JP5169098B2 - 品質予測装置、品質予測方法及び製造方法 - Google Patents

Description

本発明は、鉄鋼プロセス等の製造ラインにおいて品質データと操業データから製品の品質を予測する品質予測装置、品質予測方法及びそれらを利用した製品の製造方法に関する。

従来、この種の品質予測方法には次のような方法が提案されている。
（ａ）例えば、プロセス操業データと品質データとの相関について解析する、製造プロセスにおける解析装置において、プロセス操業データの各パラメータが取り得る値を分割し、各分割領域における品質データの確率分布を算出して品質を予測する（例えば特許文献１参照）。
（ｂ）また、鉄鋼プロセスの連続鋳造において欠陥の発生しやすい流動状態からその時の温度パターンを推定することにより、欠陥の発生しやすい温度パターンを求め、実際の温度パターンから欠陥の発生を予測する（例えば特許文献２参照）。
（ｃ）また、製品の製造にかかる各種の条件を示す条件データをＮ種類からＮ＞ＰであるＰ変数に変換した上で、品質データとの関係を線形の方程式で定式化して品質を予測する（例えば特許文献３参照）。

特開２００３−１５０２３４号公報 特開２００５−１８１６０９号公報 特開２００５−２４２８１８号公報

しかし、上記の従来の品質予測方法には次のような課題がある。
（ａ）特許文献１においては、入力とする操業データの各パラメータが取り得る範囲に領域を分割し、データ数が多い領域は欠陥が少ない、データ数が少ない領域は多いとしているが、欠陥が発生する確率はデータ数とは無関係であり、実際の欠陥発生状況を反映させる必要がある。また、領域の決め方が不明瞭である。
（ｂ）特許文献２においては、欠陥の発生原因を詳細に解析したうえで、発生しやすい温度パターンを抽出しているが、実際の欠陥はさまざまな要因の組合せとなっており、その他の原因による欠陥の判定が難しい。また、モールド鋳型内の溶鋼に、電磁力による流動を生じさせる技術はさまざま方法が提案されており、流動状態に対応した欠陥の発生しやすい温度パターンを用意するのには煩雑な作業を要する。
（ｃ）特許文献３においては、操業データと品質データが線形の方程式で表現されているが、操業データ、品質データにはばらつきがあり、ある製造条件のもとでの製品の品質は、確率的事象である。また、線形方程式で予測すると誤差が大きい。品質予測においては、操業データと品質データを関連付けるモデル化が従来から課題となっており、この課題に対して有効な手段とはいえない。

本発明は、上記の課題を解決するためになされたものであり、製品の品質を高精度で予測することを可能にした品質予測装置及び品質予測方法、並びにそれらを利用した製品の製造方法を提供することを目的とする。

本発明に係る品質予測装置は、連続鋳造工程で過去に製造された鋳片の品質データとその鋳片の製造時の操業データとが対応付けられて記憶された実績データベースと、品質を予測すべき鋳片の製造時の操業データと、前記実績データベースに記憶された各操業データとの類似度を算出し、該類似度と前記実績データベース内の品質データとから、鋳片の品質予測値を算出する品質予測値算出手段とを有する品質予測装置であって、前記操業データには、連続鋳造工程において鋳片を製造する際のモールド温度や鋳造速度を含み、前記品質はモールドで巻き込んだ不純物による鋳片の欠陥データとし、前記品質予測値の算出は鋳片長手方向位置ごとにするものである。

本発明に係る品質予測装置は、前記品質予測値算出手段において、前記類似度を、品質を予測すべき鋳片の製造時の操業データと前記実績データベースに記憶された各操業データとのユークリッド距離とし、前記ユークリッド距離が最も近い前記実績データベースに記憶された操業データに対応する品質データを品質予測値とする。

本発明に係る品質予測装置は、前記品質予測値算出手段において、前記類似度を、品質を予測すべき鋳片の製造時の操業データと前記実績データベースに記憶された各操業データとのユークリッド距離とし、前記ユークリッド距離が所定範囲内となる前記実績データベースに記憶された操業データに対応する品質データの平均値を算出し、該平均値を品質予測値とする。

本発明に係る品質予測装置は、前記品質予測値算出手段において、前記類似度を、品質を予測すべき鋳片の製造時の操業データと前記実績データベースに記憶された各操業データとのユークリッド距離とし、前記実績データベースに記憶された操業データに対応する品質データの値に、前記ユークリッド距離に応じて定めた重み係数を乗じた重み付け平均値を算出し、該重み付け平均値を品質予測値とする。

本発明に係る品質予測方法は、品質を予測すべき鋳片の製造時の操業データから特徴量データを算出し、前記算出された特徴量データと、連続鋳造工程で過去に製造された鋳片の品質データとその鋳片の製造時の操業データから算出された特徴量データとが対応付けられて記憶された実績データベースの各特徴量データとの類似度を算出し、該類似度と前記品質データとに基づいて品質予測値を算出し、前記操業データには、連続鋳造工程において鋳片を製造する際のモールド温度や鋳造速度を含み、前記品質はモールドで巻き込んだ不純物による鋳片の欠陥データとし、前記品質予測値の算出は鋳片長手方向位置ごとにする。

本発明に係る製品の製造方法は、上記の品質予測装置（又は品質予測方法）で予測された鋳片の品質予測値に基づいて、当該鋳片を製造するための製造工程の操業条件を変更する操業条件変更工程を有するものである。
本発明に係る製品の製造方法は、上記の品質予測装置（又は品質予測方法）で予測された鋳片の品質予測値に基づいて、製造工程の操業異常を判定する操業異常検出工程を有するものである。

本発明に係る製品の製造方法は、上記の品質予測装置（又は品質予測方法）で予測された鋳片の品質予測値に基づいて、品質予測値が不良と判定された場合は、製造された当該鋳片の不良部を修正する修正工程を有するものである。
本発明に係る製品の製造方法は、上記の品質予測装置（又は品質予測方法）で予測された鋳片の品質予測値に基づいて、品質予測値が不良と判定された場合は、製造中の鋳片が所望の品質になるように操業条件を変更する工程を有するものである。
本発明に係る製品の製造方法は、上記の品質予測装置（又は品質予測方法）で予測された鋳片の品質予測値に基づいて、当該鋳片の品質を決定し、以降の工程における処理条件を決定する処理条件決定工程を有するものである。

本発明によれば、製品の品質を高精度で予測することが可能となり、品質のよい製品を製造する操業条件を見出すことが可能となる。品質が悪くなった場合には、操業条件を変更することも可能となる。また、製品の品質の悪化により操業異常を検出することもできる。さらに、製造された製品に品質情報を付加することにより、製品の用途や向け先の決定、製品品質の修正等が可能となる。

図１は本発明の一実施形態に係る製品の製造方法を示した概念図である。製品原料、製品材料を製造工程に投入して製品を製造し、その後、その製品についての品質検査が行われる。そして、本実施形態においては、製造工程の操業データを蓄積するデータ保存手段１と、保存されたデータを利用して製品の品質予測をする品質予測値算出手段２とを備えている。以下、データ保存手段１、品質予測値算出手段２及び品質予測値の利用法の順に説明する。

１．データ保存手段１（データ蓄積ステップ）
データ保存手段１は、実績データベース（記憶装置）１ａを内蔵した演算装置（コンピュータ）から構成されており、以下に説明するデータ蓄積ステップの処理を行う。

図２は、データ保存手段１によるデータ蓄積ステップの処理を示すフローチャートである。製品ごとにデータ保存手段１に製造ラインを管理しているプロセスコンピュータから入力される操業データを蓄えていき、製品完成後の検査工程において検査されたその製品の品質データとの突き合わせを行う（関係付け）。操業データとは、例えば、製造する際の製品の温度、製品の搬送速度、寸法等の計測機器（センサ）の測定値や製造装置への設定値を指す。また品質データは、検査工程で確定された欠陥数、欠陥率、強度特性値などを指す。操業データを式（１）及び式（２）に、品質データを式（３）及び（４）に示す。

このＸ（ｊ）とＹ（ｊ）との組合せ、Ｚ（ｊ）＝［Ｘ（ｊ），Ｙ（ｊ）］をデータ保存手段１の実績データベース１ａに保存する。このようにして保存することにより、或る操業条件Ｘ（ｊ）のときの品質Ｙ（ｊ）を特定することができる。品質予測する場合には、品質予測する操業データから、このデータ保存手段１の実績データベース１ａに保存された上記のデータを利用する。

図３は、データ保存手段１の実績データベース１ａに保存される操業データと品質のデータの関係（データイメージ）を示した説明図である。操業実績に基づいて、各操業データ（操業条件の設定値、センサの実測値）と品質データ（例えば、検査工程で検査した品質結果：欠陥の個数など）とを対応付けて保存する。このとき、操業データは製造工程、品質データは検査データであり、得られるタイミングが異なるので、各データは、操業時刻（一定時間間隔など）や製品の位置（鋼材の位置など）でデータをサンプリングし、上記の対応付けを行う。

図４は、データ構造例である。このように操業時刻（一定時間間隔など）と製品の位置（鋼材の位置など）の操業データ（データ１、…データ２０）と品質データとが関係付けられる。

２．品質予測値算出手段２（品質予測値算出ステップ）
品質予測値算出手段２は、記憶装置を内蔵した演算手段（コンピュータ）から構成されており、データ保存手段１の実績データベース１ａに保存されたデータ（図４参照）を利用し、品質予測値算出ステップの処理を行う。
図５は、その概要をフローチャートである。以下にその手順を述べる。品質を予測するべき製品の製造時の操業データを取得し、データ保存手段１の実績データベース１ａに保存されたデータと比較することにより、品質予測値を算出する。

（２．１）計測するべき製品の操業データと過去実績の操業データ間のユークリッド距離が最も近い過去実績の品質値を品質予測値とする。以下の方法でユークリッド距離を算出する。

実績データベース１ａの全てのデータから距離ｄ_jが最も近いｊ_minを求める。この場合の品質データＹ_jminを品質予測値とする。なお、上式においてＭは操業データの個数（種類数）である。ｘ_i ^*は予測対象の製品の操業データ、ｘ_ijはデータ保存手段１の実績データベース１ａに保存された過去実績の操業データである。

（２．２）距離が所定範囲となる品質値の平均値を品質予測値とする。以下の方法でユークリッド距離を算出する。

距離ｄ_jが所定の値ｄ₀よりも小さい場合の操業データの集合Ｚｓ（集合データの数をＮ’とする）を求める。
Ｚｓ＝［Ｘ，Ｙ］
Ｙの平均値Ｙ_meanを次式により算出し、Ｙ_meanを品質予測値とする。

（２．３）距離に依存した重み付けした平均値を利用する方法（１）
保存されているデータの全てまたは、いくつかを選択（例えばユークリッド距離が所定の範囲のデータを選択する）し、以下の値を算出する。

Ｐ：品質予測値、ｄ_j：保存又は選択された操業データｊと品質を予測するべき製品の操業データとの距離、Ｎ：保存又はされたデータ数（サンプル数）、Ｍ：操業データの数（種類）、ｘ_i ^*：品質を予測するべき製品の操業データ、ｘ_ij：保存された操業データ、Ｙ_j：保存された品質データ。

（２．４）距離に依存した重み付けした平均値を利用する方法（２）。保存されているデータの全てまたは、いくつかを選択し、以下の値を算出する。

Ｐ：品質予測値、ｄ_j：保存又は選択された操業データｊと品質を予測するべき製品の操業データとの距離、Ｎ：保存又はされたデータ数（サンプル数）、Ｍ：操業データの数（種類）、ｘ_i ^*：品質を予測するべき製品の操業データ、ｘ_ij：保存された操業データ、Ｙ_j：保存された品質データ。

３．品質予測値の利用方法
品質予測値は以下の利用方法がある。その概要を図６、図７、図８及び図９に示す。
図６は、予測された品質予測値により、操業条件を変更することを示したフローチャートである。製品の品質を検査する工程は、製造工程の後に位置することがほとんどであり、製造後いくつかの工程を経た後で製品の品質を検査するような製造工程もある。このため、製品の品質を検査したあと、操業条件を変更するのに時間がかかるため、その間、品質の悪い製品を製造しつづけることになる。このため、本実施形態に係る品質予測方法を適用して製造中に製品の品質を予測し、品質を左右する操業条件を品質予測値により変更を行う。これにより、低い品質の製品を大量に生産することを避けることができる。

図７は、予測された品質予測値により操業異常を検出することを示したフローチャートである。低い品質の場合は、なんらかの操業異常も考えられるが、これも早期に発見できる可能性がある。

図８は、予測された品質予測値により製品の品質を修正することを示したフローチャートである。品質の悪い製品ができた場合には、修正工程で例えば欠陥部分を削除したり、補正したりして修正することができる。これにより、品質の悪い製品を次工程に流すことを防ぐことができる。

図９は、予測された品質予測値を製品に付加することを示したフローチャートである。予測された品質予測値を製品に付加することにより、製品の格付をおこなったり、用途を変更することができる。これも、検査結果を経てから判断するより、早めに判断をおこなうことができる。

以下に、本発明を代表的な鉄鋼プロセスのひとつである連続鋳造で製造されるスラブの品質予測に適用した場合の実施例を説明する。
図１０は、鉄鋼製造プロセスにおける連続鋳造プロセスを模式的に表した図である。図１０において、タンディッシュ２０に満たされた溶鋼２１は、タンディッシュ底部に設置されたスライディングノズル２２の位置で定まる開度に応じて、浸漬ノズル２３を経てモールド２４内へ注入される。また、モールド２４内へ注入された溶鋼２１は、側壁から冷却されて表面から凝固しつつ、ピンチロール２５によって引き抜き方向へ引き抜かれる。さらに、モールド２４内に注入される溶鋼量は、前述のように、スライディングノズル２２の開度に応じて定まるが、このスライディングノズル２２は、アクチュエータによって駆動される。モールド２４内では、浸漬ノズル２３から注入された溶鋼により、溶鋼の流れが発生する。連続鋳造時のスラブの欠陥発生には、さまざまな原因が考えられているが、代表的なものは以下のものである。

（１）タンディッシュ２０にあった不純物がそのままモールドに入り込み、鋳片としてかたまってしまう。
（２）溶鋼の流れにより、パウダーの下部が溶鋼中に引き込まれる。
（３）ノズル詰まりを防止するためにノズルに流すＡｒガスが気泡となり溶鋼中に引き込まれる。
これらは、モールド２４内の流れが原因となり起こることが分かっている。このため、最近では、モールド２４の周りに電磁石を設置して磁界を発生させ、強磁性体である溶鋼の流動を励起する装置が使用されている。一方、モールド２４内の溶鋼流動状態を直接図る方法はないが、流速変化を温度変化として計測できることを利用し、モールド周辺に図１１に示されるように温度計３０を設置し、溶鋼の流動状態を推定することも行われている。ここでは、モールド２４の温度状態と欠陥の発生が密接に関係していることに着目し、モールド２４の温度状態から、欠陥発生を予測する。

操業データとしては、モールド温度を使用する。欠陥情報としては、鋼板から検出した欠陥情報を利用する。あらかじめ、温度と欠陥の対比できるデータを用意する。欠陥の予測を行う際には、得られた温度情報から実施例に書かれたような方法で欠陥の予測値を算出する。実際にスラブに対して欠陥の予測を行った結果を図１２に示す。スラブの欠陥が高精度で検出していることが示されている。
また、モールド内の溶鋼の流れは鋳込み速度や、鋳造されるスラブの厚みや幅、Ａｒ流量は圧力、溶鋼の温度によっても異なる。これらの条件を加味することによりさらに精度をあげることができる。

連続鋳造での欠陥予測値の利用方法としては、以下のものが考えられる。
（１）欠陥が多いと予測された場合に鋳造速度等の製造方法を変更する。
（２）欠陥が多いと予測された場合、鋳造されたスラブの表面の手入れを行う。
（３）欠陥が多いと予測されたスラブは、汎用材として利用し、欠陥が少ないと予測されたものを高級素材として利用する。

このように本実施例の手法を用いると、製品の品質を高精度で予測することが可能となり、品質のよい製品を製造する操業条件を見出すことが可能となる。品質が悪くなった場合に、操業条件を変更することも可能となる。また、製品の品質の悪化により、操業異常を検出することもできる。さらに、製造された製品に品質情報を付加することにより、製品の用途や向け先の決定、製品品質の修正等が可能となる。

本発明の一実施形態に係る製品の製造方法を示した概念図である。 実績データベース作成のフローチャートである。 操業データと操業結果のデータの関係（データイメージ）を示した説明図である。 データ構造例である。 品質予測値算出ステップの処理の概要を示したフローチャートである。 予測された品質予測値により、操業条件を変更することを示したフローチャートである。 予測された品質予測値により操業異常を検出することを示したフローチャートである。 予測された品質予測値により製品の品質を修正することを示したフローチャートである。 予測された品質予測値を製品に付加することを示したフローチャートである。 連続鋳造設備の概要図である。 鋳型とそれに取り付けられた温度計との関係を示した図である。 欠陥実績と欠陥予測値との関係を示した図である。

符号の説明

１ データ保存手段、 ２ 品質予測値算出手段、 ２０ タンディッシュ、２１ 溶鋼、２２ スライディングノズル、２３ 浸漬ノズル、２４ モールド、２５ ピンチロール、３０ 温度計。

Claims (10)

1. 連続鋳造工程で過去に製造された鋳片の品質データとその鋳片の製造時の操業データとが対応付けられて記憶された実績データベースと、
   品質を予測すべき鋳片の製造時の操業データと、前記実績データベースに記憶された各操業データとの類似度を算出し、該類似度と前記実績データベース内の品質データとから、鋳片の品質予測値を算出する品質予測値算出手段と
   を有する品質予測装置であって、
   前記操業データには、連続鋳造工程において鋳片を製造する際のモールド温度や鋳造速度を含み、前記品質はモールドで巻き込んだ不純物による鋳片の欠陥データとし、前記品質予測値の算出は鋳片長手方向位置ごとにすることを特徴とする品質予測装置。
2. 前記品質予測値算出手段において、前記類似度を、品質を予測すべき鋳片の製造時の操業データと前記実績データベースに記憶された各操業データとのユークリッド距離とし、前記ユークリッド距離が最も近い前記実績データベースに記憶された操業データに対応する品質データを品質予測値とすることを特徴とする請求項１に記載の品質予測装置。
3. 前記品質予測値算出手段において、前記類似度を、品質を予測すべき鋳片の製造時の操業データと前記実績データベースに記憶された各操業データとのユークリッド距離とし、前記ユークリッド距離が所定範囲内となる前記実績データベースに記憶された操業データに対応する品質データの平均値を算出し、該平均値を品質予測値とすることを特徴とする請求項１に記載の品質予測装置。
4. 前記品質予測値算出手段において、前記類似度を、品質を予測すべき鋳片の製造時の操業データと前記実績データベースに記憶された各操業データとのユークリッド距離とし、前記実績データベースに記憶された操業データに対応する品質データの値に、前記ユークリッド距離に応じて定めた重み係数を乗じた重み付け平均値を算出し、該重み付け平均値を品質予測値とすることを特徴とする請求項１に記載の品質予測装置。
5. 品質を予測すべき鋳片の製造時の操業データから特徴量データを算出し、
   前記算出された特徴量データと、連続鋳造工程で過去に製造された鋳片の品質データとその鋳片の製造時の操業データから算出された特徴量データとが対応付けられて記憶された実績データベースの各特徴量データとの類似度を算出し、
   該類似度と前記品質データとに基づいて品質予測値を算出し、
   前記操業データには、連続鋳造工程において鋳片を製造する際のモールド温度や鋳造速度を含み、前記品質はモールドで巻き込んだ不純物による鋳片の欠陥データとし、前記品質予測値の算出は鋳片長手方向位置ごとにすることを特徴とする品質予測方法。
6. 請求項１〜４の何れかに記載の品質予測装置で予測された鋳片の品質予測値に基づいて、当該鋳片を製造するための製造工程の操業条件を変更する操業条件変更工程を有することを特徴とする製品の製造方法。
7. 請求項１〜４の何れかに記載の品質予測装置で予測された鋳片の品質予測値に基づいて、製造工程の操業異常を判定する操業異常検出工程を有することを特徴とする製品の製造方法。
8. 請求項１〜４の何れかに記載の品質予測装置で予測された鋳片の品質予測値に基づいて、品質予測値が不良と判定された場合は、製造された当該鋳片の不良部を修正する修正工程を有することを特徴とする製品の製造方法。
9. 請求項１〜４の何れかに記載の品質予測装置で予測された鋳片の品質予測値に基づいて、品質予測値が不良と判定された場合は、製造中の鋳片が所望の品質になるように操業条件を変更する工程を有することを特徴とする製品の製造方法。
10. 請求項１〜４の何れかに記載の品質予測装置で予測された品質予測値に基づいて、当該鋳片の品質を決定し、以降の工程における処理条件を決定する処理条件決定工程を有することを特徴とする製品の製造方法。

Images