JP5979066B2

JP5979066B2 - 結果予測装置および結果予測方法

Info

Publication number: JP5979066B2
Application number: JP2013077425A
Authority: JP
Inventors: 修司久山; 和広八尋; 飯島　慶次; 慶次飯島
Original assignee: JFE Steel Corp
Current assignee: JFE Steel Corp
Priority date: 2012-06-04
Filing date: 2013-04-03
Publication date: 2016-08-24
Anticipated expiration: 2033-04-03
Also published as: JP2014013560A

Description

本発明は、過去の実績を用いて結果を予測する結果予測装置および結果予測方法に関するものである。

従来から、製造条件と、その製造条件で得られた結果とを対応付けてサンプルデータとして保存しておき、このサンプルデータを用いて要求される条件（要求条件）における結果を予測する種々の技術が開示されている。例えば、各サンプルデータの製造条件と要求条件との類似度を算出し、この類似度をもとに、平均値計算や回帰計算、ニューラルネットワーク等を用いて要求条件における結果を予測する手法が提案されている（例えば特許文献１〜３を参照）。

特開２００１−２９０５０８号公報特開２００２−１５７５７２号公報特開２００４−３５５１８９号公報

しかしながら、上記した従来の手法では、個々のサンプルデータの製造条件を順次要求条件と比較していくことで結果を予測するため、サンプルデータ数の増加に伴って類似度の算出に要する時間が増大するという問題があった。一方で、比較対象のサンプルデータ数を減らして予測するのでは、予測精度が低下してしまう。

本発明は、上記に鑑みてなされたものであって、予測に要する時間を低減しつつ、要求条件における結果を精度よく予測することができる結果予測装置および結果予測方法を提供することを目的とする。

上記した課題を解決し、目的を達成するため、本発明にかかる結果予測装置は、条件の値と該条件の値の下で過去に得られた結果とを組合せた実績データを、前記条件が属する区分と対応付けて保存するデータ保存手段と、結果を予測する要求条件の区分と同一区分を対象区分とし、該対象区分が対応付けられた前記実績データを対象実績データとして抽出する対象データ抽出手段と、前記対象実績データを用いて回帰計算を行い、前記要求条件における結果を予測する結果予測手段と、前記回帰計算の信頼性を判定する信頼性判定手段と、前記信頼性判定手段によって前記回帰計算の信頼性が低いと判定された場合に、前記対象区分を該対象区分と類似の区分を含む対象区分に変更し、前記類似の区分が対応付けられた前記実績データを新たに前記対象実績データとして追加する対象データ更新手段と、前記変更後の前記対象区分の前記対象実績データを用いて再度回帰計算を行い、前記要求条件における結果を予測する結果再予測手段と、を備えることを特徴とする。

また、本発明にかかる結果予測方法は、条件の値と該条件の値の下で過去に得られた結果とが組合わされ、前記条件が属する区分が対応付けられた実績データを取得するデータ取得ステップと、結果を予測する要求条件の区分と同一区分を対象区分とし、該対象区分が対応付けられた前記実績データを対象実績データとして抽出する対象データ抽出ステップと、前記対象実績データを用いて回帰計算を行い、前記要求条件における結果を予測する結果予測ステップと、前記回帰計算の信頼性を判定する信頼性判定ステップと、前記信頼性判定ステップで前記回帰計算の信頼性が低いと判定された場合に、前記対象区分を該対象区分と類似の区分を含む対象区分に変更し、前記類似の区分が対応付けられた前記実績データを新たに前記対象実績データとして追加する対象データ更新ステップと、前記変更後の前記対象区分の前記対象実績データを用いて再度回帰計算を行い、前記要求条件における結果を予測する結果再予測ステップと、を含むことを特徴とする。

本発明によれば、予測に要する時間を低減しつつ、要求条件における結果を精度よく予測することができる。

図１は、結果予測装置の全体構成例を示すブロック図である。図２は、実績ＤＢのデータ構成例を示す図である。図３は、結果予測処理の処理手順を示すフローチャートである。図４は、実績データ保存処理の処理手順を示すフローチャートである。図５は、要求点データのデータ構成例を示す図である。図６は、抽出実績データテーブルのデータ構成例を示す図である。図７は、仕上圧延プロセスに適用した結果予測装置の全体構成例を示す模式図である。図８は、実施例１において回帰計算に用いた対象実績データ数と圧延荷重予測誤差との関係を示す図である。図９は、実施例２において回帰計算によって求めた圧延荷重の予測値と、実測した圧延荷重の実績値との関係を示す図である。図１０は、比較例において回帰計算によって求めた圧延荷重の予測値と、実測した圧延荷重の実績値との関係を示す図である。

以下、図面を参照して、本発明の結果予測装置を実施するための形態について説明する。なお、この実施の形態によって本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。

図１は、本実施の形態における結果予測装置１の全体構成例を示すブロック図である。図１に示すように、結果予測装置１は、装置本体２と、入力装置３と、出力装置４と、計算指示装置５と、データ保存手段としての実績ＤＢ６とが、伝送バス７および装置本体２内の各部を接続するバス配線５０を介してデータの送受可能に接続されて構成される。

装置本体２は、パーソナルコンピュータやワークステーション等の汎用の情報処理装置を用いて実現されるものであり、演算処理部２０と、ＲＯＭ３０と、ＲＡＭ４０とを含む。

演算処理部２０は、ＣＰＵ等のハードウェアによって実現される。この演算処理部２０は、ＲＯＭ３０に格納されるプログラムやデータ、入力装置３から入力される操作信号、計算指示装置５や実績ＤＢ６から取得される各種情報等をもとに結果予測装置１を構成する各部への指示やデータの転送等を行い、結果予測装置１全体の動作を統括的に制御する。この演算処理部２０は、主な機能部として、データ取得部２１と、対象データ抽出手段、結果予測手段、信頼性判定手段、対象データ更新手段、および結果再予測手段としての結果予測部２３と、結果出力部２５と、データ保存処理手段としての実績データ保存処理部２７とを備える。

ＲＯＭ３０には、結果予測装置１を動作させ、この結果予測装置１が備える種々の機能を実現するためのプログラムや、これらプログラムの実行中に使用されるデータ等が格納される。また、演算処理部２０をデータ取得部２１、結果予測部２３、結果出力部２５、および実績データ保存処理部２７として機能させ、計算指示装置５が指示する要求条件における結果を予測するための結果予測プログラム３１が格納される。

ＲＡＭ４０は、演算処理部２０の作業用メモリとして用いられる半導体メモリであり、演算処理部２０が実行するプログラムや、その実行中に使用されるデータ等を一時的に保持するメモリ領域を備える。

入力装置３は、例えばキーボードやマウス、タッチパネル、各種スイッチ等の入力装置によって実現されるものであり、操作入力に応じた入力信号を装置本体２に出力する。出力装置４は、ＬＣＤやＥＬディスプレイ、ＣＲＴディスプレイ等の表示装置によって実現されるものであり、装置本体２から入力される表示信号をもとに各種画面を表示する。

計算指示装置５は、装置本体２に対して所定のタイミングで結果予測の開始指示（計算開始指示）を通知するとともに、要求条件を設定した要求点データＸ^r（図５を参照）を出力する。

実績ＤＢ６は、条件と結果の組み合わせについての過去の実績を蓄積したデータベース（ＤＢ）である。この実績ＤＢ６には、図示しない外部装置等から伝送バス７を介して結果予測装置１に入力される過去の実績が適宜保存される。図２は、実績ＤＢ６のデータ構成例を示す図である。図２に示すように、実績ＤＢ６には、Ｎ個の実績データが保存・蓄積される。個々の実績データは、過去に適用された条件に相当するＭ個の入力変数、これらの入力変数の組合せにより得られた（観測された）結果に相当する出力変数、および該当する実績データのデータ区分（実績データの分類）を表すＰ個のラベルの各値が関連付けられて構成される。この実績データを構成する入力変数および出力変数の具体例としては、例えば鉄鋼の仕上圧延プロセスを例に挙げると、圧延材の素材成分や、例えば圧下量等の圧延条件を入力変数とし、圧延荷重を出力変数とする例が挙げられる。

ここでは、入力変数、出力変数、およびラベルの項目名称とこれらの値を図２に示すように表記する。すなわち、出力変数の項目名称をＹとし、そのｎ番目（ｎ＝１，２，・・・，Ｎ）の実績データに関する出力変数の値をｙ_nと表記する。また、Ｍ個の入力変数の項目名称をＸ_m（ｍ＝１，２，・・・，Ｍ）とし、そのｎ番目（ｎ＝１，２，・・・，Ｎ）の実績データに関する入力変数の値をｘ_m,nと表記する。また、Ｐ個のラベルの項目名称をＬ_p（ｐ＝１，２，・・・，Ｐ）とし、そのｎ番目（ｎ＝１，２，・・・，Ｎ）の実績データに関するラベルの値をｌ_p,nと表記する。

ラベルＬ_pについては、条件（入力変数Ｘ_mの各値ｘ_m,n）が近い実績データほどその値ｌ_p,nが近くなるように予め定められる。例えば、実績データの数ｎ＝３、ラベルの数ｐ＝２であったとする。そして、１つ目（ｎ＝１）の実績データ１についての２個のラベルの値（ラベル列）として（ｌ_1,1，ｌ_2,1）＝（１，１）が与えられ、ｎ＝２の実績データ２のラベル列として（ｌ_1,2，ｌ_2,2）＝（１，１）が与えられ、ｎ＝３の実績データ３のラベル列として（ｌ_1,3，ｌ_2,3）＝（１，２）が与えられていたとする。この場合、実績データ１と実績データ２とは２個のラベルＬ₁，Ｌ₂の値がともに同一、すなわちデータ区分が同一であり、その条件が近いことを意味する。一方、実績データ３は、実績データ１および実績データ２とラベルＬ₁の値は同一であるが、ラベルＬ₂の値が異なるためデータ区分は別となり、その条件がやや異なる（詳細にはラベルＬ₂に関連する条件が異なる）ことを意味する。例えば、前述の仕上圧延プロセスの例では、圧延材の幅等の寸法や鋼種等をラベルとして用いることができる。

なお、本実施の形態では、実績データのデータ区分を表すためにラベルを用いるが、これに限定されるものではない。例えば、Ｍ個の入力変数Ｘ_mの各値ｘ_m,nと出力変数Ｙの値ｙ_nとを対応付けたものを実績データとし、各実績データをデータ区分毎のテーブルに蓄積するようにして実績ＤＢ６に保存しておくことでも実現できる。この場合には、各テーブルに対し、該当するテーブルに蓄積された実績データのデータ区分、すなわちラベルＬ_pの各値ｌ_p,nに相当する識別子を付しておく。そして、以下説明する結果予測処理では、ラベルＬ_pの各値ｌ_p,nに替えてこの識別子を参照するようにすればよい。

図３は、装置本体２が行う結果予測処理の処理手順を示すフローチャートである。また、図４は、実績データ保存処理の処理手順を示すフローチャートである。装置本体２は、図３および図４の処理手順に従って結果予測処理および実績データ保存処理を行うことで結果予測方法を実施する。なお、ここで説明する処理は、装置本体２において、演算処理部２０がＲＯＭ３０に格納された結果予測プログラム３１を読み出して実行することで実現できる。

先ず、結果予測処理について説明する。この結果予測処理では、図３に示すように、装置本体２は、計算指示装置５から計算開始指示が通知されるまでの間待機状態となる（ステップＳ１：Ｎｏ）。そして、計算開始指示が通知されると（ステップＳ１：Ｙｅｓ）、先ず、演算処理部２０のデータ取得部２１が、実績ＤＢ６から図２に示して説明したＮ個の実績データを実績データテーブルＸ^Dとして読み込む（ステップＳ３；データ取得ステップ）。また、データ取得部２１は、計算指示装置５から要求点データＸ^rを読み込む（ステップＳ５）。また、データ取得部２１は、入力装置３を介して実績データ数閾値Ｎ_MIN、ばらつき閾値σ^MIN _m（ｍ＝１，２，・・・，Ｍ）、およびマハラノビス距離閾値Ｌ_MINの各値の入力操作を受け付け、入力された各値を読み込む（ステップＳ７）。

図５は、ステップＳ５で読み込まれる要求点データＸ^rのデータ構成例を示す図である。図５に示すように、要求点データＸ^rは、結果予測処理で結果を予測する要求条件に相当するＭ個の入力変数Ｘ_mの各値ｘ_m,rと、そのデータ区分を表すＰ個のラベルＬ_pの各値ｌ_p,rとが対応付けられたデータテーブルである。以下、この要求点データＸ^rの入力変数Ｘ_mの各値ｘ_m,rを要求条件ｘ_m,rと表記する。

図３に戻り、続いて、結果予測部２３がステップＳ９〜Ｓ１５の処理を行い、要求条件ｘ_m,rにおける結果を予測する。すなわち、結果予測部２３は、先ず、実績データテーブルＸ^Dから要求点データＸ^rとデータ区分が同一の実績データ（対象実績データ）を抽出実績データテーブルＸ^Hとして抽出する（ステップＳ９；対象データ抽出ステップ）。具体的には、結果予測部２３は、実績データテーブルＸ^Dの実績データの中から、そのＰ個のラベルＬ_pの各値（ラベル列）ｌ_p,nが要求点データＸ^rのＰ個のラベルＬ_pの各値（ラベル列）ｌ_p,nと等しい対象実績データを実績データテーブルＸ^Dから抽出する。ここで、抽出した対象実績データの数をＨ個とする。

図６は、抽出実績データテーブルＸ^Hのデータ構成例を示す図である。この抽出実績データテーブルＸ^Hは、実績データテーブルＸ^Dすなわち図２に示した実績ＤＢ６と同様のデータ構成を有するものであり、出力変数の項目名称をＹ、Ｍ個の入力変数の項目名称をＸ_mとするＨ個の対象実績データが設定される。これらＨ個の対象実績データのラベルＬ_pは、その全ての値ｌ_m,hが要求点データＸ^rのラベルＬ_pの各値ｌ_p,rと一致する。

続いて、結果予測部２３は、抽出実績データテーブルＸ^Hとして抽出したＨ個の対象実績データの出力変数Ｙの値ｙ_hおよびＭ個の入力変数Ｘ_mの各値ｘ_m,hを用いて回帰計算を行い、要求条件ｘ_m,rにおける結果を予測するための回帰式として、次式（１）に示す局所多項式を重み付き最小二乗法により算出する（ステップＳ１１；結果予測ステップ／結果再予測ステップ）。次式（１）において、ｙ_rは、要求条件ｘ_m,rについて予測される予測結果、すなわち、要求条件ｘ_m,rに対応する出力変数Ｙの予測値である。また、局所多項式の各パラメータａ_m（ｍ＝１，２，・・・，Ｍ）は、要求条件ｘ_m,rが予測結果ｙ_rの変化量に与える寄与度と考えることができる。ここでの処理の結果、要求条件ｘ_m,rにおける予測結果ｙ_rが求まる。

ここで、重み付き最小二乗法とは、入力変数Ｘ_mの各値ｘ_m,hが要求条件ｘ_m,rに近い対象実績データを重要視する回帰計算のことであり、具体的な計算方法としては、参考文献に記載の公知技術を用いることができる（参考文献：みんなのためのノンパラメトリック回帰（上）第３版／竹澤邦夫，吉岡書籍，２００７）。

続いて、結果予測部２３は、ステップＳ１１で行った回帰計算の信頼性を判定する（信頼性判定ステップ）。例えば、結果予測部２３は、次の信頼性判定条件１，２，３を全て満足する場合に信頼性が高く、いずれか１つでも満足しない場合には、信頼性が低いと判定する。

信頼性判定条件１の判定は、次のようにして行う。すなわち、対象実績データ数Ｈが最小データ数である実績データ数閾値Ｎ_ＭＩＮ以上である場合、または、対象実績データ数Ｈが実績データテーブルＸ^Dの実績データの数Ｎと等しい場合に、信頼性判定条件１を満足すると判定する。対象実績データを要求条件と同一データ区分の実績データに絞って回帰計算を行うことは、要求条件における結果を予測するのに適切な実績データのみを用いて結果を予測できる効果が得られる一方で、実績ＤＢ６に保存されている要求条件と同一データ区分の実績データの数が少ない場合もあるため、このような場合には、結果の予測精度が大きく低下し得るからである。なお、対象実績データ数Ｈが実績データ数閾値Ｎ_ＭＩＮ未満の場合であっても、実績データの数Ｎと等しい場合には、実績ＤＢ６に別の実績データが存在しないため、信頼性判定条件１を満足することとする。

信頼性判定条件２の判定は、次のようにして行う。すなわち、入力変数Ｘ_m毎に、各対象実績データの値ｘ_m,hの標準偏差σ_m（ｍ＝１，２，・・・，Ｍ）を求める。そして、求めた各入力変数Ｘ_mの値ｘ_m,hの標準偏差σ_mがばらつき閾値σ^ＭＩＮ _m以上の場合に、信頼性判定条件２を満足すると判定する。この標準偏差σ_mが小さく、回帰計算に用いる対象実績データのばらつきが少ないと、結果の予測精度が大きく低下し得るからである。

信頼性判定条件３の判定は、次のようにして行う。すなわち、各対象実績データと要求点データＸ^rとのマハラノビス距離を求める。そして、求めたマハラノビス距離がマハラノビス距離閾値Ｌ_ＭＩＮ以下の場合に、信頼性判定条件３を満足すると判定する。マハラノビス距離とは、要求条件ｘ_m,rと対象実績データとのばらつきを考慮した距離のことであり、ばらつきが大きい方向ほど距離が短くなる。このマハラノビス距離が長く、回帰計算に用いる対象実績データに偏りがあると、回帰計算は外挿域を予測することになり、結果の予測精度が大きく低下し得るからである。換言すれば、マハラノビス距離が短い場合に信頼性が高いと判定することによって、内挿域で行われた回帰計算で得た予測結果を採用することができるので、予測精度の向上が可能となる。

そして、結果予測部２３は、前述の信頼性判定条件１，２，３のいずれか１つを満足せず、回帰計算の信頼性が低い場合には（ステップＳ１３：Ｎｏ）、ステップＳ１５に移行する。すなわち、ステップＳ１５では、結果予測部２３は、実績データテーブルＸ^Dとして抽出した実績データの中から、対象実績データのラベルＬ_pの各値ｌ_m,hとのハミング距離が１であり、対象実績データとデータ区分が類似する実績データを抽出し、抽出した実績データを抽出実績データテーブルＸ^Hに追加することで対象実績データを更新する（対象データ更新ステップ）。このとき、対象実績データ数Ｈについても、追加した実績データの数を加算して更新しておく。

ここで、ハミング距離とは、与えられる２つのラベル列（Ａ１，・・・，ＡＰ），（Ｂ１，・・・，ＢＰ）から、次式（２）に従って算出される距離のことをいう。

このようにして対象実績データを更新したならば、ステップＳ１１に戻って上記した処理を繰り返す。この結果、回帰計算の信頼性が高いと判定されるまでの間、対象実績データの更新および更新後の対象実績データを用いた要求条件における結果予測が繰り返される。

一方、上記信頼性判定条件１，２，３の全てを満足しており、回帰計算の信頼性が高い場合には（ステップＳ１３：Ｙｅｓ）、続いて結果出力部２５が、ステップＳ１１で得られた予測結果を計算指示装置５および出力装置４に出力し（ステップＳ１７）、本処理を終える。ここでの処理は、ステップＳ１１で求めた予測結果ｙ_rを出力することで行ってもよいし、パラメータａ_mの各値を予測結果として出力するようにしてもよい。なお、ここで出力された予測結果は、適宜出力装置４にモニタ表示されて提示される。また、計算指示装置５は、装置本体２から入力された予測結果を用いた処理を適宜行う。例えば、最終的に求めたい所望の値を求めるための値を結果として予測する場合において、予測結果を用いて前述の所望の値を求めるといった処理である。

次に、実績データ保存処理について説明する。この実績データ保存処理では、図４に示すように、装置本体２は、外部装置等から結果予測装置１に伝送バス７を介して新たな実績データＸ^Qが入力されるまでの間待機状態となる（ステップＳ２１：Ｎｏ）。そして、新たな実績データＸ^Qが入力された場合には（ステップＳ２１：Ｙｅｓ）、装置本体２の実績データ保存処理部２７が、先ず、実績ＤＢ６に保存・蓄積されているＮ個の実績データを読み込む（ステップＳ２３）。

続いて、実績データ保存処理部２７は、ステップＳ２５として、先ず、読み込んだＮ個の実績データの中から、新たな実績データＸ^Qとデータ区分が同一の実績データをデータテーブルＸ^Wとして抽出する。そして、実績データ保存処理部２７は、このデータテーブルＸ^Wの実績データを用い、次式（３）に従って新たな実績データＸ^Qが正常データか否かを判定する。すなわち、新たな実績データＸ^Qの入力変数Ｘ_mの各値が、実績データＸ^Qと同一データ区分の実績データであって既に実績ＤＢ６に保存されている実績データの入力変数Ｘ_mの各値の平均値から大きく外れている場合には、この実績データＸ^Qは過去の実績で得られた結果の傾向から著しく外れており、ノイズを多く含んだ予測に不適切な実績データと考えられる。したがって、このような実績データＸ^Qは実績ＤＢ６に保存しないようにする。ここで、次式（３）において、Ｘ^Q _mは、新たな実績データＸ^Qの入力変数Ｘ_mの各値を表す。Ｘ_m,aveは、データテーブルＸ^Wとして抽出した実績データの入力変数Ｘ_mの各値の平均値である。Ｘ_m,σは、データテーブルＸ^Wとして抽出した実績データの入力変数Ｘ_mの各値の標準偏差である。また、パラメータｋは、任意の正の実数としてよいが、実用上は１〜５の値とするのが望ましい。

そして、実績データ保存処理部２７は、上記式（３）を満足する場合には新たな実績データＸ^Qを正常データと判定し（ステップＳ２７：Ｙｅｓ）、実績ＤＢ６に保存して蓄積する（ステップＳ２９）。その後、当該新たな実績データＸ^Qについての実績データ保存処理を終える。一方、実績データ保存処理部２７は、上記式（３）を満足しない場合には新たな実績データＸ^Qを異常データと判定し（ステップＳ２７：Ｎｏ）、実績ＤＢ６に保存せずに、当該新たな実績データＸ^Qについての実績データ保存処理を終える。

以上説明したように、本実施の形態によれば、要求条件のデータ区分と同一のデータ区分を対象区分とし、対象区分の実績データを対象実績データとして用いて要求条件における結果を予測することとした。これによれば、要求条件における結果を予測するのに適切な実績データに絞り込んで対象実績データとし、この対象実績データを用いて回帰計算を行って結果を予測することができるので、予測に要する時間を低減することができる。また、回帰計算の信頼性を判定し、信頼性が低い場合には、対象区分を類似のデータ区分に変更することで対象実績データを追加して再度回帰計算を行い、要求条件における結果を予測することとした。これによれば、信頼性が低い場合には、回帰計算に用いる対象実績データをばらつかせることで回帰計算の信頼性の向上を図ることができ、要求条件における結果を精度よく予測することが可能となる。

また、新たな実績データが結果予測装置１に入力された場合には、新たな実績データがノイズを多く含んだ異常データかどうかを判定し、正常データのみを実績ＤＢ６に保存し、異常データは実績ＤＢ６に保存しないようにすることができる。これによれば、要求条件における結果の予測に異常データを用いることがなくなり、予測精度をより一層向上させることができる。

なお、上記した実施の形態では、要求条件における結果を予測した後でその回帰計算の信頼性を判定することとした。そして、信頼性が低いと判定された場合に、対象区分を類似の区分を含む区分に変更することで対象実績データを追加し、要求条件における結果予測を再度行うこととした。これに対し、信頼性の判定は、結果予測を行う前に行うこととしてもよい。具体的には、図３のステップＳ９で対象実績データを抽出した後、要求点データや対象実績データをもとに信頼性判定条件１，２，３を判定するようにしてもよい。そして、信頼性判定条件１，２，３を満足するまで対象実績データの更新を繰り返し行うことで、信頼性の高い回帰計算を行い得る対象実績データをステップＳ１１での結果予測の前に決定するようにしてもよい。この場合には、ステップＳ１１の処理の後で行うステップＳ１３〜Ｓ１５の処理は不要となるので、要求条件における結果を予測する回帰計算は１度行えばよい。

（実施例１）
以上説明した結果予測装置１の仕上圧延プロセスへの具体的な適用例を示す。図７は、結果予測装置１を適用した圧下量制御装置１００の全体構成例を示す模式図である。この圧下量制御装置１００は、仕上圧延プロセスにおいて熱間仕上圧延工程を実施する仕上圧延機２０１で圧延材２００を熱間仕上圧延する際の圧延荷重を予測し、予測結果をもとに圧延材２００に対する圧下量を制御するものである。図７に示すように、圧下量制御装置１００は、圧延荷重予測装置１０１と、入力装置１０２と、出力装置１０３と、圧下設定計算装置１０４と、実績操業ＤＢ１０５とが伝送バス１０６を介してデータの送受可能に接続されて構成される。この圧下量制御装置１００において、圧延荷重予測装置１０１が図１の装置本体２に対応し、圧下設定計算装置１０４が図１の計算指示装置５に対応し、実績操業ＤＢ１０５が図１等の実績ＤＢ６に対応する。

仕上圧延機２０１は、圧下装置２０２と、圧延機２０３と、荷重計２０４とを含み、熱間仕上圧延工程の前段までの工程を終えて随時搬送される圧延材２００の熱間仕上圧延を行う。ここで、圧下装置２０２は、圧下設定計算装置１０４から入力された圧下量に従って圧延機２０３を動作させる。このようにして圧延機２０３が動作することで圧延材２００に付加した圧力は荷重計２０４によって計測され、計測値である圧延荷重の値が伝送バス１０６を介して圧下量制御装置１００に入力される。

圧下設定計算装置１０４は、圧延機２０３を介して圧延材２００を所望の圧力で圧延するための圧下量を算出し、算出した圧下量を圧下装置２０２に出力することで圧下量の制御指令を行う。具体的には、圧下設定計算装置１０４は、圧下量の算出に先立って圧延荷重予測装置１０１に計算開始指示を通知するとともに要求条件を設定した要求点データを出力する。そして、この計算開始指示に応答して後述のように圧延荷重予測装置１０１が結果予測した圧延荷重の値を用いて圧下量を算出する。

実績操業ＤＢ１０５は、過去に実施した熱間仕上圧延工程で得られた実績データを蓄積したデータベース（ＤＢ）である。本例では、実績操業ＤＢ１０５は、条件である入力変数の各値を圧延材の入側厚さ、圧下量、圧延材の添加成分量、圧延ロール回転速度、圧延材にかかる張力、および圧延材温度の各値とし、結果である出力変数の値を圧延荷重とし、ラベルの各値を圧延材の出側厚さ、圧延材の幅、および圧延材の鋼種の各値とした実績データが保存・蓄積される。

圧延荷重予測装置１０１は、図３の処理手順に従って結果予測処理を行い、圧下設定計算装置１０４から読み込んだ要求点データをもとに要求条件における結果（圧延荷重の値）を予測して圧下設定計算装置１０４に出力する。上記したように、圧下設定計算装置１０４は、圧延荷重予測装置１０１が予測した結果である圧延荷重の値を用いて圧下量を算出し、圧下装置２０２への制御指令を行うが、圧延荷重予測装置１０１による圧延荷重の予測精度が高ければ、圧下設定計算装置１０４による圧下量の算出精度も向上する。したがって、圧下装置２０２に対する圧下量の制御指令を適切に行うことができ、結果、圧下装置２０２が適切な圧下量で圧延機２０３を動作させることができるので、圧延条件に応じた所望の圧力を圧延材２００に付加することが可能となる。

実施例１では、圧延荷重予測装置１０１において実際に図３の処理手順に従って結果予測処理を行い、予測結果を検証した。用いた実績データ数は「９２００」とする。図８は、回帰計算に用いた対象実績データ数と圧延荷重予測誤差［％］との関係を示す図である。図８中に「◆」で示すプロットは、実際の操業で得た結果と、この操業に対して上記した実施の形態を適用して得た予測結果、すなわち、図３の処理手順に従って対象実績データを抽出・更新しながら行った予測結果との予測誤差の平均値を表す。また、各プロットから縦軸方向に沿ってのびる直線は誤差１σを表している。すなわち、図８において誤差の平均値を表す各プロットが０に近く、誤差１σを表す直線が短いほど結果の予測精度が高いことを意味する。検証の結果、図８に示すように、対象実績データ数を増やすほど予測精度が高くなる一方で、対象実績データ数を「３００」以上に増やしても予測精度は変化しないことがわかった。これにより、結果予測処理によって対象実績データの抽出（絞込み）が適正に行えており、予測精度を低下させることなく予測に要する時間を低減できるといえる。

なお、実施例１では、圧延荷重を出力変数とし、所定の要求条件における圧延荷重の値を結果予測する場合について説明した。これに対し、圧延荷重を予測するための予測式として予め定められる荷重予測式の補正項を出力変数とし、結果予測するようにしてもよい。この場合には、圧延荷重予測装置１０１は、予測した圧延荷重の値を前述の荷重予測式に代入することで圧延荷重の予測値を算出し、圧下設定計算装置１０４に出力するようにしてもよい。

（実施例２）
実施例２では、圧延荷重予測装置１０１において、先ず図４の処理手順に従って実績データ保存処理を行い、その上で図３の処理手順に従って結果予測処理を行い、予測結果を検証した。また、比較のため、圧延荷重予測装置１０１において先ず、図４の実績データ保存処理の替わりに、入力される新たな実績データの全てを実績ＤＢ６に保存して蓄積する処理、すなわち、図４のステップＳ２３〜Ｓ２７の処理を行わずにステップＳ２１で入力された新たな実績データをステップＳ２９で実績ＤＢ６に保存する処理を行った。そしてその上で、図３の処理手順に従って結果予測処理を行い、予測結果を検証した。実施例２および比較例ともに、用いた実績データ数は「９２００」とする。

図９は、実施例２において回帰計算によって求めた圧延荷重の予測値と、実測した圧延荷重の実績値との関係を示す図であり、図１０は、比較例において回帰計算によって求めた圧延荷重の予測値と、実測した圧延荷重の実績値との関係を示す図である。各図において、縦軸は予測した圧延荷重（予測値）を指数化した値を表し、横軸は実績の圧延荷重（実績値）を同様の方法で指数化した値を表す。また、各図中に「◇」で示すプロットは１つのサンプルデータを表しており、各図中に示す直線上のプロットは予測値と実績値とが一致することを示し、直線との距離が近い程予測精度が高く、直線から離れるほど予測精度は悪くなる。

検証の結果、図９に示すように、実施例２では、図中の直線とプロットの各々との距離が全体的に近く、多くのプロットが直線近傍に分布している。一方、図１０に示すように、比較例では、図中の直線から大きく離れたプロットが存在し、実績値を高精度に予測できない場合があった。また、実施例２および比較例の誤差の標準偏差を求めたところ、実施例２（図９）の誤差の標準偏差は５．２％であり、比較例（図１０）の誤差の標準偏差７．１％よりも低かった。以上のように、図４の実績データ保存処理を行って正常データと判定した新たな実績データのみを実績ＤＢ６に保存して結果予測に用いることにより、実績値の予測精度をより一層向上させることができることがわかった。

１結果予測装置
２装置本体
２０演算処理部
２１データ取得部
２３結果予測部
２５結果出力部
２７実績データ保存処理部
３０ＲＯＭ
３１結果予測プログラム
４０ＲＡＭ
５０バス配線
３入力装置
４出力装置
５計算指示装置
６実績ＤＢ
７伝送バス
１００圧下量制御装置
１０１圧延荷重予測装置
１０２入力装置
１０３出力装置
１０４圧下設定計算装置
１０５実績操業ＤＢ
１０６伝送バス
２０１仕上圧延機
２０２圧下装置
２０３圧延機
２０４荷重計
２００圧延材

Claims

条件の値と該条件の値の下で過去に得られた結果とを組合せた実績データを、前記条件が属する区分と対応付けて保存するデータ保存手段と、
結果を予測する要求条件の区分と同一区分を対象区分とし、該対象区分が対応付けられた前記実績データを対象実績データとして抽出する対象データ抽出手段と、
前記対象実績データを用いて回帰計算を行い、前記要求条件における結果を予測する結果予測手段と、
前記回帰計算の信頼性を判定する信頼性判定手段と、
前記信頼性判定手段によって前記回帰計算の信頼性が低いと判定された場合に、前記対象区分を該対象区分と類似の区分を含む対象区分に変更し、前記類似の区分が対応付けられた前記実績データを新たに前記対象実績データとして追加する対象データ更新手段と、
前記変更後の前記対象区分の前記対象実績データを用いて再度回帰計算を行い、前記要求条件における結果を予測する結果再予測手段と、を備え、
前記信頼性判定手段は、前記対象実績データ数が所定の最小データ数以上である信頼性判定条件、前記対象実績データのばらつきが所定の閾値以上である信頼性判定条件、および前記要求条件と前記対象実績データとのばらつきを考慮した距離が所定の閾値以下である信頼性判定条件のいずれか１つを満足しない場合に前記信頼性が低いと判定することを特徴とする結果予測装置。
前記実績データが新たに得られた場合に、該新たな実績データの区分と同一区分が対応付けられた前記実績データの前記条件の平均値と前記新たな実績データの前記条件との差から前記新たな実績データが正常データか否かを判定し、正常データと判定した場合に前記新たな実績データを前記データ保存手段に保存する処理を行うデータ保存処理手段を備えることを特徴とする請求項１に記載の結果予測装置。
前記対象データ更新手段は、前記対象区分とのハミング距離が１である区分を前記類似の区分として前記対象区分を変更することを特徴とする請求項１又は２に記載の結果予測装置。
前記結果は、鉄鋼製品の仕上圧延プロセスにおける圧延荷重であることを特徴とする請求項１〜３のいずれか１つに記載の結果予測装置。
前記結果は、鉄鋼製品の仕上圧延プロセスにおける圧延荷重を予測するための荷重予測式の補正項であり、
前記結果予測手段および前記結果再予測手段は、前記荷重予測式の補正項として前記結果を用い、前記圧延荷重の予測値を算出することを特徴とする請求項１〜３のいずれか１つに記載の結果予測装置。
条件の値と該条件の値の下で過去に得られた結果とが組合わされ、前記条件が属する区分が対応付けられた実績データを取得するデータ取得ステップと、
結果を予測する要求条件の区分と同一区分を対象区分とし、該対象区分が対応付けられた前記実績データを対象実績データとして抽出する対象データ抽出ステップと、
前記対象実績データを用いて回帰計算を行い、前記要求条件における結果を予測する結果予測ステップと、
前記回帰計算の信頼性を判定する信頼性判定ステップと、
前記信頼性判定ステップで前記回帰計算の信頼性が低いと判定された場合に、前記対象区分を該対象区分と類似の区分を含む対象区分に変更し、前記類似の区分が対応付けられた前記実績データを新たに前記対象実績データとして追加する対象データ更新ステップと、
前記変更後の前記対象区分の前記対象実績データを用いて再度回帰計算を行い、前記要求条件における結果を予測する結果再予測ステップと、を含み、
前記信頼性判定ステップは、前記対象実績データ数が所定の最小データ数以上である信頼性判定条件、前記対象実績データのばらつきが所定の閾値以上である信頼性判定条件、および前記要求条件と前記対象実績データとのばらつきを考慮した距離が所定の閾値以下である信頼性判定条件のいずれか１つを満足しない場合に前記信頼性が低いと判定するステップを含むことを特徴とする結果予測方法。