述作业模型来控制所述设备中的控制对象的控制部。
13.一种模型选择方法,其特征在于,
14.一种非临时性计算机可读介质,记录有模型选择程序,所述非临时性计算机可读介质的特征在于,