JPH0750492B2 - 品質診断知識修正方法 - Google Patents
品質診断知識修正方法Info
- Publication number
- JPH0750492B2 JPH0750492B2 JP307089A JP307089A JPH0750492B2 JP H0750492 B2 JPH0750492 B2 JP H0750492B2 JP 307089 A JP307089 A JP 307089A JP 307089 A JP307089 A JP 307089A JP H0750492 B2 JPH0750492 B2 JP H0750492B2
- Authority
- JP
- Japan
- Prior art keywords
- quality
- value
- data
- operation data
- deduction
- 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.)
- Expired - Fee Related
Links
- 238000003745 diagnosis Methods 0.000 title claims description 25
- 238000000034 method Methods 0.000 title claims description 16
- 238000012937 correction Methods 0.000 title claims description 9
- 230000006866 deterioration Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims 1
- 244000309464 bull Species 0.000 claims 1
- 239000011248 coating agent Substances 0.000 description 12
- 238000000576 coating method Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 6
- 150000002978 peroxides Chemical class 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000005261 decarburization Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 229910001224 Grain-oriented electrical steel Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 239000007888 film coating Substances 0.000 description 1
- 238000009501 film coating Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005502 peroxidation Methods 0.000 description 1
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)
- Devices For Executing Special Programs (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、鉄鋼プロセスなどの製造プロセスにおける品
質診断に用いる知識修正方法に関する。品質診断は現在
の操業状況から品質特性の予測・評価を迅速に行ない、
またその対応をとることにより品質特性不良の発生防止
に寄与する。その処理に利用される知識ベースの保守を
容易にし、品質診断の永続的な使用を可能にする。
質診断に用いる知識修正方法に関する。品質診断は現在
の操業状況から品質特性の予測・評価を迅速に行ない、
またその対応をとることにより品質特性不良の発生防止
に寄与する。その処理に利用される知識ベースの保守を
容易にし、品質診断の永続的な使用を可能にする。
［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る品質診
断は、品質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、品質特性が定量的に
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
は断片的な経験則により品質診断システムが開発されて
いる。
断は、品質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、品質特性が定量的に
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
は断片的な経験則により品質診断システムが開発されて
いる。
［発明が解決しようとする課題］ しかしながら、この新しいタイプの品質診断システムに
用いられる品質予測・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シに用い
られる知識ベースは、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困難
なことも多く、きめ細かな保守ができないという不都合
がある。
用いられる品質予測・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シに用い
られる知識ベースは、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困難
なことも多く、きめ細かな保守ができないという不都合
がある。
本発明は、製造プロセスの専問家の経験則による品質診
断に用いる知識ベースを一般技術者や操業技術者やであ
っても修正できる知識修正方法を提供するものであり、
ひとつの定型的な品質診断方法のもとでの知識修正方法
を提供することを目的とする。
断に用いる知識ベースを一般技術者や操業技術者やであ
っても修正できる知識修正方法を提供するものであり、
ひとつの定型的な品質診断方法のもとでの知識修正方法
を提供することを目的とする。
［課題を解決するための手段］ 本発明の品質診断知識調整方法は、製造プロセスにおけ
る品質予測に使用する複数個の操業実績データをその狙
い値からのずれでランク分けすることと、診断する複数
個の品質特性項目ごとに操業データの狙い値からのずれ
に起因する品質特性の減点値を操業データのランク値と
減点値との関係を用いて求めることと、品質特性項目ご
とに各減点値を合計してその満点値から減算することに
より評価値を求めること、および操業データ項目ごとに
各減点の合計値を求めさらに高い順に並べかえることに
より、各品質特性項目の評点表示と操業データの操作指
示を重要度の順に行なう品質診断において、操業データ
のランク分けのデータと品質特性項目ごとの評点悪化度
とその悪化パターンを各操業データのランク区間と重み
で表現したデータからなる知識テーブルと称するデータ
ファイルをエディタで修正することと、その知識テーブ
ルから先に述べた品質診断処理を行なう知識ベースを自
動生成することから構成される。
る品質予測に使用する複数個の操業実績データをその狙
い値からのずれでランク分けすることと、診断する複数
個の品質特性項目ごとに操業データの狙い値からのずれ
に起因する品質特性の減点値を操業データのランク値と
減点値との関係を用いて求めることと、品質特性項目ご
とに各減点値を合計してその満点値から減算することに
より評価値を求めること、および操業データ項目ごとに
各減点の合計値を求めさらに高い順に並べかえることに
より、各品質特性項目の評点表示と操業データの操作指
示を重要度の順に行なう品質診断において、操業データ
のランク分けのデータと品質特性項目ごとの評点悪化度
とその悪化パターンを各操業データのランク区間と重み
で表現したデータからなる知識テーブルと称するデータ
ファイルをエディタで修正することと、その知識テーブ
ルから先に述べた品質診断処理を行なう知識ベースを自
動生成することから構成される。
［作用］ 一般技術者や操業技術者が知識テーブルの操業データの
ラング分けのデータと品質特性項目ごとの評点悪化度と
その悪化パターンを各操業データのランク区間と重みで
表現したデータをエディタで修正するその後は次の品質
診断処理を行なう知識ベースが自動的に生成される。
ラング分けのデータと品質特性項目ごとの評点悪化度と
その悪化パターンを各操業データのランク区間と重みで
表現したデータをエディタで修正するその後は次の品質
診断処理を行なう知識ベースが自動的に生成される。
品質予測に使用する複数個の操業実績データがその狙い
値からのずれでランク分けされ、知識ベースで表現され
たランク値と減点値の関係から品質特性項目ごとに各操
業データの減点値が求められ、それらの合計と満点値か
らの減算でその品質特性の評価値が求められ出力され
る。また操業データ項目ごとに各減点値の合計を求めそ
の高い順に操業データの操作指示が出力される。
値からのずれでランク分けされ、知識ベースで表現され
たランク値と減点値の関係から品質特性項目ごとに各操
業データの減点値が求められ、それらの合計と満点値か
らの減算でその品質特性の評価値が求められ出力され
る。また操業データ項目ごとに各減点値の合計を求めそ
の高い順に操業データの操作指示が出力される。
［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。
る。
実施例では、方向性電磁鋼板の被膜特性に関する品質診
断の知識修正について説明する。被膜の品質診断は、脱
炭ラインの操業実績データを基に専問家の経験則によっ
て行なわれ、その被膜の実績は、約10日後に得られる。
そのため、その間の被膜不良発生が、この品質診断によ
って防止される。
断の知識修正について説明する。被膜の品質診断は、脱
炭ラインの操業実績データを基に専問家の経験則によっ
て行なわれ、その被膜の実績は、約10日後に得られる。
そのため、その間の被膜不良発生が、この品質診断によ
って防止される。
第１図は、本発明の知識修正方法で調整された知識ベー
スを用いた被膜診断システムの構成を示す。操業実績デ
ータを入力してこの知識ベースを基に推論エンジンで品
質を評価する。評価値等は、品質診断結果の表示として
分かりやすく出力される。
スを用いた被膜診断システムの構成を示す。操業実績デ
ータを入力してこの知識ベースを基に推論エンジンで品
質を評価する。評価値等は、品質診断結果の表示として
分かりやすく出力される。
第２図に、この被膜品質診断方法の全体流れ図を示す。
第２図のステップ１では、脱炭ラインの操業実績データ
をその狙い値からのずれでランク分けする。このランク
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１では、脱炭ラインの操業実績データ
をその狙い値からのずれでランク分けする。このランク
分けの各範囲は、鋼種規格ごとに与えられる。
第３図に、被膜予測用の知識をランク分けするための各
ランクの範囲を一例として示す。この例では、10種類の
操業実績データが、狙い値からのずれによって、最大７
ランクまでに層別される。
ランクの範囲を一例として示す。この例では、10種類の
操業実績データが、狙い値からのずれによって、最大７
ランクまでに層別される。
第２図のステップ２では、診断する被膜品質特性項目ご
とに減点値を計算する。この計算手法の詳細について、
次に第３図を参照しながら説明する。
とに減点値を計算する。この計算手法の詳細について、
次に第３図を参照しながら説明する。
簡単に言えば、被膜品質特性として、過酸化疵，酸化不
足，脱炭異常等を評価する。第３図は、過酸化疵Ａにつ
いての評点予測知識を示しており、この品質不良の発生
する操業パターンを太線で示している。この品質特性は
80点満点で評価され最も大きいずれパターンを示すとき
には40点という予測評点となる。
足，脱炭異常等を評価する。第３図は、過酸化疵Ａにつ
いての評点予測知識を示しており、この品質不良の発生
する操業パターンを太線で示している。この品質特性は
80点満点で評価され最も大きいずれパターンを示すとき
には40点という予測評点となる。
また、各操業データの不良化寄与率を70％,5％,10％・
・・と与えている。
・・と与えている。
この知識を用いて、各操業データの狙い値からのずれ
（ランク値）が品質特性の評点にどのくらい減点になっ
ているかを求めることができる。例えば、操業実績デー
タのNo.2の実績がランク６であれば、この部分の狙い値
のずれに起因する評価値の減点値は、 （80−40）×70/100 の計算結果として28点と計算される。ランク６よりも小
さいずれについては、０〜1.0までの乗算係数が、指定
された関数で計算され、その値が減点値に乗算される。
乗算係数は、実際の現象に対応して、第７図に示す複数
の関数の中から選択される。
（ランク値）が品質特性の評点にどのくらい減点になっ
ているかを求めることができる。例えば、操業実績デー
タのNo.2の実績がランク６であれば、この部分の狙い値
のずれに起因する評価値の減点値は、 （80−40）×70/100 の計算結果として28点と計算される。ランク６よりも小
さいずれについては、０〜1.0までの乗算係数が、指定
された関数で計算され、その値が減点値に乗算される。
乗算係数は、実際の現象に対応して、第７図に示す複数
の関数の中から選択される。
従って、先の例でランクが５の時に、第７図の第４番の
関数を選択すると、28点×log43の計算結果として、22.
2が減点値となる。このようにして、１つの被膜品質特
性に対する操業実績データの狙い値からのずれに起因す
る減点値が求められる。
関数を選択すると、28点×log43の計算結果として、22.
2が減点値となる。このようにして、１つの被膜品質特
性に対する操業実績データの狙い値からのずれに起因す
る減点値が求められる。
他の被膜品質特性についても、同様の予測知識により求
められる。
められる。
再び第２図を参照すると、ステップ３では、被膜品質特
性項目ごとに操業実績データの減点値を合計計算し、そ
れぞれの満点値からその合計値を減算する。また、次の
ステップ４では、操業データ項目ごとに、各被膜品質特
性項目に対する減点値を計算する。
性項目ごとに操業実績データの減点値を合計計算し、そ
れぞれの満点値からその合計値を減算する。また、次の
ステップ４では、操業データ項目ごとに、各被膜品質特
性項目に対する減点値を計算する。
ステップ３及び４で行なう計算の一例を第４図に示す。
第４図において、縦方向は被膜品質特性項目を表わし、
横方向は操業データ項目を示す。中央部の各数値は、各
項目の減点値を示し、各被膜品質特性項目に対する操業
実績データの減点値の合計が右端に示され、操業データ
項目ごとの減点値の合計が下端に示されている。この値
が大きいものほど、品質特性を改善するために重要であ
るので、操業データの操作指示の際は、この大きい操業
データ項目から列挙している。
第４図において、縦方向は被膜品質特性項目を表わし、
横方向は操業データ項目を示す。中央部の各数値は、各
項目の減点値を示し、各被膜品質特性項目に対する操業
実績データの減点値の合計が右端に示され、操業データ
項目ごとの減点値の合計が下端に示されている。この値
が大きいものほど、品質特性を改善するために重要であ
るので、操業データの操作指示の際は、この大きい操業
データ項目から列挙している。
第５図に示すのは、第３図の被膜予測用知識をデータフ
ァイルとして表現した知識テーブルと称するものであ
る。このテーブルの最初に、操業データのランク分けの
データが表現されている。
ァイルとして表現した知識テーブルと称するものであ
る。このテーブルの最初に、操業データのランク分けの
データが表現されている。
dp1は操業データ項目、５はランク分けの数、その後は
ランク分けの範囲を示している。＊は、以上又は以下を
表わす。その他の操業データについても同様に表現す
る。
ランク分けの範囲を示している。＊は、以上又は以下を
表わす。その他の操業データについても同様に表現す
る。
その次に、品質特性項目の一覧を表現する。即ち、過酸
化A,過酸化B,酸化不良Ａなどである。
化A,過酸化B,酸化不良Ａなどである。
続いて、各品質特性項目ごとに評点悪化度とその悪化パ
ターンを表現する。過酸化Ａの例では、評点は80点から
40点まで悪化することを示している。dp2の“1,3,6,5,
6,70.0"のうち１はパターン数、３は乗算係数関数式
番、６はランク数、次の５と６は悪化パターンのランク
区間、70.0は重み（不良化寄与率）を示す。
ターンを表現する。過酸化Ａの例では、評点は80点から
40点まで悪化することを示している。dp2の“1,3,6,5,
6,70.0"のうち１はパターン数、３は乗算係数関数式
番、６はランク数、次の５と６は悪化パターンのランク
区間、70.0は重み（不良化寄与率）を示す。
この知識テーブルは、操業技術者や一般技術者によって
エディタで修正される。
エディタで修正される。
この知識テーブルを入力データとして知識ベース生成プ
ログラムにより第６図に示す知識ベースが生成される。
IF−THEN方式で、各々の条件判定を行なって操業実績デ
ータのランク分け、各品質特性項目における減点計算、
減点合計計算、各操業データの減点合計計算の各ルール
が生成される。
ログラムにより第６図に示す知識ベースが生成される。
IF−THEN方式で、各々の条件判定を行なって操業実績デ
ータのランク分け、各品質特性項目における減点計算、
減点合計計算、各操業データの減点合計計算の各ルール
が生成される。
［発明の効果］ 以上説明したように、本発明によって製造プロセスのひ
とつの定型的な品質診断の知識ベースの修正が操業技術
者や一般技術者自身によって可能となり、この品質診断
システムのきめ細かな保守が容易となる。
とつの定型的な品質診断の知識ベースの修正が操業技術
者や一般技術者自身によって可能となり、この品質診断
システムのきめ細かな保守が容易となる。
第１図は、本発明を実施するシステムの構成を示すブロ
ック図である。 第２図は、実施例の被膜品質診断方法の全体流れ図であ
る。 第３図は、実施例の被膜予測用知識を示すマップであ
る。 第４図は、実施例の減点予測値と合計値を示すマップで
ある。 第５図及び第６図は、それぞれ実施例の修正用知識テー
ブル及び生成された知識ベースを示すマップである。 第７図は、実施例における乗算係数の計算式の割当てを
示すマップである。
ック図である。 第２図は、実施例の被膜品質診断方法の全体流れ図であ
る。 第３図は、実施例の被膜予測用知識を示すマップであ
る。 第４図は、実施例の減点予測値と合計値を示すマップで
ある。 第５図及び第６図は、それぞれ実施例の修正用知識テー
ブル及び生成された知識ベースを示すマップである。 第７図は、実施例における乗算係数の計算式の割当てを
示すマップである。
Claims (1)
- 【請求項１】製造プロセスにおいて、品質予測に使用す
る複数個の操業実績データをその狙い値からのずれでラ
ンク分けすることと、診断する複数個の品質特性項目ご
とに操業データの狙い値からのずれに起因する品質特性
の減点値を操業データのランク値と減点値との関係を用
いて求めることと、品質特性項目ごとに各減点値を合計
してその満点値から減算することによりその評価値を求
めること、および操業データ項目ごとに各減点の合計値
を求めさらに高い順に並べかえることにより、各品質特
性項目の評点表示と操業データの操作指示を重要度の順
に行なう品質診断において、操業データのランク分けの
データと品質特性項目ごとの評点悪化度とその悪化パタ
ーンを各操業データのランク区間と重みで表現したデー
タからなる知識テーブルと称するデータファイルをエデ
ィタで修正することと、その知識テーブルから上記品質
診断処理を行なう知識ベースを自動生成することを特徴
とする品質診断知識修正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP307089A JPH0750492B2 (ja) | 1989-01-10 | 1989-01-10 | 品質診断知識修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP307089A JPH0750492B2 (ja) | 1989-01-10 | 1989-01-10 | 品質診断知識修正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02183335A JPH02183335A (ja) | 1990-07-17 |
| JPH0750492B2 true JPH0750492B2 (ja) | 1995-05-31 |
Family
ID=11547075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP307089A Expired - Fee Related JPH0750492B2 (ja) | 1989-01-10 | 1989-01-10 | 品質診断知識修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0750492B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2767320B2 (ja) * | 1990-11-30 | 1998-06-18 | ファナック株式会社 | 射出成形機の成形条件出し方法 |
| JP3053252B2 (ja) * | 1991-05-31 | 2000-06-19 | 新日本製鐵株式会社 | 鋼板品質設計装置 |
| JP3262564B2 (ja) * | 1991-05-31 | 2002-03-04 | 新日本製鐵株式会社 | 鋼板品質設計装置 |
| CN114865794B (zh) * | 2022-06-01 | 2023-04-07 | 南京瑞普思科技有限公司 | 智能变电站配置文件可视化分析系统 |
-
1989
- 1989-01-10 JP JP307089A patent/JPH0750492B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH02183335A (ja) | 1990-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301570A (zh) | 业务量预测方法、异常业务量检测方法、装置和电子设备 | |
| CN100551223C (zh) | 主要原因推断装置、主要原因推断方法以及记录介质 | |
| CN109783873B (zh) | 轴温异常状态的预测方法和装置 | |
| 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 | |
| JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
| JPH0750492B2 (ja) | 品質診断知識修正方法 | |
| JPH0750491B2 (ja) | 品質診断知識調整方法 | |
| Ross et al. | Dynamic performance evaluation of a computer controlled electric power system | |
| JP2924243B2 (ja) | 回転機械の損傷・劣化の寿命予測方法 | |
| JP2535070B2 (ja) | 品質診断知識学習方法 | |
| JPH0743702B2 (ja) | 品質診断方法 | |
| CN114925862A (zh) | 一种航空发动机修理时间预测方法及装置 | |
| JPH0575968B2 (ja) | ||
| DE19860333A1 (de) | Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen | |
| JPH06241956A (ja) | プラントリスク分析システム | |
| JPH0876992A (ja) | ソフトウェア品質評価管理装置及びその方法 | |
| CN109657285A (zh) | 汽轮机转子瞬态应力的检测方法 | |
| JP3085365B2 (ja) | 工程手順自動調整方法、工程手順自動調整システムおよび工程手順自動調整プログラムを記録した記録媒体 | |
| JPH0575969B2 (ja) | ||
| Verma et al. | Fuzzy logic based revised defect rating for software lifecycle performance prediction using GMR | |
| CN114741110A (zh) | DevOps模型的持续集成能力评估方法、装置及设备 | |
| JPH06259103A (ja) | 適応制御方法、適応制御装置 | |
| Simpson et al. | Fuzzy neural network machine prognosis | |
| CN116957152A (zh) | 一种燃气负荷预测方法、装置、设备及介质 | |
| CN117273709A (zh) | 设备运维及故障监测在线评估系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |