JP7428868B2 - 加熱炉における金属片の抽出温度予測装置、及び予測モデルの学習装置 - Google Patents

Description

本発明は、加熱炉における金属片の抽出温度予測装置、及び予測モデルの学習装置に関する。

熱間圧延では、圧延機で鋼片（スラブ）を圧延する前に、加熱炉で鋼片を加熱する。図４に示すように、加熱炉１では、複数の鋼片２を搬送しながら連続的に加熱する。加熱炉１で鋼片２を加熱するに際して、鋼片２毎に目標抽出温度（加熱炉１の出口における鋼片２の目標温度）が設定される。
特許文献１には、加熱炉における圧延材（鋼片）の加熱を制御するために、複数の圧延材が加熱炉に装入される前に、圧延順をもとに同一炉帯に装入される圧延材の組を求め、該圧延材の全てが目標加熱炉抽出温度以上になるような条件で加熱したときの該圧延材それぞれの加熱炉抽出温度を予測する技術が開示されている。

特許第５００７５９７号公報

特許文献１では、圧延順と目標抽出温度から、数式モデルを用いて、鋼片の抽出温度を予測するようにしている。
しかしながら、鋼片の抽出温度は、圧延順と目標抽出温度だけでなく、鋼片の寸法や成分、製品が所定の機械的性質を満たすための加熱方法等、様々な要素が複合して影響を与えた結果であるといえる。
また、諸量の関係を数式で表す数式モデルでは、パラメータの選定や調整が難しく、鋼片の抽出温度を精度良く予測するのが難しい。

本発明は上記のような点に鑑みてなされたものであり、加熱炉における金属片の抽出温度を精度良く予測できるようにすることを目的とする。

上記の課題を解決するための本発明の要旨は、以下のとおりである。
［１］ 複数の金属片を連続的に加熱する加熱炉における金属片の抽出温度を予測する抽出温度予測装置であって、
一の金属片の特徴量及び前記一の金属片の前後にある金属片の特徴量を説明変数とし、前記一の金属片の抽出温度を目的変数とする機械学習による予測モデルを用いて、対象の金属片の特徴量及び前記対象の金属片の前後にある金属片の特徴量に基づいて、前記対象の金属片の抽出温度を予測する予測手段と、
前記加熱炉への装入順で、前記対象の金属片それぞれの、前記予測手段で予測した前記対象の金属片の抽出温度を含む情報を表示装置に一覧表示する出力手段とを備え、
前記出力手段は、前記一覧表示において、前記対象の金属片の幅をグラフで表すとともに、前記対象の金属片の目標抽出温度に対して前記予測手段で予測した前記対象の金属片の抽出温度が所定の温度以上高くなるものを焼き過ぎとして、焼き過ぎでないものと、焼き過ぎであるものとを表示形態を分けて視認可能に表示することを特徴とする加熱炉における金属片の抽出温度予測装置。
［２］ 前記特徴量には、金属片の目標抽出温度が含まれることを特徴とする［１］に記載の加熱炉における金属片の抽出温度予測装置。
［３］ 前記特徴量には、金属片の材質、金属片のサイズ、金属片の装入温度、金属片の保定温度、及び金属片の保定時間のうち少なくともいずれか一つが含まれることを特徴とする［１］又は［２］に記載の加熱炉における金属片の抽出温度予測装置。
［４］ 前記出力手段は、前記一覧表示において、前記予測手段で予測した前記対象の金属片の抽出温度を表すグラフと、前記対象の金属片の目標抽出温度を表すグラフとを対比できるように表示することを特徴とする［１］乃至［３］のいずれか一つに記載の加熱炉における金属片の抽出温度予測装置。
［５］ ［１］乃至［４］のいずれか一つに記載の加熱炉における金属片の抽出温度予測装置で用いる前記予測モデルの学習を、前記加熱炉で加熱した複数の金属片の特徴量の実績値、及び抽出温度の実績値を用いて行う学習手段を備えたことを特徴とする予測モデルの学習装置。

本発明によれば、加熱炉における金属片の抽出温度を精度良く予測することができる。

実施形態に係る加熱炉における鋼片の抽出温度予測装置の機能構成を示す図である。 予測抽出温度の表示例を示す図である。 実施形態に係る予測モデルの学習装置の機能構成を示す図である。 加熱炉の概要を説明するための図である。

以下、添付図面を参照して、本発明の好適な実施形態について説明する。
図４で説明したような加熱炉において、鋼片が目標抽出温度よりも高い温度に加熱されると、いわゆる焼き過ぎになり、燃料原単位悪化の一つの要因となることから、それを避けることが求められる。
焼き過ぎの防止には、操炉も当然重要であるが、例えばＨＣＲとＣＣＲの混載を避ける、抽出目標温度の大きく異なる鋼片を連続して加熱しない等のスケジューリング上の工夫も重要である。
本実施形態では、以下に述べるように、加熱炉における鋼片の抽出温度を予測して、焼き過ぎを防止するように、スケジュール修正を支援できるようにする。

図１に、実施形態に係る加熱炉における鋼片の抽出温度予測装置（以下、単に抽出温度予測装置と呼ぶ）１００の機能構成を示す。
抽出温度予測装置１００は、予測対象とする鋼片（以下、対象の鋼片と呼ぶ）の抽出温度を予測する。
データベース１０５には、これから加熱する鋼片の情報を含むスケジュール情報が格納されている。

入力部１０１は、データベース１０５から、これから加熱する鋼片の特徴量を含むスケジュール情報を入力する。
具体的には、入力部１０１は、鋼片の加熱順（加熱炉への装入順）の情報を入力する。
また、入力部１０１は、対象の鋼片の特徴量を入力する。対象の鋼片の特徴量は、目標抽出温度、材質、サイズ（長さ、幅、厚み）、装入温度、保定温度（加熱炉内で一定時間だけ保定する温度）、保定時間（保定温度に到達後、抽出するまでに必要な時間）である。なお、対象の鋼片は、これから加熱する鋼片であり、装入温度や保定温度は予定温度になり、保定時間は予定時間になる。
また、入力部１０１は、対象の鋼片の前後それぞれ７本の鋼片の特徴量を入力する。鋼片の特徴量は、目標抽出温度、材質、サイズ（長さ、幅、厚み）、装入温度、保定温度、保定時間である。対象の鋼片と同様、装入温度や保定温度は予定温度になり、保定時間は予定時間になる。

予測モデル保持部１０２は、機械学習による予測モデルを保持する。予測モデルは、一の鋼片の特徴量、及び一の鋼片の前後それぞれ７本の鋼片の特徴量を説明変数とし、一の鋼片の抽出温度を目的変数とする。鋼片の特徴量は、目標抽出温度、材質、サイズ（長さ、幅、厚み）、装入温度、保定温度、保定時間である。なお、機械学習による予測モデルには、例えば線形重回帰、サポートベクターマシン、ランダムフォレスト、又はニューラルネットワークを用いればよい。

予測部１０３は、予測モデル保持部１０２が保持する予測モデルを用いて、入力部１０１で入力した、対象の鋼片の特徴量、及び対象の鋼片の前後それぞれ７本の鋼片の特徴量に基づいて、対象の鋼片の抽出温度を予測する。以下、予測部１０３で予測した抽出温度を、予測抽出温度と呼ぶ。

出力部１０４は、予測部１０３で求めた対象の鋼片の予測抽出温度を出力する。
例えば出力部１０４は、予測部１０３で求めた予測抽出温度を不図示の表示装置に表示する。
図２に、予測部１０３で求めた予測抽出温度の表示例を示す。図２に示すように、加熱炉への装入順で、各鋼片について、識別番号、幅、温度（目標抽出温度、予測抽出温度）が一覧表示される。ここでは、各鋼片を順次、対象の鋼片として、その予測抽出温度を求めた結果を示す。なお、図３では、説明の便宜上、一番上の鋼片の識別番号をＮｏ．１として説明するが、それ以前にも複数の鋼片が連続的に加熱されている。

各鋼片の幅は、棒グラフ２０１で表される。棒グラフ２０１は、「焼き過ぎでない」ものと、「焼き過ぎである」ものとが色分けして表される。目標抽出温度に対して予測抽出温度が所定の温度以上高くなる鋼片は、「焼き過ぎである」と判定される。このように「焼き過ぎでない」ものと、「焼き過ぎである」ものとが色分けされることにより、オペレータはどの鋼片が焼き過ぎであるかを一目で認識することができる。

各鋼片の温度は、棒グラフ２０２、２０３で表される。白色で示す棒グラフ２０２は、目標抽出温度を表す。また、斜線で示す棒グラフ２０３は、予測抽出温度を表す。また、黒色の棒グラフ２０４は、抽出温度の実績値を表す。なお、抽出温度予測装置１００はスケジュール設計時に利用されるものであり、実際の利用時には、当然ながら抽出温度の実績値は得られていない。ここでは、予測抽出温度が適正であることを説明するために、その後に得られた抽出温度の実績値を棒グラフ２０４として載せている。各鋼片の予測抽出温度（棒グラフ２０３）は、抽出温度の実績値（棒グラフ２０４）に概ね近い値となっており、正しい予測ができていることがわかる。

図２の例において、例えばＮｏ．１～Ｎｏ．３及びＮｏ．６、Ｎｏ．７の鋼片で、目標抽出温度（棒グラフ２０２）が高く設定されている。一方で、その間に挟まれたＮｏ．４、Ｎｏ．５の鋼片で、目標抽出温度（棒グラフ２０２）が低く設定されている。
この場合に、Ｎｏ．４、Ｎｏ．５の鋼片の予測抽出温度（棒グラフ２０３）は、前後の鋼片の目標抽出温度に引っ張られる形で、自身の目標抽出温度（棒グラフ２０２）に対して高くなっており、焼き過ぎになることが予測されている。
なお、ここでは前後の鋼片の目標抽出温度との関係について述べたが、対象の鋼片の抽出温度は、対象の鋼片及びその前後にある鋼片の材質、サイズ（長さ、幅、厚み）、装入温度、保定温度、保定時間等、様々な要素が複合して影響を与えた結果である。図２に示す結果は、対象の鋼片及びその前後にある鋼片の目標抽出温度、材質、サイズ（長さ、幅、厚み）、装入温度、保定温度、保定時間の影響が反映されたものになっている。

以上のように、対象の鋼片の予測抽出温度（棒グラフ２０３）と目標抽出温度（棒グラフ２０２）とを対比できるように表示がなされることにより、オペレータは「焼き過ぎ」に気付くことができる。オペレータは、図２に示すような結果を確認して、焼き過ぎを防止するように、これから加熱する鋼片の装入順を入れ替えるといったスケジュール修正を行うことができる。例えばＨＣＲとＣＣＲの混載を避けたり、抽出目標温度の大きく異なる鋼片を連続して加熱しないようにしたりする。

なお、上記実施形態では、対象の鋼片の前後それぞれ７本の鋼片に着目する例としたが、その本数は限定されるものではなく、加熱炉内において鋼片に影響を与えると想定されるその前後の鋼片の範囲についての知見に応じて適宜設定すればよい。
また、上記実施形態では、図２に示すような結果を確認して、オペレータがスケジュール修正を行うと説明したが、情報処理装置が、予め定められたルールに従って、焼き過ぎが発生しないように自動的にスケジュール修正を行う構成にしてもよい。
また、上記実施形態では、鋼片の特徴量を、目標抽出温度、材質、サイズ（長さ、幅、厚み）、装入温度、保定温度、保定時間としたが、その一部だけを用いてもよいし、他の特徴量を含めるようにしてもよい。

図３に、実施形態に係る予測モデルの学習装置３００の機能構成を示す。
予測モデルの学習装置３００は、定期的（例えば毎月）に、抽出温度予測装置１００の予測モデル保持部１０２が保持する予測モデルの学習を行う。
データベース３０４には、加熱炉で加熱した複数の鋼片の特徴量の実績値、及び抽出温度の実績値が蓄積される。鋼片の特徴量の実績値は、目標抽出温度、材質、サイズ（長さ、幅、厚み）、装入温度、保定温度、保定時間それぞれの実績値である。

入力部３０１は、データベース３０４から、前回の学習以降に加熱炉で加熱した鋼片の特徴量の実績値、及び抽出温度の実績値を入力する。
学習部３０２は、入力部３０１で入力した複数の鋼片の特徴量の実績値、及び抽出温度の実績値に基づいて、予測モデル保持部１０２が保持する予測モデルの学習を行う。
更新部３０３は、予測モデル保持部１０２が保持する予測モデルを、学習部３０２で再学習した予測モデルに更新する。
このように、数学の専門知識を持つ者がいなくても、運用後の実データを用いた予測モデルの校正、調整が容易である。

以上のようにした抽出温度予測装置１００や予測モデルの学習装置３００は、例えばＣＰＵ、ＲＯＭ、ＲＡＭ等を備えたコンピュータ装置により構成され、ＣＰＵが所定のプログラムを実行することにより、その機能が実現される。
以上、本発明を実施形態と共に説明したが、上記実施形態は本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。
本発明は、本発明の抽出温度予測機能や予測モデルの学習機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータがプログラムを読み出して実行することによっても実現可能である。

１００：抽出温度予測装置
１０１：入力部
１０２：予測モデル保持部
１０３：予測部
１０４：出力部
１０５：データベース
３００：予測モデルの学習装置
３０１：入力部
３０２：学習部
３０３：更新部
３０４：データベース

Claims (5)

1. 複数の金属片を連続的に加熱する加熱炉における金属片の抽出温度を予測する抽出温度予測装置であって、
   一の金属片の特徴量及び前記一の金属片の前後にある金属片の特徴量を説明変数とし、前記一の金属片の抽出温度を目的変数とする機械学習による予測モデルを用いて、対象の金属片の特徴量及び前記対象の金属片の前後にある金属片の特徴量に基づいて、前記対象の金属片の抽出温度を予測する予測手段と、
   前記加熱炉への装入順で、前記対象の金属片それぞれの、前記予測手段で予測した前記対象の金属片の抽出温度を含む情報を表示装置に一覧表示する出力手段とを備え、
   前記出力手段は、前記一覧表示において、前記対象の金属片の幅をグラフで表すとともに、前記対象の金属片の目標抽出温度に対して前記予測手段で予測した前記対象の金属片の抽出温度が所定の温度以上高くなるものを焼き過ぎとして、焼き過ぎでないものと、焼き過ぎであるものとを表示形態を分けて視認可能に表示することを特徴とする加熱炉における金属片の抽出温度予測装置。
2. 前記特徴量には、金属片の目標抽出温度が含まれることを特徴とする請求項１に記載の加熱炉における金属片の抽出温度予測装置。
3. 前記特徴量には、金属片の材質、金属片のサイズ、金属片の装入温度、金属片の保定温度、及び金属片の保定時間のうち少なくともいずれか一つが含まれることを特徴とする請求項１又は２に記載の加熱炉における金属片の抽出温度予測装置。
4. 前記出力手段は、前記一覧表示において、前記予測手段で予測した前記対象の金属片の抽出温度を表すグラフと、前記対象の金属片の目標抽出温度を表すグラフとを対比できるように表示することを特徴とする請求項１乃至３のいずれか１項に記載の加熱炉における金属片の抽出温度予測装置。
5. 請求項１乃至４のいずれか１項に記載の加熱炉における金属片の抽出温度予測装置で用いる前記予測モデルの学習を、前記加熱炉で加熱した複数の金属片の特徴量の実績値、及び抽出温度の実績値を用いて行う学習手段を備えたことを特徴とする予測モデルの学習装置。

Images