JP2003084806A - Device and method for supporting construction of control model - Google Patents

Device and method for supporting construction of control model

Info

Publication number
JP2003084806A
JP2003084806A JP2002256279A JP2002256279A JP2003084806A JP 2003084806 A JP2003084806 A JP 2003084806A JP 2002256279 A JP2002256279 A JP 2002256279A JP 2002256279 A JP2002256279 A JP 2002256279A JP 2003084806 A JP2003084806 A JP 2003084806A
Authority
JP
Japan
Prior art keywords
data
database
control
control model
model
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
Application number
JP2002256279A
Other languages
Japanese (ja)
Other versions
JP3755497B2 (en
Inventor
Masahiro Shikayama
昌宏 鹿山
Haruyoshi Kumayama
治良 熊山
Shohei Fukuoka
昇平 福岡
Masato Yoshida
正人 吉田
Yoichi Sugita
洋一 杉田
Yasuo Morooka
泰男 諸岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2002256279A priority Critical patent/JP3755497B2/en
Publication of JP2003084806A publication Critical patent/JP2003084806A/en
Application granted granted Critical
Publication of JP3755497B2 publication Critical patent/JP3755497B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Feedback Control In General (AREA)

Abstract

PROBLEM TO BE SOLVED: To construct the control model of high performance in a case when a controlled object is controlled on the basis of the control model. SOLUTION: Plural data stored in a database 121 for constructing the control model are divided into plural data groups free from the statistical difference, by a data dividing means 114, and stored in each of divided database 122. The control model is constructed by a model constructing means 115 on the basis of one of the divided data groups, and the constructed control model is evaluated by a model evaluating means 116 on the basis of the other data.

Description

【発明の詳細な説明】DETAILED DESCRIPTION OF THE INVENTION

【0001】[0001]

【発明の属する技術分野】本発明は鉄鋼,電力,一般産
業等の制御システムを対象とし、制御対象からデータを
収集して制御モデルを構築する場合に、高精度な制御モ
デルを効率的に構築する手法に関する。
BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a control system for steel, electric power, general industry, etc., and efficiently constructs a high-precision control model when data is collected from the control target to construct a control model. About the method of doing.

【0002】[0002]

【従来の技術】制御対象からデータを収集し計算機で用
いる従来技術としては、特開平6− 168222号記載のよ
うに、制御対象の制御情報を収集する手段を備え、収集
したデータを独立したメモリに蓄えることで、このデー
タを用いて繰り返しシミュレーションを行う手法があっ
た。
2. Description of the Related Art As a conventional technique for collecting data from a control target and using the same on a computer, as disclosed in Japanese Patent Laid-Open No. 6-168222, a means for collecting control information of a control target is provided, and the collected data is stored in an independent memory. There is a method of performing a simulation repeatedly using this data.

【0003】また制御対象から得たデータから制御モデ
ルを構築する従来手法としては、特開平5−296923 号記
載のように、制御対象から得た制御量誤差とこれを解消
するモデルのチューニング量の関係を何ケースか蓄え、
この関係を同定したニューラルネットで制御モデルをチ
ューニングする手法があった。
As a conventional method for constructing a control model from data obtained from a controlled object, as disclosed in Japanese Patent Laid-Open No. 5-296923, a control amount error obtained from a controlled object and a tuning amount of a model for eliminating the error are controlled. Store some cases of relationships,
There was a method of tuning a control model with a neural network that identified this relationship.

【0004】[0004]

【発明が解決しようとする課題】上記従来技術には、以
下の問題点があった。
The above prior art has the following problems.

【0005】特開平6−168222 号記載の手法は、制御対
象からのデータの採取と、これを計算機にどのような形
態で蓄えるかについての考慮はあるが、データを用いて
モデル構築を行う場合に、この作業を効率化する手法
や、構築した制御モデルの精度を向上させる方法につい
ては考慮されていなかった。さらに制御モデルの入出力
データの遅延関係を補償することに配慮していないた
め、制御モデルの入出力を異なった時刻のデータを用い
て構築する必要がある場合には、人手でこれを補償しな
ければならない場合があった。さらに蓄えたデータを制
御モデル構築に支障のない形態で圧縮することに配慮し
ていないため、データの採取を繰り返すと計算機に蓄え
られているデータ量が膨大となる問題があった。
The method described in Japanese Patent Application Laid-Open No. 6-168222 considers the collection of data from a control target and the form in which the data is stored in a computer. In addition, no consideration has been given to a method for improving the efficiency of this operation or a method for improving the accuracy of the constructed control model. Furthermore, since it is not considered to compensate for the delay relationship between the input and output data of the control model, if it is necessary to construct the input and output of the control model using data at different times, this must be compensated manually. There was a case that had to be done. Further, since no consideration is given to compressing the stored data in a form that does not hinder the construction of the control model, there has been a problem that the amount of data stored in the computer becomes enormous when data collection is repeated.

【0006】また特開平5−296923 号記載の手法では、
制御モデルの高精度化には配慮されているものの、制御
対象から得たデータがどの程度一般性を有しているかを
判断することを考慮していないため、例えばデータがノ
イズを含んでいる場合には、これが原因で構築した制御
モデルの精度が低下する問題があった。さらに構築した
制御モデルの妥当性を評価することに配慮していないた
め、制御モデルが一般性に乏しい場合には、これをその
まま実際の制御に用いることで制御性能が低下する場合
があった。さらに蓄えたデータが制御モデル構築に必要
な入出力領域の各部において、一般性を有した制御モデ
ルを構築するのに十分な量,質を有していることを検証
することに配慮していないため、制御モデルの特定の領
域の入力に対する出力の精度が著しく低下する場合があ
った。
In the method described in JP-A-5-296923,
Consideration has been given to improving the accuracy of the control model, but it does not consider how general the data obtained from the control object is.For example, if the data contains noise Has a problem that the accuracy of the constructed control model is reduced. Furthermore, since consideration is not given to the evaluation of the validity of the constructed control model, when the control model is poor in generality, the control model may be used as it is for actual control, so that the control performance may be reduced. Furthermore, no consideration is given to verifying that the stored data has sufficient quantity and quality to construct a general-purpose control model in each part of the input / output area required for control model construction. Therefore, the accuracy of the output with respect to the input in a specific area of the control model may be significantly reduced.

【0007】本発明の第1の目的は、構築した制御モデ
ルの妥当性を精度良く評価することを可能にした制御モ
デル構築支援装置を提供することにある。
[0007] A first object of the present invention is to provide a control model construction support apparatus which can accurately evaluate the validity of a constructed control model.

【0008】本発明の第2の目的は、制御モデルの入出
力を異なった時刻のデータを用いて構築する必要がある
場合には、制御対象から収集したデータに対して制御対
象の動作を基に各入力の遅延補償を行い、制御モデルの
構築にそのまま適用可能なデータベースを構築する制御
モデル構築支援装置を提供することにある。
[0008] A second object of the present invention is to provide a method for controlling input / output of a control model based on data collected from the control target when the input / output of the control model needs to be constructed using data at different times. It is another object of the present invention to provide a control model construction support apparatus for compensating delay of each input and constructing a database which can be directly applied to construction of a control model.

【0009】本発明の第3の目的は、制御モデルの動作
領域の各部においてデータの蓄積が不十分な領域があっ
た場合には、これをオペレータに報知することで制御モ
デルの局所的な性能の低下を回避する制御モデル構築支
援装置を提供することにある。
A third object of the present invention is to provide a system in which, when there is an area where data accumulation is insufficient in each part of an operation area of a control model, this is reported to an operator to thereby improve the local performance of the control model. It is an object of the present invention to provide a control model construction support device that avoids the decrease of the control model.

【0010】第4の目的として、制御対象から得たデー
タが膨大なとき、統計的な性質の喪失を最小化した形で
データベースのサイズを適正化し、適正化したデータベ
ースの内容を用いて制御モデルの構築を行う制御モデル
構築支援装置を提供することにある。
As a fourth object, when the data obtained from the control object is enormous, the size of the database is optimized in a form in which loss of statistical properties is minimized, and a control model is created using the optimized contents of the database. It is an object of the present invention to provide a control model construction support device for constructing a model.

【0011】第5の目的として、種々の制御モデル構築
支援手段をオペレータが対話形式で選択,実行できる環
境を提供した、使い勝手の良い制御モデル構築支援装置
を提供することにある。
A fifth object of the present invention is to provide an easy-to-use control model construction support apparatus which provides an environment where an operator can select and execute various control model construction support means in an interactive manner.

【0012】[0012]

【課題を解決するための手段】上記第1の目的は、制御
対象から収集したデータを該制御対象を模擬する制御モ
デルへの入力データ及び出力データとして分離すると共
に該入力データと該出力データを対応づけて複数のデー
タを第1のデータベースに格納するデータ収集手段と、
前記第1のデータベースに格納された複数のデータを統
計的に隔たりのない複数のデータ群に分離するデータ分
割手段と、該分離された複数のデータ群をそれぞれ格納
する複数のデータベースを有する第2のデータベース
と、前記第1又は前記第2のデータベースに格納された
データに基づいて前記制御対象を模擬する制御モデルを
構築するモデル構築手段と、該モデル構築手段で構築さ
れた前記制御モデルを前記第1又は前記第2のデータベ
ースに格納されたデータに基づいて評価するモデル評価
手段を備えることにより達成することができる。
A first object of the present invention is to separate data collected from a control target as input data and output data to a control model simulating the control target, and to separate the input data and the output data. Data collection means for storing a plurality of data in the first database in association with each other;
A second data division means for dividing a plurality of data stored in the first database into a plurality of data groups which are not statistically separated, and a plurality of databases each storing the separated plurality of data groups; And a model construction means for constructing a control model that simulates the control target based on data stored in the first or second database, and the control model constructed by the model construction means This can be achieved by providing a model evaluation unit for evaluating based on data stored in the first or second database.

【0013】上記第2の目的は、制御対象から収集した
データを該制御対象を模擬する制御モデルへの入力デー
タ及び出力データとして分離し、該分離した前記出力デ
ータが検出された時刻に基づいて、該出力データに対応
づけるべき入力データが収集される時刻を決定すると共
に、該決定された時刻に収集される入力データと該出力
データとを対にして前記第1のデータベースに格納する
データ収集手段と前記第1のデータベースに対にして格
納された前記入力データ及び前記出力データに基づいて
前記制御対象を模擬する制御モデルを構築するモデル構
築手段とを備えることにより達成することができる。
A second object of the present invention is to separate data collected from a control target as input data and output data to a control model simulating the control target, and based on a time at which the separated output data is detected. Determining the time at which input data to be associated with the output data is collected, and storing the input data collected at the determined time and the output data in pairs in the first database; This can be achieved by providing means and model construction means for constructing a control model that simulates the control target based on the input data and the output data stored as a pair in the first database.

【0014】上記第3の目的は、制御対象から収集した
複数のデータをデータベースに格納し、該データベース
に格納された複数のデータに基づいて該制御対象を模擬
する制御モデル構築支援装置において、前記制御モデル
の入出力領域を複数の部分領域に分割し、該分割した部
分領域に従って前記データベースに格納された複数のデ
ータを分離すると共に該分離した結果、予め定めたデー
タ数より少ない領域をオペレータに報知するデータ定量
化手段を備えることにより達成することができる。
A third object of the present invention is to provide a control model construction support apparatus which stores a plurality of data collected from a control target in a database and simulates the control target based on the plurality of data stored in the database. The input / output area of the control model is divided into a plurality of partial areas, a plurality of data stored in the database are separated according to the divided partial areas, and as a result of the separation, an area smaller than a predetermined number of data is provided to the operator. This can be achieved by providing a data quantification means for informing.

【0015】上記第4の目的は、制御対象から収集した
複数のデータをデータベースに格納し、該データベース
に格納された複数のデータに基づいて該制御対象を模擬
する制御モデル構築支援装置において、前記データベー
スに格納されているデータから該データを代表する少数
のデータの組み合わせを決定し、該少数のデータの組み
合わせを前記データベースに格納するデータ圧縮手段を
備えることにより達成することができる。
A fourth object of the present invention is to provide a control model construction support apparatus which stores a plurality of data collected from a control target in a database and simulates the control target based on the plurality of data stored in the database. This can be achieved by determining a combination of a small number of data representing the data from the data stored in the database, and providing data compression means for storing the combination of the small number of data in the database.

【0016】上記第5の目的は、制御対象から収集した
データを該制御対象を模擬する制御モデルへの入力デー
タ及び出力データとして分離し、該分離した前記出力デ
ータが検出された時刻に基づいて、該出力データに対応
づけるべき入力データが収集される時刻を決定すると共
に、該決定された時刻に収集される入力データと該出力
データとを対にして前記第1のデータベースに格納する
データ収集手段と、前記第1のデータベースに格納され
た複数のデータを統計的に隔たりのない複数のデータ群
に分離するデータ分割手段と、該分離された複数のデー
タ群をそれぞれ格納する複数のデータベースを有する第
2のデータベースと、前記第1又は前記第2のデータベ
ースに格納されたデータに基づいて前記制御対象を模擬
する制御モデルを構築するモデル構築手段と、該モデル
構築手段で構築された前記制御モデルを前記第1又は前
記第2のデータベースに格納されたデータに基づいて評
価するモデル評価手段と、前記制御モデルの入出力領域
を複数の部分領域に分割し、該分割した部分領域に従っ
て前記データベースに格納された複数のデータを分離す
ると共に該分離した結果、予め定めたデータ数より少な
い領域をオペレータに報知するデータ定量化手段と、前
記第1又は前記第2のデータベースに格納されているデ
ータから該データを代表する少数のデータの組み合わせ
を決定し、該少数のデータの組み合わせを前記第1又は
第2のデータベースに格納するデータ圧縮手段と、外部
からの入力信号により該収集手段,該データ分割手段,
該モデル構築手段,該モデル評価手段,該データ定量化
手段,該データ圧縮手段を独立して起動及び終了の管理
を行う管理手段とを備えることにより達成することがで
きる。
A fifth object of the present invention is to separate data collected from a control object as input data and output data to a control model simulating the control object, based on a time at which the separated output data is detected. Determining the time at which input data to be associated with the output data is collected, and storing the input data collected at the determined time and the output data in pairs in the first database; Means, data dividing means for separating a plurality of data stored in the first database into a plurality of data groups which are not statistically separated, and a plurality of databases each storing the separated plurality of data groups. And a control model that simulates the control target based on data stored in the first or second database. Model construction means for constructing, model evaluation means for evaluating the control model constructed by the model construction means based on data stored in the first or second database, and input / output area of the control model Is divided into a plurality of partial areas, a plurality of pieces of data stored in the database are separated according to the divided partial areas, and as a result of the separation, an area smaller than a predetermined number of data is notified to an operator. And determining a combination of a small number of data representing the data from the data stored in the first or second database, and storing the combination of the small number of data in the first or second database. Data collection means, data collection means, data division means,
This can be achieved by providing the model construction means, the model evaluation means, the data quantification means, and the data compression means with management means for independently managing activation and termination.

【0017】[0017]

【発明の実施の形態】以下、本発明の実施例を図にした
がって詳細に説明する。
DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Embodiments of the present invention will be described below in detail with reference to the drawings.

【0018】図1に本発明により実現された制御モデル
構築支援装置の構成を示す。まず全体の構成を説明した
後、各部の詳細を説明する。制御モデル構築支援装置1
00は種々のタスクが格納されている演算手段110,
演算手段110に備えられている種々の演算を選択的に
起動するタスク起動手段101,制御モデル構築用のデ
ータや構築された制御モデル等を記憶する記憶手段12
0,外部と信号の授受を行う通信インタフェース102
から構成される。さらに制御モデル構築支援装置100
はオペレータが入出力を行うマンマシン装置140を備
えている。さらにネットワーク150を介して制御装置
130,I/O160と接続され、制御装置130に対
しては構築した制御モデルをネットワーク150を介し
て出力する。またI/O160を介して制御対象170
の状態を観測し、必要なデータの取り込みを行う。制御
装置130はI/O160、ネットワーク150を介し
て制御対象170の状態を検出し、制御モデル構築支援
装置100で構築された制御モデルを用いて制御対象1
70を制御するための信号を出力する。制御対象170
は制御装置130が出力した制御信号をI/O160を
介して受け取り、これにしたがって動作する。
FIG. 1 shows the configuration of a control model construction support apparatus realized by the present invention. First, the overall configuration will be described, and then details of each unit will be described. Control model construction support device 1
00 denotes arithmetic means 110 in which various tasks are stored,
Task activating means 101 provided in the computing means 110 for selectively activating various computations, and storage means 12 for storing control model construction data, constructed control models, and the like.
0, a communication interface 102 for exchanging signals with the outside
Consists of Further, the control model construction support device 100
Is provided with a man-machine device 140 for input and output by an operator. Further, it is connected to the control device 130 and the I / O 160 via the network 150, and outputs the constructed control model to the control device 130 via the network 150. Further, the control target 170 is controlled via the I / O 160.
Observe the state of, and import necessary data. The control device 130 detects the state of the control target 170 via the I / O 160 and the network 150 and uses the control model constructed by the control model construction support device 100 to control the control target 1.
And outputs a signal for controlling 70. Control target 170
Receives the control signal output from the control device 130 via the I / O 160, and operates according to it.

【0019】本実施例では制御対象170として熱間圧
延ラインの加熱炉プラントを例に説明する。加熱炉18
0は圧延に先だって鋼板を高温に加熱するプラントで、
スラブと呼ばれる鋼板190が挿入され、バーナ181
〜184で熱して1100℃程度に昇温した後、高温の
スラブ192として出力する。加熱炉は通常、図に示す
ように4つ程度の炉帯(予熱帯,第1加熱帯,第2加熱
帯,均熱帯)から構成される。またセンサ171は炉に
入る前のスラブ温度θ0 を測定し、センサ172〜175
は各炉帯の温度t1〜t4をそれぞれ測定する。さらにセ
ンサ176は炉から出たときのスラブ温度θout を測定
する。
In the present embodiment, a heating furnace plant of a hot rolling line will be described as an example of the control object 170. Heating furnace 18
0 is a plant that heats the steel sheet to a high temperature before rolling.
A steel plate 190 called a slab is inserted, and the burner 181 is inserted.
After heating at 18184 to raise the temperature to about 1100 ° C., the slab 192 is output as a high-temperature slab 192. The heating furnace is generally composed of about four furnace zones (pre-tropical zone, first heating zone, second heating zone, uniform tropical zone) as shown in the figure. The sensor 171 measures the slab temperature θ 0 before entering the furnace, and the sensors 172 to 175
Measures the temperatures t 1 to t 4 of the respective furnace zones. In addition, sensor 176 measures the slab temperature θ out upon exiting the furnace.

【0020】次に制御モデル構築支援装置100の各部
の動作を詳細に説明する。タスク起動手段101は、マ
ンマシン装置140からオペレータが入力した情報にし
たがって演算手段110に格納されているタスクの起動
・管理を行う。図2にタスク起動手段101が実行する
処理を示す。通常はS2-1 でオペレータがマンマシン装
置140を介して信号を入力したかどうかを検出する処
理を行う。本実施例では割り込みでこの信号を受信する
例を示すが、周期的な検出処理を行ってもよい。割り込
みが発生すると割り込みルーチンに入り、S2-2 で割り
込みのコマンドを解釈し、演算手段110の中で、オペ
レータの指示したタスクを起動する。本実施例において
演算手段110は、データ収集手段111,データ定量
化手段112,データ圧縮手段113,データ分割手段
114,モデル構築手段115,モデル評価手段11
6,モデル転送手段117の各タスクを備えた例を示し
ている。同様に記憶手段120は、制御対象170から
収集したデータが蓄えられるデータベース121,分割
されたデータが蓄えられる第2のデータベース122、こ
れらを用いて構築された制御モデルが蓄えられる制御モ
デル格納部123から構成される。
Next, the operation of each unit of the control model construction support apparatus 100 will be described in detail. The task activating unit 101 activates and manages a task stored in the arithmetic unit 110 according to information input by the operator from the man-machine device 140. FIG. 2 shows a process executed by the task activation unit 101. Usually it performs a process of detecting whether the input signals via the operator man-machine device 140 in S 2-1. In the present embodiment, an example is shown in which this signal is received by interruption, but periodic detection processing may be performed. Enters the interrupt routine interrupt occurs, interprets the commands of the interrupt in S 2-2, in the computing means 110 activates the task instructed by the operator. In the present embodiment, the arithmetic means 110 includes a data collection means 111, a data quantification means 112, a data compression means 113, a data division means 114, a model construction means 115, and a model evaluation means 11.
6, an example including each task of the model transfer means 117 is shown. Similarly, the storage unit 120 includes a database 121 for storing data collected from the control target 170, a second database 122 for storing divided data, and a control model storage unit 123 for storing a control model constructed using these. Consists of

【0021】図3にデータ収集手段111の処理アルゴ
リズムを示す。データ収集手段111はタスク起動手段1
01からの起動指令にしたがって実行を開始される。ま
ずS3-1で通信I/F102を介して、制御モデルの入
力と出力に対応した信号を制御対象170に備えられた
センサの検出値として取り込む。本実施例では図1にし
たがって、θ0 ,t1〜t4,θout を取り込む。以下制
御モデルの入力が、θ0 ,t1〜t4、仕様としてあらか
じめ与えられているスラブ厚B、制御モデルの出力がθ
out の例を示す。制御モデルとしてはこれらの入出力関
係を再現する必要がある。関係をモデル化する例を示
す。S3-2 でθout を検出したスラブ192に対して、
各炉帯の在炉時間からこのスラブが加熱炉に挿入された
ときの時刻、および各炉帯で加熱を受けた時刻を算出す
る。加熱炉180は4つの炉帯から構成されており、予
熱帯〜均熱帯の各在炉時間は鋼板を搬送する速度と各炉
長により求めることができ、これをΔT1〜ΔT4とす
る。また、θout が検出された時刻をTout とすると、
スラブが加熱炉に挿入されたときの時刻Tinは、
FIG. 3 shows a processing algorithm of the data collection means 111. The data collection unit 111 is the task activation unit 1
Execution is started according to a start command from 01. First through the communication I / F102 at S 3-1, incorporate as a detection value of the sensor provided to the controlled object 170 a signal corresponding to the input and output of the control model. In this embodiment, θ 0 , t 1 to t 4 , and θ out are taken in according to FIG. Hereinafter, the input of the control model is θ 0 , t 1 to t 4 , the slab thickness B given in advance as a specification, and the output of the control model is θ
Here is an example of out . It is necessary to reproduce these input / output relationships as a control model. An example of modeling a relationship is shown. For the slab 192 for which θ out was detected in S 3-2 ,
The time when the slab is inserted into the heating furnace and the time when the slab is heated in each furnace zone are calculated from the in-furnace time of each furnace zone. The heating furnace 180 is composed of four furnace zones, and each in-furnace time from the pre-tropical zone to the solitary zone can be obtained from the speed at which the steel sheet is conveyed and the length of each furnace, and these are defined as ΔT 1 to ΔT 4 . If the time when θ out is detected is T out ,
The time T in when the slab is inserted into the heating furnace,

【0022】[0022]

【数1】 Tin=Tout−(ΔT1+ΔT2+ΔT3+ΔT4) …(数1) で算出できる。またスラブが各炉帯で加熱を受けた時刻
は、予熱帯Tpre 、第1加熱帯Th1,第2加熱帯Th2
均熱帯Tunifのそれぞれについて、
[Number 1] T in = T out - can be calculated by (ΔT 1 + ΔT 2 + ΔT 3 + ΔT 4) ... ( number 1). Also, the time when the slab was heated in each furnace zone is the pre-tropical T pre , the first heating zone Th 1 , the second heating zone Th 2 ,
For each of the tropics T unif

【0023】[0023]

【数2】 Tpre=Tout−(ΔT1/2+ΔT2+ΔT3+ΔT4) …(数2)[Number 2] T pre = T out - (ΔT 1/2 + ΔT 2 + ΔT 3 + ΔT 4) ... ( number 2)

【0024】[0024]

【数3】 Th1=Tout−(ΔT2/2+ΔT3+ΔT4) …(数3)[Number 3] T h1 = T out - (ΔT 2/2 + ΔT 3 + ΔT 4) ... ( number 3)

【0025】[0025]

【数4】 Th2=Tout−(ΔT3/2+ΔT4) …(数4)[Number 4] T h2 = T out - (ΔT 3/2 + ΔT 4) ... ( number 4)

【0026】[0026]

【数5】 Tunif=Tout−ΔT4/2 …(数5) で概算できる。S3-3では、このようにして算出した時
刻Tin,Tpre,Th1,Th2,Tunifをそれぞれ収集し
たθ0 ,t1〜t4に対応づけて、さらにスラブ厚Bを収
集したθout と関係づけて一組の対として制御モデル構
築用データを生成する。そしてS3-4 で、構築されたデ
ータの対を第1のデータベース121に格納する。
[Number 5] T unif = T out -ΔT 4/ 2 ... can be approximated by (number 5). In S 3-3, this way time T in which is calculated, T pre, in association with the T h1, T h2, T unif were collected respectively θ 0, t 1 ~t 4, further collecting slab thickness B The control model construction data is generated as a set of pairs in association with the obtained θ out . Then, in S 3-4 , the constructed data pair is stored in the first database 121.

【0027】図4に第1のデータベース121の構成例
を示す。制御モデルの入力であるθ0 ,t1〜t4,Bと
制御モデルの出力であるθout の組が多数蓄えられてい
る。
FIG. 4 shows a configuration example of the first database 121. Many sets of θ 0 , t 1 to t 4 , B which are inputs of the control model and θ out which is an output of the control model are stored.

【0028】データ定量化手段112は、第1のデータ
ベース121の内容を検索し、統計的な性質やデータの
隔たりを定量化してオペレータに報知する。オペレータ
は報知された結果を基に、第1のデータベース121の
内容が良好な制御モデルを構築するのに十分かどうかを
判断する。
The data quantification means 112 searches the contents of the first database 121, quantifies statistical properties and data gaps, and notifies the operator. The operator determines whether or not the contents of the first database 121 are sufficient to construct a good control model based on the notified result.

【0029】図5にデータ定量化手段112の構成を示
す。タスク起動手段101により起動される。処理方法
決定手段501,第1〜第nの複数の定量化手段502
〜505から構成される。定量化手段502〜505は
必要に応じて複数備えられるが、必要ない場合には1つ
であってもよい。処理方法決定手段501は、タスク起
動手段101を介したユーザからの指示により、第1の
定量化手段502〜第nの定量化手段505のどれを用
いるか選択する。選択された定量化手段の演算結果はマ
ンマシン装置140に表示される。
FIG. 5 shows the structure of the data quantification means 112. It is activated by the task activation means 101. Processing method determining means 501, first to n-th plurality of quantifying means 502
To 505. A plurality of quantification means 502 to 505 are provided as necessary, but one may be provided if unnecessary. The processing method determining means 501 selects which of the first to n-th quantifying means 502 to 505 is to be used according to an instruction from the user via the task activating means 101. The calculation result of the selected quantification means is displayed on the man-machine device 140.

【0030】図6に定量化手段の処理の一例を示す。図
6では、制御モデルの全領域を領域1〜領域nのn個の
部分領域に分割し、部分領域毎に第1のデータベース1
21に蓄えられているデータの個数をカウントしてオペ
レータに報知する例を示す。S6-1 で第1のデータベー
ス121からデータの対を一組抽出する。S6-2 で抽出
したデータのθout が、1090℃より小さいかどうか
判定する。小さい場合にはS6-3 で領域1に対応したデ
ータ数に1を加算する。1090℃より大きい場合に
は、S6-4で同様にθoutが1090℃より大きく110
0℃以下かどうかを判定する。判定結果がYesの場合に
はS6-5 で領域2に対応したデータ数に1を加算する。
このような操作を順次行い、第1のデータベース121
の各データの対が各領域に何個属しているか計算する。
6-11ですべてのデータの対について行ったことを確認
した後処理を終了する。
FIG. 6 shows an example of the processing of the quantification means. In FIG. 6, the entire region of the control model is divided into n partial regions of regions 1 to n, and the first database 1
21 shows an example in which the number of data stored in 21 is counted and reported to the operator. In S6-1 , a pair of data is extracted from the first database 121. It is determined whether or not θ out of the data extracted in S 6-2 is smaller than 1090 ° C. If smaller, it adds 1 to the number of data corresponding to the area 1 in S 6-3. If it is higher than 1090 ° C., similarly, θ out is higher than 1090 ° C. and 110 in S 6-4.
It is determined whether it is 0 ° C. or less. If the determination result is Yes, 1 is added to the number of data corresponding to the area 2 in S6-5 .
Such operations are sequentially performed, and the first database 121
Calculate how many data pairs belong to each region.
To end the check and post-processing that was performed on a pair of all of the data in the S 6-11.

【0031】図7にマンマシン装置140で報知された
定量化結果の一例を示す。各領域についてカウントされ
たデータの個数が表示され、著しく個数の少ない領域3
(他の領域との個数の差をとり、その差が予め定めたあ
る一定以上のもの)について、制御モデル高精度化の観
点から「1100℃<θout ≦1110℃のデータを追
加して下さい。」といった表示を行いデータを追加した
ほうが望ましいことを指示している。オペレータはこの
結果にしたがって、加熱炉180から出力されるスラブ
192の目標温度Θoutを1100℃<Θout≦1110
℃に設定してデータの追加を行い制御モデルの高精度化
を図ることができる。定量化手段502〜505が行う
処理としては、この他にθ0 ,t1〜t4,B,θout
各パラメータの分散を定量化し、その大きさで第1のデ
ータベース121に蓄えられているデータの隔たり具合
を報知する手法等、種々考えられる。
FIG. 7 shows an example of the quantification result notified by the man-machine device 140. The number of data counted for each area is displayed.
(Add the data of 1100 ℃ <θ out ≦ 1110 ℃ from the viewpoint of improving the accuracy of the control model) . "To indicate that it is desirable to add data. According to this result, the operator sets the target temperature Θ out of the slab 192 output from the heating furnace 180 to 1100 ° C. <Θ out ≦ 1110.
By setting the temperature to ° C., data can be added to improve the accuracy of the control model. In addition to the processing performed by the quantification means 502 to 505, the variances of the parameters θ 0 , t 1 to t 4 , B, and θ out are quantified and stored in the first database 121 according to the size. Various methods, such as a method of notifying the degree of separation of existing data, can be considered.

【0032】図8にデータ圧縮手段113の構成を示
す。データ圧縮手段113は第1のデータベース121
を情報の喪失を最小化した形で定められたサイズに圧縮
する処理を行う。ここでは一例としてデータ圧縮手段1
13が、量子化ネットワーク801と量子化アルゴリズ
ム802からなる場合の実施例を示す。本実施例では、
図1に示したデータベース121に蓄えられているデー
タがM個のとき、これらを良好に代表するp個のデータ
(p<M)に圧縮する場合を例に説明する。量子化ネッ
トワーク801はI1〜Inの入力(本実施例の場合入力
はθ0 ,t1 〜t4 ,Bのため、n=6)を取り込む入
力ニューロン805および定数を出力するしきい値ニュ
ーロン806からなる入力層803と、p個の量子化ニ
ューロン807からなる量子化ニューロン層804、さ
らに入力層803と量子化ニューロン層804 の間で信号
を伝達するシナプス808により構成される。入力ニュ
ーロン805は入力された信号の値をそのまま出力し、
量子化ニューロン807は入力ニューロン805の出力
及び結合しているシナプス808のシナプス荷重の値W
ijの積を次式に従い出力する。
FIG. 8 shows the structure of the data compression means 113. The data compression means 113 includes a first database 121
Is compressed to a predetermined size in such a manner that loss of information is minimized. Here, as an example, the data compression means 1
13 shows an embodiment in the case of comprising a quantization network 801 and a quantization algorithm 802. In this embodiment,
When the data stored in the database 121 shown in FIG. 1 is M, an example will be described in which the data is compressed into p data (p <M) that is well represented. Quantization network 801 is I 1 ~I n input (input in the present embodiment is θ 0, t 1 ~t 4, for B, n = 6) threshold for outputting the input neurons 805 and constants capture It comprises an input layer 803 composed of neurons 806, a quantized neuron layer 804 composed of p quantized neurons 807, and a synapse 808 for transmitting signals between the input layer 803 and the quantized neuron layer 804. The input neuron 805 outputs the value of the input signal as it is,
The quantization neuron 807 outputs the output of the input neuron 805 and the value W of the synapse weight of the synapse 808 connected thereto.
The product of ij is output according to the following equation.

【0033】[0033]

【数6】 (Equation 6)

【0034】量子化アルゴリズム802は、入力を次々
と量子化ネットワーク801に入力し、出力が最大であ
った量子化ニューロンが、対応した入力に対してさらに
大きな値を出力する方向に、シナプス荷重の値を更新す
る。
The quantization algorithm 802 inputs inputs to the quantization network 801 one after another, and the quantization neuron having the largest output outputs the synapse weight in such a direction as to output a larger value with respect to the corresponding input. Update the value.

【0035】図9に量子化アルゴリズム802が実行す
るアルゴリズムを示す。まずS9-1で、データベース1
21からデータを抽出し、量子化ネットワーク801に
入力する。図4に示したデータを圧縮する場合には、
(30,610,1020,…,1100),(27,
612,980,…,1100)のデータの組みが順次
入力される。次にS9-2 で、各量子化ニューロン807
について(数6)に基づいた演算を行い、出力値O1
pを算出する。S9-3 で、O1〜Opのうち値が最大の
ものを検出する。かりにOj が最大であったとすると、
量子化ニューロンjと入力層803のニューロンを結ぶ
シナプスの荷重W1j〜Wn+1 j を更新する。入力ニュー
ロン805に対応したシナプス荷重であるW1j〜Wn j
に関しては(数7)により、またしきい値ニューロン80
6に対応したシナプス荷重Wn+1 jに関しては(数8)
により、新しい値が計算される。
FIG. 9 shows an algorithm executed by the quantization algorithm 802. First, in S9-1 , database 1
The data is extracted from the data 21 and input to the quantization network 801. When compressing the data shown in FIG.
(30,610,1020, ..., 1100), (27,
612, 980,..., 1100) are sequentially input. Next, in S 9-2 , each quantization neuron 807
Is calculated based on (Equation 6), and output values O 1 to
To calculate the O p. In S 9-3, among values of O 1 ~ O p detects the maximum one. Assuming that O j is the largest,
The weights W 1j to W n + 1 · j of the synapses connecting the quantization neuron j and the neuron of the input layer 803 are updated. W 1j to W n · j which are synapse loads corresponding to the input neuron 805
According to (Equation 7), the threshold neuron 80
For the synapse load W n + 1 · j corresponding to No. 6, (Equation 8)
Calculates a new value.

【0036】[0036]

【数7】 Wij=Wij+α・(Ii−Wij) …(数7) (i=1,…,n)W ij = W ij + α · (I i −W ij ) (7) (i = 1,..., N)

【0037】[0037]

【数8】 (Equation 8)

【0038】ただしWij,Wn+1 j はそれぞれ更新後の
入力ニューロン,しきい値ニューロンに対応したシナプ
ス荷重の値、αは定数である。シナプス荷重の更新式
は、ベクトル(W1j,…,Wnj)とベクトル(I1
…,In)の類似度を大きくする処理と対応していれば
よく、このような更新式は(数7)(数8)の他にもい
くつか考えられる。S9-5 で処理の終了を判定する。終
了はS9-1〜S9-4を一定回数繰り返したことで判定して
もよいが、データベース121から抽出したデータの対
に対応したシナプス荷重の更新量が、すべて一定値以下
となったことで判定してもよい。処理が終了していない
場合にはS9-1 にかえり、データの組みを次々と抽出
し、同様の処理を繰り返す。以上の処理が終了すると第
1のデータベース121に格納されていたM個のデータ
の対がp個の量子化ニューロンのシナプス荷重で代表で
きたことになる。その後S9-6 で、p個の量子化ニュー
ロンに対応したシナプス荷重、
Here, W ij and W n + 1 · j are the values of the synapse load corresponding to the updated input neuron and threshold neuron, respectively, and α is a constant. The equation for updating the synapse load is expressed by a vector (W 1j ,..., W nj ) and a vector (I 1 ,
..., it is sufficient to correspond to the process to increase the similarity of I n), such update equation are considered also some other (7) (8). In S9-5 , the end of the process is determined. The termination may be determined by repeating S 9-1 to S 9-4 a certain number of times, but all the synapse load update amounts corresponding to the data pairs extracted from the database 121 have become equal to or less than the certain value. It may be determined by the following. Processing burr to S 9-1 If not completed, one after another extract a set of data, and repeats the same processing. When the above processing is completed, the M data pairs stored in the first database 121 can be represented by the synapse loads of the p quantized neurons. Then, in S 9-6 , the synapse weight corresponding to the p quantized neurons,

【0039】[0039]

【数9】 (Equation 9)

【0040】をデータベース121にコピーすることに
より、M個のデータを、これらを代表するp個の少数の
データで代表することができ、内容を圧縮できる。この
様な処理により第1のデータベース121のサイズを適
性に保つことができる。本実施例でデータ圧縮手段11
3は、第1のデータベース121にあらかじめ蓄えられ
たデータを対象に量子化を行い、その結果を第1のデー
タベース121にコピーすることにより内容の更新を行
ったが、時系列に得られる入力を通信I/F102から直接
取り込んで、量子化結果を第1のデータベース121に
出力する方法でも良い。
By copying the data into the database 121, M data can be represented by a small number of p representative data, and the contents can be compressed. By such processing, the size of the first database 121 can be kept appropriate. In this embodiment, the data compression means 11
3 performs quantization on the data stored in advance in the first database 121 and updates the content by copying the result to the first database 121. A method of directly taking in the quantization result from the communication I / F 102 and outputting the quantization result to the first database 121 may be used.

【0041】図10にデータ分割手段114の処理を示
す。データ分割手段114は、第1のデータベース12
1の内容を、統計的に隔たりのない複数のデータベース
に分割し、これらを第2のデータベース122に格納す
る。本実施例では2つのデータベースに分割する例を示
す。まずS10-1で、第1のデータベース121に格納さ
れているデータをθout の値の大きさにしたがって並び
換える。次にS10-2でデータを並びにしたがって抽出
し、第2のデータベース122の分割データベース1と
分割データベース2に交互に振り分ける。すなわち奇数
番目のデータの対は分割データベースに、偶数番目のデ
ータの対は分割データベース2に格納するといった形態
で、データの分割を行う。分割データベース11101
と分割データベース21102から構成される第2の分
割データベース122の構成は、例えば図11の形態と
なっている。S10-3で第1のデータベース121のすべ
てのデータの振り分けが終わったことを確認した後、S
10-4で2つのデータベースの統計的性質に隔たりがない
ことを明らかにする目的で、θ0 ,t1〜t4,B,θ
out に関して、統計量を算出し比較する。統計量として
は各パラメータについて平均値,分散,中央値等を求
め、2つのデータベース間でこれらの差が予め定めた範
囲内であることをもって、統計的性質に隔たりがないと
判断する。S10-5で比較結果を判定し、統計的性質に隔
たりがなければ良好なデータ分割が行われたと判断し、
処理を終了する。隔たりがあった場合には、S10-6で分
割データベース11101と分割データベース2110
2に蓄えられているデータの対、先に求めた統計量を表
示してオペレータの選択により分割データベース1と分
割データベース2間でデータを交換し、S10-4以降の処
理を繰り返す。
FIG. 10 shows the processing of the data dividing means 114. The data dividing means 114 stores the first database 12
1 is divided into a plurality of databases that are not statistically separated, and these are stored in the second database 122. In this embodiment, an example in which the database is divided into two databases will be described. First, at S 10-1, rearranging according to the magnitude of the value of the data stored in the first database 121 theta out. Next, in S10-2 , the data is arranged and extracted accordingly, and is alternately distributed to the divided database 1 and the divided database 2 of the second database 122. That is, data division is performed in such a manner that odd-numbered data pairs are stored in the divided database and even-numbered data pairs are stored in the divided database 2. Split database 11101
The configuration of the second divided database 122 composed of the divided database 21102 and the divided database 21102 is, for example, in the form shown in FIG. After confirming that the end of the distribution of all the data in the first database 121 in S 10-3, S
In order to clarify that there is no difference between the statistical properties of the two databases in 10-4 , θ 0 , t 1 to t 4 , B, θ
For out , statistics are calculated and compared. As a statistic, an average value, a variance, a median value, and the like are obtained for each parameter, and it is determined that there is no difference in statistical properties when the difference between the two databases is within a predetermined range. In step S10-5 , the comparison result is determined. If there is no difference in statistical properties, it is determined that good data division has been performed.
The process ends. If there is gap is divided into a split database 11101 in S 10-6 database 2110
The data sets stored in the data base 2 and the previously obtained statistics are displayed, and the data is exchanged between the divided database 1 and the divided database 2 by the operator's selection, and the processing after S10-4 is repeated.

【0042】図12にモデル構築手段115の処理を示
す。モデル構築手段115は、第1のデータベース12
1,分割データベース11101,分割データベース21
102のいずれかを選択し、蓄えられているデータの対か
ら、θ0,t1〜t4,B を入力、θout を出力とする制
御モデルを構築する。制御モデルの形態としては多層ニ
ューラルネットの利用等種々考えられるが、本実施例で
は、回帰モデルを例に説明する。図12のS12-1で制御
モデルの入力を決定する。入力はθ0 ,t1 〜t4,B
とθout の関係を良好に近似できることに配慮して、例
えばln(θ0),ln(t1),ln(t2),ln
(t3),(t4)2 ,Bのように決定する。次にS12-2
でデータベースに格納されているデータを用いて制御モ
デルを(数10)のように構築する。
FIG. 12 shows the processing of the model construction means 115. The model construction means 115 includes a first database 12
1, divided database 11101, divided database 21
102, a control model is constructed in which θ 0 , t 1 to t 4 , and B are input and θ out is output from the stored data pairs. Various forms of the control model can be considered, such as the use of a multilayer neural network. In this embodiment, a regression model will be described as an example. In S12-1 of FIG. 12, the input of the control model is determined. Input is θ 0 , t 1 to t 4 , B
With consideration to be well approximated the relationship theta out with, for example, ln (θ 0), ln ( t 1), ln (t 2), ln
(t 3 ), (t 4 ) 2 , and B are determined. Next, S 12-2
A control model is constructed as shown in (Equation 10) using the data stored in the database.

【0043】[0043]

【数10】 θout=a0+a1ln(t1)+a2ln(t2)+a3ln(t3)+a44 2+a5B …(数10) ここでa0〜a5は、広く知られている線形回帰分析の手
法(例えば『回帰分析と主成分分析』日科技連)により
一意的に決定できる。本実施例では回帰モデルの構築を
例に示したが、θ0 ,t1〜t4,Bを入力、θout を出
力とする多層ニューラルネットでモデルを構築する等、
制御モデル構築の手法としては、種々考えられる。
Equation 10] θ out = a 0 + a 1 ln (t 1) + a 2 ln (t 2) + a 3 ln (t 3) + a 4 t 4 2 + a 5 B ... ( Equation 10) where a 0 ~a 5 Can be uniquely determined by a widely known linear regression analysis method (for example, “Regression Analysis and Principal Component Analysis” by Nikkagiren). In this embodiment, the construction of the regression model has been described as an example. However, a model is constructed by a multilayer neural network having θ 0 , t 1 to t 4 , and B as input and θ out as output.
There are various methods for constructing a control model.

【0044】次にモデル評価手段116の処理を示す。
モデル評価手段116は分割データベース11101を
用いて構築した制御モデルの確からしさを分割データベ
ース21102を用いて評価したり、逆に分割データベ
ース21102を用いて構築した制御モデルの確からし
さを第1のデータベース1101を用いて評価し、その
結果をオペレータに報知する。まずS13-1でモデル構築
手段115を用いてモデルを構築する。以上の処理は図
12と同様である。この結果、例えば(数10)のような
制御モデルが構築できる。S13-2でiを1に設定する。
13-3で第2のデータベース1102からi番目のデー
タの対を取り出し、入力の組θ0 〜Bを抽出する。S
13-4では構築した制御モデル式にこれらを入力し、出力
として得られるθout の推定値θout と、取り出したデ
ータの対のθoutについて差分ΔEiを、(数11)で計
算する。
Next, the processing of the model evaluation means 116 will be described.
The model evaluation unit 116 evaluates the likelihood of the control model constructed using the divided database 11101 using the divided database 21102, and conversely, determines the likelihood of the control model constructed using the divided database 21102 in the first database 1101. And evaluates the result, and notifies the operator of the result. First, a model is constructed using the model construction means 115 in S13-1 . The above processing is the same as in FIG. As a result, for example, a control model such as (Equation 10) can be constructed. In S13-2 , i is set to 1.
In S13-3 , the i-th data pair is extracted from the second database 1102, and the input sets θ 0 to B are extracted. S
Type them in 13-4 was constructed control model equation, and estimates theta out of the resulting theta out as an output, the theta out of pairs of data extracted difference Delta] E i, is calculated by equation (11).

【0045】[0045]

【数11】 ΔEi=|θout−θout| …(数11) S13-3〜S13-4の処理を、分割データベース21102
に未処理のデータの対がなくなるまで繰り返す。S13-7
で得られた差分を総計し、(数12)にしたがってモデ
ル誤差Etotal を算出する。
ΔE i = | θ out −θ out | (Equation 11) The processing of S 13-3 to S 13-4 is divided into divided databases 21102.
Repeat until there are no more unprocessed data pairs. S 13-7
Are calculated, and the model error E total is calculated according to (Equation 12).

【0046】[0046]

【数12】 (Equation 12)

【0047】S13-8で処理の終了を判定し、終了してい
ない場合には再度S13-1に処理を復帰し、制御モデルの
入力を変えて、S13-1〜S13-7を繰り返す。この結果、
種々の入力の組み合わせに対するモデル誤差Etotal
算出できる。図14にこれを表示したマンマシン装置1
40の画面例を示す。図14に示すように、各モデルに
対応したモデル誤差Etotal が表示され、オペレータは
最もモデル誤差の小さい制御モデルを選択できる。尚、
この場合にはEtotal が最も小さいものをモデル評価手
段116で求め、最もEtotal が小さいものを制御モデ
ルと自動的に決定するようにしてもよい。
[0047] to determine the end of the process in S 13-8, to return the process to the S 13-1 again. If it is not finished, by changing the input of the control model, S 13-1 ~S 13-7 repeat. As a result,
Model errors E total for various combinations of inputs can be calculated. Man-machine device 1 displaying this in FIG.
40 shows an example of a screen. As shown in FIG. 14, the model error E total corresponding to each model is displayed, and the operator can select the control model with the smallest model error. still,
In this case, the model with the smallest E total may be obtained by the model evaluation means 116, and the one with the smallest E total may be automatically determined as the control model.

【0048】モデル転送手段117は、タスク起動手段
101を介して授受したオペレータからの指令にしたが
って、選択されたモデルを通信I/F,ネットワーク1
50を介して制御装置130に転送する。
The model transfer means 117 transmits the selected model to the communication I / F and the network 1 in accordance with an instruction from the operator transmitted and received via the task activating means 101.
The data is transferred to the control device 130 via the control unit 50.

【0049】次に本発明の第2の実施例として、図15
に演算手段110の機能としてデータ正規化手段150
1を備えた実施例を示す。データ正規化手段1501は
図1に示した他の演算手段のタスクと並行して必要に応
じて組み込まれる。制御モデルを多層ニューラルネット
で構成する場合等では、入出力のデータは0〜1等に正
規化して用いることが普通であり、このような場合にタ
スク起動手段101を介したオペレータからの指示によ
り、処理が起動される。データ正規化手段1501は、第1
のデータベース121に蓄えられている各変数のデータ
をある範囲に正規化し、結果を正規化データベース15
02に格納する。正規化データベース1502は同様に
モデル構築に用いられ、データ分割手段114による複
数のデータベースへの分割等も、同様に行われる。
Next, as a second embodiment of the present invention, FIG.
The data normalizing means 150 as a function of the arithmetic means 110
1 shows an embodiment with 1. The data normalizing means 1501 is incorporated as needed in parallel with the tasks of the other arithmetic means shown in FIG. In the case where the control model is configured by a multilayer neural network, the input / output data is normally used after being normalized to 0 to 1 or the like. , The process is started. The data normalizing means 1501
The data of each variable stored in the database 121 is normalized to a certain range, and the result is normalized.
02 is stored. The normalized database 1502 is similarly used for model construction, and division into a plurality of databases by the data dividing means 114 is similarly performed.

【0050】図16にデータ正規化手段1501の処理
アルゴリズムを示す。本実施例では値を0〜1の範囲に
正規化する場合を示す。S16-1で第1のデータベース1
21のある変数について、その最大値DmaxとDminを算
出する。次にS16-2で、この変数の値を、
FIG. 16 shows a processing algorithm of the data normalizing means 1501. In this embodiment, a case where the value is normalized to a range of 0 to 1 is shown. First database 1 in S16-1
The maximum values Dmax and Dmin of 21 variables are calculated. Next, in S16-2 , the value of this variable is

【0051】[0051]

【数13】 Di=(Di−Dmin)/(Dmax−Dmin) …(数13) により新たな値に更新する。これによりDiは最小値が
0、最大値が1となり、すべてのデータが0〜1の間の
値となる。S16-3で正規化していない変数があるかどう
かを判定し、ある場合には正規化していない変数がなく
なるまでS16-1〜S16-2処理を繰り返す。
D i = (D i −D min ) / (D max −D min ) (Equation 13) The value is updated to a new value. Thus, Di has a minimum value of 0 and a maximum value of 1, and all data have values between 0 and 1. Determining whether there is a variable that is not normalized by S 16-3, repeated S 16-1 to S 16-2 processing until the variable which is not normalized is eliminated in some cases.

【0052】本実施例では制御モデル構築支援装置10
0と制御装置130を別構成とし、ネットワーク150
を介して結合する構成としたが、一体化してもよい。ま
た演算手段110のタスクは必要に応じて取捨選択して
もよいし、さらに他の機能を有したタスクを定義するこ
とも容易である。制御対象170として本実施例では加
熱炉プラントを例に説明したが、制御対象の入力と出力
の関係をモデル化して制御に用いる他の用途にも、本願
は広く用いることができる。またデータ圧縮手段の処理
としてベクトル量子化手法を適用した例を示したが、デ
ータベースの各変数の平均や分散等の統計的な性質を監
視しながら、これに影響を与えないようにデータの間引
きを行う等でも同様の効果を実現できる。
In this embodiment, the control model construction support device 10
0 and the control device 130 are configured separately, and the network 150
, But may be integrated. Further, the task of the arithmetic means 110 may be selected as necessary, and it is easy to define a task having another function. In this embodiment, a heating furnace plant is described as an example of the control target 170. However, the present invention can be widely used for other applications in which the relationship between the input and output of the control target is modeled and used for control. In addition, an example in which the vector quantization method is applied as the processing of the data compression means has been described. The same effect can be realized by performing

【0053】[0053]

【発明の効果】本発明によれば、データ収集手段を設け
たことにより、制御モデルの入出力を異なった時刻のデ
ータを用いて構築する必要があった場合でも、この操作
を人手で行う必要はない。またデータ定量化手段を設け
たことにより、良好な制御モデルを構築するために、ど
の領域のデータを新たに制御対象から採取すればよいか
を直ちに知ることができる。さらにデータ分割手段とモ
デル評価手段を設けたことにより、構築した制御モデル
の妥当性を実際の制御に用いる前に容易に検証できる。
またデータ圧縮手段を設けたことにより、データベース
に格納されているデータが時間の経過とともに膨大とな
っても、サイズを適正な規模に保つことができる。さら
にタスク起動手段を設けたことにより、オペレータは制
御モデル構築のために備えられた種々の支援手段を効率
的に選択して用いることができる。また制御モデルの優
劣を比較した実施例では、形の異なる回帰式の間でどち
らが妥当かを明らかにする例を示したが、中間層数や中
間層ニューロン数の異なる多層ニューラルネットの優劣
の比較,回帰モデルとニューラルネットの優劣の比較,
時系列モデルで現在からどこまで遡った入力を予測に用
いるべきか等の評価も、同様の形態で実現できる。
According to the present invention, even if it is necessary to construct the input and output of the control model by using data at different times by providing the data collecting means, it is necessary to perform this operation manually. There is no. Further, by providing the data quantification means, it is possible to immediately know which region of data should be newly collected from the control target in order to construct a good control model. Further, by providing the data dividing means and the model evaluation means, the validity of the constructed control model can be easily verified before using it for actual control.
Also, by providing the data compression means, even if the data stored in the database becomes enormous over time, the size can be kept at an appropriate size. Further, by providing the task starting means, the operator can efficiently select and use various support means provided for constructing the control model. In the embodiment comparing the superiority of the control model, an example was shown in which one of the regression equations having different shapes was clarified.However, the superiority of the multilayer neural nets having different numbers of hidden layers and hidden neurons was compared. , Comparison of regression model and neural network,
The evaluation of how far back the input from the present should be used for prediction in the time-series model can be realized in a similar form.

【図面の簡単な説明】[Brief description of the drawings]

【図1】本発明において実現された制御モデル構築支援
装置。
FIG. 1 is a control model construction support apparatus realized in the present invention.

【図2】タスク起動手段の処理アルゴリズム。FIG. 2 is a processing algorithm of a task starting unit.

【図3】データ収集手段の処理アルゴリズム。FIG. 3 is a processing algorithm of a data collection unit.

【図4】データベースの構成図。FIG. 4 is a configuration diagram of a database.

【図5】データ定量化手段の処理構成図。FIG. 5 is a processing configuration diagram of a data quantification unit.

【図6】データ定量化手段の処理アルゴリズム。FIG. 6 is a processing algorithm of a data quantification unit.

【図7】マンマシン装置の表示例。FIG. 7 is a display example of a man-machine device.

【図8】データ圧縮手段の処理構成図。FIG. 8 is a processing configuration diagram of a data compression unit.

【図9】量子化アルゴリズムの処理図。FIG. 9 is a processing diagram of a quantization algorithm.

【図10】データ分割手段の処理アルゴリズム。FIG. 10 is a processing algorithm of a data dividing unit.

【図11】分割データベースの構成図。FIG. 11 is a configuration diagram of a divided database.

【図12】モデル構築手段の処理アルゴリズム。FIG. 12 is a processing algorithm of a model construction unit.

【図13】モデル評価手段の処理アルゴリズム。FIG. 13 is a processing algorithm of a model evaluation unit.

【図14】マンマシン装置の表示例。FIG. 14 is a display example of a man-machine device.

【図15】データ正規化手段を設けた制御モデル構築支
援装置の構成図。
FIG. 15 is a configuration diagram of a control model construction support device provided with data normalization means.

【図16】データ正規化手段の処理アルゴリズム。FIG. 16 is a processing algorithm of a data normalizing unit.

【符号の説明】[Explanation of symbols]

100…制御モデル構築支援装置、101…タスク起動
手段、111…データ収集手段、112…データ定量化
手段、113…データ圧縮手段、114…データ分割手
段、115…モデル構築手段、116…モデル評価手
段、117…モデル転送手段、121…第1のデータベ
ース、122…第2のデータベース、130…制御装置、
140…マンマシン装置、170…制御対象。
Reference Signs List 100: Control model construction support device, 101: Task activation means, 111: Data collection means, 112: Data quantification means, 113: Data compression means, 114: Data division means, 115: Model construction means, 116: Model evaluation means 117: model transfer means, 121: first database, 122: second database, 130: control device,
140: man-machine device, 170: control target.

フロントページの続き (72)発明者 福岡 昇平 茨城県日立市大みか町五丁目2番1号 株 式会社日立製作所大みか工場内 (72)発明者 吉田 正人 茨城県日立市大みか町五丁目2番1号 株 式会社日立製作所大みか工場内 (72)発明者 杉田 洋一 茨城県日立市大みか町七丁目2番1号 株 式会社日立製作所電力・電機開発本部内 (72)発明者 諸岡 泰男 茨城県日立市大みか町七丁目2番1号 株 式会社日立製作所電力・電機開発本部内 Fターム(参考) 5H004 GA40 GB03 GB04 HB01 KD70Continuation of front page    (72) Inventor Shohei Fukuoka             5-2-1 Omika-cho, Hitachi City, Ibaraki Prefecture             Hitachi, Ltd. Omika Plant (72) Inventor Masato Yoshida             5-2-1 Omika-cho, Hitachi City, Ibaraki Prefecture             Hitachi, Ltd. Omika Plant (72) Inventor Yoichi Sugita             7-2-1, Omika-cho, Hitachi City, Ibaraki Prefecture             Hitachi, Ltd., Power & Electrical Development Division (72) Inventor Yasuo Morooka             7-2-1, Omika-cho, Hitachi City, Ibaraki Prefecture             Hitachi, Ltd., Power & Electrical Development Division F-term (reference) 5H004 GA40 GB03 GB04 HB01 KD70

Claims (11)

【特許請求の範囲】[Claims] 【請求項1】制御対象から収集したデータを該制御対象
を模擬する制御モデルへの入力データ及び出力データと
して分離すると共に該入力データと該出力データを対応
づけて複数のデータを第1のデータベースに格納するデ
ータ収集手段と、 前記第1のデータベースに格納された複数のデータを統
計的に隔たりのない複数のデータ群に分離するデータ分
割手段と、 該分離された複数のデータ群をそれぞれ格納する複数の
データベースを有する第2のデータベースと、 前記第1又は前記第2のデータベースに格納されたデー
タに基づいて前記制御対象を模擬する制御モデルを構築
するモデル構築手段と、 該モデル構築手段で構築された前記制御モデルを前記第
1又は前記第2のデータベースに格納されたデータに基
づいて評価するモデル評価手段を備えたことを特徴とす
る制御モデル構築支援装置。
1. A system according to claim 1, wherein data collected from the control target is separated as input data and output data to a control model simulating the control target, and the input data is associated with the output data to store a plurality of data in a first database. Data collection means for storing the plurality of data stored in the first database into a plurality of data groups which are not statistically separated; and storing the plurality of separated data groups respectively. A second database having a plurality of databases to perform, a model construction means for constructing a control model that simulates the control target based on the data stored in the first or second database; Model evaluation for evaluating the constructed control model based on data stored in the first or second database A control model construction support device comprising means.
【請求項2】前記モデル構築手段は前記第2のデータベ
ースが有する該複数のデータベースのうち一のデータベ
ースに格納された複数のデータに基づいて前記制御対象
を模擬する制御モデルを構築し、 前記モデル評価手段は該第2のデータベースが有する複
数のデータベースのうち前記モデル構築手段で利用され
ていない他のデータベースに格納されているデータに基
づいて前記制御モデルの評価を行うことを特徴とした請
求項第1項のモデル構築支援装置。
2. The model construction means constructs a control model that simulates the control target based on a plurality of data stored in one of the plurality of databases of the second database. The evaluation means evaluates the control model based on data stored in another database which is not used by the model construction means among a plurality of databases of the second database. Item 1. The model construction support device according to item 1.
【請求項3】前記モデル構築手段は前記第2のデータベ
ースが有する該複数のデータベースに格納された複数の
データに基づいて前記制御対象を模擬する複数の制御モ
デルを構築し、 前記モデル評価手段は該第2のデータベースが有する複
数のデータベースのうち前記モデル構築手段で利用され
ていない他のデータベースに格納されているデータに基
づいて前記制御モデルの評価を行い、前記構築された複
数の制御モデルから1つの制御モデルを決定することを
特徴とした請求項第1項のモデル構築支援装置。
3. The model constructing means constructs a plurality of control models that simulate the control object based on a plurality of data stored in the plurality of databases of the second database. The control model is evaluated based on data stored in another database that is not used by the model construction means among the plurality of databases of the second database, and the plurality of constructed control models are evaluated. The model construction support device according to claim 1, wherein one control model is determined.
【請求項4】前記データ収集手段は前記分離した前記出
力データが検出された時刻に基づいて、該出力データに
対応づけるべき入力データが収集される時刻を決定する
と共に、該決定された時刻に収集される入力データと該
出力データとを対にして前記第1のデータベースに格納
することを特徴とする請求項第1項の制御モデル構築支
援装置。
4. The data collection means determines a time at which input data to be associated with the output data is collected based on a time at which the separated output data is detected, and at the determined time. 2. The control model construction support apparatus according to claim 1, wherein the collected input data and the output data are stored in pairs in the first database.
【請求項5】制御対象から収集したデータを該制御対象
を模擬する制御モデルへの入力データ及び出力データと
して分離し、該分離した前記出力データが検出された時
刻に基づいて、該出力データに対応づけるべき入力デー
タが収集される時刻を決定すると共に、該決定された時
刻に収集される入力データと該出力データとを対にして
前記第1のデータベースに格納するデータ収集手段と、 前記第1のデータベースに対にして格納された前記入力
データ及び前記出力データに基づいて前記制御対象を模
擬する制御モデルを構築するモデル構築手段とを備えた
ことを特徴とする制御モデル構築支援装置。
5. Separating data collected from a control target as input data and output data to a control model simulating the control target, and separating the output data based on a time at which the separated output data is detected. Data collection means for determining the time at which the input data to be associated is collected, storing the input data and the output data collected at the determined time as a pair in the first database, A control model construction support apparatus comprising: a model construction unit configured to construct a control model that simulates the control target based on the input data and the output data stored as a pair in one database.
【請求項6】制御対象から収集したデータを該制御対象
を模擬する制御モデルへの入力データ及び出力データと
して分離すると共に該入力データと該出力データを対応
づけて複数のデータを第1のデータベースに格納するデ
ータ収集手段と、 前記第1のデータベースに格納された複数のデータを統
計的に隔たりのない複数のデータ群に分離するデータ分
割手段と、 該分離された複数のデータ群をそれぞれ格納する複数の
データベースを有する第2のデータベースと、 前記第1又は前記第2のデータベースに格納されたデー
タに基づいて前記制御対象を模擬する制御モデルを構築
するモデル構築手段とを備えたことを特徴とする制御モ
デル構築支援装置。
6. A first database which separates data collected from a control target as input data and output data to a control model simulating the control target, and associates the input data with the output data to a first database. Data collection means for storing the plurality of data stored in the first database into a plurality of data groups which are not statistically separated; and storing the plurality of separated data groups respectively. A second database having a plurality of databases, and a model construction means for constructing a control model that simulates the control target based on the data stored in the first or second database. Control model construction support device.
【請求項7】前記データ分割手段は、前記分離された複
数のデータ群のそれぞれについて平均値,分散値,中央
値,標準偏差等の統計量を算出し、該算出した値の差が
あらかじめ設定した値以上の場合に、前記第2のデータ
ベースが有する複数のデータベース間で該データベース
に格納された一部のデータを交換することを特徴とする
請求項第6項の制御モデル構築支援装置。
7. The data dividing means calculates statistics such as an average value, a variance value, a median value, and a standard deviation for each of the plurality of separated data groups, and sets a difference between the calculated values in advance. 7. The control model construction support apparatus according to claim 6, wherein when the value is equal to or more than the set value, a part of data stored in the second database is exchanged between the plurality of databases.
【請求項8】制御対象から収集した複数のデータをデー
タベースに格納し、該データベースに格納された複数の
データに基づいて該制御対象を模擬する制御モデル構築
支援装置において、 前記制御モデルの入出力領域を複数の部分領域に分割
し、該分割した部分領域に従って前記データベースに格
納された複数のデータを分離すると共に該分離した結
果、予め定めたデータ数より少ない領域をオペレータに
報知するデータ定量化手段を備えたことを特徴とする制
御モデル構築支援装置。
8. A control model construction support apparatus for storing a plurality of data collected from a control target in a database and simulating the control target based on the plurality of data stored in the database, comprising: Data quantification for dividing an area into a plurality of partial areas, separating a plurality of data stored in the database according to the divided partial areas, and notifying an operator of an area smaller than a predetermined number of data as a result of the separation. A control model construction support device comprising means.
【請求項9】制御対象から収集した複数のデータをデー
タベースに格納し、該データベースに格納された複数の
データに基づいて該制御対象を模擬する制御モデル構築
支援装置において、 前記データベースに格納されているデータから該データ
を代表する少数のデータの組み合わせを決定し、該少数
のデータの組み合わせを前記データベースに格納するデ
ータ圧縮手段を備えたことを特徴とする制御モデル構築
支援装置。
9. A control model construction support device for storing a plurality of data collected from a control target in a database and simulating the control target based on the plurality of data stored in the database, wherein the control model construction support device stores the plurality of data in the database. A control model construction support apparatus, comprising: data compression means for determining a combination of a small number of data representative of the data from the stored data and storing the combination of the small number of data in the database.
【請求項10】制御対象から収集したデータを該制御対
象を模擬する制御モデルへの入力データ及び出力データ
として分離し、該分離した前記出力データが検出された
時刻に基づいて、該出力データに対応づけるべき入力デ
ータが収集される時刻を決定すると共に、該決定された
時刻に収集される入力データと該出力データとを対にし
て前記第1のデータベースに格納するデータ収集手段
と、 前記第1のデータベースに格納された複数のデータを統
計的に隔たりのない複数のデータ群に分離するデータ分
割手段と、 該分離された複数のデータ群をそれぞれ格納する複数の
データベースを有する第2のデータベースと、 前記第1又は前記第2のデータベースに格納されたデー
タに基づいて前記制御対象を模擬する制御モデルを構築
するモデル構築手段と、 該モデル構築手段で構築された前記制御モデルを前記第
1又は前記第2のデータベースに格納されたデータに基
づいて評価するモデル評価手段と、 前記制御モデルの入出力領域を複数の部分領域に分割
し、該分割した部分領域に従って前記データベースに格
納された複数のデータを分離すると共に該分離した結
果、予め定めたデータ数より少ない領域をオペレータに
報知するデータ定量化手段と、 前記第1又は前記第2のデータベースに格納されている
データから該データを代表する少数のデータの組み合わ
せを決定し、該少数のデータの組み合わせを前記第1又
は第2のデータベースに格納するデータ圧縮手段と、 外部からの入力信号により該収集手段,該データ分割手
段,該モデル構築手段,該モデル評価手段,該データ定
量化手段,該データ圧縮手段を独立して起動及び終了の
管理を行う管理手段とを備えたことを特徴とする制御モ
デル構築支援装置。
10. Separating data collected from a control target as input data and output data to a control model simulating the control target, and separating the output data based on a time at which the separated output data is detected. Data collection means for determining the time at which the input data to be associated is collected, storing the input data and the output data collected at the determined time as a pair in the first database, Data dividing means for separating a plurality of data stored in one database into a plurality of data groups having no statistical separation, and a second database having a plurality of databases respectively storing the plurality of separated data groups And a model for constructing a control model that simulates the control target based on data stored in the first or second database. Construction means; model evaluation means for evaluating the control model constructed by the model construction means based on data stored in the first or second database; and a plurality of input / output areas of the control model. Data quantifying means for dividing into a plurality of partial areas, separating a plurality of data stored in the database according to the divided partial areas and notifying an operator of an area smaller than a predetermined number of data as a result of the separation; Data compression means for determining a combination of a small number of data representing the data from the data stored in the first or second database, and storing the combination of the small number of data in the first or second database The collection means, the data division means, the model construction means, the model evaluation means, and the data Capacity means, control model configuration supporting apparatus being characterized in that a management unit is used to start and end manage independently the data compression means.
【請求項11】制御対象から収集したデータを該制御対
象を模擬する制御モデルへの入力データ及び出力データ
として分離すると共に該入力データと該出力データを対
応づけて複数のデータを第1のデータベースに格納し、 前記第1のデータベースに格納された複数のデータを統
計的に隔たりのない複数のデータ群に分離すると共に該
分離された複数のデータ群を複数のデータベースを有す
る第2のデータベースにそれぞれ格納し、 前記第1又は前記第2のデータベースに格納されたデー
タに基づいて前記制御対象を模擬する制御モデルを構築
し、 該モデル構築手段で構築された前記制御モデルを前記第
1又は前記第2のデータベースに格納されたデータに基
づいて評価することを特徴とする制御モデル構築支援方
法。
11. A method according to claim 1, wherein data collected from the control target is separated as input data and output data to a control model simulating the control target, and the input data is associated with the output data to store a plurality of data in a first database. The plurality of data stored in the first database are separated into a plurality of data groups that are not statistically separated, and the separated plurality of data groups are stored in a second database having a plurality of databases. Respectively, constructing a control model that simulates the control target based on the data stored in the first or second database, and constructing the control model constructed by the model constructing means into the first or the second model. A control model construction support method characterized by performing an evaluation based on data stored in a second database.
JP2002256279A 2002-09-02 2002-09-02 Control model construction support apparatus and method Expired - Fee Related JP3755497B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2002256279A JP3755497B2 (en) 2002-09-02 2002-09-02 Control model construction support apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002256279A JP3755497B2 (en) 2002-09-02 2002-09-02 Control model construction support apparatus and method

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP5577196A Division JP3412384B2 (en) 1996-03-13 1996-03-13 Control model construction support device

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2005313675A Division JP2006099793A (en) 2005-10-28 2005-10-28 Control model construction support device and method

Publications (2)

Publication Number Publication Date
JP2003084806A true JP2003084806A (en) 2003-03-19
JP3755497B2 JP3755497B2 (en) 2006-03-15

Family

ID=19196664

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002256279A Expired - Fee Related JP3755497B2 (en) 2002-09-02 2002-09-02 Control model construction support apparatus and method

Country Status (1)

Country Link
JP (1) JP3755497B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11151158B2 (en) 2017-05-31 2021-10-19 Mitsubishi Electric Corporation Data duplication device and computer readable medium

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11151158B2 (en) 2017-05-31 2021-10-19 Mitsubishi Electric Corporation Data duplication device and computer readable medium

Also Published As

Publication number Publication date
JP3755497B2 (en) 2006-03-15

Similar Documents

Publication Publication Date Title
JP3412384B2 (en) Control model construction support device
Gai et al. A joint feedback strategy for consensus in large-scale group decision making under social network
CN109360604B (en) Ovarian cancer molecular typing prediction system
US20220129757A1 (en) Prediction method, device and system for rock mass instability stages
Tam et al. Selection of vertical formwork system by probabilistic neural networks models
CN110188910A (en) The method and system of on-line prediction service are provided using machine learning model
Oral et al. Predicting construction crew productivity by using Self Organizing Maps
CN106227510A (en) Method and device is recommended in application
Cao et al. A reinforcement learning hyper-heuristic in multi-objective optimization with application to structural damage identification
JP2005519394A (en) Automatic experiment planning method and system
CN117195747B (en) Uniform heat distribution optimization method for magnetic material drying
CN116166890B (en) Recommendation method, system, equipment and medium based on shallow automatic encoder model
JP3377163B2 (en) Autonomous control system
CN112884513A (en) Marketing activity prediction model structure and prediction method based on depth factorization machine
JP2003084806A (en) Device and method for supporting construction of control model
CN111859094A (en) Information analysis method and system based on cloud computing
EP4170558A1 (en) Program, data processing method, and data processing device
JP2006099793A (en) Control model construction support device and method
Araujo et al. Hybrid intelligent design of morphological-rank-linear perceptrons for software development cost estimation
CN112765521B (en) Website user classification method based on improved K neighbor
Wang et al. A new interactive model for improving the learning performance of back propagation neural network
JP6992733B2 (en) Information processing equipment and information processing method
Ambrogio et al. Design of an optimized procedure to predict opposite performances in porthole die extrusion
US20040039556A1 (en) Filter models for dynamic control of complex processes
JP2003036277A (en) Material data providing system, material data providing device, material data acquisition device, material data providing method, recording medium, and program

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20050406

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050607

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050801

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050830

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20051028

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20051129

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20051212

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100106

Year of fee payment: 4

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110106

Year of fee payment: 5

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120106

Year of fee payment: 6

LAPS Cancellation because of no payment of annual fees