JP5234759B2 - Rolling condition calculation apparatus, method and rolling system - Google Patents

Rolling condition calculation apparatus, method and rolling system Download PDF

Info

Publication number
JP5234759B2
JP5234759B2 JP2008202436A JP2008202436A JP5234759B2 JP 5234759 B2 JP5234759 B2 JP 5234759B2 JP 2008202436 A JP2008202436 A JP 2008202436A JP 2008202436 A JP2008202436 A JP 2008202436A JP 5234759 B2 JP5234759 B2 JP 5234759B2
Authority
JP
Japan
Prior art keywords
rolling
representative pattern
rolling condition
representative
pattern
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.)
Active
Application number
JP2008202436A
Other languages
Japanese (ja)
Other versions
JP2010036220A (en
Inventor
知幸 前田
万希志 中山
正宜 小林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kobe Steel Ltd
Original Assignee
Kobe Steel Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kobe Steel Ltd filed Critical Kobe Steel Ltd
Priority to JP2008202436A priority Critical patent/JP5234759B2/en
Publication of JP2010036220A publication Critical patent/JP2010036220A/en
Application granted granted Critical
Publication of JP5234759B2 publication Critical patent/JP5234759B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Control Of Metal Rolling (AREA)

Description

本発明は、圧延装置の圧延条件を設定するための圧延条件パラメータを演算する圧延装置の圧延条件演算装置および圧延条件演算方法に関する。そして、この圧延条件演算装置を備えた圧延システムに関する。   The present invention relates to a rolling condition calculation device and a rolling condition calculation method for a rolling device that calculates rolling condition parameters for setting rolling conditions for the rolling device. And it is related with the rolling system provided with this rolling condition calculating apparatus.

鋼片や条鋼等の長尺鋼材を所定の断面形状に圧延する手段として圧延装置がある。その一つに、複数の圧延スタンドを連続して配置することによって圧延材を連続的に圧延するタンデム圧延装置がある。このような圧延装置では、所定の板厚の圧延材を最下流の圧延スタンドがその出側において目標とする鋼材の板厚に圧延する必要があるため、最下流の圧延スタンドを除く圧延スタンドでは、その出側における板厚に自由度がある。各圧延スタンドの出側板厚の設定は、パススケジュール（ドラフトスケジュール）と呼ばれる。パススケジュールに従って各圧延スタンドの各圧延条件を適切に設定することは、操業の安定性、生産性および最終製品の品質等の向上を図る上で重要である。この圧延条件は、例えば、圧延装置によって製造される製品の品種（板幅、板厚、強度および鋼種等）に応じて区切った（グループ化された）複数の層別ごとに設けられている。そして、パススケジュールは、例えば、各層別に対応した各圧延条件をテーブル化したパススケジュールテーブル（圧延条件テーブル）を参照することによって設定される。   There is a rolling device as means for rolling a long steel material such as a steel slab or strip into a predetermined cross-sectional shape. One of them is a tandem rolling apparatus that continuously rolls a rolled material by arranging a plurality of rolling stands in succession. In such a rolling apparatus, it is necessary for the most downstream rolling stand to roll a rolled material having a predetermined thickness to the target steel thickness on the outlet side. Therefore, in the rolling stands other than the most downstream rolling stand, There is a degree of freedom in the thickness on the exit side. The setting of the exit side plate thickness of each rolling stand is called a pass schedule (draft schedule). Appropriately setting each rolling condition for each rolling stand in accordance with the pass schedule is important for improving operational stability, productivity, quality of the final product, and the like. This rolling condition is provided for each of a plurality of layers divided (grouped) according to, for example, the types of products (plate width, plate thickness, strength, steel type, etc.) manufactured by the rolling apparatus. The pass schedule is set, for example, by referring to a pass schedule table (rolling condition table) in which rolling conditions corresponding to each layer are tabulated.

このようなパススケジュールテーブルは、例えば圧延装置の経年変化や圧延装置の更新（修理や入れ替え等）や品種の更新（修正や追加等）等によって、パススケジュールの追加や修正等のメンテナンスが必要となる。ところで、この層別の総数は、通常、例えば１００を超える非常に大きな数となるため、このパススケジュールテーブルのメンテナンスに多大な労力が必要となる。   Such a pass schedule table requires maintenance such as addition or correction of the pass schedule due to, for example, aging of the rolling mill, update of the rolling mill (repair or replacement), or update of the product type (correction or addition). Become. By the way, the total number for each layer is usually a very large number exceeding, for example, 100, so that a great deal of labor is required for the maintenance of the path schedule table.

このメンテナンスの点について、例えば、特許文献１に開示のパススケジュール計算装置がある。この特許文献１に開示のパススケジュール計算装置は、リバースミルにおける基準パススケジュールと圧延条件から決定した目標圧下率パターンとに基づいて各パスの圧下率を最適化する圧下率最適化モードと、所定の数値演算手法により前記圧延条件から決定した最適な荷重配分比を実現するパススケジュールを計算する荷重比配分モードと、所定の数値演算手法により前記圧延条件から決定した最適な圧下率配分比を実現するパススケジュールを計算する圧下率比配分モードとのうち１つを選択的に実行し、圧延材に最適なパススケジュールを計算する装置である。そして、特許文献１には、この構成によれば、圧延材の性質に最も適したパススケジュールを自動計算し、また、実操業の状況を加味して最適なパススケジュールを選択することにより、安定した操業を可能とし、パススケジュールのメンテナンス性の向上を図り、製品品質の向上を図り得る、と記載されている。
特開２００２−２６３７１６号公報 Regarding this point of maintenance, for example, there is a path schedule calculation device disclosed in Patent Document 1. The pass schedule calculation device disclosed in Patent Document 1 includes a reduction rate optimization mode for optimizing the reduction rate of each pass based on a reference pass schedule in a reverse mill and a target reduction rate pattern determined from rolling conditions, A load ratio distribution mode that calculates a pass schedule that realizes an optimal load distribution ratio determined from the rolling conditions by the numerical calculation method of the above, and an optimal reduction ratio distribution ratio determined from the rolling conditions by a predetermined numerical calculation method This is an apparatus for selectively executing one of the rolling reduction ratio distribution modes for calculating the pass schedule to be calculated and calculating the optimum pass schedule for the rolled material. According to Patent Document 1, according to this configuration, a pass schedule that is most suitable for the properties of the rolled material is automatically calculated, and an optimum pass schedule is selected in consideration of the actual operation status, thereby stabilizing It is described that the operation can be performed, the maintainability of the pass schedule can be improved, and the product quality can be improved.
JP 2002-263716 A

前記特許文献１では、これら上述のモードのうちの１つを選択的に実行するので、基準パススケジュールは、膨大なものではなく、そのメンテナンスは、不要である、と記載されている（特許文献１［００３９］段落）。しかしながら、操業の安定性、生産性および最終製品の品質等の向上を図る上では、パススケジュールのメンテナンスが必ずしも不要とは言えない。   In Patent Document 1, since one of these above-described modes is selectively executed, it is described that the reference path schedule is not enormous and maintenance thereof is unnecessary (Patent Document). 1 [0039] paragraph). However, in order to improve operational stability, productivity, quality of the final product, and the like, it is not always necessary to maintain a pass schedule.

本発明は、上述の事情に鑑みて為された発明であり、その目的は、パススケジュールテーブル（圧延条件テーブル）のメンテナンス性の向上を図ることができる圧延条件演算装置および圧延条件演算方法ならびにこの圧延条件演算装置を備えた圧延システムを提供することである。   The present invention is an invention made in view of the above circumstances, and its purpose is to provide a rolling condition calculation device, a rolling condition calculation method, and a rolling condition calculation method capable of improving the maintainability of a pass schedule table (rolling condition table). It is providing the rolling system provided with the rolling condition calculating apparatus.

本発明者は、種々検討した結果、上記目的は、以下の本発明により達成されることを見出した。すなわち、本発明にかかる一態様では、圧延装置の圧延条件を設定するための圧延条件パラメータを、前記圧延装置によって製造される製品の品種に応じて区切った複数の層別についてそれぞれ演算する圧延条件演算装置であって、前記圧延装置における複数の実績データに基づいて自己組織化マップ法を用いることによって、前記複数の実績データを代表する所定数の代表パターンを求める代表パターン演算部と、前記代表パターン演算部で求めた各代表パターンのそれぞれを、その隣接する代表パターンとの距離がその隣接しない代表パターンとの距離よりも小さくなるように、並び替える代表パターン補正部と、前記代表パターン演算部で求めた前記各代表パターンに基づいて、前記複数の層別における各圧延条件パラメータをそれぞれ求める圧延条件演算部とを備えることを特徴とする。そして、本発明にかかる他の一態様では、圧延装置の圧延条件を設定するための圧延条件パラメータを、前記圧延装置によって製造される製品の品種に応じて区切った複数の層別についてそれぞれ演算する圧延条件演算方法であって、前記圧延装置における複数の実績データに基づいて自己組織化マップ法を用いることによって、前記複数の実績データを代表する所定数の代表パターンを求める代表パターン演算工程と、前記代表パターン演算工程で求めた各代表パターンのそれぞれを、その隣接する代表パターンとの距離がその隣接しない代表パターンとの距離よりも小さくなるように、並び替える代表パターン補正工程と、前記代表パターン演算工程で求めた前記各代表パターンに基づいて、前記複数の層別における各圧延条件パラメータをそれぞれ求める圧延条件演算工程とを備えることを特徴とする。
As a result of various studies, the present inventor has found that the above object is achieved by the present invention described below. That is, in one aspect according to the present invention, the rolling condition parameter for setting the rolling condition of the rolling device is calculated for each of a plurality of layers divided according to the type of product manufactured by the rolling device. an arithmetic unit, and by using a self-organizing map method to determine the predetermined number of representative pattern representing a plurality of actual data representative pattern calculation section based on a plurality of record data in the rolling device, the representative A representative pattern correction unit that rearranges each representative pattern obtained by the pattern calculation unit so that the distance from the adjacent representative pattern is smaller than the distance from the non-adjacent representative pattern, and the representative pattern calculation unit Each rolling condition parameter in each of the plurality of layers is determined based on the representative pattern obtained in step 1. Characterized in that it comprises a rolling condition computing unit for obtaining. In another aspect of the present invention, the rolling condition parameter for setting the rolling condition of the rolling device is calculated for each of a plurality of layers divided according to the type of product manufactured by the rolling device. A rolling condition calculation method, by using a self-organizing map method based on a plurality of performance data in the rolling device, a representative pattern calculation step for obtaining a predetermined number of representative patterns representing the plurality of performance data, A representative pattern correction step of rearranging each representative pattern obtained in the representative pattern calculation step so that a distance from the adjacent representative pattern is smaller than a distance from the non-adjacent representative pattern; and the representative pattern based on the respective representative pattern determined in operation step, the rolling condition parameter in another of the plurality of layers Characterized in that a and a rolling condition calculating step of calculating respectively.

このような構成の圧延条件演算装置および圧延条件演算方法では、複数の実績データに自己組織化マップ法を適用することによって、複数の実績データが予め設定された所定数の代表パターンに集約され、この各代表パターンに基づいて各層別の圧延条件パラメータがそれぞれ求められる。このため、このような構成の圧延条件演算装置および圧延条件演算方法では、層別の圧延条件パラメータが所定数の代表パターンのいずれかに関係付けられるので、データ数が削減されるから、パススケジュールテーブル（圧延条件テーブル）の取り扱い（ハンドリング）が容易となる。したがって、パススケジュールテーブルのメンテナンス性の向上を図ることができる。また、自己組織化マップ法は、教師なし競合学習アルゴリズムに基づいているので、適切な代表パターンを生成するためには、充分な数の実績データが必要である。このような構成によれば、実績データ数が比較的少なく、適切な代表パターンが生成されない場合でも、代表パターン補正部を備えるので、代表パターン演算部で求めた各代表パターンをより適当な代表パターンに補正（修正）することが可能となる。したがって、各層別の圧延条件パラメータを安定的に得ることが可能となる。
In the rolling condition calculation device and the rolling condition calculation method with such a configuration, by applying the self-organizing map method to a plurality of result data, the plurality of result data is aggregated into a predetermined number of representative patterns set in advance, Based on each representative pattern, rolling condition parameters for each layer are obtained. For this reason, in the rolling condition calculation device and the rolling condition calculation method having such a configuration, since the rolling condition parameter for each layer is related to one of the predetermined number of representative patterns, the number of data is reduced. Handling (handling) of the table (rolling condition table) becomes easy. Therefore, the maintainability of the path schedule table can be improved. Further, since the self-organizing map method is based on an unsupervised competitive learning algorithm, a sufficient number of record data is necessary to generate an appropriate representative pattern. According to such a configuration, even when the number of actual data is relatively small and an appropriate representative pattern is not generated, the representative pattern correction unit is provided, so that each representative pattern obtained by the representative pattern calculation unit is more appropriate representative pattern. It is possible to correct (correct). Therefore, it is possible to stably obtain the rolling condition parameters for each layer .

圧延条件パラメータは、圧延装置の圧延条件を設定するために直接的にまたは間接的に用いられるパラメータであり、圧延条件そのもの、または、圧延条件を演算するために用いられる条件である。圧延条件パラメータは、例えば、圧下位置、圧延速度（ロール速度）、板厚、板幅、圧延荷重および圧延荷重比等が挙げられる。   The rolling condition parameter is a parameter used directly or indirectly to set the rolling condition of the rolling apparatus, and is a condition used to calculate the rolling condition itself or the rolling condition. Examples of the rolling condition parameters include a reduction position, a rolling speed (roll speed), a plate thickness, a plate width, a rolling load, a rolling load ratio, and the like.

特に、圧延条件パラメータが圧延荷重比である場合では、比較的高精度に圧延条件を設定することができる。なお、圧延荷重比から公知の所定の演算アルゴリズムによって圧延速度および圧延荷重を求めることが可能である。   In particular, when the rolling condition parameter is a rolling load ratio, the rolling condition can be set with relatively high accuracy. In addition, it is possible to obtain | require a rolling speed and a rolling load with a well-known predetermined calculation algorithm from rolling load ratio.

また、上述の圧延条件演算装置において、前記圧延条件演算部は、層別における実績データまたは層別における過去の代表パターンと前記各代表パターンとの類似度を求め、最も類似する代表パターンを前記層別の圧延条件パラメータとすることを特徴とする。   Further, in the rolling condition calculation device described above, the rolling condition calculation unit obtains the similarity between the past representative pattern in each layer and the past representative pattern in each layer and each representative pattern, and the most similar representative pattern is determined in the layer. Another rolling condition parameter is used.

この構成によれば、各層別の圧延条件パラメータに、所定数の代表パターンのうちのいずれかの代表パターンを適切に割り付けることが可能となる。   According to this configuration, any one of the predetermined number of representative patterns can be appropriately assigned to the rolling condition parameters for each layer.

自己組織化マップ法は、教師なし競合学習アルゴリズムに基づいているので、適切な代表パターンを生成するためには、充分な数の実績データが必要である。このような構成によれば、実績データ数が比較的少なく、適切な代表パターンが生成されない場合でも、代表パターン補正部を備えるので、代表パターン演算部で求めた各代表パターンをより適当な代表パターンに補正（修正）することが可能となる。したがって、各層別の圧延条件パラメータを安定的に得ることが可能となる。   Since the self-organizing map method is based on an unsupervised competitive learning algorithm, a sufficient number of performance data is required to generate an appropriate representative pattern. According to such a configuration, even when the number of actual data is relatively small and an appropriate representative pattern is not generated, the representative pattern correction unit is provided, so that each representative pattern obtained by the representative pattern calculation unit is more appropriate representative pattern. It is possible to correct (correct). Therefore, it is possible to stably obtain the rolling condition parameters for each layer.

また、上述の圧延条件演算装置において、前記圧延条件演算部は、所定のタイミングで前記複数の層別における各圧延条件パラメータをそれぞれ求めることを特徴とする。   In the rolling condition calculation device described above, the rolling condition calculation unit obtains each rolling condition parameter for each of the plurality of layers at a predetermined timing.

この構成によれば、例えば所定の一定周期や所定のイベント等の、予め設定された所定のタイミングで各層別の圧延条件パラメータが求められるので、自動的に各層別の圧延条件パラメータが更新され、メンテナンスの負荷を軽減することが可能となる。   According to this configuration, for example, the rolling condition parameter for each layer is obtained at a predetermined timing set in advance, such as a predetermined constant period or a predetermined event, so that the rolling condition parameter for each layer is automatically updated, Maintenance load can be reduced.

そして、本発明の他の一態様にかかる圧延システムは、圧延装置と、上述のいずれかの圧延条件演算装置とを備えることを特徴とする。   And the rolling system concerning other one mode of the present invention is provided with a rolling device and one of above-mentioned rolling condition arithmetic units.

このような構成の圧延システムでは、圧延条件演算装置を備えるので、パススケジュールテーブル（圧延条件テーブル）のメンテナンス性の向上を図ることができる。   Since the rolling system having such a configuration includes the rolling condition calculation device, it is possible to improve the maintainability of the pass schedule table (rolling condition table).

本発明にかかる圧延条件演算装置および圧延条件演算方法ならびに圧延システムは、パススケジュールテーブル（圧延条件テーブル）のメンテナンス性の向上を図ることができる。   The rolling condition calculation device, rolling condition calculation method, and rolling system according to the present invention can improve the maintainability of the pass schedule table (rolling condition table).

以下、本発明にかかる実施の一形態を図面に基づいて説明する。なお、各図において同一の符号を付した構成は、同一の構成であることを示し、その説明を省略する。また、本明細書において、総称する場合には添え字を省略した参照符号で示し、個別の構成を指す場合には添え字を付した参照符号で示す。
（実施形態の構成）
図１は、実施形態における圧延システムの構成を示すブロック図である。図２は、実施形態における圧延条件テーブルの構成を示す図である。 Hereinafter, an embodiment according to the present invention will be described with reference to the drawings. In addition, the structure which attached | subjected the same code | symbol in each figure shows that it is the same structure, The description is abbreviate | omitted. Further, in this specification, when referring generically, it is indicated by a reference symbol without a suffix, and when referring to an individual configuration, it is indicated by a reference symbol with a suffix.
(Configuration of the embodiment)
FIG. 1 is a block diagram showing a configuration of a rolling system in the embodiment. FIG. 2 is a diagram illustrating a configuration of a rolling condition table in the embodiment.

図１において、この圧延システムＳは、例えば鋼片や条鋼等の長尺鋼材を所定の断面形状に圧延する圧延装置１と、過去に圧延装置１の操業に用いられた実績データに基づいて圧延装置１の圧延条件を設定するための圧延条件パラメータを演算する圧延条件演算装置２とを備えて構成される。   In FIG. 1, this rolling system S is rolled based on a rolling device 1 that rolls a long steel material such as a steel slab or strip into a predetermined cross-sectional shape, and past data used in the operation of the rolling device 1 in the past. The apparatus includes a rolling condition calculation device 2 that calculates rolling condition parameters for setting the rolling conditions of the apparatus 1.

圧延装置１は、例えば、設定計算機１１と、圧延機１２とを備えて構成される。   The rolling device 1 includes, for example, a setting computer 11 and a rolling machine 12.

設定計算機１１は、パススケジュールに従った圧延機１２の圧延条件を設定値として演算する装置であり、外部からコマンド（命令）やデータ等を入力する例えばタッチパネルやキーボード等の入力部と、前記入力部から入力されたコマンドやデータおよび設定計算機１１の演算結果等を出力する例えば表示装置等の出力部と、パススケジュール設定計算プログラム等の所定のプログラムおよび前記所定のプログラムの実行に必要なデータや前記所定のプログラムの実行中に生じるデータ等を記憶する例えばＲＡＭ（Random Access Memory）やＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）やＲＯＭ（Read Only Memory）やＨＤＤ（Hard Disk Drive）等の記憶部と、前記所定のプログラムを実行することによって所定の演算を行うとともに、これら各部を各部の機能に従って制御することによって設定計算機１１全体の制御を司る例えばＣＰＵ等の処理部とを備えたコンピュータ等によって構成される。設定計算機１１は、例えば、機能的に、圧延指令入力部１１１と、パススケジュール設定計算部１１２と、圧延条件テーブルデータベース部（圧延条件テーブルＤＢ部）１１３とを備えて構成される。   The setting computer 11 is a device that calculates the rolling condition of the rolling mill 12 according to the pass schedule as a set value, and inputs an input unit such as a touch panel or a keyboard for inputting a command (command) or data from the outside, and the input An output unit such as a display device for outputting commands and data input from the unit and the calculation result of the setting computer 11, a predetermined program such as a path schedule setting calculation program, and data necessary for executing the predetermined program, For example, RAM (Random Access Memory), EEPROM (Electrically Erasable Programmable Read Only Memory), ROM (Read Only Memory), HDD (Hard Disk Drive) and the like storing data generated during execution of the predetermined program; And performing predetermined calculations by executing the predetermined programs, The constituted by a computer or the like and a processing unit such as CPU for example responsible for setting computer 11 the whole controlled by controlling in accordance with functions of the units. For example, the setting computer 11 includes a rolling command input unit 111, a pass schedule setting calculation unit 112, and a rolling condition table database unit (rolling condition table DB unit) 113 functionally.

圧延指令入力部１１１は、圧延指令を入力するための装置であり、例えば、前記入力部が圧延指令入力部１１１として機能する。圧延指令は、例えば、鋼材の品種を特定すべく、板幅、板厚、強度および鋼種等である。   The rolling command input unit 111 is a device for inputting a rolling command. For example, the input unit functions as the rolling command input unit 111. The rolling command includes, for example, a plate width, a plate thickness, a strength, a steel type, and the like in order to specify the type of steel material.

圧延条件テーブルＤＢ部１１３は、層別ごとに圧延条件パラメータをテーブル形式で登録（格納）した圧延条件テーブルを記憶するための装置であり、例えば、前記記憶部が圧延条件テーブルＤＢ部１１３として機能する。なお、圧延条件テーブルＤＢ部１１３は、データベースとして機能するように構成された独立のコンピュータによって構成されてもよい。圧延条件テーブルＤＢ部１１３では、圧延条件演算装置２によって求められた各層別の圧延条件パラメータが圧延条件演算装置２から入力され、パススケジュール設定計算部１１２の要求に応じて、この要求に対応する層別の圧延条件パラメータがパススケジュール設定計算部１１２へ出力される。   The rolling condition table DB unit 113 is a device for storing a rolling condition table in which rolling condition parameters are registered (stored) in a table format for each layer. For example, the storage unit functions as the rolling condition table DB unit 113. To do. The rolling condition table DB unit 113 may be configured by an independent computer configured to function as a database. In the rolling condition table DB unit 113, the rolling condition parameters for each layer obtained by the rolling condition calculation device 2 are input from the rolling condition calculation device 2, and respond to this request according to the request of the pass schedule setting calculation unit 112. The rolling condition parameters for each layer are output to the pass schedule setting calculation unit 112.

層別は、圧延装置によって製造される製品の品種（板幅、板厚、強度および鋼種等）における上限値および下限値によって所定の幅で区切られた（グループ化された）区分である。圧延の操業においては、層別内であれば同一の圧延条件で圧延することができる、との考えから、圧延条件は、通常、層別ごとにその管理が行われている。圧延条件パラメータは、上述したように、圧延装置１の圧延条件を設定するために直接的にまたは間接的に用いられるパラメータであり、圧延条件そのもの、または、圧延条件を演算するために用いられる条件である。圧延条件パラメータは、例えば、圧下位置、圧延速度（ロール速度）、板厚、板幅、圧延荷重および圧延荷重比等が挙げられる。   The stratification is a division (grouped) divided by a predetermined width by an upper limit value and a lower limit value in the types of products (sheet width, sheet thickness, strength, steel type, etc.) manufactured by the rolling mill. In the rolling operation, the rolling conditions are usually managed for each layer from the idea that rolling can be performed under the same rolling conditions within the layers. As described above, the rolling condition parameter is a parameter that is used directly or indirectly to set the rolling condition of the rolling device 1, and the rolling condition itself or the condition that is used to calculate the rolling condition. It is. Examples of the rolling condition parameters include a reduction position, a rolling speed (roll speed), a plate thickness, a plate width, a rolling load, a rolling load ratio, and the like.

例えば、本実施形態では、各層別は、鋼材の幅Ｗおよびその厚みｈで分類されており、圧延条件パラメータとして、例えば、圧延荷重比、より具体的には、後述の基準荷重比が用いられている。これら各層別の圧延条件パラメータを登録すべく、圧延条件テーブル３１は、例えば、図２に示すように、鋼材の厚みｈと幅Ｗとでマトリクス状に構成されたテーブルである。   For example, in this embodiment, each layer is classified by the width W of the steel material and its thickness h, and, for example, a rolling load ratio, more specifically, a reference load ratio described later is used as the rolling condition parameter. ing. In order to register the rolling condition parameters for each layer, the rolling condition table 31 is, for example, a table configured in a matrix with the thickness h and the width W of the steel as shown in FIG.

パススケジュール設定計算部１１２は、パススケジュールを演算する装置である。より具体的には、パススケジュール設定計算部１１２は、圧延指令入力部１１１から入力された圧延指令に応じた圧延条件パラメータを、圧延条件テーブルＤＢ部１１３に格納されている圧延条件テーブル３１を参照することによって求め、この求めた圧延条件パラメータに基づいてパススケジュールを求め、この求めたパススケジュールに従った圧延機１２の圧延条件を設定値として圧延機１２へ出力する装置であり、例えば、前記処理部がパススケジュール設定計算部１１２として機能する。   The path schedule setting calculation unit 112 is a device that calculates a path schedule. More specifically, the pass schedule setting calculation unit 112 refers to the rolling condition table 31 stored in the rolling condition table DB unit 113 for the rolling condition parameters corresponding to the rolling command input from the rolling command input unit 111. Is a device for obtaining a pass schedule based on the obtained rolling condition parameter and outputting the rolling condition of the rolling mill 12 according to the obtained pass schedule to the rolling mill 12 as a set value, for example, The processing unit functions as the path schedule setting calculation unit 112.

圧延機１２は、設定計算機１１から与えられた設定値に応じて稼動することによって、長尺鋼材を所定の断面形状に圧延する装置である。圧延機１２は、例えば、本実施形態では、７個の圧延スタンド１２１（１２１−１〜１２１−７）を配置することによって、鋼材の元になる圧延材を連続的に圧延するタンデム圧延装置である。圧延スタンド１２１は、例えば、圧延材を圧延する一対のワークロールと、前記一対のワークロールにそれぞれ当接する一対のバックアップロールとを備えて構成されている。圧延機１２には、この他、圧延スタンド１２１の動作を制御する図略の圧延制御部や、圧延条件を修正入力する圧延入力部や、圧延材の圧延中に、圧延荷重、圧下位置および圧延速度等を検出する図略の各センサ（圧延荷重センサ、圧下位置センサおよび圧延速度センサ等）が備えられている。   The rolling mill 12 is an apparatus that rolls a long steel material into a predetermined cross-sectional shape by operating according to the set value given from the setting computer 11. In this embodiment, the rolling mill 12 is a tandem rolling device that continuously rolls a rolled material as a base material of steel by disposing seven rolling stands 121 (121-1 to 121-7), for example. is there. The rolling stand 121 includes, for example, a pair of work rolls that rolls a rolled material and a pair of backup rolls that respectively contact the pair of work rolls. In addition to this, the rolling mill 12 includes a rolling control unit (not shown) that controls the operation of the rolling stand 121, a rolling input unit that corrects and inputs rolling conditions, and the rolling load, rolling position, and rolling during rolling of the rolled material. Sensors (not shown) for detecting the speed and the like (a rolling load sensor, a rolling position sensor, a rolling speed sensor, and the like) are provided.

このような構成の圧延装置１では、圧延指令入力部１１１から圧延指令および圧延開始指令が入力されると、パススケジュール設定計算部１１２は、圧延条件テーブルＤＢ部１１３に記憶されている圧延条件テーブル３１を参照することによって、圧延指令入力部１１１から入力された圧延指令に応じた圧延条件パラメータを求め、この求めた圧延条件パラメータに基づいてパススケジュールを求め、この求めたパススケジュールに従った圧延機１２の圧延条件を設定値として圧延機１２へ出力する。この設定値が入力されると、圧延機１２は、この設定値に応じて駆動し、圧延材を圧延する。なお、設定値は、圧延入力部からの入力によって必要に応じて微修正されてもよい。圧延機１２では、第１圧延スタンド１２１−１に導入された圧延材は、設定された設定値（圧延条件）に応じた所定の圧下率で圧延されるとともに、圧延されながら下流側の圧延スタンド１２１（１２１−２〜１２１−７）へ順次に移送され、最終的に最下流の第７圧延スタンド１２１−７で圧延されて仕上板となる。このように圧延材が７個の圧延スタンド１２１（１２１−１〜１２１−７）によって連続的に圧延され、鋼材が製造される。そして、圧延装置１の圧延機１２から出た鋼材は、移送方向下流側に設けられた図略の巻き取り機のコイルに巻き取られる。   In the rolling apparatus 1 having such a configuration, when a rolling command and a rolling start command are input from the rolling command input unit 111, the pass schedule setting calculation unit 112 stores the rolling condition table stored in the rolling condition table DB unit 113. 31, a rolling condition parameter corresponding to the rolling command input from the rolling command input unit 111 is obtained, a pass schedule is obtained based on the obtained rolling condition parameter, and rolling according to the obtained pass schedule is performed. The rolling conditions of the machine 12 are output to the rolling machine 12 as set values. When this set value is input, the rolling mill 12 is driven according to this set value to roll the rolled material. Note that the set value may be finely corrected as necessary by input from the rolling input unit. In the rolling mill 12, the rolled material introduced into the first rolling stand 121-1 is rolled at a predetermined rolling reduction according to a set value (rolling condition) that has been set, and the rolling stand on the downstream side while being rolled. 121 (121-2 to 121-7) sequentially, finally rolled at the most downstream seventh rolling stand 121-7 to become a finished plate. In this way, the rolled material is continuously rolled by the seven rolling stands 121 (121-1 to 121-7), and the steel material is manufactured. And the steel materials which came out of the rolling mill 12 of the rolling apparatus 1 are wound up by the coil of the unillustrated winding machine provided in the transfer direction downstream side.

ここで、注目すべきは、本実施形態の圧延システムＳでは、圧延条件テーブルＤＢ部１１３に記憶されている圧延条件テーブル３１に登録されている圧延条件パラメータが圧延条件演算装置２によって所定のタイミングで更新されることである。   Here, it should be noted that in the rolling system S of the present embodiment, the rolling condition parameter registered in the rolling condition table 31 stored in the rolling condition table DB unit 113 is set to a predetermined timing by the rolling condition calculation device 2. Will be updated.

この圧延条件演算装置２は、過去に圧延装置１の操業に用いられた実績データに基づいて、圧延装置１の圧延条件を設定するための圧延条件パラメータを、圧延装置１によって製造される製品の品種に応じて区切った複数の層別についてそれぞれ演算する装置であり、設定計算機１１１と同様に、入力部と、出力部と、記憶部と、処理部とを備えたコンピュータ等によって構成され、前記記憶部には、所定のプログラムの１つとして各層別の圧延条件パラメータを演算する圧延条件演算プログラムが記憶されている。圧延条件演算装置２は、例えば、実績データデータベース部（実績データＤＢ部）２１と、演算部２２とを備えて構成される。   This rolling condition calculation device 2 uses the rolling device 1 to set the rolling condition parameters for setting the rolling conditions of the rolling device 1 based on the past data used in the operation of the rolling device 1. It is a device that calculates each of a plurality of layers divided according to product type, and is configured by a computer or the like having an input unit, an output unit, a storage unit, and a processing unit, similar to the setting computer 111, The storage unit stores a rolling condition calculation program that calculates rolling condition parameters for each layer as one of the predetermined programs. The rolling condition calculation device 2 includes, for example, a performance data database unit (result data DB unit) 21 and a calculation unit 22.

実績データＤＢ部２１は、過去に圧延装置１（圧延機１２）の操業に用いられた実績データを記憶するための装置であり、例えば、前記記憶部が実績データＤＢ部２１として機能する。なお、実績データＤＢ部２１は、データベースとして機能するように構成された独立のコンピュータによって構成されてもよい。実績データは、例えば、圧延荷重比（圧延荷重）、圧下位置および圧延速度等である。   The performance data DB unit 21 is a device for storing performance data used in the past for the operation of the rolling mill 1 (rolling mill 12). For example, the storage unit functions as the performance data DB unit 21. The performance data DB unit 21 may be configured by an independent computer configured to function as a database. The actual data includes, for example, a rolling load ratio (rolling load), a reduction position, a rolling speed, and the like.

演算部２２は、実績データＤＢ部２１に記憶されている過去の実績データに基づいて各層別の圧延条件パラメータを演算するための装置であり、例えば、前記処理部が演算部２２として機能する。演算部２２は、前記処理部に機能的に、代表パターン演算部２２１と、圧延条件演算部２２２と、代表パターン補正部２２３とを備えて構成されている。   The computing unit 22 is a device for computing rolling condition parameters for each layer based on past performance data stored in the performance data DB unit 21. For example, the processing unit functions as the computing unit 22. The calculation unit 22 is configured to include a representative pattern calculation unit 221, a rolling condition calculation unit 222, and a representative pattern correction unit 223 functionally in the processing unit.

代表パターン演算部２２１は、圧延装置１における複数の実績データに基づいて自己組織化マップ法を用いることによって、複数の実績データを代表する所定数の代表パターンを求めるものである。   The representative pattern calculation unit 221 uses a self-organizing map method based on a plurality of record data in the rolling device 1 to obtain a predetermined number of representative patterns representing the plurality of record data.

自己組織化マップ（Self-Organizing Maps、ＳＯＭ）法は、コホーネンネットワーク（Kohonen Network）とも呼ばれ、教師なし競合学習アルゴリズムを持ったフィードフォワード型のニューラルネットワークであり、学習には、ユークリッド距離が用いられる。自己組織化マップ法のニューラルネットワークは、入力層と出力層（競合層）とから成る２層構造である。自己組織化マップ法では、入力層には、分析対象となる個体ｊの特徴ベクトルｘｊ（ｘｊ１，ｘｊ２，ｘｊ３，・・・，ｘｊｎ）があるとされ、出力層には、ｔ×ｔのマトリクス状に配置されたｋ（ｉ＝１，２，３，・・・，ｋ，ｋ＝ｔ２）個のユニット（参照ベクトル、ノード）があるとされ、出力層における任意の１つのユニットは、入力層における特徴ベクトルの全ての変数ｘｊとリンクしており、重みｍｉ（ｍｉ１，ｍｉ２，ｍｉ３，・・・，ｍｉｎ）が付けられている。この重みｍｉがユニットの各要素ｍｉ１，ｍｉ２，ｍｉ３，・・・，ｍｉｎとなる。したがって、ユニットは、変数ｘｊの個数と同数の次元を持つ。そして、自己組織化マップ法では、次の手順によって学習プロセスが実行される。 The Self-Organizing Maps (SOM) method, also called the Kohonen Network, is a feed-forward neural network with an unsupervised competitive learning algorithm. Used. The neural network of the self-organizing map method has a two-layer structure including an input layer and an output layer (competitive layer). In the self-organizing map method, the input layer has a feature vector x j (x j1 , x j2 , x j3 ,..., X jn ) of an individual j to be analyzed, and the output layer has It is assumed that there are k (i = 1, 2, 3,..., k, k = t 2 ) units (reference vectors, nodes) arranged in a t × t matrix. One unit is linked to all the variables x j of the feature vector in the input layer, and has weights m i (m i1 , m i2 , m i3 ,..., M in ). This weight m i is each element of the unit m i1, m i2, m i3 , ···, the m in. Thus, the unit has the same number of dimensions and the number of variables x j. In the self-organizing map method, the learning process is executed by the following procedure.

まず、手順１Ａでは、出力層のユニットｍｉの各要素ｍｉ１，ｍｉ２，ｍｉ３，・・・，ｍｉｎが乱数によってランダム（無作為）に決定される。すなわち、乱数によって出力層のユニットｍｉに初期値が与えられる。なお、出力層のユニットｍｉの初期値は、各要素の値が全て同一でなければ、乱数によって与えられる必要はなく、任意に与えられてよい。 First, in Step 1A, the elements of the unit m i of the output layer m i1, m i2, m i3 , ···, m in is determined randomly (random) by a random number. That is, the initial value is given to the unit m i of the output layer by the random number. The initial value of the unit m i of the output layer, if not the same value of each element are all need not be given by a random number may be given arbitrarily.

続いて、手順２Ａでは、入力特徴ベクトルｘｊが１個与えられ、この入力特徴ベクトルｘｊとのユークリッド距離｜ｘｊ−ｍｉ｜が最小となるユニット（ニューロン）ｍｉが探索される。この探索されたユニットをｍｃとすると、手順２Ａは、式１によって表される。
｜ｘｊ−ｍｃ｜＝ｍｉｎ｜ｘｊ−ｍｉ｜ ・・・（１）
ここで、関数ｍｉｎ（変数）は、変数の最小値を出力する関数である。すなわち、手順２Ａでは、入力特徴ベクトルｘｊと各ユニットｍｉとのユークリッド距離がそれぞれ求められ、これら求められた各ユークリッド距離のうちで最小のユークリッド距離を与えるユニットｍｉが抽出される。この最小のユークリッド距離を与えるユニットｍｉは、ＢＭＵ（Best Maching Unit、勝者ユニット）と呼ばれる。 Subsequently, in step 2A, the input feature vector x j is given one, the Euclidean distance between the input feature vector x j | x j -m i | is the minimum unit (neuron) m i is searched. If this searched unit and m c, Procedure 2A are represented by formula 1.
| X j −m c | = min | x j −m i | (1)
Here, the function min (variable) is a function that outputs the minimum value of the variable. That, in step 2A, prompts the Euclidean distance between the input feature vector x j and the units m i are each unit m i that gives the smallest Euclidean distance among the Euclidean distances they obtained are extraction. Unit m i that gives the smallest Euclidean distance is referred to as BMU (Best Maching Unit, winner unit).

続いて、手順３Ａでは、ＢＭＵおよびこのＢＭＵの近傍のユニットｍｉは、その値が式２によって変更されることによって、入力特徴ベクトルｘｊを学習（競合学習）する。
ｍｉ（ｔ＋１）＝ｍｉ（ｔ）＋ｈｃｉ（ｔ）［ｘｊ（ｔ）−ｍｉ（ｔ）］（ｉ∈Ｎｃである場合）；ｍｉ（ｔ＋１）＝ｍｉ（ｔ）（ｉ∈Ｎｃではない場合） ・・・（２）
ここで、ｈｃｉ（ｔ）は、近傍関数と呼ばれ、例えば、式３によって定義される。
ｈｃｉ（ｔ）＝α（ｔ）ｅｘｐ（−｜ｒｃ−ｒｉ｜２／（２σ２（ｔ）） ・・・（３）
ここで、α（ｔ）は、時間によって変化する係数であり、学習率係数と呼ばれる。ｒｃとｒｉは、ユニットｃとユニットｉの座標ベクトルである。σ２（ｔ）は、近傍半径と呼ばれ、ユニットｃの近傍領域Ｎｃの半径を調整する関数である。 Subsequently, in Step 3A, unit m i of BMU and near the BMU is by its value is changed by Equation 2, to learn the input feature vector x j (competitive learning).
m i (t + 1) = m i (t) + h ci (t) [x j (t) −m i (t)] (if i∈N c ); m i (t + 1) = m i (t) (When i∈N c is not satisfied) (2)
Here, h ci (t) is called a neighborhood function, and is defined by, for example, Equation 3.
h ci (t) = α (t) exp (− | r c −r i | 2 / (2σ 2 (t)) (3)
Here, α (t) is a coefficient that varies with time, and is called a learning rate coefficient. r c and r i are the coordinate vectors of unit c and unit i. σ 2 (t) is called a neighborhood radius, and is a function for adjusting the radius of the neighborhood region N c of the unit c.

続いて、手順４Ａでは、前記手順２Ａおよび手順３Ａが所定の回数繰り返され、学習が行われる。近傍半径σ２（ｔ）は、学習とともに小さくされて行き、学習率係数α（ｔ）も学習とともに小さくされて行く（近傍半径の収縮と学習係数の減少）。すなわち、近傍半径σ２（ｔ）および学習率係数α（ｔ）は、学習回数を変数とする単調減少関数である。 Subsequently, in the procedure 4A, the procedure 2A and the procedure 3A are repeated a predetermined number of times to perform learning. The neighborhood radius σ 2 (t) decreases with learning, and the learning rate coefficient α (t) also decreases with learning (neighbor radius shrinkage and learning coefficient decrease). That is, the neighborhood radius σ 2 (t) and the learning rate coefficient α (t) are monotonically decreasing functions with the number of learnings as variables.

続いて、手順５Ａでは、全ての入力特徴ベクトルｘｊに対して、前記手順２Ａないし手順４Ａが繰り返し行われる。 Subsequently, in step 5A, for all input feature vectors x j, wherein steps 2A to Step 4A is repeated.

自己組織化マップ法では、前記近傍関数が定義可能であれば、或る所定の次元から他の或る所定の次元へマッピング（写像）が可能である。自己組織化マップ法では、通常、高次元データから３次元や２次元や１次元等の低次元データへマッピングされる。   In the self-organizing map method, if the neighborhood function can be defined, mapping (mapping) from a certain predetermined dimension to another certain predetermined dimension is possible. In the self-organizing map method, usually, high-dimensional data is mapped to low-dimensional data such as three-dimensional, two-dimensional, and one-dimensional.

代表パターン演算部２２１は、より具体的には、以下の手順の代表パターン演算工程によって、複数の過去の実績データを自己組織化マップ法でクラスタリングを行い、所定数の代表パターンを求める。   More specifically, the representative pattern calculation unit 221 performs clustering on a plurality of past performance data by the self-organizing map method by a representative pattern calculation process of the following procedure to obtain a predetermined number of representative patterns.

まず、手順１Ｂでは、前記ユニットとしてｔ×ｔのマトリクス状に配置された所定数ｋ個の代表パターンＳｋが設定され、各代表パターンＳｋの各要素Ｆｋｎが例えば乱数によってランダムに設定される。代表パターンは、第１ないし第７圧延スタンド１２１−１〜１２１−７の各圧延条件パラメータを表すものである。例えば、本実施形態では、代表パターンＳは、第１ないし第７圧延スタンド１２１−１〜１２１−７の圧延荷重比Ｆｉ（ｉ＝１，２，３，・・・，７）を要素とするベクトルである（Ｓｋ＝（Ｆｋ１，Ｆｋ２，Ｆｋ３，・・・，Ｆｋ７）∈ＲＮ）。圧延荷重比Ｆｉは、基準とする圧延スタンドの圧延荷重によって複数の算出方法が考えられるが、本実施形態では、式４に示すように、最上流の第１圧延スタンド１２１−１における圧延荷重値を基準にして算出される。なお、この他、例えば、圧延荷重比Ｆｉは、最下流の第７圧延スタンド１２１−７における圧延荷重値を基準にして算出されてもよく、また例えば、全ての第１ないし第７圧延スタンド１２１−１〜１２１−７における各圧延荷重値の和を基準にして算出されてもよい。
Ｆｉ＝Ｐｉ／Ｐ１ ・・・（４）
ここで、Ｆｉは、ｉ番目の圧延スタンド１２１における圧延荷重比であり、Ｐｉは、ｉ番目の圧延スタンド１２１における圧延荷重であり、Ｎは、圧延スタンド１２１の個数であり、本実施形態では、Ｎ＝７である。もちろん、Ｎは、任意の整数でよい。 First, in step 1B, the representative pattern S k of a predetermined number k pieces arranged in a matrix of t × t as the unit is set, is set randomly by each element F kn is for example a random number for each representative pattern S k The The representative pattern represents each rolling condition parameter of the first to seventh rolling stands 121-1 to 121-7. For example, in the present embodiment, the representative pattern S includes the rolling load ratio F i (i = 1, 2, 3,..., 7) of the first to seventh rolling stands 121-1 to 121-7 as an element. (S k = (F k1 , F k2 , F k3 ,..., F k7 ) ∈R N ). A plurality of calculation methods can be considered for the rolling load ratio F i depending on the rolling load of the rolling stand used as a reference. In this embodiment, as shown in Equation 4, the rolling load in the most upstream first rolling stand 121-1 is used. Calculated based on the value. In addition, for example, the rolling load ratio F i may be calculated on the basis of the rolling load value in the most downstream seventh rolling stand 121-7, and for example, all the first to seventh rolling stands. You may calculate on the basis of the sum of each rolling load value in 121-1 to 121-7.
F i = P i / P 1 (4)
Here, F i is a rolling load ratio in the i-th rolling stand 121, P i is a rolling load in the i-th rolling stand 121, and N is the number of rolling stands 121. Then, N = 7. Of course, N may be an arbitrary integer.

代表パターンＳｋの個数ｋは、圧延条件演算装置２の仕様等に応じて適宜に設定される。代表パターンＳｋの個数ｋが大きければ（多ければ）、実績データを細かく分類することができ、鋼材の品種に応じて圧延装置１の圧延機１２を精密に稼働することができる。一方、代表パターンＳｋの個数ｋが小さければ（少なければ）、代表パターンＳｋの管理がし易くなり、メンテナンスがより容易となる。すなわち、メンテナンス性がより向上する。例えば、圧延装置１の場合では、鋼材の品種数やメンテナンス性等を勘案することによって、代表パターンＳｋの個数ｋは、１０×１０＝１００に設定される。 The number k of representative pattern S k are appropriately set according to the specifications of the rolling conditions arithmetic unit 2. If the number k of the representative patterns S k is large (if it is large), the performance data can be classified finely, and the rolling mill 12 of the rolling device 1 can be operated accurately according to the type of steel material. On the other hand, (the less) number k is less representative pattern S k, liable to manage typical pattern S k, the easier maintenance. That is, the maintainability is further improved. For example, in the case of the rolling apparatus 1, by considering the number of varieties of steel, maintenance, etc., the number k of representative pattern S k is set to 10 × 10 = 100.

続いて、手順２Ｂでは、前記入力特徴ベクトルｘｊとして所定数の実績データｘｊが用意され、その所定数の実績データｘｊのうちの１つの実績データｘｊが入力実績データｘｊとして選択される。そして、この入力実績データｘｊとのユークリッド距離｜ｘｊ−Ｆｉ｜が最小となる代表パターンＳｋが探索される。より具体的には、入力実績データｘｊと各代表パターンＳｋとのユークリッド距離がそれぞれ求められ、これら求められた各ユークリッド距離のうちで最小のユークリッド距離を与える代表パターンＳｋが抽出される。この抽出された代表パターンＳｋを勝者代表パターンＳｋと呼称することとする。 Subsequently, in step 2B, a predetermined number of actual data x j are provided as the input feature vector x j, selecting one performance data x j of the predetermined number of actual data x j as input actual data x j Is done. Then, the Euclidean distance between the input actual data x j | x j -F i | is minimum representative pattern S k is searched. More specifically, the Euclidean distance between the input result data xj and each representative pattern S k is obtained, and the representative pattern S k that gives the minimum Euclidean distance among these obtained Euclidean distances is extracted. . The extracted representative pattern S k and be called a winner representative pattern S k.

続いて、手順３Ｂでは、勝者代表パターンＳｋおよびこの勝者代表パターンＳｋの近傍の代表パターンＳｋが修正され、１つの実績データｘｊが学習（競合学習）される。勝者代表パターンＳｋの近傍の代表パターンＳｋは、本実施形態では、勝者代表パターンＳｋを囲む周囲の代表パターンＳｋであると定義される。勝者代表パターンＳｋの修正は、例えば、入力実績データｘｊと勝者代表パターンＳｋとのユークリッド距離を勝者代表パターンＳｋから減算することによって実行される。なお、この減算の際に、入力実績データｘｊと勝者代表パターンＳｋとのユークリッド距離に所定の重みが付けられてもよい。そして、勝者代表パターンＳｋの近傍の代表パターンＳｋの修正は、例えば、入力実績データｘｊと勝者代表パターンＳｋとのユークリッド距離を近傍の代表パターンＳｋから減算することによって実行される。なお、この減算の際に、入力実績データｘｊと勝者代表パターンＳｋとのユークリッド距離に所定の重みが付けられてもよい。通常、勝者代表パターンＳｋの修正の際の重み値と勝者代表パターンＳｋの近傍の代表パターンＳｋの修正の際の重み値とは、異なる値とされ、勝者代表パターンＳｋの修正の際の重み値は、勝者代表パターンＳｋの近傍の代表パターンＳｋの修正の際の重み値よりも大きい値とされる。 Subsequently, in procedure 3B, the winner representative pattern S k and the representative pattern S k in the vicinity of the winner representative pattern S k are corrected, and one result data x j is learned (competitive learning). Representative pattern S k in the vicinity of the winner representative pattern S k, in this embodiment, is defined as a representative pattern S k around surrounding the winner representative pattern S k. Fixed winner representative pattern S k, for example, is performed by subtracting the Euclidean distance between the input actual data x j and the winner representative pattern S k from the winner typical pattern S k. At the time of this subtraction, the predetermined weight may be attached to the Euclidean distance between the input actual data x j and the winner representative pattern S k. Then, correction of the representative pattern S k in the vicinity of the winner representative pattern S k, for example, is performed by subtracting from the representative pattern S k near the Euclidean distance between the input actual data x j and the winner representative pattern S k . At the time of this subtraction, the predetermined weight may be attached to the Euclidean distance between the input actual data x j and the winner representative pattern S k. Normally, the weight value when the winner representative pattern S weight value during k fixes and winner representative pattern S k representative pattern S k in the vicinity of the modifications are different values, the winner representative pattern S k modifications weight value when is a value greater than the weight value in the vicinity of the representative pattern S k modifications winner representative pattern S k.

続いて、手順４Ｂでは、全ての実績データｘｊに対して、前記手順２Ｂおよび手順３Ｂが繰り返され、学習が行われる。近傍半径σ２（ｔ）は、学習とともに小さくされて行き、学習率係数α（ｔ）も学習とともに小さくされて行く。 Subsequently, in Step 4B, for all actual data x j, the procedure 2B and Step 3B are repeated, learning is performed. The neighborhood radius σ 2 (t) is decreased with learning, and the learning rate coefficient α (t) is also decreased with learning.

このような手順１Ｂないし手順４Ｂの代表パターン演算工程を実行することによって、複数の実績データｘｊが自己組織化マップ法によって類似するもの同士が集められて代表パターンＳｋが形成され、複数の実績データｘｊに基づく所定数ｋの各代表パターンＳｋが求められる。図３は、代表パターンの一例を示す図である。例えば、３×３の９個の代表パターンＳｋが設定された場合に、実績データｘｊに基づいて自己組織化マップ法によって図３に示す９個の代表パターンＳｋが得られる。代表パターンＳｋの横方向は、圧延スタンドの番号であり、その縦方向は、圧延荷重比である。 By executing the representative pattern calculation process of the procedure 1B to the procedure 4B, a plurality of pieces of similar result data x j are collected by the self-organizing map method to form a representative pattern Sk . A predetermined number k of representative patterns S k based on the record data x j are obtained. FIG. 3 is a diagram illustrating an example of a representative pattern. For example, when the nine representative pattern S k of 3 × 3 is set, nine representative pattern S k shown in FIG. 3 by the self-organizing map method on the basis of the actual data x j is obtained. Lateral representative pattern S k is the number of rolling stands, the longitudinal direction is the rolling load ratio.

圧延条件演算部２２２は、代表パターン演算部２２１で求めた各代表パターンＳｋに基づいて、圧延装置１の各層別における圧延条件パラメータを求めるものである。圧延条件演算部２２２は、例えば、圧延条件テーブル３１の各層別のそれぞれに、代表パターン演算部２２１で求めた各代表パターンＳｋのうちのいずれか１つを割り当て、これを代表パターンＳｋの度数で規格化することによって、圧延装置１の各層別における圧延条件パラメータを求める。この圧延条件演算部２２２によって圧延条件演算工程が実行される。 Rolling condition computing unit 222, based on the typical pattern S k obtained by the representative pattern calculation unit 221, and requests the rolling condition parameters for different layers of the rolling device 1. Rolling condition computing unit 222, for example, each of the separate layers of rolled condition table 31, representative pattern assigned to any one of the representative pattern S k obtained by the arithmetic unit 221, which representative pattern S k By normalizing by the frequency, the rolling condition parameters in each layer of the rolling device 1 are obtained. The rolling condition calculation unit 222 executes a rolling condition calculation process.

より具体的には、まず、圧延条件テーブル３１の各層別のうちの１つが選択される。次に、この選択された層別における実績データまたは層別における過去の代表パターンと類似する、すなわち、ユークリッド距離が最小となる代表パターンＳｋが探索され、この探索された代表パターンＳｋが前記選択された層別の圧延条件パラメータに割り当てられる。このような手順が圧延条件テーブル３１の全ての層別に対して実行され、圧延条件テーブル３１の各層別のそれぞれに、代表パターン演算部２２１で求めた各代表パターンＳｋのうちのいずれか１つが割り当てられる。次に、層別に割り当てられた代表パターンＳｋの頻度分布が求められ、各層別のそれぞれについて、層別に割り当てられた代表パターンＳｋが代表パターンＳｋの度数で規格化される。すなわち、以下の式５によって各層別の圧延条件パラメータが基準荷重比Ｓｔｊとして求められる。
Ｓｔｊ＝（ΣＳｉ）／（Σｗｉ） ・・・（５）
ここで、ｊは、層別番号であり、ｗｉは、代表パターンＳｉの度数であり、Σは、代表パターンＳｉの近傍について和を求める。 More specifically, first, one of the layers in the rolling condition table 31 is selected. Next, a representative pattern S k that is similar to the actual data in the selected stratification or a past representative pattern in the stratification, that is, a minimum Euclidean distance is searched, and the searched representative pattern S k is It is assigned to the selected rolling condition parameter for each layer. Such procedure is performed for another all layers of the rolling condition table 31, each of different layers of rolling conditions table 31, any one of the respective representative pattern S k obtained by the representative pattern calculation section 221 Assigned. Next, it prompts the frequency distribution of representative pattern S k assigned to stratification for different respective layers, typical pattern S k assigned to stratification is normalized by the frequency of the representative pattern S k. That is, the rolling condition parameter for each layer is obtained as the reference load ratio St j by the following formula 5.
St j = (ΣS i ) / (Σw i ) (5)
Here, j is a layer number, w i is the frequency of the representative pattern S i , and Σ is a sum for the vicinity of the representative pattern S i .

このように代表パターン演算部２２１および圧延条件演算部２２２によって圧延装置１の圧延条件テーブルＤＢ部１１３に記憶されている圧延条件テーブル３１の各層別における圧延条件パラメータ、本実施形態では基準荷重比Ｓｔｊを求めることができる。 As described above, the rolling condition parameters for each layer of the rolling condition table 31 stored in the rolling condition table DB unit 113 of the rolling device 1 by the representative pattern calculating unit 221 and the rolling condition calculating unit 222, in this embodiment, the reference load ratio St. j can be obtained.

そして、以上説明したように、本実施形態における圧延条件演算装置２および圧延システムＳでは、複数の実績データｘｊに自己組織化マップ法を適用することによって、複数の実績データｘｊが予め設定された所定数の代表パターンＳｋに集約され、この各代表パターンＳｋに基づいて各層別の圧延条件パラメータがそれぞれ求められる。このため、このような構成の圧延条件演算装置２および圧延システムＳでは、層別の圧延条件パタメータが所定数の代表パターンＳｋのいずれかに関係付けられるので、データ数が削減されるから、圧延条件テーブル３１（パススケジュールテーブル）の取り扱い（ハンドリング）が容易となる。したがって、圧延条件テーブル３１（パススケジュールテーブル）のメンテナンス性の向上を図ることができる。 Then, As described above, the rolling condition computing device 2 and the rolling system S in this embodiment, by applying the self-organizing map method to a plurality of actual data x j, set plurality of actual data x j in advance aggregated into representative pattern S k of a predetermined number of the respective layers by rolling condition parameters based on the respective representative pattern S k are calculated respectively. Therefore, in such a configuration of the rolling conditions arithmetic unit 2 and the rolling system S, since the stratification of rolling conditions Patameta is related to one of the representative pattern S k of a predetermined number, because the number of data is reduced, Handling (handling) of the rolling condition table 31 (pass schedule table) is facilitated. Therefore, the maintenance property of the rolling condition table 31 (pass schedule table) can be improved.

ここで、実績データＤＢ部２１の実績データｘｊの個数が上述の手順１Ｂないし手順４Ｂによって適切に学習され、実績データｘｊから代表パターンＳｋが適切に求められる個数があればよいが、実績データｘｊの個数が少ない場合には、実績データｘｊから代表パターンＳｋが適切に求められない場合が生じ得る。そこで、本実施形態では、圧延条件演算装置２は、機能的に、演算部２にさらに、代表パターン演算部２２１で求めた各代表パターンＳｋを補正する代表パターン補正部２２３を備えている。 Here, the number of the record data x j in the record data DB unit 21 may be appropriately learned by the above-described procedure 1B to procedure 4B, and there may be a number for which the representative pattern Sk is appropriately obtained from the record data x j . When the number of the actual data x j is small, there may be a case where the representative pattern Sk is not appropriately obtained from the actual data x j . Therefore, in this embodiment, the rolling condition computing device 2 includes, functionally, further to the computing unit 2, a typical pattern correction unit 223 corrects each representative pattern S k obtained by the representative pattern calculation section 221.

自己組織化マップ法は、上述した手順１Ａないし手順５Ａ、あるいは上述した手順１Ｂないし手順４Ｂから分かるように、２次元のマトリクス状に配列されたユニットｍｉは、その互いに隣接するユニットｍｉ同士のユークリッド距離が隣接しない他のユニットｍｉのユークリッド距離よりも必ず小さくなる。すなわち、マトリクス状に配列された代表パターンＳｋは、その互いに隣接する代表パターンＳｋ同士のユークリッド距離が隣接しない他の代表パターンＳｋのユークリッド距離よりも必ず小さくなる。図４は、代表パターンの補正を説明するための図である。例えば、図４に示すように、３×３の９個の代表パターンａ〜ｉがあった場合に、例えば、代表パターンａの場合には、その隣接する代表パターンｂとのユークリッド距離、その隣接する代表パターンｅとのユークリッド距離、および、その隣接する代表パターンｄとのユークリッド距離（以下、「その隣接する代表パターンｂ、ｅ、ｄとの各ユークリッド距離」と略記する）は、他の隣接しない代表パターンｃ、ｆ、ｇ、ｈ、ｉとの各ユークリッド距離より小さい。 Self-organizing map method, steps 1A through Step 5A described above, or as can be seen from Steps 1B to Step 4B described above, a two-dimensional matrix arranged in the form unit m i, the unit m i that are adjacent the mutually Euclidean distance is always smaller than the Euclidean distance other units m i non-adjacent. That is, the representative pattern S k which are arranged in a matrix is always smaller than its mutually Euclidean distance between adjacent representative pattern S k representative pattern S k Euclidean distance of other non-adjacent to each other. FIG. 4 is a diagram for explaining the correction of the representative pattern. For example, as shown in FIG. 4, when there are nine 3 × 3 representative patterns a to i, for example, in the case of the representative pattern a, the Euclidean distance to the adjacent representative pattern b, the adjacent The Euclidean distance to the representative pattern e and the adjacent Euclidean distance to the adjacent representative pattern d (hereinafter abbreviated as “Euclidean distances to the adjacent representative patterns b, e, and d”) It is smaller than each Euclidean distance between the representative patterns c, f, g, h, and i.

代表パターン補正部２２３は、自己組織化マップ法のこの性質を利用することによって、代表パターン演算部２２１で求めた各代表パターンＳｋを補正（修正）するものである。すなわち、代表パターン補正部２２３は、代表パターン演算部２２１で求めた各代表パターンＳｋのそれぞれを、その隣接する代表パターンＳｋとのユークリッド距離がその隣接しない代表パターンＳｋとのユークリッド距離よりも小さくなるように、並び替える。より具体的には、代表パターン演算部２２１で求めた各代表パターンＳｋは、次の手順によって補正される。 Representative pattern correcting unit 223, by utilizing this property of the self-organizing map method, in which the correcting (modifying) the representative pattern S k obtained by the representative pattern calculation section 221. That is, the representative pattern correction unit 223, each of the representative patterns S k obtained by the representative pattern calculation section 221, from the Euclidean distance between the representative pattern S k Euclidean distance is not its neighboring the representative pattern S k its neighboring Rearrange so that also becomes smaller. More specifically, the typical pattern S k obtained by the representative pattern calculation unit 221 is corrected by the following procedure.

まず、代表パターン補正部２２３によって、代表パターン演算部２２１で求めた各代表パターンＳｋが適切な結果であるか否かを判断する。 First, the typical pattern correcting section 223, representative pattern each representative pattern S k obtained by the calculation unit 221 determines whether the appropriate results.

この判断は、例えば、実績データｘｊの個数Ｍが予め設定された所定の閾値Ｌよりも大きいか否かで判断される。この判断の結果、大きい場合には代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果であると判断され、大きくない場合には、代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果ではないと判断される。この判断方法では、前記判断を簡易に実行することができ、演算部の情報処理負荷が軽減される。 This determination may, for example, the number M of actual data x j is determined according to whether or not larger than a predetermined threshold value L which is set in advance. As a result of this determination, the typical pattern S k obtained by the representative pattern calculation section 221 is larger is determined to be an appropriate result, if not greater, each representative patterns S obtained by the representative pattern calculation section 221 It is determined that k is not an appropriate result. In this determination method, the determination can be easily performed, and the information processing load on the calculation unit is reduced.

また例えば、代表パターン演算部２２１で求めた各代表パターンＳｋにおいて、その隣接する代表パターンＳｋとのユークリッド距離がその隣接しない代表パターンＳｋとのユークリッド距離よりも小さくなっているか否かによって判断することができる。この判断の結果、全て小さい場合には代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果であると判断され、一つでも大きい場合には、代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果ではないと判断される。この判断方法では、自己組織化マップ法の性質に忠実に前記判断が実行され、より正確に判断することができる。 Further, for example, in the typical pattern S k obtained by the representative pattern calculation section 221, depending on whether or not the Euclidean distance between the adjacent representative pattern S k is smaller than the Euclidean distance between the non-adjacent representative pattern S k Judgment can be made. The result of this determination, if all smaller is determined that the representative pattern S k obtained by the representative pattern calculation unit 221 is an appropriate result, when larger one, each determined by the representative pattern calculation section 221 It is determined that the representative pattern Sk is not an appropriate result. In this determination method, the determination is performed faithfully to the nature of the self-organizing map method, and the determination can be made more accurately.

また例えば、この判断は、代表パターン演算部２２１で求めた各代表パターンＳｋにおいて、その隣接する各代表パターンＳｋとの平均ユークリッド距離がその隣接しない各代表パターンＳｋとの平均ユークリッド距離よりも小さくなっているか否かによって判断される。判断の結果、小さい場合には、代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果であると判断され、小さくない場合には、代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果ではないと判断される。ここで、代表パターンＡの近傍にある代表パターンの個数をｍＡとし、代表パターンＡの近傍にない代表パターンの個数をｍＢとする場合、代表パターンＡに隣接する各代表パターンＳｋとの平均ユークリッド距離は、（１／ｍＡ）Σ（Ｓｉ−ＳＡ）２（ただし、Σは代表パターンＡの近傍にある代表パターンについて和を求める）で表され、代表パターンＡに隣接しない各代表パターンＳｋとの平均ユークリッド距離は、（１／ｍＢ）Σ（Ｓｉ−ＳＡ）２（ただし、Σは代表パターンＡの近傍にない代表パターンについて和を求める）で表される。この判断方法では、自己組織化マップ法の性質を利用することによって前記判断が実行され、適切に判断することができる。 Further, for example, this determination is in the typical pattern S k obtained by the representative pattern calculation section 221, than the average Euclidean distance between each representative pattern S k the mean Euclidean distance is not its adjacent each representative pattern S k to its neighbor Is also determined by whether or not it is smaller. When the judgment result small, representative each representative pattern S k obtained in pattern calculation unit 221 is determined to be an appropriate result, if not smaller, the representative pattern S obtained by the representative pattern calculation section 221 It is determined that k is not an appropriate result. Here, when the number of representative patterns in the vicinity of the representative pattern A is m A and the number of representative patterns not in the vicinity of the representative pattern A is m B , the relationship between each representative pattern Sk adjacent to the representative pattern A is The average Euclidean distance is represented by (1 / m A ) Σ (S i −S A ) 2 (where Σ is a sum for a representative pattern in the vicinity of the representative pattern A) and is not adjacent to the representative pattern A. mean Euclidean distance between the representative pattern S k is represented by (1 / m B) Σ ( S i -S a) 2 ( However, sigma is the sum of representative patterns not in the vicinity of the representative pattern a). In this determination method, the determination is performed by using the property of the self-organizing map method, and the determination can be made appropriately.

また例えば、この判断は、前記各判断方法を組み合わせて行われてもよく、本実施形態では、この判断は、実績データｘｊの個数Ｍが予め設定された所定の閾値Ｌよりも大きいか否かによって、そして、代表パターン演算部２２１で求めた各代表パターンＳｋにおいて、その隣接する各代表パターンＳｋとの平均ユークリッド距離がその隣接しない各代表パターンＳｋとの平均ユークリッド距離よりも小さくなっているか否かによって判断される。この判断の結果、実績データｘｊの個数Ｍが予め設定された所定の閾値Ｌよりも大きくない場合、または、その隣接する各代表パターンＳｋとの平均ユークリッド距離がその隣接しない各代表パターンＳｋとの平均ユークリッド距離よりも小さくない場合には、代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果ではないと判断され、それ以外の場合には、代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果であると判断される。 Further, for example, this determination may be performed by combining the above-described determination methods. In the present embodiment, this determination is performed based on whether or not the number M of the actual data x j is larger than a predetermined threshold L set in advance. depending, and, at each representative pattern S k obtained by the representative pattern calculation section 221, smaller than the average Euclidean distance between each representative pattern S k the mean Euclidean distance is not its adjacent each representative pattern S k to its neighbor It is judged by whether or not. The result of this determination, performance data when x number of j M is not greater than the predetermined threshold value L which is set in advance, or each representative pattern S k each representative pattern average Euclidean distance is not its adjacent and S its neighboring If not less than the average Euclidean distance between the k is, each representative pattern S k obtained by the representative pattern calculation unit 221 is determined not to be the appropriate result, otherwise, a representative pattern calculation section 221 Each obtained representative pattern Sk is determined to be an appropriate result.

このような判断の結果、代表パターン演算部２２１で求めた各代表パターンＳｋは適切な結果ではないと判断された場合に、代表パターン補正部２２３は、代表パターン演算部２２１で求めた各代表パターンＳｋを補正する。この補正は、より具体的には、例えば、次の手順の代表パターン補正工程によって実行される。 As a result of such determination, if each representative pattern S k obtained by the representative pattern calculation unit 221 is determined not to be the appropriate result, the representative pattern correcting unit 223, the representative determined by the representative pattern calculation section 221 The pattern Sk is corrected. More specifically, this correction is executed by, for example, a representative pattern correction process of the following procedure.

例えば、図４に示すように、３×３の９個の代表パターンＳｋの場合では、まず、代表パターン演算部２２１で求められた中央に位置する２行２列の代表パターンＳｋが中央位置の２行２列の代表パターンＳｋとされる。次に、代表パターン演算部２２１で求められた残余の代表パターンＳｋから任意の１つの代表パターンＳｋが選択され、この選択された代表パターンＳｋが第１角部、例えば１行１列の代表パターンＳｋ（第２代表パターンＳｋ）に設定される。次に、前記選択された第２代表パターンＳｋとユークリッド距離が最も大きい（最も遠い）１つの代表パターンＳｋが選択され、この選択された各代表パターンＳｋが前記選択された代表パターンＳｋから最も遠い位置、前記例では３行３列の代表パターンＳｋ（第３代表パターンＳｋ）に設定される。次に、前記選択された第２代表パターンＳｋとユークリッド距離が最も小さい（最も近い）２つの代表パターンＳｋが選択されるとともに、前記選択された第３代表パターンＳｋとユークリッド距離が最も小さい（最も近い）２つの代表パターンＳｋが選択され、互いに隣接する代表パターンＳｋのユークリッド距離が小さくなるように、中央の第１代表パターンＳｋの近傍、前記例では、１行２列の代表パターンＳｋ（第４代表パターンＳｋ）、２行１列の代表パターンＳｋ（第５代表パターンＳｋ）、２行３列の代表パターンＳｋ（第６代表パターンＳｋ）および３行２列の代表パターンＳｋ（第７代表パターンＳｋ）にそれぞれ設定される。そして、残余の２個の代表パターンＳｋについて、第４および第６代表パターンＳｋとのユークリッド距離が最も小さい代表パターンＳｋが選択され、この選択された各代表パターンＳｋが第４および第６代表パターンＳｋの近傍、前記例では１行３列の代表パターンＳｋ（第８代表パターンＳｋ）に設定されるとともに、第５および第７代表パターンＳｋとのユークリッド距離が最も小さい代表パターンＳｋが選択され、この選択された各代表パターンＳｋが第５および第７代表パターンＳｋの近傍、前記例では３行１列の代表パターンＳｋ（第９代表パターンＳｋ）に設定される。なお、途中の手順で代表パターンＳｋを選択することができなくなった場合には、第１角部の代表パターンＳｋを選択する手順に戻り、以下の手順が実行される。 For example, as shown in FIG. 4, 3 in the case of nine representative pattern S k of × 3, first, the representative pattern S k of two rows and two columns located at the center determined by the representative pattern calculation section 221 the center It is representative pattern S k of two rows and two columns of locations. Then, any one of representative pattern S k from the remainder of the representative pattern S k obtained by the representative pattern calculation section 221 is selected, the selected representative pattern S k is the first corner portion, for example the first row and first column The representative pattern S k (second representative pattern S k ) is set. Next, the second representative pattern S k and the largest Euclidean distance (farthest) selected one representative pattern S k is selected, typical pattern S to the representative pattern S k of the selected is the selected It is set to a position farthest from k , in the above example, the representative pattern S k (third representative pattern S k ) of 3 rows and 3 columns. Next, the second smallest (closest) representative pattern S k and Euclidean distance said selected with two representative pattern S k is selected, the third representative pattern S k and Euclidean distance said it selected most small (nearest) two representative pattern S k is selected as the Euclidean distance between adjacent representative pattern S k decreases from one another, near the first representative pattern S k of the center, in the example, one row and two columns Representative pattern S k (fourth representative pattern S k ), two rows and one column representative pattern S k (fifth representative pattern S k ), two rows and three columns representative pattern S k (sixth representative pattern S k ), and It is set to a representative pattern S k (seventh representative pattern S k ) of 3 rows and 2 columns. Then, the two representative pattern S k of the residual, the smallest representative pattern S k Euclidean distance between the fourth and sixth representative pattern S k is is selected, the typical pattern S k of the selected fourth and It is set in the vicinity of the sixth representative pattern S k , in the above example, the representative pattern S k in the first row and the third column (eight representative pattern S k ), and the Euclidean distance from the fifth and seventh representative patterns S k is the longest. A small representative pattern S k is selected, and each selected representative pattern S k is in the vicinity of the fifth and seventh representative patterns S k , in the above example, the representative pattern S k in the third row and the first column (the ninth representative pattern S k). ). Incidentally, when it becomes impossible to select a representative pattern S k during the procedure returns to procedure for selecting a representative pattern S k of the first corner, the following procedure is performed.

このように圧延条件演算装置２が代表パターン補正部２２３をさらに備えることによって、実績データｘｊの総数が比較的少なく、適切な代表パターンＳｋが生成されない場合でも、代表パターン演算部２２１で求めた各代表パターンＳｋをより適当な代表パターンＳｋに補正（修正）することが可能となる。したがって、各層別の圧延条件パラメータを安定的に得ることが可能となる。 As described above, the rolling condition calculation device 2 further includes the representative pattern correction unit 223, so that the representative pattern calculation unit 221 determines the total number of the actual data x j even if the appropriate representative pattern Sk is not generated. it is possible to correct (corrected) each representative pattern S k to a more suitable representative pattern S k was. Therefore, it is possible to stably obtain the rolling condition parameters for each layer.

図５は、代表パターン演算部で求められた代表パターンの一例を示す図であり、図６は、図５に示す代表パターンの補正後の代表パターンの一例を示す図である。例えば、代表パターン演算部２２１で図５に示す９個の代表パターンＳｋが求められた場合では、上述の手順を実行することによって、代表パターンＳｋが並び替えられ（補正され）、図６に示す代表パターンＳｋが求められる。 FIG. 5 is a diagram illustrating an example of the representative pattern obtained by the representative pattern calculation unit, and FIG. 6 is a diagram illustrating an example of the representative pattern after the correction of the representative pattern illustrated in FIG. For example, in the case where nine representative pattern S k shown in FIG. 5 by the representative pattern calculation section 221 has been determined by executing the above procedure, representative pattern S k is sorted (corrected), 6 The representative pattern S k shown in FIG.

すなわち、図５に示す１行１列の代表パターンＳｋ（クラスタ１）がそのまま図６に示す１行１列の代表パターンＳｋ（クラスタ１）とされ、図５に示す１行２列の代表パターンＳｋ（クラスタ７）が図５に示す２行１列の代表パターンＳｋ（クラスタ２）に置き換えられて、図６に示す１行２列の代表パターンＳｋ（クラスタ２）となり、図５に示す１行３列の代表パターンＳｋ（クラスタ８）が図５に示す３行２列の代表パターンＳｋ（クラスタ３）に置き換えられて、図６に示す１行３列の代表パターンＳｋ（クラスタ３）となり、図５に示す２行１列の代表パターンＳｋ（クラスタ２）が図５に示す３行３列の代表パターンＳｋ（クラスタ４）に置き換えられて、図６に示す２行１列の代表パターンＳｋ（クラスタ４）となり、図５に示す２行２列の代表パターンＳｋ（クラスタ５）がそのまま図６に示す２行２列の代表パターンＳｋ（クラスタ５）とされ、図５に示す２行３列の代表パターンＳｋ（クラスタ３）が図５に示す３行１列の代表パターンＳｋ（クラスタ６）に置き換えられて、図６に示す２行３列の代表パターンＳｋ（クラスタ６）となり、図５に示す３行１列の代表パターンＳｋ（クラスタ６）が図５に示す１行２列の代表パターンＳｋ（クラスタ７）に置き換えられて、図６に示す３行１列の代表パターンＳｋ（クラスタ７）となり、図５に示す３行２列の代表パターンＳｋ（クラスタ９）が図５に示す１行３列の代表パターンＳｋ（クラスタ８）に置き換えられて、図６に示す３行２列の代表パターンＳｋ（クラスタ８）となり、そして、図５に示す３行３列の代表パターンＳｋ（クラスタ４）が図５に示す３行２列の代表パターンＳｋ（クラスタ９）に置き換えられて、図６に示す３行３列の代表パターンＳｋ（クラスタ９）となっている。 That is a representative pattern S k of the first row and the first column shown in FIG. 5 (Cluster 1) of intact first row and first column of FIG. 6 typical pattern S k (cluster 1), of one row and two columns as shown in FIG. 5 representative pattern S k (cluster 7) is replaced by the second row and first column of the representative pattern S k (cluster 2) shown in FIG. 5, the representative pattern S k (cluster 2) of one row and two columns as shown in FIG. 6, and the The representative pattern S k (cluster 8) of 1 row 3 columns shown in FIG. 5 is replaced with the representative pattern S k (cluster 3) of 3 rows 2 columns shown in FIG. pattern S k (cluster 3), and replaced by a representative pattern S k of the second row and first column of FIG. 5 represent (cluster 2) has three rows and three columns shown in FIG. 5 pattern S k (cluster 4), FIG. 2 representative pattern S k (cluster 4) ), And is a representative pattern S k of two rows and two columns as shown in FIG. 5 (cluster 5) is directly two rows and two columns shown in FIG. 6 typical pattern S k (cluster 5), two rows and three columns shown in FIG. 5 representative pattern S k (cluster 3) is replaced by the representative pattern S k of 3 rows and one column (cluster 6) shown in FIG. 5, the representative pattern S k (cluster 6) of two rows and three columns shown in FIG. 6 next 5, the representative pattern S k (cluster 6) of 3 rows and 1 column shown in FIG. 5 is replaced with the representative pattern S k (cluster 7) of 1 row and 2 columns shown in FIG. The representative pattern S k (cluster 7) is changed to the representative pattern S k (cluster 9) of 3 rows and 2 columns shown in FIG. 5 and replaced with the representative pattern S k (cluster 8) of 1 row and 3 columns shown in FIG. The representative pattern S k (cluster 8) of 3 rows and 2 columns shown in FIG. Then, the representative pattern S k (cluster 4) of 3 rows and 3 columns shown in FIG. 5 is replaced with the representative pattern S k (cluster 9) of 3 rows and 2 columns shown in FIG. The representative pattern S k (cluster 9) has three rows and columns.

このように代表パターンＳｋの補正が実行されることによって、図５では、例えば、３行１列の代表パターンＳｋとこれの近傍の２行１列の代表パターンＳｋとのユークリッド距離は、３行１列の代表パターンＳｋと１行１列の代表パターンＳｋとの距離よりも大きい。このため、代表パターン演算部２２１で求められた各代表パターンＳｋは、適切な結果ではないと判断される。しかしながら、図５に示す代表パターンＳｋが図６に示すように並び替えられることで、図５に示す３行１列の代表パターンＳｋが図６では１行２列の代表パターンＳｋへ移動され、適切な代表パターンＳｋとなっている。 By this way, the correction of the representative patterns S k is executed, in FIG. 5, for example, the Euclidean distance between the representative pattern S k of the second row and first column of the representative pattern S k and which neighborhood of three rows and one column greater than the distance between the representative patterns S k representative pattern S k and row 1 column 1 of 3 rows and one column. Therefore, the typical pattern S k obtained by the representative pattern calculation unit 221 is determined not to be proper results. However, by the representative pattern S k shown in FIG. 5 is rearranged as shown in FIG. 6, the representative pattern S k of 3 rows and one column of the representative pattern S k is one row and two columns in Figure 6 shown in FIG. 5 It has been moved, and has a proper representative pattern S k.

次に、圧延システムＳの動作について説明する。図７は、圧延システムの動作を示すフローチャートである。この圧延システムＳでは、まず、圧延条件演算装置２によって圧延条件テーブル３１の各層別における圧延条件パラメータ、本実施形態では基準荷重比Ｓｔｊを設定する学習計算処理（ステップＳ１ないしステップＳ５）が所定のタイミングで実行され、その後、圧延材を圧延する際に、圧延装置１において、圧延指令に応じて、圧延条件テーブル３１の各層別における圧延条件パラメータに基づいて演算されたパススケジュールに従って圧延処理（ステップＳ６ないしステップＳ８）が実行される。前記所定のタイミングは、圧延条件（圧延条件パラメータ）のメンテナンスが必要となった時期であり、例えば、予め設定された所定の一定周期（例えば１ヶ月ごとや半年ごと等）や、予め設定された所定のイベント（例えば品種の追加や削除、設備の更新等）等である。これによって自動的に各層別の圧延条件パラメータが更新され、メンテナンスの負荷を軽減することが可能となる。 Next, the operation of the rolling system S will be described. FIG. 7 is a flowchart showing the operation of the rolling system. In the rolling system S, firstly, the rolling condition parameters for different layers of the rolling conditions table 31 by rolling condition computing unit 2, a learning calculation process of setting the reference load ratio St j in this embodiment (steps S1 to S5) is given When rolling the rolled material, the rolling apparatus 1 performs rolling processing according to a pass schedule calculated based on the rolling condition parameters in each layer of the rolling condition table 31 in accordance with a rolling command ( Steps S6 to S8) are executed. The predetermined timing is a time when maintenance of the rolling conditions (rolling condition parameters) is required. For example, the predetermined timing is set in advance (for example, every month or every six months), or is set in advance. A predetermined event (for example, addition or deletion of a product, update of equipment, etc.). As a result, the rolling condition parameters for each layer are automatically updated, and the maintenance load can be reduced.

より具体的には、学習計算処理において、まず、ステップＳ１では、圧延条件演算装置２の実績データＤＢ部２１からそれに蓄積された時系列の操業の実績データｘｊが演算部２２へ読み込まれる。次に、ステップＳ２では、代表パターン演算部２２１によって、上述の手順１Ｂないし手順４Ｂを実行することで、実績データｘｊを自己組織化マップ法によって所定数の代表パターンＳｋが求められる。次に、ステップＳ３では、代表パターン補正部２２３によって、代表パターン演算部２２１によって求められた代表パターンＳｋに補正の必要があるか否かが判断される。この判断の結果、補正の必要がある場合（ＹＥＳ）には、続いてステップＳ４が実行された後に、ステップＳ５が実行され、一方、補正の必要がない場合（ＮＯ）には、ステップＳ５が実行される。ステップＳ４では、代表パターン補正部２２３によって、代表パターン演算部２２１によって求められた各代表パターンＳｋのそれぞれが、上述したように、その隣接する代表パターンＳｋとの距離がその隣接しない代表パターンＳｋとの距離よりも小さくなるように並び替えられ、補正される。そして、ステップＳ５では、圧延条件演算部２２２によって、ステップＳ２またはステップＳ４で求められた代表パターンＳｋを用いて、圧延条件テーブル３１の各層別における圧延条件パラメータ、本実施形態では基準荷重比Ｓｔｊが求められ、圧延条件テーブル３１が更新され、メンテナンスされる。 More specifically, in the learning calculation process, first, in step S 1, the time series operation result data x j accumulated therein is read from the result data DB unit 21 of the rolling condition calculation device 2 into the calculation unit 22. Next, in step S2, the representative pattern calculation unit 221 executes the above-described procedure 1B to procedure 4B, so that a predetermined number of representative patterns Sk are obtained from the actual data xj by the self-organizing map method. Next, in step S3, the typical pattern correcting section 223, whether necessary correction to the representative pattern S k obtained by the representative pattern calculation unit 221 is determined. As a result of this determination, if correction is required (YES), step S4 is subsequently executed, and then step S5 is executed. On the other hand, if correction is not required (NO), step S5 is executed. Executed. In step S4, the representative pattern correction unit 223, each of the representative pattern S k obtained by the representative pattern calculation unit 221, as described above, representative pattern where the distance between the representative pattern S k its adjacent is not its neighbor rearranged so as to be smaller than the distance between S k, it is corrected. Then, in step S5, the rolling condition computing unit 222, by using the representative pattern S k obtained in step S2 or step S4, the rolling condition parameters for different layers of a rolled condition table 31, the reference load ratio St in the embodiment j is obtained, and the rolling condition table 31 is updated and maintained.

そして、圧延処理において、まず、ステップＳ６では、圧延装置１における設定計算機１１における圧延指令入力部１１１へ入力された圧延指令のデータが圧延指令入力部１１１からパススケジュール設定計算部１１２へ取り込まれる（読み込まれる）。次に、ステップＳ７では、パススケジュール設定計算部１１２によって、圧延条件テーブルＤＢ部１１３に記憶されている圧延条件テーブル３１を参照することによって、前記圧延指令に応じた圧延条件パラメータ、本実施形態では基準荷重比Ｓｔｊが求められ、ステップＳ８で、この求められた圧延条件パラメータ（基準荷重比Ｓｔｊ）に基づいてパススケジュールが求められ、この求めたパススケジュールに従った圧延条件が設定値として圧延機１２へ出力される。基準荷重比Ｓｔｊから、圧延荷重Ｐ、ロールの回転速度ｖｒおよび圧下位置Ｓが求められる。その演算方法として、例えば、特開平９−３２７７１１号公報に開示された公知の方法が挙げられる。 In the rolling process, first, in step S6, rolling command data input to the rolling command input unit 111 in the setting computer 11 in the rolling device 1 is taken into the pass schedule setting calculation unit 112 from the rolling command input unit 111 ( Read). Next, in step S7, by referring to the rolling condition table 31 stored in the rolling condition table DB unit 113 by the pass schedule setting calculation unit 112, the rolling condition parameters according to the rolling command, in this embodiment, A reference load ratio St j is obtained. In step S8, a pass schedule is obtained based on the obtained rolling condition parameter (reference load ratio St j ), and the rolling conditions according to the obtained pass schedule are set as set values. Output to the rolling mill 12. From the reference load ratio St j , the rolling load P, the rotational speed vr of the roll, and the reduction position S are obtained. As the calculation method, for example, a known method disclosed in JP-A-9-327711 can be cited.

この設定値が入力されると、圧延機１２は、この設定値に応じて稼動し、圧延材を上述のように圧延する。これによって鋼材が製造され、圧延装置１の圧延機１２から出た鋼材は、移送方向下流側に設けられた図略の巻き取り機のコイルに巻き取られる。また、圧延機１２では、圧延材の圧延中に、圧延荷重、圧下位置および圧延速度等の操業の実績データが各センサ（検出器）によって検出され、この検出結果が操業の実績データとして圧延装置１の圧延機１２から圧延条件演算装置２の実績データＤＢ部２１へ出力され、実績データＤＢ部２１に格納され、蓄積される。   When this set value is input, the rolling mill 12 operates according to this set value and rolls the rolled material as described above. As a result, a steel material is manufactured, and the steel material output from the rolling mill 12 of the rolling device 1 is wound around a coil of an unillustrated winder provided downstream in the transfer direction. Further, in the rolling mill 12, during the rolling of the rolled material, operation data such as a rolling load, a reduction position and a rolling speed are detected by each sensor (detector), and this detection result is used as operation data for the rolling device. 1 is output from the rolling mill 12 to the result data DB unit 21 of the rolling condition calculation device 2, and is stored and accumulated in the result data DB unit 21.

図８は、本実施形態による圧延条件テーブルに基づいて求められた圧延条件と実績値との比較を示す図である。図８において、◇は、本実施形態による圧延条件テーブルに基づいて求められた圧延条件（設定値）を表し、■は、実績値を表す。図９は、従来手法による圧延条件テーブルに基づいて求められた圧延条件と実績値との比較を示す図である。図９において、◇は、従来手法による圧延条件テーブルに基づいて求められた圧延条件（設定値）を表し、■は、実績値を表す。従来手法では、圧延実績データによる統計量や圧延理論式によって圧延条件テーブルが求められる。図８および図９の横軸は、圧延スタンドの番号を示し、その縦軸は、荷重比を示す。圧延スタンドの番号は、上流側から下流側へ１番から順に割り振られている。   FIG. 8 is a diagram showing a comparison between rolling conditions obtained based on the rolling condition table according to the present embodiment and actual values. In FIG. 8, ◇ represents the rolling condition (set value) obtained based on the rolling condition table according to the present embodiment, and ■ represents the actual value. FIG. 9 is a diagram showing a comparison between rolling conditions obtained based on a rolling condition table according to a conventional method and actual values. In FIG. 9, ◇ represents the rolling condition (set value) obtained based on the rolling condition table according to the conventional method, and ■ represents the actual value. In the conventional method, a rolling condition table is obtained by a statistic based on actual rolling data or a theoretical rolling equation. 8 and 9, the horizontal axis indicates the number of the rolling stand, and the vertical axis indicates the load ratio. The numbers of the rolling stands are assigned in order from No. 1 from the upstream side to the downstream side.

図９に示すように、従来手法では、実績値は、設定値と比較的大きな差があり、特に、中間の圧延スタンド（第２番目ないし第６番目の圧延スタンド）において、前記差が大きくなっている。一方、本実施形態では、図８に示すように、実績値は、第２番目および第６番目の圧延スタンドにおいて若干の差が見られるものの、第３ないし第５番目の圧延スタンドではほぼ一致しており、全体的に、従来手法に比べて設定値とほぼ一致している。このように本実施形態では、圧延条件の計算精度が向上していることが理解される。   As shown in FIG. 9, in the conventional method, the actual value has a relatively large difference from the set value. In particular, the difference becomes large in the intermediate rolling stands (second to sixth rolling stands). ing. On the other hand, in the present embodiment, as shown in FIG. 8, the actual values are almost the same in the third to fifth rolling stands, although a slight difference is seen in the second and sixth rolling stands. As a whole, the set values almost coincide with the conventional method. Thus, in this embodiment, it is understood that the calculation accuracy of rolling conditions is improved.

本発明を表現するために、上述において図面を参照しながら実施形態を通して本発明を適切且つ十分に説明したが、当業者であれば上述の実施形態を変更および／または改良することは容易に為し得ることであると認識すべきである。したがって、当業者が実施する変更形態または改良形態が、請求の範囲に記載された請求項の権利範囲を離脱するレベルのものでない限り、当該変更形態または当該改良形態は、当該請求項の権利範囲に包括されると解釈される。   In order to express the present invention, the present invention has been properly and fully described through the embodiments with reference to the drawings. However, those skilled in the art can easily change and / or improve the above-described embodiments. It should be recognized that this is possible. Therefore, unless the modifications or improvements implemented by those skilled in the art are at a level that departs from the scope of the claims recited in the claims, the modifications or improvements are not covered by the claims. To be construed as inclusive.

実施形態における圧延システムの構成を示すブロック図である。It is a block diagram which shows the structure of the rolling system in embodiment. 実施形態における圧延条件テーブルの構成を示す図である。It is a figure which shows the structure of the rolling condition table in embodiment. 代表パターンの一例を示す図である。It is a figure which shows an example of a representative pattern. 代表パターンの補正を説明するための図である。It is a figure for demonstrating correction | amendment of a representative pattern. 代表パターン演算部で求められた代表パターンの一例を示す図である。It is a figure which shows an example of the representative pattern calculated | required by the representative pattern calculating part. 図５に示す代表パターンの補正後の代表パターンの一例を示す図である。It is a figure which shows an example of the representative pattern after correction | amendment of the representative pattern shown in FIG. 圧延システムの動作を示すフローチャートである。It is a flowchart which shows operation | movement of a rolling system. 本実施形態による圧延条件テーブルに基づいて求められた圧延条件と実績値との比較を示す図である。It is a figure which shows the comparison with the rolling condition calculated | required based on the rolling condition table by this embodiment, and a track record value. 従来手法による圧延条件テーブルに基づいて求められた圧延条件と実績値との比較を示す図である。It is a figure which shows the comparison with the rolling condition calculated | required based on the rolling condition table by a conventional method, and a track record value.

符号の説明Explanation of symbols

Ｓ 圧延システム
１ 圧延装置
２ 圧延条件演算装置
１２ 圧延機
２２ 演算部
１２１ 圧延スタンド
１１３ 圧延条件テーブルデータベース部
２２１ 代表パターン演算部
２２２ 圧延条件演算部
２２３ 代表パターン補正部 DESCRIPTION OF SYMBOLS S Rolling system 1 Rolling apparatus 2 Rolling condition calculation apparatus 12 Rolling machine 22 Calculation part 121 Rolling stand 113 Rolling condition table database part 221 Representative pattern calculation part 222 Rolling condition calculation part 223 Representative pattern correction part

Claims (5)

圧延装置の圧延条件を設定するための圧延条件パラメータを、前記圧延装置によって製造される製品の品種に応じて区切った複数の層別についてそれぞれ演算する圧延条件演算装置であって、
前記圧延装置における複数の実績データに基づいて自己組織化マップ法を用いることによって、前記複数の実績データを代表する所定数の代表パターンを求める代表パターン演算部と、
前記代表パターン演算部で求めた各代表パターンのそれぞれを、その隣接する代表パターンとの距離がその隣接しない代表パターンとの距離よりも小さくなるように、並び替える代表パターン補正部と、
前記代表パターン演算部で求めた前記各代表パターンに基づいて、前記複数の層別における各圧延条件パラメータをそれぞれ求める圧延条件演算部とを備えること
を特徴とする圧延条件演算装置。 A rolling condition calculation device for calculating a rolling condition parameter for setting a rolling condition of the rolling device for each of a plurality of layers divided according to the type of product manufactured by the rolling device,
By using a self-organizing map method based on a plurality of performance data in the rolling device, a representative pattern calculation unit for obtaining a predetermined number of representative patterns representing the plurality of performance data;
A representative pattern correction unit that rearranges each of the representative patterns obtained by the representative pattern calculation unit so that the distance to the adjacent representative pattern is smaller than the distance to the non-adjacent representative pattern;
A rolling condition calculation unit, comprising: a rolling condition calculation unit that determines each rolling condition parameter for each of the plurality of layers based on each representative pattern calculated by the representative pattern calculation unit. 前記圧延条件演算部は、層別における実績データまたは層別における過去の代表パターンと前記各代表パターンとの類似度を求め、最も類似する代表パターンを前記層別の圧延条件パラメータとすること
を特徴とする請求項１に記載の圧延条件演算装置。 The rolling condition calculation unit obtains the similarity between each representative pattern and the past representative pattern in each layer or the actual data in each layer, and the most similar representative pattern is used as the rolling condition parameter for each layer. The rolling condition calculation device according to claim 1. 前記圧延条件演算部は、所定のタイミングで前記複数の層別における各圧延条件パラメータをそれぞれ求めること
を特徴とする請求項１または請求項２に記載の圧延条件演算装置。 The rolling condition calculation device according to claim 1 or 2 , wherein the rolling condition calculation unit obtains each rolling condition parameter for each of the plurality of layers at a predetermined timing. 圧延装置の圧延条件を設定するための圧延条件パラメータを、前記圧延装置によって製造される製品の品種に応じて区切った複数の層別についてそれぞれ演算する圧延条件演算方法であって、
前記圧延装置における複数の実績データに基づいて自己組織化マップ法を用いることによって、前記複数の実績データを代表する所定数の代表パターンを求める代表パターン演算工程と、
前記代表パターン演算工程で求めた各代表パターンのそれぞれを、その隣接する代表パターンとの距離がその隣接しない代表パターンとの距離よりも小さくなるように、並び替える代表パターン補正工程と、
前記代表パターン演算工程で求めた前記各代表パターンに基づいて、前記複数の層別における各圧延条件パラメータをそれぞれ求める圧延条件演算工程とを備えること
を特徴とする圧延条件演算方法。 A rolling condition calculation method for calculating a rolling condition parameter for setting a rolling condition of a rolling device for each of a plurality of layers divided according to the type of product manufactured by the rolling device,
By using a self-organizing map method based on a plurality of performance data in the rolling device, a representative pattern calculation step for obtaining a predetermined number of representative patterns representing the plurality of performance data,
Representing each representative pattern obtained in the representative pattern calculation step, a representative pattern correction step for rearranging so that the distance from the adjacent representative pattern is smaller than the distance from the non-adjacent representative pattern;
A rolling condition calculation method comprising: a rolling condition calculation step for determining each rolling condition parameter for each of the plurality of layers based on each representative pattern obtained in the representative pattern calculation step . 圧延装置と、
請求項１ないし請求項３のいずれか１項に記載の圧延条件演算装置とを備えること
を特徴とする圧延システム。
A rolling device;
A rolling system comprising: the rolling condition calculation device according to any one of claims 1 to 3 .
JP2008202436A 2008-08-05 2008-08-05 Rolling condition calculation apparatus, method and rolling system Active JP5234759B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2008202436A JP5234759B2 (en) 2008-08-05 2008-08-05 Rolling condition calculation apparatus, method and rolling system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008202436A JP5234759B2 (en) 2008-08-05 2008-08-05 Rolling condition calculation apparatus, method and rolling system

Publications (2)

Publication Number Publication Date
JP2010036220A JP2010036220A (en) 2010-02-18
JP5234759B2 true JP5234759B2 (en) 2013-07-10

Family

ID=42009300

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008202436A Active JP5234759B2 (en) 2008-08-05 2008-08-05 Rolling condition calculation apparatus, method and rolling system

Country Status (1)

Country Link
JP (1) JP5234759B2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5571528B2 (en) * 2010-10-28 2014-08-13 株式会社日立製作所 Production information management apparatus and production information management method
WO2012127571A1 (en) * 2011-03-18 2012-09-27 株式会社 日立製作所 Rolling control apparatus, rolling control method, and rolling control program

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0667706A (en) * 1992-06-19 1994-03-11 Kawasaki Steel Corp Initializing method for control system
JPH0890020A (en) * 1994-09-13 1996-04-09 Kobe Steel Ltd Device for setting draft schedule for tandem rolling mill
JPH08318302A (en) * 1995-05-26 1996-12-03 Kobe Steel Ltd Device for predicting abnormal behavior of looper
JP3983988B2 (en) * 2001-03-13 2007-09-26 東芝三菱電機産業システム株式会社 Pass schedule calculation device in reverse mill
JP4735307B2 (en) * 2006-02-09 2011-07-27 Ｊｆｅスチール株式会社 Hot finish rolling device and hot finish rolling temperature control method

Also Published As

Publication number Publication date
JP2010036220A (en) 2010-02-18

Similar Documents

Publication Publication Date Title
JP6922675B2 (en) Manufacturing process state predictors, methods and programs, and manufacturing process control systems
JP5604945B2 (en) Quality prediction apparatus, quality prediction method, computer program, and computer-readable recording medium
US20160378073A1 (en) Layered approach to economic optimization and model-based control of paper machines and other systems
CN106030424A (en) Rolling process learning control device
JP2007140965A (en) Method and system for predicting operation result
EP1290276B1 (en) Controlling cross machine profile in sheet making
JP2019028824A (en) Plant control device and method of controlling the same, rolling machine control apparatus and control method and program therefor
JP7059990B2 (en) Shape prediction model generation method, rolling shape prediction method, metal plate rolling method, metal plate manufacturing method, and metal plate rolling equipment
JP5234759B2 (en) Rolling condition calculation apparatus, method and rolling system
EP2751628B1 (en) Apparatus and method for predicting windup and improving process control in an industrial process control system
CN105517720B (en) For adjusting the method and control system of the control of the Pingdu in milling train
US20230101500A1 (en) Additive manufacturing path generation apparatus, additive manufacturing path generation method, and machine learning apparatus
JP5003362B2 (en) Product quality control method and control device
JP7135962B2 (en) Steel plate finishing delivery side temperature control method, steel plate finishing delivery side temperature control device, and steel plate manufacturing method
JP4003733B2 (en) PLANT SYSTEM, CONTROL DEVICE AND CONTROL METHOD
CN113168136A (en) Control device for controlling a manufacturing facility, manufacturing facility and method
JP7033639B2 (en) Plant control device and its control method, rolling mill control device and its control method and program
JP4716424B2 (en) Rolling control device, rolling device, rolling control method
JP4696775B2 (en) Plate width control method and apparatus
JP7006640B2 (en) Control devices, control methods, and control programs
JP5488140B2 (en) Quality prediction apparatus, quality prediction method, computer program, and computer-readable recording medium
JP3875875B2 (en) Operation analysis apparatus, method, computer program, and computer-readable storage medium in manufacturing process
JP2021194701A (en) Forming method for model for estimating amount of change in cross-sectional dimension of shaped steel, forming device for model for estimating amount of change in cross-sectional dimension of shaped model, estimating method for cross-sectional dimension of shaped steel, control method for cross-sectional dimension of shaped steel, and manufacturing method for shaped steel
JP2021178349A (en) Cooling control method and cooling control device for rolled material
WO2019187433A1 (en) Product detection device, method, and program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110204

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20121219

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130108

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130222

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: 20130319

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130321

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

Ref document number: 5234759

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160405

Year of fee payment: 3