操業最適化・省エネ・品質安定化を支援

ソフトセンサ構築／演算ツール

品質値をリアルタイムで連続推定し、操業の最適化・省エネ・品質安定化を支援

製造現場データとAI・デジタル技術を連携させ、プラントの品質推定を自動化。間欠的にしか計測できない品質値をリアルタイムで連続推定し、操業の最適化・省エネ・品質安定化を実現します。化学、鉄鋼、食品、製薬分野の製造現場における意思決定を支援します。

・ ソフトセンサ構築／演算ツール「EFPROSENS（エフプロセンス）」が2025年度計測自動制御学会賞『新製品開発賞』を受賞しました。
・ 「包括的な機能を有するソフトセンサ設計ツールの開発」により化学工学会の2024年度化学工学会賞『技術賞』を受賞しました。
・ 「包括的な機能を有するソフトセンサ設計ツールの開発」により計測自動制御学会（略称SICE）の2024年度計測自動制御学会賞『技術賞』を受賞しました。

ソフトセンサとは

化学分野における製品品質など、重要でありながら常時・リアルタイム計測が難しい量を、それと相関のある温度・圧力などのリアルタイム計測が容易なデータに基づき統計・機械学習的な推定式(モデル)を作成することにより品質の常時・リアルタイム推定を可能とするソフトウェアです。 これにより、従来難しかった品質のリアルタイム把握とそれによる適切なプラント介入のための意思決定が可能となり、プラント運転の安定化とそれに伴う省エネ・生産性向上によるコスト削減・損益改善が期待されます。

プラントオペレーションのDX化を支援するソフトセンサ技術

現場でのサンプリングなど、短時間、定周期で計測しにくい目的値を「ソフトセンサ技術」で自動で連続推定。 アナリティクス・AI（I解析・最適化技術）で「見える化」して、現場にフィードバック。化学、鉄鋼、食品、製薬分野の「操業」「設備管理」「エネルギー利用」の最適化をサポートします。

導入効果

・生産性向上・コスト削減
操業の最適化により生産性向上、プロセス異常回避が可能

・安全性向上
不測のダウンタイムゼロ化を目指した設備管理の最適化

・作業負荷低減
自動処理により技術スタッフの解析作業負荷を軽減

・品質安定化
リアルタイムでの品質監視により品質レベルを安定化

・環境負荷低減
エネルギー利用の最適化により省エネルギー、CO2排出量削減を実現

導入事例・適用事例

・導入事例・提案事例

UBE株式会社　宇部ケミカル工場様

UBE株式会社 宇部ケミカル工場様における、ソフトセンサ技術導入事例です。液体中の成分濃度をリアルタイムに予測できるようにし、オペレータが分析結果を待たずに運転条件を調整できる環境を実現。工程品質の安定化と生産性向上に加え、二酸化炭素排出量を120トン以上削減しました。短期実装が評価され、2024年度計測自動制御学会賞『技術賞』も受賞しています。

化学工場でソフトセンサ向け「推算用モデル式構築／演算ツール」を活用

ソフトセンサ技術によるプロセス制御の最適化事例

化学製造業におけるソフトセンサ技術の適用事例。化学製品の製造工程において、水添反応の触媒再生操作を、スケジュール見合いで実施していましたが、作業負荷の増加と触媒塔の切替コストの課題がありました。そこで、ソフトセンサ技術を用いて、選択率の将来値予測モデルを構築、触媒性能指標の推定を可能にし、再生頻度を最適化したことで、生産力向上を実現しました。

ソフトセンサ技術によるプロセス制御の最適化事例

ソフトセンサ技術による製造工程のリアルタイム分析事例

化学製品の製造工程におけるソフトセンサ技術の適用事例。従来のサンプリング分析では、頻繁な測定や急激な濃度変化の検知が難しく、ライン閉塞の懸念やオペレータの作業負荷増加などの課題がありました。今回、ソフトセンサ技術で缶液濃度のリアルタイム推定ができる仕組みを構築、缶液濃度維持に向けた運転操作が可能となり、製造ロス削減と廃棄物低減を実現しました。

ソフトセンサ技術による製造工程のリアルタイム分析事例

・適用業界
化学・医薬、ガス、鉄鋼、ごみ焼却、セメント、水処理、製紙

機能概要

・AutoML機能による作業時間の大幅削減
データ・変数選択、モデルパラメータ調整などの煩わしい手順を一括で自動処理。従来手法と比べて作業時間を70%以上削減できます。

・複数の機械学習アルゴリズムを自動処理
複数の機械学習アルゴリズムを一気に自動処理し、高精度なモデル式を短時間で構築。構築されたモデル候補を良好な推定性能の順にランキング表示することで、容易に選択できます。

・標準インタフェースで既存システムと連携
プラントで標準的に使用されるPIサーバ、OPCサーバのインタフェースに対応。構築したモデル式から計算した結果を監視制御システムと連携させることで制御に活用可能です。 ※PIサーバは米国OSIsoft社の製品です。

・直感的な操作性と可視化
チェックボックスをチェックするだけの直感的な操作画面。予測結果の可視化やプロセス変数の寄与度を色の濃淡で見やすく表現します。

ソフトセンサの構築から運用までの流れ

1．データ収集
ソフトセンサの構築に使用するデータを収集します。推定対象である製品品質などの目的変数と、目的変数に影響を及ぼす可能性のあるプロセスデータなどの説明変数の双方を取得する必要があります。

2．データの前処理
収集した説明変数のデータには、外れ値や異常値、ノイズが含まれている場合があります。これらは適切なソフトセンサ構築の妨げとなる要因となるため、外れ値や異常値の除去、移動平均化によるノイズ除去などデータの前処理を実施します。

3．ソフトセンサの構築と評価
説明変数から目的変数を推定する数式モデルには、PLS（部分的最小二乗法）、SVR（サポートベクター回帰）、プロセスの状態変化に応じ逐次自動で数式モデルを更新するJIT-PLSなどの回帰手法が候補となります。これらの数式モデルと説明変数の組合せからなる複数のソフトセンサの候補を構築し、それぞれの推定精度を比較して評価します。

4．ソフトセンサの実装
評価結果に基づいて目標精度が達成できるソフトセンサを選択し、これをオンライン環境に設置した演算用PCに実装します。

5．ソフトセンサの運用
説明変数として使われるプロセスデータはリアルタイムに測定され、プロセスを制御する制御システムのデータサーバに格納されます。演算用PCは制御システムのデータサーバから取得した説明変数をソフトセンサに入力し、出力される推定結果を制御システムのデータサーバに書き込んで推定値を制御システムに受け渡します。

6．ソフトセンサの再構築
時間の経過とともに、例えば配管内にスケール（付着物）が蓄積していくなど、プラント設備の特性が変化して推定モデルと差異が生じることでソフトセンサの推定性能が低下する場合があります。推定性能低下が許容できない段階になる前に、データ収集、データの前処理、ソフトセンサの構築と評価の手順を再度行うことで、ソフトセンサの再構築を行います。

システム構成

シミュレーション用のオフラインツールと現場実装用のオンラインツールにより構成されます。 オフラインツールでは、過去の時系列データが読込まれ、これに基づきソフトセンサを設計します。 この中で、プラントオペレーション、最新の機械学習に関する知識に基づき必要十分で簡潔な機能・画面操作により最適なソフトセンサの設計が可能となります。

オフラインツールで設計されたソフトセンサの情報がオンラインツールに移行され、オンラインにおいて、プラントデータベースからの入力変数（温度・圧力等）の測定値に基づきオンラインツールにて出力変数（品質）の推定値を算出し、オペレータは常時・リアルタイムで推定値を確認することができます。 これによりオペレータによる現場での品質等の重要情報のリアルタイムな把握と適切な意思決定が可能となります。

価格・導入費用

価格・導入費用については別途お問い合わせください。

資料ダウンロード

Webサイトのサービス向上のため、簡単なワンクリックアンケートへのご協力をお願いいたします。下記アンケートにご回答後、下記ボタンをクリックすると、新しいウィンドウでダウンロードページが開きます。

製品導入に関するお問い合わせ・ご相談等はこちらをクリック