JP2017157094A - 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム - Google Patents
製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム Download PDFInfo
- Publication number
- JP2017157094A JP2017157094A JP2016041358A JP2016041358A JP2017157094A JP 2017157094 A JP2017157094 A JP 2017157094A JP 2016041358 A JP2016041358 A JP 2016041358A JP 2016041358 A JP2016041358 A JP 2016041358A JP 2017157094 A JP2017157094 A JP 2017157094A
- Authority
- JP
- Japan
- Prior art keywords
- state
- product
- prediction
- predicted value
- 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
Links
- 238000000034 method Methods 0.000 title claims description 41
- 238000001816 cooling Methods 0.000 claims abstract description 92
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 60
- 239000010959 steel Substances 0.000 claims abstract description 60
- 238000004519 manufacturing process Methods 0.000 claims abstract description 56
- 238000004364 calculation method Methods 0.000 claims abstract description 54
- 239000000284 extract Substances 0.000 claims abstract description 3
- 230000006870 function Effects 0.000 claims description 31
- 239000013077 target material Substances 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 239000000498 cooling water Substances 0.000 claims description 10
- 239000000463 material Substances 0.000 abstract description 4
- 239000006185 dispersion Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 18
- 238000009826 distribution Methods 0.000 description 10
- 238000012546 transfer Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012733 comparative method Methods 0.000 description 3
- 238000005098 hot rolling Methods 0.000 description 3
- 238000004513 sizing Methods 0.000 description 3
- 239000002436 steel type Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000003079 width control Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
Description
鋼板の冷却制御は、製品の機械特性に直結し、また、歩留まりに影響を及ぼすため、その精度向上が求められる。冷却制御では、水冷による鋼板の温度変化を伝熱モデル計算により推定し、所望の冷却停止温度となるように、冷却水量や鋼板の搬送速度等を決定する。伝熱モデルは熱流体力学や伝熱工学の知見に則り作成されるが、鋼板の表面性状や設備の経時変化等、モデル化が難しいファクターも多く、伝熱モデルによる制御だけでは冷却停止温度を目標値に精度良く一致させることは困難である。
特許文献1には、冷却工程に供する当該厚鋼板について、冷却工程における厚鋼板の温度変化挙動を予測するための厚鋼板の温度予測モデルを用いて、冷却工程における当該厚鋼板の冷却停止温度の予測値を算出する予測値算出工程、スラブ毎に過去の実績データを蓄積したデータベースから、当該厚鋼板と製造条件が類似する厚鋼板の過去の実績データを抽出する抽出工程、前記抽出工程において抽出した前記過去の実績データに基づいて、線形回帰モデル式をたて、当該厚鋼板の冷却停止温度の予測値の誤差を推定する推定工程、前記予測値算出工程において算出した当該厚鋼板の冷却停止温度の予測値と、前記推定工程において推定した当該厚鋼板の冷却停止温度の予測値の誤差とから、前記冷却停止温度の修正値を算出する修正値算出工程、を有することが開示されている。
そこで、局所重み付きPLS回帰では、多重共線性が発生しないよう、変数同士の共分散が最大化される潜在変数zを生成する(式(8))。Ctrは行列XTWyyTWXの固有ベクトルからなる行列である。X:=(x1,・・・,xn)T、W:=diag(w1,・・・,wn)、y:=(y1,・・・,yn)Tである。その後、潜在変数zに対して線形重回帰を行うことにより(式(6)、式(7))、多重共線性の問題を回避している。
これは、ユークリッド距離diが0〜∞をとる実数であることに対し、重み係数wiは1〜0となり、要求点(ここでは予測対象材)に近いほど重視し、かつ大きくなりすぎないことが局所重み付き回帰手法と親和性が高いためと考えられる。
一方、回帰計算が発散しないようにする対処法として、式(9)のパラメータαを小さくして、図6に示すように、wiが1→0となる勾配を緩やかにすることが考えられる。しかしながら、逆に近傍に実績データが多くある予測対象材の場合、すべてのiについてwi≒1となり、局所重み付き回帰の意義が失われ、予測精度の低下が懸念される。
非特許文献1では、α(σd)=α´/σdとしてdiのばらつきσdの関数としているが、diの平均μdと比較して非常にσdが小さい場合や大きい場合は依然として上記の問題が発生する懸念がある。
[1] 製品の製造工程において、状態予測モデルにより製品の状態の予測値を算出する製品の状態予測装置であって、
予測対象製品の状態の予測値を算出する際に、実績データを蓄積したデータベースから、距離関数に基づいて近傍教師データを抽出する抽出手段と、
前記抽出手段で抽出した近傍教師データを用いて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値の誤差を求める局所重み付き回帰モデルを生成し、当該局所重み付き回帰モデルにより当該誤差を計算する計算手段と、
前記計算手段で求めた前記予測対象製品の状態の予測値の誤差に基づいて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値を補償する補償手段とを備え、
前記計算手段は、前記局所重み付き回帰モデルの重み係数wi(iは製品を示す添字)を、前記抽出手段で抽出した近傍教師データの前記距離関数による距離diと、前記距離diの平均値μd及び標準偏差σdとを用いて、式(101)により設定することを特徴とする製品の状態予測装置。
前記抽出手段は、前記予測対象製品の製造条件と類似する製造条件を持つ実績データを、前記距離関数に基づいて近傍教師データとして抽出することを特徴とする[1]に記載の製品の状態予測装置。
[3] 前記製品は鋼板、前記製造工程は冷却工程、前記製品の状態は鋼板の冷却停止温度、前記状態予測モデルは温度予測モデルであることを特徴とする[1]又は[2]に記載の製品の状態予測装置。
[4] [1]又は[2]に記載の製品の状態予測装置と、
前記補償手段で補償した前記予測対象製品の状態の予測値が、予め前記予測対象製品毎に定められた目標値と一致するように、前記製造工程に用いられる製造設備の操作量を制御する制御手段とを備えたことを特徴とする製品の状態制御装置。
[5] 前記製品は鋼板、前記製造工程は冷却工程、前記製品の状態は鋼板の冷却停止温度、前記状態予測モデルは温度予測モデル、前記操作量は冷却水量及び鋼板の搬送速度のうち少なくともいずれかであることを特徴とする[4]に記載の製品の状態制御装置。
[6] 製品の製造工程において、状態予測モデルを用いて製品の状態の予測値を算出する製品の状態予測方法であって、
予測対象製品の状態の予測値を算出する際に、実績データを蓄積したデータベースから、距離関数に基づいて近傍教師データを抽出するステップと、
前記抽出した近傍教師データを用いて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値の誤差を求める局所重み付き回帰モデルを生成し、当該局所重み付き回帰モデルにより当該誤差を計算するステップと、
前記求めた前記予測対象製品の状態の予測値の誤差に基づいて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値を補償するステップとを有し、
前記状態予測モデルにより算出する前記予測対象材の状態の予測値の誤差を求めるときに、前記局所重み付き回帰モデルの重み係数wi(iは製品を示す添字)を、前記抽出した近傍教師データの前記距離関数による距離diと、前記距離diの平均値μd及び標準偏差σdとを用いて、前記式(101)により設定することを特徴とする製品の状態予測方法。
[7] 製品の製造工程において、状態予測モデルを用いて製品の状態の予測値を算出するためのプログラムであって、
予測対象製品の状態の予測値を算出する際に、実績データを蓄積したデータベースから、距離関数に基づいて近傍教師データを抽出する抽出手段と、
前記抽出手段で抽出した近傍教師データを用いて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値の誤差を求める局所重み付き回帰モデルを生成し、当該局所重み付き回帰モデルにより当該誤差を計算する計算手段と、
前記計算手段で求めた前記予測対象製品の状態の予測値の誤差に基づいて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値を補償する補償手段としてコンピュータを機能させ、
前記計算手段は、前記局所重み付き回帰モデルの重み係数wi(iは製品を示す添字)を、前記抽出手段で抽出した近傍教師データの前記距離関数による距離diと、前記距離diの平均値μd及び標準偏差σdとを用いて、前記式(101)により設定することを特徴とするプログラム。
図1は、冷却設備を含む冷却制御システムの構成例を示す図である。
冷却設備では、搬送テーブル3により鋼板1が搬送され、冷却ノズル2から水を噴射して鋼板1を冷却する。
冷却ノズル2は、冷却プロセスコンピュータ5から出力される指示値に基づいて、冷却水量を制御する。冷却水量の制御方式としては、流量弁開度調節、ノズルON/OFF制御等、一般的な冷却水量の制御方式が適用可能である。
また、搬送テーブル3は、冷却プロセスコンピュータ5から出力される指示値に基づいて、鋼板の搬送速度を制御する。鋼板の搬送速度の制御方式としては、モータドライバによる制御等、一般的な搬送速度制御方式が適用可能である。
冷却設備の出側において、温度計4により鋼板の冷却停止温度が測定され、冷却プロセスコンピュータ5に入力される。温度測定方式としては、放射温度計やサーモグラフィ等、一般的な温度測定方式が適用可能である。
減算器8は、温度計4で測定される冷却停止温度実績値と冷却停止温度計算部7から出力される冷却停止温度計算値との差(「モデル化誤差実績値」と呼ぶ)をとる。
データベースから実績データを抽出するときに、製造条件の類似の判定は、例えば式(1)の重み付きユークリッド距離関数に基づいて行われる。なお、本実施形態ではユークリッド距離を例とするが、マハラノビス距離等、多変数系の距離の定義として公知であるものは適用可能である。
101は入力部であり、予測対象材の製造条件と、データベース9から抽出される近傍教師データとを入力する。
すなわち、実施形態における鋼板は製品の一例、冷却工程及び設備は製造工程及び設備の一例、鋼板の冷却停止温度は製品の状態の一例、温度予測モデルは状態予測モデルの一例である。そして、本発明を一般的な製造工程に適用する場合、状態制御システムは例えば図1と同様の構成とすればよく、実施形態における冷却停止温度計算部7を状態計算部とし、冷却設定計算部11を設定計算部とし、冷却水量や鋼板の搬送速度の指示値を製造設備の操作量の指示値と置き換えればよい。
製造条件と操作量の実績値から、状態計算部にて製品の状態を状態予測モデルにより予測し、この予測値である状態計算値と状態実績値との誤差であるモデル化誤差実績値をデータベース9に蓄積する。そして、予測対象製品の状態の予測値を算出する際、実績データを蓄積したデータベース9から、距離関数に基づいて近傍教師データを抽出し、その近傍教師データを用いて、局所モデル生成部10にて前記モデル化誤差を求める局所重み付き回帰モデルを生成し、この局所重み付き回帰モデルに製造条件を与えて計算した予測対象製品のモデル化誤差の予測値に基づいて、前記状態予測モデルにより算出した予測対象製品の状態の予測値を補償する。このように補償することで、状態の予測値を実績値に近づけることができる。また、この補償された状態の予測値が予測対象製品毎に定められた目標値と一致するように、設定計算部にて製造設備の操作量の指示値を計算して製造設備を制御することですることで、製品の状態の実績値をより目標値に近づけることができる。
図4に、数値実験のための機能構成を示す。パーソナルコンピュータでデータベース9及び局所回帰モデル生成部10を再現して、数値実験を行う。工場で操業実績を蓄積している工場データベースからパーソナルコンピュータに製造条件を入力し、データベース9及び局所回帰モデル生成部10によりモデル化誤差予測値を出力する。
工場データベースにはモデル化誤差実績値も保存されているので、データベース9及び局所回帰モデル生成部10によるモデル化誤差予測値と比較し、その精度を評価した。図1と違い、モデル化誤差予測値は実操業に反映されないが、モデル化誤差を精度良く予測することで、冷却停止温度制御の精度も向上すると考えられる。
数値実験は6カ月分10115本の操業実績について行い、精度評価には誤差平均とばらつきの両方を評価できる指標である2乗誤差平均RMSEを用いた。表1に、比較法1、2及び発明法の精度評価の結果を示す。
また、本発明は、本発明の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータがプログラムを読み出して実行することによっても実現可能である。
Claims (7)
- 製品の製造工程において、状態予測モデルにより製品の状態の予測値を算出する製品の状態予測装置であって、
予測対象製品の状態の予測値を算出する際に、実績データを蓄積したデータベースから、距離関数に基づいて近傍教師データを抽出する抽出手段と、
前記抽出手段で抽出した近傍教師データを用いて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値の誤差を求める局所重み付き回帰モデルを生成し、当該局所重み付き回帰モデルにより当該誤差を計算する計算手段と、
前記計算手段で求めた前記予測対象製品の状態の予測値の誤差に基づいて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値を補償する補償手段とを備え、
前記計算手段は、前記局所重み付き回帰モデルの重み係数wi(iは製品を示す添字)を、前記抽出手段で抽出した近傍教師データの前記距離関数による距離diと、前記距離diの平均値μd及び標準偏差σdとを用いて、式(101)
- 前記データベースは、実績データとして、製品の状態実績値と前記状態予測モデルを用いて算出した製品の状態の予測値との差を製造条件と紐付けて蓄積し、
前記抽出手段は、前記予測対象製品の製造条件と類似する製造条件を持つ実績データを、前記距離関数に基づいて近傍教師データとして抽出することを特徴とする請求項1に記載の製品の状態予測装置。 - 前記製品は鋼板、前記製造工程は冷却工程、前記製品の状態は鋼板の冷却停止温度、前記状態予測モデルは温度予測モデルであることを特徴とする請求項1又は2に記載の製品の状態予測装置。
- 請求項1又は2に記載の製品の状態予測装置と、
前記補償手段で補償した前記予測対象製品の状態の予測値が、予め前記予測対象製品毎に定められた目標値と一致するように、前記製造工程に用いられる製造設備の操作量を制御する制御手段とを備えたことを特徴とする製品の状態制御装置。 - 前記製品は鋼板、前記製造工程は冷却工程、前記製品の状態は鋼板の冷却停止温度、前記状態予測モデルは温度予測モデル、前記操作量は冷却水量及び鋼板の搬送速度のうち少なくともいずれかであることを特徴とする請求項4に記載の製品の状態制御装置。
- 製品の製造工程において、状態予測モデルを用いて製品の状態の予測値を算出する製品の状態予測方法であって、
予測対象製品の状態の予測値を算出する際に、実績データを蓄積したデータベースから、距離関数に基づいて近傍教師データを抽出するステップと、
前記抽出した近傍教師データを用いて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値の誤差を求める局所重み付き回帰モデルを生成し、当該局所重み付き回帰モデルにより当該誤差を計算するステップと、
前記求めた前記予測対象製品の状態の予測値の誤差に基づいて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値を補償するステップとを有し、
前記状態予測モデルにより算出する前記予測対象材の状態の予測値の誤差を求めるときに、前記局所重み付き回帰モデルの重み係数wi(iは製品を示す添字)を、前記抽出した近傍教師データの前記距離関数による距離diと、前記距離diの平均値μd及び標準偏差σdとを用いて、式(101)
- 製品の製造工程において、状態予測モデルを用いて製品の状態の予測値を算出するためのプログラムであって、
予測対象製品の状態の予測値を算出する際に、実績データを蓄積したデータベースから、距離関数に基づいて近傍教師データを抽出する抽出手段と、
前記抽出手段で抽出した近傍教師データを用いて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値の誤差を求める局所重み付き回帰モデルを生成し、当該局所重み付き回帰モデルにより当該誤差を計算する計算手段と、
前記計算手段で求めた前記予測対象製品の状態の予測値の誤差に基づいて、前記状態予測モデルにより算出する前記予測対象製品の状態の予測値を補償する補償手段としてコンピュータを機能させ、
前記計算手段は、前記局所重み付き回帰モデルの重み係数wi(iは製品を示す添字)を、前記抽出手段で抽出した近傍教師データの前記距離関数による距離diと、前記距離diの平均値μd及び標準偏差σdとを用いて、式(101)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016041358A JP6662109B2 (ja) | 2016-03-03 | 2016-03-03 | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016041358A JP6662109B2 (ja) | 2016-03-03 | 2016-03-03 | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017157094A true JP2017157094A (ja) | 2017-09-07 |
JP6662109B2 JP6662109B2 (ja) | 2020-03-11 |
Family
ID=59809821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016041358A Active JP6662109B2 (ja) | 2016-03-03 | 2016-03-03 | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6662109B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108070710A (zh) * | 2017-08-29 | 2018-05-25 | 东北大学 | 一种基于辊式淬火机的钢板控温淬火方法 |
JP2020173577A (ja) * | 2019-04-10 | 2020-10-22 | 富士電機株式会社 | 情報処理装置、情報処理方法、プログラム |
WO2021261039A1 (ja) * | 2020-06-23 | 2021-12-30 | 三菱重工業株式会社 | 熱処理炉の制御方法、熱処理システム及びプログラム |
JP7472867B2 (ja) | 2021-07-08 | 2024-04-23 | Jfeスチール株式会社 | 鋼材の熱処理条件決定方法、鋼材の製造方法、情報処理装置、及び鋼材の熱処理条件決定プログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7287416B2 (ja) * | 2020-07-07 | 2023-06-06 | Jfeスチール株式会社 | 厚鋼板の製造仕様決定支援装置および製造仕様探索方法、コンピュータプログラム、コンピュータ読み取り可能な記録媒体ならびに厚鋼板の製造方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007004728A (ja) * | 2005-06-27 | 2007-01-11 | Nippon Steel Corp | プロセスの操業状態の制御方法、装置、及びコンピュータプログラム |
JP5682484B2 (ja) * | 2010-09-16 | 2015-03-11 | 新日鐵住金株式会社 | 厚鋼板の冷却制御方法、冷却制御装置及び厚鋼板の製造方法 |
-
2016
- 2016-03-03 JP JP2016041358A patent/JP6662109B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007004728A (ja) * | 2005-06-27 | 2007-01-11 | Nippon Steel Corp | プロセスの操業状態の制御方法、装置、及びコンピュータプログラム |
JP5682484B2 (ja) * | 2010-09-16 | 2015-03-11 | 新日鐵住金株式会社 | 厚鋼板の冷却制御方法、冷却制御装置及び厚鋼板の製造方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108070710A (zh) * | 2017-08-29 | 2018-05-25 | 东北大学 | 一种基于辊式淬火机的钢板控温淬火方法 |
JP2020173577A (ja) * | 2019-04-10 | 2020-10-22 | 富士電機株式会社 | 情報処理装置、情報処理方法、プログラム |
JP7255330B2 (ja) | 2019-04-10 | 2023-04-11 | 富士電機株式会社 | 情報処理装置、情報処理方法、プログラム |
WO2021261039A1 (ja) * | 2020-06-23 | 2021-12-30 | 三菱重工業株式会社 | 熱処理炉の制御方法、熱処理システム及びプログラム |
JP7472867B2 (ja) | 2021-07-08 | 2024-04-23 | Jfeスチール株式会社 | 鋼材の熱処理条件決定方法、鋼材の製造方法、情報処理装置、及び鋼材の熱処理条件決定プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6662109B2 (ja) | 2020-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI554340B (zh) | 壓延模擬裝置 | |
US20210116898A1 (en) | Matching process controllers for improved matching of process | |
JP6881137B2 (ja) | 製品の状態予測装置及び方法、製造プロセスの制御システム、並びにプログラム | |
JP6834209B2 (ja) | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム | |
JP6662109B2 (ja) | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム | |
Zheng et al. | Distributed model predictive control for plant-wide hot-rolled strip laminar cooling process | |
JP6922675B2 (ja) | 製造プロセスの状態予測装置、方法及びプログラム、並びに製造プロセスの制御システム | |
JP4744226B2 (ja) | 冷却制御モデルの学習方法及び圧延材の冷却方法。 | |
JP6439780B2 (ja) | 電磁鋼板の磁気特性予測装置及び磁気特性制御装置 | |
Wang et al. | A hybrid approach for supervisory control of furnace temperature | |
Akram et al. | Quality monitoring and process adjustment by integrating SPC and APC: a review | |
KR102122143B1 (ko) | 강판의 온도 제어 장치 및 온도 제어 방법 | |
JP5962290B2 (ja) | 鋼材の熱伝達係数予測装置及び冷却制御方法 | |
Zheng et al. | An approach to model building for accelerated cooling process using instance-based learning | |
JP2012101235A (ja) | 冷却停止温度制御装置および冷却停止温度制御方法 | |
JP5195331B2 (ja) | 製造プロセスにおける品質予測装置、予測方法、プログラム及びコンピュータ読み取り可能な記録媒体 | |
Guelton et al. | Coating weight control on ArcelorMittal’s galvanizing line at Florange Works | |
JP2020157327A (ja) | 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法 | |
JP5682131B2 (ja) | 鋼材の材質予測装置 | |
JP2006309709A (ja) | 結果予測装置、制御装置及び品質設計装置 | |
Gao et al. | Using transient measurements in iterative steady-state optimizing control | |
JP5007630B2 (ja) | 製品品質の制御方法及び制御装置 | |
JP2010235972A (ja) | 高張力鋼板の製造制御装置及び製造方法 | |
Souza et al. | Multivariate feed back control: an application in a productive process | |
Idzik et al. | Decision Support for the Optimization of Continuous Processesusing Digital Shadows |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160404 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181105 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190904 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190910 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191007 |
|
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: 20200114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200127 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6662109 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |