JP2018185631A - 製造プロセス学習制御装置 - Google Patents
製造プロセス学習制御装置 Download PDFInfo
- Publication number
- JP2018185631A JP2018185631A JP2017086459A JP2017086459A JP2018185631A JP 2018185631 A JP2018185631 A JP 2018185631A JP 2017086459 A JP2017086459 A JP 2017086459A JP 2017086459 A JP2017086459 A JP 2017086459A JP 2018185631 A JP2018185631 A JP 2018185631A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- learning coefficient
- coefficient
- value
- sub
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 9
- 238000005096 rolling process Methods 0.000 description 58
- 239000002436 steel type Substances 0.000 description 35
- 230000008569 process Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 11
- 238000013517 stratification Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
- Control Of Metal Rolling (AREA)
Abstract
【解決手段】製造プロセス学習制御装置(1)は、製造プロセスの予測モデルを補正する学習係数を学習テーブル(21)で管理する。パラメータ類似値取得部(13)は、パラメータ類似値定義テーブル(22)から、質的パラメータの使用値に類似すると定義された質的パラメータの類似値を取得する。サブテーブル選定部(14)は、質的パラメータの使用値に関連付いた学習テーブル(21)の一部である第1サブテーブルと、質的パラメータの類似値に関連付いた学習テーブル(21)の一部である類似サブテーブルとを選定する。学習係数推定部(15)は、第1サブテーブルの未学習の学習領域に、これに対応する類似サブテーブルの学習済の学習領域に記録されている学習係数を組み入れた学習係数推定テーブル(23)を作成する。
【選択図】図1
Description
<システム構成>
図1は、本発明の実施の形態1に係るシステムの構成を示すブロック図である。ここでは、圧延プロセスにおける変形抵抗の予測モデルに適用する学習を例に説明するが、本発明は他の製造プロセス、他の物理量を予測する予測モデルにも適用可能である。
以上のように構成される本実施形態に係る学習制御装置1によれば、過去に実績のない圧延条件に対して、類似する圧延条件の過去の実績から推定した、安定度の高い学習係数を予測モデルに適用できる。これにより、設定計算における予測精度が早期に向上し、ひいては、製品品質の精度、および、操業の安定性を改善することができる。
ところで、上述した実施の形態1のシステムにおいては、学習テーブル21の層別条件を3パラメータとしているが、これに限定されるものではない。例えば、4パラメータ以上として4次元以上の層別を有する学習テーブルによって学習係数を管理することもできる。4パラメータの場合、このうちの1つ以上の質的パラメータについて類似範囲を指定することで、3次元以下の学習係数推定テーブル23が作られる。学習係数推定テーブル23の学習領域が3次元の場合、このテーブルに記録された学習係数代表値の平均値、あるいは学習係数代表値から3変数の近似多項式を求め、未学習の学習領域の学習係数推定値を算出することができる。
図5は、上述した学習制御装置1が有する処理回路のハードウェア構成例を示す概念図である。図1の学習制御装置1内の各部は機能の一部を示し、各機能は処理回路により実現される。一態様として、処理回路は、少なくとも1つのプロセッサ91と少なくとも1つのメモリ92とを備える。他の態様として、処理回路は、少なくとも1つの専用のハードウェア93を備える。
2 設定計算装置
11 学習係数計算部
12 学習係数記録部
13 パラメータ類似値取得部
14 サブテーブル選定部
15 学習係数推定部
16 推定学習係数反映部
21 学習テーブル
22 パラメータ類似値定義テーブル
23 学習係数推定テーブル
31〜33 サブテーブル
91 プロセッサ
92 メモリ
93 ハードウェア
Claims (3)
- 連続した指標を持たない質的パラメータと連続した指標を持つ量的パラメータとを含む複数のパラメータを所定間隔で区分した単位毎に学習領域を定めた学習テーブルを有し、製造プロセスの制御に用いる物理量を予測する予測モデルを補正する学習係数を前記学習テーブルで管理する製造プロセス学習制御装置であって、
前記製造プロセスに使用された前記複数のパラメータの使用値に基づき前記予測モデルで算出された前記物理量の予測値と、前記製造プロセスで計測された前記物理量の実績値との誤差に基づいて、前記予測モデルの学習係数を算出する学習係数計算部と、
前記学習係数計算部により算出された学習係数を、前記複数のパラメータの使用値に対応する前記学習テーブルの学習領域に記録する学習係数記録部と、
前記質的パラメータの各値について、性質が類似すると定義する値同士に共通識別子を付したパラメータ類似値定義テーブルと、
前記パラメータ類似値定義テーブルから、前記質的パラメータの使用値に類似すると定義された前記質的パラメータの類似値を取得するパラメータ類似値取得部と、
前記質的パラメータの使用値に関連付いた前記学習テーブルの一部である第1サブテーブルと、前記質的パラメータの類似値に関連付いた前記学習テーブルの一部である類似サブテーブルとを選定するサブテーブル選定部と、
前記第1サブテーブルの未だ学習係数が記録されていない学習領域に、これに対応する前記類似サブテーブルの学習領域に記録されている学習係数を組み入れた学習係数推定テーブルを作成する学習係数推定部と、
前記学習係数推定テーブルの各学習係数を前記学習テーブルに反映する推定学習係数反映部と、
を備えることを特徴とする製造プロセス学習制御装置。 - さらに、前記学習係数推定部は、前記学習係数推定テーブルに記録された学習係数の数が指定数以上、かつ、学習係数の分布に所定のバラつきがある場合に、記録された学習係数に基づく最小二乗法により計算された近似式を用いて、前記学習係数推定テーブルの未学習の学習領域に記録する学習係数を推定すること、
を特徴とする請求項1記載の製造プロセス学習制御装置。 - さらに、前記学習係数推定部は、前記学習係数推定テーブルに記録された学習係数の数が指定数未満、または、学習係数の分布に所定のバラつきがない場合に、前記学習係数推定テーブルに記録されている各学習係数の平均値を、前記学習係数推定テーブルの未学習の学習領域に記録する学習係数として推定すること、
を特徴する請求項1又は2記載の製造プロセス学習制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017086459A JP6816629B2 (ja) | 2017-04-25 | 2017-04-25 | 製造プロセス学習制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017086459A JP6816629B2 (ja) | 2017-04-25 | 2017-04-25 | 製造プロセス学習制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018185631A true JP2018185631A (ja) | 2018-11-22 |
JP6816629B2 JP6816629B2 (ja) | 2021-01-20 |
Family
ID=64356746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017086459A Active JP6816629B2 (ja) | 2017-04-25 | 2017-04-25 | 製造プロセス学習制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6816629B2 (ja) |
-
2017
- 2017-04-25 JP JP2017086459A patent/JP6816629B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP6816629B2 (ja) | 2021-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6233423B2 (ja) | 圧延プロセスの学習制御装置 | |
JP5169096B2 (ja) | 品質予測装置、品質予測方法及び製品の製造方法 | |
CN112507610B (zh) | 一种热轧卷取温度的区间预测方法 | |
JP5068637B2 (ja) | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 | |
JP5604945B2 (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
JP5867349B2 (ja) | 品質予測装置、操業条件決定方法、品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 | |
JP5434837B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
JP2016103243A (ja) | 予測装置、予測方法、及びプログラム | |
CN113868953B (zh) | 工业系统中多机组运行优化方法、装置、系统及存储介质 | |
JP2001280599A (ja) | 発電プラント配管の寿命予測方法 | |
JP5817450B2 (ja) | 厚板の板幅制御方法 | |
JP2004062440A (ja) | 予測モデルシステム | |
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 | |
JP2009072807A (ja) | 圧延材の平面形状制御方法および平面形状制御装置ならびに厚鋼板の製造方法 | |
JP2018185631A (ja) | 製造プロセス学習制御装置 | |
JP5488140B2 (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
JP2003268428A (ja) | 鋼材の製品品質制御装置 | |
JP7052579B2 (ja) | 板クラウン演算装置、板クラウン演算方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
JP2020071493A (ja) | 結果予測装置、結果予測方法、及びプログラム | |
JP6699340B2 (ja) | 厚鋼板の冷却制御方法および製造方法 | |
JP5522060B2 (ja) | 品質予測装置、操業条件決定方法、品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 | |
JP5375506B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
JP2020135591A (ja) | 推定装置、推定方法、および、コンピュータプログラム | |
JPH06119370A (ja) | 製品の市場残存率を考慮したワイブル解析方法 | |
JP7452443B2 (ja) | 圧延モデルの学習方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190618 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200527 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200715 |
|
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: 20201124 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6816629 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |