JP2022049863A - Steel plant operation support system - Google Patents
Steel plant operation support system Download PDFInfo
- Publication number
- JP2022049863A JP2022049863A JP2020156123A JP2020156123A JP2022049863A JP 2022049863 A JP2022049863 A JP 2022049863A JP 2020156123 A JP2020156123 A JP 2020156123A JP 2020156123 A JP2020156123 A JP 2020156123A JP 2022049863 A JP2022049863 A JP 2022049863A
- Authority
- JP
- Japan
- Prior art keywords
- operator
- data
- product
- quality
- steel plant
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 83
- 239000010959 steel Substances 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 130
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000013075 data extraction Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 19
- 230000008569 process Effects 0.000 description 67
- 238000006243 chemical reaction Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 17
- 238000004519 manufacturing process Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 13
- 230000006872 improvement Effects 0.000 description 10
- 238000000605 extraction Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000011017 operating method Methods 0.000 description 7
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000002436 steel type Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000010953 base metal Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、操業員による手動での鉄鋼プラントの操業を支援する鉄鋼プラント操業支援システムに関する。 The present invention relates to a steel plant operation support system that supports manual operation of a steel plant by an operator.
鉄鋼プラントは操業員による手動での操業が可能である。この場合に懸念されるのが、操業員ごとの操業方法のばらつきよる製品の品質への影響である。特許文献１には、運転員に操作レベルに応じた操作支援内容を提供するプラント監視制御システムに係る従来技術が開示されている。この従来技術におけるプラント監視制御システムは、運転員ＩＤを格納している携帯型通信機と、プラント制御機器に接続されるプラント運転操作卓とを備える。プラント運転操作卓は、タッチ電極、タッチパネル付表示装置、運転員情報データベース、操作支援情報データベースおよび操作履歴データベースを有している。 Steel plants can be operated manually by operators. In this case, the concern is the effect on the quality of the product due to the variation in the operation method for each operator. Patent Document 1 discloses a prior art relating to a plant monitoring and control system that provides an operator with operation support contents according to an operation level. The plant monitoring and control system in the prior art includes a portable communication device that stores an operator ID and a plant operation console connected to the plant control equipment. The plant operation console has a touch electrode, a display device with a touch panel, an operator information database, an operation support information database, and an operation history database.
従来技術において、プラント運転操作卓は、タッチパネル付表示装置に入力された操作情報を操作履歴データベースに格納する。また、携帯型通信機から運転員ＩＤを読み取り、読み取った運転員ＩＤを、運転員情報データベースに保存されている運転員ＩＤと照合する。運転員ＩＤの照合により運転員の認証が成功すると、運転員情報データベースから認証が成功した運転員の操作レベルを取得する。そして、操作支援情報データベースからは、運転員の操作レベルに対応した画面展開情報を取得し、タッチパネル付表示装置にその画面展開情報に対応した操作画面を表示する。 In the prior art, the plant operation console stores the operation information input to the display device with a touch panel in the operation history database. Further, the operator ID is read from the portable communication device, and the read operator ID is collated with the operator ID stored in the operator information database. If the operator is successfully authenticated by collating the operator ID, the operation level of the successfully authenticated operator is acquired from the operator information database. Then, the screen development information corresponding to the operation level of the operator is acquired from the operation support information database, and the operation screen corresponding to the screen development information is displayed on the display device with a touch panel.
従来技術は、運転員の操作レベルに対応した操作画面を表示することに特徴がある。しかし、現在の運転員が誰であるかは、他人との貸し借りが可能な携帯型通信機から読み取った運転員ＩＤにより管理されている。このため、運転員ＩＤから特定された運転員と実際の運転員とが異なる場合が有り得る。つまり、従来技術においてタッチパネル付表示装置に表示される操作画面は、必ずしも運転員の操作レベルに対応したものとは言えないおそれがあった。 The conventional technique is characterized in displaying an operation screen corresponding to the operation level of the operator. However, who the current operator is is managed by the operator ID read from a portable communication device that can be rented and borrowed from another person. Therefore, the operator specified from the operator ID may differ from the actual operator. That is, in the prior art, the operation screen displayed on the display device with a touch panel may not necessarily correspond to the operation level of the operator.
本発明は、上記のような問題を解決するためになされたもので、操業員が手動で鉄鋼プラントを操業する場合の操業員ごとの操業方法のばらつきを低減して製品の品質を向上させることができる鉄鋼プラント操業支援システムを提供することを目的とする。 The present invention has been made to solve the above-mentioned problems, and to improve the quality of products by reducing the variation in the operation method for each operator when the operator manually operates the steel plant. The purpose is to provide a steel plant operation support system that can be used.
本発明に係る鉄鋼プラント操業支援システムは、操業員による手動での鉄鋼プラントの操業を支援する鉄鋼プラント操業支援システムである。本発明に係る鉄鋼プラント操業支援システムは、鉄鋼プラントの制御機器を手動操作するためのプラント運転操作盤と、プラント運転操作盤を操作している担当操業員の画像を読み取るカメラと、操業員認証データベースを記憶した記憶装置とを備える。操業員認証データベースは、操業員ごとの操業員画像認証データを含むデータベースである。さらに、本発明に係る鉄鋼プラント操業支援システムは、操業員同定手段、担当操業員履歴データ算出手段、操作履歴データ算出手段、操作特徴データ抽出手段、製品品質実績データ算出手段、及び操業方法評価手段を備える。 The steel plant operation support system according to the present invention is a steel plant operation support system that supports manual operation of a steel plant by an operator. The steel plant operation support system according to the present invention includes a plant operation panel for manually operating the control equipment of the steel plant, a camera that reads an image of the operator in charge of operating the plant operation panel, and operator certification. It is equipped with a storage device that stores a database. The operator authentication database is a database containing operator image authentication data for each operator. Further, the steel plant operation support system according to the present invention includes an operator identification means, a responsible operator history data calculation means, an operation history data calculation means, an operation feature data extraction means, a product quality actual data calculation means, and an operation method evaluation means. To prepare for.
操業員同定手段は、カメラで読み取った担当操業員の画像を操業員認証データベースと照合し、担当操業員を同定するように構成されている。担当操業員履歴データ算出手段は、操業員同定手段による同定結果に基づき、鉄鋼プラントで製造される製品の長さ方向の位置に対する担当操業員の履歴である操業員履歴データを算出するように構成されている。操作履歴データ算出手段は、プラント運転操作盤からの制御機器に対する操作信号を取得し、製品の長さ方向の位置に対する操作信号の履歴である操作履歴データを算出するように構成されている。そして、操作特徴データ抽出手段は、担当操業員履歴データと操作履歴データとに基づいて、操業員ごとの操作特徴を示す操作特徴データを抽出するように構成されている。 The operator identification means is configured to identify the operator in charge by collating the image of the operator in charge read by the camera with the operator authentication database. The operator history data calculation means is configured to calculate the operator history data, which is the history of the operator in charge with respect to the position in the length direction of the product manufactured in the steel plant, based on the identification result by the operator identification means. Has been done. The operation history data calculation means is configured to acquire an operation signal for the control device from the plant operation operation panel and calculate operation history data which is a history of the operation signal with respect to the position in the length direction of the product. The operation feature data extraction means is configured to extract operation feature data indicating operation features for each operator based on the operator history data in charge and the operation history data.
製品品質実績データ算出手段は、製品の品質実績値を取得し、製品の長さ方向の位置に品質実績値が関連付けられた製品品質実績データを算出するように構成されている。品質エラーデータ抽出手段は、製品品質実績データを製品品質設定データと比較することにより、製品の長さ方向の位置に品質エラーが関連付けられた品質エラーデータを抽出するように構成されている。 The product quality actual data calculation means is configured to acquire the product quality actual value and calculate the product quality actual data in which the quality actual value is associated with the position in the length direction of the product. The quality error data extraction means is configured to extract quality error data in which a quality error is associated with a position in the length direction of the product by comparing the product quality actual data with the product quality setting data.
そして、操業方法評価手段は、操作特徴データと品質エラーデータとを照合し、その照合結果に基づいて操業員ごとに操業方法を評価するように構成されている。 The operation method evaluation means is configured to collate the operation feature data with the quality error data and evaluate the operation method for each operator based on the collation result.
このような構成を有する鉄鋼プラント操業支援システムによれば、カメラ画像が操業員ごとの操業員画像認証データと照合されることで、プラント運転操作盤を操作していた担当操業員を正しく同定することができる。そして、同定した担当操業員の操作特徴を示す操作特徴データと品質エラーデータとが照合されることで、担当操業員のどのような操作特徴が品質エラーに関係しているかが判明する。操作特徴データと品質エラーデータとの照合結果は、操業員ごとの操業方法の評価に用いられるので、操業員はその評価に基づいて自身の操業方法を改善することができる。 According to the steel plant operation support system having such a configuration, the camera image is collated with the operator image authentication data for each operator to correctly identify the operator in charge who was operating the plant operation panel. be able to. Then, by collating the operation feature data indicating the operation feature of the identified operator in charge with the quality error data, it becomes clear what kind of operation feature of the operator in charge is related to the quality error. Since the collation result between the operation feature data and the quality error data is used for the evaluation of the operation method for each operator, the operator can improve his / her own operation method based on the evaluation.
操業方法評価手段は、操業員ごとの操業方法を評価した操業評価レポートを作成するように構成されてもよい。操業員は、自身の操業方法が評価された操業評価レポートを受け取り、それを参考にして操業方法を改善することができる。 The operation method evaluation means may be configured to create an operation evaluation report that evaluates the operation method for each operator. The operator can receive an operation evaluation report in which his / her operation method is evaluated, and can improve the operation method by referring to the report.
操作特徴データ抽出手段は、同一製品で取得された担当操業員の操作履歴データと模範操業員の操作履歴データとの差分を担当操業員の操作特徴データとして抽出するように構成されてもよい。模範操業員とは、鉄鋼プラントの操業に熟練し、製品の品質エラーを起こすことのない理想の操業員である。このような模範操業員との違いが操作特徴として抽出されることで、各操業員は、模範操業員に近づくように自身の操業方法を改善することができる。 The operation feature data extraction means may be configured to extract the difference between the operation history data of the operator in charge and the operation history data of the model operator acquired by the same product as the operation feature data of the operator in charge. A model operator is an ideal operator who is skilled in the operation of a steel plant and does not cause product quality errors. By extracting such a difference from the model operator as an operation feature, each operator can improve his / her own operation method so as to approach the model operator.
本発明に係る鉄鋼プラント操業支援システムは、操業実績データ算出手段をさらに備えてもよい。操業実績データ算出手段は、鉄鋼プラントの操業実績値を取得し、製品の長さ方向の位置に操業実績値が関連付けられた操業実績データを算出するように構成される。この場合、操業方法評価手段は、操作特徴データと操業実績データとを照合し、その照合結果にも基づいて、操業員ごとに操業方法を評価するように構成されてもよい。操作特徴データと操業実績データとが照合されることで、担当操業員のどのような操作特徴が操業実績に関係しているかが判明する。操作特徴データと操業実績データとの照合結果は、操業員ごとの操業方法の評価に用いられるので、操業員はその評価に基づいて自身の操業方法を改善することができる。 The steel plant operation support system according to the present invention may further include operation performance data calculation means. The operation performance data calculation means is configured to acquire the operation performance value of the steel plant and calculate the operation performance data in which the operation performance value is associated with the position in the length direction of the product. In this case, the operation method evaluation means may be configured to collate the operation feature data with the operation performance data and evaluate the operation method for each operator based on the collation result. By collating the operation feature data with the operation record data, it becomes clear what kind of operation feature of the operator in charge is related to the operation record. Since the collation result between the operation feature data and the operation performance data is used for the evaluation of the operation method for each operator, the operator can improve his / her own operation method based on the evaluation.
以上説明したとおり、本発明に係る鉄鋼プラント操業支援システムによれば、カメラ画像が操業員ごとの操業員画像認証データと照合されることで、プラント運転操作盤を操作していた担当操業員を正しく同定することができる。そして、少なくとも製品の品質の観点で操業員ごとに操業方法が評価されるので、操業員はその評価に基づいて自身の操業方法を改善することができる。その結果、操業員が手動で鉄鋼プラントを操業する場合の操業員ごとの操業方法のばらつきは低減され、製品の品質が向上する。 As described above, according to the steel plant operation support system according to the present invention, the camera image is collated with the operator image authentication data for each operator to obtain the operator in charge of operating the plant operation panel. Can be identified correctly. Then, since the operating method is evaluated for each operator at least from the viewpoint of product quality, the operator can improve his / her own operating method based on the evaluation. As a result, when the operator manually operates the steel plant, the variation in the operation method for each operator is reduced, and the quality of the product is improved.
以下、図面を参照して本発明の実施形態について説明する。ただし、以下に示す実施形態において各要素の個数、数量、量、範囲等の数に言及した場合、特に明示した場合や原理的に明らかにその数に特定される場合を除いて、その言及した数に、この発明が限定されるものではない。また、以下に示す実施形態において説明する構造や方法中の工程は、特に明示した場合や明らかに原理的にそれに特定される場合を除いて、この発明に必ずしも必須のものではない。なお、各図中、同一又は相当する部分には同一の符号を付しており、その重複説明は適宜に簡略化ないし省略する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. However, when the number, quantity, quantity, range, etc. of each element is referred to in the embodiment shown below, the reference is made unless it is explicitly stated or the number is clearly specified in principle. The invention is not limited in number. In addition, the steps in the structures and methods described in the embodiments shown below are not necessarily essential to the present invention, except when explicitly stated or clearly specified in principle. In each figure, the same or corresponding parts are designated by the same reference numerals, and the duplicated description thereof will be appropriately simplified or omitted.
まず、本発明の実施形態に係る鉄鋼プラント操業支援システムの全体構成について、図１に基づいて説明する。本実施形態に係る鉄鋼プラント操業支援システム１００は、操業員５０による手動での鉄鋼プラント２０の操業を支援するためのシステムである。鉄鋼プラント操業支援システム１００は、鉄鋼プラント２０の制御機器を手動操作することができるプラント運転操作盤３を備える。また、鉄鋼プラント操業支援システム１００は、タッチパネル付表示装置２と顔認証用カメラ１とを備える。タッチパネル付表示装置２と顔認証用カメラ１は、プラント運転操作盤３に付設されている。タッチパネル付表示装置２は、製品であるコイルの所望の品質、例えば、板厚、板幅、形状等を設定できるＨＭＩである。顔認証用カメラ１は、プラント運転操作盤３を操作している担当操業員の顔の画像を読み取るカメラである。
First, the overall configuration of the steel plant operation support system according to the embodiment of the present invention will be described with reference to FIG. The steel plant
プラント運転操作盤３は、鉄鋼プラント制御用コントローラ３５のＩ／Ｏに接続されている。鉄鋼プラント制御用コントローラ３５は、例えば、ＰＬＣ（Programmable Logic Controller）である。鉄鋼プラント制御用コントローラ３５には、鉄鋼プラント２０の制御機器が接続されている。また、鉄鋼プラント制御用コントローラ３５には、鉄鋼プラント２０で製造されるコイル２５の品質に係る物理量を計測する図示しないセンサが接続されている。
The plant operation panel 3 is connected to the I / O of the steel
鉄鋼プラント操業支援システム１００は、データ収集サーバ３６、ＨＭＩサーバ３７、及びプリンタ３８を備える。データ収集サーバ３６及びＨＭＩサーバ３７は、データをインターフェースする専用制御ＬＡＮ３９によって鉄鋼プラント制御用コントローラ３５に接続されている。また、ＨＭＩサーバ３７、及びプリンタ３８は、顔認証用カメラ１、タッチパネル付表示装置２、及び鉄鋼プラント制御用コントローラ３５と汎用制御ＬＡＮ４０によって接続されている。
The steel plant
ここで、図２は、鉄鋼プラント２０の構成例と信号の取得例を示す図である。本実施形態では、鉄鋼プラント２０はシングルスタンドミルラインである。シングルスタンドミルラインは、主要な制御機器として、入側ペイオフリール２００、入側シャー２０１、ミル２０２、出側テンションリール２０３、及び出側シャー２０４を備えている。入側ペイオフリール２００は、母材コイルを払い出してラインへ板を送り出す装置である。入側シャー２０１は、入側ペイオフリール２００より母材コイルを払い出す際に母材先端の不良部を切り落とす装置である。ミル２０２は、母材コイルを圧延する装置である。出側テンションリール２０３は、圧延後の圧延材を巻き取る装置である。そして、出側シャー２０４は、出側テンションリール２０３で巻き取った製品コイルの尾端の不良部を切り落とす装置である。
Here, FIG. 2 is a diagram showing a configuration example of the
鉄鋼プラント制御用コントローラ３５は、鉄鋼プラント２０から信号をＩ／Ｏに取り込む。鉄鋼プラント２０から取り込まれる信号には、ライン速度２０７、入側シャーカット信号２０６、圧延材の伸び率２０５、及び出側シャーカット信号２０８が含まれる。入側シャーカット信号２０６は、製品コイルの尾端位置を決定する信号である。出側シャーカット信号２０８は、製品コイルの先端位置を決定する信号である。伸び率２０５は、入側ペイオフリール２００の速度と出側テンションリール２０３の速度との差から算出される。これらの信号は、鉄鋼プラント操業支援システム１００で扱うデータを、時系列データから製品コイル単位での長さデータに換算するために用いられる。
The steel
鉄鋼プラント操業支援システム１００は、時系列データを製品コイル単位での長さデータに変換し、その長さデータを用いて各種の処理を行う。時系列データでは、センサ値や計算値或いはイベントは時刻に関連付けられるのに対し、長さデータでは、それらは製品コイルの長さ方向の位置に関連付けられる。このような長さデータであれば、実際の製品コイルと比較することが容易であるので、製品コイルの品質管理におけるメリットは大きい。例えば、センサで得られた品質データを実際の製品コイルと照合することによって、実際の製品コイルの状態を容易に確認することができる。
The steel plant
図３は、時系列データから長さデータへの変換処理についての理解を容易にするため、鉄鋼プラント２０の操業状態の遷移をフローで示したものである。ステップ１では、入側母材コイル２０９が入側ペイオフリール２００から払い出されていき、母材先端部が入側シャー２０１にてカットされる。入側シャーカット部先端は、出側テンションリール２０３に巻き付いた際には製品コイルの尾端となる。
FIG. 3 shows the transition of the operating state of the
ステップ２では、入側ペイオフリール２００から払い出された入側母材コイル２０９がミル２０２にて圧延される。圧延された板が出側テンションリール２０３に巻き付けられることにより、製品コイル２１０が生成されていく。
In
ステップ３では、出側テンションリール２０３にて圧延材が巻き取り終わり製品コイル２１０が生成されると、出側巻付材の尾端部に発生する不良部が出側シャー２０４にてカットされる。出側シャーカット部は、製品コイル２１０の先端部となる。
In step 3, when the rolled material is wound up by the output
図４は、時系列データから長さデータへ変換する際のチャートイメージを製品品質の実績データの１つである板厚を例に示したものである。上述のとおり、製品コイル２１０の先端部は、出側シャーカット信号で決定され、製品コイル２１０の尾端部は、入側シャーカット信号で決定される。具体的には、母材先端部が入側シャー２０１にてカットされた時刻が検出され、その時刻は製品コイル２１０の尾端部の位置に変換される。また、出側巻付材の尾端部が出側シャー２０４にてカットされた時刻が検出され、その時刻は製品コイル２１０の先端部の位置に変換される。これに、ライン速度２０７と圧延にて発生する板の伸び率２０５が加味されることで、時系列データとして取り込まれていた板厚実績は、製品コイル２１０における長さデータに変換される。
FIG. 4 shows an example of a chart image when converting time series data to length data, using a plate thickness which is one of the actual product quality data. As described above, the tip of the
次に、鉄鋼プラント操業支援システム１００の処理フローについて図５を用いて説明する。以下に説明するデータの取得処理、演算処理、及び記憶処理は、鉄鋼プラント操業支援システム１００を構成する鉄鋼プラント制御用コントローラ３５、データ収集サーバ３６、及びＨＭＩサーバ３７の何れかにおいて実行される。
Next, the processing flow of the steel plant
まず、準備段階において、顔認証データ登録処理５が行われる。顔認証データ登録処理５では、各操業員の生体情報である顔写真が顔認証用カメラ１で読み取られ、操業員認証データベース６に操業員認証データとして登録される。操業員認証データベース６は、例えば、ＨＭＩサーバ３７の記憶装置に記憶される。 First, in the preparation stage, the face authentication data registration process 5 is performed. In the face authentication data registration process 5, the face photograph, which is the biometric information of each operator, is read by the face authentication camera 1 and registered as the operator authentication data in the operator authentication database 6. The operator authentication database 6 is stored in, for example, a storage device of the HMI server 37.
鉄鋼プラントの運転時には、顔認証データ取得処理４が行われる。顔認証データ取得処理４では、プラント運転操作盤３を操作している操業員５０の顔写真（顔認証データ）が顔認証用カメラ１で読み取られる。顔認証用カメラ１は、プラント運転操作盤３もしくはタッチパネル付表示装置２が操作された際、顔認証用カメラ１の前にいる操業員５０の顔を撮像する。
When the steel plant is in operation, the face recognition data acquisition process 4 is performed. In the face recognition data acquisition process 4, the face photograph (face recognition data) of the
顔認証データ取得処理４に続いて、操業員同定処理７が行われる。操業員同定処理７では、顔認証データ取得処理４で取得された顔写真が操業員認証データベース６と照合され、現在、プラント運転操作盤３を操作している操業員５０、すなわち、担当操業員５０が同定される。同定された担当操業員５０の履歴は、担当操業員履歴時系列データベース８に格納される。
Following the face recognition data acquisition process 4, the operator identification process 7 is performed. In the operator identification process 7, the face photograph acquired in the face authentication data acquisition process 4 is collated with the operator authentication database 6, and the
担当操業員履歴時系列データベース８に格納されたデータは、時系列データである。この時系列データに対してデータ変換処理９が行われる。データ変換処理９では、担当操業員履歴の時系列データが長さデータに変換され、担当操業員履歴長さデータベース１０に格納される。担当操業員履歴長さデータベース１０には、製品単位で、且つ、製品の長さ方向の位置に関連付けて担当操業員が登録されている。
The data stored in the operator history time-
一方、担当操業員５０によるプラント運転操作盤３の操作に対して、操作データ取得処理１５が行われる。操作データ取得処理１５では、プラント運転操作盤３からの制御機器に対する操作信号が鉄鋼プラント制御用コントローラ３５のＩ／Ｏ経由で取得される。操作信号が取得される制御機器は、鉄鋼プラント２０の制御機器のうち、製品の製造において常に操作される必要はないが、製品品質の制御に効果的な制御機器である。以下、このような制御機器を操作用品という。具体例を挙げると、制御対象の製品品質が板厚の場合、ミルの圧下操作や、テンションリールの張力付与操作が操作用品に該当する。制御対象の製品品質が板幅であるなら、サイドトリマーが操作用品に該当する。一方、入側シャーや出側シャーは製品の製造において常に操作される必要のある制御機器であるので、ここでいう操作用品には含まれない。取得された操作信号の履歴は、操作履歴時系列データベース１６に格納される。
On the other hand, the operation
操作履歴時系列データベース１６に格納されたデータは、時系列データである。この時系列データに対してデータ変換処理１７が行われる。データ変換処理１７では、操作履歴の時系列データが長さデータに変換され、操作履歴長さデータベース１８に格納される。操作履歴長さデータベース１８には、製品単位で、且つ、製品の長さ方向の位置に関連付けて操作信号が登録されている。なお、制御機器の操作がタッチパネル付表示装置（ＨＭＩ）２でも行われる場合には、タッチパネル付表示装置２からの操作信号の履歴も操作履歴データに含まれる。
The data stored in the operation history time-
また、担当操業員５０がタッチパネル付表示装置２にて製品品質の設定データを入力した場合、製品品質設定データ取得処理１１が行われる。製品品質設定データ取得処理１１では、板幅、板厚、形状等の製品品質設定データが製品品質設定時系列データベース１２に格納される。製品品質設定時系列データベース１２に格納されたデータは、時系列データである。この時系列データに対してデータ変換処理１３が行われ、長さデータに変換された製品品質設定データが製品品質設定長さデータベース１４に格納される。製品品質設定長さデータベース１４には、製品単位で、且つ、製品の長さ方向の位置に関連付けて製品品質の設定値が登録されている。
Further, when the
製品コイル２５の製造中には、製品品質実績データ取得処理２６が行われる。製品品質実績データ取得処理２６では、ライン上に配置されたセンサによって板幅、板厚、形状等の製品の品質実績値が取得される。取得された製品の品質実績値は、製品品質実績時系列データベース２７に格納される。製品品質実績時系列データベース２７に格納されたデータは、時系列データである。この時系列データに対してデータ変換処理２８が行われ、長さデータに変換された製品品質実績データが製品品質実績長さデータベース２９に格納される。製品品質実績長さデータベース２９には、製品単位で、且つ、製品の長さ方向の位置に関連付けて製品品質の実績値が登録されている。
During the manufacturing of the
さらに、鉄鋼プラント２０の操業中には、操業実績データ取得処理２１が行われる。操業実績データ取得処理２１では、鉄鋼プラント２０におけるライン速度、ライン稼働時間等の操業実績値が取得される。取得された操業実績値は、操業実績時系列データベース２２に格納される。操業実績時系列データベース２２に格納されたデータは、時系列データである。この時系列データに対してデータ変換処理２３が行われ、長さデータに変換された操業実績データが操業実績長さデータベース２４に格納される。操業実績長さデータベース２４には、製品単位で、且つ、製品の長さ方向の位置に関連付けて操業実績値が登録されている。
Further, during the operation of the
以上のように、鉄鋼プラント操業支援システム１００は、担当操業員履歴長さデータベース１０、操作履歴長さデータベース１８、製品品質設定長さデータベース１４、製品品質実績長さデータベース２９、及び操業実績長さデータベース２４に各種の長さデータを蓄える。
As described above, the steel plant
鉄鋼プラント操業支援システム１００は、担当操業員履歴長さデータベース１０と操作履歴長さデータベース１８とを用いて、操作特徴データ抽出処理１９を行う。操作特徴データ抽出処理１９では、担当操業員履歴データと操作履歴データとに基づいて、操業員ごとの操作特徴を示す操作特徴データが抽出される。ここで、図６は、操作特徴データの抽出方法のイメージを示す図である。以下、図６を用いて、操作特徴データ抽出処理１９の内容について説明する。
The steel plant
図６に示す例では、製品Ｘの担当操業員は操業員Ａであり、製品Ｙの担当操業員は操業員Ｂである。担当操業員履歴データより、どの操業員がその製品の製造を担当していたかが分かる。この例では、製品Ｘと製品Ｙともに製造途中での担当操業員の交代はないが、１つの製品の製造途中で担当操業員が交代することもあり得る。担当操業員履歴データによれば、製品の長さ方向のどの位置で担当操業員が交代したのかが分かる。 In the example shown in FIG. 6, the operator in charge of product X is operator A, and the operator in charge of product Y is operator B. From the operator history data in charge, it can be seen which operator was in charge of manufacturing the product. In this example, the operator in charge of both the product X and the product Y is not changed during the manufacturing process, but the operator in charge may be changed during the manufacturing process of one product. According to the operator history data in charge, it is possible to know at which position in the length direction of the product the operator in charge was replaced.
また、図６に示す例では、操作用品αの操作に対する操作履歴データが操業員Ａと操業員Ｂのそれぞれについて示されている。評価対象となる製品品質が板厚であるとすると、操作用品αは、例えば、ミルの圧下操作である。なお、図６では単純化のために操作用品αの操作の有無のみが表されているが、操作量を設定できる操作用品の場合には、製品の長さ方向に対する操作量のデータが操作履歴データに含まれる。 Further, in the example shown in FIG. 6, the operation history data for the operation of the operation tool α is shown for each of the operator A and the operator B. Assuming that the product quality to be evaluated is the plate thickness, the operation product α is, for example, a reduction operation of a mill. Note that FIG. 6 shows only the presence / absence of operation of the operation product α for simplification, but in the case of the operation product in which the operation amount can be set, the operation amount data in the length direction of the product is the operation history. Included in the data.
操作特徴データ抽出処理１９では、操業員Ａを基準にして操業員Ａの操作履歴データと操業員Ｂの操作履歴データとの差分が、操業員Ｂの操作特徴データとして抽出される。基準となる操業員Ａは、模範操業員として認定された操業員である。模範操業員とは、鉄鋼プラント２０の操業に熟練し、製品の品質エラーを起こすことのない模範的な操業員を意味する。模範操業員は予め登録されている。
In the operation feature
模範操業員である操業員Ａの操作履歴データでは、製品コイルの尾端部で操作用品αが操作され、製品コイルの先端部でも操作用品αが操作されている。一方、操業員Ｂの操作履歴データでは、製品コイルの尾端部と先端部のどちらでも操作用品αは操作されていない。よって、操作特徴データ抽出処理１９によれば、製品コイルの尾端部で操作用品αを操作しないことと、製品コイルの先端部で操作用品αを操作しないことが操業員Ｂの操作特徴データとして抽出される。
In the operation history data of the operator A who is a model operator, the operation product α is operated at the tail end portion of the product coil, and the operation product α is also operated at the tip end portion of the product coil. On the other hand, in the operation history data of the operator B, the operation tool α is not operated at either the tail end portion or the tip end portion of the product coil. Therefore, according to the operation feature
なお、操作特徴データ抽出処理１９は、同一種類の製品に対して行われる。つまり、製品Ｘと製品Ｙは同一種類の製品である。同一種類の製品とは、鋼種、板厚、及び板幅が同一の製品を意味する。より詳しくは、板厚及び板幅が同一とは、母材コイルにおいて板厚及び板幅が同一であり、製品コイルにおいても板厚及び板幅が同一であることを意味する。板厚及び板幅に関する情報は、上位システムから目標値として供給される。
The operation feature
再び図５に戻り、鉄鋼プラント操業支援システム１００の処理フローについての説明を続ける。鉄鋼プラント操業支援システム１００は、製品品質設定長さデータベース１４と製品品質実績長さデータベース２９とを用いて、品質エラーデータ抽出処理３０を行う。品質エラーデータ抽出処理３０では、製品品質実績データを製品品質設定データと比較することにより、製品の長さ方向の位置に品質エラーが関連付けられた品質エラーデータが抽出される。ここで、図７は、品質エラーデータの抽出方法のイメージを示す図である。以下、図７を用いて、品質エラーデータ抽出処理３０の内容について説明する。
Returning to FIG. 5 again, the explanation of the processing flow of the steel plant
図７に示す例では、製品品質は板厚である。製品品質設定データは、目標値と目標精度の上限と下限とで与えられている。目標精度の下限から下限までの範囲が製品品質の正常範囲である。製品品質の実績値が目標精度下限より低い場合、及び、目標精度上限より高い場合には品質エラーとなる。図７には、製品Ｘと製品Ｙの２つの例が示されている。製品Ｘの例では、製品品質の実績値は、製品コイルの先端部から尾端部までの全ての領域で、目標精度の範囲に内に収まっている。つまり、製品Ｘには品質エラーはない。 In the example shown in FIG. 7, the product quality is plate thickness. Product quality setting data is given by the target value and the upper and lower limits of the target accuracy. The range from the lower limit to the lower limit of the target accuracy is the normal range of product quality. If the actual value of the product quality is lower than the lower limit of the target accuracy and higher than the upper limit of the target accuracy, a quality error occurs. FIG. 7 shows two examples of product X and product Y. In the example of product X, the actual value of product quality is within the range of the target accuracy in all regions from the tip end to the tail end portion of the product coil. That is, the product X has no quality error.
一方、製品Ｙの例では、製品品質の実績値は、製品コイルの先端部において目標精度上限からはみ出し、製品コイルの尾端部においても目標精度上限からはみ出している。よって、製品Ｙについては、製品の長さ方向の先端部と尾端部とに品質エラーを有する品質エラーデータが抽出される。 On the other hand, in the example of the product Y, the actual value of the product quality protrudes from the target accuracy upper limit at the tip end portion of the product coil, and also protrudes from the target accuracy upper limit portion at the tail end portion of the product coil. Therefore, for the product Y, quality error data having quality errors at the tip end portion and the tail end portion in the length direction of the product is extracted.
再び図５に戻り、鉄鋼プラント操業支援システム１００の処理フローについての説明を続ける。鉄鋼プラント操業支援システム１００は、操作特徴データ抽出処理１９により抽出された操作特徴データと、品質エラーデータ抽出処理３０により抽出された品質エラーデータと、操業実績長さデータベース２４とを用いて、最適操業方法解析処理３１を行う。ここで、図８乃至図１０は、最適操業方法の解析方法のイメージを示す図である。以下、図８乃至図１０を用いて、最適操業方法解析処理３１の内容について説明する。
Returning to FIG. 5 again, the explanation of the processing flow of the steel plant
最適操業方法解析処理３１では、同一製品について得られた操作特徴データ、品質エラーデータ、及び操業実績データが操業員ごとにデータがまとめられる。図８に示す例では、操業実績データとしてライン速度が用いられている。また、操作特徴データとして操作用品αの操作の有無が示されている。品質エラーは製品コイルの先端部と尾端部において起こりやすいことから、製品コイルの先端部における品質エラーデータと操作特徴データとが紐づけられ、また、製品コイルの尾端部における品質エラーデータと操作特徴データとが紐づけられる。 In the optimum operation method analysis process 31, operation feature data, quality error data, and operation record data obtained for the same product are collected for each operator. In the example shown in FIG. 8, the line speed is used as the operation performance data. Further, as the operation feature data, the presence / absence of operation of the operation tool α is shown. Since quality errors are likely to occur at the tip and tail of the product coil, the quality error data at the tip of the product coil and the operation feature data are linked, and the quality error data at the tail of the product coil is linked. It is linked with the operation feature data.
図８に示す操業員Ａと操業員Ｂとの比較では、操業員Ａは製品コイルの先端部でも尾端部でも品質エラーを起こしていない。具体的には、操業員Ａは、製品コイルの先端部と尾端部で操作用品αを操作することで品質エラーを起こしていないのに対し、操業員Ｂは、そのような操作を行わないことで、製品コイルの先端部と尾端部で品質エラーを起こしている。よって、操業員が操業員Ａと操業員Ｂのみであるなら、製品コイルの先端部で操作用品αを操作し、製品コイルの尾端部でも操作用品αを操作する操業員Ａの操業方法が最適操業方法であると言える。操業実績データであるライン速度は、生産性の良し悪しの判断に用いられる。操業員Ａによる製造時のライン速度が、操業員Ｂによる製造時のライン速度以上であれば、操業員Ａの操業方法は、生産性においても最適な操業方法であると判断することができる。 In the comparison between the operator A and the operator B shown in FIG. 8, the operator A does not cause a quality error at either the tip end portion or the tail end portion of the product coil. Specifically, the operator A does not cause a quality error by operating the operation tool α at the tip end portion and the tail end portion of the product coil, whereas the operator B does not perform such an operation. This causes a quality error at the tip and tail of the product coil. Therefore, if the operators are only the operator A and the operator B, the operation method of the operator A who operates the operation tool α at the tip of the product coil and operates the operation tool α at the tail end of the product coil is It can be said that it is the optimum operation method. The line speed, which is the operation record data, is used to judge whether the productivity is good or bad. If the line speed at the time of manufacturing by the operator A is equal to or higher than the line speed at the time of manufacturing by the operator B, it can be determined that the operating method of the operator A is the optimum operating method in terms of productivity.
また、図９に示すように、同じ品質エラーの無い操業方法であっても、ライン速度によっては、操作用品αの操作タイミングや期間に違いが生じる可能性もある。図９において実線で示すライン速度と実線で示す操作特徴データとは、操業員Ａによるものである。破線で示すライン速度と破線で示す操作特徴データとは、操業員Ｃによるものである。このような場合、品質エラーを生じさせず、且つ、ライン速度がより高くなる操業員Ａによる操作方法の方が、品質と生産性の両面においてより適した操業方法として判断される。なお、ここで比較されるデータは同一種類の製品において取得されたデータである。 Further, as shown in FIG. 9, even if the operation method has the same quality error, the operation timing and period of the operation product α may differ depending on the line speed. In FIG. 9, the line speed shown by the solid line and the operation feature data shown by the solid line are based on the operator A. The line speed shown by the broken line and the operation feature data shown by the broken line are based on the operator C. In such a case, the operation method by the operator A, which does not cause a quality error and has a higher line speed, is determined as a more suitable operation method in terms of both quality and productivity. The data compared here are the data acquired in the same type of product.
最適操業方法解析処理３１の別の例では、最適操業方法の解析に機械学習が利用される。図１０に示す例では、操作特徴データに含まれる操作タイミング及び操作期間、そのときの製造条件、及び、操作特徴データに対応する品質エラーデータが、教師信号として機械学習装置に入力される。製造条件には、鋼種、板厚、板幅のような製品の種類に関する条件や、目標ライン速度のような鉄鋼プラント２０の運転条件などが含まれる。機械学習装置としては、例えば、中間層が１つであるニューラルネットワークによる学習を行う装置や、中間層が複数から成るニューラルネットワークによる深層学習を行う装置を用いることができる。
In another example of the optimal operating method analysis process 31, machine learning is used to analyze the optimal operating method. In the example shown in FIG. 10, the operation timing and operation period included in the operation feature data, the manufacturing conditions at that time, and the quality error data corresponding to the operation feature data are input to the machine learning device as a teacher signal. The manufacturing conditions include conditions relating to product types such as steel type, plate thickness, and plate width, and operating conditions of the
機械学習装置は、入力された教師信号を用いて、品質エラーを生じさせない製造条件と操作タイミング及び操作期間との関係を学習する。機械学習装置による学習結果は、最適操業方法解析モデルに反映される。最適操業方法解析モデルの学習完了後、最適操業方法解析処理３１は、製造条件を最適操業方法解析モデルに与え、その出力である操作タイミング及び操作期間を、付与された製造条件に対する最適な操業方法とする。以上のような機械学習の方法の他にも、最適操業方法の解析には様々な機械学習の方法を適用することができる。 The machine learning device uses the input teacher signal to learn the relationship between the manufacturing conditions that do not cause a quality error and the operation timing and operation period. The learning result by the machine learning device is reflected in the optimum operation method analysis model. After the learning of the optimum operation method analysis model is completed, the optimum operation method analysis process 31 gives the manufacturing conditions to the optimum operation method analysis model, and gives the output operation timing and operation period to the optimum operation method for the given manufacturing conditions. And. In addition to the above machine learning methods, various machine learning methods can be applied to the analysis of the optimum operation method.
再び図５に戻り、鉄鋼プラント操業支援システム１００の処理フローについての説明を続ける。鉄鋼プラント操業支援システム１００は、最適操業方法解析処理３１の次に、操業改善点抽出処理３２と操業評価レポート生成処理３３とを行う。操業改善点抽出処理３２は、操業員ごとに操業上の改善点を抽出する処理である。最適操業方法解析処理３１で得られた最適操業方法と、操業員の操業方法との相違点が改善点として抽出される。
Returning to FIG. 5 again, the explanation of the processing flow of the steel plant
例えば、図８に示す例において操業員Ａの操業方法が最適操業方法であったとする。この場合、製品コイルの先端部で操作用品αを操作すべきことと、製品コイルの尾端部で操作用品αを操作すべきこととが、操業員Ｂに対する操業改善点として抽出される。また、図９に示す例において操業員Ａの操業方法が最適操業方法であったとする。この場合、製品コイルの先端部での操作用品αの操作期間をより短くすべきことと、製品コイルの尾端部での操作用品αの操作期間をより短くすべきこととが、操業員Ｃに対する操業改善点として抽出される。 For example, in the example shown in FIG. 8, it is assumed that the operation method of the operator A is the optimum operation method. In this case, the fact that the operation product α should be operated at the tip end portion of the product coil and that the operation product α should be operated at the tail end portion of the product coil are extracted as operation improvement points for the operator B. Further, in the example shown in FIG. 9, it is assumed that the operation method of the operator A is the optimum operation method. In this case, the operation period of the operation product α at the tip of the product coil should be shorter, and the operation period of the operation product α at the tail end of the product coil should be shorter. It is extracted as an operation improvement point for.
操業評価レポート生成処理３３は、操業改善点抽出処理３２で抽出された操業改善点に基づいて操業評価レポート３４を作成する処理である。操業評価レポート３４は、操業方法を評価したレポートであって、操業員ごとに作成される。図１１は、操業評価レポート３４のイメージを示す図である。図１１に示すように、操業評価レポート３４には、ライン名、操業日時、製品コイルNo、操業者名、操業条件、操業履歴を示すチャート図、製品評価、操業評価が記載されている。操業評価レポート３４はプリンタ３８によって印刷されてもよいし、ＰＤＦなどの電子ファイルで各操業員に提供されてもよい。
The operation evaluation
以上のように、本実施形態に係る鉄鋼プラント操業支援システム１００よれば、プラント運転操作盤３或いはタッチパネル付表示装置２を操業員５０が操作すれば、顔認証用カメラ１によって瞬時に認証処理が行われる。これにより、どの操業員によって操業が行われたか正しく同定することができる。
As described above, according to the steel plant
また、本実施形態に係る鉄鋼プラント操業支援システム１００よれば、時系列データとして収集された担当操業員履歴データ、操作履歴データ、製品品質設定データ、製品品質実績データ、及び操業実績データは、製品ごとの長さデータに変換される。これにより、異なる操業員の操業方法の差異に拠る製品コイルへの品質への影響を、製品コイルの長さ基準で抽出することができる。
Further, according to the steel plant
そして、同定した担当操業員の操作特徴を示す操作特徴データと品質エラーデータとが照合されることで、担当操業員のどのような操作特徴が品質エラーに関係しているかを明らかにすることができる。さらに、操作特徴データと操業実績データとが照合されることで、担当操業員のどのような操作特徴が操業実績に関係しているかも明らかにすることができる。各操業員は、自身の操業方法が評価された操業評価レポートを受け取ることができるので、それを参考にして操業方法を改善することができる。 Then, by collating the operation feature data indicating the operation characteristics of the identified operator with the quality error data, it is possible to clarify what kind of operation characteristics of the operator in charge are related to the quality error. can. Furthermore, by collating the operation feature data with the operation record data, it is possible to clarify what kind of operation feature of the operator in charge is related to the operation record. Since each operator can receive an operation evaluation report in which his / her operation method is evaluated, he / she can improve the operation method by referring to it.
以上説明したとおり、本実施形態に係る鉄鋼プラント操業支援システム１００によれば、製品の品質と生産性の観点で操業員ごとに操業方法が評価されるので、操業員はその評価に基づいて自身の操業方法を改善することができる。その結果、操業員が手動で鉄鋼プラントを操業する場合の操業員ごとの操業方法のばらつきは低減され、鉄鋼プラントにおける生産性向上と品質向上とを図ることができる。
As described above, according to the steel plant
なお、本実施形態において、操業員同定処理７は、請求項１に係る発明の「操業員同定手段」としての機能に相当する。担当操業員履歴時系列データベース８、データ変換処理９、及び担当操業員履歴長さデータベース１０は、請求項１に係る発明の「担当操業員履歴データ算出手段」としての機能に相当する。操作データ取得処理１５、操作履歴時系列データベース１６、データ変換処理１７、及び操作履歴長さデータベース１８は、請求項１に係る発明の「操作履歴データ算出手段」としての機能に相当する。操作特徴データ抽出処理１９は、請求項１及び請求項３に係る発明の「操作特徴データ抽出手段」としての機能に相当する。製品品質実績データ取得処理２６、製品品質実績時系列データベース２７、データ変換処理２８、及び製品品質実績長さデータベース２９は、請求項１に係る発明の「製品品質実績データ算出手段」としての機能に相当する。品質エラーデータ抽出処理３０は、請求項１に係る発明の「品質エラーデータ抽出手段」に相当する。操業実績データ取得処理２１、操業実績時系列データベース２２、データ変換処理２３、及び操業実績長さデータベース２４は、請求項４に係る発明の「操業実績データ算出手段」に相当する。最適操業方法解析処理３１、操業改善点抽出処理３２、及び操業評価レポート生成処理３３は、請求項１、請求項２及び請求項４に係る発明の「操業方法評価手段」に相当する。
In the present embodiment, the operator identification process 7 corresponds to the function as the "operator identification means" of the invention according to claim 1. The operator-in-charge history time-
１ 顔認証用カメラ、２ タッチパネル付表示装置、３ プラント運転操作盤、４ 顔認証データ取得処理、５ 顔認証データ登録処理、６ 操業員認証データベース、７ 操業員同定処理、８ 担当操業員履歴時系列データベース、９ データ変換処理、１０ 担当操業員履歴長さデータベース、１１ 製品品質設定データ取得処理、１２ 製品品質設定時系列データベース、１３ データ変換処理、１４ 製品品質設定長さデータベース、１５ 操作データ取得処理、１６ 操作履歴時系列データベース、１７ データ変換処理、１８ 操作履歴長さデータベース、１９ 操作特徴データ抽出処理、２０ 鉄鋼プラント（シングルスタンドミル）、２１ 操業実績データ取得処理、２２ 操業実績時系列データベース、２３ データ変換処理、２４ 操業実績長さデータベース、２５ 製品コイル、２６ 製品品質実績データ取得処理、２７ 製品品質実績時系列データベース、２８ データ変換処理、２９ 製品品質実績長さデータベース、３０ 品質エラーデータ抽出処理、３１ 最適操業方法解析処理、３２ 操業改善点抽出処理、３３ 操業評価レポート生成処理、３４ 操業評価レポート、３５ 鉄鋼プラント制御用コントローラ、３６ データ収集サーバ、３７ ＨＭＩサーバ、３８ プリンタ、３９ 専用制御ＬＡＮ、４０ 汎用制御ＬＡＮ、５０ 操業員 1 Face authentication camera, 2 Display device with touch panel, 3 Plant operation panel, 4 Face authentication data acquisition process, 5 Face authentication data registration process, 6 Operator authentication database, 7 Operator identification process, 8 At the time of operator history Series database, 9 data conversion process, 10 operator history length database, 11 product quality setting data acquisition process, 12 product quality setting time series database, 13 data conversion process, 14 product quality setting length database, 15 operation data acquisition Processing, 16 Operation history time series database, 17 Data conversion processing, 18 Operation history length database, 19 Operation feature data extraction processing, 20 Steel plant (single stand mill), 21 Operation record data acquisition processing, 22 Operation record time series database , 23 Data conversion process, 24 Operation record length database, 25 Product coil, 26 Product quality record data acquisition process, 27 Product quality record time series database, 28 Data conversion process, 29 Product quality record length database, 30 Quality error data Extraction processing, 31 Optimal operation method analysis processing, 32 Operation improvement point extraction processing, 33 Operation evaluation report generation processing, 34 Operation evaluation report, 35 Steel plant control controller, 36 Data collection server, 37 HMI server, 38 printer, 39 dedicated Control LAN, 40 General-purpose control LAN, 50 Operators
Claims (4)
前記鉄鋼プラントの制御機器を手動操作するためのプラント運転操作盤と、
前記プラント運転操作盤を操作している担当操業員の画像を読み取るカメラと、
操業員ごとの操業員画像認証データを含む操業員認証データベースを記憶した記憶装置と、
前記カメラで読み取った前記担当操業員の画像を前記操業員認証データベースと照合し、前記担当操業員を同定する操業員同定手段と、
前記操業員同定手段による同定結果に基づき、前記鉄鋼プラントで製造される製品の長さ方向の位置に対する前記担当操業員の履歴である担当操業員履歴データを算出する担当操業員履歴データ算出手段と、
前記プラント運転操作盤からの前記制御機器に対する操作信号を取得し、前記製品の長さ方向の位置に対する前記操作信号の履歴である操作履歴データを算出する操作履歴データ算出手段と、
前記担当操業員履歴データと前記操作履歴データとに基づいて、操業員ごとの操作特徴を示す操作特徴データを抽出する操作特徴データ抽出手段と、
前記製品の品質実績値を取得し、前記製品の長さ方向の位置に前記品質実績値が関連付けられた製品品質実績データを算出する製品品質実績データ算出手段と、
前記製品品質実績データを製品品質設定データと比較することにより、前記製品の長さ方向の位置に品質エラーが関連付けられた品質エラーデータを抽出する品質エラーデータ抽出手段と、
前記操作特徴データと前記品質エラーデータとを照合し、その照合結果に基づいて操業員ごとに操業方法を評価する操業方法評価手段と、を備える
ことを特徴とする鉄鋼プラント操業支援システム。 It is a steel plant operation support system that supports the manual operation of steel plants by operators.
A plant operation panel for manually operating the control equipment of the steel plant,
A camera that reads the image of the operator in charge who is operating the plant operation panel,
A storage device that stores an operator authentication database containing operator image authentication data for each operator, and
An operator identification means for identifying the operator in charge by collating the image of the operator in charge read by the camera with the operator authentication database.
Based on the identification result by the operator identification means, the operator history data calculation means for calculating the operator history data in charge, which is the history of the operator in charge with respect to the position in the length direction of the product manufactured in the steel plant. ,
An operation history data calculation means that acquires an operation signal for the control device from the plant operation panel and calculates operation history data that is a history of the operation signal with respect to a position in the length direction of the product.
An operation feature data extraction means for extracting operation feature data indicating operation features for each operator based on the operator history data in charge and the operation history data.
A product quality actual data calculation means for acquiring the actual quality value of the product and calculating the actual quality data in which the actual quality value is associated with the position in the length direction of the product.
A quality error data extraction means for extracting quality error data in which a quality error is associated with a position in the length direction of the product by comparing the product quality actual data with the product quality setting data.
A steel plant operation support system characterized by comprising an operation method evaluation means for collating the operation feature data with the quality error data and evaluating an operation method for each operator based on the collation result.
ことを特徴とする請求項１に記載の鉄鋼プラント操業支援システム。 The steel plant operation support system according to claim 1, wherein the operation method evaluation means creates an operation evaluation report that evaluates an operation method for each operator.
ことを特徴とする請求項１又は２に記載の鉄鋼プラント操業支援システム。 The operation feature data extraction means is characterized in that the difference between the operation history data of the operator in charge and the operation history data of the model operator acquired by the same product is extracted as the operation feature data of the operator in charge. The steel plant operation support system according to claim 1 or 2.
前記操業方法評価手段は、前記操作特徴データと前記操業実績データとを照合し、その照合結果にも基づいて、操業員ごとに操業方法を評価する
ことを特徴とする請求項１乃至３の何れか１項に記載の鉄鋼プラント操業支援システム。 An operation record data calculation means for acquiring the operation record value of the steel plant and calculating the operation record data in which the operation record value is associated with the position in the length direction of the product.
Any of claims 1 to 3, wherein the operation method evaluation means collates the operation feature data with the operation record data, and evaluates the operation method for each operator based on the collation result. The steel plant operation support system described in item 1.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020156123A JP7334699B2 (en) | 2020-09-17 | 2020-09-17 | Steel plant operation support system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020156123A JP7334699B2 (en) | 2020-09-17 | 2020-09-17 | Steel plant operation support system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022049863A true JP2022049863A (en) | 2022-03-30 |
| JP7334699B2 JP7334699B2 (en) | 2023-08-29 |
Family
ID=80854114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020156123A Active JP7334699B2 (en) | 2020-09-17 | 2020-09-17 | Steel plant operation support system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7334699B2 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02156310A (en) * | 1988-12-09 | 1990-06-15 | Hitachi Ltd | Operation backup device and operation device |
| JPH06234010A (en) * | 1993-02-12 | 1994-08-23 | Hitachi Ltd | Method and device for automatic controlling and method and device for controlling plate thickness |
| JP2011258113A (en) * | 2010-06-11 | 2011-12-22 | Kobe Steel Ltd | Manufacturing condition determination system for metal band material |
| JP2020095302A (en) * | 2018-12-10 | 2020-06-18 | 三菱電機株式会社 | Plant monitoring control device and plant monitoring control system |
-
2020
- 2020-09-17 JP JP2020156123A patent/JP7334699B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02156310A (en) * | 1988-12-09 | 1990-06-15 | Hitachi Ltd | Operation backup device and operation device |
| JPH06234010A (en) * | 1993-02-12 | 1994-08-23 | Hitachi Ltd | Method and device for automatic controlling and method and device for controlling plate thickness |
| JP2011258113A (en) * | 2010-06-11 | 2011-12-22 | Kobe Steel Ltd | Manufacturing condition determination system for metal band material |
| JP2020095302A (en) * | 2018-12-10 | 2020-06-18 | 三菱電機株式会社 | Plant monitoring control device and plant monitoring control system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7334699B2 (en) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE102017000536B4 (en) | Cell controller for detecting a cause of an abnormality in a manufacturing machine | |
| WO2011048837A1 (en) | Work support system, work support method, and work support program | |
| EP3077878B1 (en) | Computer-implemented method and system for automatic monitoring and status detection of entire process stages in a process unit | |
| CN111950577A (en) | Point inspection method and device | |
| CN115903652B (en) | Alignment punching method and system for part machining | |
| CN108776452B (en) | Special equipment field maintenance monitoring method and system | |
| DE102020210461A1 (en) | Diagnostic facility and diagnostic procedures | |
| CN111831703A (en) | Display method, user interface, display device, and inspection device | |
| CN112465288A (en) | System and method for automatically capturing technology transfer knowledge | |
| JP2009009300A (en) | Batch process analysis system and batch process analysis method | |
| WO2012020468A1 (en) | Data retrieval system | |
| CN113128357B (en) | Vehicle fault processing method and system | |
| DE112019007899T5 (en) | System and method for predicting device failures using acoustic signals in the ultrasonic frequency band | |
| JP2019003545A (en) | Operation support device, operation support method, operation support program, and storage medium | |
| JP2022049863A (en) | Steel plant operation support system | |
| CN111368833B (en) | Full-automatic steel loading method for detecting slab number based on machine vision | |
| DE102019213019B4 (en) | METHOD AND DEVICE FOR ANALYZING A PROCESS | |
| KR101672832B1 (en) | Fabrication process management assistance device | |
| CN117235514A (en) | Elevator fault diagnosis system using cyclic neural network model | |
| JP2020113019A (en) | Measuring system | |
| WO2014177309A1 (en) | Information system and method for processing information, in particular for assisting work in a motor vehicle repair shop | |
| JP2006231365A (en) | Controller of rolling plant, method for accumulating indication data and method for distributing indication data | |
| CN113602971A (en) | Folding arm crane multi-machine intelligent cooperative control system based on 5G network | |
| DE102012018716A1 (en) | Device and method for machine parameterization by means of smart devices | |
| JPH07129677A (en) | Production simulation device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220808 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230628 |
|
| 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: 20230718 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230731 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7334699 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |