JP7180796B2 - 物理モデル同定システム - Google Patents
物理モデル同定システム Download PDFInfo
- Publication number
- JP7180796B2 JP7180796B2 JP2021569498A JP2021569498A JP7180796B2 JP 7180796 B2 JP7180796 B2 JP 7180796B2 JP 2021569498 A JP2021569498 A JP 2021569498A JP 2021569498 A JP2021569498 A JP 2021569498A JP 7180796 B2 JP7180796 B2 JP 7180796B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- data
- input
- value
- physical model
- 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
- 238000013179 statistical model Methods 0.000 claims description 55
- 238000012795 verification Methods 0.000 claims description 44
- 238000004519 manufacturing process Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 description 41
- 238000005096 rolling process Methods 0.000 description 39
- 239000000498 cooling water Substances 0.000 description 28
- 238000012545 processing Methods 0.000 description 16
- 238000004804 winding Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 13
- 238000012546 transfer Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 238000001816 cooling Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000000611 regression analysis Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41835—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by programme execution
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Feedback Control In General (AREA)
- Control Of Metal Rolling (AREA)
Description
この点に関して、特許文献1には、異常検知システムの機械学習に関して、監視対象の特性に変動が生じた場合に、異常検知システムの動作を停止することなく、監視対象のモデルパラメータを再学習することが開示されている。ただし、その適用対象は、線形状態空間モデルに限定される。ところが、製造設備や製造プロセスにおいて線形モデルで記述できる対象は多くない。そのため、非線形モデルにも適用可能であることが望まれる。
<製造ラインのシステム構成>
図1は、実施の形態1に係る製造ラインのシステム構成を説明するための概略図である。圧延ライン1は、製造ラインの一例である。図1に示す圧延ライン1は、熱間薄板圧延ラインである。圧延ライン1は、主な製造設備として、加熱炉21、粗圧延機22、エッジヒータ23、仕上圧延機24、ランアウトテーブル25、コイラー26を備える。圧延材2は、これらの設備によって、所定の板厚および板幅に加工され、冷却され、コイル状に巻き取られる。
図2は、物理モデル同定システム3について説明するためのブロック図である。物理モデル同定システム3は、上述した制御システムに含まれても良い。
制御対象のプリセットや制御に用いられる実用モデルは、式(1)のように記述される。FDT測定位置からCT測定位置までの圧延材2を仮想的に一定長さに分割した単位をセグメントと称する。式(1)は、1つのセグメントについての温度計算式である。式(1)の右辺第二項は、1つのセグメントがFDT測定位置からCT測定位置まで移動する間の温度降下量を表す。
CT : コイラー入側温度(板厚方向平均温度)[℃]
FDT : 仕上圧延機出側温度(板厚方向平均温度)[℃]
Nsec: 圧延材2を搬送方向に区分した区分数(i=1はFDT測定位置を、i=NsecはCT測定位置を意味する。)
n : 圧延材2を板厚方向に区分した区分数(k=1は圧延材2の上面部を、k=nは圧延材2の下面部を意味する。)
ρ : 被冷却体の密度[kg/mm3]
Cp : 被冷却体の比熱[J/kg/deg]
Vk : k番目の微小体積[mm3]
Δt : 時間変化[s]
ΣQ : 熱流の和
hW : 被冷却体と冷却水の間の熱伝達係数(水冷熱伝達係数)[W/mm2/℃]
AW : 被冷却体の表面積[mm2]
TS : 被冷却体の表面温度[℃]
TW : 冷却水温度[℃]
CW : 冷却水温度による補正係数
ところで、上述した実施の形態1のシステムにおいては、製造ラインとして圧延ラインについて説明したが、製造ラインはこれに限定されるものではない。例えば、製造ラインは、製紙の生産ライン、化学プラントの生産ライン、食料品の生産ラインでもよい。
図10は、実施の形態1に係る物理モデル同定装置6が有する処理回路のハードウェア構成例を示すブロック図である。図2に示す物理モデル同定装置6の各部は、当該装置が有する機能の一部を示し、各機能は処理回路により実現される。例えば、処理回路は、CPU(Central Processing Unit)101、ROM(Read Only Memory)102、RAM(Random Access Memory)103、入出力インターフェース104、システムバス105、入力装置106、表示装置107、ストレージ108および通信装置109を備えたコンピュータである。
2 圧延材
3 物理モデル同定システム
4 計算機
5 データ採取装置
5a 記録装置
6 物理モデル同定装置
21 加熱炉
22 粗圧延機
23 エッジヒータ
24 仕上圧延機
25 ランアウトテーブル
26 コイラー
27 仕上圧延機入側温度計
28 板厚計
29 板幅計
30 仕上圧延機出側温度計
31 コイラー入側温度計
61 データ編集部
62 統計モデル学習部
63 モデル妥当性検証部
64 関係性特定部
65 モデル係数同定部
66 モデル係数設定部
67 同定結果保存部
67a 記憶装置
68 表示部
101 CPU
102 ROM
103 RAM
104 入出力インターフェース
105 システムバス
106 入力装置
107 表示装置
108 ストレージ
109 通信装置
Claims (4)
- 製造設備および製造プロセスを含む制御対象における物理現象を数式で表現した物理モデルを用いて、前記制御対象に適用するプリセット値および制御値を算出する計算機と、
前記計算機により算出された前記プリセット値および前記制御値に基づいた前記制御対象の制御結果である複数のプロセスデータを採取するデータ採取装置と、
前記複数のプロセスデータに基づいて前記物理モデルを同定する物理モデル同定装置と、を備え、
前記物理モデルは、複数の入力変数および少なくとも1つの目的変数の間の入出力関係を、補正係数を含む数式で表現され、
前記複数のプロセスデータのそれぞれは、前記複数の入力変数の値と前記目的変数の値とを含み、
前記物理モデル同定装置は、
前記採取された複数のプロセスデータから異常データを取り除いた残りのデータを、学習用データと検証用データとに分けるデータ編集部と、
前記学習用データを用いて、前記制御対象について前記複数の入力変数および前記目的変数の間の入出力関係を表現した統計モデルを帰納的に学習する統計モデル学習部と、
前記検証用データを用いて、前記学習済み統計モデルの妥当性を検証するモデル妥当性検証部と、
前記学習済み統計モデルが妥当である場合に、前記学習済み統計モデルを用いて、前記複数の入力変数に含まれる少なくとも1つの登録入力変数と、前記目的変数との間の入出力関係を定量化した数量データを作成する関係性特定部と、
前記数量データに含まれる前記登録入力変数の値を前記物理モデルの入力とした場合の前記物理モデルの出力である計算値が、前記数量データに含まれる前記目的変数の値と一致するように、前記物理モデルの前記補正係数を同定するモデル係数同定部と、
前記同定した補正係数を前記計算機に実装された前記物理モデルに設定するモデル係数設定部と、を有し、
前記異常データは、採取時刻が連続する前記複数のプロセスデータのうち少なくとも1つの前記入力変数の値が変動しないプロセスデータ、または、採取時刻が連続する前記複数のプロセスデータのうち少なくとも1つの入力変数が閾値以上変動したプロセスデータであること、
を特徴とする物理モデル同定システム。 - 前記統計モデルは、最小二乗法を用いて前記複数の入力変数と前記目的変数との間の入出力関係を表す関数を表現するモデル、または、機械学習を用いて当該入出力関係を表現するモデルであること、
を特徴とする請求項1に記載の物理モデル同定システム。 - 前記学習済み統計モデルは、
前記学習済み統計モデルに前記学習用データに含まれる前記入力変数の値を入力した場合に出力される前記目的変数の計算値と、前記学習用データに含まれる前記目的変数の実値との誤差Aと、
前記学習済み統計モデルに前記検証用データに含まれる前記入力変数の値を入力した場合に出力される前記目的変数の計算値と、前記検証用データに含まれる前記目的変数の実値との誤差Bと、
の差が閾値以内である場合に妥当と判断されること、
を特徴とする請求項1又は2に記載の物理モデル同定システム。 - 前記数量データは、前記登録入力変数と前記目的変数との間の関係を記述した数値テーブル、または、当該関係を近似した関数であること、
を特徴とする請求項1又は2に記載の物理モデル同定システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/019135 WO2021229727A1 (ja) | 2020-05-13 | 2020-05-13 | 物理モデル同定システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021229727A1 JPWO2021229727A1 (ja) | 2021-11-18 |
JP7180796B2 true JP7180796B2 (ja) | 2022-11-30 |
Family
ID=78525497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021569498A Active JP7180796B2 (ja) | 2020-05-13 | 2020-05-13 | 物理モデル同定システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220236725A1 (ja) |
JP (1) | JP7180796B2 (ja) |
KR (1) | KR20210154832A (ja) |
CN (1) | CN113939777A (ja) |
TW (1) | TWI775190B (ja) |
WO (1) | WO2021229727A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4124398B1 (de) * | 2021-07-27 | 2024-04-10 | Primetals Technologies Austria GmbH | Verfahren zur bestimmung mechanischer eigenschaften eines walzgutes mit hilfe eines hybriden modells |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005516297A (ja) | 2002-01-31 | 2005-06-02 | シーメンス アクチエンゲゼルシヤフト | 工業的プロセスの調節方法 |
JP2006107256A (ja) | 2004-10-07 | 2006-04-20 | Toshiba Corp | モデルパラメータの自動フィッティング装置 |
JP2008040660A (ja) | 2006-08-03 | 2008-02-21 | Toyota Motor Corp | モデル作成方法及び適合方法 |
US20100100218A1 (en) | 2006-10-09 | 2010-04-22 | Siemens Aktiengesellschaft | Method for Controlling and/or Regulating an Industrial Process |
JP2011141798A (ja) | 2010-01-08 | 2011-07-21 | Yokogawa Electric Corp | プラントシミュレータ |
WO2014006681A1 (ja) | 2012-07-02 | 2014-01-09 | 東芝三菱電機産業システム株式会社 | 温度制御装置 |
WO2016038705A1 (ja) | 2014-09-10 | 2016-03-17 | 東芝三菱電機産業システム株式会社 | 圧延シミュレーション装置 |
CN108655186A (zh) | 2018-04-19 | 2018-10-16 | 中冶南方工程技术有限公司 | 基于人工神经网络与数学模型的轧制力预设定方法 |
JP2018169763A (ja) | 2017-03-29 | 2018-11-01 | 三菱重工業株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2019191836A (ja) | 2018-04-23 | 2019-10-31 | 東洋電機製造株式会社 | 異常検知システムおよびプログラム |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05293516A (ja) * | 1992-04-17 | 1993-11-09 | Mitsubishi Heavy Ind Ltd | 圧延機の圧延荷重推定方法 |
DE4338608B4 (de) * | 1993-11-11 | 2005-10-06 | Siemens Ag | Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System |
US7069100B2 (en) * | 2000-04-20 | 2006-06-27 | Cogiscan Inc. | Automated manufacturing control system |
KR20040043911A (ko) * | 2002-11-20 | 2004-05-27 | 주식회사 포스코 | 신경 회로망을 이용한 압연 하중 예측 장치 및 방법 |
US7424395B2 (en) * | 2004-09-10 | 2008-09-09 | Exxonmobil Research And Engineering Company | Application of abnormal event detection technology to olefins recovery trains |
EP1938499A4 (en) * | 2005-09-19 | 2011-06-29 | Univ State Cleveland | CONTROLS, OBSERVERS AND APPLICATIONS THEREOF |
EP2245568A4 (en) * | 2008-02-20 | 2012-12-05 | Univ Mcmaster | EXPERT SYSTEM FOR DETERMINING A PATIENT'S RESPONSE TO A TREATMENT |
WO2010047019A1 (ja) * | 2008-10-21 | 2010-04-29 | 日本電気株式会社 | 統計モデル学習装置、統計モデル学習方法、およびプログラム |
JP5759206B2 (ja) * | 2011-03-01 | 2015-08-05 | 東芝三菱電機産業システム株式会社 | 学習係数制御装置 |
JP5727865B2 (ja) * | 2011-05-23 | 2015-06-03 | 東芝三菱電機産業システム株式会社 | 圧延モデル最適化装置 |
CN103235563B (zh) * | 2013-03-18 | 2014-12-17 | 东南大学 | 一种工业现场设备能效评估方法 |
CN103441495B (zh) * | 2013-08-28 | 2015-07-29 | 三川电力设备股份有限公司 | 电力系统元件参数和功率修正系数的辨识方法及系统 |
CN103878186B (zh) * | 2014-03-24 | 2015-05-06 | 华中科技大学 | 一种确定热轧带钢层流冷却温度的方法 |
US9886670B2 (en) * | 2014-06-30 | 2018-02-06 | Amazon Technologies, Inc. | Feature processing recipes for machine learning |
CN108717573A (zh) * | 2018-05-21 | 2018-10-30 | 东南大学 | 一种动态过程神经网络模型辨识方法 |
WO2019245009A1 (ja) * | 2018-06-22 | 2019-12-26 | 株式会社Aiメディカルサービス | 消化器官の内視鏡画像による疾患の診断支援方法、診断支援システム、診断支援プログラム及びこの診断支援プログラムを記憶したコンピュータ読み取り可能な記録媒体 |
CN110457789B (zh) * | 2019-07-25 | 2022-09-20 | 桂林电子科技大学 | 一种锂离子电池剩余寿命预测方法 |
CN110543108B (zh) * | 2019-09-20 | 2022-09-30 | 常州英集动力科技有限公司 | 基于机理模型预测的供热系统测量数据的校正方法及系统 |
-
2020
- 2020-05-13 JP JP2021569498A patent/JP7180796B2/ja active Active
- 2020-05-13 WO PCT/JP2020/019135 patent/WO2021229727A1/ja active Application Filing
- 2020-05-13 KR KR1020217037564A patent/KR20210154832A/ko not_active Application Discontinuation
- 2020-05-13 US US17/612,581 patent/US20220236725A1/en active Pending
- 2020-05-13 CN CN202080037208.4A patent/CN113939777A/zh active Pending
- 2020-10-22 TW TW109136688A patent/TWI775190B/zh active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005516297A (ja) | 2002-01-31 | 2005-06-02 | シーメンス アクチエンゲゼルシヤフト | 工業的プロセスの調節方法 |
JP2006107256A (ja) | 2004-10-07 | 2006-04-20 | Toshiba Corp | モデルパラメータの自動フィッティング装置 |
JP2008040660A (ja) | 2006-08-03 | 2008-02-21 | Toyota Motor Corp | モデル作成方法及び適合方法 |
US20100100218A1 (en) | 2006-10-09 | 2010-04-22 | Siemens Aktiengesellschaft | Method for Controlling and/or Regulating an Industrial Process |
JP2011141798A (ja) | 2010-01-08 | 2011-07-21 | Yokogawa Electric Corp | プラントシミュレータ |
WO2014006681A1 (ja) | 2012-07-02 | 2014-01-09 | 東芝三菱電機産業システム株式会社 | 温度制御装置 |
WO2016038705A1 (ja) | 2014-09-10 | 2016-03-17 | 東芝三菱電機産業システム株式会社 | 圧延シミュレーション装置 |
JP2018169763A (ja) | 2017-03-29 | 2018-11-01 | 三菱重工業株式会社 | 情報処理装置、情報処理方法およびプログラム |
CN108655186A (zh) | 2018-04-19 | 2018-10-16 | 中冶南方工程技术有限公司 | 基于人工神经网络与数学模型的轧制力预设定方法 |
JP2019191836A (ja) | 2018-04-23 | 2019-10-31 | 東洋電機製造株式会社 | 異常検知システムおよびプログラム |
Also Published As
Publication number | Publication date |
---|---|
KR20210154832A (ko) | 2021-12-21 |
JPWO2021229727A1 (ja) | 2021-11-18 |
WO2021229727A1 (ja) | 2021-11-18 |
US20220236725A1 (en) | 2022-07-28 |
CN113939777A (zh) | 2022-01-14 |
TW202143081A (zh) | 2021-11-16 |
TWI775190B (zh) | 2022-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101889668B1 (ko) | 압연 시뮬레이션 장치 | |
US8391998B2 (en) | Method for controlling and/or regulating an industrial process | |
JP4744226B2 (ja) | 冷却制御モデルの学習方法及び圧延材の冷却方法。 | |
US8145346B2 (en) | Method for monitoring a physical state of a hot-rolled sheet while controlling a rolling train for reverse rolling the hot-rolled sheet | |
KR100944314B1 (ko) | 권취 온도 제어 장치 및 제어 방법 | |
US5778151A (en) | Method and control device for controlling a material-processing process | |
JP7503150B2 (ja) | 複数の設備部分から成る生産設備、特に金属の半製品のような工業製品を生産するための生産設備を制御するためのシステム及び方法 | |
JP2783124B2 (ja) | 熱延鋼材の温度制御方法 | |
JP7180796B2 (ja) | 物理モデル同定システム | |
JP7135962B2 (ja) | 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法 | |
CN115815342A (zh) | 一种基于机理和数据融合模型的冷轧轧制力预测方法 | |
JP2005516297A (ja) | 工業的プロセスの調節方法 | |
TWI749517B (zh) | 直列式壓延機的板厚規格計算方法及壓延設備 | |
JPH05317941A (ja) | 棒鋼・線材の水冷制御方法 | |
KR100306147B1 (ko) | 열연강판의 냉각제어방법 | |
KR102045652B1 (ko) | 인공지능 기반 열연 런아웃 테이블 열유속계수 결정 장치 | |
JP2012011448A (ja) | 圧延材の冷却制御方法、及びこの冷却制御方法が適用された連続圧延機 | |
JP2007050413A (ja) | 板幅制御方法および装置 | |
JP7298645B2 (ja) | 形鋼の断面寸法変化量予測モデルの生成方法、形鋼の断面寸法変化量予測モデルの生成装置、形鋼の断面寸法の予測方法、形鋼の断面寸法の制御方法、および形鋼の製造方法 | |
KR102045651B1 (ko) | 인공지능 기반 열연 런아웃 테이블 열유속계수 추정 장치 | |
JP2022108117A (ja) | 予測装置、学習装置、予測プログラム、及び学習プログラム | |
WO2024189790A1 (ja) | 圧延製品の材質特性予測装置 | |
CN105618490A (zh) | 一种冷轧电工钢的边降自动控制方法 | |
JPH08117824A (ja) | 圧延操業条件の予測方法およびそれを用いた設定制御圧延方法 | |
JPH0636931B2 (ja) | 線材、棒材の圧延、冷却における温度制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220927 |
|
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: 20221018 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221031 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7180796 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |