JP2023070334A - 製造支援装置、製造支援方法およびプログラム - Google Patents

Abstract

【課題】余材を注文に充当できる可能性を製造実績が存在するものに限らず、より多くの余材スラブを適切な注文に充当する。【解決手段】鋼片を注文に充当するための支援を行う製造支援装置であって、上記鋼片が製品になったときの品質特性値を、当該鋼片の属性値および加工条件に基づき予測する品質予測部と、上記品質予測部により予測された上記品質特性値が、上記注文において要求されている品質特性値の仕様を満たすように上記加工条件を最適化する最適化計算部と、上記最適化計算部において加工条件の算出が可能な上記鋼片と上記注文との組合せを示す情報を出力する出力部と、を備える製造支援装置が提供される。【選択図】図１

Description

本発明は、製造支援装置、製造支援方法およびプログラムに関する。

連続鋳造機で製造された鋼片（スラブ、ビレット、ブルームなど）は、例えば３００ｔを単位とする出鋼ロットごとに、注文ロットが割り当てられる。従って、出鋼ロットの中で注文ロットが割り当てられなかった余材（以下、余材スラブと称する場合もある）が発生する場合がある。余材は在庫になるため、可能な場合には要求特性が比較的緩やかな下位注文に充当するが、元は上位注文の厳しい要求特性に適合するように製造されているため、コストが高い鋼片を下位注文に充当すると、価格差による損失が発生する。下位注文にも充当されなかった鋼片は安価な敷板として利用されるか、またはスクラップ化されるため、損失はより大きくなる。より上位の注文に、より多くの余材を充当することができれば損失を小さくすることができるが、一般的な鋼片の生産現場では余材が数百枚の単位で存在し、注文もまた数百件の単位で存在するため、全ての組合せに対して人手で充当の可否を検討することは困難である。

この点に関して、特許文献１には、余材を迅速にかつタイムリーに注文に充当することを可能とする鋼片（スラブ）と注文との引当方法が記載されている。具体的には、製造実績に基づいて付与されるコードを用いて鋼片を分類し、その一方で注文に係る鋼板製品の規格および寸法に基づいて付与されるコードを用いて注文を分類する。注文の分類コードのそれぞれについて、要求を満足する鋼片の分類コードを予め関連付け、分類コード同士の関連付けによって鋼片を注文に充当する。ここで、鋼片（スラブ）の分類コードは、スラブ形状、スラブ重量、スラブの化学成分組成、スラブ幅、スラブ部位、スラブ手入方法、およびスラブ不具合の有無により定められる。

特開２０００－３５３００７号公報

しかしながら、上記の特許文献１に記載されたような技術によっても、注文に充当されない余材を十分に少なくすることは難しい。特許文献１では、過去の実績、すなわち注文の要求を満足するものとして製造された鋼片の実績に基づいて鋼片および注文の分類コード同士が関連付けられるため、過去に実績がない製造条件で製造された鋼片の場合は分類コードによって関連付けられる注文がなく、結果として注文に充当されない場合がある。注文の要求特性を満足する鋼片の製造条件は１種類とは限らないため、過去に同様の実績がない場合でも鋼片が要求特性を満足する可能性はあり、そのような場合は上記のように過去の実績の範囲内で関連付けを行うことで余材を注文に充当する機会を逸している可能性がある。

そこで、本発明は、余材を注文に充当できる可能性を実際に製造実績が存在するものに限らず、より多くの余材を適切な注文に充当することが可能な製造支援装置、製造支援方法およびプログラムを提供することを目的とする。

本発明のある観点によれば、鋼片を注文に充当するための支援を行う製造支援装置であって、上記鋼片が製品になったときの品質特性値を、当該鋼片の属性値および加工条件に基づき予測する品質予測部と、上記品質予測部により予測された上記品質特性値が、上記注文において要求されている品質特性値の仕様を満たすように上記加工条件を最適化する最適化計算部と、上記最適化計算部において加工条件の算出が可能な上記鋼片と上記注文との組合せを示す情報を出力する出力部と、を備える製造支援装置が提供される。

本発明の別の観点によれば、鋼片を注文に充当するための支援を行う製造支援方法であって、上記鋼片が製品になったときの品質特性値を、当該鋼片の属性値および加工条件に基づき予測する品質予測ステップと、上記予測された上記品質特性値が、上記注文において要求されている品質特性値の仕様を満たすように上記加工条件を最適化する最適化計算ステップと、上記最適化計算ステップにおいて加工条件の算出が可能な上記鋼片と上記注文との組合せを示す情報を出力する出力ステップと、を含む製造支援方法が提供される。

本発明のさらに別の観点によれば、鋼片を注文に充当するための支援を行う製造支援装置であって、上記鋼片が製品になったときの品質特性値を、当該鋼片の属性値および加工条件に基づき予測する品質予測部と、上記品質予測部により予測された上記品質特性値が、上記注文において要求されている品質特性値の仕様を満たすように上記加工条件を最適化する最適化計算部と、上記最適化計算部において加工条件の算出が可能な上記鋼片と上記注文との組合せを示す情報を出力する出力部と、を備える製造支援装置としてコンピュータを機能させるためのプログラムが提供される。

上記の構成によれば、品質予測モデルを用いた最適化問題を解くことによって鋼片が注文に充当できるか否かが判定されるため、余材を注文に充当できる可能性を実際に製造実績が存在するものに限らず幅広く判定し、より多くの余材を適切な注文に充当することができる。

本発明の一実施形態に係る製造支援装置の概略的な構成を示す図である。 製造実績データの例を示す図である。 鋼片データの例を示す図である。 未製造注文データの例を示す図である。 組合せ候補抽出について説明するための図である。 組合せ候補抽出について説明するための図である。 組合せ候補抽出について説明するための図である。 組合せ候補抽出について説明するための図である。 組合せ候補抽出について説明するための図である。 抽出された組合せ候補の例を示す図である。 制約条件の例を示す図である。 評価関数の例を示す図である。 鋼片と注文とのマッチング結果表示の例を示す図である。 本発明の一実施形態に係る製造支援方法の概略的な処理手順を示すフローチャートである。 本発明の一実施形態の変形例に係る製造支援装置の概略的な構成を示す図である。 本発明の実施例として、実際に存在する余材を未製造注文に充当した結果を示すグラフである。

以下に添付図面を参照しながら、本発明の好適な実施形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。

図１は、本発明の一実施形態に係る製造支援装置の概略的な構成を示す図である。図１に示される製造支援装置１００は、メインフレームやオープン系システムなどの大型計算機、またはパーソナルコンピュータなどの情報処理装置によって構成される。製造実績データ１０２、品質予測モデル１０６、鋼片データ１０８、および未製造注文データ１１０は、ＲＯＭやＲＡＭなどの各種メモリ、ハードディスク、またはＣＤ－ＲＯＭなどの記録媒体に格納される。あるいは、これらのデータの一部または全部は他の情報処理装置において格納され、ＬＡＮやインターネットなどの電気通信回線を用いた通信によって製造支援装置１００に送信されてもよい。

製造支援装置１００に含まれる製造実績データ取得部１０１、品質予測モデル構築部１０３、品質予測モデル格納部１０５、鋼片データ取得部１０７、注文データ取得部１０９、鋼片－注文組合せ候補抽出部１１１、制約条件設定部１１３、評価関数設定部１１５、最適化計算部１１７およびマッチング結果表示部１１９の機能は、情報処理装置（コンピュータ）のプロセッサがメモリまたは記録媒体に格納されるプログラムに従って動作することによって実現される。

なお、製造支援装置１００の各部は、単一の情報処理装置によって実現される必要はなく、複数の情報処理装置に分散して実現されてもよい。具体的には、例えば、製造実績データ取得部１０１、品質予測モデル構築部１０３および品質予測モデル格納部１０５と、鋼片データ取得部１０７、注文データ取得部１０９、鋼片－注文組合せ候補抽出部１１１、制約条件設定部１１３、評価関数設定部１１５、最適化計算部１１７およびマッチング結果表示部１１９とが、それぞれ異なる情報処理装置によって実現されてもよい。

本実施形態において、製造支援装置１００は、製鋼工程および圧延工程によって製造される鋼材を対象として、中間製品である鋼片（スラブ、ビレット、ブルームなど）のうち在庫として余った余材に対して注文を充当する処理を実行する。具体的には、製造実績データ取得部１０１は、製造実績データ１０２を取得する。ここで、図２は、製造実績データ１０２の例を示す図である。製造実績データ１０２は、図２に例示するように、過去に製造した実績がある製品（製品ＩＤ）ごとに、成分などの属性値および圧延方法などの加工条件を示す設計変数、ならびにＴＳ（引張強さ）、ＹＰ（降伏点）およびＥＬ（延び）などの品質特性値を示す品質変数の実績値、ならびにこれらの実績値から定まる製品の鋼種などの製品属性が対応づけられている。なお、設計変数には、製品の品質設計に関する変数であれば、属性値と加工条件以外の変数が含まれていてもよい。同様に、品質変数には、製品の品質に関する変数であれば、ＴＳのような機械特性値以外の変数が含まれていてもよく、例えば、平坦度や疵の有無などの変数が含まれていてもよい。

品質予測モデル構築部１０３は、取得された製造実績データ１０２に基づいて、過去に製造された鋼片の属性値（例えば成分）および加工条件（例えば圧延方法）から、その鋼片が製品になったときの品質特性値（例えばＴＳなどの機械特性値）を予測する品質予測モデルを構築する。ここで、加工条件には、鋼片（例えばスラブ）を製品にするための後工程、具体的には圧延や熱処理などの工程における製造条件が含まれる。本実施形態において、品質予測モデルはベイズ推定手法によって構築され、鋼片の属性値および加工条件から品質特性値の確率分布を予測する。品質変数が複数存在する場合は、複数の品質予測モデルを構築してもよいし、複数の品質変数のそれぞれの確率分布を予測可能な単一の品質予測モデルを構築してもよい。品質予測モデル格納部１０４は、品質予測モデル構築部１０３が構築した品質予測モデル１０６を製造支援装置１００のメモリまたはリムーバブル記録媒体などに格納する。

本実施形態において、品質予測モデル構築部１０３は、ベイズ推定手法の一種である公知のガウス過程回帰手法を用いて品質予測モデルを構築する。ここで、ベイズ推定手法は、出力ｙおよび入力ｘの関係をｙ＝ａｘ＋ｂの形で表現した場合に、係数ａ，ｂも不確かさをもつ（ａ～Ｎ（μ，σ））ことを仮定し、出力ｙの平均値および出力ｙの標準偏差を推定する手法である。ガウス過程回帰手法では、出力（品質変数）ｙが入力（設計変数）ｘ＝［ｘ_１，・・・，ｘ_Ｎ］の特徴量空間（特徴ベクトルΦ（ｘ））上の共分散行列Ｋ＝Φ（ｘ）Φ（ｘ）^Ｔ＝［ｋ（ｘ_ｉ，ｘ_ｊ）］_{（ｉ，ｊ）}のガウス分布に従うという仮定の下に、以下の式（１）を用いて新しいデータ点ｘ^＊の出力ｙ^＊の確率分布を予測する。カーネル基底関数ｋ（ｘ，ｘ’）には式（２）のような動径基底関数（ＲＢＦ：Radial Basis Function）を使用し、入力変数ごとにハイパーパラメータθを変分推論によって最適化する。なお、カーネル基底関数としては、ＲＢＦ以外の関数を用いてもよい。

例えば、所定数の製品に関する製造実績データ１０２が蓄積されたタイミングで、上記の製造実績データ取得部１０１、品質予測モデル構築部１０３および品質予測モデル格納部１０５の機能によって品質予測モデル１０６が構築および格納される。これ以降、例えば新たに注文が発生した時などの任意のタイミングで、鋼片データ取得部１０７、注文データ取得部１０９、鋼片－注文組合せ候補抽出部１１１、制約条件設定部１１３、評価関数設定部１１５、最適化計算部１１７およびマッチング結果表示部１１９が、余材を未製造注文に充当するために有用な情報を出力する。

鋼片データ取得部１０７は、鋼片データ１０８を取得する。ここで、図３は、鋼片データ１０８の例を示す図である。鋼片データ１０８は、図３に例示するように、処理時点で在庫になっている余材（鋼片ＩＤ）ごとに、鋼種、重量、成分、滞在日数および合金コストなどが対応付けられている。ここで、滞在日数は、当該鋼片が製造された後、在庫として滞在している日数である。合金コストは、当該鋼片を構成する合金の単位重量あたりの製造コストである。注文データ取得部１０９は、未製造注文データ１１０を取得する。ここで、図４は、未製造注文データ１１０の例を示す図である。未製造注文データ１１０は、図４に例示するように、処理時点で未製造の注文、または未製造かつ鋼片の割り当てが決定していない注文（注文ＩＤ）ごとに、最終製品として要求されている、請求残数、単重および板厚、成分仕様、ならびに品質特性値の仕様が対応付けられている。このうち、成分仕様はＣおよびＭｎなどの成分含有量や炭素等量などを規定し、品質特性値仕様はＴＳ、ＹＰおよびＥＬなどの機械特性値などを規定する。これらの仕様は、例えば図示された例のように上限値および下限値の両方により定まる範囲によって規定されてもよいし、上限値または下限値のいずれか一方により定まる範囲によって規定されてもよい。

鋼片－注文組合せ候補抽出部１１１は、鋼片データ１０８に含まれる余材と未製造注文データ１１０に含まれる注文との組合せについて、以下で説明する（１）単重および請求残数、（２）成分仕様、および（３）品質特性値の観点から、注文の仕様が満たされる可能性が相対的に高い組合せ候補を抽出する。既に述べたように余材および注文はそれぞれ数百件の単位で存在しうるため、取り得る組合せ候補を優先的に抽出することによって後段の最適化計算部１１７などの処理負荷を軽減することができる。

（１）単重および請求残数
鋼片－注文組合せ候補抽出部１１１は、未製造注文データ１１０の注文ＩＤごとに、製造する必要がある重量残（＝請求残数×単重）を計算し、鋼片データ１０８に記録された鋼片の重量が注文の重量残以上である鋼片と注文との組合せ候補を抽出する。ここで、図５、図６、図７、図８、図９は、組合せ候補抽出について説明するための図である。図５に示す例のように、注文ＩＤ「order1」と鋼片ＩＤ「slab1」との組み合わせは、注文の重量残（20）が鋼片の重量（22）を下回るため候補になるが、注文ＩＤ「order2」と鋼片ＩＤ「slab1」との組み合わせは、注文の重量残（30）が鋼片の重量（22）を超えているため候補にならない。

（２）成分仕様
鋼片－注文組合せ候補抽出部１１１は、未製造注文データ１１０の注文ＩＤごとに成分仕様（ＣおよびＭｎなどの成分含有量の上下限値、炭素等量など）を参照し、鋼片データ１０８に記録された鋼片の成分が注文の成分仕様を満たす鋼片と注文との組合せ候補を抽出する。

（３）品質特性値
鋼片－注文組合せ候補抽出部１１１は、過去の製造実績データ（上述した製造実績データ１０２と同じデータであってもよいし、異なるデータであってもよい）に基づいて、鋼片データ１０８に含まれる余材のそれぞれがとりうる品質特性値を予測する。具体的には、例えば、以下で説明する（３－１）または（３－２）のいずれかの予測方法により計算される平均値と標準偏差に基づき、品質特性値の範囲を予測する。

（３－１）予測方法１
鋼片－注文組合せ候補抽出部１１１は、過去の製造実績データに基づいて、図６に例示するように、鋼片の鋼種ごとに品質特性値（ＴＳ（引張強さ）、ＹＰ（降伏点）およびＥＬ（延び））のとりうる範囲を予測するために必要な平均値および標準偏差を算出する。例えば、鋼片－注文組合せ候補抽出部１１１は、図２に示す過去の製造実績データ１０２に含まれる鋼片（製品ＩＤ）ごとの品質特性値について、同一の鋼種（Ａ、Ｂなど）ごとにまとめて平均値と標準偏差を算出すればよい。これによって、図３の鋼片データ１０８に含まれている余材の鋼種から、その余材（鋼片ＩＤごと）の各品質特性値の平均値および標準偏差を予測することができる。

（３－２）予測方法２
鋼片－注文組合せ候補抽出部１１１は、過去の製造実績データに基づいて、図７に例示するような説明変数および目的変数を有する予測モデルを構築する。この予測モデルにおいて、説明変数は成分含有量や炭素当量に対応し、目的変数は品質特性値の確率分布である。つまり、この場合、予測モデルは鋼片の成分に対する品質特性値の確率分布を予測する。ここでの予測に用いる予測モデルは、上述した品質予測モデルとは異なり、鋼片の加工条件を品質特性値の予測に用いない。ただし、品質予測モデルと同様に、例えばベイズ推定手法を用いて予測モデルを構築することはできる。このように予測モデルを構築すれば、予測モデルに基づいて図３の鋼片データ１０８に含まれている余材の成分から、その余材（鋼片ＩＤごと）の各品質特性値の平均値および標準偏差を予測することができる。

本実施形態において、鋼片－注文組合せ候補抽出部１１１は、図８にＴＳ（引張強さ）について例示しているように、上記の予測方法１または予測方法２で予測した鋼片ＩＤごとの品質特性値の平均値および標準偏差から、品質特性値がとりうる範囲、具体的には「平均値±α×標準偏差」を算出する。例えばα＝１．９６０のときは、９５％の確率で品質特性値がとりうる範囲を算出することができる。

鋼片－注文組合せ候補抽出部１１１は、上記の（３－１）または（３－２）のいずれかまたは両方によって算出された鋼片ＩＤごとの品質特性値のとりうる範囲を、図４の未製造注文データ１１０に含まれる注文ＩＤごとの品質特性値の仕様と照合し、予測された範囲が注文の品質特性値の仕様に重なる鋼片と注文との組合せ候補を抽出する。このような判定による組合せ候補抽出の例を図９に示す。鋼片ＩＤ「slab1」と注文ＩＤ「order1」との組み合わせは予測された品質特性値（ＴＳ（引張強さ）、ＹＰ（降伏点）およびＥＬ（延び））の範囲がいずれも注文の品質特性値の仕様に重なるため候補になるが、鋼片ＩＤ「slab1」と注文ＩＤ「order2」との組み合わせは、品質特性値のうちＴＳ（引張強さ）の範囲が注文の品質特性値の仕様に重ならないため候補にならない。

図１０は、鋼片－注文組合せ候補抽出部１１１が抽出した組合せ候補の例を示す図である。なお、鋼片－注文組合せ候補抽出部１１１で用いられるαの値が大きい場合は組合せ候補数が大きくなり探索領域が広くなるが、最適化計算部１１７で最適化問題を解くための処理負荷が増加する。従って、αの値は最適化計算部１１７で使用可能な計算機リソースや許容される計算時間に応じて設定されることが好ましい。

制約条件設定部１１３は、鋼片－注文組合せ候補抽出部１１１が抽出した組合せ候補ごとに、後述する最適化問題の変数ｘについて制約条件を設定する。図１１は、制約条件設定部１１３が設定した制約条件の例を示す図である。図示された例では、後工程での加工条件、具体的には圧延工程での加熱温度や圧延温度などに関する決定変数ｘ_ｒｏｌｌについて、上限値、下限値またはその両方が制約条件として設定される。このような決定変数ｘ_ｒｏｌｌの制約条件は、例えば設備仕様や設備状態、生産スケジュールなどに基づいて設定される。

評価関数設定部１１５は、製造に関するコスト（以下、製造コストという）を評価するための評価関数を設定する。具体的には、評価関数設定部１１５は、後述する最適化問題における決定変数ｘ_ｒｏｌｌについての評価関数Jを設定する（具体的には、評価関数Ｊの式の定式化、定数の設定など含む）。図１２は、評価関数設定部１１５が設定する評価関数Ｊに含まれる製造コストに関する定数（以下、コスト定数ともいう）の例を示す図である。図示された例では、決定変数ｘ_ｒｏｌｌに含まれる加熱温度、圧延温度および冷却温度のそれぞれについて、１単位（１℃）あたりの製造コスト（すなわち、コスト定数の値）が設定されている。この場合、コスト定数は各温度の値にかかる係数である。加熱温度については高いほど加熱のための時間や燃料が増大するため正の値として１が設定され、圧延温度については低いほど待ち時間が発生するため負の値として－２が設定される。冷却温度については、工程が製造コストに及ぼす影響が小さいため０が設定されている。

最適化計算部１１７は、上記で製造実績データ取得部１０１、品質予測モデル構築部１０３および品質予測モデル格納部１０５の処理によって構築および格納された品質予測モデル１０６を用いて、条件ｘ∈［ｘ_ｓｌａｂ，ｘ_{ｏｒｄｅｒ}，ｘ_ｒｏｌｌ］が与えられたときの品質特性値（ここではＴＳ、ＹＰおよびＥＬ）ｙ＝［ｙ^ＴＳ，ｙ^ＹＰ，ｙ^ＥＬ］の予測分布ｐ（ｙ｜ｘ）を予測する。具体的には、最適化計算部１１７は、以下のように定式化された最適化問題を解く。ここで、上記の条件ｘのうち、ｘ_ｓｌａｂは成分含有量などの鋼片データ１０８に基づいて決定される条件、ｘ_{ｏｒｄｅｒ}は板厚などの未製造注文データ１１０に基づいて決定される条件であり、ｘ_ｒｏｌｌは後工程での加工条件、具体的には圧延工程において調整可能な加熱温度や圧延温度などの製造条件である。条件ｘ_ｓｌａｂおよび条件ｘ_{ｏｒｄｅｒ}は既に決定された定数であるのに対して、後工程での加工条件ｘ_ｒｏｌｌは未決定の決定変数である。従って、上記のように最適化計算部１１７が最適化問題を解くことによって、後工程での加工条件ｘ_ｒｏｌｌが、制約条件設定部１１３が設定した制約条件の下で最適化されることになる。

上記の式において、Ｌ^Ｙ，Ｕ^Ｙは、それぞれ注文の品質特性値の仕様Ｙ∈［ＴＳ，ＹＰ，ＥＬ］の下限値および上限値であり、未製造注文データ１１０に基づいて決定される。ｘ_{ｒｏｌｌ，ｉ} ^{ｌｏｗｅｒ}，ｘ_{ｒｏｌｌ，ｉ} ^{ｕｐｐｅｒ}は、それぞれ後工程の製造条件を示す変数ｘ_{ｒｏｌｌ，ｉ}の下限値および上限値であり、制約条件設定部１１３によって決定される。定数ｃ_{ｒｏｌｌ，ｉ}は、変数ｘ_{ｒｏｌｌ，ｉ}のコスト定数であり、上述したとおり評価関数設定部１１５によって決定される。

一方、上記の式において、Ｆ^Ｙ（ｘ，ｑ）は品質特性値ｙ＝［ｙ^ＴＳ，ｙ^ＹＰ，ｙ^ＥＬ］の予測分布ｐ（ｙ｜ｘ）＝ｐ（ｙ｜ｘ_ｓｌａｂ，ｘ_{ｏｒｄｅｒ}，ｘ_ｒｏｌｌ）の累積密度関数の逆関数であり、条件ｘおよび累積確率密度ｑが与えられた場合の品質特性値ｙの予測値を出力する。このＦ^Ｙ（ｘ，ｑ）について後述するＬ^Ｙ，Ｕ^Ｙ，α_１ ^Ｙ，α_２ ^Ｙを用いた範囲が制約式として与えられる。ここで、条件ｘのうちｘ_ｓｌａｂ，ｘ_{ｏｒｄｅｒ}はそれぞれ鋼片データ１０８および未製造注文データ１１０に基づいて決定される定数であるため、Ｆ^Ｙ（ｘ，ｑ）は決定変数であるｘ_ｒｏｌｌに応じて変化する。

さらに、上記の式において、α_１ ^Ｙ，α_２ ^Ｙは、それぞれ注文の品質特性値の仕様Ｙの下限値Ｌ^Ｙおよび上限値Ｕ^Ｙに対する余裕度である。関数ｗ（α）は注文の品質特性値の仕様Ｙが満たされないときに評価関数Ｊに大きなペナルティを課すための重み関数である。具体的には、例えば、関数ｗ（α）はαの値が非負である場合に１、αの値が負である場合に１０を返すように設定される。最適化計算部１１７は、上記の式による最適化問題を鋼片－注文組合せ候補抽出部１１１が抽出した余材と未製造注文との組合せ候補のそれぞれについて解く。α_１ ^Ｙ，α_２ ^Ｙがいずれも非負である場合に、品質特性値を満足する加工条件ｘ_ｒｏｌｌが求解されており、余材は組合せ候補の注文に充当可能である。

マッチング結果表示部１１９は、最適化計算部１１７による計算結果に基づいて、余材と未製造注文とのマッチング結果を製造支援装置１００、または外部接続装置のディスプレイなどに表示する。具体的には、マッチング結果表示部１１９は、最適化計算部１１７において品質特性値を満足する加工条件ｘ_ｒｏｌｌの算出が可能だった鋼片と注文との組合せを示す情報を出力する。図１３は、表示されるマッチング結果の例を示す図である。図示された例において、マッチング結果表示部１１９は、余材の鋼片ＩＤごとに鋼片データ１０８の滞在日数、合金コストおよび鋼種を表示するとともに、未製造注文の注文ＩＤごとに「充当可否」をマトリクス表示する。最適化計算によって品質特性値を満足する加工条件ｘ_ｒｏｌｌが求められた鋼片と注文との組合せについては充当が可能であることを示すアイコン（塗りつぶされた□）が表示され、最適化計算によって品質特性値を満足する加工条件ｘ_ｒｏｌｌが得られなかった組合せ、および注文組合せ候補抽出部１１１によって組合せ候補として抽出されなかった組合せについては充当が不可であることを示すアイコン（□）が表示される。また、「信頼度」として、鋼片－注文組合せ候補抽出部１１１について説明したαの値が選択可能であってもよい。

上記の表示において充当可能とされた余材と注文との組合せを選択すると、「予測強度」および「注文仕様」として、当該組合せについて鋼片－注文組合せ候補抽出部１１１が算出した鋼片の品質特性値の予測範囲と注文の品質特性値の仕様とが表示される。また、「圧延条件ガイダンス」として、最適化計算によって求められた加工条件ｘ_ｒｏｌｌに相当する圧延工程の製造条件の値が表示される。ユーザーは、これらの情報を参照することによって、余材を充当可能な注文を把握し、圧延工程の製造条件も考慮して、実際に余材を充当する注文を適切に決定することができる。

図１４は、本発明の一実施形態に係る製造支援方法の概略的な処理手順を示すフローチャートである。以下では、図１を参照して説明した製造支援装置１００において製造支援方法が実行される場合について説明する。まず、製造実績データ取得部１０１が、製造実績データ１０２を取得する（ステップＳ１０１）。次に、品質予測モデル構築部１０３が品質予測モデルを構築し（ステップＳ１０３）、品質予測モデル格納部１０５が品質予測モデル１０６を格納する（ステップＳ１０５）。なお、既に述べたように、品質予測モデル１０６を構築および格納するステップＳ１０１～Ｓ１０５の処理は例えば所定数の製品に関する製造実績データ１０２が蓄積されたタイミングで予め実行され、その後、例えば新たに注文が発生した時などの任意のタイミングで、格納された品質予測モデル１０６を用いて余材を未製造注文に充当するための情報を出力するステップＳ１０７～Ｓ１２１の処理が実行されてもよい。

余材を未製造注文に充当する処理では、鋼片データ取得部１０７が鋼片データ１０８を取得し（ステップＳ１０７）、注文データ取得部１０９が未製造注文データ１１０を取得する（ステップＳ１０９）。なお、ステップＳ１０７，Ｓ１０９の順序は図示された例には限定されず、順序が逆であってもよいし、並行して実行されてもよい。次に、鋼片－注文組合せ候補抽出部１１１が鋼片データ１０８に含まれる余材と未製造注文データ１１０に含まれる注文との組合せ候補を抽出する（ステップＳ１１１）。

さらに、制約条件設定部１１３が後工程に関する制約条件を設定し（ステップＳ１１３）、評価関数設定部１１５が評価関数を設定する（ステップＳ１１５）。なお、評価関数を設定するステップＳ１１５については、鋼片データ１０８や未製造注文データ１１０がなくても実行可能であるため、ステップＳ１１７よりも前の任意の時点で実行されればよい。最適化計算部１１７は、上記で取得および算出されたデータに基づいて、最適化計算を実行する（ステップＳ１１７）。上記のステップＳ１１３～Ｓ１１７は、抽出された全ての組合せ候補について実行される（ステップＳ１１９）。なお、必ずしもステップＳ１１３～Ｓ１１７のすべてを組合せ候補の数だけ繰り返さなくてもよく、例えば全ての組合せ候補についてのステップＳ１１３，Ｓ１１５を先に実行してもよい。

最適化計算が実行されると、マッチング結果表示部１１９が、計算結果に基づいて、余材と未製造注文とのマッチング結果を製造支援装置１００、または外部接続装置のディスプレイなどに表示する（ステップＳ１２１）。

以上で説明したような本発明の一実施形態によれば、製造実績データ１０２に基づいて構築される品質予測モデル１０６を用いた最適化問題を解くことによって、鋼片データ１０８として記録された余材が未製造注文データ１１０の注文に充当できるか否かが判定される。品質予測モデル１０６は鋼片の属性値および加工条件から最終製品の品質特性値の確率分布を予測可能なものであるため、例えば製造実績データ１０２が存在しない鋼片の成分含有量や注文の品質特性値の仕様の組合せについても幅広く、余材を注文に充当できる可能性を予測することができる。従って、本実施形態では、より多くの余材を適切な注文に充当することができる。

図１５は、本発明の一実施形態の変形例に係る製造支援装置の概略的な構成を示す図である。図１５に示される製造支援装置２００は、上記で図１を参照して説明した製造支援装置と同様に構成されるが、鋼片データ取得部１０７、注文データ取得部１０９、鋼片－注文組合せ候補抽出部１１１、制約条件設定部１１３、評価関数設定部１１５、最適化計算部１１７およびマッチング結果表示部１１９を含み、製造実績データ取得部、品質予測モデル構築部および品質予測モデル格納部を含まない。図示された例では、他の装置を用いて既に構築および格納された品質予測モデル１０６を用いて最適化計算を実行し、余材を未製造注文に充当するための情報を出力する処理が実行される。

図１６は、本発明の実施例として、実際に存在する余材スラブを未製造注文に充当した結果を示すグラフである。従来の方法では注文に充当されず、在庫としての滞留日数が１００日以上であった８通りの鋼種Ａ～Ｈの余材スラブについて、品質予測モデル１０６を用いた最適化計算を実行したところ、７通りの注文order1～order7の全てについて、９０％以上の確率で注文の品質特性値の仕様（ＴＳおよびＹＰ）を満たし充当可能と判定された余材スラブが存在した。この中には、熱処理用鋼種の余材スラブを特定の圧延工程の製造条件で製造することによって、非熱処理用鋼種の注文の品質特性値の仕様が満たされた例も含まれており、余材を注文に充当できる可能性を製造実績が存在するものに限らず幅広く判定できていることがわかった。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はこれらの例に限定されない。本発明の属する技術の分野の当業者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

１００，２００…製造支援装置、１０１…製造実績データ取得部、１０２…製造実績データ、１０３…品質予測モデル構築部、１０４…品質予測モデル格納部、１０５…品質予測モデル格納部、１０６…品質予測モデル、１０７…鋼片データ取得部、１０８…鋼片データ、１０９…注文データ取得部、１１０…未製造注文データ、１１１…鋼片－注文組合せ候補抽出部、１１３…制約条件設定部、１１５…評価関数設定部、１１７…最適化計算部、１１９…マッチング結果表示部、２００…製造支援装置。

Claims (14)

1. 鋼片を注文に充当するための支援を行う製造支援装置であって、
   前記鋼片が製品になったときの品質特性値を、当該鋼片の属性値および加工条件に基づき予測する品質予測部と、
   前記品質予測部により予測された前記品質特性値が、前記注文において要求されている品質特性値の仕様を満たすように前記加工条件を最適化する最適化計算部と、
   前記最適化計算部において加工条件の算出が可能な前記鋼片と前記注文との組合せを示す情報を出力する出力部と、
   を備える製造支援装置。
2. 前記品質予測部は、ベイズ推定手法によって構築された品質予測モデルを用いて前記品質特性値を予測する、請求項１に記載の製造支援装置。
3. 前記鋼片と前記注文との全ての組合せから、前記注文において要求されている仕様が満たされる可能性が相対的に高い組合せ候補を抽出する組合せ候補抽出部をさらに備え、
   前記最適化計算部は前記抽出された組合せ候補について前記加工条件を最適化する、請求項１または請求項２に記載の製造支援装置。
4. 前記組合せ候補抽出部は、前記鋼片の重量が前記注文において要求されている重量残以上である前記鋼片と前記注文との組合せ候補を抽出する、請求項３に記載の製造支援装置。
5. 前記組合せ候補抽出部は、前記鋼片の成分が前記注文において要求されている成分の仕様を満たす前記鋼片と前記注文との組合せ候補を抽出する、請求項３または請求項４に記載の製造支援装置。
6. 前記組合せ候補抽出部は、過去の製造実績データに基づいて前記鋼片の鋼種ごとに品質特性値のとりうる範囲を算出し、該範囲が前記注文において要求されている品質特性値の仕様に重なる前記鋼片と前記注文との組合せ候補を抽出する、請求項３から請求項５のいずれか１項に記載の製造支援装置。
7. 前記組合せ候補抽出部は、過去の製造実績データに基づいて前記鋼片の成分に対する品質特性値の確率分布を予測する予測モデルをベイズ推定手法によって構築し、前記予測モデルによって予測された前記品質特性値のとりうる範囲が前記注文において要求されている品質特性値の仕様に重なる前記鋼片と前記注文との組合せ候補を抽出する、請求項３から請求項５のいずれか１項に記載の製造支援装置。
8. 前記加工条件の制約条件を設定する制約条件設定部をさらに備え、
   前記最適化計算部は、前記制約条件の下で前記加工条件を最適化する、請求項１から請求項７のいずれか１項に記載の製造支援装置。
9. 前記加工条件の評価関数を設定する評価関数設定部をさらに備え、
   前記最適化計算部は、前記評価関数に基づいて前記加工条件を最適化する、請求項１から請求項８のいずれか１項に記載の製造支援装置。
10. 前記出力部は、前記加工条件の最適化が可能だった組合せを、前記鋼片ごと、または前記注文ごとにマトリクス表示する、請求項１から請求項９のいずれか１項に記載の製造支援装置。
11. 前記出力部は、前記加工条件の最適化が可能だった組合せについて、前記最適化された加工条件を表示する、請求項１から請求項１０のいずれか１項に記載の製造支援装置。
12. 過去の製造実績データに基づいて品質予測モデルを構築する品質予測モデル構築部をさらに備え、
    前記品質予測部は、前記品質予測モデルを用いて前記品質特性値を予測する、請求項１から請求項１１のいずれか１項に記載の製造支援装置。
13. 鋼片を注文に充当するための支援を行う製造支援方法であって、
    前記鋼片が製品になったときの品質特性値を、当該鋼片の属性値および加工条件に基づき予測する品質予測ステップと、
    前記予測された前記品質特性値が、前記注文において要求されている品質特性値の仕様を満たすように前記加工条件を最適化する最適化計算ステップと、
    前記最適化計算ステップにおいて加工条件の算出が可能な前記鋼片と前記注文との組合せを示す情報を出力する出力ステップと、
    を含む製造支援方法。
14. 鋼片を注文に充当するための支援を行う製造支援装置であって、
    前記鋼片が製品になったときの品質特性値を、当該鋼片の属性値および加工条件に基づき予測する品質予測部と、
    前記品質予測部により予測された前記品質特性値が、前記注文において要求されている品質特性値の仕様を満たすように前記加工条件を最適化する最適化計算部と、
    前記最適化計算部において加工条件の算出が可能な前記鋼片と前記注文との組合せを示す情報を出力する出力部と、
    を備える製造支援装置
    としてコンピュータを機能させるためのプログラム。

Images