JP6953990B2 - 品質予測装置及び品質予測方法 - Google Patents
品質予測装置及び品質予測方法 Download PDFInfo
- Publication number
- JP6953990B2 JP6953990B2 JP2017201321A JP2017201321A JP6953990B2 JP 6953990 B2 JP6953990 B2 JP 6953990B2 JP 2017201321 A JP2017201321 A JP 2017201321A JP 2017201321 A JP2017201321 A JP 2017201321A JP 6953990 B2 JP6953990 B2 JP 6953990B2
- Authority
- JP
- Japan
- Prior art keywords
- quality
- data
- quality prediction
- learning
- product
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
まず、図1を参照して、本発明の一実施形態に係る品質予測装置の概要とその適用例について説明する。図1は、めっき鋼板の欠陥有無を本実施形態に係る品質予測装置により評価する場合の評価タイミングと評価結果に基づく対応例を示す説明図である。
図2に本実施形態に係る品質予測装置100の機能構成を示す。本実施形態に係る品質予測装置100は、製造プロセスにおいて製造される製品の異常の有無を予測するための装置であり、製造プロセスにおける操業実績データと品質実績データとの関連性を解析し、得られた関連性と操業実績データとに基づき製品の品質を予測する。ここでは、品質予測装置100を図1に示した複数の工程からなるめっき鋼板の製造プロセスへ適用し、熱間圧延工程により製造された熱間圧延コイル(以下、単に「コイル」と称する。)について、欠陥の有無を予測する。例えば品質予測装置100は、所定の周期で(例えば1日毎に)、予測対象のコイル(製品)毎に品質予測モデルを構築し、コイルに欠陥があるか否かを判定する。このような品質予測装置100は、図2に示すように、取得データ特定部110と、学習データ生成部120と、予測部130とを備える。
取得データ特定部110は、予測対象のコイルを特定する。本実施形態に係る品質予測装置100は、熱間圧延工程にて製造されたコイルを予測対象として、コイルに欠陥があるか否かを判定する。取得データ特定部110は、製造されるコイルを管理するコイルNo.記憶部10を参照して、品質予測の対象とするコイルをコイルNo.により特定する。コイルNo.は、製造されるコイルにそれぞれ付与される固有の識別番号である。取得データ特定部110は、例えば1日毎にコイルの品質予測を行う場合、前回の品質予測を行ったコイル以降に製造された1日分のコイルのコイルNo.を取得する。このとき、1日に製造されたすべてのコイルを品質予測対象製品としてもよく、1日に製造されたコイルのうち特定の仕様が要求されているコイルのみを品質予測対象製品としてもよい。
学習データ生成部120は、品質予測モデルを構築するための学習用データを生成する。学習用データは、取得データ特定部110にて特定された学習データ用のコイルNo.に基づき取得される各コイルの操業実績データ及び品質実績データより生成される。品質予測モデルの構築の際、操業実績データは説明変数として用いられ、品質実績データは目的変数として用いられる。
予測部130は、品質予測モデルを構築し、品質予測対象製品のコイルの欠陥の有無を予測する。予測部130は、予測対象データ取得部131と、学習データ選別部133と、予測モデル構築部135と、予測処理部137とを備える。
本実施形態に係る品質予測装置100による品質予測処理は、学習用データを生成する学習データ生成処理と、品質予測対象製品のコイルの欠陥の有無を予測する予測処理とから構成される。以下の説明において、これらの処理は、例えば所定のタイミング、例えば1日に1回バッチ処理にて1または複数の品質予測対象製品について実行されるものとする。なお、本発明はかかる例に限定されず、例えば、品質予測対象製品が製造される毎に本実施形態に係る品質予測処理を実行するようにしてもよい。
まず、図3〜図5に基づいて、本実施形態に係る品質予測装置100による学習データ生成処理について説明する。なお、図3は、本実施形態に係る学習データ生成処理を示すフローチャートである。図4は、品質予測対象製品の操業実績データと学習用の操業実績データとの関係を示す説明図である。図5は、本実施形態に係る品質予測モデルの構築において用いる説明変数の一例を示す説明図である。
次に、図6〜図8に基づいて、本実施形態に係る品質予測装置100による予測処理について説明する。なお、図6は、本実施形態に係る予測処理を示すフローチャートである。図7は、学習用データの選別において考慮する、品質予測対象製品に対する学習用データの類似度を説明する説明図である。図8は、予測結果の一表示例を示す説明図である。
次に、図9を参照しながら、本発明の実施形態に係る品質予測装置100のハードウェア構成について、詳細に説明する。図9は、本実施形態に係る品質予測装置100のハードウェア構成を説明するためのブロック図である。
20 品質実績データ記憶部
30 座標記憶部
40 操業実績データ記憶部
50 代表値記憶部
70 出力装置
100 品質予測装置
110 取得データ特定部
120 学習データ生成部
121 品質実績データ取得部
123 座標算出部
125 学習データ生成処理部
130 予測部
131 予測対象データ取得部
133 学習データ選別部
135 予測モデル構築部
137 予測処理部
Claims (9)
- 製造プロセスにおいて製造された製品の品質を予測する品質予測装置であって、
前記製造プロセスにて製造された製品群の中から、品質予測対象製品、及び、前記品質予測対象製品の品質を予測するための学習用の製品として少なくとも前記品質予測対象製品の製造時期に近い所定期間内に製造された製品を第1のデータ数だけ特定する取得データ特定部と、
前記品質予測対象製品の操業実績データを取得する予測対象データ取得部と、
特定された前記学習用の製品について、説明変数とする操業実績データ及び目的変数とする品質実績データを取得し、学習用データを生成する学習データ生成部と、
前記学習用の製品の前記操業実績データについて、前記品質予測対象製品の前記操業実績データとの類似度をそれぞれ算出し、前記学習用データから前記類似度の高い順に第2のデータ数の前記学習用データを選別する学習データ選別部と、
前記学習データ選別部により選別された前記学習用データに基づいて、品質予測モデルを生成する予測モデル生成部と、
前記品質予測モデルを用いて、前記品質予測対象製品の操業実績データに基づき、前記品質予測対象製品の品質を予測する予測処理部と、
を備える、品質予測装置。 - 前記学習データ選別部は、
前記学習用の製品の前記操業実績データと前記品質実績データとの相関係数を算出し、
前記相関係数によって重み付けされた前記学習用の製品の前記操業実績データと前記品質予測対象製品の前記操業実績データとに基づいて、それぞれの前記学習用の製品と前記品質予測対象製品との類似度を算出する、請求項1に記載の品質予測装置。 - 前記類似度は、
前記重み付けされた前記学習用の製品の前記操業実績データと前記品質予測対象製品の前記操業実績データとに基づいて算出された、それぞれの前記学習用の製品と前記品質予測対象製品との重み付け距離に基づき算出される、請求項2に記載の品質予測装置。 - 前記予測モデル生成部は、選別された前記学習用データ及び前記類似度に基づいて、前記品質予測モデルを生成する、請求項1〜3のいずれか1項に記載の品質予測装置。
- 前記予測モデル生成部は、ランダムフォレストを用いて前記品質予測モデルを生成する、請求項1〜4のいずれか1項に記載の品質予測装置。
- 前記予測処理部は、製品の品質予測の結果として、欠陥の発生確率を予測する、請求項1〜5のいずれか1項に記載の品質予測装置。
- 前記製造プロセスがめっき鋼板の製造プロセスである場合、
前記品質予測装置は、熱間圧延工程、冷間圧延工程、めっき工程及び精製検査工程を経て製造される鋼板の表面に現れる欠陥の発生を予測する、請求項1〜6のいずれか1項に記載の品質予測装置。 - 前記品質実績データが、前記操業実績データとの取得タイミング時のスケールと異なるスケールで表されている場合、
前記学習データ生成部は、前記品質実績データのスケールを前記操業実績データの取得タイミングでのスケールに変換する、請求項1〜7のいずれか1項に記載の品質予測装置。 - 製造プロセスにおいて製造された製品の品質を予測する品質予測方法であって、
前記製造プロセスにて製造された製品群の中から、品質予測対象製品、及び、前記品質予測対象製品の品質を予測するための学習用の製品として少なくとも前記品質予測対象製品の製造時期に近い所定期間内に製造された製品を第1のデータ数だけ特定する取得データ特定ステップと、
前記品質予測対象製品の操業実績データを取得する予測対象データ取得ステップと、
特定された前記学習用の製品について、説明変数とする操業実績データ及び目的変数とする品質実績データを取得し、学習用データを生成する学習データ生成ステップと、
前記学習用の製品の前記操業実績データについて、前記品質予測対象製品の前記操業実績データとの類似度をそれぞれ算出し、前記学習用データから前記類似度の高い順に第2のデータ数の前記学習用データを選別する選別ステップと、
選別された前記学習用データに基づいて、品質予測モデルを生成する予測モデル生成ステップと、
前記品質予測モデルを用いて、前記品質予測対象製品の操業実績データに基づき、前記品質予測対象製品の品質を予測する予測ステップと、
を含む、品質予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017201321A JP6953990B2 (ja) | 2017-10-17 | 2017-10-17 | 品質予測装置及び品質予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017201321A JP6953990B2 (ja) | 2017-10-17 | 2017-10-17 | 品質予測装置及び品質予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019074969A JP2019074969A (ja) | 2019-05-16 |
JP6953990B2 true JP6953990B2 (ja) | 2021-10-27 |
Family
ID=66544165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017201321A Active JP6953990B2 (ja) | 2017-10-17 | 2017-10-17 | 品質予測装置及び品質予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6953990B2 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020190956A (ja) * | 2019-05-22 | 2020-11-26 | 株式会社東芝 | 製造条件出力装置、品質管理システム及びプログラム |
WO2021015093A1 (ja) * | 2019-07-19 | 2021-01-28 | パナソニックIpマネジメント株式会社 | 不調要因特定装置、不調予兆検知装置、不調要因特定方法及び不調予兆検知方法 |
JP7207547B2 (ja) * | 2019-07-22 | 2023-01-18 | Jfeスチール株式会社 | 品質予測モデル生成方法、品質予測モデル、品質予測方法、金属材料の製造方法、品質予測モデル生成装置および品質予測装置 |
CN110610767B (zh) * | 2019-08-01 | 2023-06-02 | 平安科技(深圳)有限公司 | 发病率监测方法、装置、设备及存储介质 |
EP3838432B1 (en) * | 2019-09-12 | 2023-01-04 | Toshiba Mitsubishi-Electric Industrial Systems Corporation | System for predicting contraction |
KR102100499B1 (ko) * | 2019-10-11 | 2020-04-13 | 강현광 | 빅데이터를 이용한 품질관리 시스템 |
JP7084907B2 (ja) * | 2019-11-28 | 2022-06-15 | 花王株式会社 | 品質計測方法及び品質計測装置 |
CN115053189A (zh) * | 2020-02-04 | 2022-09-13 | 株式会社大赛璐 | 预测装置、预测方法以及程序 |
EP4102421A4 (en) * | 2020-02-04 | 2024-02-28 | Daicel Corp | PREDICTION DEVICE, PREDICTION METHOD AND PROGRAM |
JP7406094B2 (ja) | 2020-03-16 | 2023-12-27 | 日本製鉄株式会社 | クラス分類装置、学習済みモデル生成部、クラス推論部及びクラス分類方法 |
CN113569374A (zh) * | 2020-04-29 | 2021-10-29 | 上海宝信软件股份有限公司 | 钢铁产品可制造性评估的方法和系统 |
JP2021189466A (ja) * | 2020-05-25 | 2021-12-13 | 株式会社日立製作所 | 要因推定システムおよび装置 |
JPWO2022003871A1 (ja) * | 2020-07-01 | 2022-01-06 | ||
JP7200982B2 (ja) | 2020-09-14 | 2023-01-10 | Jfeスチール株式会社 | 材料特性値予測システム及び金属板の製造方法 |
JP7031713B1 (ja) * | 2020-10-22 | 2022-03-08 | Jfeスチール株式会社 | 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置 |
CN115630847B (zh) * | 2022-12-07 | 2023-03-28 | 四川省华盾防务科技股份有限公司 | 一种基于数据预测的收发组件检测方法、系统及存储介质 |
CN117250931B (zh) * | 2023-11-16 | 2024-01-23 | 一夫科技股份有限公司 | 基于数据融合的石膏板生产智能控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008112288A (ja) * | 2006-10-30 | 2008-05-15 | Jfe Steel Kk | 予測式作成装置、結果予測装置、品質設計装置、予測式作成方法及び製品の製造方法 |
-
2017
- 2017-10-17 JP JP2017201321A patent/JP6953990B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019074969A (ja) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6953990B2 (ja) | 品質予測装置及び品質予測方法 | |
JP6817426B2 (ja) | マシンラーニング基盤の半導体製造の収率予測システム及び方法 | |
JP5867349B2 (ja) | 品質予測装置、操業条件決定方法、品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 | |
Ma et al. | A novel hierarchical detection and isolation framework for quality-related multiple faults in large-scale processes | |
CN102855634A (zh) | 一种图像检测方法及装置 | |
CN105740984A (zh) | 一种基于性能预测的产品概念性能评价方法 | |
JPWO2017159403A1 (ja) | 予測システム、方法およびプログラム | |
JP2019096227A (ja) | 操業改善効果算出装置、操業改善効果算出方法、操業改善効果算出プログラム、および記録媒体 | |
CN111144721A (zh) | 电网项目需求评价模型的构建方法、装置和计算设备 | |
JP7298825B2 (ja) | 学習支援装置、学習装置、学習支援方法及び学習支援プログラム | |
CN116959725A (zh) | 一种多模态数据融合的疾病风险预测方法 | |
CN111882363A (zh) | 销量预测方法、系统及终端 | |
Ordieres-Meré et al. | Comparison of models created for the prediction of the mechanical properties of galvanized steel coils | |
CN108984851B (zh) | 一种带时延估计的加权高斯模型软测量建模方法 | |
Zhang et al. | A modified residual extreme learning machine algorithm and its application | |
JP2020015959A (ja) | 成分濃度演算装置及び成分濃度演算方法 | |
JP2022132895A (ja) | 合金材料の特性を予測する製造支援システム、予測モデルを生成する方法およびコンピュータプログラム | |
CN111983140A (zh) | 一种用于干熄焦生产的一氧化碳测量系统及测量方法 | |
JP2019020779A (ja) | 運用ルール抽出装置、運用ルール抽出システムおよび運用ルール抽出方法 | |
JP7052579B2 (ja) | 板クラウン演算装置、板クラウン演算方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
JP5522060B2 (ja) | 品質予測装置、操業条件決定方法、品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 | |
CN116579654A (zh) | 一种用于if钢的质量在线智能监测方法和系统 | |
US20220129774A1 (en) | Information processing system and information processing method | |
Beliakov et al. | Robust fitting for the Sugeno integral with respect to general fuzzy measures | |
CN116997866A (zh) | 生成用于在工业机器中使用的虚拟传感器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190208 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20190419 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190422 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190426 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200603 |
|
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: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210913 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6953990 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |