文献

J-GLOBAL ID：201702246861999316   整理番号：17A1366966

ベイズ的最適化と転移学習を用いた製造設備スケールアップ時の操業条件最適化

Operating Condition Optimization for Efficient Scale-up of Manufacturing Process by Using Bayesian Optimization and Transfer Learning

著者 (2件)： 加納学 (京都大学大学院情報学研究科) ,  吉崎亮介 ((株)キカガク)
資料名： 計測と制御  (Journal of the Society of Instrument and Control Engineers)
巻： 56  号： 9  ページ： 695-698(J-STAGE)  発行年： 2017年 
JST資料番号： F0131A  ISSN： 0453-4662  CODEN： KESEA  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 製造設備スケールアップ時の操業条件最適化のための手法として,ベイズ的最適化と転移学習を用いたCTBO(Combined Task Bayesian Optimization)を紹介した。小型の装置で実現できた状態を大型の装置でも実現する製造設備のスケールアップに取り組んできたのが化学工学である。パイロットスケールでの検証を終えて,コマーシャルスケールの製造設備で生産を開始した直後に,できるだけ実験をおこなうことなく操業条件を最適化し,所望の製品を製造したいという強い要望がある。CTBOはこの課題を解決する方法であり,スケールアップ前のデータをスケールアップ後のモデル構築に活用し,少数のサンプルのみから操業条件を最適化する手法である。本稿では,ベイズ的最適化と転移学習を用いたCTBOについて説明するとともに,実際の造粒装置の操業データを用いてCTBOの有効性を確認した事例を紹介した。

シソーラス用語： *Bayes推定 ,  *機械学習 ,  Gauss過程 ,  最適化問題 ,  ニューラルネットワーク
準シソーラス用語： *転移学習

著者キーワード (8件)： スケールアップ ,  ベイズ的最適化 ,  ガウス過程回帰 ,  転移学習 ,  scale-up ,  Bayesian Optimization ,  Gaussian Process Regression ,  transfer learning

分類 (1件)： 化学工学一般  (XA01000E)

引用文献 (9件)：

• 1) R. Yoshizaki and M. Kano: Process Parameter Optimization based on LW-PLS in Pharmaceutical Granulation Process, IFAC Symp. Advanced Control of Chemical Processes (ADCHEM), 303/308 (2015)
• 2) 吉崎,加納:ベイズ的最適化による製造設備スケールアップ時の操業条件決定,計測自動制御学会制御部門マルチシンポジウム,2E3-4 (2016)
• 3) E. Brochu, V.M. Cora, and N. de Freitas: A Tutorial on Bayesian Optimization of Expensive Cost Functions, with Application to Active User Modeling and Hierarchical Reinforcement Learning, arXiv:1012.2599 (2010)
• 4) J. Snoek, H. Larochelle, and R.P. Adams: Practical Bayesian Optimization of Machine Learning Algorithms, Advances in Neural Information Processing Systems (NIPS), 25, 2951/2959 (2012)
• 5) S.J. Pan and Q. Yang: A Survey on Transfer Learning, IEEE Trans. Knowledge and Data Engineering, 22-10, 1345/1359 (2010)

タイトルに関連する用語 (5件)： 最適化 ,  転移学習 ,  製造設備 ,  スケールアップ ,  操業