JP2002241847A - Device for controlling quality of steel product - Google Patents
Device for controlling quality of steel productInfo
- Publication number
- JP2002241847A JP2002241847A JP2001042856A JP2001042856A JP2002241847A JP 2002241847 A JP2002241847 A JP 2002241847A JP 2001042856 A JP2001042856 A JP 2001042856A JP 2001042856 A JP2001042856 A JP 2001042856A JP 2002241847 A JP2002241847 A JP 2002241847A
- Authority
- JP
- Japan
- Prior art keywords
- product
- estimation
- input
- value
- material quality
- 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
- 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、鋼材の製品品質管
理装置に係り、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に用い
るのに好適な、鋼材の製品品質管理装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an apparatus for controlling the quality of steel products, and more particularly, to a method for heating and rolling cast slabs.
The present invention relates to a steel product quality control apparatus suitable for use in quality control of steel products manufactured by cooling, heat treatment, and the like.
【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て、このブラック
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同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, regardless of the physical phenomenon of the object, a physical phenomenon in the manufacturing process is defined as a black box, and a model of the black box is created from history data of inputs to the black box and outputs from the black box. There is an approach, for example, a method of selecting several factors that are considered to have a significant effect on the steel material and using a regression model identified by performing multiple regression based on the factors 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】しかしながら、従来の
材質推定方法は、いずれにしても、製造実績から材質の
推定値を出力するだけで、その推定誤差を評価すること
ができない。そのため、特に未経験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、その材質推定値が、製品の要求仕様（機械
試験特性範囲などの材質許容範囲）を満足するか否かの
判断が困難であるという問題点を有していた。However, in any case, the conventional material estimating method merely outputs an estimated value of the material from the production results and cannot evaluate the estimation error. For this reason, it is not possible to evaluate the reliability of the estimated material value output using the model, especially for new input data that has not yet been experienced, and the estimated material value is based on the required specifications of the product (the allowable material range such as the mechanical test characteristic range). It is difficult to determine whether or not the above condition is satisfied.
【０００６】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、製品の材料試験要否の判断を的確に
行うことができるようにすることを課題とする。SUMMARY OF THE INVENTION The present invention has been made to solve the above-mentioned conventional problems, and has as its object to make it possible to accurately determine whether or not a material test is required for a product.
【０００７】[0007]
【課題を解決するための手段】本発明は、過去に製造し
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、及
び、その推定誤差を計算し、出力する材質推定計算手段
と、前記材質推定値及び推定誤差、並びに、製品の材質
許容範囲から製品の材料試験要否を診断する材質診断手
段とを備えることにより、前記課題を解決したものであ
る。According to the present invention, a material storage means for accumulating material component results, operation results and material results for each product manufactured in the past, and input material component information and operation information are used. An input variable limiting means for limiting an input variable having a large influence on a material according to a rule, a distance function is defined using the limited input variable, and each data in the material storage means is input using the distance function. A material estimation calculating means for calculating a distance with the 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 an estimation error thereof, and outputting the estimated value. The object is achieved by providing a material diagnosis means for diagnosing the necessity of a material test of a product from the material estimated value and the estimation error and the allowable range of the material of the product.
【０００８】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して、材質の推
定精度を向上したものである。Further, the material component results, operation results, and material results for each product stored in the material storage means are classified into groups having similar material component results and operation results, thereby improving the accuracy of material estimation. It is.
【０００９】[0009]
【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.
【００１０】図１において、２０は本発明に係る製品品
質管理装置である。該製品品質管理装置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 product quality control device according to the present invention. The product quality management device 20 is connected to a production result collection device 22 and a material test result collection device 24 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.
【００１１】製造実績収集装置２２は、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。The production result collection device 22 provides, for each product 14 produced in the past, the component results of the material 10 and the actual values of the operating conditions in the manufacturing process 12 such as heating, rolling, cooling, and heat treatment (hereinafter referred to as operation results). ) Are collected as production results and supplied to the material estimation device 20. Further, the material test result collection device 24 is also used to store products 14 manufactured in the past.
Each time, a mechanical test characteristic value result (strength, toughness, etc .; hereinafter referred to as a material result) obtained in a material test of a product is collected and supplied to the material estimating device 20.
【００１２】製品品質管理装置２０は、図２に示す如
く、入力変数限定手段２０Ａ、材質推定計算手段２０
Ｂ、入力変数限定ルール格納手段２０Ｃ、材質記憶手段
２０Ｄ、及び、材質診断手段２０Ｅを備えている。As shown in FIG. 2, the product quality control device 20 includes an input variable limiting means 20A, a material estimation calculating means 20
B, input variable limitation rule storage means 20C, material storage means 20D, and material diagnosis means 20E.
【００１３】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３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３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. 3, 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, which corresponds to one line in FIG. 3) 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.
【００１４】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、材質影響要因（入力変数）には、鋳片の化学成分
（含有元素、含有量等）及び寸法、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）等、非常に多くのものがあり、例えば５０〜１００
にものぼる。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 to be used for estimating the material quality of a product from a large number of input variables. That is, the material influence factors (input variables) include the chemical components (content elements, contents, etc.) and dimensions of the slab, 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. 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.
【００１５】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 provides 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 condition (steel material extraction temperature, furnace time) in the manufacturing process 12. 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.
【００１６】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 the 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.
【００１７】材質診断手段２０Ｅは、材質推定計算手段
２０Ｂから出力される材質推定値及びその推定誤差と、
別途入力される製品の要求仕様（材質許容範囲）と、を
比較し、（材質推定値±推定誤差）が材質許容範囲内に
あるかどうかを判断する。即ち、推定誤差を考慮した材
質推定値が許容範囲内にあれば、製品の材料試験は不要
であると判断し、範囲外であれば材料試験が必要である
と判断し、これらの判断結果を出力する。The material diagnostic means 20E calculates the material estimated value output from the material estimation calculating means 20B and its estimation error,
The required specifications (material allowable range) of the product, which is separately input, are compared with each other to determine whether (material estimated value ± estimated error) is within the material allowable range. That is, if the estimated material value considering the estimation error is within the allowable range, it is determined that the material test of the product is unnecessary, and if the estimated value is out of the range, it is determined that the material test is necessary. Output.
【００１８】ここで、前記各手段２０Ａ〜２０Ｅ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 20E can be constructed in one computer, but may be constructed in a plurality of computers.
【００１９】以下、図４を参照して、材質診断の手順を
説明する。Hereinafter, the procedure of material diagnosis will be described with reference to FIG.
【００２０】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 (the material component and its content,
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.
【００２１】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に悪影響
を及ぼさないが、これより多く含有されると材質に悪影
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２０Ｂ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 does not usually affect the material of the product if the content is 0.01% by mass or less, there is a rule that if the content is higher than this, the material is adversely affected. If the input P content is 0.006% by mass, P is not regarded as an input variable, but if it is 0.02% by mass, it is selected as an input variable. The input variables limited in this way and input data corresponding to these input variables are supplied to the material estimation calculating means 20B.
【００２２】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.
【００２３】 Ｌ＝［ｗ１（Ｘ１−Ｘ１０）2＋ｗ２（Ｘ２−Ｘ２０）2＋・・・］1/2 ・・・（１）L = [w1 (X1−X10) 2 + w2 (X2−X20) 2 +...] 1/2 (1)
【００２４】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.
【００２５】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.
【００２６】次いでステップ１０６に進み、図５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 data of a 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.
【００２７】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３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 on the material (material 1 to material M in FIG. 3) is used for the material estimated value (output Value) and its estimation error.
【００２８】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 equations, 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.
【００２９】 ［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
【００３０】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 the 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.
【００３１】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.
【００３２】次にステップ１１０に進み、前記材料推定
計算手段２０Ｂからの出力値と、別途入力される製品の
要求仕様（材質許容範囲）とを用いて、材質診断手段２
０Ｅは、図６に示す如く、材質の診断を行う。即ち、前
記材質推定計算手段２０Ｂから入力される材質推定値及
びその推定誤差と、該推定計算の対象となる製品（これ
から製造するケースと既に製造が終了しているケースが
ある。）に対する客先からの要求仕様とを比較する。そ
して、（材質推定値―推定誤差）〜（材質推定値＋推定
誤差）が、要求仕様の許容範囲に入っていれば、この製
品は客先の要求仕様を満足していると判断し、製品の材
料試験は不要とする。一方、（材質推定値―推定誤差）
〜（材質推定値＋推定誤差）が、一部でも材質許容範囲
を逸脱していれば、この製品は客先の要求仕様を満足し
ていない可能性があると判断し、製品の材料試験を行う
ことを要求する。Then, the process proceeds to a step 110, wherein the material diagnostic means 2 is used by using the output value from the material estimation calculating means 20B and the required specification (material allowable range) of the product which is separately input.
0E diagnoses the material as shown in FIG. That is, the material estimation value input from the material estimation calculating means 20B and the estimation error, and the customer for the product to be estimated (there is a case to be manufactured now or a case where the production has already been finished). Compare with the required specifications from If (material estimated value-estimated error) to (material estimated value + estimated error) are within the permissible range of the required specifications, it is determined that this product satisfies the customer's required specifications, No material test is required. On the other hand, (material estimation value-estimation error)
If (the estimated value of the material + the estimated error) is out of the allowable range of the material, it is determined that the product may not satisfy the required specifications of the customer. Request to do.
【００３３】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 the present embodiment, the cases stored in the material storage means are not particularly clustered. However, when the material component results and 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.
【００３４】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（登録商標）ディス
クなどの記録媒体を介してもよい。また、客先の要求仕
様は、ＬＡＮ３０を経由して他の計算機から入力するよ
うにしてもよいし、人手による入力や記録媒体を介する
入力によってもよい。In this embodiment, the past case collection to the material estimating apparatus is 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. Alternatively, a recording medium such as a floppy (registered trademark) disk may be used. Further, the customer's required specifications may be input from another computer via the LAN 30, or may be input manually or via a recording medium.
【００３５】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 estimated material value has been described as being calculated and output by the material estimation calculating means, but may be performed by another means.
【００３６】なお、上記材質診断手段２０Ｅからの要求
によって材料試験を行った結果、材料実績が要求仕様を
満足していれば、出荷ないし次工程に進捗させ、一方、
要求仕様を満足していない場合には、他の客先への充当
可能性等を検討することになる。As a result of conducting a material test in response to a request from the material diagnostic means 20E, if the material performance satisfies the required specifications, the product is shipped or advanced to the next step.
If the required specifications are not satisfied, the applicability to other customers will be examined.
【００３７】[0037]
【発明の効果】本発明によれば、材質推定モデルの誤差
範囲及び推定値の信頼性を考慮して、材料試験要否の判
断を行うようにしたので、不良品の流出を未然に防ぐこ
とが可能となる。又、無駄な材料試験を省略することに
より、試験コストも低減することが可能となる。According to the present invention, the necessity of the material test is determined in consideration of the error range of the material estimation model and the reliability of the estimated value. Becomes possible. In addition, by omitting useless material tests, test costs can be reduced.
【図１】本発明を実現する装置構成の一例を示すブロッ
ク図FIG. 1 is a block diagram showing an example of a device configuration for realizing the present invention.
【図２】本発明にかかる製品品質管理装置の実施形態を
示すブロック図FIG. 2 is a block diagram showing an embodiment of a product quality management device according to the present invention.
【図３】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. 3 is a table showing an example of a material database used in the embodiment.
【図４】同じく材質診断の手順を示す流れ図FIG. 4 is a flowchart showing the procedure of material diagnosis.
【図５】同じく入力データの近傍の事例データから局所
的に推定するモデルを示す図FIG. 5 is a diagram showing a model locally estimated from case data in the vicinity of input data.
【図６】同じく材質診断手段の処理手順を示す流れ図FIG. 6 is a flowchart showing a processing procedure of the material diagnosis means.
１０…素材 １２…製造プロセス １４…製品 ２０…製品品質管理装置 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 ２０Ｅ…材質診断手段 ２２…製品実績収集装置 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 ... Product quality control device 20A ... Input variable limitation means 20B ... Material estimation calculation means 20C ... Input variable limitation rule storage means 20D ... Material storage means 20E ... Material diagnosis means 22 ... Product results Collection device 24: Material test result collection device 30: Local area network (LAN)
───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 4K038 AA01 AA03 AA04 BA01 CA01 CA03 DA01 FA03 5B056 BB00 HH00 ──────────────────────────────────────────────────続 き Continued on the front page F term (reference) 4K038 AA01 AA03 AA04 BA01 CA01 CA03 DA01 FA03 5B056 BB00 HH00
Claims (2)
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、及び、その推定誤差を計算し、出力する材質推定計
算手段と、 前記材質推定値及び推定誤差、並びに、製品の材質許容
範囲から製品の材料試験要否を診断する材質診断手段
と、 を備えたことを特徴とする鋼材の製品品質管理装置。(1) For each product manufactured in the past, material component results,
Material storage means for accumulating operation results and material results, input variable limiting means for limiting input variables having a large effect on materials in accordance with rules using input material component information and operation information, and the limited input variables Is used to define a distance function, a distance between each data in the material storage means and an input value is calculated using the distance function, and data close to the input value is extracted based on the calculated distance. A material estimation calculating means for calculating and outputting an estimated value of the material and the estimation error thereof from the obtained data, and diagnosing the necessity of the material test of the product from the material estimation value and the estimation error and the allowable range of the material of the product. A product quality control device for steel products, comprising:
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に記載の鋼材の製品品質管理装置。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 product quality control device for steel products according to item 1.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001042856A JP4365537B2 (en) | 2001-02-20 | 2001-02-20 | Steel product quality control equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001042856A JP4365537B2 (en) | 2001-02-20 | 2001-02-20 | Steel product quality control equipment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002241847A true JP2002241847A (en) | 2002-08-28 |
| JP4365537B2 JP4365537B2 (en) | 2009-11-18 |
Family
ID=18905104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001042856A Expired - Fee Related JP4365537B2 (en) | 2001-02-20 | 2001-02-20 | Steel product quality control equipment |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4365537B2 (en) |
Cited By (4)
| 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 |
| WO2007111021A1 (en) * | 2006-03-27 | 2007-10-04 | Ntn Corporation | Quality guarantee system for high frequency heat treatment equipment |
| JP2008168320A (en) * | 2007-01-11 | 2008-07-24 | Toshiba Mitsubishi-Electric Industrial System Corp | Structure and material control system of rolling line |
| CN112765011A (en) * | 2020-12-30 | 2021-05-07 | 上海昆涞生物科技有限公司 | Quality control state determination method and device and electronic equipment |
-
2001
- 2001-02-20 JP JP2001042856A patent/JP4365537B2/en not_active Expired - Fee Related
Cited By (5)
| 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 |
| WO2007111021A1 (en) * | 2006-03-27 | 2007-10-04 | Ntn Corporation | Quality guarantee system for high frequency heat treatment equipment |
| JP2008168320A (en) * | 2007-01-11 | 2008-07-24 | Toshiba Mitsubishi-Electric Industrial System Corp | Structure and material control system of rolling line |
| CN112765011A (en) * | 2020-12-30 | 2021-05-07 | 上海昆涞生物科技有限公司 | Quality control state determination method and device and electronic equipment |
| CN112765011B (en) * | 2020-12-30 | 2023-10-10 | 上海昆涞生物科技有限公司 | Quality control state judging method and device and electronic equipment |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4365537B2 (en) | 2009-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4681426B2 (en) | Apparatus and method for analyzing relation between operation and quality in manufacturing process, computer program, and computer-readable recording medium | |
| CN110428876B (en) | Steel material design method based on machine learning algorithm of physical guidance | |
| JP5867349B2 (en) | Quality prediction apparatus, operation condition determination method, quality prediction method, computer program, and computer-readable storage medium | |
| JP4365600B2 (en) | Steel product quality design apparatus and steel product manufacturing method | |
| JP2022132895A (en) | Manufacturing support system for predicting characteristics of alloy material, method for generating prediction model, and computer program | |
| JP3738738B2 (en) | Steel product quality control equipment | |
| JP2002241846A (en) | Device for judging abnormality in production process of steel product | |
| JP2002241847A (en) | Device for controlling quality of steel product | |
| CN112418522B (en) | Industrial heating furnace steel temperature prediction method based on three-branch integrated prediction model | |
| JP4299508B2 (en) | Operation and quality related analysis device in manufacturing process, related analysis method, and computer-readable storage medium | |
| JP3943841B2 (en) | Steel material estimation equipment | |
| 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 | |
| JP4194697B2 (en) | Classification rule search type cluster analyzer | |
| JP2003141215A (en) | Operation analyzing device, method, computer program and computer readable storage medium, in manufacturing process | |
| CN112765219B (en) | Stream data abnormity detection method for skipping steady region | |
| JP5522060B2 (en) | Quality prediction apparatus, operation condition determination method, quality prediction method, computer program, and computer-readable storage medium | |
| JP5220458B2 (en) | Output value prediction method, apparatus, and program for the method | |
| JP4365556B2 (en) | Equipment for creating manufacturing conditions for steel products | |
| CN117831659B (en) | Method and device for online detection of quality of wide and thick plates, electronic equipment and storage medium | |
| JP2020190863A (en) | Similar material search system, test apparatus and computer program | |
| CN115114968A (en) | Intelligent casting blank crack prediction method based on random forest | |
| CN112988529A (en) | Method and system for predicting database system performance based on machine learning | |
| JP2019173096A5 (en) | ||
| Das | Multivariate Statistical Process Monitoring Strategy for a Steel Making Shop |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061010 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070313 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20070724 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090714 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090821 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120828 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |