DE102019207319A1

DE102019207319A1 - Lehrdatenerzeugungseinrichtung und Lehrdatenerzeugungsverfahren

Info

Publication number: DE102019207319A1
Application number: DE102019207319.0A
Authority: DE
Inventors: Keiki Takata; Satoshi Hattori; Yuki Tauchi
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2018-06-07
Filing date: 2019-05-20
Publication date: 2019-12-12
Also published as: JP2019212146A; CN110580518A; JP6962868B2; CN110580518B

Abstract

[Problem]Es möglich zu machen, eine Steuerung mit hoher Genauigkeit ab einer frühen Stufe nach dem Start der Steuerung einer Anlage mit künstlicher Intelligenz zu implementieren.[Mittel zur Lösung]Die Einrichtung berechnet einen Manipulationsergebnisbewertungswert Tv, der ein Bewertungswert eines Ergebnisses einer Manipulation ist, die für eine Periode eines vorbestimmten Extraktionszeitfensters Tband ab einer vorbestimmten Startzeit t1 durchgeführt wird, auf der Basis von Anlagenbetriebsverfolgungsaufzeichnungsdaten. Die Einrichtung bestimmt, ob neue Lehrdaten Tnew erzeugt werden können oder nicht, unter Verwendung des Manipulationsergebnisbewertungswerts Tv. Wenn bestimmt wurde, dass Lehrdaten T erzeugt werden können, extrahiert die Einrichtung Lehrdaten T mit einem Lehrdateneingabeteil Tin, der auf der Basis von Zustandsvariablen S(t) eines gewalzten Streifens zur Startzeit t1 berechnet wird, und einem Lehrdatenausgabeteil Tout, der auf der Basis von Manipulatorzustandsvariablen O(t) berechnet wird, für die Periode des vorbestimmten Extraktionszeitfensters Tband ab der Startzeit t1, und speichert die extrahierten Lehrdaten T in einer Lehrdaten-Datenbank für eine Lern-DB2 für ein neuronales Netz.

Description

[Technisches Gebiet]
Die vorliegende Erfindung bezieht sich auf eine Technologie zum Erzeugen von Lehr- bzw. Lerndaten, die für Maschinenlernen von künstlicher Intelligenz wie z. B. eines neuronalen Netzes zum Implementieren einer Echtzeitrückkopplungssteuerung verwendet werden.
[Stand der Technik]
In verschiedenen Anlagen wird die Anlagensteuerung auf der Basis von verschiedenen Steuertheorien durchgeführt, um ein gewünschtes Steuerergebnis zu erhalten.
Ein Beispiel von Anlagen sind Walzwerke. Für die Steuerung von Walzwerken wurden eine Fuzzy-Steuerung und Neuro-Fuzzy-Steuerung als Steuertheorien angewendet, die für die Formsteuerung, beispielsweise Ebenheitssteuerung von gewalzten Streifen, bestimmt sind. Die Fuzzy-Steuerung wird auf die Formsteuerung unter Verwendung von Kühlmitteln angewendet. Die Neuro-Fuzzy-Steuerung wird auf die Formsteuerung für ein Sendzimir-Walzwerk angewendet.
Die Patentliteratur 1 offenbart eine Formsteuerung, die eine Neuro-Fuzzy-Steuerung anwendet. Die Patentliteratur 1 offenbart eine Technologie, die ein Ähnlichkeitsverhältnis einer Differenz zwischen einem tatsächlichen Formmuster, das durch Formerfassungselemente erfasst wird, und einem gewünschten Formmuster zu einem Referenzformmuster, das im Voraus festgelegt wurde, bewertet und auf der Basis des Ähnlichkeitsverhältnisses einen Steuerbetrag, der an endgültige gesteuerte Elemente ausgegeben wird, gemäß einer Steuerregel bestimmt, die durch Stellgrößen für die endgültigen gesteuerten Elemente dargestellt wird, um nahe an das vorgegebene Referenzformmuster zu gelangen.
14 ist ein Blockdiagramm, das eine Struktur darstellt, die eine Formsteuerung für Sendzimir-Walzwerke implementiert, die in der Patentliteratur 1 offenbart ist. Diese Figur entspricht 1 in der Patentliteratur 1.
Wie vorstehend angegeben, wird eine Neuro-Fuzzy-Steuerung für die Formsteuerung für Sendzimir-Walzwerke verwendet. In einem Beispiel von 14 umfasst eine Steuereinheit, die ein Walzwerk steuert, ein Mustererkennungselement 51 und ein Steuerrechenelement 53. Das Walzwerk ist mit Formerfassungselementen 52 versehen.
Die Formerfassungselemente 52 erfassen eine tatsächliche Form eines gewalzten Streifens, der ein Walzprodukt ist. Mehrere Referenzformmuster sind vorbestimmt und das Mustererkennungselement 51 führt eine Mustererkennung einer tatsächlichen Form, die durch die Formerfassungselemente 52 erfasst wird, durch und bestimmt eines der Referenzformmuster, dem die tatsächliche Form am nächsten kommt.
15 ist ein Diagramm, das ein Beispiel einer Steuerregel darstellt, die eine Beziehung eines Formmusters zu einem Steuermuster und ein Steuerverfahren definiert, die in der Patentliteratur 1 offenbart ist. Diese Figur entspricht 9 in der Patentliteratur 1.
Die Formerfassungselemente 52 bestimmen beispielsweise eines von Formmustern (Referenzformmustern), die in 15 dargestellt sind, dem eine tatsächliche Form eines gewalzten Streifens am nächsten kommt. Das Steuerrechenelement 53 bezieht sich auf die in 15 dargestellte Steuerregel, bestimmt Stellgrößen für endgültige gesteuerte Elemente auf der Basis eines Steuermusters und eines Steuerverfahrens in Bezug auf ein Formmuster, dem die tatsächliche Streifenform am nächsten kommt, und führt eine Steuerung aus, um zu bewirken, dass das Walzwerk durch die Stellgrößen arbeitet.
Insbesondere bestimmt das Mustererkennungselement 51 durch Berechnung ein Formmuster (ε), eines von Formmustern 1 bis 8 in 15, dem eine Differenz (Δε) zwischen der tatsächlichen Form, die durch die Formerfassungselemente 52 erfasst wird, und einer gewünschten Form (εref) am nächsten kommt. Das Steuerrechenelement 53 wählt und führt ein Steuerverfahren in Bezug auf das Formmuster, das der tatsächlichen Form am nächsten kommt, die durch die Formerfassungselemente 52 erhalten wird, aus.
Im Verfahren der Patentliteratur 1 wird gelegentlich eine Bedienperson aufgefordert, eine manuelle Manipulation während eines Walzprozesses durchzuführen, und eine Überprüfung wird hinsichtlich dessen durchgeführt, ob die Steuerregel mit Hilfe der manuellen Manipulation geeignet ist. Wenn jedoch die Steuerregel in der Realität nicht anwendbar ist, können Streifen, die durch das Walzwerk gewalzt werden, manchmal eine Formänderung aufweisen, die zur Vorhersage widersprüchlich ist. Dies liegt an mindestens einer der folgenden Ursachen: unzureichende Betrachtung von mechanischen Eigenschaften; Betriebsbedingung des Walzwerks und Maschinenbedingungen.
Verschiedene Bedingungen müssen berücksichtigt werden, um zu überprüfen, ob eine Steuerregel, die im Voraus festgelegt wurde, eine geeignete Regel ist oder nicht, und es ist nicht leicht, eine Steuerregel unter Berücksichtigung derselben zu überprüfen. Aus diesem Grund wird eine Steuerregel, die einmal festgelegt wurde, häufig weiterhin als solche verwendet, ohne überprüft oder modifiziert zu werden, wenn nicht ein offensichtliches Problem bei der Steuerung von Walzwerken entsteht.
Unter anderem aufgrund einer Änderung der Betriebsbedingungen kann eine Steuerregel in der Realität unanwendbar werden. Wenn eine Steuerregel in der Realität unanwendbar wurde, ist es schwierig, die Genauigkeit der Steuerung ohne Überprüfen und Verbessern der Steuerregel auf einem bestimmten Niveau oder mehr zu halten.
Sobald die Formsteuerung in Betrieb genommen wird, wird jedoch die manuelle Manipulation durch eine Bedienperson zu einer Störung für die Steuerung und daher führt die Bedienperson keine manuelle Manipulation durch. Aus diesem Grund ist es schwierig, eine neue Steuerregel durch den Eingriff einer manuellen Bedienung durch die Bedienperson zu finden.
Überdies ist es für Walzwerke, wenn ein Material gewalzt wird, das neu normiert wurde, das bisher nicht behandelt wurde, schwierig, eine Steuerregel so festzulegen, dass sie für das Material adaptiv ist.
Wie vorstehend erörtert, war es für die herkömmliche Formsteuerung schwierig, eine Steuerregel, die im Voraus festgelegt wurde, zu modifizieren. Indessen ist es andererseits denkbar, künstliche Intelligenz (die nachstehend auch als „Kl“ bezeichnet wird) wie z. B. ein neuronales Netz auf die Steuerung von Walzwerken anzuwenden und eine Steuerregel mit Formmustern und Manipulationsverfahren durch Maschinenlernen zu modifizieren.
[Dokument des Standes der Technik]
[Patentliteratur]
[Patentliteratur 1] Japanisches Patent Nr. 2804161
[Zusammenfassung der Erfindung]
[Von der Erfindung zu lösendes Problem]
In einem Verfahren, in dem, während eine Anlage mit KI gesteuert wird, eine Steuerregel durch Maschinenlernen unter Verwendung eines Ergebnisses der Steuerung verbessert wird, wird jedoch die Steuerung während einer Periode vom Start der Steuerung mit KI, bis die Steuerregel ausreichend verbessert wurde, unvollständig und es besteht ein Risiko, dass der Anlage ein negativer Effekt auferlegt wird.
Obwohl versucht wird zu veranlassen, dass die KI eine existierende Steuerregel als Lehrdaten lernt und eine Steuerregel durch Steuersimulation erstellt, ist es unmöglich, eine ausreichende Leistungsverbesserung zu erwarten, die durch Bewältigen auf der Basis einer empirischen menschlichen Entscheidung erhalten werden würde.
Eine Aufgabe der vorliegenden Erfindung besteht darin, eine Technologie zu schaffen, die ermöglicht, die Steuerung mit hoher Genauigkeit ab einer frühen Stufe nach dem Start der Steuerung einer Anlage mit künstlicher Intelligenz zu implementieren.
[Mittel zum Lösen des Problems]
Eine Lehrdatenerzeugungseinrichtung, die einen Aspekt der vorliegenden Erfindung betrifft, ist eine Lehrdatenerzeugungseinrichtung, die Anlagenbetriebsverfolgungsaufzeichnungsdaten mit Zustandsvariablen und Stellgrößen eines Satzes von Steuereinheiten analysiert, die für die Anlagensteuerung zum Manipulieren einer Anlage auf der Basis eines Zustandes der Anlage relevant sind, und Lehr- bzw. Lerndaten erzeugt, die zum Lernen von künstlicher Intelligenz verwendet werden, die die Anlagensteuerung durchführt. Die Einrichtung umfasst eine Einrichtung zum Extrahieren von neuen Lehrdaten, die einen Bewertungswert eines Ergebnisses einer Manipulation, die für eine Periode eines vorbestimmten Extraktionszeitfensters ab einer vorbestimmten Startzeit durchgeführt wird, auf der Basis der Anlagenbetriebsverfolgungsaufzeichnungsdaten berechnet, bestimmt, ob Lehrdaten erzeugt werden können oder nicht, unter Verwendung des Bewertungswerts, und wenn bestimmt wurde, dass die Lehrdaten erzeugt werden können, Lehrdaten mit einem Eingabeteil von Lehrdaten, der auf der Basis der Zustandsvariablen zur Startzeit berechnet wird, und einem Ausgabeteil von Lehrdaten, der auf der Basis der Stellgrößen berechnet wird, für die Periode des vorbestimmten Extraktionszeitfensters ab der Startzeit extrahiert; und eine Lehrdaten-Datenbank-Aktualisierungsvorrichtung, die die Lehrdaten, die durch die Vorrichtung zum Extrahieren von neuen Lehrdaten extrahiert werden, in einer Datenbank speichert.
[Effekt der Erfindung]
Gemäß dem obigen Aspekt ist es möglich, eine Lehrdaten-Datenbank für das Lernen von künstlicher Intelligenz aus Anlagenbetriebsverfolgungsaufzeichnungsdaten zu erstellen. Folglich ist es möglich, die Lehr-DB2 für KI aus Anlagenbetriebsverfolgungsaufzeichnungsdaten zu erstellen. Folglich wird es möglich zu bewirken, dass die KI, die auf die Echtzeitanlagensteuerung angewendet wird, Steuerregeln im Voraus in einem Offline-Zustand unter Verwendung von Anlagenbetriebsverfolgungsaufzeichnungsdaten in der Vergangenheit lernt, und es wird auch möglich, ihre Leistung im Voraus offline zu überprüfen. Dies verbessert die Zuverlässigkeit der Steuerung und ermöglicht, dass sie die Anwendung einer Echtzeitsteuerung unter Verwendung von KI verwirklicht.
Da Manipulationsergebnisse für ein vorbestimmtes Extraktionszeitfenster bewertet werden, können außerdem Lehrdaten mit einer Verringerung des Einflusses von Rauschen, das in Betriebsverfolgungsaufzeichnungsdaten für die Anlagensteuerung enthalten ist, und des Einflusses einer Verzögerung der Zustandserfassung nach der Manipulation erzeugt werden. Durch Ausführen von Maschinenlernen von KI wie z. B. eines neuronalen Netzes unter Verwendung von Lehrdaten, die von gespeicherten riesigen Betriebsverfolgungsaufzeichnungsdaten erfasst werden, wird es daher möglich gemacht, die Steuerung mit hoher Genauigkeit ab einer frühen Stufe nach dem Start der Anlagensteuerung mit KI zu implementieren.
Figurenliste

[1] Ein Diagramm, das einen Überblick über eine Anlagensteuereinrichtung darstellt, die ein Beispiel betrifft.
[2] Ein Diagramm, das ein Beispiel einer Konfiguration einer Vorrichtung zum Extrahieren von neuen Lehrdaten darstellt, die in der Anlagensteuereinrichtung in 1 enthalten ist.
[3] Ein Diagramm, das ein Beispiel einer Konfiguration einer Lehrdaten-Datenbank-Aktualisierungsvorrichtung darstellt, die in der Anlagensteuereinrichtung in 1 enthalten ist.
[4] Ein Diagramm, das ein Betriebsgeschwindigkeitsmuster einer Anlage darstellt.
[5] Ein Diagramm, das ein Beispiel von Zustandsvariablen eines gewalzten Streifens darstellt.
[6] Ein Diagramm, das ein Beispiel eines zeitlichen Übergangs von Manipulatorzustandsvariablen Pj(t) darstellt.
[7] Ein Diagramm, um eine Zeitverzögerung einer Zustandsänderung nach der Manipulation zu erläutern.
[8] Ein Diagramm, das ein Beispiel der zeitlichen Änderung eines Formbewertungswerts V(t) darstellt.
[9] Ein Diagramm, das unter Verwendung eines Graphen schematisch darstellt, wie ein Lehrdatenwert berechnet wird.
[10] Eine Tabelle, die ein Beispiel dessen darstellt, wie Lehrdaten T(n) in absteigender Reihenfolge durch den Lehrdatenwert Val(n) aufgezeichnet werden.
[11] Ein Diagramm, um ein Verfahren zum Bestimmen eines aktualisierbaren Lehrdatenzählers Nud zu erläutern.
[12] Ein Diagramm, das schematisch eine Zeitverzögerung darstellt.
[13] Ein Diagramm, das schematisch einen Zeitrahmen zum Sammeln von Stellgrößen und einen Zeitrahmen für die Formbewertung darstellt.
[14] Ein Diagramm, das die Formsteuerung für ein herkömmliches Sendzimir-Walzwerk darstellt.
[15] Ein Diagramm, das eine Steuerregel der Formsteuerung für das Sendzimir-Walzwerk in 14 darstellt.

[Art zur Ausführung der Erfindung]
Ein Basiskonzept, das in einer Ausführungsform der vorliegenden Erfindung enthalten ist, wird zuerst beschrieben.
Hinsichtlich der Anlagensteuerung sind tatsächliche Vorkommnisse, die nicht modelliert werden können, und das Fachwissen einer Bedienperson auf der Basis von vergangener Erfahrung unter anderem in Betriebsverfolgungsaufzeichnungsdaten einer Anlage in der Vergangenheit enthalten. Daher ist es für die optimale Anlagensteuerung wahlfrei, Betriebsverfolgungsaufzeichnungsdaten einer Anlage in der Vergangenheit zu sammeln, eine Steuerregel offline zu extrahieren und die extrahierte Steuerregel als Lehrdaten zum Lernen zu verwenden. Eine Steuerregel ist Informationen, die eine Formausgabe (Zustandsvariablen) einer Manipulation (Stellgrößen) zuordnen. Hier wird nachstehend eine Ausführungsprozedur zum Anwenden eines Ergebnisses der Ausführung des Maschinenlernens der KI unter Verwendung von Lehrdaten, die auf der Basis von Anlagenbetriebsverfolgungsaufzeichnungsdaten in der Vergangenheit erzeugt werden, die im Voraus gespeichert werden, auf eine tatsächliche Ausrüstung beschrieben.

(1) Sammeln von Anlagenbetriebsverfolgungsaufzeichnungsdaten.
(2) Extrahieren von Lehrdaten, die für das Maschinenlernen von KI verwendet werden, aus den Anlagenbetriebsverfolgungsaufzeichnungsdaten.
(3) Ausführen von Maschinenlernen der Kl unter Verwendung der Lehrdaten.
(4) Überprüfen eines Ergebnisses des Maschinenlernens der KI unter Verwendung von Lehrdaten für die Überprüfung.
(5) Überprüfen der Steuerleistung der gelehrten KI durch Simulation oder dergleichen.
(6) Überprüfen der Echtzeitsteuerleistung einer tatsächlichen Anlagenausrüstung.

Die vorliegende Ausführungsform konzentriert sich auf den obigen Schritt (2). Nach dem Schritt (2) wird es durch Ausführen der Schritte (3) bis (6) möglich, die Steuerleistung in einer Stufe vor der Anwendung auf die tatsächliche Anlage zu überprüfen.
In der vorliegenden Ausführungsform werden Steuerregeln aus Anlagenbetriebsverfolgungsaufzeichnungsdaten erzeugt und eine Bewertung wird an den erzeugten Steuerregeln durchgeführt. Dann werden neue Lehrdaten auf der Basis einer Steuerregel, die als gutes Ergebnis bewertet wird, erzeugt.
Rauschen ist in den Anlagenbetriebsverfolgungsaufzeichnungsdaten enthalten und eine Störung hat viele Effekte auf die Steuereinheit. Die vorliegende Ausführungsform macht es möglich, solche Rausch- und Störeffekte zu unterdrücken und Lehrdaten aus den Betriebsverfolgungsaufzeichnungsdaten in einer wirksamen Weise zu erzeugen.
Die vorliegende Ausführungsform extrahiert eine Steuerregel, die als gutes Ergebnis bewertet wird, aus Anlagenbetriebsverfolgungsaufzeichnungsdaten, die eine bestimmte Menge an Stellgrößen aufweisen, und erzeugt Lehrdaten. In der vorliegenden Ausführungsform ist es möglich, den Einfluss einer Variation aufgrund einer Zeitverzögerung eines Steuerergebnisses zu unterdrücken, eine Änderung des Anlagenzustandes, die durch die Steuerung durchgeführt wird, korrekt zu bewerten, und eine als gut bewertete Steuerregel zu extrahieren.
In der vorliegenden Ausführungsform wird unter Verwendung einer Steuerregel, die aus Anlagenbetriebsverfolgungsaufzeichnungsdaten erzeugt wird, eine Lehrdaten-Datenbank zum Lernen erstellt, in der Lehrdaten, die für das Maschinenlernen von Kl verwendet werden, gespeichert werden. Die vorliegende Ausführungsform macht es möglich, eine existierende Lehrdaten-Datenbank zum Lernen mit neuen Lehrdaten zu aktualisieren, die auf der Basis einer Steuerregel erzeugt werden.
Da die Steuerung auf der Basis eines Ergebnisses des Lernens aus Verfolgungsaufzeichnungsdaten, das mit KI wie z. B. einem neuronalen Netz durchgeführt wird, eine induktive Technik auf der Basis von gelernten Daten ist, verschlechtert sich die Zuverlässigkeit der Steuerung außerhalb eines Bereichs, in dem die gelernten Daten anwendbar sind. Um einen anwendbaren Steuerbereich zu erweitern, hat die vorliegende Erfindung eine Funktion zum Berechnen des Werts jeder Steuerregel, um einen Bereich von Zuständen zu verbreitern, die mit einer Lehrdaten-Datenbank für KI-Lernen gemanagt werden können, so dass eine Lehrdaten-Datenbank zum Lernen mit Steuerregeln erstellt werden kann, die für mehr Zustände anwendbar sind.
Eine zunehmende Anzahl von Lehrdaten, die in einer Lehrdaten-Datenbank zum Lernen gespeichert werden, verursacht eine Erhöhung des Ausmaßes an Berechnung für das Maschinenlernen unter Verwendung der Lehrdaten und die Zeit der Berechnung wird dementsprechend länger. In der vorliegenden Erfindung wird ein Management der Anzahl von Lehrdaten in der Lehrdaten-Datenbank zum Lernen durchgeführt, um das Ausmaß und die Zeit der Berechnung, die für das Lernen erforderlich sind, auf einem konstanten Niveau zu halten, und nachdem eine bestimmte Anzahl von Daten überschritten ist, werden Lehrdaten, deren Wert am niedrigsten ist, mit neuen Lehrdaten aktualisiert, wenn neue Lehrdaten hinzugefügt werden. Das heißt, die vorliegende Ausführungsform ermöglicht es, die Anzahl von Lehrdaten konstant zu halten.
In der vorliegenden Ausführungsform wird als Plan zum Verringern des Einflusses von Rauschen, das in den Anlagenbetriebsverfolgungsaufzeichnungsdaten enthalten ist, und des Einflusses einer Zeitverzögerung einer Zustandsänderung nach der Manipulation eine Zeitdauer zum Messen von Werten der Zustandsänderung nach der Manipulation verbreitert.
In Anbetracht des Rauscheinflusses liegt eine Formsteuerzyklusperiode in einem Bereich von 0,5 s bis mehrere Sekunden und ein Bewegungsbereich von Formsteuereinheiten, der pro Zyklus gesteuert werden kann, ist nicht so groß. Ein beweglicher Bereich von Formsteuereinheiten (AS-U, IMR) des Walzwerks ist mehrere mm. Die Form führt unterdessen weiterhin ein bestimmtes Ausmaß an Änderung selbst unter stetigen Walzbedingungen durch. Dies liegt daran, dass der Grad der Dehnung eines Produkts aufgrund der Übertragung einer Kraft zwischen einem Material und dem Walzwerk, von Ölziehen, einer Variation der Materialqualität usw. sich weiterhin jederzeit ändert. Dies wird als Rauschen betrachtet, wenn die Form bewertet wird. Folglich kann eine Änderung, die jederzeit stattfindet, größer werden als eine kleine Änderung der Form, die durch ein kleines Ausmaß an Manipulation in einem Steuerzyklus stattfindet, und es ist schwierig, eine reine Formänderungskomponente, die durch Manipulation bewirkt wird, zu isolieren. Als Mittel gegen diese Probleme wird der Bewertung der Form durch die Summe von Manipulationsergebnissen für eine bestimmte Periode und Verteilen von bewerteten Ergebnissen auf Manipulationen, die innerhalb der Periode durchgeführt werden, Beachtung geschenkt. In dieser Hinsicht wird, um den Rauscheinfluss zu beseitigen, eine Totzone für die Formbewertung (ein Bereich, der außerhalb des Bewertungsumfangs liegt) bereitgestellt und Werte, die in die Totzone fallen, werden als für die Formänderung irrelevant betrachtet.
In Anbetracht der Zeitverzögerung wird die Formsteuerung periodisch im Walzwerk durchgeführt, und nachdem die Formsteuerung durchgeführt ist, besteht eine Zeitverzögerung, bis eine tatsächlich aufgetretene Formänderung erfasst wurde. Beim Ablauf einer bestimmten Zyklusperiode wird ferner eine neue Steuerung durchgeführt. Eine tatsächlich aufgetretene Formänderung wird nicht nur als Formänderung für eine Zyklusperiode, sondern als Änderung aufgrund von kombinierten Effekten durch eine Reihe von Manipulationen betrachtet. Als Gründe einer solchen Zeitverzögerung sind unter anderem die folgenden denkbar: eine Verzögerung, bis ein Abschnitt des durch die Formsteuereinheiten gewalzten Materials in eine Messposition gekommen ist (eine Bewegungsverzögerung), eine Verzögerung von der Betriebseingabe in die Formsteuereinheiten bis zur Vollendung des Betriebs der Formsteuereinheiten (eine Betriebsverzögerung), eine Verzögerung von der Vollendung des Betriebs der Formsteuereinheiten, bis das gewalzte Material stabilisiert wurde (eine Stabilisierungsverzögerung des gewalzten Materials). 12 stellt ein Bild dieser Verzögerungen dar. Die obige Bewegungsverzögerung wird durch die Bewegungsgeschwindigkeit eines zu walzenden Materials wie z. B. eines gewalzten Stahlstreifens bestimmt. Hinsichtlich der obigen Betriebsverzögerung muss eine Formänderung während des Betriebs der Formsteuereinheiten berücksichtigt werden. Die obige Stabilisierungsverzögerung des gewalzten Materials ist eine Unsicherheit. Daher findet die Formänderung, die durch Manipulation durch die Formsteuereinheiten bewirkt wird, schrittweise mit einer Verzögerung statt.
In der vorliegenden Ausführungsform wird aus Betriebsverfolgungsaufzeichnungsdaten, die offline sind, nur eine Steuerregel mit Manipulationen, die einen nützlichen Effekt für die Steuerung bereitgestellt haben, extrahiert und zum Erzeugen von Lehrdaten verwendet. Wenn das Ausmaß an Bewegung von Manipulatoren (d. h. Formsteuereinheiten) innerhalb einer Zyklusperiode der Steuerung klein ist, beinhalten in dieser Hinsicht Stellgrößen selbst Rauschen, das wiederum einen Effekt auf das Ausmaß der Zustandsänderung hat, und die Bewertung der Manipulation wird unsicher. Ferner kann eine Zeitbeziehung zwischen der Manipulation und der Zustandsänderung falsch sein und es besteht eine hohe Möglichkeit der Extraktion einer fehlerhaften Beziehung. Für Gegenmaßnahmen dagegen ist es durch Festlegen eines Zeitrahmens für die Formbewertung (13) mit mehreren Zyklen anstelle des Vergleichens von Daten für einen Zyklus möglich, eine große Änderung der Zustandsvariablen zu bewerten, die durch ein großes Ausmaß an Manipulation bewirkt wird. Außerdem tritt der Einfluss der Variation aufgrund einer Zeitverzögerung nur in den Anfangs- und Endsegmenten der Extraktionszeit auf und daher ist ein solcher Einfluss als Verhältnis unterdrückbar.
Außerdem ist es als Lehrdatenaktualisierungsverfahren denkbar, eine Steuerregel unter Verwendung der Summe von Stellgrößen, die für einen Zeitrahmen zum Sammeln von Stellgrößen, einschließlich mehrerer Zyklen, aufgetreten sind, zu erzeugen und sie als neue Lehrdaten zur Datenbank hinzuzufügen. In diesem Fall muss die Summe der Stellgrößen normiert werden, um sie für eine Steuerregel für einen Zyklus anzupassen. Das heißt, die Summe der Stellgrößten sollte normiert werden, so dass sie in einen Bewegungsbereich von Manipulatoren fällt, der für die Bewegung für einen Zyklus zugelassen ist. Unter Berücksichtigung einer Zeitverzögerung der Formänderung wird es auch als geeignet betrachtet, das Gewicht der Manipulation unmittelbar vor der Formänderung zu verringern und Gewichte gleichmäßig auf andere Manipulationen zu verteilen. Der Zeitrahmen für die Formbewertung und der Zeitrahmen für das Sammeln von Stellgrößen werden so lange wie eine Zeitverzögerung nach später verschoben. 13 stellt ein Bild des Zeitrahmens für die Formbewertung und des Zeitrahmens für das Sammeln von Stellgrößen dar.
Lehrdaten sollten umfangreicher sein, um eine KI aufzubauen, die in der Lage ist, mehr Zustände mit einem Satz einer endlichen Anzahl von Verfolgungsaufzeichnungsdaten zu managen. Aus diesem Grund werden Lehrdaten nach dem Wert geordnet und Lehrdaten niedrigster Ordnung werden zuerst gelöscht. In dieser Hinsicht wird eine Messung des Grades der Näherung zwischen Lehrdaten durchgeführt, die als Kriterium für die Ordnung betrachtet werden. Für Lehrdaten mit einem höheren Grad an Näherung wird ihr Datenwert als niedrig betrachtet. Es ist möglich zu bewirken, dass die Einrichtung die Erstellung einer Lehrdaten-Datenbank zum Lernen durchführt, mit der es ermöglicht ist, das Management von so vielen Zuständen wie möglich durchzuführen.
Wenn neue Lehrdaten hinzugefügt werden, wird die Ordnung der neuen Daten und existierenden Lehrdaten nach dem Wert durchgeführt und Daten niedrigerer Ordnung werden gelöscht. In dieser Hinsicht wird der Wert der Lehrdaten in der folgenden Hinsicht bestimmt: es gibt keine gleiche Regel unter anderen Regeln (der Grad der Näherung); und sie haben einen großen Effekt auf die Manipulation (der Grad des Effekts). Eine Berechnung eines Abstandes zwischen Lehrdaten wird durchgeführt, der der Grad der Näherung als Ordnungsindex ist. Auf der Basis der berechneten Abstände werden zwei Teile von Lehrdaten, die im Abstand am nächsten sind, extrahiert. Für diese Teile von Lehrdaten wird ein Vergleich ihrer Manipulationsergebnisbewertungswerte als Grad des Effekts durchgeführt und zu löschende Lehrdaten werden bestimmt.
Der Abstand zwischen Lehrdaten wird wie folgt erhalten: für einen Teil von Lehrdaten, die in der Lehrdaten-Datenbank zum Lernen gespeichert sind, wird eine Berechnung von Abständen zu allen anderen Teilen von Lehrdaten durchgeführt und ein minimaler Wert (minimaler Abstand d) der Abstände wird genommen. Für einen Abstand zwischen Lehrdaten wird eine Abweichung zwischen Eingangsdaten (Formabweichung) und Ausgangsdaten (Stellgrößen) jedes Teils von Lehrdaten quadriert, jeweils gewichtet und addiert. Lehrdaten werden nach einem minimalen Abstand d geordnet, der wie vorstehend berechnet wird, und Lehrdaten der niedrigsten Ordnung werden aus der Lehrdaten-Datenbank zum Lernen gelöscht. Da immer zwei Teile von Lehrdaten mit dem minimalen Abstand d vorhanden sein müssen, werden in dieser Hinsicht die Daten, deren Manipulationsergebnisbewertungswert niedriger ist, gelöscht. Im vorangehenden Verfahren können überdies Lehrdaten, für die der Manipulationsergebnisbewertungswert zufällig falsch als gut beurteilt wurde, weiterhin bleiben, ohne gelöscht zu werden. Um ein solches Vorkommnis zu verhindern, kann der Manipulationsergebnisbewertungswert durch Multiplizieren desselben mit einem vorbestimmten Koeffizienten K (0 < K < 1) jedes Mal, wenn eine bestimmte Anzahl von Aktualisierungen mit neuen Lehrdaten durchgeführt wurde, verringert werden.
Im vorherigen Beispiel kann eine Steuerregel, die als neue Lehrdaten übernommen wird, beispielsweise als (Zustandsvariablen) l (Stellgrößen) ausgedrückt werden. In dieser Hinsicht können Stellgrößen in Abhängigkeit vom Manipulationsergebnisbewertungswert modifiziert und als Daten zum Lernen hinzugefügt werden. Das heißt, die Modifikation kann wie folgt durchgeführt werden:

wenn der Manipulationsergebnisbewertungswert gut ist, (Zustandsvariablen) | (Stellgrößen) × α (α > 1);
wenn der Manipulationsergebnisbewertungswert mäßig ist, (Zustandsvariablen) | (Stellgrößen) × β (0 < β < 1); und
wenn der Manipulationsergebnisbewertungswert schlecht ist, (Zustandsvariablen) | (Stellgrößen) × γ (0 < γ << 1).

Hinsichtlich der Anlagensteuerung kann sich die Ausgabe ändern, selbst wenn der Eingabezustand im Wesentlichen derselbe ist, und dies gilt nahe einem optimalen Zustand. Um den optimalen Zustand aufrechtzuerhalten, ist es wichtig, auf eine feine Änderung der Ausgabe in einer kleinen Zone nahe dem optimalen Zustand zu reagieren. Aus diesem Grund ist es in der vorliegenden Ausführungsform durch Gewichten des Werts von Lehrdaten durch einen Abstand vom optimalen Abstand möglich, ein Management durchzuführen, um die Lehrdatendichte nahe dem optimalen Zustand zu erhöhen und die Lehrdatendichte in einem Bereich, der weit vom optimalen Zustand entfernt ist, zu verringern.
Mit den Funktionen versehen, wie vorstehend beschrieben, bezieht sich die vorliegende Ausführungsform auf ein Verfahren zum Erzeugen von Lehrdaten, die für das Maschinenlernen von KI auf der Basis von Steuerregeln verwendet werden, die aus gesammelten Anlagenbetriebsverfolgungsaufzeichnungsdaten erzeugt werden.
Gemäß der vorliegenden Ausführungsform ist es möglich, eine Lehrdaten-Datenbank für das Lernen von künstlicher Intelligenz aus Anlagenbetriebsverfolgungsaufzeichnungsdaten zu erstellen. Folglich ist es möglich, die Lehr-DB2 für KI aus Anlagenbetriebsverfolgungsaufzeichnungsdaten zu erstellen. Folglich wird es möglich zu bewirken, dass die Kl, die auf die Echtzeitanlagensteuerung angewendet wird, Steuerregeln im Voraus in einem Offline-Zustand unter Verwendung von Anlagenbetriebsverfolgungsaufzeichnungsdaten in der Vergangenheit lernt, und es wird auch möglich, ihre Leistung im Voraus offline zu überprüfen. Dies verbessert die Zuverlässigkeit der Steuerung und ermöglicht, dass sie die Anwendung einer Echtzeitsteuerung unter Verwendung von KI verwirklicht.
Außerdem ist es gemäß der vorliegenden Ausführungsform möglich, neue Lehrdaten mit einer guten Steuerregel zu extrahieren, durch die erwartet wird, eine effektive Steuerung durch korrektes Bewerten von Manipulationsergebnissen und Veranlassen, dass die KI aus Anlagenbetriebsverfolgungsaufzeichnungsdaten mit Rauschen und einer Variation in einer Zeitverzögerung zwischen einer Manipulation und ihrem Ergebnis lernt, zu implementieren. Es ist möglich, eine Lehrdaten-Datenbank für KI-Lernen aus riesigen Anlagenbetriebsverfolgungsaufzeichnungsdaten zu erstellen. Je größer die Anzahl von Anlagenbetriebsverfolgungsaufzeichnungsdaten ist, desto höher ist die Genauigkeit der Steuerung unter Verwendung von Kl. Da die Anzahl von Lehrdaten konstant gehalten werden kann, ist es auch möglich, die Rechenzeit, die zum Lernen der KI erforderlich ist, vom Aufblähen abzuhalten.
Im Folgenden werden Beschreibungen über eine Konfiguration einer Lehrdatenerzeugungseinrichtung, die ein Beispiel betrifft, mit Bezug auf die jeweiligen Zeichnungen bereitgestellt.
Die Lehrdatenerzeugungseinrichtung, die das vorliegende Beispiel betrifft, analysiert Anlagenbetriebsverfolgungsaufzeichnungsdaten mit Zustandsvariablen und Stellgrößen einer Steuereinheit, die für die Anlagensteuerung zum Manipulieren einer Anlage auf der Basis eines Zustandes der Anlage relevant sind, und erzeugt Lehrdaten, die zum Lernen von künstlicher Intelligenz verwendet werden, die die Anlagensteuerung durchführt.
1 stellt allgemeine Funktionsblöcke der Lehrdatenerzeugungseinrichtung, die das vorliegende Beispiel betrifft, dar. Die Lehrdatenerzeugungseinrichtung in 1 umfasst eine Vorrichtung 20 zum Extrahieren von neuen Lehrdaten und eine Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31. Die Lehrdatenerzeugungseinrichtung umfasst einen Computer und der Computer führt Programme aus, die in einer Speichervorrichtung gespeichert sind, wodurch er als Vorrichtung 20 zum Extrahieren von neuen Lehrdaten und Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 funktioniert. Lehrdaten, die durch die Lehrdatenerzeugungseinrichtung erzeugt werden, werden für das Lernen einer Anlagensteuereinrichtung mit einem neuronalen Netz als Kl verwendet.
Die Vorrichtung 20 zum Extrahieren von neuen Lehrdaten erzeugt neue Lehrdaten Tnew mit Bezug auf eine Betriebsgeschwindigkeit v(t), Formzustandsvariablen S(t) eines gewalzten Streifens und Manipulatorzustandsvariablen O(t) als Anlagenbetriebsverfolgungsaufzeichnungsdaten, die in der Anlagenbetriebsverfolgungsaufzeichnungsdaten-Datenbank DB5 (die nachstehend einfach als „Betriebsverfolgungsaufzeichnungs-DB5“ bezeichnet wird) gespeichert werden. t bezeichnet eine Zeit oder einen Quasizeitparameter.
Die Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 erfasst neue Lehrdaten Tnew von der Vorrichtung 20 zum Extrahieren von neuen Lehrdaten. Die Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 erfasst auch einen Lehrdatenanzahlzähler N und Lehrdaten T(1), ..., T(N), die in der Lehrdaten-Datenbank für die DB2 für das Lernen des neuronalen Netzes (die nachstehend einfach als „Lehr-DB2“ bezeichnet wird) gespeichert werden. Dann aktualisiert die Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 den erfassten Lehrdatenanzahlzähler N und die Lehrdaten T(1), ..., T(N) und überschreibt den Zählerwert und die Lehrdaten in der Lehr-DB2. Der Lehrdatenanzahlzähler N zählt von 1 bis zu einer maximalen Anzahl von speicherbaren Lehrdaten NMAX seriell aufwärts, jedes Mal, wenn Lehrdaten T hinzugefügt werden.
2 stellt allgemeine Funktionsblöcke der Vorrichtung 20 zum Extrahieren von neuen Lehrdaten dar. Die Vorrichtung 20 zum Extrahieren von neuen Lehrdaten besteht aus den folgenden Hauptelementen: einer Verfolgungsaufzeichnungsdaten-Einlesegeschwindigkeitsbedingungsfestlegungseinheit 20, einer Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit 201, einer Lehrdateneingabeteil-Zustandsvariableneinleseeinheit 202, einer Verfolgungsaufzeichnungsdaten-Rauschgegenmaßnahmen-Extraktionszeitfensterfestlegungseinheit 203, einer Lehrdatenausgabeteil-Stellgrößeneinleseeinheit 204, einer Einheit 205, die eine Verzögerungszeit aufgrund einer Zustandsvariablenänderung nach der Manipulation festlegt, einer Manipulationsergebnisbewertungseinheit 206, einer Bedingungsfestlegungseinheit 207 für die Erzeugung von neuen Lehrdaten, einer Bestimmungseinheit 208 für die Erzeugung von neuen Lehrdaten und einer Einheit 209 zum Erzeugen von neuen Lehrdaten.
Die Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit 201 erfasst die Betriebsgeschwindigkeit v(t) aus der Betriebsverfolgungsaufzeichnungs-DB5 und setzt einen Verfolgungsaufzeichnungsdateneinlesezähler t. Insbesondere liest die Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit 202 die Betriebsgeschwindigkeit v(t), die in der Betriebsverfolgungsaufzeichnungs-DB5 gespeichert ist, seriell ein, wobei der Verfolgungsaufzeichnungsdateneinlesezähler t ab dem Start läuft. Das heißt, sie liest die Betriebsgeschwindigkeit v(t) von einem Wert davon zum frühesten Zeitpunkt (der der älteste in der Zeit ist) seriell ein. Wenn eine Einlesebedingung, die nachstehend beschrieben wird, erfüllt wurde, gibt sie dann einen Wert des Verfolgungsaufzeichnungsdateneinlesezählers t zu diesem Zeitpunkt aus.
4 stellt ein Betriebsgeschwindigkeitsmuster eines Sendzimir-Walzwerks dar, das im vorliegenden Beispiel gesteuert werden soll. Als vorstehend erwähnte Einlesebedingung, wenn die Betriebsgeschwindigkeit für eine bestimmte Periode nach dem Überschreiten einer Verfolgungsaufzeichnungsdaten-Einlesegeschwindigkeitsbedingung THv (d. h. einer Lehrdatenextraktionsgeschwindigkeit THv, die eine bedingte Geschwindigkeit ist, bei der die Datenextraktion als Lehrdaten durchgeführt wird) aufrechterhalten wird, die durch die Verfolgungsaufzeichnungsdaten-Einlesegeschwindigkeitsbedingungsfestlegungseinheit 200 festgelegt wurde, gibt die Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit 201 einen Wert des Verfolgungsaufzeichnungsdateneinlesezählers t aus.
Die Lehrdateneingabeteil-Zustandsvariableneinleseeinheit 202 liest die Zustandsvariablen S(t) des gewalzten Streifens von der Betriebsverfolgungsaufzeichnungs-DB5 unter Verwendung des Werts des Verfolgungsaufzeichnungsdateneinlesezählers t ein, der durch die Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit 201 ausgegeben wurde. Im vorliegenden Beispiel umfassen Zustandsvariablen S(t) des gewalzten Streifens jene der tatsächlichen Form spfb des gewalzten Streifens, die durch die Formerfassungselemente erfasst wird, zur Zeit t und jene der gewünschten Form spref des gewalzten Streifens.
5 stellt ein Beispiel von Zustandsvariablen S(t1) des gewalzten Streifens zu einer Zeit dar, die durch den Verfolgungsaufzeichnungsdateneinlesezähler t (t = Startzeit t1) angegeben wird. In 5 bezeichnet DS eine Antriebsseite und WS bezeichnet eine Arbeitsseite. Ein oberer Graph stellt die Positionen i {i = 1, ..., Ch} der Formerfassungselemente in einer Richtung eines gewalzten Streifens über die Breite auf der Abszisse und tatsächliche Formen spfb(i) des gewalzten Streifens und gewünschte Formen spref(i) des gewalzten Streifens, die durch die Formerfassungselemente erfasst werden, auf der Ordinate dar. Hier bezeichnet Ch eine Gesamtzahl der Formerfassungselemente, die in der Richtung eines gewalzten Streifens über die Breite verwendet werden. Ein unterer Graph stellt die Positionen i der Formerfassungselemente in der Richtung eines gewalzten Streifens über die Breite auf der Abszisse und Formabweichungen spdev(i) auf der Ordinate dar. Formabweichungen spdev(i) werden durch die nachstehende Gleichung (1) erhalten. Die nachstehende Gleichung (2) stellt einen Lehrdateneingabeteil Tin (t1) dar, der ein Satz von Formabweichungen spdev(i) in der Richtung eines gewalzten Streifens über die Breite ist.
[Mathematischer Ausdruck 1] $spdev (i) = spfb (i) - spref (i)$
$Tin (t 1) = {spdev (1), spdev (2), \dots, sprev (Ch)}$
Die Lehrdatenausgabeteil-Stellgrößeneinleseeinheit 204 liest Manipulatorzustandsvariablen 0(t) bis 0(t+tband) von der Betriebsverfolgungsaufzeichnungs-DB5 unter Verwendung des Werts des Verfolgungsaufzeichnungsdateneinlesezählers t von der Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit 201 und eines Extraktionszeitfensters tband [s], das von der Verfolgungsaufzeichnungsdaten-Rauschgegenmaßnahmen-Extraktionszeitfensterfestlegungseinheit 203 erfasst wird, ein. Im vorliegenden Beispiel umfassen Manipulatorzustandsvariablen 0(t) Manipulatorzustandsvariablen Pj(t) {j bezeichnet eine Formsteuereinheitsnummer, j = 1, ... 10} von jeweiligen Manipulatoren zur Zeit t.
6 stellt ein Beispiel eines zeitlichen Übergangs von Manipulatorzustandsvariablen Pj(t) dar. Pj(t) stellt Stellgrößen einer Formsteuereinheit (Nummer j) zur Zeit t dar. Im vorliegenden Beispiel entspricht jede Nummer j jedem Formmanipulator, wie auf der Abszisse in einem unteren Graphen dargestellt. Das heißt, Formmanipulatoren, die mit Nummern 1 bis 7 bezeichnet sind, sind „AS-U#1“ bis „AS-U#7“. Ein Formmanipulator, der mit der Nummer 8 bezeichnet ist, ist „obere IMR-Verschiebung“ und ein Formmanipulator, der mit der Nummer 9 bezeichnet ist, ist „untere IMR-Verschiebung“. Ein Formmanipulator, der mit der Nummer 10 bezeichnet ist, ist „Nivellierung“.
Formsteuereinheitsstellgrößen Oj(t) von jeweiligen Steuereinheiten (Nummer j) zur Zeit t werden aus dem Extraktionszeitfenster tband, das durch die Verfolgungsaufzeichnungsdaten-Rauschgegenmaßnahmen-Extraktionszeitfensterfestlegungseinheit 203 festgelegt wurde, und Pj(t) durch die nachstehende Gleichung (3) erhalten. Hier bezeichnet tcyc eine Verfolgungsaufzeichnungsdatenabtastzyklusperiode.
[MathematischerAusdruck 2] $Oj (t 1) = (Pj (t 2) - Pj (t 1)) / tband * tcyc$
wobei t2 = t1 + tband
Für das Extraktionszeitfenster tband wird hier eine mittlere Zeit, die für die Manipulation erforderlich ist, um die Form zu verbessern, festgelegt. Ein Kriterium, durch das bestimmt werden kann, dass die Form erfolgreich durch Manipulation verbessert wurde, das durch Rauschen unbeeinflusst ist, liegt in der Größenordnung von ±5 [I-Einheit]. Die Manipulationszeit tj jeder Formsteuereinheit, die erforderlich ist, um das Kriterium zu erfüllen, kann durch die Gleichungen (4) bis (6) unter Verwendung der folgenden Parameter erhalten werden:

CA: Referenzstellgrößen von AS-U [mm/I-Einheit]
VA: Betriebsgeschwindigkeit von AS-U [mm/s]
CI: Referenzstellgrößen von IMR-Verschiebung [mm/I-Einheit]
VI: Betriebsgeschwindigkeit von IMR-Verschiebung [mm/s]
CL: Referenzstellgrößen von Nivellierung [mm/I-Einheit]
VL: Betriebsgeschwindigkeit von Nivellierung [mm/s]

tj = (5 \times CA) / VA (j = 1, \dots,7)

tj = (5 \times CI) / VI (j = 8,9)

tj = (5 \times CL) / VL (j = 10)

Hier sind die Referenzstellgrößen jeder Formsteuereinheit jene, die eine gleiche Auswirkung auf die Form (Zustandsvariablen) haben, und können durch Testen, um festzustellen, wie viel Änderung an der Form durch Stellgrößen jeder Formsteuereinheit durchgeführt wird, bestimmt werden. Für das Extraktionszeitfenster tband wird eine maximale Zeit von tj festgelegt; da eine Variation im Effekt der durchgeführten Manipulation und ein Intervall zwischen Ausführungen der Manipulation berücksichtigt werden, wird hier tatsächlich die Zeit multipliziert mit einigen Malen (Zeit multipliziert mit einem Koeffizienten β) festgelegt, wie in der nachstehenden Gleichung (7) ausgedrückt.
[Mathematischer Ausdruck 4] $t_{band} =_{j}^{m a x} t j * β$
$β=2 \sim 3− mal$
Obwohl vorstehend angegeben wurde, dass das Kriterium, durch das bestimmt werden kann, dass die Form durch Manipulation erfolgreich verbessert wurde, 5 [I-Einheit] ist, kann das Kriterium gemäß praktischen Walzumständen geeignet geändert werden. Hinsichtlich tband, z. B. eine Periode, für die ein bestimmtes Ausmaß an Manipulation oder mehr weiterhin festgelegt werden kann; ist es außerdem auch möglich, ihren Wert in einer anderen Weise als das vorliegenden Beispiel auszuwählen, wie geeignet.
In Bezug auf Formsteuereinheitsstellgrößen Oj(t) wird unter Verwendung von CA, CI und CL, die vorstehend erwähnt sind, ein Lehrdatenausgabeteil Tout (t1) durch die nachstehende Gleichung (8) erhalten.
[Mathematischer Ausdruck 5] $Tout (t 1) = {O 1 (t 1) / CA, \dots O 7, (t 1) / CA, O 8 (t 1) / CI, O 9 (t 1) / CI, O 10 (t 1) / CL}$
Unter Verwendung von CA, CI und CL ist es möglich, das Gewicht von Stellgrößen jedes Manipulators bei der Berechnung zu standardisieren (normieren).
Die Manipulationsergebnisbewertungseinheit 206 liest Zustandsvariablen S(t) des gewalzten Streifens von der Betriebsverfolgungsaufzeichnung-DB5 unter Verwendung des Werts des Verfolgungsaufzeichnungsdateneinlesezählers t von der Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit 201, des Extraktionszeitfensters tband von der Verfolgungsaufzeichnungsdaten-Rauschgegenmaßnahmen-Extraktionszeitfensterfestlegungseinheit 203 und einer Verzögerungszeit Δt von der Einheit 205, die die Verzögerungszeit aufgrund der Zustandsvariablenänderung nach der Manipulation festlegt, ein.
7 stellt eine Zeitverzögerung der Erfassung der Form eines gewalzten Stahlstreifens dar. Die Streifenform eines gewalzten Materials 4, das durch eine obere Arbeitswalze 1 und eine untere Arbeitswalze 2 gewalzt wird, wird durch ein Formerfassungselement erfasst, das in einem Abstand L vor den Walzen angeordnet ist. Daher wird eine Verzögerungszeit Δt, bis die Form des gewalzten Streifens des gewalzten Materials 4 durch das Formerfassungselement erfasst wird, durch die Einheit 205, die die Verzögerungszeit aufgrund der Zustandsvariablenänderung nach der Manipulation festlegt, unter Verwendung der Betriebsgeschwindigkeit v(t), die die Geschwindigkeit ist, mit der sich das gewalzte Material 4 vorwärts bewegt, gemäß der nachstehenden Gleichung (9) berechnet.
[Mathematischer Ausdruck 6] $Δ t = L / v (t)$
Ein Manipulationsergebnis wird auf der Basis der Zustandsvariablen des gewalzten Streifens vor und nach der Manipulation bewertet. Die Zustandsvariablen des gewalzten Streifens sollen auf der Basis der Formabweichungen spdev(i) bewertet werden und ein Formbewertungswert V(t) zur Zeit t, die durch den Verfolgungsaufzeichnungsdateneinlesezähler t angegeben wird, wird beispielsweise durch die nachstehende Gleichung berechnet.
[Mathematischer Ausdruck 7] $V (t) = Σ | spdev (i) | / Ch$
Ein Graph in 8 stellt eine zeitliche Änderung des Formbewertungswerts V(t) dar. Ein Manipulationsergebnisbewertungswert Tv(t1) zu einer Zeit, die durch den Verfolgungsaufzeichnungsdateneinlesezähler t angegeben wird (t=t1), wird durch die nachstehende Gleichung (11) auf der Basis des Formbewertungswerts V(t), des Extraktionszeitfensters tband und der Verzögerungszeit Δt erhalten.
[Mathematischer Ausdruck 8] $Tv (t 1) = (V (t 4) - V (t 3)) / V (t 3) / tband * tcyc$
wobei t3 = t1 + Δt, t4 = t1 + Δt + tband
Die Bestimmungseinheit 208 für die Erzeugung von neuen Lehrdaten bestimmt ein Flag fT für die Erzeugung von neuen Lehrdaten auf der Basis des Manipulationsergebnisbewertungswerts Tv(t) von der Manipulationsergebnisbewertungseinheit 206 und einer Formbewertungswertbedingung THT zum Erzeugen von neuen Lehrdaten und einer Stellgrößenbedingung THO zum Erzeugen von neuen Lehrdaten von der Bedingungsfestlegungseinheit 207 für die Erzeugung von neuen Lehrdaten gemäß der nachstehenden Gleichung (12)
[Mathematischer Ausdruck 9] $\begin{matrix} fT = 0 (Tv (t 1) < THT) \lor \\ MAX {O 1 (t 1) / CA, \dots O 7, (t 1) / CA, O 8 (t 1) / CI, O 9 (t 1) / CI, O 10 (t 1) / CL} < THO) \\ fT = 1 (Tv (t 1) ≧ THT \land \\ MAX {O 1 (t 1) / CA, \dots O 7, (t 1) / CA, O 8 (t 1) / CI, O 9 (t 1) / CI, O 10 (t 1) / CL} ≧ THO) \end{matrix}$
Das Flag fT für die Erzeugung von neuen Lehrdaten wird auf 0 gesetzt, wenn der Manipulationsergebnisbewertungswert Tv(t1) kleiner ist als die Formbewertungswertbedingung THT zum Erzeugen von neuen Lehrdaten oder die maximalen Formsteuereinheitsstellgrößen Oj(t1) jeder Formsteuereinheit kleiner sind als THO. Das heißt, wenn eine Formänderung durch Walzen klein ist oder Formsteuereinheitsstellgrößen klein sind, wird das Flag fT für die Erzeugung von neuen Lehrdaten auf 0 gesetzt und neue Lehrdaten Tnew werden nicht erzeugt.
Das Flag fT für die Erzeugung von neuen Lehrdaten wird auf 1 gesetzt, wenn der Manipulationsergebnisbewertungswert Tv(t1) gleich oder mehr als die Formbewertungswertbedingung THT zum Erzeugen von neuen Lehrdaten ist oder die maximalen Formsteuereinheitsstellgrößen Oj(t1) jeder Formsteuereinheit gleich oder mehr als THO sind. Das heißt, wenn eine Formänderung durch Walzen groß ist oder Formsteuereinheitsstellgrößen groß sind, wird das Flag fT für die Erzeugung von neuen Lehrdaten auf 1 gesetzt und neue Lehrdaten Tnew werden erzeugt.
Durch Beurteilung nur des Manipulationsergebnisbewertungswerts Tv(t1) kann nun das Flag fT für die Erzeugung von neuen Lehrdaten gesetzt werden. Das heißt, das Flag kann derart gesetzt werden, dass fT = 0 (wenn Tv(t1) < THAT) und fT = 1 (wenn Tv(t1) ≥ THAT).
Hier ist die Formbewertungswertbedingung THT zum Erzeugen von neuen Lehrdaten eine Bedingung für die Datenextraktion für einen Fall, wenn sich die Zustandsvariablen des gewalzten Streifens verbessert haben, und ein Kriterium wird festgelegt, durch das bestimmt werden kann, dass sich die Form offensichtlich durch Manipulation verbessert hat, sich nicht vorübergehend durch Rauschen oder dergleichen geändert hat. Auf empirischer Basis werden eine Änderung von ±5 [I-Einheit] pro Formerfassungselement und ungefähr 10/Ch [I-Einheit] als Formbewertungswert V(t) als geeignet betrachtet. Unter Berücksichtigung dieser wird die Formbewertungswertbedingung THT zum Erzeugen von neuen Lehrdaten festgelegt, wie in der nachstehenden Gleichung (13) ausgedrückt.
[Mathematischer Ausdruck 10] $THT = 10 / Ch$
Außerdem wird die Stellgrößenbedingung THO zum Erzeugen von neuen Lehrdaten so festgelegt, dass ein Fall ausgeschlossen wird, wenn sich der Formbewertungswert durch irgendeinen anderen Einfluss als Manipulation geändert hat, obwohl der gewalzte Streifen tatsächlich wenig manipuliert wird. Ein Kriterium für die Entscheidung wird auf Stellgrößen festgelegt, die zu einer Änderung von ±5 [I-Einheit] pro Formerfassungselement führen.
[Mathematischer Ausdruck 11] $THO = 5 / tband * tcyc$
Hinsichtlich der Formbewertungswertbedingung THT zum Erzeugen von neuen Lehrdaten und der Stellgrößenbedingung THO zum Erzeugen von neuen Lehrdaten werden Werte wie z. B. 10/Ch [I-Einheit] und ±5 [I-Einheit] pro Formerfassungselement im vorangehenden Zusammenhang verwendet; diese Werte können jedoch gemäß den Walzbedingungen geeignet geändert werden.
Die Einheit 209 zum Erzeugen von neuen Lehrdaten erzeugt neue Lehrdaten Tnew auf der Basis des Flag fT für die Erzeugung von neuen Lehrdaten von der Bestimmungseinheit 208 für die Erzeugung von neuen Lehrdaten, des Lehrdateneingabeteils Tin(t) von der Lehrdateneingabeteil-Zustandsvariableneinleseeinheit 202, des Lehrdatenausgabeteils Tout(t) von der Lehrdatenausgabeteil-Stellgrößeneinleseeinheit 204 und des Manipulationsergebnisbewertungswerts Tv(t) von der Manipulationsergebnisbewertungseinheit 206.
Wenn das Flag fT für die Erzeugung von neuen Lehrdaten 0 ist, sollen neue Lehrdaten Tnew nicht erzeugt werden und eine Anforderung, nächste Verfolgungsaufzeichnungsdaten einzulesen, wird an die Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit 201 ausgegeben.
Wenn das Flag fT für die Erzeugung von neuen Lehrdaten 1 ist, sollen neue Lehrdaten Tnew erzeugt werden und neue Lehrdaten Tnew werden auf der Basis der folgenden Gleichung erzeugt.
[Mathematischer Ausdruck 12] $Tnew = {Tin (t 1), Tout (t 1), Tv (t 1)}$
3 stellt allgemeine Funktionsblöcke der Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 dar. Die Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 besteht aus den folgenden Hauptelementen: einer Lehrdaten-Datenbank-Dateneinleseeinheit 311, einer Festlegungseinheit 312 für die Anzahl von speicherbaren Lehrdaten, einer Lehrdaten-Datenbank-Aktualisierungsverfahrensbestimmungseinheit 313, einer Lehrdatenaktualisierungseinheit 314, eine Lehrdatenwertberechnungseinheit 315 und einer Einheit 316, die zu aktualisierende Lehrdaten bestimmt.
Die Festlegungseinheit 312 für die Anzahl von speicherbaren Lehrdaten legt eine maximale Anzahl von Lehrdaten NMAX, die in der Lehr-DB2 gespeichert werden sollen, fest.
Die Lehrdaten-Datenbank-Dateneinleseeinheit 311 liest einen Lehrdatenanzahlzähler N und Lehrdaten T(n), die in der Lehr-DB2 gespeichert sind, ein.
Die Lehrdaten-Datenbank-Aktualisierungsverfahrensbestimmungseinheit 313 setzt ein Aktualisierungsverfahrens-Flag flagud auf der Basis der maximalen Anzahl von speicherbaren Lehrdaten NMAX von der Festlegungseinheit 312 für die Anzahl von speicherbaren Lehrdaten und des Lehrdatenanzahlzählers N von der Lehrdaten-Datenbank-Dateneinleseeinheit 311.
[Mathematischer Ausdruck 13] $flgud = 1 (N < NMAX)$
$flgud = 2 (N = NMAX)$
Auf der Basis von Lehrdaten T(1), ..., T(N) von der Lehrdaten-Datenbank-Dateneinleseeinheit 311, des Aktualisierungsverfahrens-Flag flagud von der Lehrdaten-Datenbank-Aktualisierungsverfahrensbestimmungseinheit 313 und der neuen Lehrdaten Tnew von der Vorrichtung 20 zum Extrahieren von neuen Lehrdaten erzeugt die Lehrdatenaktualisierungseinheit 314 Lehrdaten T'(1), ..., T'(N) und den Lehrdatenanzahlzähler N' nach der Aktualisierung und überschreibt die entsprechenden Lehrdaten und den Zählerwert in der Lehr-DB2.
Wenn das Aktualisierungsverfahrens-Flag flagud 1 ist, das heißt, wenn die Anzahl N von Lehrdaten T, die in der Lehr-DB2 gespeichert sind, kleiner ist als die maximale Anzahl von speicherbaren Lehrdaten NMAX, werden Lehrdaten T'(1), ..., T'(N) und der Lehrdatenanzahlzähler N' nach der Aktualisierung durch die nachstehenden Gleichungen (18) bis (20) erhalten.
[Mathematischer Ausdruck 14] $T' (n) = T (n) (n = 1, \dots, N)$
$T' (N + 1) = Tnew$
$N' = N + 1$
Insbesondere wenn das Aktualisierungsverfahrens-Flag flagud 1 ist, bleiben die Lehrdaten T(1), ..., T(N) unverändert als Lehrdaten T'(1), ..., T'(N) nach der Aktualisierung und neue Lehrdaten Tnew werden als Lehrdaten T'(N+1) nach der Aktualisierung hinzugefügt und in der Lehr-DB2 gespeichert.
Wenn das Aktualisierungsverfahrens-Flag flagud 2 ist, das heißt, wenn die Anzahl N von Lehrdaten, die in der Lehr-DB2 gespeichert sind, gleich der maximalen Anzahl von speicherbaren Lehrdaten NMAX ist und die Anzahl von Lehrdaten T nicht mehr zunehmen darf, werden Lehrdaten T'(1), ..., T'(N) und der Lehrdatenanzahlzäher N' nach der Aktualisierung durch die nachstehenden Gleichungen (21) bis (24) unter Verwendung eines Zählers Nud für aktualisierbare Lehrdaten von der Einheit 316, die zu aktualisierende Lehrdaten bestimmt, erhalten.
[Mathematischer Ausdruck 15] $T (N + 1) = Tnew$
$T' (n) = T (n) (n \neq Nud)$
$T' (Nud) = Tnew$
$N' = N$
In diesem Fall fügt die Lehrdatenwertberechnungseinheit 315 zuerst T(N+1) (=Tnew) zu Lehrdaten T(1), ..., T(N) hinzu, die aus der Lehrdatenaktualisierungseinheit 314 ausgelesen werden (Gleichung (21)) und berechnet auf der Basis dieser Teile von Lehrdaten T den Lehrdatenwert Val(1), ..., Val(N+1). Um den Bereich von Eingabezuständen zu verbreitern, die mit einer begrenzten Anzahl von Lehrdaten T gemanagt werden können, bewertet die Lehrdatenwertberechnungseinheit 315 den Lehrdatenwert wie nachstehend: Lehrdaten, in denen Zustandsvariablen des Lehrdateneingabeteils Tin unterschiedlich sind, werden als hoch bewertet (gute Bewertung) und Lehrdaten, in denen Zustandsvariablen ähnlich sind, werden niedrig bewertet (schlechte Bewertung).
Unter Verwendung eines Graphen stellt 9 schematisch dar, wie der Lehrdatenwert Val berechnet wird. Obwohl der Lehrdateneingabeteil Tin(n) ein Wert von Ch Dimensionen ist, der der Gesamtzahl von Formerfassungselementen (d. h. der Anzahl von Erfassungszonen) entspricht, wie in der vorher vorgesehenen Gleichung (2) ausgedrückt, wird hierfür Erläuterungszwecke Tin(n) als Wert von zwei Dimensionen (sp(1) und sp(2)) dargestellt. Hier wird der Lehrdatenwert Val(m) von Lehrdaten T(m) unter Verwendung der nachstehenden Gleichungen (25) bis (28) als minimaler Wert von Abständen zu anderen Lehrdatenn erhalten.
[Mathematischer Ausdruck 16] $din (n, m) = \sum_{i} {(s p {(i)}_{n} - s p {(i)}_{m})}^{2} / (d i n_{0} (n) * d i n_{0} (m))$
${din}_{0} (n) = \sqrt{\sum_{i} {(s p {(i)}_{n})}^{2}}$
${din}_{0} (m) = \sqrt{{\sum_{i} (s p {(i)}_{m})}^{2}}$
$Val (m) = min_{n} {d i n (n, m)}$
Hier bezeichnet sp(i) die Formabweichung spdev(i) von n-ten Lehrdaten in einer i-ten Zone (entsprechend einem i-ten Formerfassungselement). din(n, m) bezeichnet einen Abstand zwischen den Eingabeteilzustandsvariablen von n-ten und m-ten Lehrdaten. din0(n) bezeichnet einen Abstand zwischen n-ten Lehrdaten und einem optimalen Zustand 0 (d. h. einem gewünschten Wert am Ursprung des sp(i)-Koordinatensystems, wo die Formabweichung spdev(i) 0 ist). din0(m) bezeichnet einen Abstand zwischen m-ten Lehrdaten und dem optimalen Zustand 0. In Bezug auf alle Lehrdaten kann durch Dividieren des Abstandes zwischen Daten durch den Abstand zwischen den Lehrdaten und dem optimalen Zustand 0 berücksichtigt werden, dass die Richtung von Stellgrößen des Lehrdatenausgabeteils Tout sich in der Nähe des optimalen Zustandes 0 fein ändert.
Dann bestimmt die Einheit 316, die zu aktualisierende Lehrdaten bestimmt, den Zähler Nud für aktualisierbare Lehrdaten auf der Basis von Lehrdaten T(1), ..., T(N+1) von der Lehrdatenaktualisierungseinheit 314 und des Lehrdatenwerts Val(1), ..., Val(N+1) von der Lehrdatenwertberechnungseinheit 315. Der Zähler Nud für aktualisierbare Lehrdaten ist ein Zähler, der zu aktualisierende Lehrdaten T festlegt (die Lehrdaten mit dem geringsten Wert).
10 und 11 sind Diagramme, um ein Verfahren zum Bestimmen des Zählers Nud für aktualisierbare Lehrdaten zu erläutern. Wie in einer in 10 dargestellten Tabelle werden Lehrdaten T(n) in absteigender Reihenfolge durch den Lehrdatenwert Val(n) umgeordnet. Hier soll angenommen werden, dass n(k) für eine k-te Lehrdatennummer nach der Umordnung steht. Wenn Daten in dieser Weise umgeordnet wurden, werden zwei Teile von Lehrdaten mit dem niedrigsten Wert bestimmt, wie in 11 dargestellt. Durch Vergleichen der Manipulationsergebnisbewertungswerte Tv der N-ten und N+1-ten Lehrdaten, die so erhalten werden, wird der Zähler Nud für aktualisierbare Lehrdaten in einer Weise wie nachstehend bestimmt.
[Mathematischer Ausdruck 17] $Nud = n (N) (Tv (n (N)) < Tv (n (N + 1))$
$Nud = n (N+1) (Tv (n (N)) ≧ Tv (n (N + 1))$
Die entsprechenden Daten in der Lehr-DB2 werden überschrieben, so dass Lehrdaten T'(Nud), die durch den so bestimmten Zähler Nud für aktualisierbare Lehrdaten festgelegt werden, mit neuen Lehrdaten Tnew aktualisiert werden, und hinsichtlich der restlichen Lehrdaten T'(n), Lehrdaten Tn (aber n ≠ Nud), die aus der Lehrdatenaktualisierungseinheit 314 ausgelesen werden, unverändert bleiben. Lehrdaten T(N+1), die am Beginn hinzugefügt werden, werden einfach nur für die Datenumordnung nach dem Lehrdatenwert Val1 verwendet und werden daher verworfen, ohne in die Lehr-DB2 geschrieben zu werden.
In der vorstehend beschriebenen Weise erstellt und aktualisiert die Lehrdatenerzeugungseinrichtung des vorliegenden Beispiels die Lehr-DB2.
Gemäß dem Vorangehenden wird gemäß der vorliegenden Ausführungsform eine Berechnung des Manipulationsergebnisbewertungswerts Tv, der ein Bewertungswert eines Ergebnisses einer Manipulation ist, die für die Periode eines vorbestimmten Extraktionszeitfensters tband ab der vorbestimmten Startzeit t1 durchgeführt wird, auf der Basis von Anlagenbetriebsverfolgungsaufzeichnungsdaten durchgeführt. Unter Verwendung des Manipulationsergebnisbewertungswerts Tv wird eine Bestimmung hinsichtlich dessen durchgeführt, ob neue Lehrdaten Tnew erzeugt werden können oder nicht. Wenn bestimmt wurde, dass Lehrdaten T erzeugt werden können, werden Lehrdaten T mit dem Lehrdateneingabeteil Tin, der auf der Basis von Zustandsvariablen S(t) des gewalzten Streifens zur Startzeit t1 berechnet wird, und dem Lehrdatenausgabeteil Tout, der auf der Basis von Manipulatorzustandsvariablen O(t) berechnet wird, für die Periode des vorbestimmten Extraktionszeitfensters tband ab der Startzeit t1 extrahiert und die extrahierten Lehrdaten T werden in der Lehr-DB2 gespeichert. Folglich ist es möglich, die Lehr-DB2 für KI aus Anlagenbetriebsverfolgungsaufzeichnungsdaten zu erstellen. Folglich wird es möglich zu bewirken, dass die KI, die auf die Echtzeitanlagensteuerung angewendet wird, Steuerregeln in einem Offline-Zustand unter Verwendung von Anlagenbetriebsverfolgungsaufzeichnungsdaten in der Vergangenheit lernt, und es wird auch möglich, ihre Leistung im Voraus offline zu überprüfen. Dies verbessert die Zuverlässigkeit der Steuerung und ermöglicht, dass sie die Anwendung der Echtzeitsteuerung unter Verwendung von KI verwirklicht.
Da Manipulationsergebnisse für das vorbestimmte Extraktionszeitfenster tband bewertet werden, können Lehrdaten T mit einer Verringerung des Einflusses von Rauschen, das in den Betriebsverfolgungsaufzeichnungsdaten für die Anlagensteuerung enthalten ist, und des Einflusses einer Verzögerung der Zustandserfassung nach der Manipulation erzeugt werden. Durch Ausführen von Maschinenlernen von KI wie z. B. eines neuronalen Netzes unter Verwendung von Lehrdaten T, die von gespeicherten riesigen Betriebsverfolgungsaufzeichnungsdaten erfasst werden, wird es möglich gemacht, die Steuerung mit hoher Genauigkeit ab einer frühen Stufe nach dem Start der Anlagensteuerung mit Kl zu implementieren.
Außerdem speichert die Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 Lehrdaten in der Lehr-DB2 bis zu einer vorbestimmten maximalen Anzahl von speicherbaren Lehrdaten NMAX als obere Grenze. Folglich kann die Anzahl von Lehrdaten konstant gehalten werden. Folglich kann die Zeit, die für das Maschinenlernen der KI erforderlich ist, auf eine bestimmte Menge an Zeit eingeschränkt werden und es ist möglich, eine solche Zeit vom Aufblähen abzuhalten.
Wenn die Anzahl von Lehrdaten T in der Lehr-DB2 die maximale Anzahl von speicherbaren Lehrdaten NMAX erreicht hat, legt außerdem die Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 zwei Teile von Lehrdaten, für die ein Abstand zwischen ihrem Eingabeteil und dem Eingabeteil von anderen Lehrdaten am kleinsten ist, unter einem Lehrdatensatz der Lehrdaten T innerhalb der Lehr-DB2 und neuen Lehrdaten Tnew, die durch die Vorrichtung 20 zum Extrahieren von neuen Lehrdaten neu extrahiert werden, fest. Einer dieser zwei Teile von Lehrdaten, derjenige, für den der Manipulationsergebnisbewertungswert Tv schlechter ist, wird dann entfernt und die restlichen Lehrdaten T werden in der Lehr-DB gespeichert. Somit können Lehrdatenteile, für die ein Abstand zwischen ihren Eingabeteilen eng ist, das heißt Lehrdatenteile, die zueinander ähnlich sind, bevorzugt entfernt werden. Folglich bleiben Lehrdatenteile, die nicht zueinander ähnlich sind, und daher ist es möglich, eine KI zu erzeugen, die Maschinenlernen durch Lehrdaten für verschiedene Zustände ausführt und eine gewünschte Steuerung in einem breiten Bereich durchführt.
Im Hinblick auf einen Abstand zwischen dem Eingabeteil eines Teils von Lehrdaten und dem Eingabeteil eines anderen Teils von Lehrdaten führt die Lehrdaten-Datenbank-Aktualisierungsvorrichtung 31 auch eine Gewichtung durch, so dass Lehrdaten T, für die ein Abstand zu einem gewünschten Wert des Lehrdateneingabeteils Tin kleiner ist, bleiben, und legt zwei Teile von Lehrdaten T fest, für die der Abstand nach der Gewichtung am kleinsten ist. In der Nähe des gewünschten Werts (d. h. eines optimalen Manipulationszustandes) des Lehrdateneingabeteils Tin, wo eine ausgearbeitete Steuerung mit hoher Genauigkeit erforderlich ist, wird somit durch Gewichtung eines Abstandes des Lehrdateneingabeteils Tin bewirkt, dass Lehrdaten bevorzugt in der Nähe des gewünschten Werts bleiben; wodurch es möglich ist, die Genauigkeit der Steuerung der KI in der Nähe des gewünschten Werts zu verbessern.
Außerdem ist das Extraktionszeitfenster tband ein Zeitfenster, das auf der Basis einer Manipulationszeit tj bestimmt wird, die unter Verwendung von Referenzstellgrößen CA, CI, CL, die pro Formsteuereinheit festgelegt sind, und der Formsteuerbetriebsgeschwindigkeit VA, VI, VL berechnet wird. Da eine mittlere Zeit, die für die Manipulation erforderlich ist, um die Form zu verbessern, für das Extraktionszeitfenster tband festgelegt werden kann, ist es somit möglich, den Einfluss von Rauschen und einer Zeitverzögerung nach der Manipulation in einer wirksamen Weise zu verringern.
Außerdem ist die Anlage ein Walzwerk, Zustandsvariablen in den Anlagenbetriebsverfolgungsaufzeichnungsdaten sind Zustandsvariablen eines gewalzten Streifens, die durch die am Walzwerk vorgesehenen Formerfassungselemente erfasst werden, und Stellgrößen sind Stellgrößen der Formsteuereinheiten, die am Walzwerk vorgesehen sind. Folglich ist es möglich, Lehrdaten T zu erzeugen, die für das Maschinenlernen von Kl verwendet werden, die das Walzwerk als Anlage steuert.
Außerdem erzeugt die Vorrichtung 20 zum Extrahieren von neuen Lehrdaten Lehrdaten T unter Verwendung von Daten, wenn die Walzwerkbetriebsgeschwindigkeit v in den Anlagenbetriebsverfolgungsaufzeichnungsdaten gleich oder mehr als eine Verfolgungsaufzeichnungsdaten-Einlesegeschwindigkeitsbedingung THv ist, die vordefiniert ist. Folglich ist es möglich, geeignete Lehrdaten unter Verwendung von Betriebsverfolgungsaufzeichnungsdaten zu erzeugen, wenn das Walzwerk arbeitet.
Außerdem bestimmt die Vorrichtung 20 zum Extrahieren von neuen Lehrdaten, dass Lehrdaten T erzeugt werden können, wenn der Manipulationsergebnisbewertungswert Tv gleich oder mehr als eine Formbewertungswertbedingung THT zum Erzeugen von neuen Lehrdaten ist, die ein vordefinierter Bewertungsschwellenwert ist, und wenn die Formsteuereinheitsstellgrößen Oj gleich oder mehr als eine Stellgrößenbedingung THO für das Erzeugen von neuen Lehrdaten sind, die ein vordefinierter Manipulationsschwellenwert ist. Da Lehrdaten unter Verwendung von Betriebsverfolgungsaufzeichnungsdaten erzeugt werden, die erfasst werden, wenn das Walzen eine große Änderung der Form herstellt, und Formsteuereinheitsstellgrößen groß sind, ist es folglich möglich, Lehrdaten zu erzeugen, in denen der Rauscheinfluss verringert ist und die Zustandsänderung durch Manipulation der Anlage angemessen widergespiegelt wird. Nun kann die Vorrichtung 20 zum Extrahieren von neuen Lehrdaten bestimmen, dass Lehrdaten T erzeugt werden können, wenn der Manipulationsergebnisbewertungswert Tv gleich oder mehr als eine Formbewertungswertbedingung THT für das Erzeugen von neuen Lehrdaten ist, die ein vordefinierter Bewertungsschwellenwert ist. Folglich kann eine Bestimmung einfacher hinsichtlich dessen durchgeführt werden, ob Lehrdaten T erzeugt werden können oder nicht.
Nun ist die vorliegende Erfindung nicht auf die vorangehende Ausführungsform als solche begrenzt und ihre Komponenten können modifiziert und verkörpert werden, ohne vom Schutzbereich der Erfindung abzuweichen. Es ist auch möglich, Varianten der Erfindung durch geeignetes Kombinieren von mehreren Komponenten, die in der vorangehenden Ausführungsform offenbart sind, zu bilden. Einige Komponenten können beispielsweise von allen in der Ausführungsform dargelegten Komponenten entfernt werden. Ferner können Komponenten über verschiedene Ausführungsformen geeignet kombiniert werden.
[Erläuterungen von Buchstaben und Ziffern]
20 ... Vorrichtung zum Extrahieren von neuen Lehrdaten, 200 ... Verfolgungsaufzeichnungsdaten-Einlesegeschwindigkeitsbedingungsfestlegungseinheit, 201 ... Verfolgungsaufzeichnungsdaten-Einlesezählerfestlegungseinheit, 202 ... Lehrdateneingabeteil-Zustandsvariableneinleseeinheit, 203 ... Verfolgungsaufzeichnungsdaten-Rauschgegenmaßnahmen-Extraktionszeitfensterfestlegungseinheit, 204 ... Lehrdatenausgabeteil-Stellgrößeneinleseeinheit, 205 ... Einheit, die die Verzögerungszeit aufgrund der Zustandsvariablenänderung nach der Manipulation festlegt, 206 ... Manipulationsergebnisbewertungseinheit, 207 ... Bedingungsfestlegungseinheit für die Erzeugung von neuen Lehrdaten, 208 ... Bestimmungseinheit für die Erzeugung von neuen Lehrdaten, 209 ... Einheit zur Erzeugung von neuen Lehrdaten, 31 ... Lehrdaten-Datenbank-Aktualisierungsvorrichtung, 311 ... Lehrdaten-Datenbank-Dateneinleseeinheit, 312 ... Festlegungseinheit für die Anzahl von speicherbaren Lehrdaten, 313 ... Lehrdaten-Datenbank-Aktualisierungsverfahrensbestimmungseinheit, 314 ... Lehrdatenaktualisierungseinheit, 315 ... Lehrdatenwertberechnungseinheit, 316 ... Einheit, die zu aktualisierende Lehrdaten bestimmt, DB2 ... Lehrdaten-Datenbank für das Lernen eines neuronalen Netzes, DB5 ... Anlagenbetriebsverfolgungsaufzeichnungsdaten-Datenbank, N, N' ... Lehrdatenanzahlzähler, NMAX ... maximale Anzahl von speicherbaren Lehrdaten, Nud ... Zähler für aktualisierbare Lehrdaten, T, T' ... Lehrdaten, Tnew ... neue Lehrdaten, Val ... Lehrdatenwert, flgud ... Aktualisierungsverfahrens-Flag, fT ... Flag für die Erzeugung von neuen Lehrdaten, Tin ... Lehrdateneingabeteil, Tout ... Lehrdatenausgabeteil, v ... Betriebsgeschwindigkeit, S ... Zustandsvariablen des gewalzten Streifens, 0 ... Manipulatorzustandsvariablen, tband ... Extraktionszeitfenster, V ... Formbewertungswert, Tv ... Manipulationsergebnisbewertungswert, THT ... Formbewertungswertbedingung zum Erzeugen von neuen Lehrdaten, THO ... Stellgrößenbedingung zum Erzeugen von neuen Lehrdaten.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 2804161 [0017]

Claims

Lehrdatenerzeugungseinrichtung, die Anlagenbetriebsverfolgungsaufzeichnungsdaten mit Zustandsvariablen und Stellgrößen eines Satzes von Steuereinheiten, die für die Anlagensteuerung zum Manipulieren einer Anlage auf der Basis eines Zustandes der Anlage relevant sind, analysiert und Lehrdaten erzeugt, die für das Lernen von künstlicher Intelligenz verwendet werden, die die Anlagensteuerung durchführt, wobei die Lehrdatenerzeugungseinrichtung umfasst: eine Vorrichtung zum Extrahieren von neuen Lehrdaten, die einen Bewertungswert eines Ergebnisses einer Manipulation, die für eine Periode eines vorbestimmten Extraktionszeitfensters ab einer vorbestimmten Startzeit durchgeführt wird, auf der Basis der Anlagenbetriebsverfolgungsaufzeichnungsdaten berechnet, bestimmt, ob neue Lehrdaten erzeugt werden können oder nicht, unter Verwendung des Bewertungswerts, und wenn bestimmt wurde, dass die Lehrdaten erzeugt werden können, Lehrdaten mit einem Eingabeteil von Lehrdaten, der auf der Basis der Zustandsvariablen zur Startzeit berechnet wird, und einem Ausgabeteil von Lehrdaten, der auf der Basis der Stellgrößen berechnet wird, für die Periode des vorbestimmten Extraktionszeitfensters ab der Startzeit extrahiert; und eine Lehrdaten-Datenbank-Aktualisierungsvorrichtung, die die durch die Vorrichtung zum Extrahieren von neuen Lehrdaten extrahierten Lehrdaten in einer Datenbank speichert.
Lehrdatenerzeugungseinrichtung nach Anspruch 1, wobei die Lehrdaten-Datenbank-Aktualisierungsvorrichtung die Lehrdaten in der Datenbank bis zu einer vorbestimmten maximalen Anzahl von speicherbaren Lehrdaten als obere Grenze speichert.
Lehrdatenerzeugungseinrichtung nach Anspruch 2, wobei, wenn die Anzahl von Lehrdaten in der Datenbank die maximale Anzahl von speicherbaren Lehrdaten erreicht hat, die Lehrdaten-Datenbank-Aktualisierungsvorrichtung zwei Teile von Lehrdaten, für die ein Abstand zwischen ihrem Eingabeteil und dem Eingabeteil von anderen Lehrdaten am kleinsten ist, unter einem Lehrdatensatz der Lehrdaten innerhalb der Datenbank und neuen Lehrdaten, die neu durch die Vorrichtung zum Extrahieren von Lehrdaten extrahiert werden, festlegt, einen dieser zwei Teile von Lehrdaten, denjenigen, für die der Bewertungswert schlechter ist, entfernt und die restlichen Lehrdaten in der Datenbank speichert.
Lehrdatenerzeugungseinrichtung nach Anspruch 3, wobei im Hinblick auf einen Abstand zwischen dem Eingabeteil eines Teils von Lehrdaten und dem Eingabeteil eines anderen Teils von Lehrdaten die Lehrdaten-Datenbank-Aktualisierungsvorrichtung eine Gewichtung durchführt, so dass Lehrdaten, für die ein Abstand zu einem gewünschten Wert des Eingabeteils kleiner ist, verbleiben, und zwei Teile von Lehrdaten festlegt, für die der Abstand nach der Gewichtung am kleinsten ist.
Lehrdatenerzeugungseinrichtung nach Anspruch 1, wobei das Extraktionszeitfenster ein Zeitfenster ist, das auf der Basis einer Manipulationszeit bestimmt wird, die unter Verwendung von Referenzstellgrößen, die pro Steuereinheit im Satz von Steuereinheiten festgelegt sind, und der Betriebsgeschwindigkeit des Satzes von Steuereinheiten berechnet wird.
Lehrdatenerzeugungseinrichtung nach Anspruch 1, wobei die Anlage ein Walzwerk ist, wobei die Zustandsvariablen Zustandsvariablen eines gewalzten Streifens sind, die durch Formerfassungselemente erfasst werden, die am Walzwerk vorgesehen sind, und wobei die Stellgrößen Stellgrößen von Formsteuereinheiten sind, die am Walzwerk vorgesehen sind.
Lehrdatenerzeugungseinrichtung nach Anspruch 6, wobei die Vorrichtung zum Extrahieren von neuen Lehrdaten Lehrdaten unter Verwendung von Daten erzeugt, wenn die Walzwerkbetriebsgeschwindigkeit in den Anlagenbetriebsverfolgungsaufzeichnungsdaten gleich oder mehr als eine vordefinierte Geschwindigkeit ist.
Lehrdatenerzeugungseinrichtung nach Anspruch 1, wobei die Vorrichtung zum Extrahieren von neuen Lehrdaten bestimmt, dass die Lehrdaten erzeugt werden können, wenn der Bewertungswert gleich oder mehr als ein vordefinierter Bewertungsschwellenwert ist.
Lehrdatenerzeugungseinrichtung nach Anspruch 1, wobei die Vorrichtung zum Extrahieren von neuen Lehrdaten bestimmt, dass die Lehrdaten erzeugt werden können, wenn der Bewertungswert gleich oder mehr als ein vordefinierter Bewertungsschwellenwert ist, und wenn die Stellgrößen gleich oder mehr als ein vordefinierter Manipulationsschwellenwert sind.
Lehrdatenerzeugungsverfahren zum Analysieren von Anlagenbetriebsverfolgungsaufzeichnungsdaten mit Zustandsvariablen und Stellgrößen eines Satzes von Steuereinheiten, die für die Anlagensteuerung zum Manipulieren einer Anlage auf der Basis eines Zustandes der Anlage relevant sind, und Erzeugen von Lehrdaten, die für das Lernen von künstlicher Intelligenz verwendet werden, die die Anlagensteuerung durchführt, wobei das Lehrdatenerzeugungsverfahren umfasst: Berechnen eines Bewertungswerts eines Ergebnisses einer Manipulation, die für eine Periode eines vorbestimmten Extraktionszeitfensters ab einer vorbestimmten Startzeit durchgeführt wird, auf der Basis der Anlagenbetriebsverfolgungsaufzeichnungsdaten; Bestimmen, ob Lehrdaten erzeugt werden können oder nicht, unter Verwendung des Bewertungswerts; wenn bestimmt wurde, dass die Lehrdaten erzeugt werden können, Extrahieren von Lehrdaten mit einem Eingabeteil von Lehrdaten, der auf der Basis der Zustandsvariablen zur Startzeit berechnet wird, und einem Ausgabeteil von Lehrdaten, der auf der Basis der Stellgrößen berechnet wird, für die Periode des vorbestimmten Extraktionszeitfensters ab der Startzeit; und Speichern der extrahierten Lehrdaten in einer Datenbank.