JP2013145521A

JP2013145521A - 製造プロセスの能率予測方法、装置及びプログラム

Info

Publication number: JP2013145521A
Application number: JP2012006343A
Authority: JP
Inventors: Yasushi Mizutani; 泰水谷
Original assignee: Nippon Steel and Sumitomo Metal Corp
Current assignee: Nippon Steel Corp
Priority date: 2012-01-16
Filing date: 2012-01-16
Publication date: 2013-07-25
Anticipated expiration: 2032-01-16
Also published as: JP5673567B2

Abstract

【課題】処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスにおいて、製造プロセス全体の一貫能率を高精度かつ簡易に算定できるようにする。
【解決手段】処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスである厚板の圧延プロセスにおいて、各工程（スラブヤード工程、加熱工程、粗圧延工程、仕上圧延工程、加速冷却工程、剪断工程）の処理能率に影響を与えるパラメータを抽出するとともに、鋼種やサイズ等により製品群に分類して、製品群毎に前記直列、直結、多段の複数工程中の律速工程を特定して、製品群毎の固有の一貫能率（Ｔ／Ｈ）を求める。そして、その製品群毎の固有の一貫能率（Ｔ／Ｈ）を用いて、製品群の構成比に応じて製造プロセス全体の一貫能率（Ｔ／Ｈ）を算出する。
【選択図】図２

Description

本発明は、処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスにおいて、製造プロセス全体の一貫能率を予測するのに利用して好適な製造プロセスの能率予測方法、装置及びプログラムに関する。

鉄鋼業の代表的な製品である厚板の圧延プロセスは、スラブヤード工程、加熱工程、粗圧延工程、仕上圧延工程、加速冷却工程、剪断工程といった複数工程が直列、直結、多段に配されている。

その一方で、厚板は、厚、幅、長さのサイズ及び規格仕様が多岐にわたり、各工程のプロセス条件も不可避的に多様となる特徴を持つ。このため、圧延プロセスは、大規模でありながら、多品種少量の混流の生産でもあり、鋼片毎に一貫プロセス中の律速工程が逐次変動するため、圧延プロセス全体の一貫能率／生産性を高精度かつ簡易に予測することは、技術的に極めて難しい課題である。

特開２００２−３６６２１９号公報特開２００６−４８５４０号公報（特許第４６６０１３７号公報）特開２００７−１７９５１９号公報特開平３−４９８５３号公報（特許第２８０２３９３号公報）特開２００２−３３３９１１号公報（特許第４４７３４６７号公報）特開２００３−１６２３１３号公報特開平１０−１３８１０２号公報特開２００８−２７１５０号公報（特許第４７５７７２９号公報）特開２０１０−１２８６７９号公報特開２０１１−１３４２８３号公報特表２０００−５１１１１８号公報特開２００４−７８２７３号公報（特許３９７６６４０号公報）特開平７−１９１７３５号公報（特許３２０３９１８号公報）

「生産マネジメント入門Ｉ」藤本隆宏、日本経済新聞社、２００１「トヨタ生産方式に基づく『モノ』と『情報』の流れ図で現場の見方を変えよう」マイク・ローザー＆ジョン・シュック、日刊工業新聞社、２００１

この種の技術として、例えば特許文献１に開示されている技術は、コンピュータ上の仮想工場モデルを用いて、工場の実機器を模倣した仮想的な生産を行うシミュレーションにより生産計画の評価を行う手法に関するものである。しかしながら、様々な条件を仮定し、それぞれの条件に応じた個別の事象を逐次算定、積算し、その結果を評価関数により評価、比較して最適値をとる条件を選択する方案であるため、大規模かつ多品種少量の混流生産において、生産順列、すなわちシミュレーションの計算条件の組合せが膨大となる場合には、最近の計算機処理能力をもってしても、計算に長大な時間を要し、実用に適さない問題がある。

また、特許文献２に開示されている技術は、大規模かつ多品種少量の混流生産に関して、処理プロセスを離散事象モデルで表し、コンピュータシミュレーションを行うことにより生産計画の立案及び評価を行う手法に関するものである。しかしながら、主に複数工程経路で複数製品を処理するプロセスに関するものであり、直列多段のプロセスの一貫能率を算定するには適さない。さらに、生産順列の組合せが膨大となり、計算に長大な時間を要し、実用に適さない。

また、特許文献３に開示されている技術は、鉄鋼業における製鋼プロセス（精錬−連続鋳造）を対象とし、ガントチャートを用いて、比較的多品種の製品を複数工程で製造する際の生産計画立案に関するものである。しかしながら、より多品種少量であり生産順列の組合せが膨大となる厚板の圧延プロセスに適用しようとした場合、計算に長大な時間を要し、実用に適さない。

また、特許文献４に開示されている技術は、製造順序と各工程の所要時間が定まった製造プロセスに関するものである。しかしながら、製品毎に工程処理時間が変動する厚板の圧延プロセスのような大規模かつ多品種少量の混流生産には適用できない。

また、特許文献５に開示されている技術は、多品種の製品を複数工程で製造する際の大規模な生産計画立案に関するものである。しかしながら、鉄鋼業における製鋼〜圧延にわたる広範囲のプロセスを対象とし、日毎の生産量を大まかに算定・予測する用途を想定したものであり、厚板圧延のような直列、直結、多段の製造プロセスの一貫生産性（能率）を高精度に算定する用途には適用できない。

また、特許文献６に開示されている技術は、多品種少量の製品を複数工程で生産するプロセスの生産計画立案を支援する方法に関し、滞留時間の平均値が最大である工程をボトルネック工程として評価基準値を算定し、生産ラインモデルを用いたシミュレーションを行うものである。しかしながら、多品種少量であり生産順列の組合せが膨大となる厚板圧延のような製造プロセスに適用しようとした場合、最近の計算機処理能力をもってしても、計算に長大な時間を要し、実用に適さない。

例えば、非特許文献１、２では、多品種少量生産の加工、組み立てラインにおいて、部品や製品の属性やプロセスの同一性あるいは類似性を基準として、多品種の部品、製品をいくつかのグループ（パーツファミリー、製品ファミリー等とも呼ばれる）に分類し、生産の最適化を図る技術がグループ・テクノロジーとして紹介されている。

グループ・テクノロジーの適用例として、特許文献７では、多品種少量生産の組み立て加工ラインにおいて製品の部品構成又は製造ラインに対する負荷が類似する品種群を同一品種のグループとして取扱い、製造ラインの負荷を平準化する方案が提案されている。しかしながら、本方案では製造プロセスに関する知見から大まかな品種のグループに分類しているため、製造負荷を予測する精度が必ずしも十分ではなかった。

また、特許文献８、９、１０では、決定木作成ロジックを用いて作成した品種分類ロジックに基づいて品種グループを作成し、品種毎に製造負荷を予測する方法が提案されている。しかしながら、これらの技術は、複数工程の直列直結のラインを適用対象とするものではない。

また、特許文献１１、１２、１３では、複数製品を、複数工程を有するラインで製造する場合に、ボトルネック工程を特定する方案が提案されている。しかしながら、これらの技術は、複数工程の直列直結のラインを適用対象とするものではない。

上記のように、既存の生産、製造、処理計画立案は、シミュレーターを用いる等により、様々な条件を仮定し、それぞれの条件に応じた個別の事象を逐次算定、積算し、その結果を評価関数により評価、比較して最適値をとる条件を選択する方案が大半であり、大規模かつ多品種少量の混流生産において、生産順列、すなわちシミュレーションの計算条件の組合せが膨大となる場合、計算機の負荷が増大／過大となり、実用に適さない問題がある。

処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスにおいては、材料毎に各工程の負荷が変動し、その結果として材料毎に一貫プロセス中の律速工程が逐次変動するため、プロセス全体の一貫能率／生産性を高精度に予測することは、技術的に極めて難しく重要な課題であり、これらを計算機負荷が軽微かつ簡易に算定可能な方案はこれまでには提案されていない。

本発明は、上記のような点に鑑みてなされたものであり、処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスにおいて、製造プロセス全体の一貫能率を高精度かつ簡易に算定できるようにすることを目的とする。

本発明の製造プロセスの能率予測方法は、処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスの能率予測方法であって、各工程の処理能率に影響を与えるパラメータを抽出するとともに、製品群に分類して、製品群毎に前記直列、直結、多段の複数工程中の律速工程を特定して、製品群毎の固有の一貫能率を求めるステップと、前記製品群毎の固有の一貫能率を用いて、製品群の構成比に応じて製造プロセス全体の一貫能率を算出するステップとを有することを特徴とする。
また、本発明の製造プロセスの能率予測方法の他の特徴とするところは、前記製造プロセスは、スラブヤード工程、スラブを再加熱する加熱工程、再加熱されたスラブを所定の幅まで幅出し圧延を行う粗圧延工程、幅出し後の鋼片を所定の厚み、長さを造り込むとともに、所定の温度で圧延する制御圧延により材質を造り込む仕上圧延工程、仕上圧延後の鋼片を大水量の冷却水により冷却し、焼入れ組織を造り込む加速冷却工程、圧延、冷却後の鋼片を所定の幅、長さの複数の鋼板に剪断する剪断工程といった複数工程が直列、直結、多段に配された厚板の圧延プロセスである点にある。この場合に、製品群は、鋼種、ＨＣＲ（Hot Charged Rolling）であるかＣＣＲ（Cold Charged Rolling）であるか、耳付であるか切断であるかの順に分類され、さらにサイズで細分化して分類されるようにしてもよい。また、サイズは、スラブ厚、狙い厚、圧延幅の順に分類されるようにしてもよい。
本発明の製造プロセスの能率予測装置は、処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスの能率予測装置であって、各工程の処理能率に影響を与えるパラメータを抽出するとともに、製品群に分類して、製品群毎に前記直列、直結、多段の複数工程中の律速工程を特定して求められた、製品群毎の固有の一貫能率を記憶する記憶手段と、前記製品群毎の固有の一貫能率を用いて、製品群の構成比に応じて製造プロセス全体の一貫能率を算出する演算手段とを備えたことを特徴とする。
本発明のプログラムは、処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスの能率予測のためのプログラムであって、各工程の処理能率に影響を与えるパラメータを抽出するとともに、製品群に分類して、製品群毎に前記直列、直結、多段の複数工程中の律速工程を特定して求められた、製品群毎の固有の一貫能率を記憶する記憶手段と、前記製品群毎の固有の一貫能率を用いて、製品群の構成比に応じて製造プロセス全体の一貫能率を算出する演算手段としてコンピュータを機能させる。

本発明によれば、製品群毎に直列、直結、多段の複数工程中の律速工程を特定して、製品群毎の固有の一貫能率を求めておくことにより、期間毎に変動する製品群の構成比に応じて、製造プロセス全体の一貫能率を高精度かつ簡易に算定することができる。

厚板の圧延プロセスの圧延ラインの例を示す図である。普通鋼（ＣＣＲ、耳付）についてサイズで細分化し、パラメータを統計的に算出した結果を示す図である。鋼種別の律速工程の比率を示す図である。実施形態に係る製造プロセスの能率予測装置の構成を示す図である。

以下、添付図面を参照して、本発明の好適な実施形態について説明する。
本実施形態では、処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスとして、鉄鋼業の代表的な製品である厚板の圧延プロセスを対象とする。

図１には、厚板の圧延プロセスの圧延ラインの例を示す。圧延ラインには、上流側からスラブヤード１０１、加熱炉１０２、リバース圧延機である粗圧延機１０３、リバース圧延機である仕上圧延機１０４、矯正機１０５、水冷装置１０６、冷却床１０７、剪断機１０８といった設備が配置され、図中の矢印方向に製品が流れる。

すなわち、厚板の圧延プロセスでは、スラブを加熱炉１０２に供給する、スラブヤード１０１による「スラブヤード（ＳＹ）工程」、スラブを再加熱する、加熱炉１０２による「加熱工程」、再加熱されたスラブを所定の幅まで幅出し圧延を行う、粗圧延機１０３による「粗圧延工程」、幅出し後の鋼片を所定の厚み、長さを造り込むとともに、所定の温度で圧延する制御圧延により材質を造り込む、仕上圧延機１０４による「仕上圧延工程」、仕上圧延後の鋼片を大水量の冷却水により冷却し、ベイナイトやマルテンサイトといった焼入れ組織を造り込む、水冷装置１０６による「加速冷却（ＣＬＣ）工程」、圧延、冷却後の鋼片を所定の幅、長さの複数の鋼板に剪断する、剪断機１０８による「剪断（ＤＳＳ）工程」といった複数工程が直列、直結、多段に配される。

かかる厚板の圧延プロセスでは、各工程において、それぞれの処理能率を阻害する因子が存在する。例えば「スラブヤード工程」では、スラブ切断速度、スラブ単重、ノロ取り頻度、材料事情等が挙げられる。また、「加熱工程」では、装入温度、昇温能力、加熱条件等が挙げられる。また、「粗圧延工程」では、圧延速度、スケジューリング時間、ターン時間、ダミーパス、ＣＲ温度、反り修正、加熱とのピッチバランス、スラブ単重等が挙げられる。また、「仕上圧延工程」では、圧延速度、スケジューリング時間、ターン時間、ＣＲ温度、温度待ち、ワークロール交換、反り修正、仕上とのピッチバランス、スラブ単重等が挙げられる。「剪断工程」では、切断速度、切断能力、搬送能力、切断精度等が挙げられる。

本実施形態では、各工程の処理能率、すなわち単位時間でどれだけの処理を行うことができるかに影響を与えるパラメータ（パス回数、圧延温度、温度待ちパス間時間等）を抽出するとともに、これらのパラメータが有意な差異を持つ製品群に分類し、製品群毎に及び処理能率を統計的に算出する。例えば製品群毎のパラメータの平均が１０％ずつ異なるようなパラメータ毎に分類するとともに、処理能率を算出する。そして、製品群毎に各工程の処理能率を比較することにより、製品群毎に直列、直結、多段の複数工程中の律速（ネック）工程を特定して、製品群毎の固有の一貫能率を求める。

以下、具体的に説明すると、まず各工程の処理能率に影響を与えるパラメータを抽出する。本実施形態では、図２の縦の項目に示すように、「スラブヤード工程」の処理能率に影響を与えるパラメータとして、ＨＣＲ比率、切断温度、幅長入替率、ピッチ、Ｔ／Ｈ（Ｔｏｎ／ｈｏｕｒ）、オフＴ／Ｈ、ピッチ（＋オフ）、Ｔ／Ｈ（＋オフ）を抽出している。また、「加熱工程」の処理能率に影響を与えるパラメータとして、加熱条件、管理時間、在炉時間、ピッチ、Ｔ／Ｈを抽出している。また、「粗圧延工程」の処理能率に影響を与えるパラメータとして、幅出比、調厚パス数、幅出パス数、移送パス数、パス回数、インターバル、圧延時間、総ＴＩＭ（ＴｉｍｅｉｎＭｅｔａｌ：噛み込み時間）、総ＴＯＭ（ＴｉｍｅｏｆｆＭｅｔａｌ：パス間時間）、ターン（ターン１、２）、各パスＴＩＭ、各パスＴＯＭ、ピッチ（インターバル＋圧延時間）、Ｔ／Ｈを抽出している。また、「仕上圧延工程」の処理能率に影響を与えるパラメータとして、移送厚、噛込温度、仕上温度、パス回数、インターバル、圧延時間、総ＴＩＭ、総ＴＯＭ、各パスＴＩＭ、各パスＴＯＭ、ピッチ（インターバル＋圧延時間）、Ｔ／Ｈを抽出している。また、「加速冷却工程」の処理能率に影響を与えるパラメータとして、開始待時間、冷却時間、ピッチ、Ｔ／Ｈを抽出している。また、「剪断工程」の処理能率に影響を与えるパラメータとして、耳付／切断、剪断速度、アライニング、インターバル、ピッチ、Ｔ／Ｈを抽出している。

また、パラメータが有意な差異を持つ製品群に分類する。本実施形態では、鋼種、ＨＣＲ（Hot Charged Rolling）であるかＣＣＲ（Cold Charged Rolling）であるか、耳付であるか切断であるかの順に分類し、さらにサイズで細分化して分類している。鋼種としては、普通鋼、ＣＲ材、ＣＬＣ材に分類する。なお、ＣＲ材、ＣＬＣ材では、強度や使途（造船、建築、橋梁、自動車・・・等）でさらに分類するようにしてもよい。そして、それぞれの鋼種において、ＨＣＲ（Hot Charged Rolling）であるかＣＣＲ（Cold Charged Rolling）であるかに分類し、さらに耳付であるか切断であるかに分類する。その上で、サイズで細分化して分類する。図２は、普通鋼（ＣＣＲ、耳付）についてサイズで細分化し、パラメータを統計的に算出した結果を示す図である。図２の横の項目はサイズを表わす。本実施形態では、スラブ厚に分類して、それぞれのスラブ厚において、複数の狙い厚である板厚に分類し、さらに複数の圧延幅に分類する。それぞれに分類された製品群毎にパラメータ及び処理能率の平均値及び標準偏差を算出する。分類された製品群のパラメータの標準偏差が全体の標準偏差に対して有意に小さくないと検定された場合は分類の閾値を調整する等の手段により分類の修正を行う。

なお、図２において、縦の項目の上部にある「圧延の厚、幅、長」、「スラブの厚、幅、長、単重」は、対象とする圧延ラインで取り扱う製品についての平均値である。例えばスラブ厚＜１５００、板厚＜８、圧延幅＜２０００のクラスでは、対象の圧延ラインで取り扱う製品について、圧延の平均厚６．４（ｍｍ）、平均幅１７２４（ｍｍ）、平均長３３２３７（ｍｍ）、スラブの平均厚１４４（ｍｍ）、平均幅１１６９（ｍｍ）、平均長２３４５（ｍｍ）、単重３．０８（Ｔ）である。

以上のようにして各工程の処理能率に影響を与えるパラメータを抽出するとともに、製品群に分類したならば、製品群毎にパラメータを統計的に算出する。すなわち、図２に示すように、各欄の数値をそれぞれの工程での設備能力に基づいて統計的に算出する。なお、図２では普通鋼（ＣＣＲ、耳付）の一部のサイズについてのみ図示化したが、全ての製品群、すなわち普通鋼（ＣＣＲ、切断）の各サイズ、普通鋼（ＨＣＲ、耳付）の各サイズ、普通鋼（ＨＣＲ、切断）の各サイズ、ＣＲ材（ＣＣＲ、耳付）の各サイズ、ＣＲ材（ＣＣＲ、切断）の各サイズ、ＣＲ材（ＨＣＲ、耳付）の各サイズ、ＣＲ材（ＨＣＲ、切断）の各サイズ、ＣＬＣ材（ＣＣＲ、耳付）の各サイズ、ＣＬＣ材（ＣＣＲ、切断）の各サイズ、ＣＬＣ材（ＨＣＲ、耳付）の各サイズ、ＣＬＣ材（ＨＣＲ、切断）の各サイズについても、同様にパラメータを統計的に算出する。

そして、製品群毎に各工程の処理能率を比較することにより、製品群毎に直列、直結、多段の複数工程中の律速工程を特定して、製品群毎の固有の一貫能率を求める。図２の例、すなわち普通鋼（ＣＣＲ、耳付）のスラブ厚＜１５００、板厚＜８、圧延幅＜２０００のクラスの製品群では、スラブヤードオフを含む場合、「粗圧延工程」の処理能率であるＴ／Ｈが１１２と最小であるので、「粗圧延工程」が律速工程で、固有の一貫能率は１１２（Ｔ／Ｈ）となる。これは、普通鋼（ＣＣＲ、耳付）のスラブ厚＜１５００、板厚＜８、圧延幅＜２０００のクラスの製品群だけを、スラブヤードオフを含むように製造するとした場合、「スラブヤード工程」〜「剪断工程」までの一貫プロセスで１１２（Ｔ／Ｈ）の能率で製造することができることを意味する。なお、スラブヤードオンのみの場合は、「スラブヤード工程」の処理能率であるＴ／Ｈが１０６と最小であるので、「スラブヤード工程」が律速工程で、固有の一貫能率は１０６（Ｔ／Ｈ）となる。

本実施形態で対象とする圧延ラインでは、図３に示すように、普通鋼では「粗圧延工程」が律速工程となるケースが多い一方で、ＣＲ材では「仕上延工程」が律速工程となるケースが多かった。

以上のようにして製品群毎の固有の一貫能率を求めたならば、その製品群毎の固有の一貫能率を用いて、予測したい期間での製品群の構成比に応じて、製造プロセス全体の一貫能率を算出、予測する。例えば製品群が１〜Ｎに分類されているとして、予測したい期間で、製品群ｎをＸ_n（Ｔ）（ｎは製品群を表わす１〜Ｎの数字）を製造するものとする。製品群ｎの固有の一貫能率がＹ_n（Ｔ／Ｈ）であるとすると、製造プロセス全体の一貫能率は、
製造プロセスの一貫能率＝ΣＸ_n／Σ（Ｘ_n／Ｙ_n）
として算出される。なお、Σはｎ＝１〜Ｎまでの総和を意味する。

簡単な例で説明すると、例えば現時点から１週間で、普通鋼（ＣＣＲ、耳付）のスラブ厚＜１５００、板厚＜８、圧延幅＜２０００のクラスの製品群（以下、製品群Ａという）を５０（Ｔ）と、普通鋼（ＣＣＲ、耳付）のスラブ厚＜１５００、板厚＜１５、圧延幅＜３０００のクラスの製品群（以下、製品群Ｂという）を１００（Ｔ）とを、それぞれスラブヤードオフを含むように製造することを計画しているとする。製品群Ａの固有の一貫能率は１１２（Ｔ／Ｈ）、製品群Ｂの固有の一貫能率は１５１（Ｔ／Ｈ）であるので、製造プロセス全体の一貫能率は、（５０（Ｔ）＋１００（Ｔ））／｛（５０（Ｔ）／１１２（Ｔ／Ｈ））＋（１００（Ｔ）／１５１（Ｔ／Ｈ））｝＝約１３５（Ｔ／Ｈ）として算出される。

ここで、実際の生産において観測される一貫能率の実績値は、上記のようにして求めた製品群毎の固有の一貫能率とは異なるのが一般的である。これは、実際の生産では、複数種の製品群を組み合せて製造するため、律速工程が逐次変化し、当該製品群の固有の律速工程とは異なる律速状況が頻繁に発生するためである。したがって、実際の生産で観測される一貫能率の実績値は、同一製品群を連続して製造する場合の固有の一貫能率とは異なり、すなわち誤差を含み、期間毎に変動する生産順列の組み合わせを影響に受けるため、実績を集計した期間毎に不可避的に変動することとなる。このため、ある期間の製品群毎の一貫能率を算出し、期間毎に変動する製品群の構成比に応じた製造プロセス全体の一貫能率を算出しようとする場合、固有の一貫能率との誤差及び生産順列の変動に起因して、高精度な予測は困難であることが理解される。

そこで、本発明者は、製品群毎の固有の一貫能率と実際の生産において観測される一貫能率の実績値に及ぼす製品群毎の律速工程の影響を定量的に精査し、考察を重ねたところ、各工程の処理能率に影響を与えるパラメータを適正に抽出するとともに、これらのパラメータが有意な差異を持つ製品群を適正に定義することにより、製品群毎の固有の一貫能率を高精度に算出する方案を考案するとともに、このようにして算出された製品群毎の固有の一貫能率を、実際の生産において観測される製品群毎の一貫能率の実績値と比較すると、後者は前者を中央値として一定の範囲でばらつくこと、すなわち、実際の生産において、ある製品群が他の製品群と組み合わされて製造される場合、固有の一貫能率を基準として、誤差／ばらつきが発生すること、さらに、製造プロセス全体では、生産順列に関わらず、一貫能率の実績値と製品群の固有の一貫能率の誤差は相殺／キャンセルされ、製造プロセス全体の一貫能率は、製造群毎の固有の一貫能率を用いて、製品群の構成比に応じて高精度かつ簡易に算定できることを見出した。

以上のように、処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスにおいて、各工程の処理能率に影響を与えるパラメータを適正に抽出するとともに、これらのパラメータが有意な差異を有する製品群を適正に定義して分類して、製品群毎の固有の一貫能率を求めることにより、製品群の構成比に応じて製造プロセス全体の一貫能率を高精度かつ簡易に算出、予測することが可能となる。

（製造プロセスの能率予測装置）
以下、上述したように製品群毎の固有の一貫能率を用いて、製造プロセス全体の一貫能率を算出、予測する装置について説明する。図４は、実施形態に係る製造プロセスの能率予測装置１００の構成を示す。

１０１は記憶部であり、上述したようにして各工程の処理能率に影響を与えるパラメータを抽出するとともに、製品群に分類して、製品群毎に前記直列、直結、多段の複数工程中の律速工程を特定して求められた、製品群毎の固有の一貫能率を記憶する。なお、各工程において設備能力がアップする等の変更があったときは、あらためて製品群毎の固有の一貫能率を求め、記憶部１０１に記憶する製品群毎の固有の一貫能率を更新する。

１０２は入力部であり、予測したい期間での製品群の情報を入力する。上述した例でいえば、例えば現時点から１週間で、製品群Ａを５０（Ｔ）と、製品群Ｂを１００（Ｔ）とを、それぞれスラブヤードオフを含むように製造するとして、その情報を入力する。

１０３は演算部であり、記憶部１０１に記憶された製品群毎の固有の一貫能率を用いて、入力部１０２から入力された製品群の情報から得られる構成比に応じて製造プロセス全体の一貫能率を算出、予測する。上述した例でいえば、製品群Ａの固有の一貫能率は１１２（Ｔ／Ｈ）、製品群Ｂの固有の一貫能率は１５１（Ｔ／Ｈ）であり、製造プロセス全体の一貫能率は、（５０（Ｔ）＋１００（Ｔ））／｛（５０（Ｔ）／１１２（Ｔ／Ｈ））＋（１００（Ｔ）／１５１（Ｔ／Ｈ））｝＝約１３５（Ｔ／Ｈ）として算出される。

１０４は出力部であり、演算部１０３での演算結果である製造プロセス全体の一貫能率を不図示の表示装置に表示する。オペレータは、この製造プロセス全体の一貫能率を参照して、前後工程の処理量や稼働率の調整（前工程である製鋼工程からの鋼片受け入れ量を調整、後工程である厚板精整の各工程の稼働率／処理能力の調整等）したり、必要に応じてネックとなる工程の設備能力を高めるような処置を行ったりする。

本発明の製造プロセスの能率予測装置は、具体的にはＣＰＵ、ＲＯＭ、ＲＡＭ等を備えたコンピュータシステムにより構成することができ、ＣＰＵがプログラムを実行することによって実現される。本発明の製造プロセスの能率予測装置は、一つの装置から構成されても、複数の機器から構成されてもよい。

また、本発明の目的は、上述した製造プロセスの能率予測機能を実現するソフトウェアのプログラムコードを記録した記憶媒体を、システム或いは装置に供給することによっても達成される。この場合、記憶媒体から読み出されたプログラムコード自体が上述した実施形態の機能を実現することになり、プログラムコード自体及びそのプログラムコードを記憶した記憶媒体は本発明を構成することになる。プログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭ等を用いることができる。

１０１：記憶部、１０２：入力部、１０３：演算部、１０４：出力部

Claims

処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスの能率予測方法であって、
各工程の処理能率に影響を与えるパラメータを抽出するとともに、製品群に分類して、製品群毎に前記直列、直結、多段の複数工程中の律速工程を特定して、製品群毎の固有の一貫能率を求めるステップと、
前記製品群毎の固有の一貫能率を用いて、製品群の構成比に応じて製造プロセス全体の一貫能率を算出するステップとを有することを特徴とする製造プロセスの能率予測方法。
前記製造プロセスは、スラブヤード工程、スラブを再加熱する加熱工程、再加熱されたスラブを所定の幅まで幅出し圧延を行う粗圧延工程、幅出し後の鋼片を所定の厚み、長さを造り込むとともに、所定の温度で圧延する制御圧延により材質を造り込む仕上圧延工程、仕上圧延後の鋼片を大水量の冷却水により冷却し、焼入れ組織を造り込む加速冷却工程、圧延、冷却後の鋼片を所定の幅、長さの複数の鋼板に剪断する剪断工程といった複数工程が直列、直結、多段に配された厚板の圧延プロセスであることを特徴とする請求項１に記載の製造プロセスの能率予測方法。
製品群は、鋼種、ＨＣＲ（Hot Charged Rolling）であるかＣＣＲ（Cold Charged Rolling）であるか、耳付であるか切断であるかの順に分類され、さらにサイズで細分化して分類されることを特徴とする請求項２に記載の製造プロセスの能率予測方法。
サイズは、スラブ厚、狙い厚、圧延幅の順に分類されることを特徴とする請求項３に記載の製造プロセスの能率予測方法。
処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスの能率予測装置であって、
各工程の処理能率に影響を与えるパラメータを抽出するとともに、製品群に分類して、製品群毎に前記直列、直結、多段の複数工程中の律速工程を特定して求められた、製品群毎の固有の一貫能率を記憶する記憶手段と、
前記製品群毎の固有の一貫能率を用いて、製品群の構成比に応じて製造プロセス全体の一貫能率を算出する演算手段とを備えたことを特徴とする製造プロセスの能率予測装置。
処理能力が異なる直列、直結、多段の複数工程を有し、複数種の製品群を組み合せて製造する製造プロセスの能率予測のためのプログラムであって、
各工程の処理能率に影響を与えるパラメータを抽出するとともに、製品群に分類して、製品群毎に前記直列、直結、多段の複数工程中の律速工程を特定して求められた、製品群毎の固有の一貫能率を記憶する記憶手段と、
前記製品群毎の固有の一貫能率を用いて、製品群の構成比に応じて製造プロセス全体の一貫能率を算出する演算手段としてコンピュータを機能させるためのプログラム。