JP2024023032A - 水処理設備運転支援装置、方法、およびプログラム - Google Patents

Abstract

【課題】水処理設備の運転管理・支援の技術に関して、実設備の運転状態に適合して好適な対処ガイダンスなどを行うことができる技術を提供する。
【解決手段】水処理設備１０の運転を支援する水処理設備運転支援装置１は、水処理設備１０の運転状態を表すデータ（センサ記録データＤ２等）を第１データとして入力し、水処理設備１０の運転状態に対するユーザＵ１による対処の実績を表すデータを第２データとして入力し（異常対処実績入力画面４）、第１データ、および第２データに基づいて、運転状態と対処との関係に関する機械学習を行って機械学習のモデルを更新し、最新の第１データをモデルに入力して対処に関する推論を行って、推論結果として対処に関する情報を第３データとして生成し、対処に関する情報をユーザＵ１に対し出力する（異常対処推論結果画面５）。
【選択図】図１

Description

本発明は、水処理設備（言い換えると水処理装置、水処理システムなど）の運転・運用を支援する技術に関する。

先行技術例として、特開平９－３３５１４号公報（特許文献１）や国際公開第２０２０／１８３５７６号（特許文献２）が挙げられる。

特許文献１には、「水質計測器の異常検出方法及び装置」として、「計測値のトレンド異常の検出を計算機で自動的に行う」旨、「水質計測器の計測値を蓄積し、その蓄積された計測値の過去の日平均値を求め、その平均値の変化量が設定回数だけ判定基準値の上限値を連続して超えたときまたは下限値を連続して超えたときに異常と判定する」旨が記載されている。

特許文献２には、「排水処理施設の運転管理システムであって、曝気層の状態を示す複数の指標について、前記指標ごとに基準値を記憶する記憶手段、前記指標の測定値を入力する入力手段、入力された前記測定値を、前記指標ごとに前記基準値と対比して、基準値範囲内、基準値超過及び基準値未満のいずれかに区分する対比手段、診断パターンを記憶する記憶手段であって、前記診断パターンが、前記基準値を基準として、前記指標ごとの基準値範囲内、基準値超過又は基準値未満の区分の組合せにより分類されている記憶手段、前記測定値の各指標の区分の組合せと前記診断パターンの各指標の区分の組合せを照合し、区分の組合せが一致した診断パターンを抽出する照合手段、及び前記区分の組合せが一致した診断パターンを表示する表示手段を備える」旨が記載されている。

特開平９－３３５１４号公報 国際公開第２０２０／１８３５７６号

水処理設備についての安定的な運転・運用や、運転・運用に関する効率化や低コスト化などが求められている。

水処理設備の運転状態は、原水量・原水負荷などの流入原水、内包する活性汚泥性状などのプロセス状態、循環量・薬液添加量などの操作履歴、などの影響を受ける。そのため、従来、水処理設備の運転管理は、それらの影響要因についての知識や経験がある熟練者に依存するところが大きい。

水処理設備の運転管理に関する従来技術例は、特許文献１のように、閾値の監視に基づいた異常検出を行う技術や、特許文献２のように、パターンに基づいた異常検出を行う技術などがある。

しかしながら、従来技術例では、水処理設備の運転管理を行うシステム（水処理設備運転支援装置などと記載する場合がある）を運用開始した後、運転管理者の判断履歴や対処実績などは蓄積されていない。そのため、従来技術例では、対象の水処理設備に適合した対処ガイダンスなどを行うことは難しい。特に、熟練者ではない人に対し、対象の水処理設備に適合した対処ガイダンスなどを提供できることが好ましい。対処ガイダンスは、異常事象などの状態に対し、どのような対処が考えられるか、どのような対処が好ましいか等を、ユーザに対し、ガイド、推奨、指導などすることである。

水処理設備は、原水量・原水負荷などのパターンが設備ごとに異なり、前述のように、水処理設備の運転状態は、そのパターンなどの影響要因による影響を受けて変動し得る。そのため、実設備に適合した運転支援の実現には課題がある。実設備の運転状態に適合して好適な対処ガイダンスなどを行うことができる水処理設備運転支援装置を実現したい。

本開示の目的は、水処理設備の運転管理・支援の技術に関して、実設備の運転状態に適合して好適な対処ガイダンスなどを行うことができる技術を提供することである。

本開示のうち代表的な実施の形態は以下に示す構成を有する。実施の形態の水処理設備運転支援装置は、水処理設備の運転を支援する水処理設備運転支援装置であって、前記水処理設備の運転状態を表すデータを第１データとして入力し、前記水処理設備の運転状態に対するユーザによる対処の実績を表すデータを第２データとして入力し、前記第１データ、および前記第２データに基づいて、前記運転状態と前記対処との関係に関する機械学習を行って前記機械学習のモデルを更新し、最新の前記第１データを前記モデルに入力して前記対処に関する推論を行って、推論結果として前記対処に関する情報を第３データとして生成し、前記対処に関する情報を前記ユーザに対し出力する。

本開示のうち代表的な実施の形態によれば、水処理設備の運転管理・支援の技術に関して、実設備の運転状態に適合して好適な対処ガイダンスなどを行うことができる。上記した以外の課題、構成および効果等については、発明を実施するための形態において示される。

実施の形態１の水処理設備運転支援装置を含む、システムの構成を示す。 実施の形態１で、水処理設備の構成例を示す。 実施の形態１の水処理設備運転支援装置の、コンピュータシステムとしての構成例を示す。 実施の形態１の水処理設備運転支援装置の主な処理のフローを示す。 実施の形態１で、異常対処実績入力画面の第１例を示す。 実施の形態１で、異常対処実績入力画面の第２例を示す。 実施の形態１で、異常対処実績入力画面の第３例を示す。 実施の形態１で、異常対処実績入力画面の第４例を示す。 実施の形態１で、データクレンジング処理のフローを示す。 実施の形態１で、稼働モードに応じたデータレコード抽出の例を示す。 実施の形態１で、異常対処学習・推論機能に関する説明図を示す。 実施の形態１で、異常対処推論結果画面の第１例を示す。 実施の形態１で、異常対処推論結果画面の第２例を示す。 実施の形態１で、異常対処推論結果画面の第３例を示す。 実施の形態１で、異常対処推論結果画面の第４例を示す。 実施の形態１で、異常対処推論結果画面の第５例を示す。 実施の形態１で、異常対処推論結果画面の第６例を示す。 実施の形態２の水処理設備運転支援装置を含む、システムの構成を示す。 実施の形態２で、異常兆候検知処理のフローを示す。 実施の形態２で、異常対処推論結果画面の第１例を示す。 変形例における、異常対処実績入力画面と異常対処推論結果画面とを含んだ画面の表示例を示す。 実施の形態２で、異常対処実績入力画面の例を示す。 実施の形態２で、異常対処実績入力画面の他の例を示す。

以下、図面を参照しながら本開示の実施の形態を詳細に説明する。図面において、同一部には原則として同一符号を付し、繰り返しの説明を省略する。図面において、構成要素の表現は、発明の理解を容易にするために、実際の位置、大きさ、形状、範囲等を表していない場合がある。

説明上、プログラムによる処理について説明する場合に、プログラムや機能や処理部等を主体として説明する場合があるが、それらについてのハードウェアとしての主体は、プロセッサ、あるいはそのプロセッサ等で構成されるコントローラ、装置、計算機、システム等である。計算機は、プロセッサによって、適宜にメモリや通信インタフェース等の資源を用いながら、メモリ上に読み出されたプログラムに従った処理を実行する。これにより、所定の機能や処理部等が実現される。プロセッサは、例えばＣＰＵ／ＭＰＵやＧＰＵ等の半導体デバイス等で構成される。処理は、ソフトウェアプログラム処理に限らず、専用回路でも実装可能である。専用回路は、ＦＰＧＡ、ＡＳＩＣ、ＣＰＬＤ等が適用可能である。

プログラムは、対象計算機に予めデータとしてインストールされていてもよいし、プログラムソースから対象計算機にデータとして配布されてもよい。プログラムソースは、通信網上のプログラム配布サーバでもよいし、非一過性のコンピュータ読み取り可能な記憶媒体、例えばメモリカードやディスクでもよい。プログラムは、複数のモジュールから構成されてもよい。コンピュータシステムは、複数台の装置によって構成されてもよい。コンピュータシステムは、クライアント・サーバシステム、クラウドコンピューティングシステム、ＩｏＴシステム等で構成されてもよい。各種のデータや情報は、例えばテーブルやリスト等の構造で構成されるが、これに限定されない。識別情報、識別子、ＩＤ、名前、番号等の表現は互いに置換可能である。

［課題や解決手段等］
従来技術例の水処理設備運転支援装置では、水処理設備の異常事象などの状態に対し、熟練者などによる暗黙知に基づいた対処が実施されているが、対処実績情報は蓄積されておらず、対処実績情報から暗黙知を形式知にすることもされていない。従来技術例では、実際の水処理設備の運転状態や特性や個体差、過去の対処実績などを考慮した、対処ガイダンスは出力されていない。

課題に基づいて、実施の形態の水処理設備運転支援装置は、実際の水処理設備の運転状態などに適合した好適な対処ガイダンスなどの出力を実現する。そのために、実施の形態は、実際の水処理設備の運転状態に対しユーザ（作業者や管理者などの人を指す）により実施された対処に関する、対処実績情報を画面で入力して、データベース（ＤＢ）等に蓄積する仕組みを有する。また、実施の形態は、蓄積された対処実績情報に基づいて、対処ガイダンス等の生成のための機械学習のモデルを構築し、機械学習を行う。このモデルは、水処理設備の運転状態と対処との関係についての学習・推論のモデルである。

実施の形態の水処理設備運転支援装置は、運用時に、水処理設備の運転状態に関する、リアルタイムの各種の入力データ（例えばセンサ計測データ等を含む）に対し、推論のモデルに基づいて、推論結果として、実際の水処理設備の運転状態などに適合した、対処ガイダンス等を生成し、ユーザに対し画面で出力する。

運転管理者などのユーザは、画面で対処ガイダンス等の情報を見て確認し、対処ガイダンス等を参考にして、水処理設備の運転状態に対する対処を判断でき、対処を実施できる。対処は、例えば水処理設備の槽などに対する操作である。ユーザは、対処を行った場合、画面で対処内容を対処実績情報として入力できる。その対処実績情報の入力・蓄積に基づいて、モデルが更新される。以降同様に、画面入力、学習・推論、および画面出力を含むサイクルが回される。

ユーザに対し提供・出力される画面は、対処実績入力画面と、対処ガイダンス出力画面とを有し、それらを別々の２つの画面として提供してもよいし、それらをセットで１つの画面として提供してもよい。

実施の形態の水処理設備運転支援装置は、水処理設備ごとの、異常事象、特性、パターン、影響要因などについて、機械学習を用いて、暗黙知から形式知にして扱う。運転支援装置は、それら異常事象など（運転状態と総称する場合がある）と対処実績との関係についての機械学習を行い、その結果のモデルに基づいて、好適な対処ガイダンスを生成・出力する。

実施の形態で、学習・推論に基づいて生成・出力される対処ガイダンス情報は、水処理設備に対する過去の対処実績と、リアルタイムの水処理設備の状況、例えばセンサ計測データ等で示される運転状態と、を反映した内容として生成されている。この対処ガイダンス情報は、異常事象などの運転状態に対し、実施の候補としての対処の情報を含んでおり、過去の対処実績に基づいて推論された好適な対処の情報を含んでいる。

ユーザは、画面で対処ガイダンス情報を見て確認することで、水処理設備の異常事象などの運転状態に対し、対処を実施すべきか、どのような対処を実施すべきか等を、従来よりも容易にわかりやすく判断でき、より好適な対処の判断を行いやすい。対処ガイダンスに基づいてユーザにより行われた判断や対処は、従来よりも実設備の状態に適合した好適な判断や対処となる可能性が高くなる。

＜実施の形態１＞
図１～図１７等を用いて、実施の形態１の水処理装置運転支援装置などについて説明する。

［概要］
図１等に示される実施の形態１の水処理装置運転支援装置は、（Ａ）リアルタイムデータ入力機能、（Ｂ）異常事象および対処実績の入力機能、（Ｃ）異常事象および対処実績の学習・推論機能、（Ｄ）推論結果出力機能（言い換えると対処ガイダンス機能）などを有する。

（Ａ）の機能は、水処理設備１０からセンサ計測データＤ２等を入力して処理する機能である。（Ａ）の機能は、具体的には、データクレンジング機能Ｆ１等を含む。（Ｂ）の機能は、異常対処実績入力画面４を提供し、この画面でユーザＵ１の操作によって異常事象などの運転状態（発生した異常内容など）、および対処実績（ユーザＵ１によって実施した暫定的対処や永続的対処などの対処作業内容）を入力してＤＢに蓄積する機能である。（Ｂ）の機能は、入力画面機能Ｆ４等を含む。

（Ｃ）の機能は、画面で入力され蓄積された対処実績情報等に基づいて、異常事象などの運転状態と対処実績との関係に関する機械学習を行い、モデルを更新し、また、最新のリアルタイム入力データに基づいてモデルによって推論して、推論結果として対処ガイダンスを生成する機能である。（Ｃ）の機能は、異常対処学習・推論機能Ｆ２を含む。（Ｄ）の機能は、異常対処推論結果画面５を提供し、この画面で対処ガイダンス情報を出力する機能である。（Ｄ）の機能は、推論結果出力機能Ｆ３を含む。

実施の形態１の水処理装置運転支援装置１は、（Ａ）～（Ｄ）のような機能に基づいて、水処理設備１０の運転状態に関する、運転管理者などのユーザＵ１による判断や操作の履歴、および対処の実績に関するデータ・情報を入力してメモリまたはＤＢに蓄積する。ＤＢは、水処理装置運転支援装置１の内部または外部のメモリ資源で構成される。実施の形態１の水処理装置運転支援装置１は、蓄積したデータ・情報を、機械学習のモデルに反映する。そして、実施の形態１の水処理装置運転支援装置１は、リアルタイムの入力データ、およびモデルに基づいた推論によって、対象の水処理設備１０の運転状態などに適合した好適な対処ガイダンスを画面に出力する。

実施の形態１では、対象の水処理設備１０の運転状態などに適合させたＤＢおよびモデルによって、好適な対処ガイダンスを生成・出力する。これにより、実設備を含む環境への水処理設備運転支援装置１の導入および継続的運用なども容易となる。

実施の形態１の水処理装置運転支援装置１は、上記のような各機能を有するので、水処理設備１０の運転状態に対する対処作業に関する、運転管理者や関係者の暗黙知を形式知にして、自動的な対処ガイダンスを実現し、水処理設備１０のきめ細かな運転管理などが可能となる。また、水処理設備１０に対する対処作業内容がデータ化および可視化できるので、効率的な作業計画や作業負担軽減に寄与できる。また、ユーザが非熟練者である場合でも、対処ガイダンスなどによって支援でき、熟練者から非熟練者への知識・経験の伝達、運転管理業務の移管などを実現できる。

［水処理装置運転支援装置を含むシステム］
図１は、実施の形態１の水処理装置運転支援装置１（言い換えると運転支援システム）を含む、システムの構成を示す。図１のシステムは、水処理設備１０と、水処理装置運転支援装置１と、水処理装置運転支援装置１に接続されるＰＬＣ２や点検記録ＰＣ３と、水処理装置運転支援装置１がユーザＵ１に対し出力する異常対処実績入力画面４および異常対処推論結果画面５とを有する。水処理装置運転支援装置１は、例えばＰＣ等のコンピュータシステムを用いて、運転管理ＰＣとして実装できる。

水処理設備１０（詳しくは図２）は、工場などの環境に設置されている。水処理設備１０にはＰＬＣ２が設けられている。ＰＬＣ２は、水処理装置１０の運転制御や状態モニタなどを行うプログラマブル・ロジック・コントローラであり、言い換えると運転制御装置である。ＰＬＣ２は、運転支援装置１と通信で接続される。ＰＬＣ２は、水処理設備１０に設置されている各種のセンサからセンサ記録データ（すなわち水処理設備１０の状態を表すデータ）を取得し、運転支援装置１へ送信する。

また、図示しない作業者は、点検記録ＰＣ３を用いて、水処理設備１０に対する保守点検作業を行い、保守点検作業結果（すなわち水処理設備１０の状態を表すデータ・情報など）を点検記録ＰＣ３に入力・記録する。点検記録ＰＣ３は、運転支援装置１と通信で接続される。

水処理装置運転支援装置１に対する入力データ・情報としては、ＰＬＣ２から送信されてくるセンサ記録データＤ１と、点検記録ＰＣ３から送信されてくる点検記録データＤ２と、異常対処実績入力画面４で入力される異常事象および対処記録データＤ４とを有する。それらの入力データは、水処理装置運転支援装置１のメモリ資源に格納される。水処理装置運転支援装置１からの出力データ・情報としては、異常対処実績入力画面４、および異常対処推論結果画面５を有する。特に異常対処推論結果画面５での対処ガイダンス情報の出力を有する。

図１の水処理装置運転支援装置１は、主な機能として、データクレンジング機能Ｆ１、異常対処学習・推論機能Ｆ２、推論結果出力機能Ｆ３、および入力画面機能Ｆ４を有する。各機能は、プロセッサによるプログラム処理に基づいて実現される（後述の図３）。

異常対処実績入力画面４は、運転管理者などのユーザＵ１が異常事象などの運転状態に対し対処実績を入力すること、を可能とするグラフィカル・ユーザ・インタフェース（ＧＵＩ）を伴う画面である。入力画面機能Ｆ４は、異常対処実績入力画面４を生成しユーザＵ１に対し提供する処理を行う。

異常対処推論結果画面５は、水処理装置運転支援装置１による異常事象などの運転状態と対処実績との関係に関する機械学習に基づいて、リアルタイムの入力データからモデルの推論の結果として出力される異常対処推論結果、特に対処ガイダンス、を含んだＧＵＩを伴う画面である。推論結果出力機能Ｆ３は、異常対処推論結果画面５を生成しユーザＵ１に対し提供する処理を行う。

図１の水処理装置運転支援装置１の主な処理動作は以下の通りである。入力情報として、センサ記録データＤ２、点検記録データＤ３、異常事象および対処記録データＤ４が入力される。センサ記録データＤ２は、リアルタイムの入力データである。点検記録データＤ３は、保守点検の発生に応じたリアルタイムの入力データである。異常事象および対処記録データＤ４は、ユーザＵ１による異常対処実績入力画面４での入力の発生に応じたデータである。それらの入力データ・情報は、運転支援装置１のメモリ資源に記録された後、データクレンジング機能Ｆ１に入力されて、データクレンジング処理が行われる。データクレンジング機能Ｆ１は、事前設定データＤ１に基づいて、それらの入力データ・情報をデータクレンジング処理し（後述の図９）、処理結果を統合データＤ５として格納する。事前設定データＤ１は、データクレンジング処理に必要な設定情報である。

次に、統合データＤ５は、異常対処学習・推論機能Ｆ２に入力されて、運転状態と対処実績との関係に関する機械学習および推論の処理が行われる。異常対処学習・推論機能Ｆ２は、統合データＤ５、事前設定データＤ６、および標準データＤ７に基づいて、機械学習および推論の処理を行う。学習フェーズでは、学習処理が行われ、モデルが更新され、学習結果データＤ８ａが格納される。推論フェーズでは、リアルタイムの入力データおよびモデルに基づいて推論が行われ、推論結果データＤ８ｂが生成される。異常対処学習・推論機能Ｆ２による学習・推論の処理では、事前設定データＤ６および標準データＤ７も用いられる。事前設定データＤ６は、学習・推論の処理に必要な設定情報である。標準データＤ７は、学習・推論の処理に必要な、水処理設備１０の標準の状態に関するデータである。

次に、推論結果データＤ８ｂは、推論結果出力機能Ｆ３によってデータ処理されて、推論結果サマリＤ９が生成され格納される。その後、推論結果出力機能Ｆ３によって、推論結果サマリＤ９のデータを含む異常対処推論結果画面５が出力される。ユーザＵ１は、異常対処推論結果画面５で、推論結果として対処ガイダンスを確認できる。ユーザＵ１は、対処ガイダンスを参考にして、異常事象などの運転状態に対しどのような対処を行うべきかを判断でき、対処を実施した場合には、異常対処実績入力画面４で対処実績として情報を入力可能である。異常対処推論結果入力画面５での対処ガイダンスに基づいて、運転管理者であるユーザＵ１に、異常対処実績入力画面４での対処実績入力を促すことができる。

図１の水処理装置運転支援装置１による主な効果として、対象の水処理装置１０についての運転管理者であるユーザＵ１は、異常対処推論結果画面５での対処ガイダンス情報に基づいて、異常対処実績画面４での過去の対処実績情報と、リアルタイムのセンサ記録データＤ１等に基づいた設備状況とを考慮した、異常事象などの認識、および対処の判断・実施が可能である。

［水処理設備］
図２は、水処理設備１０の構成例を示す。図２では、膜分離活性汚泥法（ＭＢＲ：Membrane Bio Reactor）を用いた生物処理の例を示している。図２の水処理装置１０は、原水槽２０１、ポンプ２０２、反応槽２０３、凝集槽２０４、沈殿槽２０５、ポンプ２０６、ｐＨ調整槽２０７、曝気槽２０８、膜槽２０９、ポンプ２１０、処理水槽２１１、ポンプ２１２、汚泥貯槽２１３、ポンプ２１４、凝集槽２１５、脱水槽２１６、ろ液槽２１７を有する。原水槽２０１から処理水槽２１１まではその順で流体が流れて処理される。膜槽２０９から分かれた一方のポンプ２１２からは、返送汚泥が曝気槽２０８に流入し、余剰汚泥が汚泥貯槽２１３に流入する。また、沈殿槽２０５から分かれた一方からは凝集汚泥が汚泥貯槽２１３に流入する。汚泥貯槽２１３からろ液槽２１７まではその順で流体が処理される。

ＰＬＣ２は、原水槽２０１から処理水槽２１１までの各槽やポンプなどについて、運転状態をモニタする。モニタには、各槽などに設けられたセンサデバイスや通信デバイスなどが用いられる。なお、図面では一部の槽のモニタのための矢印のみを図示している。ＰＬＣ２は、モニタにより得たセンサ記録データＤ２を、運転支援装置１に出力・送信する。また、点検記録ＰＣ３は、作業者による各槽やポンプなどについての点検作業の結果得られた点検記録データＤ３を、運転支援装置１に出力・送信する。

なお、センサ記録データＤ２や点検記録データＤ３の入出力、送受信、取得などの態様は、例えばＰＬＣ２等から運転支援装置１へ、一方向の通信で、所定の周期などのタイミングで自動的に行われるものとしてもよい。あるいは、運転支援装置１からＰＬＣ２等へ、所定の周期などのタイミングで、データの要求を送信し、その要求に対し、ＰＬＣ２等から運転支援装置１へ、応答としてデータを送信するものとしてもよい。

センサ記録データＤ２として収集されるパラメータ値の例としては、原水槽２０１のｐＨおよび電気伝導率と、ｐＨ調整槽２０７のｐＨと、曝気槽２０８のｐＨ、温度、ＤＯ（溶存酸素；dissolved oxygen）、ＭＬＳＳ（活性汚泥浮遊物質；mixed liquor suspended solids）、および曝気風量と、膜槽２０９のｐＨ、温度、ＤＯ、曝気風量、膜処理流量、吸引圧力、汚泥引抜量、および汚泥返送量とが挙げられる。また、点検記録データＤ３として収集されるパラメータ値の例としては、原水槽２０１のＣＯＤ（化学的酸素要求量；chemical oxygen demand）と、曝気槽２０８のＭＬＳＳと、膜槽２０９のＭＬＳＳと、処理水槽２１１のＣＯＤとが挙げられる。これらのパラメータ値が後述の機械学習に反映される。

［コンピュータシステム］
図３は、水処理設備運転支援装置１の、コンピュータシステムとしての構成例を示す。水処理設備運転支援装置１であるコンピュータシステムは、例えば計算機１０００で構成されている。計算機１０００は、プロセッサ１００１、メモリ１００２、通信インタフェース装置１００３、入出力インタフェース装置１００４等を備え、それらは相互にバス等で接続されており、相互に入出力や通信が可能である。

プロセッサ１００１は、メモリ１００２のプログラム１０１１に従った処理を実行する。これにより、各種の機能（前述のデータクレンジング機能Ｆ１など）が実現される。具体的には、計算機１０００の稼働中、各機能に対応した実行モジュールが生成されて自動的に動作する。

メモリ１００２は、運転支援装置１の内部または外部のメモリ資源を用いて構成される。メモリ１００２は、例えば不揮発性記憶装置などを用いて構成される。メモリ１００２は、外部のストレージ装置やＤＢサーバ等を用いて構成されてもよい。メモリ１００２には、例えば、制御プログラム１０１１、設定情報１０１２、ＤＢ１０１３、モデル１０１４、画面データ１０１５等が記憶される。制御プログラム１０１１は、計算機１０００に処理を実行させるプログラムであり、実施の形態１での運転支援プログラムに相当する。設定情報１０１２は、制御プログラム１０１１に関する設定情報や、ユーザ設定情報などである。ＤＢ１０１３は、入力データ等を蓄積するデータベース、あるいはファイルシステム等である。モデル１０１４は、学習・推論機能Ｆ２で用いるモデルであり、設定パラメータ等のデータ・情報を含む。画面データ１０１５は、異常対処実績入力画面４や異常対処推論結果画面５を提供するための画面データである。

通信インタフェース装置１００３は、図１のＰＬＣ２や点検記録ＰＣ３との通信インタフェース、また、ＬＡＮ等の通信網１０２０を介したユーザＵ１のクライアント端末装置１０３０との通信インタフェースなどが実装された装置であり、それぞれの通信処理を行う。入出力インタフェース装置１００４には、入力装置１００５や出力装置１００６が外部接続されている。入力装置１００５は、例えばキーボード、マウス、タッチパネル、マイク等が挙げられる。出力装置１００６は、ディスプレイ、タッチパネル、プリンタ、スピーカ等が挙げられる。なお、計算機１０００に入力装置１００５や出力装置１００６が内蔵されていてもよい。

ユーザＵ１は、入力装置１００５や出力装置１００６を通じて計算機１０００を操作するか、もしくは、通信網１０２０を介してクライアント端末装置１０３０から計算機１０００を利用する。

水処理設備運転支援装置１は、クライアント・サーバシステム等の形態で実装されてもよい。例えば、運転支援装置１の主たる機能がサーバ計算機で実装され、運転管理者などのユーザＵ１に対する入出力、ユーザインタフェースとしての機能が、ユーザＵ１のクライアント端末装置１０３０で実現される。この場合、ユーザＵ１は、クライアント端末装置１０３０を操作し、指示や設定などを入力する。クライアント端末装置１０３０は、指示や設定の情報をサーバである運転支援装置１に送信する。サーバである運転支援装置１は、指示や設定に従って、処理を実行し、処理結果情報または処理結果情報を含む画面データを、クライアント端末装置１０３０へ送信する。画面データは、例えばＷｅｂページの態様でもよい。クライアント端末装置１０３０は、受信したデータに基づいて、表示画面に、処理結果情報を表示する。ユーザＵ１は、表示画面で処理結果情報を見て確認できる。

［処理フロー］
図４は、実施の形態１の水処理設備運転支援装置１による主な処理のフローを示し、ステップＳ１～Ｓ５を有する。ステップＳ１で、運転支援装置１は、水処理設備１０の運転状態などを表す第１データを入力する。具体的には、第１データは、例えば、図１のセンサ記録データＤ２および点検記録データＤ３である。

ステップＳ２で、運転支援装置１は、水処理設備１０の運転状態（特に異常事象など）に対するユーザＵ１の対処の実績を表す第２データを入力する。実施の形態１では、運転支援装置１は、入力画面機能Ｆ４により、異常対処実績入力画面４を提供し、ユーザＵ１は、異常対処実績入力画面４で異常事象に対する対処実績を表す第２データを入力し、運転支援装置１は、異常対処実績入力画面４を通じて、その第２データを異常事象および対処記録データＤ４として取得、蓄積する。

なお、ステップＳ１，Ｓ２での入力データは、詳しくは、後述のデータクレンジング機能Ｆ１によってデータクレンジング処理されて、統合データＤ５として格納される。

ステップＳ３で、運転支援装置１は、学習フェーズとして、異常対処学習・推論機能Ｆ２により、上記第１データおよび第２データに基づいて、水処理設備１０の運転状態と対処実績との関係に関する機械学習を行って、機械学習のモデルを更新する（後述の図１１）。具体的には、学習結果データＤ８ａが生成される。

ステップＳ４で、運転支援装置１は、推論フェーズとして、異常対処学習・推論機能Ｆ２により、最新の第１データ（センサ記録データＤ２等）をモデルに入力して対処に関する推論を行って、推論結果として対処に関する情報である対処ガイダンスを第３データとして出力する（後述の図１１）。具体的には、推論された対処の情報を含んだ推論結果データＤ８ｂが生成される。

ステップＳ５で、運転支援装置１は、対処ガイダンスをユーザＵ１に対し出力する。実施の形態１では、運転支援装置１は、推論結果出力機能Ｆ３により、推論結果サマリＤ９に基づいて、異常対処推論結果画面５を生成して出力し、異常対処推論結果画面５で異常事象および対処ガイダンスの情報を表示させる。

［異常対処実績入力画面（１）］
図５は、異常対処実績入力画面４の第１例を示す。ユーザＵ１は、異常対処実績入力画面４で、ユーザＵ１が認識した異常事象などの運転状態に対し、ユーザＵ１が実施した対処（例えば槽に対する操作など）について、異常対処実績情報として入力する。図５の異常対処実績入力画面４は、「異常対処」のテーブル５００の表示を有する。テーブル５００は、列の項目として、番号（＃）、年月日、「異常事象」、「対処作業」等を有する。年月日は、対処実績を入力する日時の情報である。「異常事象」は、さらに、項目として、「対象槽」、「内容」を有する。「対処作業」は、さらに、項目として、「対象槽」、「内容」を有する。

それぞれの「対象槽」項目は、図２のような水処理設備１０での、対処の実施の対象となる、原水槽２０１などの槽を指定する情報である。なお、槽以外の構成要素（例えばポンプ、配管、弁、その他の機器など）を同様に指定可能としてもよい。「対象槽」項目に情報を入力する際のＧＵＩの例としては、ユーザＵ１が項目の該当セルをカーソル等で操作すると、リストボックスに選択肢として槽の情報が表示され、ユーザＵ１が選択肢から選択操作することで、その槽の情報を入力できる。

「異常事象」の「内容」項目は、例えば、「膜劣化」、「散気不良」、「流入水変化」といった、異常事象などの運転状態の内容を具体的に表す情報が入力される。この情報の入力は、テキスト入力としてもよいし、予め規定され分類されている情報からの選択入力でもよい。後者の場合、ＧＵＩの例としては、ユーザＵ１が項目の該当セルをカーソル等で操作すると、リストボックスに選択肢の情報が表示され、ユーザＵ１が選択肢から選択操作することで、その情報を入力できる。また、選択肢に無い情報を入力したい場合、新規の選択肢の情報の作成・登録も可能である。

「対処作業」の「内容」項目は、例えば、「薬液浸漬による膜洗浄」、「状態確認・復旧」、「苛性・硫酸の添加」といった、対処作業の内容を具体的に表す情報が入力される。この情報の入力は、テキスト入力としてもよいし、予め規定され分類されている情報からの選択入力でもよい。後者の場合、ＧＵＩの例としては、ユーザが項目の該当セルをカーソル等で操作すると、リストボックスに選択肢の情報が表示され、ユーザが選択肢から選択操作することで、その情報を入力できる。また、選択肢に無い情報を入力したい場合、新規の選択肢の情報の作成・登録も可能である。

本例では、番号＃＝３の行で示すように、ユーザが、１月１日に、ある１つの異常事象に対し、対処作業を行って、図示の情報を入力している。また、番号＃＝１，２の行で示すように、ユーザが、２月１日に、ある２つの異常事象に対し、それぞれの対処作業を行って、図示の情報を入力している。図５の画面例では、複数の行での複数の異常対処実績情報は、年月日が新しい順、現在に近いものを上にした順序で、各行の情報として表示されている。運転支援装置１は、異常対処実績入力画面４での異常対処入力履歴（複数の異常対処実績情報）の表示では、過去の全期間の結果を、入力年月日の新しい順に上から並べて表示する。本画面に表示しきれない情報は、ユーザＵ１が所定の操作（例えばスクロールや検索など）で表示させることができる。

この異常対処実績入力画面４の例では、水処理設備１０の状況・運転状態としては、特に、「異常事象」を扱っており、その「異常事象」に対する「対処作業」を入力する場合を説明している。本画面の表示は、このような「異常事象」の表示に限定されず、「異常事象」等を含んだ広い概念としての「運転状態」などの表示としても構わない。

異常対処実績入力画面４での入力情報は、センサ記録データＤ２等とともに、後の機械学習に使用されるため、好適なデータに整える等の目的で、図１のデータクレンジング機能Ｆ１が設けられている。図５の異常対処実績入力画面４の表示は一例であり、以下に説明するように各種の変形例が可能である。

［異常対処実績入力画面（２）］
図６は、異常対処実績入力画面４の第２例を示す。水処理設備１０の異常対処としては、複数の対処内容を順番に実施すべき場合がある。そこで、ユーザＵ１が実施済みの対処内容や順番を確認しながら新規の対処内容を入力できるように、異常対処実績入力画面４には、直近の対処実績入力履歴を併せて出力してもよい。

図６の画面例は、図５と同様の「異常対処」のテーブル５００の表示に加え、「入力履歴」のテーブル６００の表示を有する。「入力履歴」のテーブル６００では、ユーザＵ１が過去に入力した異常対処実績情報が、現在に近い日付の順で、上から、行の情報として表示されている。ユーザＵ１は、「入力履歴」のテーブル６００で複数の対処実績の順番などを確認しながら、「異常対処」のテーブル５００に、最新の対処実績を入力することができる。

他のＧＵＩ例としては、対処実績入力をより容易にするために、「入力履歴」のテーブル６００から、行の情報を、「異常対処」のテーブル５００の行へ、コピー＆ペーストできるようにしてもよい。

［対処実績入力画面（３）］
図７は、対処実績入力画面４の第３例を示す。水処理設備１０の異常対処としては、複数の対処内容の推移を考慮して実施すべき場合がある。そこで、ユーザＵ１が実施済みの対処内容の推移を確認しながら新規の対処内容を入力できるように、対処実績入力画面４には、過去の対処実績の推移を併せて出力するようにしてもよい。

図７の画面例は、図５と同様の「異常対処」のテーブル５００の表示に加え、「過去の異常対処の推移」のテーブル７００の表示を有する。このテーブル７００は、列として、「異常事象」、「対処作業」の項目と、「過去の異常対処の推移」項目とを有する。「過去の異常対処の推移」項目では、行ごとに、対応する「異常事象」に対する「対処作業」の内容の推移を時系列のグラフとして表示する。グラフでは、横軸を日時とし、例えば、「対処作業」の例えば「膜洗浄」等の操作が実行された時間が縦軸でオン状態として表示されている。図示を省略しているが、実行の日時等の情報も表示される。

ユーザＵ１は、対処実績入力画面４で、過去の異常対処の推移を確認しながら、「異常対処」のテーブル５００に新規の異常対処実績を入力できる。

［対処実績入力画面（４）］
図８は、異常対処実績入力画面４の第４例を示す。図８の画面例では、「異常対処」のテーブル５００において、さらに、「判断（コメント）」項目８００が追加で設けられている。この「判断（コメント）」項目８００には、「運転状態（異常事象）」に関するユーザＵ１による判断の内容、コメントを、例えばテキストで入力できる。ユーザＵ１は、例えば「膜劣化」に関して、「センサＸから……と推定」といった判断内容を入力できる。このような判断の情報もＤＢに蓄積される。のちに別の異常事象に対する対処の判断・入力の際に、ユーザＵ１は、このような「判断（コメント）」の情報を参考情報として利用できる。

また、図８の例では、「対処作業」の「内容」を入力する際のＧＵＩ例として、リストボックス８０１が表示され、リストボックス８０１に表示される内容の選択肢から選択入力する場合を示している。また、リストボックス８０１中の「新規作成」を選択すれば、新規の選択肢としての内容を作成・登録できる。

［データクレンジング処理］
図９は、図１のデータクレンジング機能Ｆ１によるデータクレンジング処理のフローを示し、ステップＳ１０１～Ｓ１０８を有する。処理の主体は、データクレンジング機能Ｆ１であるが、各機能は図３のプロセッサ１００１により実現されるので、処理の主体はプロセッサ等であると捉えてもよい。

まず、ステップＳ１０１で、プロセッサは、データサンプリング処理を行う。図１のセンサ記録データＤ２、点検記録データＤ３、異常事象および対処記録データＤ４を入力データとする。これらの入力データの記録周期が極端に短い場合、データクレンジング機能Ｆ１、および学習・推論機能Ｆ２での処理に長い時間を要する。また、それぞれの入力データの記録周期は同一ではない。そのため、ステップＳ１０１では、プロセッサは、入力データに対し、データサンプリングにより、記録周期を元よりも長くする等して適切な長さにする。例えば、センサ記録データＤ２が１０秒周期、点検記録データＤ２が1日周期、異常事象および対処記録データＤ３が１日周期である場合、データサンプリングにより、それぞれのデータの周期を、１０分周期に統一するように変換する。

ステップＳ１０２で、プロセッサは、データカラム抽出・統合処理を行う。異常対処内容ごとに、学習・推論機能Ｆ２に必要なデータカラムが異なる。そのため、ステップＳ１０２では、プロセッサは、データクレンジング後の入力データに対し、異常対処内容ごとに、学習・推論機能Ｆ２に必要なデータカラムを抽出する。また、センサ記録データＤ２、点検記録データＤ３、異常事象および対処記録データＤ４は、それぞれ記録周期が異なるため、プロセッサは、タイムスタンプを基に、それぞれのデータカラムを統合する。なお、ステップＳ１０２では、データ欠損については補完せずそのままとする。

ステップＳ１０３で、プロセッサは、稼働モード判別処理を行う。水処理設備１０の運転状態や異常対処内容は、水処理設備１０の稼働モードによって異なる場合が多い。したがって、稼働モードを考慮しない場合、学習・推論機能Ｆ２により適切な推論結果が得られない可能性がある。そのため、ステップＳ１０３で、プロセッサは、水処理設備１０の稼働モードを判別し、入力データ（データカラム統合後のデータ）から、稼働モードに対応した必要なデータレコードを抽出する。

稼働モードとして、例えば、「運転中」および「停止中」が存在する。その場合、プロセッサは、センサ記録データＤ２の稼働モードまたは処理流量を基に、「停止中」のデータレコードを除外し、「運転中」のデータレコードを抽出する。

ステップＳ１０４で、プロセッサは、データレコード除外処理を行う。水処理設備１０が通常外挙動を示している場合、その通常外挙動を示している期間のセンサ記録データＤ２等を学習・推論機能Ｆ２でデータ処理すると、適切な推論結果が得られない可能性がある。そのため、ステップＳ１０４で、プロセッサは、入力データに対し、通常外挙動を示している期間のデータレコードを除外する。通常外挙動を示している期間は、プロセッサによる所定の処理で判定されるが、特に後述の実施の形態２では、異常兆候検知機能Ｆ５において閾値を超過している期間として判断可能である。なお、このデータレコード除外は、水処理設備１０の稼働モードごとに行われる。

ステップＳ１０５で、プロセッサは、欠損値補完処理を行う。センサ記録データＤ２、点検記録データＤ３、異常事象および対処記録データＤ４は、記録周期が異なる場合、学習・推論機能Ｆ２で処理できない。そのため、ステップＳ１０５では、プロセッサは、入力データに対し、欠損値を補完して、データ周期、データ数などを整合させる。例えば、センサ記録データＤ２が１０分周期、点検記録データＤ３が1日周期、異常事象および対処記録データＤ４が１日周期である場合、前回値保持方法により、１０分周期に変換する。前回値保持方法は、データレコード群の時系列において、例えば１日周期内において、最初の値が得られた後、１０分ごとに、前回値と同じ値を保持する方法である。なお、全カラム欠損値のデータレコードについては、補完せずそのままとする。

ステップＳ１０６で、プロセッサは、移動平均処理を行う。学習・推論機能Ｆ２の推論精度を向上させるための四則演算処理（ステップＳ１０７）を、同一データレコード内で実行可能とするために、ステップＳ１０６の移動平均処理を適用する。移動平均処理は、周期ごとに、その周期のデータレコードを含む過去の複数回のデータレコードの平均値をとる処理である。

ステップＳ１０７で、プロセッサは、四則演算処理を行う。ステップＳ１０７で、プロセッサは、学習・推論機能Ｆ２の推論精度を向上させるために、複数の記録データを基にした演算により、新規データを生成する。

ステップＳ１０８で、プロセッサは、全データ（例えばすべての槽に関するデータ）についての処理が終了したかを確認し、未終了の場合（NO）にはステップＳ１０１に戻って同様に処理を繰り返し、終了した場合（YES）には本フローの終了となる。

［稼働モードに応じたデータレコード抽出］
図１０は、図９のデータクレンジング処理中の特にステップＳ１０３の処理一例として、稼働モードに応じたデータレコード抽出の例を示す。図１０の上部のグラフは、横軸が時間および稼働モードの変化（「停止中」／「稼働中」）を示し、縦軸が、水処理設備１０のパラメータ値の例として膜処理流量を示す。図１０の下部のグラフは、横軸が時間を示し、縦軸が、水処理設備１０のパラメータ値の例として吸引圧力を示す。プロセッサは、「停止中」と「稼働中」との稼働モードごとに、データレコードを抽出する。例えば、データレコード９０１（一方の破線上の点群）は、「停止中」の吸引圧力であり、データレコード９０２（他方の破線上の点群）は、「稼働中」の吸引圧力である。

［異常対処学習・推論機能］
図１の異常対処学習・推論機能Ｆ２について説明する。実施の形態１の水処理設備運転支援装置１では、異常対処学習・推論機能Ｆ２において、異常事象と対処との関係を学習・推論するために、教師なし学習モデルの一種であるｋ平均クラスタリング、および、怠惰学習アルゴリズムの一種であるｋ近傍法を使用する。怠惰学習は、インスタンスに基づく学習であり、学習・推論結果の説明性が高いため、信頼性が求められる水処理設備運転管理の用途に適している。これらの方式は公知であるため詳細説明を省略する。

図１１は、異常対処学習・推論機能Ｆ２についての説明図を示し、学習フェーズと推論フェーズとに分けて概要を示している。学習フェーズでは、異常対処学習・推論機能Ｆ２のモデル１１００の学習が行われる。このモデル１１００の学習は、入力データとして、統合データＤ５（基本的な内容は前述のセンサ記録データＤ２、点検記録データＤ３、異常事象および対処記録データＤ４）を含み、事前設定データＤ６および標準データＤ７も用いて行われる。モデル１１００の学習では、入力データに対して出力データ（学習結果データＤ８ａ）が好適となるように、モデル１１００を構成するパラメータ値が調整される。学習結果データＤ８ａは、異常事象および対処の学習結果のデータである。機械学習に関するモデル１１００等のデータは、図３のメモリ１００２上に構築および保持されている。

推論フェーズでは、学習済みのモデル１１００、言い換えると最新の更新された状態のモデル１１００に、リアルタイムの入力データ（すなわちセンサ記録データＤ２や点検記録データＤ３）に基づいた統合データＤ５、ならびに学習結果データＤ８ａが入力されて、推論処理が行われて、出力として、推論結果データＤ８ｂが得られる。推論結果データＤ８ｂは、異常事象および対処の推論結果のデータである。

なお、実施の形態１で用いる機械学習の方式に限定されるものではなく、他の方式を適用してもよい。

［異常対処推論結果出力機能］
図１の推論結果出力機能Ｆ３は、学習・推論機能Ｆ２による推論結果の内容（対処ガイダンス等）を異常対処推論結果画面５でユーザが把握しやすくなるように、推論結果データＤ８ｂから推論結果サマリＤ９を生成して、異常対処推論結果画面５に出力する。推論結果出力機能Ｆ３は、推論結果データＤ８ｂに基づいて、異常事象の対象槽および内容と、対処作業の対象槽および内容と、年月日と、リスク度合い（後述）とを含む各データに区分して、推論結果サマリＤ９として作成する。推論結果出力機能Ｆ３は、異常対処推論結果画面５内に推論結果サマリＤ９の情報を出力する。これにより、例えば図１２のような対処推論結果画面５が表示される。

異常対処推論結果画面５（言い換えると対処ガイダンス画面）には、過去の異常対処実績とリアルタイムの水処理設備１０の状況とを考慮して、リスクが高いと判断された異常事象に関する異常対処推論結果から順に表示される。異常対処推論結果画面５の表示内容は、運転支援装置１により出力される異常対処推論結果、言い換えると対処ガイダンスの情報を有する。対処ガイダンスの情報は、過去の異常対処入力履歴に基づいて推論された結果として出力されている。

ユーザＵ１は、異常対処推論結果画面５の内容を確認し、実施する異常対処作業内容を判断・決定することができる。なお、ユーザＵ１が異常対処推論結果画面５での表示内容を把握しやすくなるように、異常対処推論結果画面５での異常対処推論結果は、例えば当日のみ、または、当日および前日の２日分のみ、といったように限定された数量の推論結果のみを、推論年月日の新しい順に上から表示するようにしてもよい。

［異常対処推論結果画面（１）］
図１２は、異常対処推論結果画面５（言い換えると対処ガイダンス画面）の第１例を示す。異常対処推論結果画面５は、「異常有無サマリ」のテーブル１２００の表示を有する。このテーブル１２００は、列の項目として、番号（＃）、年月日、「異常事象」、「対処作業」、「リスク度合い」を有する。年月日は、行ごとに、対応する異常事象が発生した日時、および対応する推論結果（対処ガイダンス）が出力された日時である。「異常事象」項目は、「対象槽」と「内容」を有し、対象槽での異常事象の内容を表す情報が表示される。対象槽での異常事象は、運転支援装置１がリアルタイムの入力データに基づいて判断・検出した結果の異常事象である。「対処作業」項目は、対処ガイダンスに相当し、行での対応する「異常事象」に対し、運転支援装置１が推論結果として推奨する好適な対処作業に関する情報が、「対象槽」と「内容」項目に表示される。

例えば、２月１日に、異常事象として図２の膜槽２０９での膜劣化があると判断・検出された場合に、過去の対処実績から推論される好適な対処作業として、膜槽２０９に対する「薬液浸漬による膜洗浄」が出力されている。

また、「リスク度合い」項目は、行での対応する異常事象に関するリスク度合いを表す情報である。複数の行の情報は、このリスク度合いが高い順に上から並べて表示される。例えば、膜槽の膜劣化の異常事象は、相対的にリスク度合いが高いので、優先して対処を実施すべきことを表している。学習・推論機能Ｆ２は、異常事象などの運転状態についてのリスク度合いを計算する機能を含んでいる。

ユーザＵ１は、異常対処推論結果画面５で、リスク度合いが高いものから異常事象を確認し、その異常事象に対応して対処ガイダンスとして表示されている対処作業を参考にして、対処に関する判断や実施を行うことができる。

異常対処推論結果画面５からは、異常対処実績入力画面４に遷移することができる。例えば、異常対処推論結果画面５内に設けられた図示しないボタンを押すことで、異常対処実績入力画面４に遷移させてもよい。あるいは、大きな画面内に、異常対処推論結果画面５と異常対処実績入力画面４との両方が含まれて表示されていてもよい（後述の図２１）。

各画面は、例えばＷｅｂページの態様で提供されてもよい。その場合、例えば入力画面機能Ｆ４は異常対処実績入力画面４に関してＷｅｂページによる画面データを生成し、ユーザＵ１のクライアント端末装置１０３０（図３）に送信する。ユーザＵ１のクライアント端末装置１０３０は、受信した画面データに基づいて、表示画面に例えば異常対処実績入力画面４のＷｅｂページを表示する。

なお、年月日は、より詳細に、開始日時と終了日時とに分けて構成されてもよい。例えば、対処作業が実施された時間について、開始日時と終了日時とが入力されてもよい。あるいは、対処作業に要した所要時間が入力されてもよい。

［異常対処推論結果画面（２）］
図１３は、異常対処推論結果画面５の第２例を示す。水処理設備１０は、立ち上げの直後、立ち下げの直後、操作の直後などの時には、過渡的な挙動をとる。立ち上げは言い換えるとシステム起動であり、立ち下げは言い換えるとシステム起動終了である。操作は、例えば槽に対する可能な操作であり、例えば膜槽２０９（図２）に対する膜洗浄の操作などがある。そのため、その過渡的な時間には、水処理設備１０の異常事象に関して算出されたリスク度合いが、設備状況の実態よりも、大きくまたは小さくなる場合がある。このことから、異常対処を後ろ倒しにすべき場合がある。

そこで、水処理設備運転支援装置１は、そのような、水処理設備１０の状況が、立ち上げの直後、立ち下げの直後、操作の直後などの所定の状況に該当するかを判定し、該当する場合には、そのような状況に該当する旨、あるいは異常対処を後ろ倒しにすべき旨などを、画面出力してもよい。

また、水処理設備１０のセンサの異常が発生している場合、算出されたリスク度合い（図１２での「リスク度合い」項目）が正しくない場合がある。このことから、運転支援装置１は、センサ異常に該当するかを判定し、該当する場合には、そのセンサ異常に該当する旨を、画面表示してもよい。

図１３の画面例では、「異常有無サマリ」のテーブル１２００において、図１２と同様の内容の他に、列の項目として、「立上直後」、「立下直後」、「操作直後」、「センサ異常」を有する。それらのそれぞれの項目（言い換えると状況項目）では、それらの状況に該当する場合に、例えばチェック印がオンとして記載される。例えば、番号＃＝１，２，３で示す３つの異常事象は、いずれも、「立上直後」の状況に該当する異常事象であると判定されており、チェック印がオンとして表示されている。ユーザは、異常対処推論結果画面５でその状況に該当する旨を確認でき、行における「異常事態」に対し出力されている「対処作業」について、過渡的な「立下直後」の状態で実施すべきか、過渡的な「立下直後」の状態が終了してから実施すべきかを判断できる。

また、変形例として、運転支援装置１は、上記のような「立上直後」や「立下直後」などの状況を、稼働モードの一種として管理・把握してもよい。

［異常対処推論結果画面（３）］
図１４は、異常対処推論結果画面５の第３例を示す。水処理設備１０の異常対処内容としては、例えば汚泥引抜などの、対処実施後に数日から数週間程度の間、設備状況を確認した後に、次回の対処を実施すべき場合がある。そこで、運転支援装置１は、リアルタイムの異常対処推論結果と併せて、過去の異常対処の推移を、画面出力してもよい。

図１４の画面例では、「異常有無サマリ」のテーブル１２００において、図１２と同様の内容の他に、列として、「過去の異常対処の推移」項目１４００を有する。「過去の異常対処の推移」項目１４００では、行での対応する「異常事象」に対する「対処作業」についての、過去の実施の推移が、グラフで表示される。グラフでは、横軸を日時とし、例えば該当の対処作業が実施された期間・状態がオン状態として縦軸に表示される。ユーザは、本画面で過去の異常対処の推移を確認しながら、例えば前回の対処の日時から現在までの経過日数や、他の対処作業の経過などを確認しながら、現在時に対処作業を実施すべきかを判断できる。運転支援装置１は、前回の対処の日時から現在までの経過日数などを計算して表示してもよい。

［異常対処推論結果画面（４）］
図１５は、異常対処推論結果画面５の第４例を示す。異常対処推論結果において、異常事象に関するリスク度合いが高い場合、具体的な対処内容を決定するために、リアルタイムの設備状況が過去と比べてどのような傾向にあるかを考慮すべき場合がある。そこで、運転支援装置１は、個別の関連パラメータの異常有無への影響度を感度分析により算出して画面出力してもよい。

図１５の画面例は、「異常有無サマリ」のテーブル１２００の他に、「感度分析」のテーブル１５００を有する。「異常有無サマリ」のテーブル１２００では、例えば、番号＃＝１の行で、膜槽の膜劣化という異常事象が、リスク度合いを０．９として、判断・検出されている。「感度分析」のテーブル１５００では、例えばその膜槽の膜劣化という異常事象に関して、個別の関連パラメータの影響度、言い換えると感度が、時系列上の傾向として、グラフとして表示されている。

例えば、膜槽の膜劣化に関連するパラメータとして、曝気風量、膜処理流量、汚泥引抜量、膜間差圧、ＭＬＳＳといったものがある。運転支援装置１は、関連パラメータを判断する。プロセッサは、関連パラメータごとに、グラフで、横軸をパラメータ値の大小とし、縦軸を異常／正常への影響度として表示する。グラフ中に現在のパラメータ値が表示され、その現在値では異常／正常への影響度がどの程度なのかがわかる。例えば、曝気風量というパラメータに関しては異常事象への影響度は低く、膜間差圧というパラメータに関しては異常事象への影響度が高いことがわかる。

ユーザＵ１は、本画面で、リアルタイムの水処理設備１０の状況、それを表す関連パラメータ値が、過去と比べてどのような傾向にあるか、異常事象への影響度合いなどを確認でき、その確認に基づいて、対処を判断できる。

［異常対処推論結果画面（５）］
図１６は、異常対処推論結果画面５の第５例を示す。水処理設備１０において、上流側で発生した異常、および実施した対処の影響が、下流側に影響する場合があり、また、数日から数週間程度の過渡的な挙動変化が起こる場合がある。そこで、運転支援装置１は、異常事象の変化を分かりやすく示すために、各異常事象のリスク度合いを異常発生フロー上に画面出力してもよい。

図１６の画面例は、「異常発生フロー」のテーブル１６００の表示を有する。「異常発生フロー」のテーブル１６００では、ノード（四角で示す）とリンク（矢印で示す）とのつながりによって、異常発生フローが表現されている。プロセッサは、このような異常発生フローを作成する。ノードは、例えば「ｐＨ調整槽・流入水変化 ０．１」といった、異常事象の内容およびリスク度合いを表す情報を有するノードである。この異常発生フローは、例えば左側に上流側のノードが配置され、右側に下流側のノードが配置されている。例えば、上流側の「ｐＨ調整槽・流入水変化 ０．１」ノードおよび「曝気槽・散気不良 ０．５」ノードが、下流側の「曝気槽・汚泥異常 ０．０」ノードに影響していることが表現されている。

ユーザＵ１は、本画面の異常発生フローにおいて、異常事象の変化、上流・下流間での影響関係を確認でき、確認した結果に基づいて、対処を判断できる。

［異常対処推論結果画面（６）］
図１７は、異常対処推論結果画面５の第６例を示す。図１７の画面例は、基本的には図１２の第１例と同様の構成であるが、「対処ガイダンス」「推論結果」「提案」などの説明の文字を追加表示している。例えばテーブル１２００の「対処作業」項目は、運転支援装置１からユーザＵ１への対処の提案であるため、「提案」を追加表示している。また、吹き出し画像では、例えば「過去の異常事象に対する対処実績に基づいて、最新の異常事象に対する対処作業を提案しています。」といった説明を表示している。

また、図１７の画面例では、テーブル１２００に「入力連携」項目１７００が追加で設けられている。「入力連携」項目１７００は、その行における対処作業を実施するとユーザＵ１が決めた場合に、異常対処実績入力画面４に連携してその対処作業に対応する対処実績を入力するためのＧＵＩ例である。ユーザＵ１が「入力連携」項目１７００で例えばチェック印をオンにした場合、運転支援装置１は、異常対処実績入力画面４（例えば図５）を表示させ、行における「異常事象」および「対処作業」項目にデフォルト情報として異常対処推論結果画面５（図１７）の「異常事象（推論結果）」および「対処作業（提案）」の情報を自動的に入力して表示する。ユーザＵ１は、その異常対処推論結果画面５でデフォルト情報を確認し、その対処作業を認め、実施した場合には、そのままＯＫボタン等で確定する。これにより、ユーザＵ１の対処実績入力作業の手間がより低減できる。

［他の画面例］

図２１は、画面出力に関する変形例として、１つの画面内に、異常対処実績入力画面４と異常対処推論結果画面５との両方を表示する例を示す。図２１の画面例では、例えば上側に異常対処実績入力画面４が表示され、下側に異常対処推論結果画面５が表示されている。ユーザＵ１は、異常対処推論結果画面５に表示された異常事象と対処作業を確認し、その対処作業を実施して入力する場合には、異常対処実績入力画面４で対応する行に情報を入力することができる。

［実施の形態１の効果等］
以上説明したように、実施の形態１の水処理設備運転支援装置１等によれば、水処理設備１０の運転管理・支援に関して、ユーザＵ１に対し、実設備の運転状態に適合して好適な対処ガイダンスなどを自動的に行うことができる。実施の形態１によれば、異常対処実績入力画面４でユーザＵ１が異常事象および対処実績を入力でき、入力データを蓄積して学習・推論機能Ｆ２によって異常事象などの運転状態と対処との関係を学習する。実施の形態１によれば、最新の入力データに対し、学習・推論機能Ｆ２によって、異常事象などの運転状態に対する対処を推論し、異常対処推論結果画面５に対処ガイダンスとして出力できる。ユーザＵ１は、異常対処推論結果画面５で対処ガイダンスを確認し、参考にして、最新の対処の内容および実施を判断・決定でき、異常対処実績入力画面４で対処実績として入力できる。

実施の形態１によれば、このような画面入力、学習・推論、および画面出力を含むサイクルにより、水処理設備１０についての安定的な運転・運用、効率化や低コスト化などが実現できる。実施の形態１によれば、従来の熟練者の暗黙知による運転管理や対処に依存しすぎることなく、非熟練者による運転管理業務や非熟練者への伝達も可能となる。実施の形態１によれば、学習・推論機能Ｆ２を用いることで、センサ記録データＤ２や、熟練者による判断や対処の内容を形式知にし、具体的にはＤＢおよびモデルとし、それに基づいた支援情報をユーザＵ１に対し画面で提供できる。これにより、ユーザＵ１による運転管理業務、特に対処作業を、支援、効率化できる。実施の形態１によれば、対処作業内容を可視化・蓄積し、効率的な作業計画や作業負担軽減に寄与できる。

実施の形態１によれば、水処理設備１０に特有のパラメータ値に関して機械学習を行っており、従来技術例にはない新たな機能として、対処に関する推論に基づいた対処ガイダンスを提供することができる。

＜実施の形態２＞
図１８等を用いて、実施の形態２の水処理設備運転支援装置等について説明する。実施の形態２の基本的な構成は実施の形態１と同様・共通であり、以下では、実施の形態２における実施の形態１とは異なる構成部分について説明する。

実施の形態２は、異常兆候検知機能を追加で設け、異常兆候検知機能によって水処理設備１０の運転状態の一種として異常兆候を検知し、異常兆候に関する情報を画面に出力する。

図１８は、実施の形態２の水処理設備運転支援装置１の構成を示す。実施の形態２の運転支援装置１は、図１の実施の形態１の運転支援装置１の構成に対し、異なる部分、構成要素として、異常兆候検知機能Ｆ５、事前設定データＤ１０、異常兆候検知結果データＤ１１等が追加されている。

実施の形態２の運転支援装置１の入力データは、実施の形態１と同様に、センサ記録データＤ２、点検記録データＤ３、異常対処実績入力画面４から入力される異常事象および対処記録データＤ４を有する。実施の形態２の運転支援装置１の出力データは、異常対処推論結果（特に推論結果サマリＤ９）と、異常兆候検知結果データＤ１１とを有し、これらのデータ・情報が異常対処推論結果画面５に出力される。

実施の形態２の運転支援装置１の主な処理動作としては以下の通りである。入力データは、実施の形態１と同様に、データクレンジング機能Ｆ１、異常対処学習・推論機能Ｆ２、および推論結果出力機能Ｆ３によって、データ処理されて、学習結果データＤ８ａや推論結果データＤ８ｂが生成され、推論結果サマリＤ９のデータが異常対処推論結果画面５に表示される。それと併せて、入力データに基づいた統合データＤ５は、異常兆候検知機能Ｆ５によって、データ処理されて、異常兆候検知結果が異常兆候検知結果データＤ１１として生成され、異常対処推論結果画面５に表示される。

異常兆候検知機能Ｆ５は、リアルタイムのセンサ記録データＤ２等に基づいた統合データＤ５、および事前設定データＤ１０に基づいて、水処理設備１０の運転状態に関する異常兆候を判断・検知する処理を行い、処理結果として、異常兆候検知結果データＤ１１を生成する。事前設定データＤ１０は、その判断・検知する処理に必要な設定情報である。異常兆候検知機能Ｆ５に適用する異常検知方式については特に限定せず、以下では一例を示す。

実施の形態２の運転支援装置１の主な効果としては、対象の水処理設備１０の運転管理者は、異常対処推論結果画面５で、異常対処推論結果を基に、過去の異常対処実績とリアルタイムの設備状況を考慮した異常事象の認識、および対処の判断、実施を行うことができる。また、運転管理者は、異常対処推論結果画面５で、異常兆候検知結果を基に、適切なタイミングで異常事象および対処実績を記録・反映させることができる。

［異常兆候検知機能の処理フロー］
図１９は、異常兆候検知機能Ｆ５の処理フローを示し、ステップＳ２０１～Ｓ２０７を有する。なお、ステップＳ２０１～Ｓ２０３の処理は、図９のステップＳ１０１～Ｓ１０３と類似の処理である。

ステップＳ２０１で、運転支援装置１のプロセッサは、データサンプリング処理を行う。センサ記録データＤ２、点検記録データＤ３、異常事象および対処記録データＤ３の記録周期が極端に短い場合、学習・推論機能Ｆ２で処理に長い時間を要する。そのため、ステップＳ２０１では、データサンプリングにより、記録周期を元よりも長くする等して調整する。例えば、センサ記録データＤ２が１０秒周期、点検記録データＤ３が１日周期、異常事象および対処記録データＤ３が１日周期である場合、データサンプリングにより、１０分周期に統一するように変換する。

ステップＳ２０２で、プロセッサは、データカラム抽出・統合処理を行う。水処理設備１０の運転状況は、例えば槽ごとに判断されることが適切である。そのため、プロセッサは、槽ごとに、異常兆候検知に必要なデータカラムを抽出する。また、センサ記録データＤ２、点検記録データＤ３、異常事象および対処記録データＤ４は、それぞれ記録周期が異なる。そのため、ステップＳ２０２では、プロセッサは、タイムスタンプを基に、データカラムを統合する。なお、データ欠損については補完せずそのままとする。

ステップＳ２０３で、プロセッサは、稼働モード判別処理を行う。水処理設備１０の異常兆候発生時の挙動は、稼働モードによって異なる場合が多い。したがって、稼働モードを考慮しない場合、異常兆候検知機能Ｆ５により適切な検知結果が得られない可能性がある。そのため、ステップＳ２０３で、プロセッサは、稼働モードを判別し、判別した稼働モードに対応した必要なデータレコードを抽出する。例えば、稼働モードとして「運転中」と「停止中」が存在する。その場合、プロセッサは、センサ記録データＤ２の稼働モード、または処理流量を基に、「停止中」のデータレコードを除外し、「運転中」のデータレコードを抽出する。

ステップＳ２０４で、プロセッサは、異常兆候指標演算処理を行う。水処理設備１０において、過去に発生していない運転状況（通常外挙動と記載する場合がある）が発生した場合、運転支援装置１は、過去に記録された異常対処内容では適切な対処ができないリスクが高い、と判断できる。したがって、ステップＳ２０４では、運転支援装置１は、データセット同士の距離を表すユークリッド距離として、異常兆候指標を演算する。具体的には、まず、プロセッサは、怠惰学習アルゴリズムの一種であるｋ近傍法を使用し、リアルタイムのデータセットと最も距離の近い、すなわち最も類似度の高い、データセットを抽出する。次に、プロセッサは、リアルタイムのデータセットと最も類似度の高いデータセットのユークリッド距離を演算し、そのユークリッド距離を異常兆候指標とする。

ステップＳ２０５で、プロセッサは、閾値演算処理を行う。前述の異常兆候指標演算処理（Ｓ２０４）においてユークリッド距離を用いたが、水処理設備１０の運転状況のデータは、分布の偏りが多い場合があり、対象の水処理設備１０あるいは部分的な槽などによって、距離空間のデータ密度すなわち濃淡が異なる場合がある。その場合には、適切な異常兆候指標も異なる。そのため、ステップＳ２０５では、プロセッサは、過去の運転状況のデータを基に、対象の水処理設備１０に適した閾値を演算する。プロセッサは、例えば、異常兆候指標の平均μと標準偏差σを計算し、（μ＋３σ）を閾値とする。

ステップＳ２０６で、プロセッサは、異常兆候指標影響度演算処理を行う。前述の異常兆候指標、および閾値により、通常外挙動の判別が可能であるが、それらの情報からは、その通常外挙動の要因は示唆されていない。そのため、ステップＳ２０６では、プロセッサは、異常兆候指標影響度を計算する。プロセッサは、異常兆候指標影響度として、リアルタイムのデータセットと最も類似度の高いデータセットの各データカラムの差分を演算する。運転支援装置１は、差分の大きいデータカラムは影響度が大きく、差分の小さいデータカラムは影響度が小さい、と評価できる。これにより、運転支援装置１は、異常兆候指標影響度を用いて、水処理設備１０の通常外挙動の要因の推定、および、実施する異常対処内容を支援することができる。

［異常兆候検知結果出力］
図２０は、実施の形態２で、異常対処推論結果画面５内に、異常兆候検知結果として異常兆候に関する情報を表示する例を示す。図２０の画面例では、「異常有無サマリ」のテーブル１２００に、前述と同様の情報の他に、「異常兆候」項目２０００、「通常外挙動」項目２００１を有する。「異常兆候」項目２０００には、異常兆候を表すデータ、例えば、異常兆候のアラートや、異常兆候を表している水処理設備１０のパラメータ値のグラフ等が表示される。なお、「異常事象」項目内に異常兆候の情報をまとめて表示してもよい。ユーザＵ１は、このような情報を見ることで異常兆候に関して認識、判断できる。

また、「異常兆候」項目２０００には、前述の異常兆候指標（Ｓ２０４）を表示してもよいし、影響度（Ｓ２０６）などを表示してもよい。また、「通常外挙動」項目２００１には、行における異常事象および対処作業について、「通常外挙動」に該当する場合に、「通常外挙動」に該当する旨を表す情報が表示される。

［異常対処実績入力画面（２－１）］
異常兆候検知結果として通常外挙動が見られる場合、リアルタイムの水処理設備１０の稼働状態は、過去の稼働状態との乖離が大きく、情報が十分に蓄積されていない可能性が高いと考えられる。そこで、実施の形態２では、異常対処実績入力画面４において、通常外挙動の判定結果、および異常兆候指標を画面出力することで、異常事象および対処実績の記録・蓄積のデータ拡充を図ってもよい。

図２２は、実施の形態２で、異常対処実績入力画面４の例を示す。図２２の画面例では、異常対処のテーブルにおいて、前述の異常事象および対処作業の項目の他に、「異常兆候検知結果」項目２２００が設けられている。「異常兆候検知結果」項目は、「対象槽」項目２２０１、「通常外挙動」項目２２０２、「異常兆候指標」項目２２０３を有する。

運転支援装置１は、異常兆候検知機能Ｆ５によって検知した異常兆候についての情報を、入力画面機能Ｆ４によって、異常対処実績入力画面４の「異常兆候検知結果」項目２２００に表示させる。「異常兆候検知結果」項目２２００では、対象槽の状態が通常外挙動と判定されている場合、「通常外挙動」項目２２０２に、通常外挙動を表す情報（例えばチェック印のオン状態）が表示される。また、「異常兆候指標」項目２２０３に、通常外挙動の判定に関連した、前述の異常兆候指標（Ｓ２０４）の情報、例えば、異常兆候指標のグラフ等が表示される。

ユーザＵ１は、この異常対処実績入力画面４の「異常兆候検知結果」項目２２００の情報を、異常事象および対処実績の情報とともに、見て確認し、データとして入力できる。これにより、ＤＢに、異常事象および対処実績の情報とともに、異常兆候検知結果の情報を記録・反映できる。

［異常対処実績入力画面（２－２）］
また、異常対処実績入力画面４において、異常兆候検知結果として異常兆候指標影響度を画面出力することで、通常外挙動の要因推定、および実施する異常対処内容を支援するようにしてもよい。

図２３は、実施の形態２で、異常対処実績入力画面４の他の例を示す。図２３の画面例では、異常対処のテーブルにおいて、図２２と同様の項目の他に、「異常兆候検知結果」項目２２００において、「異常兆候指標影響度」項目２２０４が追加で設けられている。「異常兆候指標影響度」項目には、前述の異常兆候指標影響度（Ｓ２０６）の情報が、例えば棒グラフで表示されている。

ユーザＵ１は、この異常対処実績入力画面４の「異常兆候指標影響度」項目２２０４の情報を見て確認し、データとして入力できる。これにより、ＤＢに、異常兆候指標影響度の情報を記録・反映できる。

＜変形例＞
他の変形例として以下も可能である。上述した実施の形態１，２では、ユーザＵ１として一人の運転管理者を想定し、一人の運転管理者が異常対処実績入力画面４および異常対処推論結果画面５を見ながら作業を行う場合を説明した。これに限定されず、水処理設備１０の運転管理を複数人のユーザで行う場合に、それぞれのユーザが異常対処実績入力画面４および異常対処推論結果画面５を見ながら作業を行ってもよい。この場合、運転支援装置１は、各ユーザをユーザＩＤで管理し、各画面内に、各情報について、どのユーザに対する出力であるか、どのユーザが入力した情報であるか等がわかるように表示してもよい。

以上、本発明を実施の形態に基づいて具体的に説明したが、本発明は前述の実施の形態に限定されず、要旨を逸脱しない範囲で種々変更可能である。各実施の形態は、必須構成要素を除き、構成要素の追加・削除・置換などが可能である。特に限定しない場合、各構成要素は、単数でも複数でもよい。各実施の形態を組み合わせた形態も可能である。

１…水処理設備運転支援装置、２…ＰＬＣ、３…点検記録ＰＣ、４…異常対処実績入力画面、５…異常対処推論結果画面（対処ガイダンス画面）、Ｄ１…事前設定データ、Ｄ２…センサ記録データ、Ｄ３…点検記録データ、Ｄ４…異常事象および対処記録データ、Ｄ５…統合データ、Ｄ６…事前設定データ、Ｄ７…標準データ、Ｄ８ａ…学習結果データ、Ｄ８ｂ…推論結果データ、Ｄ９…推論結果サマリ、Ｆ１…データクレンジング機能、Ｆ２…異常対処学習・推論機能、Ｆ３…推論結果出力機能、Ｕ１…ユーザ。

Claims (18)

1. 水処理設備の運転を支援する水処理設備運転支援装置であって、
   前記水処理設備の運転状態を表すデータを第１データとして入力し、
   前記水処理設備の運転状態に対するユーザによる対処の実績を表すデータを第２データとして入力し、
   前記第１データ、および前記第２データに基づいて、前記運転状態と前記対処との関係に関する機械学習を行って前記機械学習のモデルを更新し、
   最新の前記第１データを前記モデルに入力して前記対処に関する推論を行って、推論結果として前記対処に関する情報を第３データとして生成し、
   前記対処に関する情報を前記ユーザに対し出力する、
   水処理設備運転支援装置。
2. 請求項１記載の水処理設備運転支援装置において、
   前記第２データの入力のための第１画面を前記ユーザに対し提供し、前記第１画面に対する入力に基づいて前記第２データを取得し、
   前記第３データの出力のための第２画面を前記ユーザに対し提供する、
   水処理設備運転支援装置。
3. 請求項１記載の水処理設備運転支援装置において、
   前記第１データとして、前記水処理設備のセンサ記録データ、および点検記録データを入力する、
   水処理設備運転支援装置。
4. 請求項２記載の水処理設備運転支援装置において、
   前記第１画面で、前記運転状態に関する異常事象、および前記対処の実績を入力させる、
   水処理設備運転支援装置。
5. 請求項４記載の水処理設備運転支援装置において、
   前記第１画面で、前記対処の実績についての、過去の入力履歴を表示させる、
   水処理設備運転支援装置。
6. 請求項４記載の水処理設備運転支援装置において、
   前記第１画面で、前記対処の実績についての、過去の推移を表すグラフを表示させる、
   水処理設備運転支援装置。
7. 請求項２記載の水処理設備運転支援装置において、
   前記第２画面で、前記運転状態に関する異常事象、および前記対処に関する情報を表示させる、
   水処理設備運転支援装置。
8. 請求項７記載の水処理設備運転支援装置において、
   前記第２画面で、前記異常事象についてのリスク度合いを表示させ、前記異常事象、および前記対処に関する情報が複数ある場合には、前記リスク度合いの順で表示させる、
   水処理設備運転支援装置。
9. 請求項７記載の水処理設備運転支援装置において、
   前記水処理設備の状況として、立ち上げの直後、立ち下げの直後、操作の直後、センサ異常、の少なくともいずれかの状況に該当するかを判断し、
   前記第２画面で、前記異常事象、および前記対処に関する情報について、前記状況に該当する場合には、前記状況を表す情報を表示させる、
   水処理設備運転支援装置。
10. 請求項７記載の水処理設備運転支援装置において、
    前記第２画面で、過去の対処の実績の推移を表すグラフを表示させる、
    水処理設備運転支援装置。
11. 請求項７記載の水処理設備運転支援装置において、
    前記異常事象について、前記水処理設備の関連パラメータの影響度を計算し、
    前記第２画面で、前記異常事象、および前記対処に関する情報について、前記水処理設備の関連パラメータの影響度を表示させる、
    水処理設備運転支援装置。
12. 請求項７記載の水処理設備運転支援装置において、
    前記異常事象について、前記水処理設備の上流から下流への影響関係を表す異常発生フローを計算し、
    前記第２画面で、前記異常事象、および前記対処に関する情報について、前記異常発生フローを表示させる、
    水処理設備運転支援装置。
13. 請求項１記載の水処理設備運転支援装置において、
    前記水処理設備の稼働モードとして、少なくとも、停止中、稼働中を判断し、
    前記第１データから前記稼働モードに応じたデータレコードを抽出し、
    抽出された前記データレコードを用いて前記機械学習および前記推論を行う、
    水処理設備運転支援装置。
14. 請求項２記載の水処理設備運転支援装置において、
    前記第１データに基づいて、前記水処理設備の運転状態として、異常事象の異常兆候に関する検知を行い、
    検知結果として前記異常兆候に関する情報を、前記第２画面で表示させる、
    水処理設備運転支援装置。
15. 請求項１４記載の水処理設備運転支援装置において、
    前記異常兆候についての指標を計算し、
    過去の前記第１データに基づいて、前記指標に関する閾値を計算し、
    前記指標と前記閾値との比較で前記水処理設備の通常外挙動かどうかを判定し、
    前記第２画面で前記異常兆候について通常外挙動かどうかを表示させる、
    水処理設備運転支援装置。
16. 請求項１５記載の水処理設備運転支援装置において、
    前記指標について、現在の前記第１データのデータセットと、過去の前記第１データのデータセットとの間での、各データカラムの差分を計算し、前記差分の大きさを影響度とし、
    前記影響度を前記第２画面で表示させる、または、前記影響度を用いて前記通常外挙動かどうかを判定し、前記通常外挙動かどうかに関する情報を前記第２画面で表示させる、
    水処理設備運転支援装置。
17. 水処理設備の運転を支援する水処理設備運転支援装置によって実行される水処理設備運転支援方法であって、
    前記水処理設備の運転状態を表すデータを第１データとして入力し、
    前記水処理設備の運転状態に対するユーザによる対処の実績を表すデータを第２データとして入力し、
    前記第１データ、および前記第２データに基づいて、前記運転状態と前記対処との関係に関する機械学習を行って、前記機械学習のモデルを更新し、
    最新の前記第１データを前記モデルに入力して前記対処に関する推論を行って、推論結果として前記対処に関する情報を第３データとして生成し、
    前記対処に関する情報を前記ユーザに対し出力する、
    水処理設備運転支援方法。
18. 水処理設備の運転を支援する水処理設備運転支援装置に以下の処理を実行させる水処理設備運転支援プログラムであって、
    前記水処理設備の運転状態を表すデータを第１データとして入力し、
    前記水処理設備の運転状態に対するユーザによる対処の実績を表すデータを第２データとして入力し、
    前記第１データ、および前記第２データに基づいて、前記運転状態と前記対処との関係に関する機械学習を行って、前記機械学習のモデルを更新し、
    最新の前記第１データを前記モデルに入力して前記対処に関する推論を行って、推論結果として前記対処に関する情報を第３データとして生成し、
    前記対処に関する情報を前記ユーザに対し出力する、
    水処理設備運転支援プログラム。

Images