製造設備では、生産量を増やすほど固定的なエネルギー消費を製品量で分散できるため、効率が改善する場面があります。一方、設備を高負荷側へ寄せすぎると、補機、摩擦、冷却などの追加負荷によって効率が再び悪化する可能性があります。今回は、生産率と運転強度を同時に扱い、エネルギー効率の良い領域をresponse surfaceとして可視化しました。
この図は何を表しているのか
横方向はproduction rateで、25〜115 t/hの範囲です。縦方向はprocess intensityを-1.4〜1.4で表した無次元indexです。
背景色はspecific energy consumption、つまり製品1 tを生産するために必要なenergyをkWh/tで表した推定値です。値が低いほどenergy efficiencyが高いと解釈します。
細い等高線は同じspecific energy consumptionを持つ領域です。中央を斜めに走るdark lineは、各process intensityでSECが最小になるproduction rateをつないだridgeです。その周囲の薄いbandは、推定minimum SECから3%以内のoperating regionを示します。
背景へ重ねた小さなpointは、response surfaceの推定に使用した2,400個のoperating observationです。
可視化から読み取れること
推定されたminimum-SEC ridgeはprocess intensityに応じて、およそ84.3〜99.0 t/hの範囲を移動しました。したがって、今回のSynthetic Dataでは一つの固定production rateが常に最適になる構造ではありません。
Ground Truth上で40 t/hを運転した場合、各process intensityのoptimumに比べたSEC penaltyの中央値は135.8%でした。低生産側ではidle powerなどの固定損失を少ないproduction volumeで負担するため、specific energy consumptionが上がります。
一方、110 t/hでもoptimumよりSECが高く、penaltyの中央値は13.0%でした。高生産側ではoverload penaltyが働くため、生産量を増やし続けてもefficiencyが単調に改善する設計にはなっていません。
実際のobserved pointについても、推定ridge±5 t/hにある点のmedian SECは4.79 kWh/t、105 t/h以上の高生産点では5.28 kWh/tでした。
この構造をどう解釈するか
今回のData Generating Processではpower demandを複数の要素へ分けています。
一つはproduction rateにかかわらず必要となるidle powerです。この成分があるため、低生産率では製品1 tあたりのenergy burdenが大きくなります。
次に、production rateに比例するvariable powerを加えています。さらにprocess intensityごとにefficientなtarget production regionを設定し、そこから離れるとmismatch penaltyが増えるようにしました。
98 t/hを超える高生産側には追加のoverload penaltyを入れています。その結果、SECは低生産側から改善した後、ある領域で最小となり、高生産側で再び増加します。
またtarget regionをprocess intensityによって移動させているため、minimum-SEC ridgeは垂直な線ではなく斜めの帯になります。
可視化の仕組み
2,400 observationsについてproduction rate、process intensity、machine IDを生成し、Ground Truth powerからspecific energy consumptionを計算しました。その後、設備ごとの小さなperformance difference、ambient variation、measurement noiseを加えています。
観測されたSECをproduction rateとprocess intensityの4次polynomial response surfaceで近似しました。複雑な予測modelを目的にせず、今回の非単調なoperating envelopeをsmoothに表現できる程度のmodelを使っています。
推定surfaceとGround Truth surfaceのRMSEは0.192 kWh/t、Spearman correlationは0.997でした。Minimum-SEC ridgeのproduction rateについて、Ground TruthとのMAEは3.64 t/hでした。
なぜこの可視化方法を選んだのか
Production rateとSECだけを1本のcurveとして描くと、process intensityによって最適点が移動する構造を平均化してしまう可能性があります。
Operating-envelope response surfaceでは、production rateとprocess conditionを2つの位置軸として保持し、その組み合わせに対するefficiencyをsurfaceとして表せます。
さらにminimum-SEC ridgeを重ねることで、「効率が良い点」を一つ選ぶのではなく、運転条件によって移動するoptimal regionとして見ることができます。
今回は3D perspectiveではなくtop-down surfaceを採用しました。Colorとcontourを同じ平面上で比較でき、production rateとprocess intensityのscaleを歪めずに読むためです。
実データへの応用可能性
実データでは、設備ごとのproduction rate、electric power、production volume、運転setpoint、製品conditionなどがあれば、同様のoperating envelopeを探索できる可能性があります。
たとえば高生産率で運転している設備が、製品1単位あたりenergyでは必ずしも効率的でない領域に入っていないかを確認できます。
また、一つの共通設定値を全条件へ適用するのではなく、製品条件やprocess intensityによって効率の良いproduction-rate regionが変化していないかを仮説形成する用途にも利用できます。
ただし実データではproduction rateとsetpointが独立に操作されていない場合があり、観測されたsurfaceをそのままcausal responseとみなすことはできません。
データと分析方法
今回はSynthetic Dataを使用しています。Observation数は2,400、machine数は8、production rateは25〜115 t/h、process intensityは-1.4〜1.4、乱数シードは260927です。
目的変数はspecific energy consumption（kWh/t）です。Production rateとprocess intensityから4次polynomial response surfaceを推定し、各process intensityでSECが最小になるproduction rateをminimum-SEC ridgeとして抽出しました。
さらにminimum SECの3%以内にあるsurface regionをefficient operating envelopeとして表示しています。
このVisualization Studyの限界
今回のenergy responseはSynthetic Dataとして設計したものであり、実設備のenergy modelを再現したものではありません。
Idle power、overload penalty、process-intensity effectなどの大きさはData Generating Processへ依存します。今回得られた84.3〜99.0 t/hというrangeを、実際の設備へそのまま適用することはできません。
Polynomial response surfaceも今回のsmoothなGround Truthには適していますが、実データで急なregime change、discontinuity、複数のoperating modeが存在する場合には別のmodelが必要になる可能性があります。
また、観測データから得たresponse surfaceはassociationを表すものであり、production rateを変更すれば必ずSECがsurfaceどおりに変化するという因果効果を証明するものではありません。
まとめ
今回は、生産量とenergy efficiencyの関係をOperating-envelope response surfaceとして可視化しました。
Synthetic Dataでは低生産側と高生産側の両方でspecific energy consumptionが高くなり、その間にefficiencyの良い谷が形成されました。さらにその位置はprocess intensityによって移動しました。
この見方は「生産量を増やすほど効率が良い」という一方向の関係ではなく、複数の運転条件から形成されるefficient operating regionを探索するための一つの方法になります。
