JPH042732A

JPH042732A - 焼結プロセス制御装置

Info

Publication number: JPH042732A
Application number: JP10481290A
Authority: JP
Inventors: Tetsuji Fukushima; 徹二福島; Takafumi Atokawa; 後川　隆文; Tatsuo Ueda; 植田　辰雄; Fumiharu Maeda; 前田　文晴; Junji Azuma; 東　淳二
Original assignee: Nippon Steel Corp
Current assignee: Nippon Steel Corp
Priority date: 1990-04-20
Filing date: 1990-04-20
Publication date: 1992-01-07
Anticipated expiration: 2010-12-13
Also published as: JPH07116527B2

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〕本発明は鉄鉱石粉の焼結プロセスに関し、特に、電子計
算機による焼結プロセスの制御に関する。

〔従来の技術〕

焼結プロセスでは、主要な操業管理項目である酸化鉄（
Ｆｅ○）、低温環元粉化指数（ＲＤＩ）。

落下強度指数（Ｓ　Ｉ　）　、　２５ｍｍ径以上のもの
が占める割合（＋　２５）　、　５ｍｍ径以下のものが
占める割合（−５）、成品歩留（η２）、また、操業状
態の定性的な仮説である熱状態２通気状態、均熱状態、
更に、環境管理項目であるＮ　Ｏｘ換算値（Ｒ−ＮＯｘ
）。

Ｓ　Ｏｘ　、リンゲルマン煤塵濃度（リンゲルマン）。

電気集塵機温度（ＥＰＣ）、更に、焼結プロセスの各種
状態データから判断される設備故障状況。

定性的判断項目である色、音、天気等から、焼結、操業
者が、焼結機操業状態を総合判断し優先アクションを決
定し、環境に対するアクション、ｉ業安定化の為の原料
切出調整２層厚の調整９幅装入パターンの調整、２次Ｃ
ｒセツティングの調整。

２次篩網の調整、設備の点検等のアクションを行なうと
いう方法がとられていた。

この従来の操業者判断による方法では、その評価結果に
操業者個人間のばらつきがあり、必ずしも適切な判断と
は限らず、場合によってはアクションが後手に廻り、環
境対策、設備故障対策、焼結管理項目の安定化などが遅
れる等の問題があった。

これを改善しようとして、特開昭６３−１００１３７号
公報は、あいまい制御を利用し操業状況を多面的にとら
え制御変化幅の小さい制御を行なおうとする焼結プロセ
ス制御方法を提示している。

〔発明が解決しようとする課題〕従来の、知識データベースを用いない総合計算機による
アクションガイド方法では、各種プロセスデータを重回
帰や相関テーブル等の解析モデルに入力して所定の演算
を行う様にしている。

この為、その演算を実行するコンピュータは言語として
フォートラン等の手続型言語を使用しているが、これら
の言語では、入力となるプロセスデータやサンプルデー
タ等の数が例えば５０種類以上あり、各々に干渉がある
等、そのパターンの組合せが膨大となり、プログラムが
極めて複雑となり、操業的な判断基準が変更となった時
や、焼結プロセスのセンサ数２種類、配置等が変化した
時等のプログラムの変更、メンテナンスが極めて困難で
あるという問題や、操業者の定性的な判断をプログラム
化しにくく操業者の総合的な判断よりも精度が落ちて結
局は、熟練操業者が最終判断を下さざるを得ないという
問題がある。

また、従来知識データベースを用いたとしても前述した
操業管理項目、操業状態定性仮説、環境管理項目、設備
異常原因を明確に分類し、トータルで総合的な判断を下
しているものはなかった。

本発明はこの様な問題点を解決するためになされたもの
であり、焼結の品質・操業状態、設備状態及び優先すべ
きアクションを熟練した操業者と同じレベルで評価する
ことができ、かつ、計算機で実現した際にそのプログラ
ムステップが従来の手続型言語で構築するよりは少くな
り、更に、操業的な判断基準やセンサの変更等に対応し
た時のプログラムの変更、メンテナンスが容易な焼結プ
ロセス制御装置を提供することを目的とするｔ〔課題を
解決するための手段〕本発明の焼結プロセス制御装置は、焼結プロセスの各種
の状態センサからリアルタイムで入力されるプロセスデ
ータ、焼結鉱の最新サンプルデータおよび操業者が入力
するプロセス環境デニタについて、統計的手法および知
識ベース手段により各項目の現在の状態および変動傾向
を推論・予測し、各項目の変動の組合せからセンサや設
備の異常を判定し、異常が検出された時は対応する操作
ガイドを提示すると同時に、該当する項目を操業や品質
の状態を予測するデータから除外し、残りの信頼できる
データを使用して、焼結プロセスの熱状態２通気状態お
よび均一焼成状態を含む操業状態とその動向を推論する
と同時に、焼結プロセスの焼成中材料の酸化鉄、低温還
元粉化指数および落下強度指数を含む主要品質管理項目
の状態と動向を推論し、以上より得た結果に基づいて焼
結プロセスを制御し操業者に操作ガイドを提示するＡＩ
言語処理計算手段を備える。

〔作用〕

主要データの状態や変動の組合せからセンサや設備の異
常を判定し異常が検出された時は対応する操業ガイドを
提示する。また異常が検出された時は該当する項目を操
業や品質の状態を予測するデータから除外し、残りの信
頼できるデータを使用して、焼結プロセスの熱状態９通
気状態、均−焼成状態を含む操業状態とその動向を推論
すると同時に、焼結プロセスの焼成中材料の酸化鉄、低
温還元粉化指数および落下強度指数を含む主要品質管理
項目の状態と動向を推論し、以上より得た結果に基づい
て環境維持、成品品質の安定化、成品コストの低減を目
的として、焼結プロセスを制御し操業者に操作ガイドを
提示するので、精度が高く、現状および将来の動向に対
応した現在のアクションが決定される。

〔実施例〕

第１ａ図に、本発明の一実施例の機能構成を示す。焼結
プロセス４００には各種センサおよびサンプラ（状態テ
スト＆サンプリング装置）が備わっており、これらが収
集した情報が、入出力インターフェイス３００を介して
、リアルタイムで焼結プロセス計算機（以下、焼結プロ
コンと称す）１００に送られる。

この焼結プロコン１００は、焼結プロセス４００の情報
を編集してＡＩ計算機２００に与える。ＡＩ計算機２０
０は、「もし・・・ならば・・・である」といったルー
ルやフレームの記述を使用するＡＩ（人工知能）言語を
処理できる計算機である。

ＡＩ計算機２００の内部では、焼結プロコン１００から
定周期（例えば３０秒）で送られて来る焼結プロセス４
００の情報（リアルタイムプロセスデータ）を受信し、
それを時系列データ編集手段３９０で、アクションを決
定するために必要な判断データに編集する。

時系列データ変動判別手段２２０が、各種情報の時系列
の動向を、領域の検定（第４ｂ図のＡ）、最新データの
動きの検定（第４ｂ図の８）、信頼区間の検定（第４ｂ
図のＣ）、符号の検定（第４ｂ図のＤ）および平均値の
差の検定（第４ｂ図のＥ）等により判定する。総合判定
手段２３０が、検定結果を総合判定して焼結プロセスの
各種プロセスの動向を最終的に推定する。その結果を受
けてまず設備故障推論手段２６０が、総合判定手段２３
０が推定した動向から推定される設備故障を知識データ
ベースに基づいて判断する。ここで設備故障や異常が認
められた時は該当データを以下の品質・操業予測用デー
タから除外する。更に主要管理項目予測手段２４０が知
識データベースに基づいて焼結プロセスの、Ｆｅｄ、Ｒ
ＤＩ。

ＳＩ、＋２５．−５．η２等の現状の動向を推論しそし
て将来の動向を予測する。また一方、操業状態仮説推論
手段２５０が、知識データベースに基づいて、操業者が
定性的に判断している操業状態仮説である熱状況９通気
状況、均−焼成状況等の現状および将来の動向を推定す
る。更には、上述の主要管理項目予測手段２４０．操業
状態仮説推論手段２５０および設備故障推論手段２６０
の推定２判定結果を総合して、守りのアクション決定手
段２７０が、知識データベースに基づいてＮＯｘ換算値
、　ＳＯｘ　、煤煙などの環境管理項目に異常があると
きには環境に対するアクションを、また設備故障が推定
されるときには設備故障に対するアクションを、更に焼
結成品品質に基準外れがあり放置していても外れたまま
であると予測されるとき又は発生しそうなときは、焼結
品質を基準値内に戻すアクションを、決定する。また、
守りのアクション決定手段２７０が品質上も問題がなく
守りのアクション不要と判定したときは、攻めのアクシ
ョン決定手段２８０が、知識データベースに基づいて、
品質を確保しつつ製造コストを切下げる為のアクション
を決定する。

そして、守りのアクション決定手段２７０および攻めの
アクション決定手段２８０が決定したアクション項目お
よびアクション量について、自動制御する項目（例えば
貯鉱槽の切出し、ミキサーの配合水分２点火炉の点火強
度、風箱（ＷＢ）の風量、スタビライザの噴霧水量、二
次篩のダンパ開度等）については、焼結プロセスの各種
制御機器に対して制御量を設定し、また、自動制御の困
難な項目（例えば推定される設備異常の確認等）につい
てはそのアクション内容を操業者に対して、操業者との
インターフェイスである端末装置（ＣＲＴ＋キーボード
＋プリンタ）３９０に出力する。

第２ａ図に、上述の焼結プロセス４００に関連する設備
すなわち、鉄鉱石粉を貯留する貯鉱槽から高炉までの設
備レイアウトの概要を示し、第２ｂ図に、全設備の操業
に関連する計算機システムを示す。第１ａ図に示し上述
した焼結プロコン１００およびＡＩ計算機２００ならび
にそれらの入出力インターフェイス３００は、全設備の
操業に関連する計算機システムの一部をなしている。な
お、第１ａ図には、焼結プロコン１００およびＡＩ計算
機２００を、それらの機能を要素として表わす形で示し
た。これらは第１ｂ図に示すように、大略でデータベー
スメモリと処理プログラムで構成されている。

第２ａ図に示すように、貯鉱槽から切出した鉄鉱石粉を
焼結プロセスで焼結処理しそして高炉に供給するまでの
過程で６各所でかなり長い処理時間を要する。したがっ
て、焼結製品をサンプリングしてその品質を確認し、こ
れをフィードバックして鉄鉱石粉の切出しすなわち原料
成分の調整からコントロールすると、フィードバック時
間が極めて長いので、焼結製品の品質のばらつきが大き
くしかも品質誤差がある製品を大量に作ってしまうこと
になるので、設備の各所でリアルタイムでプロセス状態
を把握し、それらの影響をリアルタイムで推論して、予
見的（先行的）にプロセス操作量を制御することが必要
であり、ここに上述の焼結プロコン１００およびＡＩＩ
算機２００によるプロセス状態のリアルタイム情報収集
と現状動向推論ならびにそれに連続する将来の動向予測
と、これに対応したアクション決定に大きな意義がある
。以下。

更に詳細に本発明の実施例の焼結プロセス制御を説明す
る。

第２ｂ図で焼結プロコン１００には、中央バッチビジコ
ン、原料プロコン、焼結プロセス、高炉プロコンおよび
製銑試験プロコンから、品質目標情報、原料成分情報、
焼結プロセス情報、製品サンプリング情報等の情報が送
られる。焼結プロコン１００はこれらをＡＩ計計算機２
０久算機２００に送ると共に、所要のものはデータベースに
蓄積する。ＡＩＩ算機２００には、上述の各種情報に加
えて、操業者端末３９０から入力される情報も与えられ
る。

第３ａ図および第３ｂ図に、この実施例でＡＩＩ算機２
００に与えられる情報の例を示す。これらの図面におい
て、ＢＬ−０は原料供給ステージにおいてブレンデッド
オア中に含まれるカーボンの割合、ＥＳＣは電気集塵機
、ＭＳは平均粒度。

７１１、９１１は貯鉱槽Ｎｏ．、ＪＰＵは通気度、ＭＢ
は風箱、ＢＴＰは焼結完了点、ＦＦＳはフレームフロン
トスピード（焼結速度）、　２１，２５，２８，３０．
３１は風箱Ｎｏ．、ＥＰは電気集塵機、ＣＢはクーラブ
ロアである。なお、第３ａ図はメイン情報（主要判断情
報）であり、第３ｂ図はメイン情報で異常を判定したと
きに異常原因究明のために参照するサブ情報（各種機器
のセンサ情報）である。

ＡＩＩ算機２００はこれらのデータを受信すると。

まずメイン情報の動向を判定し動向が異常であるかをチ
エツクする．異常であると，サブ情報を参照して異常原
因（箇所＆異常内容）を判定する。

これらの動向判定および異常判定のために，第３ｃ図に
示す参照値情報がＡｉ計算機２００のデータベース２１
Ｏ（第１ｂ図）に格納されている。

また、各データの推論した動向の組合せより設備異常を
判定する．この設備異常の判定に用いる参照値は第３ｄ
図に示すものであり、これもデータベース２１０に格納
されている。設備原因異常が認められた時は該当アクシ
ョンを提示すると同時に品質・操業現状動向推定用デー
タから除外する。

なお、その後、焼結プロセスの現状動向の推論とそれに
基づく将来の動向の推定（後述）により焼結プロセス２
００各部のアクションを決定する。

ＡＩＩ算機２００の動向判定処理の内容を第４ａ図に示
す。

この処理の大要は，最新データによる短期的な変動判定
（領域変動判定１０，信頼区間変動判定３）及び直近８
点のデータによる長期的な変動判定を行ない、アクショ
ン導出に導びく。

まず「起動要因判定」ｌでは、情報が、Ｆｅ０（サンプ
ル結果判明）、ＲＤＩ（サンプル結果判明）。

塩基度（サンプル結果判明）および定周期（第３ａ図の
データグループ区分）のどれに属するものかの判定を行
ない、判定（属する群）に対応してフレームベース及び
ルール群の切替え（選択）を行なう。

そして、定周期群と判定したときには第４ａ図の左列の
処理を実行し、Ｆｅ０群又はＲＤＩ群と判定したときに
は第４ａ図の中間列の処理を、また、塩基度群と判定す
ると第４ａ図の右列の処理を実行する。

これらの処理の中の各項目の処理ルールの概要を第４ｂ
図に示す。なお、ＡＩＩ算機２００は、ここに示す処理
に関連する例えば１時間のサンプリング周期の焼結プロ
セス情報を時系列で８時間分持っている。

第５ａ図に、「領域の検定」Ａの処理の内容を示す。「
領域の検定」Ａでは，まず「■ありか？」で、最新デー
タが目標上，下限値を外れているかをチエツクする（■
：最新データが異常領域にある）。これにおいては、こ
の実施例では、目標値を中心に上側および下側にそれぞ
れ４領域を設けており、最新データがこれら８領域のい
ずれに属するかを判定して、第５Ｃ図に示すように、最
新データが上限値をオーバしているときと、下限値を下
廻わっているときに、異常と判定し「異常原因推測」に
進む。異常と判定しなかったら、次に。

第５ａ図の「■、■ありか？Ｊで、まず、「最新データ
の動きの検定ＪＢ　（第４ｂ図）で、直近の２点データ
（前回のサンプリングデータと最新データ）の属する領
域（８領域）の相関を判定して変動の有り（■：領域変
動あり）なしをチエツクする。この処理では、最新のデ
ータと前回のデータから第６ｂ図に示す判定結果を得る
。なお、第６ｂ図に示すＡ−Ｆは第６ａ図に示すデータ
領域を意味する。ついで５　「信頼区間の検定」Ｃで、
最新データとそれまでの７点のデータを含めた８点のデ
ータが信頼限界を越えている（■：信頼限界オーバ）か
否かをチエツクする。信頼限界値の算出処理を第７ｂ図
に示し、領域区分とデータの相関を第７ａ図に示す。

第５ａ図の「■、■ありか？」で上述の■と■の両者が
共に成立すると、「異常原因推測」に進む。

少くとも一方が成立しないと、第５ａ図の「■、■。

■ありか？」に進む。ここでは、まず「符号（方向性）
の検定ＪＤ（第４ｂ図）で、最新データと前回データの
符号（方向性：目標値に対して上側か下側か）によりデ
ータの動きがある（■：データが目標値を横切った）か
否かをチエツクし、更に、υｅｌｃｈの方法による平均
値の差が大きい（■：変動有り）か否かをチエツクする
。この■のチエツク内容を第８図に示す。そして、■、
■および■の３者が共に成立すると「異常原因推測」に
進む。

第１ａ図に示す＾１計算機２００の機能手段のそれぞれ
の内部軸機能を第１ｃ図に示し、これらの機能手段の処
理によるデータの流れを第９図示す。

上述のデータの動向検出は、第９図の「個々のデータの
■１次結果」と表記したブロックまでのフローである。

モして「異常原因推測」に進んだときには、ＡＩ計算機
２００の設備故障推論手段２６０で、第９図の「■設備
原因の有無チエツク」を実行して次の第１表に示す予測
結果および推定原因を得てこれを操業者端末３９０に出
力すると共に、これらにより設備原因異常が成立すると
、それを第９図の「■ガイダンス文の選択」および「■
表示条件の決定」を経て、異常報知を操業者端末３９０
に出力する。

「異常原因推測」に進んでも、設備原因異常が成立しな
かったとき、および、「異常原因推測」を実行しないと
き（メインデータの動向が明らかに正常、と判定したと
き）はそのまま、また設備原因異常が成立した時はその
データを除外して、第４ｂ図のＡ、Ｂ、Ｃ，Ｄ、Ｅの結
果より、各項目について短期、長期的な動向を判定し最
終的にはその組合せルール（時系列データ変動総合判定
手段２３０）により総合判定を行ない最終予測データを
生成し、次に第９図に示す「日常操業Ａｃ仁ｉｏｎ導出
プログラム」を実行する。この内容は第１０図に示すも
のであり、機能要素表現では、主要管理項目動向予測手
段２４０．操業状態仮説推論手段２５０．アクション決
定手段２７０および攻めのアクション決定手段２８０で
実行されるものである。

ＡＩ計算機２００は、主要管理項目予測手段２４０で、
最終予測データを、ルールに基づいた知識データベース
により処理して、　Ｆｅｄ、ＲＤＩ、ＳＩ、　＋　２５
．−５　。

η２等各巻報の動向を予測する。なお、この判断ルール
には、それぞれ−１〜１の値の確信度（ＨＧ）を持たせ
、知識データベースを用いてルール（プログラム）のメ
ンテナンスを簡易化すると同時にルールを変えなくても
ＨＧの変更により微調整が可能な構造としている。

ＡＩ計算＠　２００の操業状態仮説推論手段２５０は、
主要管理項目予測手段２４０と同様に、動向データより
、ルールを用いた知識ベースにより焼結操業状態仮説で
ある（通常操業者が定性的に判断している）熱状況２通
気状態、均−焼成状況の各動向を推論して、主要判断デ
ータと主要管理項目の関係を定性的にルール化する。こ
の判断ルールにはそれぞれ−１〜１の値の確信度（ＨＧ
）を持たせ、上述と同様に、知識ベースを用いてルール
（プログラム）のメンテナンスを簡易化すると同時に、
ルールを変えなくても、ＨＧの変更により微調整が可能
な構造としている。

ＡＩ計算機２００の守りのアクション決定手段２７０は
。

上記主要管理項目予測手段２４０．操業状態仮説推論手
段２５０および設備故障推論手段２６０が得た予測。

推論を総合判断して、守りのアクション即ちＮＯｘ換算
値、　ＳＯｘ　、媒鰹等の環境異常がある時は環境に対
するアクションを、設備異常が推定きれる時は設備異常
に対するアクションを、焼結品質に基準外れがある時又
は出そうな時には焼結品質に対するアクション等を、ル
ールを用いた知識ベースにより決定する。

これにおいては、第３ｄ図（第１０図の２７２）に示す
様に上、下限値データと各項目の動向予測を組合わせた
ルール（プログラム）を用いて、設備。

環境、操業に対するアクションケースＮｏ、を決定する
。具体的には、環境に対するアクションとしては、Ｒ−
ＮＯＸ　、　ＳＯｘ　、リンゲルマン、　ＥＰ　、　Ｅ
ＳＣに対するアクションがある。また操業的なアクショ
ンとしては、コークスの増減配、生石灰の増減配、破砕
蛇紋岩の増減配２層厚の調整５幅装入パターンの調整。

ＭＢダンパの調整、２次Ｃｒセツティング調整、２次篩
網のチエツク・取替等がある。

この推論結果例を第１２ａ図、第１２ｂ図および第１２
ｃ図に示す。

ＡＩ計算機２００の攻めのアクション決定手段２８０は
。

推論、ならびに主要判断情報の動向を総合判断して、守
りのアクションが実質上不要な時、すなわち環境にも設
備にも異常がなく焼結品質も目標基準値内で余裕がある
時に、攻めのアクションとして焼結品質を目標基準値内
に納めつつコスト切下げの為のアクションを、図にて示
すルールを用いた知識ベースにより決定する。コスト切
下げの為のアクションとしては、例えば粉コークスの減
配。

生石灰減配、破砕蛇紋岩比率の低減２層厚の増加。

線量減等がある。攻めのアクションを決定すると、次の
第２表に示す出力データを編集する。

上述の守りのアクションデータ（第１Ｏ図の２７１）又
は攻めのアクションデータ（第２表）を得ると、ＡＩ計
算機２００は、それらのデータを操業者端末３９０に出
力すると共に、自動制御パラメータデータは、設定制御
処理手段２９０で焼結プロセス４００の機器制御データ
に整理して入出力インターフェイス３００を介して焼結
プロセス４００に出力する。

〔発明の効果〕

以上のように、焼結プロセスに設置された各種センサや
サンプラ等から入力されるリアルタイムデータの変動傾
向を予測し、その予測結果の組合せから設備異常を判定
し異常がある時はデータを除外し焼結操業の主要な管理
項目及び定性的な操業仮説について熟練者の経験則等を
記述した知識ベースを用いて総合的に判定し、更にその
判定結果及び各種のデータより、これも知識ベースを用
いて総合判断して、焼結機プロセスに対するリアルタイ
ムの守りのアクション及び攻めのアクションを決定して
いる。

ここで、熟練操業者の定性的な経験則を記述した知識ベ
ースを用い設備異常診断や操業・品質予測機能を持たせ
る事により、従来の計算機による操業アクションガイド
システムよりも高度で総合的な判断をしていた操業者と
同等以上の判断を計算機処理により実現したと同時に、
操業者間にあった、レベルのばらつきの問題を解消し、
またそのプログラムステップが従来の手続型言語で構築
するよりはるかに少くなり、例えば操業的な判断基準の
レベルアップやセンサの種類、配置等の変更に対応した
プログラムの修正も極めて容易となった。

【図面の簡単な説明】

第１ａ図は、本発明の一実施例の、計算機機能を示すブ
ロック図である。第１ｂ図は、計算機内データベースと
処理プログラムの概要を示すブロック図である。第１Ｃ
図は、第１ａ図に示す機能ブロックの内部機能を示すブ
ロック図である。第２ａ図は、焼結プロセスとその前後の処理設備の相関
を概略で示すブロック図である。第２ｂ図は、第２ａ図に示す設備に付随する計算機シス
テムを示すブロック図である。第３ａ図および第３ｂ図は、第１ａ図に示すＡＩ計算機
２００が焼結プロセス４００等から得る情報項目を示す
平面図である。第３ｃ図は、ＡＩ計算機２００が焼結プロセス４００か
ら得る主要情報の領域判定のために参照するデータ項目
を示す平面図である。第３ｄ図は、ＡＩ計算機２００が主要情報の動向から設
備異常とそれに対応するアクションを１呂するために参
照するデータ項目を示す平面図である。第４ａ図は、第１ａ図に示すＡＩ計算機２００の情報処
理動作の概要を示すフローチャートである。第４ｂ図は
、第４ａ図に示す情報処理項目の処理思想を示すブロッ
ク図である。第５ａ図は、第４ｂ図の処理に基づいて主要情報の異常
を判定するサブルーチンの概要を示すフローチャートで
あり、第５ｂ図は主要情報とそれが属する領域との関係
を示す平面図、第５ｃ図は異常判定条件を示す平面図で
ある。第６ａ図は、第４ｂ図に示す最新データの動きの検定Ｂ
のときの主要情報とそれが属する領域との関係を示す平
面図であり、第６ｂ図は動きに対する判定結果の関係を
示す平面図である。第７ａ図は、第４ｂ図に示す信頼区間の検定Ｃのときの
主要情報とそれが属する領域との関係を示す平面図であ
り、第７ｂ図は、変動判定計算を示すブロック図である
。第８図は、第４ｂ図に示す平均値の差の検定Ｅの内容を
示すブロック図である。第９図は、ＡＩ計算機２００の第１Ｃ図および第４ａ図
に示す処理機能によって処理されるブタの流れと処理内
容の一部を示すブロック図である。第１０図は、第９図に示す日常操業Ａｃｔｉｏｎ導出プ
ログラムのブロックによって１呂されるデータの流れを
示すブロック図である。第１１図は、第１ｃ図に示す守りのアクション決定の中
のルール群、ルールおよびアクション内容を示すブロッ
ク図である。第１２ａ図、第］、　２　ｂ図および第１２ｃ図は、日
常操業Ａｃｊｉｏｎ導出プログラムの推論の結果例であ
る。１００：焼結プロコン２００　：　ＡＩ計算機（ＡＩ言語処理計算手段）３９
０：操業者端末　３００：入出力インターフェイス４０
０：焼結プロセス（焼結プロセス）第図声５Ｃ図甲艮Ｕ観甲ＦＱＩ限低〒閉子下ぢｊｉ第図く焼結ＡＩ推論経過表示画面〉第１２１）図く焼結ＡＩ推論結果＆間合せ画面〉１、事件の表示　平成　２年特許願第１０４８１２号２
０発明の名称　　　　焼結プロセス制御装置３、補正を
する者事件との関係住所名称

Claims

【特許請求の範囲】

焼結プロセスの各種の状態センサからリアルタイムで入
力されるプロセスデータ、焼結鉱の最新サンプルデータ
および操業者が入力するプロセス環境データについて、
統計的手法および知識ベース手段により各項目の現在の
状態および変動傾向を推論・予測し、各項目の変動の組
合せからセンサや設備の異常を判定し、異常が検出され
た時は対応する操作ガイドを提示すると同時に、該当す
る項目を操業や品質の状態を予測するデータから除外し
、残りの信頼できるデータを使用して、焼結プロセスの
熱状態、通気状態および均一焼成状態を含む操業状態と
その動向を推論すると同時に、焼結プロセスの焼成中材
料の酸化鉄、低温還元粉化指数および落下強度指数を含
む主要品質管理項目の状態と動向を推論し、以上より得
た結果に基づいて焼結プロセスを制御し操業者に操作ガ
イドを提示するＡＩ言語処理計算手段を備える焼結プロ
セス制御装置。