JPH0310116A - プロセス診断知識修正方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野コ 本発明は、鉄鋼プロセスなどの製造プロセスにおけるプ
ロセス診断に用いる知識修正方法に関する。プロセス診
断は、現在の操業状況からプロセス診断の予測・評価を
迅速に行ない、またその対応をとることにより操業の安
定化をはかる。そしてその処理を行なう知識ベースの保
守を容易にし、プロセス診断が永続的に使用されること
を可能にする。

［従来の技術］ 従来、鉄鋼プロセスなどの製造プロセスにおけろプロセ
ス診断は、診断特性が定量的に数式モデルで予測できる
ときに行なわれてきた。しかしながら、診断特性が定量
的に予測できないこともしばしばある。そのときにはル
ールベース等の知識工学的手法により定性的な、あるい
は断片的な経独創によりプロセス診断システムが開発さ
れている。

しかしながら、この新しいタイプのプロセス診断システ
ムに用いられろプロセス予測・診断方法には定まった方
法が確立しておらず、システムごとに異なっているのが
現状である。

また、この新しいタイプの品質診断システムに用いられ
ろ知識ベースは、通常ＫＥ（知識工学技術者）によって
修正され、一般技術者や操業技術者による修正は固壁な
ことも多くきめ細かな保守が出来ず問題であった。

［発明が解決しようとする課題］ 本発明は、製造プロセスの専門家の経験則によるプロセ
ス診断に用いる知識ベースを一般技術者や操業技術者が
修正できる知識修正方法を提供することを課題とする。

［課題を解決するための手段］ 上記課題を解決するために、本発明のプロセス診断知識
修正方法においては、製造プロセスにおいて得られる複
数種類の操業実績データをそれらの狙い値からのずれに
応じてランク分けし、診断する複数の一次診断特性項目
ごとに、前記操業実績データの狙い値からのずれに起因
する特性の一次減点値を、操業実績データのランク値と
一次減点値との関係を用いて求め、該一次診断特性項目
ごとの減点値に応じた一次評価値を、それらの狙い値か
らのずれに応じてランク分けし、診断する二次診断特性
項目ごとに、前記複数の一次評価値の狙い値からのずれ
に起因する二次減点値を、次評価値のランク値と二次減
点値との関係を用いて求め、二次減点値に従って最終評
価結果を生成する。処理を知識ベース上の情報に基づい
て実行するとともに、知識修正指示に応答して、知識テ
ブル上の情報を表示するとともにそれの修正を行ない、
修正後の前記知識テーブル上の情報に基づいて、前記知
識ベースの更新情報を自動的に生成する。

［作用コ 本発明のプロセス診断においては、階層的に複数回の診
断を実行する。例えば、一次診断では、鋼帯温度、水和
凧、付着量、脱炭性などの様々な操業実績データを入力
してそれらのランク値を生成し、各々のランク値から一
次減点値を生成し、この一次減点値に応じた評価値を一
次評価値とする。そして、二次診断では、前記一次評価
値を入力してそれらのランク値を生成し、一次評価値の
ランク値から二次減点値を生成し、この二次減点値に基
づいて最終評価結果を得る。

入力される操業実績データの種類が多く、それらの各々
と最終評価結果との相関が比較的小さい場合であっても
、操業実績データとの相関が比較的大きい中間的な一次
評価項目を設けろことにより、正確な一次診断を行なう
ことができ、また一次診断の結果を利用して、それとの
相関が比較的大きな最終評価項目に対する診断を行なう
ことにより、正確な二次診断を行なうことができる。つ
まり、一次診断と二次診断とを組合せることにより、正
確な中間状態の予測を行ない、正確なプロセス診断を行
なうことができる。

これらの診断は１診断システム上に設けられた知識ベー
ス上の情報に基づいて実行されるが、この知識ベース上
の情報は、知識テーブル上の情報に基づいて自動的に生
成される。知識ベース上の情報は、実際に推論などの診
断処理を実行するコンピュータの実行するソフトウェア
に適合するものでなければならず、特別な技術者を除き
、それを人間が理解するのは困難である。本発明におい
ては、人間の理解し易い形式で様々な情報が蓄積された
知識テーブルが設けられており、それに蓄積された情報
はエディタを利用して一般のオペレータが編集し修正で
きる。知識ベースの情報は、知識テーブル上の情報に基
づいて、自動的に生成されるので、オペレータが知識テ
ーブルを修正すれば１診断に利用される知識ベース上の
知識も自動的に更新される。

従って、一般技術者や操業技術者が知識ベースの修正を
必要に応じて逐次行なうことができ、その保守は極めて
容易である。

［実施例］ 次に本発明の実施例について図面を参照して説明する。

この実施例では、方向性電磁鋼板プロセス全体の品質特
性（被膜特性などを含む）に関する品質診断を行なうシ
ステムについて説明する６なお図示しないが、このシス
テムでは、ハードウェア装置として、中央処理装置及び
記憶装置を含むコンピュータシステム本体と、それに接
続された端末装置を備えている。端末装置には、入力装
置であるキーボードと出力装置であるデイスプレィが備
わっている。

例えば被膜特性の実際の品質診断は、脱炭ラインの操業
実績データを基に、専門家の経験則によって行なわれ、
その被膜品質の実績は、約１０日後に得られる。そのた
め、その間の被膜不良発生が、この品質診断システムの
品質予測によって防止される。

第１図に、この品質診断システムに備わったソフトウェ
アプログラム及び処理又は参照するデータの構成の主要
部分を示しである。

第１図を参照して、このシステムの処理の概略を説明す
る。推論エンジン２０は、入力される操業実績データ１
０を処理し１品質の評価、即ち診断を行なう。評価の結
果、即ち診断値３０は、デイスプレィ上にわかり易く表
示される。

推論エンジン２０の処理は、知識ベース６０上にデータ
に基づいて実行される。知識ベース６０上のデータは、
推論エンジン２０の処理に適合する形で表記されたルー
ルベースである。従って、知識ベース６０上のデータは
、一般のオペレータには理解が困難である。しかし、診
断精度の高いシステ１１を構築にするは、知識ベース６
０上のデータの更新は不可欠である。

そこでこの実施例では、知識ベース６０上に設けられる
データのうち、それに必要とされる各種パラメータのみ
を表形式で表記した知識テーブル４０を設けである。知
識テーブル４０上のデータは比較的分かり易く、一般の
オペレータにも理解できる。

オペレータが端末装置のキーボードから所定の操作を行
なえば、エディタ７０のプログラムが起動し、知識テー
ブル４０上のデータを順次にデイスプレィ上に表示する
。デイスプレィ上に表示されるカーソルを移動してデー
タの位置を特定し、更に入力操作を行なうことにより、
その位置のデータに対して、訂正、削除、追加などの編
集処理が行なわれる。この編集処理によって、知識テー
ブル４０上のデータが更新される。

エディタ７０の処理が終了すると、データ変換５０のプ
ログラムが起動し、更新された知識テーブル４０上のデ
ータに基づいて、知識ベース６０上に保持されるデータ
を再生成する。

また、専門家による実際の品質診断の結果（実績評価値
）が得られた時には、学習処理８０のプログラムが起動
し、推論エンジン２０の出力と、入力された実績評価値
に基づいて、知識テーブル４０上に存在する重みデータ
を更新する。この知識テーブルの学習に伴なって、知識
ベース６０の内容も更新される。

第１図の推論エンジン２０の処理の流れを概略で第２図
に示す、推論エンジン２０の推論処理は、階層的に構成
されており、この例では一次診断と二・次診断の２階層
になっている。第２図において、ステップ１〜３が一次
診断の処理に対応し、ステップ４〜６が二次診断の処理
に対応している。

第２図のステップ１では、入力される操業実績データを
その狙い値からのずれの大きさに応じてランク分けする
。

この例では、第３ａ図の操業実績項目に示すように、　
ｄ　ｐ　１　ｙ　ｄ　ｐ　２　＋　ｄ　ｐ　３　＋　ｄ
ｐ　４＊鋼鋼帯塵１．銅帯温度２．鋼帯温度３．水和性
、付着量及び脱炭性の１０種類の操業実績データが入力
されるので、それらの各々について、それのランク値を
求める。各操業実績項目毎の各ランクの狙い値からのず
れの範囲は、第３ａ図のように区分されている。第３ａ
図を参照すると、操業実績項目のｄｐｉは１〜５の５ラ
ンクに区分され、ｄｐ２は１〜６の６ランクに区分され
、ｄｐ３は１〜７の７ランクに区分されることが分かる
。

第４ａ図、第４ｂ図、第４ｃ図及び第４ｄ図は知識テー
ブル４０上のデータの一部分を示しているが、これらの
うち第４ａ図に、第３ａ図のランク分けの範囲に対応す
るデータが示されている。

即ち、第４ａ図の最上部の２行に注目すると、最初に表
記された”ｄｐｉ”が操業実績項目の区分を示し、次の
“５″がランクの数を示し、それに続く１０個のデータ
が各ランクの範囲を示しＣいる。

これら１０個のデータは、２つずつ組になっており、５
組のデータの各組が各々のランクに対応付けられている
。また、′＊″の記号は以上又は以下を表わしている。

従って例えば、　ｄ、　ｐ　１の各ランクの範囲は、４
０．０以上、　４０．０〜３８．０．３８．０〜２２．
０゜２２．０〜１３．０．及Ｖｔ３．ｏ以下になってい
る。他の項目についても同様である。

実際のランク分は処理は、知識ベース６０上にデータに
基づいて実行されるが、そのデータは基本的には知識テ
ーブル４０上のデータと同一である。なお、ランク分け
の各範囲は、鋼種規格ごとに与えられる。

第２図のステップ２では、診断項目ごとに、減点値を計
算する。この一次診断の診断項目には。

第３ｃ図の中間特性項目に示されるように、″過酸化Ａ
”、”過酸化Ｂ　、　１１過酸化Ｃｎ、ｕ酸化不足Ａ　
ＩＴ′″酸化不足ＢＩＩ　、　Ｉｆ酸化不足Ｃｕ　、　
１１脱炭異常Ａ”及び′″脱炭異常Ｂ”の８個の項目が
存在する。

第３ｂ図は、一次診断の中の′″過酸化Ａ　Ｉ＋に関す
る、減点値の計算に利用される知識（知識テーブル及び
ｌＡＪ識ベース上のデータ）を示しており、具体的には
、各操業実績項目ごとの減点値の重みの値と、診断結果
に悪影響を及ぼす特性パターンを示している。つまり、
第３ｂ図の例では、ａｐ、ｔ。

ａｐ２．ｄｐ、３．ｄＰ４．　　・・・の各々の項目の
重みがそれぞれ、０，７０，５，１０．　　・・・にな
っており、１０項目の重みの合計が１００％に設定され
ている。また、各槽中の☆マークは、その項目のデータ
が診断結果に悪影響を及ぼすことを示している。

第３ｂ図のデータに対応する知識テーブル４０上のデー
タは、第４ｂ図に示されている。第４ｂ図においては、
最初に、一次診断項目のリストが表記され、続いて一次
診断項目の各々に関する詳細なデータが表記されている
。過酸化Ａの項目の内容を示す欄に注目すると、第１行
には、評価結果の値の変化する範囲（８０点〜４０点）
が示され、第２行〜第１１行には各操業実績項目に関す
る情報が示されている。例えば、ｄ　ｐ、　２に続く数
値列のうち、最初の′″１″はパターン数、次の′７″
′は使用するＪ計算式の番号、続＜　”　６　”はラン
ク数、次のｒｒ　５　ｒｒと１１６７′は悪化パターン
のランク区間、最後の７０．０は重み（不良化寄与率（
％））を示している。

この知識に基づいて゛、減点値が計算される。例えば、
操業実績項目のａｐ２に関し、操業実績データのランク
が６であれば、それに対する減点値は、（８０−４０）
Ｘ７０／１００＝２８点と計算される。ここで、８０−
４０は過酸化Ａに関する診断結果の変化範囲に対応し、
７０／１００が重みに対応する。

上記計算は、操業実績データ（ｄ　ｐ　２）のランク値
がそれの変化する範囲（１〜６）の中で最大（６）の場
合であるが、ランク値がそれより小さい場合には、０〜
１．０の範囲の係数が減点値に乗算されろ。その係数は
、指定された計算式によって求められる。この例では、
第７図に示すような計算式が利用される。なお第７図は
一部分を示しており、実際には７種類の計算式がある。

第４ｂ図を参照すると、過酸化ＡのｄＰ２に関する計算
式は７番であるが、仮に３番の計算式を利用して、ａｐ
２の操業実績データのランクが５の場合の計算を行なう
と ２８点Ｘ　Ｑ　ｏｇ４３　＝２２．２が減点値になる。

他の診断項目についても、同様に知識ベース上のデータ
を参照しながら計算により求められる。

第２図のステップ３では、ステップ２で求めた各操業実
績項目ごとの減点値を、一次診断項目ごとに合計し、ま
た、一次診断項目ごとの減点値を。

各操業実績項目ごとに合計する。この処理の結果の一例
を第６図に表形式で示す。この情報は、必要に応じて、
第６図に示す形式でデイスプレィ上に表示することがで
きる。表示される減点値は。

それが大きいものほどプロセス特性を改善するのに重要
である。デイスプレィ上の減点値の表示を参照すること
により、プロセス特性に悪影響を及ぼしている項目を瞬
時に知ることができる。

第２図のステップ４，５及び６は、それぞれ前述のステ
ップｌ、・２及び３と基本的に同様であり。

ステップ１〜３の一次診断で得られた結果、即ち中間特
性項目毎の８種類のデータ（過酸化Ａ、過酸化Ｂ、過酸
化Ｃ９酸化不足Ａ、酸化不足Ｂ、酸化不足Ｃ９脱炭異常
Ａ及び脱炭異常Ｂ）を入力データとして、被膜不良、脱
炭不良、磁性不良、及び光沢不良の４つの診断項目につ
いて診断を行なう。

ステップ４の処理では、第３Ｃ図に示すようなランク分
けを行なう。このランク分けに関する知識テーブル４０
上のデータの一部分が、第４Ｃ図に示されている。ステ
ップ５の減点値の計算処理においては、被膜不良、脱炭
不良、磁性不良、及び光沢不良の４つの診断項目につい
て各々減点値を求めるが、例えば被膜不良の診断項目に
ついては、第３ｄ図に示すような知識に基づいて、減点
値が求められる。この処理で参照されるデータに対応す
る知識テーブル４０上のデータの一部分が第４ｄ図に示
されている。

なお第３Ｃ図、第３ｄ図、第４Ｃ図及び第４ｄ図の各項
目に表記された情報の意味は、それぞれ、既に説明した
第３ａ図、第３ｂ図、第４ａ図及び第４ｂ図のものと同
様である。従ってそれらの説明は省略する。

第２図のステップ６では、ステップ５で求めた各一次診
断項目（中間特性項目）ごとの減点値を、二次診断項目
ごとに合計し、また、二次診断項目ごとの減点値を、各
一次診断項目ごとに合計する。

この処理の結果は、第６図の場合と同様に、必要に応じ
て、表形式でデイスプレィ上に表示することができる。

第２図のステップ７では、ステップ６で求めた診断項目
ごとの減点値を満点値から減算して、各診断項目の評価
値を求め、また操業実績項目ごとの減点の合計をそれの
大きい順に並べかえ、それらをデイスプレィに表示する
とともに、修正すべき操業条件を表示して、それをオペ
レータに知らせる。

第１図の知識ベース６０上のデータの一部分を、第５ａ
図、第５ｂ図、第５Ｃ図及び第５ｄ図に示す。

まず第５ａ図を参照する。一番上の部分に表記された′
″ＦＩＮＤＩＮＧＳ”の内容は、一次診断で入力される
操業実績項目の名称のリストである。また、次の”ＩＮ
ＴＥＲＭＥＤＩＡＴＥ　−＋１ＹＰＯＴＩＩＥｓ”の内
容は、操業実績データをランク分けする場合に参照する
データ及び減点値を求める際に参照するデータの名称を
定義したリストである。続ぐ’ＩＩＹＰＯＴＩＩＥＳ”
の内容は、一次診断項目の名称のリストである―また、
次の”ＦＨ−ＲＵＬ［Ｅ”の内容は、ランク分けに関し
存在するルールの名称リストである。

次に第５ｂ図を参照する。一番上の部分に表記された”
ＩＩＨ−ＲＵＬＩＥ”の内容は、減点値及びそれの合計
値の計算に関し存在するルールの名称リストである。こ
れの下方に、ランク分けに関する各々のルールの内容が
表記しである。例えば、最初の部分に表記された”ｔｔ
　＃ｄ−ｄａｎｋ−ｄｐｌ−１＃　ｔｔ”の内容は、操
業実績項・目のａｐｌに関するランク１の定義であり、
ここでは、ｄＰｌの値がもし４０．０以上であれば、”
ｒａｎｋ　−ｄｐ　１″′に１をセット、即ちｄｐｌの
ランクを１にする。ことが定義されている。これに続い
て、ランク２．ランク３．ランク４、・・に関する定義
が表記されている。

次に第５ｃ図及び第５ｄ図を参照する。これらの部分に
は、第５ｂ図の”１１１１−　ＲＯＬＥ”に表記された
ルール名称の各々に対応するルールの定義が表記されて
いる。例えば、第５ｃ図の最初の部分では。

”ｄｐｉ−不良減点″に関するルールが定義されており
、ここでは、ｄＰｌのランクが１〜５の範囲にある場合
に、”　Ｔ　Ｉ（Ｅ　Ｎ　”の欄に表記された処理を実
行する。倒えば、（［ｄｐＨ［酸化不足］）の減点値は
、（ｆｕｎｃ−ｃａｌｌ　１５’（３）’（２）’（５
）″（５０，０）″（０，０）ｒａｎｋ　　ｄｐｌ）の
処理結果として計算される。

ここで、”ｆｕｎｃ　＝　ｃａｌｌ’″は、推論エンジ
ン２０が実行できるＬＩＳＰ言語の関数を示し、それに
続くデータは関数のパラメータを示している。

また第５ｃ図の＃＃過酸化Ａ減点合計計算＃＃の内容は
、一次診断項目の過酸化Ａに関する減点値の合計計算に
関するルールの定義であり、ここでは、［ｄｐ２］　　
［過酸化Ａ］のデータが０．０以上であると、［ｄｐｉ
］　　［過酸化Ａ］　、　　［ｄｐ２コ　［過酸化Ａコ
、　　［ｄｐ３］　　［過酸化Ａｌ　＋　　［：ｄｐｚ
コ　［過酸化Ａコ［調温１］　　［過酸化Ａコ、［調温
２］［過酸化Ａ］［調温３］［過酸化Ａ］　、［水和量
コ　［過酸化Ａ］、［付着量コ　［過酸化Ａ］、［脱炭
性］　［過酸化Ａ］の総和を、゛′過酸化八へ点合計″
にストアする。

また第５ｄ図の＃＃ｄｐｌ−減点合計計算＃＃の内容は
、操業′実績項目のｄｐ、１の減点値の合計計算に関す
るルールの定義であり、この例では。

［ｄｐｉ］　　［：過酸化Ｂコの値が０．０以上である
と、［ｄｐｌ］　　［過酸化Ａｌ　、　　［ｄｐｉ］　
　［過酸化Ｂコ。

［ａｐｌコ　［酸化不足Ａコ＋　　［ａｐｌコ　［過酸
化Ｃ］。

［ｄｐｉ］　　［酸化不足Ｂ］、　　［ｄｐＨ［酸化不
足Ｃ］　。

［ｄｐＨ［脱炭異常Ａ］、［ｄｐ１］［脱炭異常Ｂ］の
総和を、”ａｐｌ−減点合計″にストアする。

この知識ベースのデータは、第１図に示すデータ変換５
０の処理によって、知識テーブル４０−Ｈのデータに基
づいて自動的に生成される。データ変換５０の処理の概
略を第８図に示すので参照されたい。

第９図に、第１図の学習処理８０における処理の概略を
示す。第９図において、Ｘ１＋・・・・ｘｎは操業実績
データのランク値、ｆ１＋・・・・　ｆｎは乗算係数関
数式（第７図参照）、ω１．・・・・　ωｎが学習され
る重み、ｙは品質評価予測値、ｄはその専門家によって
実際に評価された結果、即ち実績評価値を示している。

学習のアルゴリズムとして、直交学習や誤差逆伝播法な
どを用いろことができるが、ここでは直交学習法のアル
ゴリズ１１が用いられている。

ω〕の修正値をΔωｉとすると５ Δω＝（Δω１．Δω２．・・・・、Δωｎ）ｌΔω＝
　（ｋ　（ｄ’−ｙ）　／　（λ＋Ｆ’Ｆ））・Ｆ但し
、Ｆ”　（ｆ　ｔ　（Ｘｔ　）ｌｆ２　（Ｘ２　）ｌ　
・・”　、ｆｎ（ｘｎ）　）　’つまり、各品質特性項
目について、実績評価値ｄを教師信号として、不良化寄
与率、即ち、知識テーブル上の重みの値が学習される。

知識テーブルの学習に伴なって知識ベースも更新される
。

なお上記実施例においては、一次診断と二次診断との二
階層のみの処理について説明したが、同様の方法で三次
診断や四次診断の処理を加え、多段プロセス診断を行な
うように変更してもよい。

［効果］ 以上説明したように、本発明によれば、診断の際に参照
される知識の情報を、知識テーブルと知識ベースの両方
に設け、知識ベースの情報を知識テーブルから自動的に
生成するので、知識の修正が極めて容易である。また、
複数回の診断を行ない階層的にプロセス診断を実施する
ので、中間的な状態の予測を正確に行なうことができ、
高精度のプロセス診断が可能である。

【図面の簡単な説明】

第１図は本発明を実施する品質診断システ１１のソフト
ウェア及びデータの植成を示すブロック図である。 第２図は、第１図の推論エンジン２０の処理の概略を示
すフローチャートである。 第３ａ図、第３ｂ図、第３ｃ図及び第３ｄ図は。 実施例の知識の内容を表形式で示す平面図である。 第４ａ図、第４ｂ図、第４Ｃ図及び第４ｄ図は、第１図
の知識テーブル４０上のデータの一部分の内容のリスト
を示す平面図である。 第５ａ図、第５ｂ図、第５Ｃ図及び第５ｄ図は、第１図
の知識ベース６０上のデータの一部分の内容のリストを
示す平面図である。 第６図は、デイスプレィに表示される情報の一例を示す
正面図である。 第７図は、減点計算に利用される計算式群の一部分の内
容を示す平面図である。 第８図は、第１図のデータ変換５０の処理を示すフロー
チャートである。 第９図は、第１図の学習処理８０の摺成を示ずブロック
図である。

Claims (1)

【特許請求の範囲】
1. 製造プロセスにおいて得られる複数種類の操業実績デー
   タをそれらの狙い値からのずれに応じてランク分けし、
   診断する複数の一次診断特性項目ごとに、前記操業実績
   データの狙い値からのずれに起因する特性の一次減点値
   を、操業実績データのランク値と一次減点値との関係を
   用いて求め、該一次診断特性項目ごとの減点値に応じた
   一次評価値を、それらの狙い値からのずれに応じてラン
   ク分けし、診断する二次診断特性項目ごとに、前記複数
   の一次評価値の狙い値からのずれに起因する二次減点値
   を、一次評価値のランク値と二次減点値との関係を用い
   て求め、二次減点値に従って最終評価結果を生成する、
   処理を知識ベース上の情報に基づいて実行するとともに
   、知識修正指示に応答して、知識テーブル上の情報を表
   示するとともにそれの修正を行ない、修正後の前記知識
   テーブル上の情報に基づいて、前記知識ベースの更新情
   報を自動的に生成する、プロセス診断知識修正方法。