JP2002236119A - Material estimating device for steel product - Google Patents
Material estimating device for steel productInfo
- Publication number
- JP2002236119A JP2002236119A JP2001032531A JP2001032531A JP2002236119A JP 2002236119 A JP2002236119 A JP 2002236119A JP 2001032531 A JP2001032531 A JP 2001032531A JP 2001032531 A JP2001032531 A JP 2001032531A JP 2002236119 A JP2002236119 A JP 2002236119A
- Authority
- JP
- Japan
- Prior art keywords
- input
- results
- estimation
- data
- storage means
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
- Control Of Heat Treatment Processes (AREA)
- Complex Calculations (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、鋼材の材質推定装
置に係り、特に、鋳造された鋳片を、加熱、圧延、冷
却、熱処理などして製造される鋼材の品質管理や製品設
計に用いるのに好適な、成分実績や操業実績から製品の
材質を推定する鋼材の材質推定装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an apparatus for estimating the quality of a steel material, and more particularly to a quality control and product design of a steel product manufactured by heating, rolling, cooling, heat-treating a cast slab. The present invention relates to a steel material estimating apparatus for estimating the material of a product from component results and operation results, which is suitable for the above.
【０００２】[0002]
【従来の技術】鋼材の材質推定方法には、まず、特開平
５−２７９７３７、特開平５−１４２１２６、特開平５
−１０７２４３、特開平５−９３７２０、特開平５−８
７８０２、特開平５−８７８０１、特開平５−８７８０
０、特開平５−７２２００、特開平５−２６８７２、特
開平５−２６８７１、特開平５−２６８７０、特開平９
−２９２３９１、特開平１１−２１６２６、特開平５−
２７９７３７等のように、製造過程の物理現象を解明
し、それを模倣した数式モデルを物理モデルとして用い
る方法がある。2. Description of the Related Art A method for estimating the material quality of a steel material is disclosed in Japanese Patent Application Laid-Open Nos. Hei 5-279737, Hei 5-142126 and Hei 5-142126.
-107243, JP-A-5-93720, JP-A-5-8
7802, JP-A-5-87801, JP-A-5-8780
0, JP-A-5-72200, JP-A-5-26872, JP-A-5-26871, JP-A-5-26870, JP-A-9
-292391, JP-A-11-21626, JP-A-5-
There is a method of elucidating a physical phenomenon in a manufacturing process, such as 279737, and using a mathematical model imitating the physical phenomenon as a physical model.
【０００３】一方、対象の物理現象に関係なく、製造過
程の物理現象をブラックボックスとし、このブッラクボ
ックスへの入力及びブラックボックスからの出力の履歴
データから、該ブラックボックスのモデルを作成するア
プローチがあり、例えば鋼材の材質に大きく影響がある
と考えられる要因をいくつか選定し、その要因により重
回帰を行って固定した回帰モデルを用いる方法が一般に
よく知られている。On the other hand, there is an approach in which a physical phenomenon in a manufacturing process is defined as a black box irrespective of a physical phenomenon of an object, and a model of the black box is created from history data of inputs to the black box and outputs from the black box. For example, a method of selecting several factors that are considered to have a significant effect on the steel material, performing a multiple regression based on the factors, and using a fixed regression model is generally well known.
【０００４】又、特開平８−２４０５８７のように、材
質推定モデルとして階層型ニューラルネットワークモデ
ルを用いる方法もある。There is also a method of using a hierarchical neural network model as a material estimation model as disclosed in Japanese Patent Application Laid-Open No. 8-240587.
【０００５】[0005]
【発明が解決しようとする課題】上記各モデルを用いて
製品の材質を推定するにあたっては、製品の材質に影響
を与える要因（以下、材質影響要因という）を入力変数
として、ある値を該モデルに入力し、材質推定値として
の出力値を得る。In estimating the material of a product using each of the above models, a certain value is used as an input variable with a factor affecting the material of the product (hereinafter referred to as a material influence factor). To obtain an output value as a material estimation value.
【０００６】しかしながら、上記材質影響要因には、素
材の成分（含有元素、含有量等）、加熱条件（鋼材抽出
温度、在炉時間等）、圧延条件（鋼材温度履歴、圧延寸
法、圧下率、圧延速度等）、冷却条件（鋼材温度履歴、
冷却速度等）、熱処理条件（炉内温度履歴、炉内雰囲気
等）など、非常に多くのものがあり、例えば５０〜１０
０にものぼる。又、鋼材の製造における冶金現象は、非
常に複雑で、その詳細な仕組の解明が困難であり、そし
て非線型であるという特徴を有する。更に、入力変数
（材質影響要因）の数に相当する次元の入力空間を想定
した場合、該入力空間の領域によって製品材質に影響す
る入力変数が変化する、例えば、入力変数Ａはある領域
では材質に影響を与えるが、別の領域では何の影響も及
ぼさないといった、特徴も有する。[0006] However, the above-mentioned material-influencing factors include material components (content elements, content, etc.), heating conditions (steel material extraction temperature, furnace time, etc.), rolling conditions (steel material temperature history, rolling dimensions, rolling reduction, Rolling speed, etc.), cooling conditions (steel temperature history,
Cooling rate, etc.), heat treatment conditions (furnace temperature history, furnace atmosphere, etc.).
It goes up to zero. Further, the metallurgical phenomenon in the production of steel materials is very complicated, it is difficult to elucidate its detailed mechanism, and it is characterized by being non-linear. Further, when an input space having a dimension corresponding to the number of input variables (material influence factors) is assumed, an input variable affecting product material changes depending on an area of the input space. For example, input variable A is a material in a certain area. , But has no effect in other areas.
【０００７】従って、前者の物理モデルによる方法で
は、このような物理現象を完全に模倣した、精度の高い
物理モデルを構築することは非常に困難である。更に、
このような物理モデルには、物理的意味が明確でない調
整用パラメータがあり、これらを調整するのに、多大な
時間と熟練を要するという問題もある。Therefore, it is very difficult to construct a high-accuracy physical model that completely imitates such physical phenomena by the former method using a physical model. Furthermore,
In such a physical model, there are parameters for adjustment whose physical meaning is not clear, and there is also a problem that it takes a lot of time and skill to adjust these parameters.
【０００８】一方、後者の回帰モデルやニューラルネッ
トワークモデルを用いる方法によれば、対象の入出力の
履歴データから、容易にモデルを作成することができ
る。しかしながら、前述のように、入力空間の領域によ
って出力（製品の材質）への影響度合いが変化すること
から、入力空間全域と出力空間（材質を示す各種機械試
験特性値、例えば引張強度、降伏応力、靭性、硬度等で
表現される空間）全域の関係を対応づけるために、モデ
ルの構造を限定し、換言すれば、多数の入力変数（材質
影響要因）の中からいくつかの入力変数を抽出し、全て
の履歴データを少数のパラメータ（線形回帰式の場合は
回帰係数、ニューラルネットワークの場合はニューロン
間の結合係数）に収斂させてしまうので、構造を限定し
たモデルが対象とかけ離れている場合には、推定精度が
著しく悪くなる。又、これらの方法は、入力変数の数を
限定しているため、推定精度が低く、また、モデルを適
用できる範囲にも限度がある。On the other hand, according to the latter method using a regression model or a neural network model, a model can be easily created from target input / output history data. However, as described above, since the degree of influence on the output (material of the product) varies depending on the region of the input space, the entire input space and the output space (various mechanical test characteristic values indicating the material, for example, tensile strength, yield stress) , Toughness, hardness, etc.) In order to correlate the relationship across the whole area, the structure of the model is limited, in other words, several input variables are extracted from many input variables (material influence factors) However, all historical data is converged to a small number of parameters (regression coefficients in the case of a linear regression equation, coupling coefficients between neurons in the case of a neural network), so if the model with limited structure is far from the target In this case, the estimation accuracy is significantly deteriorated. In addition, these methods limit the number of input variables, so that the estimation accuracy is low, and the range in which the model can be applied is limited.
【０００９】又、これら従来の材質推定方法は、入力デ
ータに対する材質推定値を出力するだけで、その出力値
即ち材質推定値の推定誤差を評価することができない。
そのため、特に未学習の新たな入力データに対してモデ
ルを用いて出力した材質推定値の信頼性評価ができず、
その材質推定値を、品質管理や製品設計などに用いてよ
いか否か判断ができない等の問題点を有していた。Further, these conventional material estimation methods only output a material estimation value for input data, but cannot evaluate an output value, that is, an estimation error of the material estimation value.
Therefore, it is not possible to evaluate the reliability of the material estimation value output using the model for new input data that has not been learned,
There has been such a problem that it is impossible to judge whether the material estimation value may be used for quality control, product design, and the like.
【００１０】本発明は、前記従来の問題点を解消するべ
くなされたもので、材質推定モデル作成における熟練や
労力を削減し、モデルの構造と対象の構造の乖離により
生じる推定誤差の発生を防止して、入力空間の全ての領
域での推定精度を向上することを第１の課題とする。The present invention has been made in order to solve the above-mentioned conventional problems, and reduces the skill and labor in creating a material estimation model, and prevents the occurrence of an estimation error caused by a deviation between a model structure and a target structure. The first problem is to improve the estimation accuracy in all regions of the input space.
【００１１】本発明は、又、材質推定値の信頼性を評価
可能とすることを第２の課題とする。Another object of the present invention is to make it possible to evaluate the reliability of the estimated material value.
【００１２】[0012]
【課題を解決するための手段】本発明は、鋼材の材質推
定装置において、過去に製造された製品毎に、素材成分
実績、操業実績及び材質実績を蓄積する材質記憶手段
と、入力される素材成分情報及び操業情報を用いて、材
質に与える影響の大きい入力変数をルールに従って限定
する入力変数限定手段と、該限定した入力変数を用いて
距離関数を定義し、この距離関数を用いて前記材質記憶
手段内の各データと入力値との距離を計算し、計算した
距離に基づいて入力値に近いデータを抽出し、該抽出さ
れたデータから材質の推定値を計算し、出力する材質推
定計算手段と、を備えることにより、前記第1の課題を
解決したものである。According to the present invention, there is provided a steel material estimating apparatus, comprising: material storage means for accumulating material component results, operation results, and material results for each product manufactured in the past; Using the component information and the operation information, an input variable limiting means for limiting an input variable having a large influence on the material in accordance with a rule, a distance function is defined using the limited input variable, and the material is defined using the distance function. Calculating a distance between each data in the storage means and the input value, extracting data close to the input value based on the calculated distance, calculating an estimated value of the material from the extracted data, and outputting the material estimation calculation Means for solving the first problem.
【００１３】又、前記材質記憶手段に蓄積されている製
品毎の素材成分実績、操業実績及び材質実績を、素材成
分実績や操業実績の近いグループに分類することによ
り、推定精度を向上させ、推定時間を短縮したものであ
る。Further, the accuracy of estimation is improved by classifying the material component results, operation results and material results for each product stored in the material storage means into groups having close material component results and operation results. It is a shortened time.
【００１４】本発明は、更に、前記材質推定計算手段
は、前記材質推定値の推定誤差を計算し、出力すること
により、前記第2の課題を解決したものである。According to the present invention, the material estimation calculating means solves the second problem by calculating and outputting an estimation error of the material estimation value.
【００１５】[0015]
【発明の実施の形態】以下図面を参照して、本発明の実
施形態を詳細に説明する。Embodiments of the present invention will be described below in detail with reference to the drawings.
【００１６】図１において、２０は本発明に係る材質推
定装置である。該材質推定装置２０には、ローカルエリ
アネットワーク（ＬＡＮ）３０を介して、製造実績収集
装置２２と材料試験実績収集装置２４が接続されてい
る。これら各装置２０、２２、２４は計算機、例えばワ
ークステーションから構成することができる。In FIG. 1, reference numeral 20 denotes a material estimating apparatus according to the present invention. A manufacturing result collection device 22 and a material test result collection device 24 are connected to the material estimation device 20 via a local area network (LAN) 30. Each of these devices 20, 22, and 24 can be constituted by a computer, for example, a workstation.
【００１７】製造実績収集装置２２は、図2に示す如
く、過去に製造した製品１４毎に、素材１０の成分実績
と、加熱、圧延、冷却、熱処理などの製造プロセス１２
における操業条件の実績値（以下操業実績と称する）と
を製造実績として収集し、材質推定装置２０へ供給す
る。また、材料試験実績収集装置２４は、同じく、過去
に製造された製品１４毎に、製品の材料試験で得られた
機械試験特性値実績（強度、靭性等。以下材質実績と称
する）を収集し、材質推定装置２０へ供給する。As shown in FIG. 2, the production result collection device 22 includes, for each product 14 produced in the past, the component results of the material 10 and the production process 12 such as heating, rolling, cooling, and heat treatment.
Are collected as production results and supplied to the material estimation device 20. Similarly, the material test result collection device 24 collects mechanical test characteristic value results (strength, toughness, etc .; hereinafter, referred to as material results) obtained by a material test of each product 14 manufactured in the past. Are supplied to the material estimation device 20.
【００１８】材質推定装置２０は、図3に示す如く、入
力変数限定手段２０Ａ、材質推定計算手段２０Ｂ、入力
変数限定ルール格納手段２０Ｃ、及び、材質記憶手段２
０Ｄを備えている。As shown in FIG. 3, the material estimating device 20 includes an input variable limiting means 20A, a material estimation calculating means 20B, an input variable limiting rule storing means 20C, and a material storing means 2
0D.
【００１９】ここで、前記製造実績収集装置２２及び材
料試験実績収集装置２４で収集された素材成分実績、操
業実績及び材質実績は、事例として材質記憶手段２０Ｄ
にデータベースとして蓄積される。具体的には、図４に
示す如く、製品毎の素材成分実績（成分１〜成分Ｋ）、
操業実績（操業１〜操業Ｌ）及び材質実績（材質１〜材
質Ｍ）が記載された表形式とすることができる。この材
質記憶手段に蓄積された事例（過去に製造された製品毎
のデータ。図４の１行分に相当。）のデータベースは、
更に素材成分実績や操業実績が近いグループに分類（ク
ラスタリングと称する）して、各グループ毎のデータベ
ースとして材質記憶手段に蓄積させることもできる。Here, the material component results, operation results, and material results collected by the manufacturing result collecting device 22 and the material test result collecting device 24 are stored in the material storage means 20D as an example.
Is stored as a database. Specifically, as shown in FIG. 4, the raw material component results for each product (component 1 to component K),
It can be in a table format in which operation results (operation 1 to operation L) and material results (material 1 to material M) are described. The database of the cases (data of products manufactured in the past, corresponding to one row in FIG. 4) stored in the material storage means is as follows.
Furthermore, it is also possible to classify the data into groups having similar material component results or operation results (referred to as clustering), and to store them in the material storage means as a database for each group.
【００２０】前記入力変数限定ルール格納手段２０Ｃに
は、多数の入力変数の中から製品の材質推定に使用する
入力変数を選択するためのルールが格納されている。即
ち、前述したように、材質影響要因（入力変数）には、
鋳片の化学成分及び寸法、加熱条件、圧延条件等、多く
のものがある。このような多数の材質影響要因を有する
対象に対して、全ての入力変数を用いて材質推定を行う
と、入力空間の次元が多すぎて推定に非常に長い時間を
要することから、入力変数を選択することで推定に使用
する入力変数を限定して推定時間の短縮を図る。そのた
めのルールを格納するのが入力変数限定ルール格納手段
２０Ｃである。例えば、材質を作り込む冶金プロセスに
は、素材のある成分Ａは、ある含有量ａ以上にならない
と材質に影響しないという特性がある。従って、入力変
数Ａは入力値ａ以上の入力空間領域では材質推定に用い
るが、入力値ａ未満の領域では用いない。このように入
力変数の特性に着目して、入力空間の領域により、入力
変数を限定することができる。こうした入力変数限定ル
ールは、様々な方法で作成できる。例えば、物理現象に
関する先見情報を蓄積したルールを予め作成しておくこ
とができる。あるいは、決定木などにより、蓄積したデ
ータから自動的にルールを作成することもできる。The input variable limitation rule storage means 20C stores rules for selecting an input variable used for estimating the material of a product from a large number of input variables. That is, as described above, the material influence factors (input variables) include:
There are many things such as chemical composition and dimensions of slabs, heating conditions, rolling conditions, and the like. When material estimation is performed using all input variables for a target having such a large number of material influence factors, the input space has too many dimensions and the estimation takes a very long time. By making selection, input variables used for estimation are limited to shorten the estimation time. The rule for that purpose is stored in the input variable limitation rule storage unit 20C. For example, in a metallurgical process for producing a material, there is a characteristic that a certain component A of the material does not affect the material unless the content a exceeds a certain content a. Accordingly, the input variable A is used for material estimation in an input space region equal to or larger than the input value a, but is not used in a region smaller than the input value a. In this way, by focusing on the characteristics of the input variables, the input variables can be limited by the area of the input space. Such input variable limitation rules can be created in various ways. For example, a rule in which foresight information on a physical phenomenon is accumulated can be created in advance. Alternatively, a rule can be automatically created from accumulated data using a decision tree or the like.
【００２１】入力変数限定手段２０Ａは、材質を推定し
ようとする製品に関する入力情報、即ち、素材の成分情
報（含有元素、含有量等）及び製造プロセス１２におけ
る加熱条件（鋼材抽出温度、在炉時間等）、圧延条件
（鋼材温度履歴、圧延寸法、圧下率、圧延速度等）、冷
却条件（鋼材温度履歴、冷却速度等）、熱処理条件（炉
内温度履歴、炉内雰囲気等）などの操業情報を基に、入
力変数限定ルールを参照して材質推定に使用する入力変
数を選択・限定し、この結果を材質推定計算手段２０Ｂ
に出力する。更に、入力された成分情報や操業情報の中
から限定された入力変数に対応する成分情報及び操業情
報を抽出して、材質推定計算手段２０Ｂに出力する。The input variable limiting means 20A receives input information relating to the product whose material is to be estimated, that is, information on the component of the material (content element, content, etc.) and the heating conditions (steel material extraction temperature, furnace time Operation information such as rolling conditions (steel material temperature history, rolling dimensions, rolling reduction, rolling speed, etc.), cooling conditions (steel material temperature history, cooling speed, etc.), heat treatment conditions (furnace temperature history, furnace atmosphere, etc.) The input variables used for material estimation are selected and limited with reference to the input variable limitation rule based on the input variable limitation rule.
Output to Furthermore, component information and operation information corresponding to the limited input variables are extracted from the input component information and operation information, and output to the material estimation calculating means 20B.
【００２２】材質推定計算手段２０Ｂは、入力変数限定
手段２０Ａで選択された入力変数を用いて距離関数（後
述）を定義し、この距離関数を用いて、材質記憶手段２
０Ｄに貯蔵されているデータの中から、入力値に近いデ
ータを有する事例を複数個抽出する。そして抽出された
事例の材質に関するデータを用いて、材質を推定して出
力する。併せて、推定誤差も出力する。The material estimation calculating means 20B defines a distance function (described later) using the input variables selected by the input variable limiting means 20A, and uses this distance function to store the material function.
From the data stored in 0D, a plurality of cases having data close to the input value are extracted. The material is estimated and output using the data on the material of the extracted case. At the same time, an estimation error is output.
【００２３】ここで、前記各手段２０Ａ〜２０Ｄは１つ
の計算機の中に構築することもできるが、複数計算機で
構築してもよい。Here, the means 20A to 20D can be constructed in one computer, but may be constructed in a plurality of computers.
【００２４】以下、図５を参照して、材質予測の手順を
説明する。The procedure of predicting the material will be described below with reference to FIG.
【００２５】まず、ステップ１００で、材質を推定しよ
うとする製品に関する情報（素材の成分とその含有量、
加熱炉における鋼材抽出温度や在炉時間、熱間圧延にお
ける圧延温度、圧下率、寸法、及び圧延速度、その他各
種製造条件）を材質推定装置２０に入力する。入力は人
間が行ってもよいし、他の計算機が行ってもよい。First, in step 100, information on the product whose material is to be estimated (material components and their contents,
The steel extraction temperature in the heating furnace, the in-furnace time, the rolling temperature in hot rolling, the rolling reduction, the dimensions, the rolling speed, and various other manufacturing conditions) are input to the material estimation device 20. The input may be made by a human or by another computer.
【００２６】次にステップ１０２で、入力変数限定手段
２０Ａは入力変数限定ルール格納手段２０Ｃに格納され
ているルールを参照して、入力された素材成分情報及び
操業情報を基に、出力に対する影響が大きい入力変数を
選択する。例えば、素材成分中の不可避的不純物Ｐは通
常含有量が0.01質量％以下であれば製品の材質悪影響を
及ぼさないが、これより多く含有されると材質に影響を
与えるというルールがあれば、入力されたＰの含有量が
0.006質量％の場合は、Ｐは入力変数とはされないが、
0.02質量％であれば、入力変数として選択されることに
なる。このようにして限定された入力変数、及びこれら
の入力変数に相当する入力データは材質推定計算手段２
０Ｂに供給される。Next, in step 102, the input variable limiting means 20A refers to the rules stored in the input variable limiting rule storage means 20C and determines the influence on the output based on the input material component information and operation information. Select a large input variable. For example, if the unavoidable impurity P in the raw material component is usually 0.01% by mass or less, it does not exert any adverse effect on the material of the product, but if there is a rule that if the content is higher than this, the material will be adversely affected, the input is made. The content of P
In the case of 0.006% by mass, P is not regarded as an input variable,
If it is 0.02% by mass, it will be selected as an input variable. The input variables limited in this way and the input data corresponding to these input variables are input to the material estimation calculating means 2.
0B.
【００２７】次いで、ステップ１０４に進み、材質推定
計算手段２０Ｂはステップ１０２で抽出された入力変数
を用いて、距離関数を定義する。この距離関数として
は、例えば、選択された入力変数の数に相当する次元空
間のユークリッド距離を用いることができる。ユークリ
ッド距離Ｌは、入力値を（Ｘ１０、Ｘ２０、・・・）と
し、材質記憶手段２０Ｄ内のデータを（Ｘ１、Ｘ２、・
・・）とすると、次式で表わされる。Next, proceeding to step 104, the material estimation calculating means 20B defines a distance function using the input variables extracted in step 102. As this distance function, for example, a Euclidean distance in a dimensional space corresponding to the number of selected input variables can be used. For the Euclidean distance L, the input value is (X10, X20,...), And the data in the material storage unit 20D is (X1, X2,.
..), it is expressed by the following equation.
【００２８】 Ｌ＝［ｗ１（Ｘ１−Ｘ１０）2＋ｗ２（Ｘ２−Ｘ２０）2＋・・・］1/2 ・・・（１）L = [w1 (X1−X10) 2 + w2 (X2−X20) 2 +...] 1/2 (1)
【００２９】ここで、ｗｉは重み係数であり、例えば、
入力値が出力値に与える影響を多重回帰分析により求め
ることができる。Here, wi is a weight coefficient, for example,
The influence of the input value on the output value can be determined by multiple regression analysis.
【００３０】そして、上記（１）式に基づいて材質記憶
手段２０Ｄに貯蔵されている各事例のデータと入力値の
間の距離を計算する。この距離は貯蔵されている事例の
数だけ算出される。Then, the distance between the data of each case stored in the material storage means 20D and the input value is calculated based on the above equation (1). This distance is calculated for the number of stored cases.
【００３１】次いでステップ１０６に進み、図６に示す
如く、入力値の近傍にある事例のデータを材質記憶手段
２０Ｄに蓄積されているデータから取得する。これには
様々な方法があるが、例えば材質記憶手段２０Ｄの中の
データで、前記（１）式で計算した距離Ｌが小さい方か
らＮ個（Ｎは予め定めた定数）の事例のデータを入力値
近傍にある事例のデータと定義することができる。Next, the routine proceeds to step 106, where the data of the case near the input value is obtained from the data stored in the material storage means 20D as shown in FIG. There are various methods for this. For example, the data in the material storage means 20D is used for the N (N is a predetermined constant) case data from the smaller distance L calculated by the above equation (1). It can be defined as data of a case near the input value.
【００３２】次いでステップ１０８に進み、入力値の近
傍にある取得された事例のデータから材質に関連するデ
ータ（図4の材質１〜材質Ｍ）を用いて、その入力値に
対する材質推定値（出力値）とその推定誤差を計算す
る。Then, the process proceeds to a step 108, wherein data relating to the material (material 1 to material M in FIG. 4) is used for the material estimation value (output Value) and its estimation error.
【００３３】これには、様々な方法があるが、例えば上
記のようにして取得された材質に関連するデータの平均
値［材質１］〜［材質Ｍ］を次式で算出し、これらを材
質推定値として出力し、同じくそれらの標準偏差を計算
し、推定誤差として出力することができる。あるいは、
特開平６−９５８８０に記載されているように、近傍の
事例との類似度を評価することもできる。There are various methods for this. For example, the average values [Material 1] to [Material M] of the data related to the material obtained as described above are calculated by the following formulas, and these are calculated. Output as an estimated value, similarly calculate their standard deviation, and output as an estimation error. Or,
As described in JP-A-6-95880, it is also possible to evaluate the similarity with a nearby case.
【００３４】 ［材質１］＝Σ材質１i／Ｎ ［材質２］＝Σ材質２i／Ｎ ・・・・・・・・・・・ ［材質Ｍ］＝Σ材質Ｍi／Ｎ ・・・（２） ここで、ｉ＝１〜Ｎ[Material 1] = ΣMaterial 1 i / N [Material 2] = ΣMaterial 2 i / N [Material M] = ΣMaterial Mi / N (2) Here, i = 1 to N
【００３５】出力値（材質推定値）としては、例えば、
引張強度、降伏点、伸び、シャルピー吸収エネルギーな
どの材質を表わす出力変数を用いることができる。As an output value (material estimation value), for example,
Output variables representing materials such as tensile strength, yield point, elongation, Charpy absorbed energy, etc. can be used.
【００３６】上述のステップ１０６およびステップ１０
８の処理はいずれも材質推定計算手段２０Ｂが行う。Steps 106 and 10 described above
8 is performed by the material estimation calculating means 20B.
【００３７】本実施形態においては、材質記憶手段に蓄
積されている事例を、特にクラスタリングしていない
が、素材成分実績、操業実績が広範囲にわたる場合には
事例を近いグループにクラスタリングし、各グループ毎
のデータベースを材質記憶手段に構築するようにしても
よい。例えば、成分Ｃの含有量に応じて、極低炭素鋼、
低炭素鋼、中炭素鋼、高炭素鋼のようなグループにクラ
スタリングすることが考えられる。これによれば、信頼
性の高い推定値を得ることができ、また、推定に要する
時間を更に短縮することができる。In this embodiment, the cases stored in the material storage means are not particularly clustered. However, when the material component results and the operation results are wide, the cases are clustered into close groups, and May be constructed in the material storage means. For example, depending on the content of the component C, extremely low carbon steel,
Clustering into groups such as low carbon steel, medium carbon steel and high carbon steel is conceivable. According to this, a highly reliable estimated value can be obtained, and the time required for the estimation can be further reduced.
【００３８】また、本実施形態では、材質推定装置への
過去の事例収集は、製造実績収集装置、材料試験実績収
集装置が行うことで説明したが、これに限らず、人間が
直接入力してもよいし、フロッピーディスクなどの記録
媒体を介してもよい。Further, in this embodiment, the past case collection to the material estimating apparatus has been described as being performed by the manufacturing result collecting apparatus and the material test result collecting apparatus. However, the present invention is not limited to this. Or a recording medium such as a floppy disk.
【００３９】さらに、材質推定値の推定誤差は材質推定
計算手段が計算、出力することで、説明したが、別の手
段が行うようにしてもよい。Further, the estimation error of the material estimation value has been described as being calculated and output by the material estimation calculating means, but may be performed by another means.
【００４０】[0040]
【実施例】連続鋳造で製造された鋳片を加熱、熱間圧延
を施して製造される熱延鋼板の材質推定を、本発明によ
る方法と既存の回帰モデルによる方法で行った。推定し
たのは熱延鋼板の引張強度である。本発明において、限
定した入力変数は、素材成分Ｃ、Ｃｕ、Ｓｉ、Ｍｎ、Ｎ
ｂの含有量と、仕上圧延機出側温度と、圧下率である。EXAMPLE The quality of a hot rolled steel sheet manufactured by heating and hot rolling a slab manufactured by continuous casting was estimated by a method according to the present invention and a method using an existing regression model. What was estimated was the tensile strength of the hot-rolled steel sheet. In the present invention, the limited input variables are the material components C, Cu, Si, Mn, N
The b content, the exit temperature of the finishing mill, and the rolling reduction.
【００４１】結果を図７に示す（本発明法：◆、従来
法：□）。図から明らかなように、本発明による推定値
の方が、既存の回帰モデルによる推定値よりも実績値と
よく一致していることがわかる。The results are shown in FIG. 7 (method of the present invention: Δ, conventional method: □). As is clear from the figure, the estimated value according to the present invention better matches the actual value than the estimated value based on the existing regression model.
【００４２】[0042]
【発明の効果】本発明によれば、対象の物理現象を模倣
したモデルではなく、対象の入出力履歴データを蓄積し
たデータベース型モデルを使用するようにしたので、対
象の詳細な仕組を解析する必要がなく、モデルの調整用
パラメータがないので、モデル作成の労力を削減でき、
熟練を要しない。又、回帰式や階層型ニューラルネット
ワークのように、モデルの構造を限定しないので、モデ
ルの構造と対象の構造が乖離することにより生じる推定
誤差の発生を防止できる。更に、入力値により、モデル
に用いる入力変数を適切に限定するようにしたので、計
算時間を増やさずに、モデルの適用範囲を広げることが
できる。According to the present invention, not a model imitating a physical phenomenon of a target but a database type model storing input / output history data of the target is used, so a detailed mechanism of the target is analyzed. No need for, and no model tuning parameters, reducing model creation effort,
Does not require skill. Further, unlike the regression equation and the hierarchical neural network, the structure of the model is not limited, so that it is possible to prevent the occurrence of an estimation error caused by the difference between the structure of the model and the structure of the object. Further, the input variables used in the model are appropriately limited according to the input values, so that the application range of the model can be expanded without increasing the calculation time.
【００４３】又、入力値と材質記憶手段に蓄積されてい
る事例データとの距離を用いることにより、出力値（材
質推定値）の推定誤差を評価できるようにしたので、品
質管理に出力値（材質推定値）を使用することができる
か否かが判断できるようになる。Further, since the estimation error of the output value (material estimation value) can be evaluated by using the distance between the input value and the case data stored in the material storage means, the output value ( It is possible to determine whether or not the (material estimated value) can be used.
【００４４】従って、オンラインで材質を推定すれば、
材料試験をする前に品質異常を早期発見でき、不良製品
の大量発生を防止することができる。又、材質が要求通
り作り込まれていると推定され、その材質推定値の推定
誤差が小さい鋼材については、従来課せられていた材料
試験を省くことができる。Therefore, if the material is estimated online,
It is possible to detect quality abnormalities at an early stage before conducting a material test, and to prevent mass production of defective products. Further, it is possible to omit the conventionally imposed material test for a steel material which is presumed to be made as required and whose estimation error of the material estimation value is small.
【図１】本発明を実現する実施形態の装置構成を示すブ
ロック図FIG. 1 is a block diagram showing an apparatus configuration of an embodiment for realizing the present invention.
【図２】前記実施形態において、過去の製造実績及び材
質実績を収集している様子を示すブロック図FIG. 2 is a block diagram showing a state where past production results and material results are collected in the embodiment.
【図３】本発明に係る材質推定装置の実施形態を示すブ
ロック図FIG. 3 is a block diagram showing an embodiment of a material estimation device according to the present invention.
【図４】前記実施形態で用いられる材質データベースの
例を示す図表FIG. 4 is a table showing an example of a material database used in the embodiment.
【図５】同じく材質推定の手順を示す流れ図FIG. 5 is a flowchart showing the procedure of material estimation.
【図６】同じく入力データの近傍の事例データから局所
的に材質を推定するモデルを示す図FIG. 6 is a diagram showing a model for locally estimating a material from case data in the vicinity of input data.
【図７】本発明と従来法の材質推定精度を比較して示す
線図FIG. 7 is a diagram showing a comparison between the material estimation accuracy of the present invention and the conventional method.
１０・・・素材 １２・・・製造プロセス １４・・・製品 ２０・・・材質推定装置 ２０Ａ・・・入力変数限定手段 ２０Ｂ・・・材質推定計算手段 ２０Ｃ・・・入力変数限定ルール格納手段 ２０Ｄ・・・材質記憶手段 ２２・・・製造実績収集装置 ２４・・・材料試験実績収集装置 ３０・・・ローカルエリアネットワーク（ＬＡＮ） DESCRIPTION OF SYMBOLS 10 ... Material 12 ... Manufacturing process 14 ... Product 20 ... Material estimation apparatus 20A ... Input variable limitation means 20B ... Material estimation calculation means 20C ... Input variable limitation rule storage means 20D ... Material storage means 22 ... Production record collection device 24 ... Material test record collection device 30 ... Local area network (LAN)
フロントページの続き Ｆターム(参考） 2G055 AA03 AA12 BA04 BA14 EA08 EA10 4K038 AA00 DA00 5B056 BB00 GG00 HH00 Continued on the front page F term (reference) 2G055 AA03 AA12 BA04 BA14 EA08 EA10 4K038 AA00 DA00 5B056 BB00 GG00 HH00
Claims (3)
績、操業実績及び材質実績を蓄積する材質記憶手段と、 入力される素材成分情報及び操業情報を用いて、材質に
与える影響の大きい入力変数をルールに従って限定する
入力変数限定手段と、 該限定した入力変数を用いて距離関数を定義し、この距
離関数を用いて前記材質記憶手段内の各データと入力値
との距離を計算し、計算した距離に基づいて入力値に近
いデータを抽出し、該抽出されたデータから材質の推定
値を計算し、出力する材質推定計算手段と、 を備えたことを特徴とする鋼材の材質推定装置。A material storage means for accumulating material component results, operation results, and material results for each product manufactured in the past, and having a large effect on a material by using input material component information and operation information. Input variable limiting means for limiting input variables according to a rule, a distance function is defined using the limited input variables, and a distance between each data in the material storage means and an input value is calculated using the distance function. Material estimation means for extracting data close to the input value based on the calculated distance, calculating an estimated value of the material from the extracted data, and outputting the estimated value, and estimating the material of the steel material. apparatus.
の素材成分実績、操業実績及び材質実績は、素材成分実
績や操業実績の近いグループに分類されていることを特
徴とする請求項１に記載の鋼材の材質推定装置。2. A material component record, an operation record, and a material record for each product stored in the material storage means are classified into groups having close material component records and operation records. A device for estimating the material quality of a steel material according to item 1.
の推定誤差を計算し、出力することを特徴とする請求項
１又は２に記載の鋼材の材質推定装置。3. The steel material estimating apparatus according to claim 1, wherein the material estimating calculation means calculates and outputs an estimation error of the material estimated value.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001032531A JP3943841B2 (en) | 2001-02-08 | 2001-02-08 | Steel material estimation equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001032531A JP3943841B2 (en) | 2001-02-08 | 2001-02-08 | Steel material estimation equipment |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004274066A Division JP2005070056A (en) | 2004-09-21 | 2004-09-21 | Apparatus for estimating quality of steel material |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002236119A true JP2002236119A (en) | 2002-08-23 |
| JP3943841B2 JP3943841B2 (en) | 2007-07-11 |
Family
ID=18896444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001032531A Expired - Lifetime JP3943841B2 (en) | 2001-02-08 | 2001-02-08 | Steel material estimation equipment |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3943841B2 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004277835A (en) * | 2003-03-17 | 2004-10-07 | Jfe Steel Kk | System for supporting orders for product of steel material |
| JP2011203177A (en) * | 2010-03-26 | 2011-10-13 | Jfe Steel Corp | Manufacturing condition determination device of hot-rolled coil, and method of the same |
| JP2011220708A (en) * | 2010-04-05 | 2011-11-04 | Jfe Steel Corp | Material prediction device for steel material |
| JP4879277B2 (en) * | 2005-11-14 | 2012-02-22 | エービービー エービー | Method and apparatus for estimating mechanical properties |
| US8263409B2 (en) | 2005-11-14 | 2012-09-11 | Abb Ab | Method and apparatus for estimating a mechanical property |
| JP2020185573A (en) * | 2019-05-10 | 2020-11-19 | オーエム金属工業株式会社 | Automatic material selection device and automatic material selection program |
| EP3912741A1 (en) | 2020-05-20 | 2021-11-24 | Hitachi, Ltd. | Hot rolling line control system and hot rolling line control method |
-
2001
- 2001-02-08 JP JP2001032531A patent/JP3943841B2/en not_active Expired - Lifetime
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004277835A (en) * | 2003-03-17 | 2004-10-07 | Jfe Steel Kk | System for supporting orders for product of steel material |
| JP4879277B2 (en) * | 2005-11-14 | 2012-02-22 | エービービー エービー | Method and apparatus for estimating mechanical properties |
| US8263409B2 (en) | 2005-11-14 | 2012-09-11 | Abb Ab | Method and apparatus for estimating a mechanical property |
| JP2011203177A (en) * | 2010-03-26 | 2011-10-13 | Jfe Steel Corp | Manufacturing condition determination device of hot-rolled coil, and method of the same |
| JP2011220708A (en) * | 2010-04-05 | 2011-11-04 | Jfe Steel Corp | Material prediction device for steel material |
| JP2020185573A (en) * | 2019-05-10 | 2020-11-19 | オーエム金属工業株式会社 | Automatic material selection device and automatic material selection program |
| EP3912741A1 (en) | 2020-05-20 | 2021-11-24 | Hitachi, Ltd. | Hot rolling line control system and hot rolling line control method |
| US11537105B2 (en) | 2020-05-20 | 2022-12-27 | Hitachi, Ltd. | Hot rolling line control system and hot rolling line control method |
| JP7449776B2 (en) | 2020-05-20 | 2024-03-14 | 株式会社日立製作所 | Hot rolling line control system and hot rolling line control method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3943841B2 (en) | 2007-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210397769A1 (en) | Material design device, material design method, and material design program | |
| EP1975860A1 (en) | Prediction formula making device and prediction formula making method | |
| JP5068637B2 (en) | Operation and quality related analysis apparatus, analysis method, program, and computer-readable recording medium in manufacturing process | |
| CN112100745B (en) | Automobile girder steel mechanical property prediction method based on LDA theory | |
| JP5604945B2 (en) | Quality prediction apparatus, quality prediction method, computer program, and computer-readable recording medium | |
| CN114897227B (en) | Multi-steel mechanical property forecasting method based on improved random forest algorithm | |
| US11803165B2 (en) | Manufacturing support system for predicting property of alloy material, method for generating prediction model, and computer program | |
| JP4365600B2 (en) | Steel product quality design apparatus and steel product manufacturing method | |
| JP3738738B2 (en) | Steel product quality control equipment | |
| JP2007052739A (en) | Method and device for generating model, method and device for predicting state, and method and system for adjusting state | |
| JP5003362B2 (en) | Product quality control method and control device | |
| JP5375507B2 (en) | Quality prediction apparatus, quality prediction method, program, and computer-readable recording medium | |
| JP4653547B2 (en) | Apparatus and method for analyzing relation between operation and quality in manufacturing process, computer program, and computer-readable recording medium | |
| JP2002236119A (en) | Material estimating device for steel product | |
| JP4623020B2 (en) | Optimal quality design support device | |
| CN115169453A (en) | Hot continuous rolling width prediction method based on density clustering and depth residual error network | |
| JP4299508B2 (en) | Operation and quality related analysis device in manufacturing process, related analysis method, and computer-readable storage medium | |
| JP4365536B2 (en) | Steel production process abnormality judgment device | |
| JP5488140B2 (en) | Quality prediction apparatus, quality prediction method, computer program, and computer-readable recording medium | |
| JP2004277835A (en) | System for supporting orders for product of steel material | |
| CN108364095B (en) | Molten steel quality diagnosis method in steelmaking production process based on data mining | |
| JP4365537B2 (en) | Steel product quality control equipment | |
| JP2010235972A (en) | Manufacturing controller and manufacturing method for high tension steel sheet | |
| CN117831659B (en) | Method and device for online detection of quality of wide and thick plates, electronic equipment and storage medium | |
| JP2005070056A (en) | Apparatus for estimating quality of steel material |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040323 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040720 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040921 |
|
| A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20040927 |
|
| A912 | Removal of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20041015 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070406 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100413 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110413 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110413 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120413 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130413 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130413 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140413 Year of fee payment: 7 |