JP2020139175A - 時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラム - Google Patents

Abstract

【課題】物理現象に基づく時系列事象に対して、現時点において観測される時系列事象の状態から、将来の時系列事象の状態をより精度高く予測することができる時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラムを提供すること。【解決手段】時系列事象予測方法は、物理現象に基づく時系列事象に対して、将来の時系列事象の状態を予測する方法であり、蓄積された過去の時系列事象に関する情報から決定木モデルを作成し、決定木モデルと、物理現象に基づく物理モデルとを組み合わせて用いることにより、現時点の時系列事象の状態から、将来の時系列事象の状態を予測する。【選択図】図１

Description

本発明は、時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラムに関する。

ある時系列事象の状態の予測方法として、観測対象の実績値と、その状態の発生を説明する要因になると考えられる説明対象の実績値とを検証用データとして決定木モデルを作成し、この決定木モデルと現時点で観測される説明対象の実績値とから、将来の時系列事象の状態を予測する方法がある。

例えば特許文献１では、より精度の高い事象予測を可能とするべく、予測用の決定木モデルを作成するにあたり、観測対象の実績値の変化パターンに変化パターン識別番号を付与し、変化パターン識別番号を説明対象の一つとして含めて決定木モデルを作成し、その決定木モデルから将来の事象の予測値を得る方法が開示されている。

また、特許文献２では、物理現象に基づくある時系列事象の予測方法として、運動方程式や質量保存の法則等の、普遍的に成立する既知の物理法則に則って物理モデルを作成し、この物理モデルと現時点で観測される説明対象の実績値とから、将来の時系列事象の状態を予測する方法が開示されている。

特開２００４−１８５３９２号公報 特開平５−１７１３９５号公報

ここで、特許文献１で開示された方法のように、ある時系列事象の状態を予測するために決定木モデルを作成すると、当該決定木モデルの特性上、予測値が離散的な値になる場合がある。この場合、決定木モデルを作成する際の枝（層、分岐条件）を大幅に増加させることにより、見かけ上は連続値のように扱うことも可能であるが、決定木モデルを利用した計算量が膨大になるという問題があった。また、決定木モデルを作成する際の枝を大幅に増加させると、過学習に陥りやすいという問題もあった。

また、決定木モデルを多数作成して多数決または平均を取るランダムフォレストという手法もあるが、この手法を用いた場合も、計算量が膨大になるという問題があった。

また、特許文献２で開示された物理モデルでは、理論によって表すことができない影響因子による予測精度が低くなるという問題があった。

本発明は、上記課題に鑑みてなされたものであって、物理現象に基づく時系列事象に対して、現時点において観測される時系列事象の状態から、将来の時系列事象の状態をより精度高く予測することができる時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラムを提供することにある。

上述した課題を解決し、目的を達成するために、本発明に係る時系列事象予測方法は、物理現象に基づく時系列事象に対して、将来の時系列事象の状態を予測する時系列事象予測方法において、蓄積された過去の時系列事象に関する情報から決定木モデルを作成し、前記決定木モデルと、物理現象に基づく物理モデルとを組み合わせて用いることにより、現時点の時系列事象の状態から、将来の時系列事象の状態を予測することを特徴とする。

また、本発明に係る時系列事象予測方法は、上記発明において、前記決定木モデルの予測値および前記物理モデルの予測値に重み付けをすることにより、めっき付着量の予測値を算出することを特徴とする。

上述した課題を解決し、目的を達成するために、本発明に係るめっき付着量制御方法は、溶融めっき浴から連続的に取り出される鋼帯に対して、ノズルからガスを吹き付けることにより、前記鋼帯のめっき付着量を制御するめっき付着量制御方法において、操業条件を説明変数とし、それに対応するめっき付着量を目的変数としてめっき付着量を予測する決定木モデル、および物理現象に基づく物理モデルを組み合わせて用いることにより、実操業時におけるめっき付着量を予測する付着量予測ステップと、予測しためっき付着量に基づいて、前記鋼帯のめっき付着量を制御する付着量制御ステップと、を含むことを特徴とする。

また、本発明に係るめっき付着量制御方法は、上記発明において、前記付着量予測ステップの前に、操業条件を説明変数とし、それに対応するめっき付着量を目的変数として、前記めっき付着量を前記操業条件によって複数のグループに分類することにより前記決定木モデルを作成するモデル作成ステップを含むことを特徴とする。

また、本発明に係るめっき付着量制御方法は、上記発明において、前記モデル作成ステップは、過去の操業条件とそれに対応するめっき付着量とを含む複数のデータセットを用い、前記めっき付着量を前記過去の操業条件によって複数のグループに分類することにより、決定木モデルを作成し、前記付着量予測ステップは、前記決定木モデルと実操業条件とに基づいて第一の予測値を算出し、前記物理モデルと実操業条件とに基づいて第二の予測値を算出し、前記第一の予測値および前記第二の予測値に重み付けをすることにより、めっき付着量の予測値を算出し、前記付着量制御ステップは、前記めっき付着量の予測値をフィードバックすることにより、前記鋼帯のめっき付着量が目標値となるように制御することを特徴とする。

また、本発明に係るめっき付着量制御方法は、上記発明において、前記複数のデータセットは、前記過去の操業条件として、前記鋼帯の組成に対応する文字データである鋼種と、前記鋼帯の板幅と、前記鋼帯の板厚と、前記ノズルの先端から前記鋼帯までの距離と、前記ノズルから吹き付けるガスの圧力と、を含むことを特徴とする。

上述した課題を解決し、目的を達成するために、本発明に係る溶融めっき鋼帯の製造方法は、上記のめっき付着量制御方法によってめっき付着量が制御された溶融めっき鋼帯を製造することを特徴とする。

上述した課題を解決し、目的を達成するために、本発明に係る時系列事象予測装置は、物理現象に基づく時系列事象に対して、将来の時系列事象の状態を予測する時系列事象予測装置において、蓄積された過去の時系列事象に関する情報から決定木モデルを作成し、前記決定木モデルと、物理現象に基づく物理モデルとを組み合わせて用いることにより、現時点の時系列事象の状態から、将来の時系列事象の状態を予測することを特徴とする。

上述した課題を解決し、目的を達成するために、本発明に係るめっき付着量制御装置は、溶融めっき浴から連続的に取り出される鋼帯に対して、ノズルからガスを吹き付けることにより、前記鋼帯のめっき付着量を制御するめっき付着量制御装置において、操業条件を説明変数とし、それに対応するめっき付着量を目的変数としてめっき付着量を予測する決定木モデル、および物理現象に基づく物理モデルを組み合わせて用いることにより、実操業時におけるめっき付着量を予測する付着量予測部と、予測しためっき付着量に基づいて、前記鋼帯のめっき付着量を制御するプリセット制御部と、を備えることを特徴とする。

上述した課題を解決し、目的を達成するために、本発明に係るめっき付着量制御プログラムは、溶融めっき浴から連続的に取り出される鋼帯に対して、ノズルからガスを吹き付けることにより、前記鋼帯のめっき付着量を制御するめっき付着量制御プログラムにおいて、コンピュータを、操業条件を説明変数とし、それに対応するめっき付着量を目的変数として、前記めっき付着量を前記操業条件によって複数のグループに分類することにより決定木モデルを作成するモデル作成手段、前記決定木モデルと、物理現象に基づく物理モデルとを組み合わせて用いることにより、実操業時におけるめっき付着量を予測する付着量予測手段、予測しためっき付着量に基づいて、前記鋼帯のめっき付着量を制御するプリセット制御手段、として機能させる。

本発明によれば、決定木モデルのように離散的な予測を行う予測方法に対して、物理現象に基づく物理モデルを組み合わせたアンサンブルモデルを利用することにより、決定木モデルのデメリットであった離散的な予測を物理モデルにより補完し、物理モデルのデメリットであった理論で表すことのできない影響因子を決定木モデルにより補完することができる。従って、本発明によれば、物理現象に基づく時系列事象に対して、現時点において観測される時系列事象の状態から、将来の時系列事象の状態をより精度高く予測することができる。

図１は、本発明の実施形態に係るめっき付着量制御装置およびめっきプラントの構成を示す概略図である。 図２は、本発明の実施形態に係るめっき付着量制御装置によるめっき付着量制御方法の流れを示すフローチャートである。 図３は、本発明の実施形態に係るめっき付着量制御方法のモデル作成ステップにおける決定木モデルの生成方法を説明するための図である。 図４は、本発明の実施形態に係るめっき付着量制御方法のモデル作成ステップにおいて、鋼帯の組成に対応する文字データである鋼種を新たな操業条件として追加することにより、決定木モデルを更新する場合の一例を示す図である。 図５は、本発明の実施形態に係るめっき付着量制御方法のモデル作成ステップにおいて、鋼帯の組成に対応する文字データである鋼種を新たな操業条件として追加することにより、決定木モデルを更新する場合の別の一例を示す図である。 図６は、本発明の実施形態に係るめっき付着量制御方法のモデル作成ステップで生成された決定木モデルのデータ構造の一例を示す図である。 図７は、決定木モデルおよび物理モデルを時系列データによってフィッティングしたグラフである。 図８は、物理モデルのみで予測を行った場合、決定木モデルのみで予測を行った場合、アンサンブルモデルで予測を行った場合、における実績値と予測値の平均二乗誤差を示す説明図である。

以下、本発明の実施形態に係る時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラムについて、図面を参照しながら説明する。なお、本発明は以下で説明する実施形態に限定されるものではない。

［時系列事象予測方法／時系列事象予測装置］
本実施形態に係る時系列事象予測方法は、物理現象に基づく時系列事象に対して、将来の時系列事象の状態を予測する方法である。時系列事象予測方法では、蓄積された過去の時系列事象に関する情報から決定木モデルを作成し、当該決定木モデルと、物理現象に基づく物理モデルとを組み合わせて用いることにより、現時点の時系列事象の状態から、将来の時系列事象の状態を予測する。

以下では、時系列事象予測方法の具体例として、鉄鋼プロセスの連続めっきラインにおいて、鋼帯に付着するめっきの量（以下、「めっき付着量」という）を予測する場合について説明する。

鉄鋼プロセスの連続めっきラインにおけるめっき付着量は、ガスワイピングノズルの先端から鋼帯までの距離（ノズルギャップ）と、ガスワイピングノズルから吹き付けるガスの圧力（ノズル圧力）と、により概ね決定される。

めっき付着量を自動制御する多くのプラントでは、上位計算機から送られてくるめっき付着量の目標値（以下、「目標めっき付着量」という）を実現するノズルギャップおよびノズル圧力を、めっき付着量予測モデルを用いて計算することにより、自動制御を行っている。このめっき付着量の自動制御では、目標めっき付着量が変更になる時（鋼帯の溶接点を通過した時）にプリセット制御を行い、ここで生じた目標めっき付着量の誤差を、めっき付着量計検出値を用いたフィードバック制御によって解消している。

ここで、前記しためっき付着量計は、鋼帯に実際に付着しているめっきの量を測定するが、ガスワイピングノズルから数十〜数百ｍ後方（下流側）に取り付けられていることが多いため、現在のノズルギャップおよびノズル圧力に対応しためっき付着量を測定できるまでに、例えば１〜２分を必要とする。そのため、フィードバック制御を用いてめっき付着量を制御しようとすると、鋼帯の長手方向における広い範囲でめっき付着量の精度が低下することになる。そのため、従来からプリセット制御の制御向上が求められている。

［めっきプラント］
まず、本実施形態で用いるめっきプラント３の構成について説明する。めっきプラント３は、図１に示すように、ポット３１と、シンクロール３３と、コレクトロール３４と、ガイドロール３５と、ガスワイピングノズル（以下、「ノズル」という）３６と、めっき付着量計３７と、を備えている。

ポット３１には、溶融金属が溜められている。ポット３１内には、鋼帯（鋼板）３２が連続的に搬送され、溶融金属に浸漬される。また、ポット３１内には、シンクロール３３およびコレクトロール３４が設置されている。

コレクトロール３４は、ノズル３６が設置された位置における鋼帯３２の湾曲を抑制するためのものである。一対のコレクトロール３４における一方のロール（図１の下側のロール）および他方のロール（同図の上側のロール）は、互いに高さ位置をずらして配置されており、固定された一方のロールに対して、他方のロールを押し込むことにより、鋼帯３２を挟み、その湾曲を抑制している。なお、その際の一方のロールに対する他方のロールの押し込み量のことを、本実施形態では「ロール押し込み量Ｃ」と定義する。

鋼帯３２は、ポット３１内ではシンクロール３３およびコレクトロール３４によって支持されており、ポット３１外ではガイドロール３５によって支持されている。鋼帯３２は、ポット３１内の溶融金属に一旦浸された後、引き上げざまにノズル３６から高圧のガスが吹き付けられる。このようにして、鋼帯３２に付着した不要な溶融金属を削ぎ落とすことにより、めっき付着量を所望の値（目標めっき付着量）に制御する。なお、鋼帯３２のめっき付着量は、ノズル３６の先端から鋼帯３２表面までの距離（以下、「ノズルギャップＤ」という）と、ノズル３６から吹き付けるガスの圧力（以下、「ノズル圧力Ｐ」という）と、により概ね決定される。

鋼帯３２は、具体的には複数の鋼帯が溶接点ＰＷによって接続されることにより構成されている。この溶接点ＰＷは、後記するめっき付着量制御において、目標めっき付着量の切り替わり箇所と対応している。

めっき付着量計３７は、鋼帯３２の実際のめっき付着量を測定する。このめっき付着量計３７は、ノズル３６の位置から数十〜数百ｍ後方（下流側）に隔たった位置に取り付けられている。また、めっき付着量計３７は、鋼帯３２を幅方向にサイクリック（周期的）に測定するため、現在のノズルギャップＤおよびノズル圧力Ｐに対応しためっき付着量を測定するまでには、例えば１〜２分を必要とする。

［めっき付着量制御装置］
以下、本実施形態に係るめっき付着量制御装置１の構成について説明する。めっき付着量制御装置１は、前記しためっきプラント３を制御し、鋼帯３２に所望の厚みのめっきを付着させる。すなわち、めっき付着量制御装置１は、溶融めっき浴（ポット３１）から連続的に取り出される鋼帯３２に対して、ノズル３６からガスを吹き付けることにより、当該鋼帯３２のめっき付着量を制御する。

めっき付着量制御装置１は、ハードウェア的には、ＣＰＵ（Central Processing Unit）等の演算処理装置と、ハードディスク装置等の記憶装置と、から構成される。前記した演算処理装置は、コンピュータプログラムを実行することにより、プリセット制御部（プリセット制御手段）１１、付着量予測部（付着量予測手段）１２およびモデル作成部（モデル作成手段）１３として機能する。また、前記した記憶装置は、モデル記憶部１４として機能する。なお、図１では図示を省略したが、めっき付着量制御装置１は、上位計算機２からネットワークを介して各種情報を取り込むための入力部と、各種処理情報を出力するための出力部（例えば表示装置、印刷装置等）と、を別途備えている。

プリセット制御部１１は、溶接点ＰＷで接続されている各鋼帯３２の目標めっき付着量や、各鋼帯３２の板幅や板厚等の製造情報を、前記した入力部を介して上位計算機２から取り込み、鋼帯３２の変わり目で新しい目標めっき付着量が実現されるように、操作端の制御指令値を算出する。ここで、前記した「制御指令値」は、具体的にはノズル３６のノズルギャップＤおよびノズル圧力Ｐに関する制御指令値である。

プリセット制御部１１は、後記する付着量予測部１２によって予測された現在のめっき付着量をフィードバックすることにより、鋼帯３２のめっき付着量が目標めっき付着量となるように制御する。プリセット制御部１１は、具体的には予測された現在のめっき付着量と目標めっき付着量とに基づき、ノズル３６のノズルギャップＤおよびノズル圧力Ｐに関する制御指令値を算出する。

プリセット制御部１１には、上位計算機２から、鋼帯３２の鋼種、板幅、板厚および目標めっき付着量が入力され、かつ付着量予測部１２からめっき付着量の予測値（以下、「予測めっき付着量」という）が入力される。これを受けて、プリセット制御部１１は、前記した制御指令値を算出し、この制御指令値をノズル３６に対して出力する。

付着量予測部１２は、めっきプラント３における、ノズル３６のノズルギャップＤの実績値と、ノズル３６から鋼帯３２に対して吹き付けているガスのノズル圧力Ｐの実績値と、を取り込み、めっき付着量予測モデルに基づいて現在のめっき付着量を予測する。ここで、前記した「めっき付着量予測モデル」とは、具体的には後記する決定木モデルおよび物理モデルを組み合わせたアンサンブルモデルのことを示している。付着量予測部１２は、このアンサンブルモデルと実操業条件とに基づいて、現在のめっき付着量を予測する。

付着量予測部１２には、めっきプラント３から実績値として、ノズルギャップＤ、ノズル圧力Ｐ、ロール押し込み量Ｃおよびめっき付着量計３７によって測定されためっき付着量が入力される。これを受けて、付着量予測部１２は、前記しためっき付着量を予測し、この予測めっき付着量をプリセット制御部１１に対して出力する。

モデル作成部１３は、上位計算機２やめっきプラント３からの情報を、付着量予測部１２を経由して受け取り、それらの情報を用いて、めっき付着量と操業条件との相関を機械的に学習する。モデル作成部１３は、具体的には過去の操業条件とそれに対応するめっき付着量とを含む複数のデータセットを用い、めっき付着量を当該過去の操業条件によって複数のグループに分類することにより、決定木モデルを生成する。

また、モデル作成部１３は、新たな操業条件が追加された場合、生成済みの決定木モデルに対して、新たな操業条件を分岐条件（説明変数）として追加することにより、決定木モデルを更新する。ここで、前記した「操業条件」の例としては、鋼帯３２の組成に対応する文字データである鋼種と、鋼帯３２の板幅と、鋼帯３２の板厚と、ノズルギャップＤと、ノズル圧力Ｐと、ロール押し込み量Ｃと、が挙げられる。

モデル作成部１３には、付着量予測部１２から、鋼帯３２の鋼種、板幅、板厚、ノズルギャップＤ、ノズル圧力Ｐ、ロール押し込み量Ｃおよびめっき付着量計３７によって測定されためっき付着量が入力される。これを受けて、モデル作成部１３は、前記した決定木モデルを生成し、この決定木モデルをモデル記憶部１４に対して出力する。なお、モデル作成部１３による決定木モデルの生成方法および決定木モデルの構造については後記する。

なお、モデル作成部１３は、必ずしもめっき付着量制御装置１内に設けられていなくてもよく、例えば外部計算機で作成した決定木モデルをネットワーク経由で受信し、後述のモデル記憶部１４に格納してもよい。

モデル記憶部１４には、モデル作成部１３によって作成された決定木モデルと、物理現象に基づく物理モデルとが、格納されている。決定木モデルは、操業条件（説明変数）を用いてめっき付着量（目的変数）を決定する。物理モデルは、例えば下記式（１）に示すような操業条件を入力値として含む関数ｆによって構成されている。なお、下記式（１）において、Ｗはめっき付着量、Ｄはノズルギャップ、Ｖはライン速度、Ｐはノズル圧力である。下記式（１）における入力値は例示であり、物理モデルが用いる操業条件として、モデル作成部１３が用いる他の操業条件を更に追加してもよいし、モデル作成部１３が用いない他の操業条件を入力してもよい。

［めっき付着量制御方法］
以下、本実施形態に係るめっき付着量制御装置１によるめっき付着量制御方法について、図２〜図７を参照しながら説明する。以下で説明するめっき付着量制御方法は、例えば鉄鋼のプロセスラインにおけるめっき付着量制御に広く適用することができる。

本実施形態に係るめっき付着量制御方法では、具体的には図２に示すように、モデル作成ステップＳ１と、付着量予測ステップＳ２と、付着量制御ステップＳ３と、をこの順序で行う。

＜モデル作成ステップ＞
モデル作成ステップＳ１では、モデル作成部１３によって、操業条件を説明変数とし、それに対応するめっき付着量を目的変数として、めっき付着量を操業条件によって複数のグループに分類することにより決定木モデルを作成する。モデル作成部１３は、具体的には、過去の操業条件とそれに対応するめっき付着量とを含む複数のデータセットを用い、めっき付着量を当該過去の操業条件によって複数のグループに分類することにより、決定木モデルを生成する。

モデル作成ステップＳ１では、例えばＦ検定を利用して、めっき付着量を過去の操業条件によって複数のグループに分類することができる。すなわち、モデル作成ステップＳ１では、図３に示すように、めっき付着量計３７によって測定されためっき付着量の全母集団（親データ）に対して、説明変数（操業条件）ごとにＦ検定を実施し、最もｐ値を最小にできるデータの分割点を探すことにより、分岐条件を決定することができる。なお、めっき付着量の親データから分類された子データは、同図に示すように、分類された各めっき付着量を平均しためっき付着量平均値で示される。

モデル作成ステップＳ１では、Ｆ検定を全ての説明変数（操業条件）について実施し、それぞれの説明変数の中で、親データを最も均質（等分散）にすることができる説明変数を、一番目（最初）の分岐条件として決定することができる。そして、モデル作成ステップＳ１では、このような分岐条件の決定処理を各子データに対して実施し、分岐した子データを最も均質にすることができる説明変数を、その次の分岐条件として決定し、図３に示すような決定木モデルを生成する。なお、モデル作成ステップＳ１では、Ｆ検定によって子データが等分散ではない（均質ではない）と判定された時点で子データの分岐を終了する。

なお、モデル作成ステップＳ１では、前記したＦ検定を利用した方法の他に、例えば平均二乗誤差（ＲＭＳＥ：Root Means Square of Error）を指標として用い、サンプルをある条件でサブグループへ分割し、それぞれのサブグループの平均値を予測値とし、ＲＭＳＥの和が最も減少する分割を優先的に採用することにより、めっき付着量を過去の操業条件によって複数のグループに分類してもよい。

決定木モデルでは、分岐条件を構成する操業条件として、前記したように、鋼帯３２の板幅、板厚、ノズルギャップＤ、ノズル圧力Ｐおよびロール押し込み量Ｃ等の数値情報以外にも、鋼種等の文字データも用いることができるため、数値情報以外の分岐条件を数値情報に変換することなく、取り込むことができるというメリットがある。

また、決定木モデル作成する際に、例えば説明対象の実績値（説明変数）が同じ値でも、目的対象の実績値（目的変数）が異なる場合がある。この場合は、決定木モデルの層（枝、分岐条件）を増加させることにより、より精度の高いモデルを作成することが可能となるが、将来の時系列事象に対しては精度の低いモデルになる（一般的に過学習と呼ばれる）。そのため、決定木モデルを作成する際は、過学習になりにくい最大層を選定することが重要である。過学習になりにくい決定木モデルの最大層としては、例えば三層が挙げられるが、この場合は予測値が八種類しか存在しないため、予測値が離散的な値となる。

（決定木モデルのデータ構造）
モデル作成ステップＳ１では、例えば図４および図５に示すような決定木モデルを生成することができる。図４で示した決定木モデルは、一番目の分岐条件として鋼種（鋼種Ａか鋼種Ｂか）が設定され、二番目の分岐条件として板幅（板幅がＸｍｍより大きいか小さいか）が設定されている。ここで、同図の「既設」側に示した決定木モデルが既に生成されている場合において、例えば過去に操業実績のない新たな鋼種Ｃを操業条件に追加する場合、モデル作成ステップＳ１では、同図の「新設」側に示すように、決定木モデルの一番目の分岐に新たな鋼種Ｃを頂点とする部分木を追加することにより、決定木モデルを更新する。同図に示すように鋼種が一番目の分岐条件として設定されている場合、既設と新設との切り分けが可能というメリットがある。

一方、図５で示した決定木モデルは、一番目の分岐条件として板幅（板幅がＸｍｍより大きいか小さいか）が設定され、二番目の分岐条件として鋼種（鋼種Ａか鋼種Ｂか）が設定されている。ここで、同図の「既設」側に示した決定木モデルが既に生成されている場合において、例えば過去に操業実績のない新たな鋼種Ｃを操業条件に追加する場合、モデル作成ステップＳ１では、同図の「新設」側に示すように、決定木モデルの二番目の分岐に新たな鋼種Ｃを頂点とする部分木を追加することにより、決定木モデルを更新する。同図に示すように鋼種が二番目の分岐条件として設定されている場合、一番目の分岐（板幅）の枝をそれぞれ改造する必要がある。

ここで、モデル作成ステップＳ１では、図６に示すように、親データに近い上位の枝についてはＦ検定を利用せずに手動で分岐条件を決定し、親データから遠い下位の枝についてはＦ検定を利用して自動で分岐条件を決定することにより、決定木モデルを生成することが好ましい。

図６で示した決定木モデルは、一番目の分岐条件として鋼種が設定され、二番目の分岐条件として鋼帯３２の板幅が設定され、三番目の分岐条件として鋼帯３２の板厚が設定され、四番目の分岐条件としてロール押し込み量Ｃおよびノズル圧力（表）が設定され、五番目の分岐条件としてノズル圧力（裏）およびノズルギャップ（表）が設定され、六番目の分岐条件としてノズル圧力（表）が設定されている。このうち、一番目から三番目までの分岐条件は、Ｆ検定を利用せずに手動で決定されたものであり、四番目以降（四番目〜六番目）の分岐条件は、Ｆ検定に基づいて自動で決定されたものである。

なお、前記した「ノズル圧力（表）」とは、一対のノズル３６のうち、鋼帯３２の表側に配置されたノズル（図１の左側のノズル）のノズル圧力Ｐを示しており、前記した「ノズル圧力（裏）」とは、一対のノズル３６のうち、鋼帯３２の裏側に配置されたノズル（同図の右のノズル）のノズル圧力Ｐを示しており、前記した「ノズルギャップ（表）」とは、一対のノズル３６のうち、鋼帯３２の表側に配置されたノズル（同図の左側のノズル）と鋼帯３２との間のノズルギャップＤを示している。

このように、モデル作成ステップＳ１で生成される決定木モデルにおいて、分岐条件の上位に鋼種を設定することにより、前記した図４に示すように、操業条件として、新たな鋼種が追加された場合であっても、既設の決定木モデルに手を加えることなく、決定木モデルの拡張を行うことができる。従って、既設の決定木モデルの再利用性が向上する。以下、付着量予測ステップＳ２以降の説明を続ける。

＜付着量予測ステップ＞
付着量予測ステップＳ２では、付着量予測部１２によって、アンサンブルモデルと実操業条件とに基づいて、実操業時における現在のめっき付着量を予測する。前記した「アンサンブルモデル」とは、モデル作成ステップＳ１で作成した決定木モデルと物理現象に基づく物理モデル（上記式（１）参照）とを組み合わせたモデルであり、例えば下記式（２）のように示すことができる。なお、下記式（２）のＩは重み係数である。また、重み係数は、事前に学習データを用いて最適値を決定したものであるが、定周期もしくは任意のタイミングで学習し補正を行って決定してもよい。

上記式（２）に示すように、付着量予測部１２は、決定木モデルと実操業条件とに基づいて算出した予測値（第一の予測値）と、物理モデルと実操業条件とに基づいて算出した予測値（第二の予測値）と、に重み付けをすることにより、めっき付着量の予測値を算出する。

なお、ライン速度が遅い場合は、物理モデルによる予測が外れやすい傾向がある。そのため、ライン速度に応じて上記式（２）の重みを変更することが好ましい。例えばライン速度が遅い場合は、上記式（２）の重み係数Ｉを調整し、決定木による予測の比率を高める。これにより、予測精度を向上させることができる。

ここで、図７は、決定木モデルおよび物理モデルを時系列データによってフィッティングしたグラフであり、横軸が時間を、縦軸がめっき付着量を示している。同図に示すように、決定木モデルによるめっき付着量の予測値（一点鎖線参照）と、物理モデルによるめっき付着量の予測値（破線参照）とは、めっき付着量の実績値に概ね追従している。但し、めっき付着量の予測外れが生じた場合、同図に示すように、物理モデルの予測値は−方向に外れる傾向があり、決定木モデルの予測値は＋方向に外れる傾向がある。

このような傾向が生じる理由は必ずしも明らかではないが、決定木モデルを作成する段階（モデル作成ステップ）の操業条件と、決定木モデルを利用する段階（付着量予測ステップ）の操業条件との違いに起因して、決定木モデルによるめっき付着量の予測値が外れる可能性がある。この場合、例えば決定木モデルを作成する際の学習データに含まれるめっき量が、決定木モデルを利用する際の学習データに含まれるめっき量よりも厚いと、上記のように決定木モデルの予測値が＋方向に外れる傾向が表れる。

また、物理モデルに関しては、全ての操業条件をモデルで表現することは難しく、例えばライン速度等の条件変化によって物理モデルの予測値が外れる可能性がある。この場合、例えばライン速度が低いと、上記のように物理モデルの予測値が−方向に外れる傾向が表れる。

以上を踏まえて、付着量予測部１２では、ＲＭＳＥが最小となるように最適化を実施し、上記式（２）の重み係数Ｉを決定することにより、アンサンブルモデルを作成する。そして、付着量予測部１２は、当該アンサンブルモデルを用いてめっき付着量を予測する。

＜付着量制御ステップ＞
付着量制御ステップＳ３では、プリセット制御部１１によって、予測された現在のめっき付着量をフィードバックすることにより、鋼帯３２のめっき付着量が目標めっき付着量となるように制御する。

以上のように、本実施形態に係るめっき付着量制御方法では、鋼帯３２の鋼種、板幅、板厚、ノズルギャップＤ、ノズル圧力Ｐおよびロール押し込み量Ｃのそれぞれの実績データと、ノズル３６よりも後段のめっき付着量計３７で測定されためっき付着量の実績データと、の相関を定期的かつ機械的に学習する（モデル作成ステップＳ１）。そして、その学習結果である決定木モデルと、物理モデルとに基づいて現在のめっき付着量を予測し（付着量予測ステップＳ２）、予測めっき付着量に基づいて、実際のめっき付着量を制御する（付着量制御ステップＳ３）。

［めっき付着量制御プログラム］
本実施形態に係るめっき付着量制御プログラムは、溶融めっき浴から連続的に取り出される鋼帯３２に対して、ノズル３６からガスを吹き付けることにより、鋼帯３２のめっき付着量を制御するためのものであり、コンピュータを、モデル作成手段（モデル作成部１３）、付着量予測手段（付着量予測部１２）、プリセット制御手段（プリセット制御部１１）、として機能させる。

本実施形態に係るめっき付着量制御プログラムは、例えばハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ等の、コンピュータで読み取り可能な記録媒体に格納して配布してもよく、あるいは、ネットワークを介して流通させてもよい。

［溶融めっき鋼帯の製造方法］
本実施形態に係る溶融めっき鋼帯の製造方法は、前記した本実施形態に係るめっき付着量制御方法によってめっき付着量が制御された溶融めっき鋼帯を製造する。

以上説明したような本実施形態に係る時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラムによれば、決定木モデルのように離散的な予測を行う予測方法に対して、物理現象に基づく物理モデルを組み合わせたアンサンブルモデルを利用することにより、決定木モデルのデメリットであった離散的な予測を物理モデルにより補完し、物理モデルのデメリットであった理論で表すことのできない影響因子を決定木モデルにより補完することができる。

例えば図８に示すように、実績値と予測値のＲＭＳＥを比較した場合、物理モデルのみで予測した場合や決定木モデルのみで予測した場合よりも、これらを組み合わせたアンサンブルモデルで予測した場合のほうが、予測精度が高くなる。

従って、本実施形態に係る時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラムによれば、物理現象に基づく時系列事象に対して、現時点において観測される時系列事象の状態から、将来の時系列事象の状態をより精度高く予測することができる。

また、本実施形態に係る時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラムでは、決定木モデルを利用することにより、鋼種のような文字データを説明変数として取り込むことができ、めっき付着量に影響のある鋼種もモデル作成に用いて、目的変数であるめっき付着量の予測精度を向上することができる。

また、本実施形態に係る時系列事象予測方法、めっき付着量制御方法、溶融めっき鋼帯の製造方法、時系列事象予測装置、めっき付着量制御装置およびめっき付着量制御プログラムでは、前記した図４および図６に示すように、鋼種を決定木モデルの最初の分岐に設定することにより、鋼種が新たに追加された場合も、既存の決定木モデルを破棄することなく、新たな部分木を追加するだけで決定木モデルを更新することができるため、既存の決定木モデルの再利用が可能である。また、めっき付着量予測モデルとして決定木モデルを用いることにより、視認性が向上し、例えばプログラム検証や他施設への横展開等も容易となる。

以上、本発明に係るめっき付着量制御方法、溶融めっき鋼帯の製造方法、めっき付着量制御装置およびめっき付着量制御プログラムについて、発明を実施するための形態および実施例により具体的に説明したが、本発明の趣旨はこれらの記載に限定されるものではなく、特許請求の範囲の記載に基づいて広く解釈されなければならない。また、これらの記載に基づいて種々変更、改変等したものも本発明の趣旨に含まれることはいうまでもない。

例えば、前記した図１で示しためっき付着量制御装置１では、モデル作成部１３で生成された決定木モデルをモデル記憶部１４に一旦格納していたが、モデル作成部１３は、生成した決定木モデルをモデル記憶部１４に格納せずに、そのまま付着量予測部１２に対して出力してもよい。同様に、物理モデルについても、モデル記憶部１４に格納せずに、外部計算機からそのまま付着量予測部１２に対して出力してもよい。

また、前記した図６で示した決定木モデルでは、一番目の分岐条件として鋼種が設定され、二番目の分岐条件として鋼帯３２の板幅が設定され、三番目の分岐条件として鋼帯３２の板厚が設定されていたが、二番目の分岐条件として鋼帯３２の板厚を設定し、三番目の分岐条件として鋼帯３２の板幅を設定してもよい。

また、前記しためっき付着量制御方法では、操業条件（分岐条件）に含めることが可能な文字データとして、鋼種を一例として挙げたが、例えば鋼種以外にも、溶融亜鉛めっき鋼板を表す「ＧＩ」、合金化溶融亜鉛めっき鋼板を表す「ＧＡ」等の、他の文字データを操業条件としてもよい。

また、前記しためっき付着量制御方法では、決定木モデルが更新されるタイミングとして、例えば過去に操業実績のない新たな鋼種が操業条件に追加された場合を例示したが（図４および図５参照）、鋼種や新たな鋼板サイズ等の操業条件が追加された場合以外にも、例えば設定した所定の時間間隔や、定期点検等の操業停止タイミングで決定木モデルを更新してもよい。

また、本明細書では、本発明に係る時系列事象予測方法の具体例として、鉄鋼プロセスの連続めっきラインでめっき付着量を予測する場合の例について説明したが、本発明に係る時系列事象予測方法は、物理現象に基づく時系列事象予測に広く適用することができる。

１ めっき付着量制御装置
１１ プリセット制御部（プリセット制御手段）
１２ 付着量予測部（付着量予測手段）
１３ モデル作成部（モデル作成手段）
１４ モデル記憶部
２ 上位計算機
３ めっきプラント
３１ ポット
３２ 鋼帯（鋼板）
３３ シンクロール
３４ コレクトロール
３５ ガイドロール
３６ ノズル（ガスワイピングノズル）
３７ めっき付着量計
ＰＷ 溶接点

Claims (10)

1. 物理現象に基づく時系列事象に対して、将来の時系列事象の状態を予測する時系列事象予測方法において、
   蓄積された過去の時系列事象に関する情報から決定木モデルを作成し、前記決定木モデルと、物理現象に基づく物理モデルとを組み合わせて用いることにより、現時点の時系列事象の状態から、将来の時系列事象の状態を予測することを特徴とする時系列事象予測方法。
2. 前記決定木モデルの予測値および前記物理モデルの予測値に重み付けをすることにより、めっき付着量の予測値を算出することを特徴とする請求項１に記載の時系列事象予測方法。
3. 溶融めっき浴から連続的に取り出される鋼帯に対して、ノズルからガスを吹き付けることにより、前記鋼帯のめっき付着量を制御するめっき付着量制御方法において、
   操業条件を説明変数とし、それに対応するめっき付着量を目的変数としてめっき付着量を予測する決定木モデル、および物理現象に基づく物理モデルを組み合わせて用いることにより、実操業時におけるめっき付着量を予測する付着量予測ステップと、
   予測しためっき付着量に基づいて、前記鋼帯のめっき付着量を制御する付着量制御ステップと、
   を含むことを特徴とするめっき付着量制御方法。
4. 前記付着量予測ステップの前に、操業条件を説明変数とし、それに対応するめっき付着量を目的変数として、前記めっき付着量を前記操業条件によって複数のグループに分類することにより前記決定木モデルを作成するモデル作成ステップを含むことを特徴とする請求項３に記載のめっき付着量制御方法。
5. 前記モデル作成ステップは、過去の操業条件とそれに対応するめっき付着量とを含む複数のデータセットを用い、前記めっき付着量を前記過去の操業条件によって複数のグループに分類することにより、決定木モデルを作成し、
   前記付着量予測ステップは、前記決定木モデルと実操業条件とに基づいて第一の予測値を算出し、前記物理モデルと実操業条件とに基づいて第二の予測値を算出し、前記第一の予測値および前記第二の予測値に重み付けをすることにより、めっき付着量の予測値を算出し、
   前記付着量制御ステップは、前記めっき付着量の予測値をフィードバックすることにより、前記鋼帯のめっき付着量が目標値となるように制御することを特徴とする請求項４に記載のめっき付着量制御方法。
6. 前記複数のデータセットは、前記過去の操業条件として、前記鋼帯の組成に対応する文字データである鋼種と、前記鋼帯の板幅と、前記鋼帯の板厚と、前記ノズルの先端から前記鋼帯までの距離と、前記ノズルから吹き付けるガスの圧力と、を含むことを特徴とする請求項５に記載のめっき付着量制御方法。
7. 請求項３から請求項６のいずれか一項に記載のめっき付着量制御方法によってめっき付着量が制御された溶融めっき鋼帯を製造することを特徴とする溶融めっき鋼帯の製造方法。
8. 物理現象に基づく時系列事象に対して、将来の時系列事象の状態を予測する時系列事象予測装置において、
   蓄積された過去の時系列事象に関する情報から決定木モデルを作成し、前記決定木モデルと、物理現象に基づく物理モデルとを組み合わせて用いることにより、現時点の時系列事象の状態から、将来の時系列事象の状態を予測することを特徴とする時系列事象予測装置。
9. 溶融めっき浴から連続的に取り出される鋼帯に対して、ノズルからガスを吹き付けることにより、前記鋼帯のめっき付着量を制御するめっき付着量制御装置において、
   操業条件を説明変数とし、それに対応するめっき付着量を目的変数としてめっき付着量を予測する決定木モデル、および物理現象に基づく物理モデルを組み合わせて用いることにより、実操業時におけるめっき付着量を予測する付着量予測部と、
   予測しためっき付着量に基づいて、前記鋼帯のめっき付着量を制御するプリセット制御部と、
   を備えることを特徴とするめっき付着量制御装置。
10. 溶融めっき浴から連続的に取り出される鋼帯に対して、ノズルからガスを吹き付けることにより、前記鋼帯のめっき付着量を制御するめっき付着量制御プログラムにおいて、コンピュータを、
    操業条件を説明変数とし、それに対応するめっき付着量を目的変数として、前記めっき付着量を前記操業条件によって複数のグループに分類することにより決定木モデルを作成するモデル作成手段、
    前記決定木モデルと、物理現象に基づく物理モデルとを組み合わせて用いることにより、実操業時におけるめっき付着量を予測する付着量予測手段、
    予測しためっき付着量に基づいて、前記鋼帯のめっき付着量を制御するプリセット制御手段、
    として機能させるためのめっき付着量制御プログラム。

Images