JPH08132108A - 圧延条件推定モデルによる圧延条件の推定方法 - Google Patents
圧延条件推定モデルによる圧延条件の推定方法Info
- Publication number
- JPH08132108A JPH08132108A JP6271418A JP27141894A JPH08132108A JP H08132108 A JPH08132108 A JP H08132108A JP 6271418 A JP6271418 A JP 6271418A JP 27141894 A JP27141894 A JP 27141894A JP H08132108 A JPH08132108 A JP H08132108A
- Authority
- JP
- Japan
- Prior art keywords
- condition
- rolling
- cell
- operating condition
- estimating
- 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.)
- Granted
Links
Landscapes
- Feedback Control In General (AREA)
- Control Of Metal Rolling (AREA)
Abstract
(57)【要約】
【目的】 圧延条件推定モデルによる圧延条件の推定方
法を提供する。 【構成】 各操業条件の区間分割を定めて操業条件空間
を構成し、圧延条件実績データを操業条件空間に仕分け
し、操業条件空間の中にあるセルを推定精度を保ちつつ
合併し、各セル毎に圧延条件実績データの平均値および
操業条件影響モデルを算出することにより圧延条件の推
定モデルを作成し、該推定モデルを用いて圧延条件を推
定する際に、最初に推定すべきデータが該当する操業条
件セルを決定し、前記の操業条件セルが有実績セルか否
かを判定し、有実績セルであれば前記の操業条件セルの
圧延条件実績平均値を圧延条件の推定値とし、有実績セ
ルでなければ最近接の有実績セルを複数選択し選択した
有実績セルの圧延条件実績値の平均値を該当セルからの
距離による重みづけをして平均したものを圧延条件の推
定値とすることにより、精度の高い圧延条件の推定を可
能とする。
法を提供する。 【構成】 各操業条件の区間分割を定めて操業条件空間
を構成し、圧延条件実績データを操業条件空間に仕分け
し、操業条件空間の中にあるセルを推定精度を保ちつつ
合併し、各セル毎に圧延条件実績データの平均値および
操業条件影響モデルを算出することにより圧延条件の推
定モデルを作成し、該推定モデルを用いて圧延条件を推
定する際に、最初に推定すべきデータが該当する操業条
件セルを決定し、前記の操業条件セルが有実績セルか否
かを判定し、有実績セルであれば前記の操業条件セルの
圧延条件実績平均値を圧延条件の推定値とし、有実績セ
ルでなければ最近接の有実績セルを複数選択し選択した
有実績セルの圧延条件実績値の平均値を該当セルからの
距離による重みづけをして平均したものを圧延条件の推
定値とすることにより、精度の高い圧延条件の推定を可
能とする。
Description
【０００１】
【産業上の利用分野】本発明は圧延条件推定モデルによ
る圧延条件の推定方法に係り、特に圧延工程において予
め圧延条件の推定を行う場合に好適なデータの推定方法
に関する。
る圧延条件の推定方法に係り、特に圧延工程において予
め圧延条件の推定を行う場合に好適なデータの推定方法
に関する。
【０００２】
【従来の技術】圧延工程でのたとえば板厚の設定計算を
行う場合において、圧延材の化学成分や板形状などの材
料条件、圧延機仕様などのプロセス条件等を用いて変形
抵抗や圧延荷重等の圧延条件を予測する場合に、既知の
要因データから目的の変数の値を予測する道具として、
よく知られた重回帰モデル（奥野他「多変量解析法」、
日科技連、p.25〜152 参照）を用いるのが通例であっ
た。
行う場合において、圧延材の化学成分や板形状などの材
料条件、圧延機仕様などのプロセス条件等を用いて変形
抵抗や圧延荷重等の圧延条件を予測する場合に、既知の
要因データから目的の変数の値を予測する道具として、
よく知られた重回帰モデル（奥野他「多変量解析法」、
日科技連、p.25〜152 参照）を用いるのが通例であっ
た。
【０００３】しかし、この重回帰モデルは、パラメータ
線形が基本であるために非線形性を有する対象に適用し
た場合の誤差が大きく、また式の各項の形やデータの選
択に入念な調整が必要であるためにモデル開発運用のコ
ストが大きい、等の不利な点がある。また圧延条件の非
線形性に対処するために、鋼種や規格寸法などでまずデ
ータを区分し、各区分ごとにそれぞれ異なるモデルを割
り当てる方法が使われるが、区分境界での推定値の不連
続性、区分内のデータ数不足のために推定精度が低下す
るなどの欠点がある。なお、区分間での補間を施した例
（たとえば特公平５−55203 号公報参照）もあるが、区
分に用いる変数の単調性を前提とした線形近似であるた
め、非単調変数を区分に用いた場合の有効性に疑問があ
る。
線形が基本であるために非線形性を有する対象に適用し
た場合の誤差が大きく、また式の各項の形やデータの選
択に入念な調整が必要であるためにモデル開発運用のコ
ストが大きい、等の不利な点がある。また圧延条件の非
線形性に対処するために、鋼種や規格寸法などでまずデ
ータを区分し、各区分ごとにそれぞれ異なるモデルを割
り当てる方法が使われるが、区分境界での推定値の不連
続性、区分内のデータ数不足のために推定精度が低下す
るなどの欠点がある。なお、区分間での補間を施した例
（たとえば特公平５−55203 号公報参照）もあるが、区
分に用いる変数の単調性を前提とした線形近似であるた
め、非単調変数を区分に用いた場合の有効性に疑問があ
る。
【０００４】また、圧延条件の推定値とこれに対して得
られた実績値との差を基にモデルの推定精度を改善する
方法として、新データを加えた再回帰もしくは逐次回帰
により該当区分の回帰モデル式の係数を更新することと
した例（前出特公平５−55203 号公報参照）があるが、
回帰式自体を更新するための安定性に疑問があり、また
区分境界が固定であるので適応能力に限界がある、とい
う問題がある。
られた実績値との差を基にモデルの推定精度を改善する
方法として、新データを加えた再回帰もしくは逐次回帰
により該当区分の回帰モデル式の係数を更新することと
した例（前出特公平５−55203 号公報参照）があるが、
回帰式自体を更新するための安定性に疑問があり、また
区分境界が固定であるので適応能力に限界がある、とい
う問題がある。
【０００５】また、推定モデルとして重回帰などのモデ
ルを用いる場合は、そのモデルの線形性のゆえに以下に
示す欠点がある。 非線形な現象に対しては大きな誤差を生じる部分が発
生すること。 推定精度を上げるために説明変数の個数を増すと、最
小２乗誤差の基準で機械的に処理する結果、得られたパ
ラメータの大きさ、符号が物理的知見と矛盾する結果に
陥る場合が多いこと。 工程条件の変動などに適応するために、実工程の実績
データを逐次累積的に取り込んでモデルを改善しようと
すると、領域によってデータを加える前よりも推定精度
が悪くなる場合があること。
ルを用いる場合は、そのモデルの線形性のゆえに以下に
示す欠点がある。 非線形な現象に対しては大きな誤差を生じる部分が発
生すること。 推定精度を上げるために説明変数の個数を増すと、最
小２乗誤差の基準で機械的に処理する結果、得られたパ
ラメータの大きさ、符号が物理的知見と矛盾する結果に
陥る場合が多いこと。 工程条件の変動などに適応するために、実工程の実績
データを逐次累積的に取り込んでモデルを改善しようと
すると、領域によってデータを加える前よりも推定精度
が悪くなる場合があること。
【０００６】なお、線形重回帰モデルを非線形化した非
線形重回帰モデルとして用いる場合もある。この非線形
重回帰モデルは、モデル記述能力向上により推定精度で
は線形重回帰モデルよりも良くなるが、その他の点では
線形重回帰モデルと同様の欠点を持ち、かつパラメータ
決定に収束が保証されない手順を使うため一般に多くの
計算時間を要すること、結果が大域最適である保証がな
く、また個々の結果に対する最適性の検証も困難であ
る、などの欠点を有する。
線形重回帰モデルとして用いる場合もある。この非線形
重回帰モデルは、モデル記述能力向上により推定精度で
は線形重回帰モデルよりも良くなるが、その他の点では
線形重回帰モデルと同様の欠点を持ち、かつパラメータ
決定に収束が保証されない手順を使うため一般に多くの
計算時間を要すること、結果が大域最適である保証がな
く、また個々の結果に対する最適性の検証も困難であ
る、などの欠点を有する。
【０００７】ところで、ニューラルネットワークと称す
る手法は物理的構造をもって組み込む必要がなく、逐次
的にデータを処理していくことで自律的にモデルが進化
する特徴を持つので、判別結果を動的に学習する文字認
識システムなどに使われている。しかし、逐次的にデー
タを取り込む過程で推定精度が領域によって許容範囲を
超えて変動するなど、ブラックボックスモデルに共通す
る難点があり、また非線形重回帰モデルとほぼ同様の欠
点があてはまる。
る手法は物理的構造をもって組み込む必要がなく、逐次
的にデータを処理していくことで自律的にモデルが進化
する特徴を持つので、判別結果を動的に学習する文字認
識システムなどに使われている。しかし、逐次的にデー
タを取り込む過程で推定精度が領域によって許容範囲を
超えて変動するなど、ブラックボックスモデルに共通す
る難点があり、また非線形重回帰モデルとほぼ同様の欠
点があてはまる。
【０００８】
【発明が解決しようとする課題】上記したように従来の
圧延条件の設定法では、その非線形性ゆえに精度を確保
しようとして区分細分化と回帰モデルの組み合わせによ
る解決を求める結果、各区分のメンテナンス負荷が増大
し、また少データ区分の精度を確保するのが困難であ
り、あるいは回帰モデルの制約に起因する推定精度の改
善が困難であるなどの問題があった。
圧延条件の設定法では、その非線形性ゆえに精度を確保
しようとして区分細分化と回帰モデルの組み合わせによ
る解決を求める結果、各区分のメンテナンス負荷が増大
し、また少データ区分の精度を確保するのが困難であ
り、あるいは回帰モデルの制約に起因する推定精度の改
善が困難であるなどの問題があった。
【０００９】本発明は、上記のような従来技術の有する
課題を解決するものであって、圧延条件の推定を高精度
化しかつ操業条件の拡大追従する機能を組み込むことに
より作業の省力化・コスト削減を実現し得る適応的な圧
延条件推定モデルによる圧延条件の推定手法を提供する
ことを目的とする。
課題を解決するものであって、圧延条件の推定を高精度
化しかつ操業条件の拡大追従する機能を組み込むことに
より作業の省力化・コスト削減を実現し得る適応的な圧
延条件推定モデルによる圧延条件の推定手法を提供する
ことを目的とする。
【００１０】
【課題を解決するための手段】本発明の要旨とするとこ
ろは、図１に示すように、各操業条件の区間分割を定め
て操業条件空間を構成する工程と、圧延条件実績データ
を操業条件空間に仕分けする工程と、操業条件空間の中
にあるセルを推定精度を保ちつつ合併する工程と、各セ
ル毎に圧延条件実績データの平均値および操業条件影響
モデルを算出することにより圧延条件の推定モデルを作
成する工程と、該推定モデルを用いて圧延条件を推定す
る際に、最初に推定すべきデータが該当する操業条件セ
ルを決定する工程と、前記の操業条件セルが有実績セル
か否かを判定し、有実績セルであれば前記の操業条件セ
ルの圧延条件実績平均値を圧延条件の推定値とし、有実
績セルでなければ最近接の有実績セルを複数選択する工
程と、選択した有実績セルの圧延条件実績値の平均値を
該当セルからの距離による重みづけをして平均したもの
を圧延条件の推定値とする工程と、からなることを特徴
とする圧延条件推定モデルによる圧延条件の推定方法で
ある。
ろは、図１に示すように、各操業条件の区間分割を定め
て操業条件空間を構成する工程と、圧延条件実績データ
を操業条件空間に仕分けする工程と、操業条件空間の中
にあるセルを推定精度を保ちつつ合併する工程と、各セ
ル毎に圧延条件実績データの平均値および操業条件影響
モデルを算出することにより圧延条件の推定モデルを作
成する工程と、該推定モデルを用いて圧延条件を推定す
る際に、最初に推定すべきデータが該当する操業条件セ
ルを決定する工程と、前記の操業条件セルが有実績セル
か否かを判定し、有実績セルであれば前記の操業条件セ
ルの圧延条件実績平均値を圧延条件の推定値とし、有実
績セルでなければ最近接の有実績セルを複数選択する工
程と、選択した有実績セルの圧延条件実績値の平均値を
該当セルからの距離による重みづけをして平均したもの
を圧延条件の推定値とする工程と、からなることを特徴
とする圧延条件推定モデルによる圧延条件の推定方法で
ある。
【００１１】
【作 用】以下に、本発明の作用について説明する。ま
ず、表１に例示するような圧延条件の実績データｘ1 ，
…ｘ6 と対応つけられた２つの操業条件１，２の変数の
実績値の組み合わせデータの集合の各要素を、各操業条
件変数毎にその定義範囲を１つ以上の区間に分割し、ま
た離散型の変数についてはその取り得る値で分割するこ
とにより得られる図２に示す多次元説明変数空間におい
てデータ要素が属する要素空間（以下、セルという）に
仕分けする。
ず、表１に例示するような圧延条件の実績データｘ1 ，
…ｘ6 と対応つけられた２つの操業条件１，２の変数の
実績値の組み合わせデータの集合の各要素を、各操業条
件変数毎にその定義範囲を１つ以上の区間に分割し、ま
た離散型の変数についてはその取り得る値で分割するこ
とにより得られる図２に示す多次元説明変数空間におい
てデータ要素が属する要素空間（以下、セルという）に
仕分けする。
【００１２】
【表１】
【００１３】その後、図３に示すように、各セルにおけ
る目的変数の平均値（たとえば図３の（ｘ4 ＋ｘ5 ）／
２の式）および操業条件影響モデルＣ1 ，Ｃ2 を算出し
ておき、多次元説明変数空間内のある特定の１点（たと
えばｘ1 のセル）に対応する目的変数の推定値として、
該説明変数空間点を含むものとして定まる唯一のセルが
有する目的変数の実績値の平均値とこれに操業条件影響
モデルから得られるセル内補正値を加えた値をもって推
定値とする。
る目的変数の平均値（たとえば図３の（ｘ4 ＋ｘ5 ）／
２の式）および操業条件影響モデルＣ1 ，Ｃ2 を算出し
ておき、多次元説明変数空間内のある特定の１点（たと
えばｘ1 のセル）に対応する目的変数の推定値として、
該説明変数空間点を含むものとして定まる唯一のセルが
有する目的変数の実績値の平均値とこれに操業条件影響
モデルから得られるセル内補正値を加えた値をもって推
定値とする。
【００１４】このようにすることにより、非線形性が強
い圧延条件のような対象についても高い適合度を実現す
ることができ、また数式モデルをあらかじめ構成してお
く必要がないので開発およびメンテナンス負荷が軽減さ
れる。なお、データの仕分方法は、各操業条件変数毎に
区間集合を定めて、ある１つのデータ実績についてその
各操業条件実績を区間集合の各しきい値と大小比較する
ことにより、各操業条件変数の区間集合のそれぞれ何番
目に属するかの位置を決定し、これら位置の組み合わせ
をその１つのデータ実績の識別名としてデータ実績に付
与して、同じ識別名のデータ実績の集まりを１つのセル
に属するものとすることにより仕分けする。
い圧延条件のような対象についても高い適合度を実現す
ることができ、また数式モデルをあらかじめ構成してお
く必要がないので開発およびメンテナンス負荷が軽減さ
れる。なお、データの仕分方法は、各操業条件変数毎に
区間集合を定めて、ある１つのデータ実績についてその
各操業条件実績を区間集合の各しきい値と大小比較する
ことにより、各操業条件変数の区間集合のそれぞれ何番
目に属するかの位置を決定し、これら位置の組み合わせ
をその１つのデータ実績の識別名としてデータ実績に付
与して、同じ識別名のデータ実績の集まりを１つのセル
に属するものとすることにより仕分けする。
【００１５】もし唯一のセルがたまたま実績データをひ
とつももたない場合には、直交する各説明変数次元の各
次元軸の１つまたは複数の軸に沿って直近の有実績セル
を複数見い出して、図４に示すように、おのおのの操業
条件影響モデルＣ1 ，Ｃ2 を用いて唯一のセルへの線形
近似による推定値を算出し、それらの平均値を以て推定
値とすることにより、データが疎な領域（図４で網かけ
した○印で表示）においても高精度な推定値が得られる
ようになる。
とつももたない場合には、直交する各説明変数次元の各
次元軸の１つまたは複数の軸に沿って直近の有実績セル
を複数見い出して、図４に示すように、おのおのの操業
条件影響モデルＣ1 ，Ｃ2 を用いて唯一のセルへの線形
近似による推定値を算出し、それらの平均値を以て推定
値とすることにより、データが疎な領域（図４で網かけ
した○印で表示）においても高精度な推定値が得られる
ようになる。
【００１６】なお、新たに有実績セルが発生した場合あ
るいは既存の有実績セルに実績が追加された場合は、操
業条件変数空間で定まる該当セルからの一定距離以内の
有実績セルについてそれらの操業条件影響モデルおよび
圧延実績の平均値を更新することで操業条件拡大などに
適応することが可能である。
るいは既存の有実績セルに実績が追加された場合は、操
業条件変数空間で定まる該当セルからの一定距離以内の
有実績セルについてそれらの操業条件影響モデルおよび
圧延実績の平均値を更新することで操業条件拡大などに
適応することが可能である。
【００１７】
【実施例】以下に、本発明の方法を鋼板の変形抵抗値の
推定に用いた実施例について説明する。 〔実施例１〕 ある実験データを対象とした操業条件と
して、たとえば５種類の化学成分（α1 ，α2 ，α3 ，
α4 ，α5 ）、板温度（Ｔ）、単歪（ｅ）、目標板厚
（ｈ）および目標板幅（ｗ）を取り上げ、各々のデータ
精度を勘案して各条件それぞれにつき10〜20区間に等分
に分割した。次に有実績セルを抽出し、各有実績セルに
ついてセル内変形抵抗値の平均値Ｋmi、標準偏差σi 、
データ数Ｎ i をそれぞれ算出した。なお、全体的な区間
幅調整として、標準偏差σi の平均を低減するように区
間位置を調整することも考えられる。ここで、セル数：
Ｎc、セル番号：ｉ（１≦ｉ≦Ｎc ）、セル識別子：Ｉ
i とする。
推定に用いた実施例について説明する。 〔実施例１〕 ある実験データを対象とした操業条件と
して、たとえば５種類の化学成分（α1 ，α2 ，α3 ，
α4 ，α5 ）、板温度（Ｔ）、単歪（ｅ）、目標板厚
（ｈ）および目標板幅（ｗ）を取り上げ、各々のデータ
精度を勘案して各条件それぞれにつき10〜20区間に等分
に分割した。次に有実績セルを抽出し、各有実績セルに
ついてセル内変形抵抗値の平均値Ｋmi、標準偏差σi 、
データ数Ｎ i をそれぞれ算出した。なお、全体的な区間
幅調整として、標準偏差σi の平均を低減するように区
間位置を調整することも考えられる。ここで、セル数：
Ｎc、セル番号：ｉ（１≦ｉ≦Ｎc ）、セル識別子：Ｉ
i とする。
【００１８】次に、一定のデータ数以下の有実績セルに
ついて、その１つについて平均値と標準偏差の差が一定
値以下の有実績セルが操業条件変数空間の一定距離以内
にあれば２つのセルを合併して新たに１つのセルを登録
し、古い２つのセルを削除し新しいセルについてセル内
変形抵抗値の平均値、標準偏差、データ数を算出し、こ
れを合併するセルがなくなるまで繰り返した。次にこの
有実績セルのおのおのについて各操業条件に対応する係
数ベクトルである操業条件影響モデルＶopを下記(1) 式
で算出した。
ついて、その１つについて平均値と標準偏差の差が一定
値以下の有実績セルが操業条件変数空間の一定距離以内
にあれば２つのセルを合併して新たに１つのセルを登録
し、古い２つのセルを削除し新しいセルについてセル内
変形抵抗値の平均値、標準偏差、データ数を算出し、こ
れを合併するセルがなくなるまで繰り返した。次にこの
有実績セルのおのおのについて各操業条件に対応する係
数ベクトルである操業条件影響モデルＶopを下記(1) 式
で算出した。
【００１９】 Ｖopi ＝（Ａα1i，Ａα2i，Ａα3i，Ａα4i，Ａα5i， ＡTi，Ａei，Ａhi，Ａwi）T ………………(1) 各要素は各操業条件の性格に応じてその物理的意味に合
致した値を有実績セル群から単独に定める、あるいは要
素をいくつかまとめて統計処理する、のケース分けが考
えられ、この例ではＡT ，Ａe ，Ａh ，Ａw を単独に定
め、残りを当該有実績セルを中心にして直近の一定数の
有実績セルとの差異について統計処理を行って決定した
（前出図３参照）。このように準備した後、以下の手順
で変形抵抗値Ｋx の推定を行った。
致した値を有実績セル群から単独に定める、あるいは要
素をいくつかまとめて統計処理する、のケース分けが考
えられ、この例ではＡT ，Ａe ，Ａh ，Ａw を単独に定
め、残りを当該有実績セルを中心にして直近の一定数の
有実績セルとの差異について統計処理を行って決定した
（前出図３参照）。このように準備した後、以下の手順
で変形抵抗値Ｋx の推定を行った。
【００２０】ケース１：変形抵抗値Ｋx を推定すべき操
業条件空間の点が有実績セルに含まれる場合は下記(2)
式で推定する。 ＫX ＝Ｋmi＋Ｖopi ・（ＯＰx −ＯＰi ） ………………(2) ここで、ＯＰx ：推定すべき変形抵抗値に対応する操業
条件空間の点、Ｋmi：ＯＰx を含む有実績セルの変形抵
抗平均値、ＯＰi ：有実績セルｉの操業空間の重心、Ｖ
opi ：有実績セルｉの操業条件影響モデルである。
業条件空間の点が有実績セルに含まれる場合は下記(2)
式で推定する。 ＫX ＝Ｋmi＋Ｖopi ・（ＯＰx −ＯＰi ） ………………(2) ここで、ＯＰx ：推定すべき変形抵抗値に対応する操業
条件空間の点、Ｋmi：ＯＰx を含む有実績セルの変形抵
抗平均値、ＯＰi ：有実績セルｉの操業空間の重心、Ｖ
opi ：有実績セルｉの操業条件影響モデルである。
【００２１】ケース２：変形抵抗値を推定すべき操業条
件空間の点が有実績セルに含まれない場合は下記(3) 式
で推定する。 ＫX ＝（Ｋi1＋Ｋi2＋Ｋi3）／３ ………………(3) ここで、i1，i2，i3：ＯＰx に最も近い有実績セル３点
であり、またＫi1は下記(4) 式で表され、Ｋi2，Ｋi3も
同様に表される。
件空間の点が有実績セルに含まれない場合は下記(3) 式
で推定する。 ＫX ＝（Ｋi1＋Ｋi2＋Ｋi3）／３ ………………(3) ここで、i1，i2，i3：ＯＰx に最も近い有実績セル３点
であり、またＫi1は下記(4) 式で表され、Ｋi2，Ｋi3も
同様に表される。
【００２２】 Ｋi1＝Ｋmi1 ＋Ｖopi1・（ＯＰx −ＯＰi1） ………………(4) そこで、ｘを有実績セルとして登録して、その操業条件
影響モデルＶopx を計算した後、対象とした近傍有実績
セルのＶopを更新した。その結果を目標板厚ｈおよび目
標板幅ｗの単区分での変形抵抗標準偏差の頻度分布で表
すと図５(a) に示すようであった。なお、目標板厚ｈと
目標板幅ｗの区分内で残りの操業条件で回帰式を構成し
て推定した従来法での場合は図５(b) に示すようで、本
発明法はおよそ半分程度に標準偏差が小さくなってお
り、その効果が確認できた。
影響モデルＶopx を計算した後、対象とした近傍有実績
セルのＶopを更新した。その結果を目標板厚ｈおよび目
標板幅ｗの単区分での変形抵抗標準偏差の頻度分布で表
すと図５(a) に示すようであった。なお、目標板厚ｈと
目標板幅ｗの区分内で残りの操業条件で回帰式を構成し
て推定した従来法での場合は図５(b) に示すようで、本
発明法はおよそ半分程度に標準偏差が小さくなってお
り、その効果が確認できた。
【００２３】〔実施例２〕 また、仕上圧延の実験デー
タを用いて、従来法での変形抵抗推定値と本発明法での
変形抵抗推定値のそれぞれについて圧延荷重推定値を求
め、これらを圧延荷重実績値と比較した結果をそれぞれ
図６(a) ，(b) に示した。そこで、下記(5) 式で定義さ
れる誤差改善率を求めたところ、本発明法は従来法に対
して43.2％もの効果を有する結果を得た。
タを用いて、従来法での変形抵抗推定値と本発明法での
変形抵抗推定値のそれぞれについて圧延荷重推定値を求
め、これらを圧延荷重実績値と比較した結果をそれぞれ
図６(a) ，(b) に示した。そこで、下記(5) 式で定義さ
れる誤差改善率を求めたところ、本発明法は従来法に対
して43.2％もの効果を有する結果を得た。
【００２４】 誤差改善率＝Σ（Ｐ2(i)−Ｐ0(i))2／Σ（Ｐ1(i)−Ｐ0(i))2 ………(5) ここで、Ｐ1(i)：従来法による圧延荷重推定値、
Ｐ2(i)：本発明法による圧延荷重推定値、Ｐ0(i)：圧延
荷重実績値である。なお、上記した実施例は圧延工程に
おいて圧延条件を推定する場合について説明したが、本
発明はこれに限るものではなく、たとえば一般な製造工
程においてプロセス条件とその結果の関係が非線形性を
有する対象における、実績として得られた要因と結果の
組み合わせのデータを用いて要因がある実現値をとると
きに対応する結果の値を推定する際にも適用することが
できるものである。
Ｐ2(i)：本発明法による圧延荷重推定値、Ｐ0(i)：圧延
荷重実績値である。なお、上記した実施例は圧延工程に
おいて圧延条件を推定する場合について説明したが、本
発明はこれに限るものではなく、たとえば一般な製造工
程においてプロセス条件とその結果の関係が非線形性を
有する対象における、実績として得られた要因と結果の
組み合わせのデータを用いて要因がある実現値をとると
きに対応する結果の値を推定する際にも適用することが
できるものである。
【００２５】
【発明の効果】以上説明したように、本発明によれば、
設定計算などの圧延条件の推定において、該圧延条件を
定める操業条件についてその定義範囲を分割した多次元
説明変数空間を構成して、該多次元空間のおのおののセ
ルにおのおの該当する圧延条件実績データを仕分けし、
有実績セルを抽出し、推定精度を保ちつつセルを合併し
てセル数を最小化して、セル内の目的変数値の平均値を
算出しておき併せて該セルについて操業条件の影響を表
す操業条件影響モデルを算出しておき、平均値に操業条
件のセル内中心からのずれと操業条件影響モデルから計
算した差分値を加えたものを圧延条件の推定値とし、一
方、圧延条件実績データが空であるセルにおける圧延条
件値の推定について、有実績セルの中で該推定要求セル
に最も近いセルを複数選択し各該有実績セルと操業条件
影響モデルの組み合わせより算出した値の平均値によっ
て該要求推定セルの圧延条件値の推定値とするようにし
たから、非線形性の圧延条件を精度よく広範囲に推定す
ることができる。
設定計算などの圧延条件の推定において、該圧延条件を
定める操業条件についてその定義範囲を分割した多次元
説明変数空間を構成して、該多次元空間のおのおののセ
ルにおのおの該当する圧延条件実績データを仕分けし、
有実績セルを抽出し、推定精度を保ちつつセルを合併し
てセル数を最小化して、セル内の目的変数値の平均値を
算出しておき併せて該セルについて操業条件の影響を表
す操業条件影響モデルを算出しておき、平均値に操業条
件のセル内中心からのずれと操業条件影響モデルから計
算した差分値を加えたものを圧延条件の推定値とし、一
方、圧延条件実績データが空であるセルにおける圧延条
件値の推定について、有実績セルの中で該推定要求セル
に最も近いセルを複数選択し各該有実績セルと操業条件
影響モデルの組み合わせより算出した値の平均値によっ
て該要求推定セルの圧延条件値の推定値とするようにし
たから、非線形性の圧延条件を精度よく広範囲に推定す
ることができる。
【図１】本発明の構成を示す流れ図である。
【図２】多次元説明変数空間におけるデータ要素の仕分
け処理の説明図である。
け処理の説明図である。
【図３】セル数の最小化処理の説明図である。
【図４】有実績セルがない場合の処理の説明図である。
【図５】単区分内推定誤差の標準偏差の分布を示す(a)
本発明法、(b) 従来法の特性図である。
本発明法、(b) 従来法の特性図である。
【図６】圧延荷重の実績値と推定値との関係を示す(a)
従来法、(b) 本発明法の特性図である。
従来法、(b) 本発明法の特性図である。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０５Ｂ 13/04 9131−3Ｈ
Claims (1)
- 【請求項１】 圧延条件推定モデルを用いて圧延条件
を推定する方法において、以下の工程からなることを特
徴とする圧延条件推定モデルによる圧延条件の推定方
法。 ａ．各操業条件の区間分割を定めて操業条件空間を構成
する工程、 ｂ．圧延条件実績データを操業条件空間に仕分けする工
程、 ｃ．操業条件空間の中にあるセルを推定精度を保ちつつ
合併する工程、 ｄ．各セル毎に圧延条件実績データの平均値および操業
条件影響モデルを算出することにより圧延条件の推定モ
デルを作成する工程、 ｅ．該推定モデルを用いて圧延条件を推定する際に、最
初に推定すべきデータが該当する操業条件セルを決定す
る工程、 ｆ．前記の操業条件セルが有実績セルか否かを判定し、
有実績セルであれば前記の操業条件セルの圧延条件実績
平均値を圧延条件の推定値とし、有実績セルでなければ
最近接の有実績セルを複数選択する工程、 ｇ．選択した有実績セルの圧延条件実績値の平均値を該
当セルからの距離による重みづけをして平均したものを
圧延条件の推定値とする工程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27141894A JP3508245B2 (ja) | 1994-11-04 | 1994-11-04 | 圧延条件推定モデルによる圧延条件の推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27141894A JP3508245B2 (ja) | 1994-11-04 | 1994-11-04 | 圧延条件推定モデルによる圧延条件の推定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08132108A true JPH08132108A (ja) | 1996-05-28 |
| JP3508245B2 JP3508245B2 (ja) | 2004-03-22 |
Family
ID=17499767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27141894A Expired - Fee Related JP3508245B2 (ja) | 1994-11-04 | 1994-11-04 | 圧延条件推定モデルによる圧延条件の推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3508245B2 (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5324392A (en) * | 1989-04-18 | 1994-06-28 | Nippon Filcon Co., Ltd. | Extendable and heat shrinkable polyamide mono-filament for endless fabric and endless fabric |
| JP2000263110A (ja) * | 1999-03-10 | 2000-09-26 | Toshiba Corp | 圧延制御モデル学習装置 |
| JP2009151383A (ja) * | 2007-12-18 | 2009-07-09 | Nippon Steel Corp | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
| CN103376085A (zh) * | 2013-07-05 | 2013-10-30 | 燕山大学 | 冷轧带钢板形智能综合评价方法 |
| JPWO2015122010A1 (ja) * | 2014-02-17 | 2017-03-30 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JP2021030264A (ja) * | 2019-08-23 | 2021-03-01 | Ｊｆｅスチール株式会社 | 学習モデル生成方法、データベース構築方法、ミルセットアップ設定方法、圧延材の製造方法、処理対象の製造方法、及び学習モデル生成装置 |
| KR102234362B1 (ko) * | 2020-02-26 | 2021-03-31 | 한국생산기술연구원 | 형상 압연 공정의 롤패스 설계 방법 |
| WO2022269974A1 (ja) * | 2021-06-21 | 2022-12-29 | Ｊｆｅスチール株式会社 | 冷間圧延機の圧延条件設定方法、冷間圧延方法、鋼板の製造方法、冷間圧延機の圧延条件設定装置、及び冷間圧延機 |
-
1994
- 1994-11-04 JP JP27141894A patent/JP3508245B2/ja not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5324392A (en) * | 1989-04-18 | 1994-06-28 | Nippon Filcon Co., Ltd. | Extendable and heat shrinkable polyamide mono-filament for endless fabric and endless fabric |
| JP2000263110A (ja) * | 1999-03-10 | 2000-09-26 | Toshiba Corp | 圧延制御モデル学習装置 |
| JP2009151383A (ja) * | 2007-12-18 | 2009-07-09 | Nippon Steel Corp | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
| CN103376085A (zh) * | 2013-07-05 | 2013-10-30 | 燕山大学 | 冷轧带钢板形智能综合评价方法 |
| JPWO2015122010A1 (ja) * | 2014-02-17 | 2017-03-30 | 東芝三菱電機産業システム株式会社 | 圧延プロセスの学習制御装置 |
| JP2021030264A (ja) * | 2019-08-23 | 2021-03-01 | Ｊｆｅスチール株式会社 | 学習モデル生成方法、データベース構築方法、ミルセットアップ設定方法、圧延材の製造方法、処理対象の製造方法、及び学習モデル生成装置 |
| KR102234362B1 (ko) * | 2020-02-26 | 2021-03-31 | 한국생산기술연구원 | 형상 압연 공정의 롤패스 설계 방법 |
| WO2022269974A1 (ja) * | 2021-06-21 | 2022-12-29 | Ｊｆｅスチール株式会社 | 冷間圧延機の圧延条件設定方法、冷間圧延方法、鋼板の製造方法、冷間圧延機の圧延条件設定装置、及び冷間圧延機 |
| TWI802366B (zh) * | 2021-06-21 | 2023-05-11 | 日商杰富意鋼鐵股份有限公司 | 冷軋機的軋製條件設定方法、冷軋方法、鋼板的製造方法、冷軋機的軋製條件設定裝置及冷軋機 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3508245B2 (ja) | 2004-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111199016A (zh) | 一种基于DTW的改进K-means的日负荷曲线聚类方法 | |
| JP5604945B2 (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
| JP5434837B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
| CN113222646A (zh) | 一种快速建筑造价估算方法及系统 | |
| JPH08132108A (ja) | 圧延条件推定モデルによる圧延条件の推定方法 | |
| JP2017120640A (ja) | 電磁鋼板の磁気特性予測装置及び磁気特性制御装置 | |
| JP5195331B2 (ja) | 製造プロセスにおける品質予測装置、予測方法、プログラム及びコンピュータ読み取り可能な記録媒体 | |
| JP5488140B2 (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
| JPH11219345A (ja) | 時系列データの予測方法およびシステム | |
| JP2020071493A (ja) | 結果予測装置、結果予測方法、及びプログラム | |
| JP5375506B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
| CN115660425A (zh) | 风偏闪络风险评价方法、系统、设备、可读存储介质 | |
| JP3707589B2 (ja) | 電力需要量予測方法 | |
| Nishino et al. | An adaptive approach to improve the accuracy of a rolling load prediction model for a plate rolling process | |
| CN114048592A (zh) | 一种精轧全流程分布式运行性能评估及非优原因追溯方法 | |
| CN112668784A (zh) | 基于大数据的区域宏观经济预测模型及方法 | |
| EP3460732B1 (en) | Dispatching method and system based on multiple levels of steady state production rate in working benches | |
| JP7452443B2 (ja) | 圧延モデルの学習方法 | |
| JPH07230445A (ja) | データ予測装置 | |
| 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 | |
| CN107886200A (zh) | 基于指数函数与正切函数变换及初值修正组合优化的gm（1，1）模型预测方法 | |
| JP2002192211A (ja) | ユニバーサル圧延機を用いた多段圧延における製品寸法推定方法及びロール隙設定方法 | |
| JPH09145851A (ja) | 気象予測装置 | |
| CN115018246B (zh) | 一种热轧工作辊上机选择方法及轧辊上机专家系统 | |
| CN116934066A (zh) | 一种中厚板轧制工艺前馈调整方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20031215 |
|
| LAPS | Cancellation because of no payment of annual fees |