KR101011546B1

KR101011546B1 - 예측식 작성장치 및 예측식 작성방법

Info

Publication number: KR101011546B1
Application number: KR1020087015314A
Authority: KR
Inventors: 히로야스 시게모리
Original assignee: 제이에프이 스틸 가부시키가이샤
Priority date: 2006-01-13
Filing date: 2006-10-20
Publication date: 2011-01-27
Also published as: CA2636898C; CA2636898A1; EP1975860A1; US20090083206A1; CN101361085B; CN101361085A; US8374981B2; EP1975860A4; WO2007080688A1; KR20080071607A

Abstract

예측식 작성장치는, 실적 데이터베이스, 유사도 산출수단과 예측식 작성수단을 갖는다. 실적 데이터베이스는, 과거에 제조된 제품의 제조조건과 그 제조의 결과정보를 대응시켜, 그 제조조건과 그 결과정보에 의해 대응지워진 정보를 복수 기억한다. 유사도 산출수단은, 성기 실적 데이터베이스에 기억된 제조조건과, 예측대상의 제조조건을 비교하여, 복수의 비교결과로 이루어진 유사도를 산출한다. 예측식 작성수단은 상기 예측대상의 제조조건에 대응한 예측식의 파라미터를 결정한다.

강재, 가열, 압연, 냉각, 열처리, 예측식 작성장치, 외삽역, 내삽역, 가중 제곱합, 샤르피 흡수에너지, 품질설계, 크롭, 인장특성, 찬스로스

Description

예측식 작성장치 및 예측식 작성방법{PREDICTION FORMULA MAKING DEVICE AND PREDICTION FORMULA MAKING METHOD}

본 발명은, 예측식(豫測式) 작성(作成)장치 및 예측식 작성방법에 관한 것으로, 특히, 주조한 강재를, 가열, 압연, 냉각, 열처리하여 제품의 품질을 솜씨있게 처리하는 공장에 사용하는 함에 최적인, 예측식 작성장치 및 예측식 작성방법에 관한 것이다.

제조조건과 그 결과를 격납한 실적 데이터베이스를 기초로, 결과를 예측하고자 하는 제조조건의 값(이하, 요구점(要求点)이라고 칭한다)에 대한 결과를 예측할 경우에, 종래는, 도 1에 나타내는 바와 같이, 실적 데이터베이스(10)의 각 샘플의 요구점에 대한 유사도(類似度)를 계산하고, 그 유사도를 기초로, 평균치 계산, 회귀식(回歸式) 작성, 신경망네트워크를 사용하여, 요구점에 대한 결과를 예측하는 방법이 제안되어 있다(특허문헌 1 내지 3참조).

특허문헌 1: 일본 특허공개 2001－290508호

특허문헌 2: 일본 특허공개 2002－157572호

특허문헌 3: 일본 특허공개 2004－355189호

여기서 말하는 결과란, 치수(두께, 폭, 길이 등), 재질(인장강도·항복점, 신장, 인성(靭性) 등), 형상 등의 품질특성치, 결함 혼입(混入)율 등의 품질불량 발생율, 및, 생산능률·리드타임(수주로부터 납입까지의 시간)·제조원가 등의 생산공정지표 등을 나타낸다.

그렇지만, 종래의 방법은, 도 2에 예시하는 바와 같이, 실적 데이터가 존재하는 내삽역(內揷域)의 예측정밀도는 양호하지만, 실적 데이터가 존재하지 않는 외삽역(外揷域)의 예측정밀도는 좋지 않다고 하는 문제를 가지고 있었다.

이 때문에, 신제품개발시의 품질설계나, 제조조건이 관리범위를 벗어난 때의 제어 등에는, 종래 기술을 사용하지 못하고, 외삽역의 예측은, 대상에 대한 경험이 풍부한 숙련자의 지식과 경험에 의지하고 있었다.

본 발명은, 상기 종래의 문제점을 해소하기 위해 안출된 것으로, 외삽역의 결과를 고정밀도로 예측하는 것을 목적으로 한다.

상기 목적을 달성하기 위해, 본 발명은, 이하로 이루어지는 예측식 작성장치를 제공한다:

과거에 제조된 제품의 제조조건과 그 제조의 결과정보를 대응시켜, 그 제조조건과 그 결과정보에 의해 대응지워진 정보를 복수 기억하는 실적 데이터베이스와,

상기 실적 데이터베이스에 기억된 제조조건과, 예측대상의 제조조건을 비교 하여, 복수의 비교결과로 이루어지는 유사도를 산출하는 유사도 산출수단;

상기 예측대상의 제조조건에 대응한 예측식의 모델 파라미터를 결정하는 예측식 작성수단을 갖고,

상기 예측식 작성수단이, 제조조건과 제조결과의 관계를, 상기 실적 데이터베이스의 제조조건 및 결과정보에 근거하여 작성할 때, 그 모델화 오차를 평가하는 평가함수의 가중(weighting)으로서 상기 유사도를 사용하는 수단과, 모델 파라미터에 관한 예측대상의 물리적 특성을 제약(制約)조건으로 하여 그 제약조건 내에서 평가함수에 관한 수리(數理)계획문제를 푸는 수단을 갖는다.

본 발명의 예측식 작성장치는, 또한, 결과예측장치를 갖는 것이 바람직하다. 상기 결과예측장치는, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득수단과, 상기 예측대상의 제조조건을, 상기 예측식에 입력하여 해당 제조조건에 대한 결과를 예측하는 결과예측수단을 갖는다.

본 발명의 예측식 작성장치는, 또한, 제조조건을 제어하는 제어장치를 갖는 것이 바람직하다. 상기 제어장치는, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득수단과, 상기 예측식을 사용하여 예측대상의 제조조건에 대해 제어량이 목표치가 되는 조작량(操作量)을 산출하여, 제어를 실행하기 위한 제어수단을 갖는다.

본 발명의 예측식 작성장치는, 또한, 품질설계장치를 갖는 것이 바람직하다. 상기 품질설계장치가, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득수단과, 하나 이상의 제조조건을 상기 예측식에 입력하여 얻어진 예측결과의 출력, 해당 예측결과를 기초로 이차적인 평가지수를 산출한 출력 중, 적어도 하나를 출력하여, 제품의 품질설계를 보조하기 위한 품질설계 보조수단을 갖는다.

또한, 본 발명은, 이하로 이루어지는 예측식 작성방법을 제공한다:

프로그램을 구비한 컴퓨터에 의해 예측식을 작성하는 방법에 있어서, 과거에 제조된 제품의 제조조건과 그 제조의 결과정보를 대응시켜 그 제조조건과 그 결과정보에 의해 대응지워진 정보를 복수 기억하는 실적 데이터베이스에 기억된 제조조건과, 예측대상의 제조조건을 비교하여, 복수의 비교결과로 이루어지는 유사도를 산출하는 유사도 산출공정;

상기 예측대상의 제조조건에 대응한 제조점(製造点)을 기준으로 하는 예측식 작성공정;

상기 예측식 작성공정이, 제조조건과 제조결과의 관계를, 상기 실적 데이터베이스의 제조조건 및 결과정보에 근거하여 작성할 때, 그 모델화 오차를 평가하는 평가함수의 가중으로서 상기 유사도를 사용하는 스텝과, 모델 파라미터에 관한 예측대상의 물리적 특성을 제약조건으로 하여 그 제약조건 내에서 평가함수에 관한 수리계획문제를 푸는 스텝을 갖는다.

본 발명의 예측식 작성방법은, 또한, 결과예측공정을 갖는 것이 바람직하다. 상기 결과예측공정은, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득공정과, 상기 예측대상의 제조조건을, 상기 예측식에 입력하여 해당 제조조건에 대한 결과를 예측하는 결과예측공정을 갖는다.

본 발명의 예측식 작성방법은, 또한, 제조조건을 제어하는 제어공정을 갖는 것이 바람직하다. 상기 제어공정은, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득공정과, 상기 예측식을 사용하여 예측대상의 제조조건에 대해 제어량이 목표치가 되는 조작량을 산출하여, 제어를 실행하기 위한 제어공정을 갖는다.

본 발명의 예측식 작성방법은, 또한, 품질설계공정을 갖는 것이 바람직하다. 상기 품질설계공정은, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득공정과, 하나 이상의 제조조건을 상기 예측식에 입력하여 얻어진 예측결과의 출력, 해당 예측결과를 기초로 이차적인 평가지수를 산출한 출력 중, 적어도 하나를 출력하여, 제품의 품질설계를 보조하기 위한 품질설계 보조공정을 갖는다.

그리고, 본 발명은 상기 방법에 의해 만들어지는 제품의 제조방법을 제공한다.

예측식 작성장치에 있어서, 그 실적 데이터베이스 내의 크롭(crop)길이 실적치와 대응시키는 제조조건은,

· 성형량, ·슬래브(slab)의 두께, 폭, 길이, ·압연재(壓延材)의 두께, 폭, 길이, · 각 압연두께 및 압연폭에 대응하는 크라운(crown)량

· 폭내기비(tentering ratio), ·신장비, ·판두께 수정량(修正量)이다.

예측식 작성장치에 있어서, 그 예측치 작성수단에 있어서의 크롭 길이 예측치와 대응시키는 모델 파라미터는,

·성형량, ·슬래브의 두께, 폭, 길이, ·압연재의 두께, 폭, 길이,·크라운의 두께, 길이,

·폭내기비, ·신장비, ·판두께 수정량이다.

예측식 작성방법에 있어서, 후판(厚板)의 샤르피(charpy)흡수에너지 vE를 재질(材質)예측모델에 의해 예측할 때의 제약조건은, 이하의 것이다;

·판두께 ·슬래브 두께 ·가열로 추출 슬래브 온도 ·제어압연온도 ·압연마무리온도 ·수냉(水冷)개시온도 ·수냉종료온도 ·냉각수온도 ·수냉반송속도 ·수냉시간비 ·화학성분 C, Si, Mn, P, S, Cu, Ni, Cr, Mo, Nb, V, Ti, A1, B, N₂의 각 농도 ·화학성분 H₂ 온도 ·재료시험편 온도

예측식 작성방법에 있어서, 예측의 대상은, 이하의 것이다;

후판의 샤르피흡수에너지, 인장특성, 항복강도(YS), 항복율(YR), 연성(EL).

예측식 작성방법에 있어서, 판두께 수정량의 제약을 구하기 위한 제약조건은, 롤(roll) 회전수, 롤 지름 롤의 최대 압하(壓下)속도, 및 이들을 운용함에 있어서의 제약조건이다.

도 1은 데이터베이스형 예측모델의 개념을 나타내는 선도이다.

도 2는 종래법의 예측정밀도를 나타내는 선도이다.

도 3은 본 발명에 의한 국소(局所)회귀의 순서를 나타내는 흐름도이다.

도 4는 본 발명에 의한 제어의 수단 및 품질설계의 순서를 나타내는 흐름도이다.

도 5는 본 발명에 있어서의 평가방법의 개요도이다.

도 6은 종래법과 본 발명법에 의한 샤르피 흡수에너지의 예측오차를 비교하여 나타내는 선도이다.

도 7은 종래법과 본 발명법에 의한 인장특성의 예측오차를 비교하여 나타내는 선도이다.

도 8은 실시예3에 있어서의 크롭 길이의 예측 및 제어의 개요도이다.

도 9는 (a) 크롭 형상과 대표 크롭 길이 및 (b) 슬래브 형상과 판두께 수정량을 나타내는 선도이다.

도 10은 판두께 수정량의 실적치과 본 발명법 및 종래법으로 얻어진 값의 비교를 나타내는 선도이다.

도 11은 본 발명법과 실적치에 있어서의 크롭 길이 평가치의 히스토그램(histogram)이다.

도 12는 본 발명의 제4 실시 형태에 있어서의 기본적인 구성을 나타내는 블록도이다.

도 13은 현재의 강판소재 품질설계를 나타내는 블록도이다.

도 14는 현재의 강판소재 품질설계를 나타내는 설명도이다.

도 15는 마찬가지 강도에 대한 영향계수 변화의 일례를 나타내는 선도이다.

도 16은 제4 실시 형태의 상세구성을 나타내는 블록도이다.

도 17은 제4 실시 형태에 있어서의 의사결정 지원(支援)화면의 예를 나타내는 선도이다.

도 18은 강도설계의 실시예에 있어서의 의사결정 지원화면의 최초 상태의 예를 나타내는 선도이다.

도 19는 도 18의 상태에서 성분 C의 농도를 낮춘 상태를 나타내는 선도이다.

도 20은 도 18의 상태에서 성분 C의 농도를 더 낮춘 상태를 나타내는 선도이다.

본 발명은, 과거에 제조된 제품의 제조조건과 그 제조의 결과정보를 대응시켜, 이들 정보를 복수 기억하는 실적 데이터베이스와, 상기 실적 데이터베이스에 기억된 제조조건을 비교하여, 복수의 비교결과로 이루어지는 유사도를 산출하는 유사도 산출수단과, 상기 예측대상의 제조조건 근방에서의 제조조건 및 제조결과의 관계를 표현하는 예측식을 작성함에 있어, 그 모델화 오차를 평가하는 평가함수의 가중(weighting)으로서 상기 유사도를 사용함과 동시에, 예측대상의 물리적 특성을 제약조건으로 하여 그 제약조건 내에서 상기 평가함수의 값이 최소가 되도록 파라미터를 산출하여 상기 예측식을 얻는 예측식 작성수단을 구비하고, 각 수단을 실현하는 프로그램을 컴퓨터에 실행시키도록 하여, 상기 과제를 해결한 것이다.

그리고, 본 발명은, 또한, 상기 예측식 작성수단을 사용하여 예측된 결과에 따라, 대상을 제어하는 것을 특징으로 하는 제어장치(14)를 제공하는 것이다(도 4 참조).

그리고, 본 발명은, 또한, 상기 예측식 작성수단을 사용하여 예측된 결과에 따라, 대상의 제조조건을 설계하도록 되어 있는 것을 특징으로 하는 설계장치(16)를 제공하는 것이다(마찬가지로 도 4 참조).

또한, 본 발명에 의해 얻어지는 예측식은, 대상의 물리적 특성을 보증한 것이기 때문에 외삽역(外揷域)에 있어서도 예측정밀도가 향상한다. 여기서 대상의 물 리적 특성이란, 야금(冶金)현상에 관한 정성(定性)적인 특성(소재의 화학성분 C를 더 첨가하면 제품의 강도가 증가하지만 인성(靭性)이 저하한다. 압연시의 마무리온도를 낮게 하면 제품의 강도가 증가하는 등)이나 소성(塑性)가공에 관한 정성적인 특성(압연에 있어서의 압연기의 롤 틈을 작게 하면 제품의 두께가 작아진다. 압연기의 입측(入側) 두께와 출측(出側) 두께의 차이를 크게 하면 압연기에 걸리는 하중이 증가하는 등) 등의 물리현상으로부터 도출되는 특성을 가리킨다.

또한, 종래법은, 근방(近傍) 데이터가 희소하면 예측정밀도가 급격하게 악화한다고 하는 약점을 가지고 있지만, 본 발명은, 근방 데이터가 희소하여도 예측정밀도가 악화하지 않고, 안정적으로 좋은 예측정밀도를 얻을 수 있다.

더욱이, 이 예측식을 사용한 제어를 행하면, 잘못된 방향으로, 즉 물리적 특성에 반하는 조작을 하는 것이 없어지기 때문에, 제어정밀도가 향상한다.

그리고, 이 예측식을 사용한 품질설계를 행하면, 예측정밀도가 좋아지기 때문에 실험회수가 저감하여 개발비용을 저감할 수 있고, 또한 실험에 따른 찬스로스(chance loss)를 삭감할 수 있어 제조비용을 저감할 수 있다.

이하, 도면을 참조하여, 본 발명의 실시 형태를 상세하게 설명한다.

종래 기술의 문제점을 조사하면, 예측식을 작성할 경우에, 대상의 물리적 특성을 만족한다는 보증이 없기 때문에, 예측식이 물리현상에 맞지 않는 듯한 식이 되는 경우가 있다. 특히, 외삽역은 근방에 실적 데이터가 없기 때문에, 그러한 것이 발생하는 경우가 많기 때문에, 예측식이 물리현상으로부터 벗어난다는 것을 알았다.

그래서, 본 발명은, 도 3에 나타내는 바와 같이, (1) 거리함수를 정의하여, 실적 데이터베이스(10)의 각 관측데이터와 요구점(要求点)의 유사도를 계산하고, (2) 이 유사도를 가중으로 하는 가중회귀(回歸)에 의해, 요구점 근방의 예측식을 작성하는, 특허문헌 3에서 제안한 바와 같은 예측식에 있어서, 종래는 (2)의 예측식의 모델 파라미터를, 모델화 오차의 가중 제곱합이 최소가 되도록 결정하고 있었던 것에 대해, 본 발명에서는, 대상의 물리적 특성(예를 들면 야금현상의 정성적 특성)을 제약조건으로 넣어서, 수리(數理)계획법의 일종인 2차 계획법을 푸는 것으로 구하도록 한 것이다.

컴퓨터를 사용한 구체적인 계산방법을 이하에 나타낸다.

(1) 거리함수를 정의하여, 실적 데이터베이스의 각 관측데이터와 요구점의 유사도를 계산.

미리, 도 3의 실적 데이터베이스(10)에는 목적변수(출력변수, 즉 제조의 결과)와 그 설명변수(입력변수, 즉 제조조건)가 결정되어 있고, 그러한 관측데이터가 주어져 있는 것으로 한다. 출력변수의 항목명칭을 Y, M개의 입력변수의 항목명칭을 Xm(m=1, 2,…, M)로 한다. 관측데이터는 N개 있고, n번째 (n=1, 2,…, N)의 출력변수의 값을 yⁿ로 하며, 입력변수의 값을 Xmⁿ으로 표현하는 것으로 한다. 출력을 예측하자고 하는 입력벡터를 요구점이라고 부르기로 한다. 그것을 다음과 같이 표현한다.

주어진 N개의 관측데이터를 사용하여, 회귀식을 작성한다. 회귀식은, 다음의 선형식(線形式)으로 한다.

상기 모델 파라미터,

를 최소제곱법에 의해 구한다. 편회귀계수(偏回歸係數) 벡터

를 다음에 기술하는 거리함수에 사용한다. 입력공간의 어느 점

에 있어서의 요구점 으로부터의 거리 L를 다음과 같이 정의한다. 이 식이 거리함수이다.

편회귀계수는, 출력변수의 변화량에 대한 각 입력변수의 기여도로 생각할 수 있다. 그 기여도를 가미한 가중의 거리이다.

다음으로, N개의 관측데이터 각각에 대해, 요구점으로부터의 거리를 구한다. n번째 (n=1,2,…, N)의 관측데이터의 요구점으로부터의 거리는 다음의 식으로부터 구할 수 있다.

여기서,

이다. 또한, 1~N번째의 관측데이터의 요구점으로부터의 거리를 정리하여 다음과 같이 표현하기로 한다.

다음으로, 요구점으로부터의 가까운 정도를 나타내는 유사도 W를 다음과 같이 정의한다.

여기서,σ(

는,

의 표준편차를 나타내고, p는 조정 파라미터이다(초기치:

1.5). 거리 L이 O, 즉 제조조건이 요구점과 완전히 같다라고 할 경우 유사도는 1이 되고, 거리가 커지면 유사도가 감소하며, 거리가 무한대로 되면 유사도가 O이 되도록 정의되어 있다.

그리고, N개의 관측데이터 각각에 대해, 요구점으로부터의 유사도를 구한다. n번째 (n=1, 2,…, N)의 관측데이터의 요구점으로부터의 유사도는, 다음의 식으로부터 구할 수 있다.

또한, 1~N번째의 관측데이터의 요구점으로부터의 유사도를 정리하여 다음과 같이 표현하기로 한다.

유사도란, 제조조건(입력변수)에 있어서의 요구점과 각 관측데이터와의 사이의 가까운 정도를 평가하는 지표이다.

여기에서는, 거리를 정의하여 요구점과 각 관측데이터와의 거리를 계산하고, 각 관측데이터의 거리를 기초로 유사도를 계산하도록 하고 있다. 여기에서는, 거리함수로서는, 결과에 대한 각 제조조건의 영향을 가미한 가중의 일차 노음(norm)(절대치의 합계)을 사용하고 있지만, 유클리드거리, 정규화 유클리드거리, 마할라노비스의 거리, 등을 사용해도 좋다. 또한, 여기에서는, 거리로부터 유사도로 변환하는 함수로서 가우스(Gauss)함수를 사용하고 있지만, 트리큐브(Tri cube)함수 등과 같이, 다양한 거리에 대해 단조(單調)변화하는 연속함수를 사용해도 좋다. 또한, 일본 특허공개 평6－95880에 기재되어 있는 바와 같이, 조건부의 각 입력변수의 값을 구분으로 분산화하여, 분산화한 거리를 유사도로서 사용해도 좋다.

(2) 이 유사도를 가중으로 하는 가중회귀에 의해, 요구점 근방의 예측식을 작성

주어진 N개의 관측데이터와 각각의 유사도

를 사용하여, 예측식을 작성한다. 예측식은 다음의 선형식으로 한다.

예측식의 모델 파라미터

를, 이하에서 설명하는 바와 같이 수리계획법을 사용하여 구한다.

각 관측데이터의 모델화 오차를

로 표현한다. 모델화 오차란, 모델 파라미터

을 갖는 예측식에 각 관측데이터의 입력의 실적치를 대입하여 계산된 출력의 예측치

와 출력의 실적치

의 차이이며,

로 정의된다. 여기서,

이다. 모델 파라미터

는, 모델화 오차

의 가중 제곱합을 평가함수로 하여, 대상의 물리적 특성을 제약조건으로 하는 최적화문제에 정식화(定式化)하여 구한다.

최적화문제의 평가함수 J는,

로 정의되고, 식(14)을 대입하면,

로 된다. 여기서,

는 유사도

의 대각행렬로,

삭제

최적화문제의 제약조건으로서 다음과 같이, 모델 파라미터에 관한 대상의 물리적 특성을 상하한치로 하여 넣는다.

여기서, 대상의 물리적 특성은,

로서, 입력치이다.

최적화문제의 결정변수는, 모델 파라미터

이다.

식(18)을 평가함수, 식(20)을 제약조건으로 하는 최적화문제에 정식화할 수 있었으므로, 최적화방법을 사용하여 모델 파라미터

를 계산하여 구한다. 상술의 예는, 모델화 오차의 가중 제곱합을 평가함수로 하고, 모델 파라미터

의 상하한치를 제약조건으로 하며, 평가함수의 최소화를 목적으로 하여 정식화하고 있다. 이 문제는 2차 계획문제로 되어 있으므로, 2차 계획법을 사용하는 것으로 모델 파라미터

를 구할 수 있다. 그러나, 최적화문제의 정식화 방법 및 최적화 방법(결정변수의 계산방법)은, 그에 한정되는 것은 아니다. 평가함수로서는 모델화 오차의 가중 제곱합 뿐만이 아니라 절대치의 합 등 다른 계산식을 사용해도 좋다. 제약조건으로서는, 모델 파라미터

의 상하한치 뿐만이 아니라, 물리적 특성을 표현하는 등식 또는 부등식 등의 수식이면 본 발명을 적용할 수 있다. 또한, 2차 계획법 뿐만 아니고, 다른 수리계획법(선형계획(線形計劃), 볼록계획(convex programming), 비선형(非線形)계획)이나 유전적(遺傳的) 알고리즘, 시뮬레이티드 어닐링(simulated annealing) 등의 최적화 방법을 사용한 경우에서도 본 발명을 적용할 수 있다.

본 발명을 사용함으로써, 물리적 특성을 만족하고, 그 중에서 가장 모델화 오차를 작게 하는 예측식을 얻을 수 있다.

또한, 본 발명에 있어서, 복수의 제조조건 중 하나를 조작(操作)변수로 하고, 그 조작변수 이외의 제조조건의 값이 주어져 있는 조건하에서, 대상의 결과를 목표치로 제어하기 위한 조작변수의 값을 구하는 경우, 도 4에 상세하게 나타내는 바와 같이, (i) 제어량 목표치, 조작변수의 기준치, 조작변수 이외의 제조조건 실적치를 외부로부터 제어장치에 부여하고, (ii) 조작변수의 기준치, 조작변수 이외의 제조조건 실적치를 요구점으로 하여 예측식 작성수단에 부여하며, (iii) 요구점의 값과 외부로부터 입력한 대상의 물리적 특성에 의한 모델 파라미터에 관한 제약조건을 기초로, 도 3의 흐름에 의해 요구점에 있어서의 예측식의 모델 파라미터를 구하여 그것을 제어장치에 돌려주고, (iv) 예측식의 모델 파라미터, 제어량 목표치, 조작변수 이외의 제조조건 실적치를 기초로, 결과를 제어량 목표의 값으로 하기 위한 조작변수의 값을 결정한다.

(iv)는 구체적으로는, 다음과 같이 계산한다.

식(12)에 있어서,

를 조작변수로 한다. 식(12)를

에 대해 풀면,

로 된다. 이 식의 우변의 Y에 제어량 목표치,

에 예측식의 모델 파라미터,

에 조작변수 이외의 제조조건 실적치를 대입함으로써, 결과를 제어량 목표의 값으로 하기 위한 조작변수의 값

을 얻을 수 있다. 조작변수의 기준치를

로 하면, 식(23)은, 다음과 같이 변형할 수 있다.

는, 조작량을 기준치로 했을 때의 결과의 값이 되므로,

는 결과의 목표치로부터의 편차로 된다.

는 결과를 목표치로 하기 위한 기준치로부터의 조작변수의 변경량이므로, 그것을 구하기 위한 계수

의 값이 결과를 목표치로 하기 위한 조작변수를 좋은 정밀도로 구하는, 즉 결과를 목표치로 좋은 정밀도로 제어하기 위해 중요해진다. 본 발명에 있어서는,

이 물리적 특성을 만족하도록 결정되므로, 조작변수의 변경량도 물리적 특성을 만족하도록 계산되며, 특히 실적 데이터가 요구점 근방에 존재하지 않고, 모델 파라미터의 계산 정밀도가 좋지 않은 외삽역에 있어서, 조작변수의 변경량의 정밀도가 향상한다.

다음으로, 품질의 설계를 지원하는 경우, 설계자는 제조조건을 입력하고, 그 제조조건에 대한 품질의 예측치를 컴퓨터에 의해 계산하여 표시시킨다. 설계자는 그 표시결과를 기초로 반복해서 제조조건을 변경입력함으로써, 품질이 소정의 값이 되도록 하는 제조조건을 구한다. 이 업무에 본 발명을 사용하는 경우, 도 4에 나타내는 바와 같이, (i) 제조조건의 값을 설계장치에 입력하고, (ii) 제조조건의 값을 요구점으로 하여 예측식 작성수단에 부여하며, (iii) 요구점의 값과 외부로부터 입력한 대상의 물리적 특성에 의한 모델 파라미터에 관한 제약조건을 기초로, 도 3의 흐름에 의해 요구점에 있어서의 예측식의 모델 파라미터를 구하여, 그것을 제어장치에 돌려주고, (iv) 예측식의 모델 파라미터, 제조조건의 값을 기초로, 식(12)를 사용하여 결과의 예측치를 계산하고, 또한 이차적인 평가지수를 산출하고 출력하여 설계자에 표시시킨다. 여기서, 이차적인 평가지수란, 품질 이외의 결과(제조비용, 품질불량 발생율, 생산능률·리드타임, 위험 등)이다.

도 4의 예측식 작성수단, 제어장치, 설계장치, 실적 데이터베이스, 제약조건 작성수단은 컴퓨터로 이루어지고, 각각, 연산처리부(CPU, 작업용 RAM, ROM 등으로 구성), 각종 프로그램 및 각종 데이터 등을 기억하는 기억부(예를 들면, HDD(Hard Disk Drive) 등), 사용자로부터의 조작지시를 입력하는 조작부(예를 들면, 키보드, 마우스 등), 화상이나 문자 등의 정보를 표시하는 표시부(예를 들면, 액정디스플레이 등), 및, 네트워크(LAN(Local Area Network), WAN(Wide Area Network), 인트라넷 등)를 통해 장치 간의 통신상태를 제어하는 통신부 등을 구비하고 있다. 그리고, 이러한 각 수단·장치 등은, 연산처리부에 있어서의 CPU가 각종 프로그램을 실행함으로써, 각각의 기능을 완수하게 된다. 이러한 각 수단·장치는 각각이 독립 한 하드웨어로서의 컴퓨터로서 네트워크를 통해 접속하는 구성이라도 좋고, 이들 각 수단·장치 중의 복수가 하나의 컴퓨터의 안에 있어서 각각의 기능으로서 존재해도 좋다. 또한, 컴퓨터 간의 정보전송은, 네트워크를 통한 구성뿐만이 아니고, 기억매체(USB 메모리, CD·ROM, 플로피디스크 등)를 통해도 좋다.

실시예 1

이 실시예는, 철강제품의 일종인 후판(厚板)에 있어서, 품질특성치의 일종이자 재질의 일종인 샤르피(charpy) 흡수에너지의 예측식 작성수단의 예이다. 종래법과 비교해서 본 발명이 예측정밀도가 개선되는 것을 나타낸다.

실적 데이터베이스에 격납된 관측데이터의 수는 1032개이고, 출력변수는 샤르피 흡수에너지, 입력변수는 표 1의 항목에 나타나 있는 정수항 이외의 27개이다.

예측정밀도를 평가하기 위해, 도 5에 나타낸 바와 같이, 크로스확인(cross-validation)법을 사용하였다. 실적 데이터베이스로부터 평가용 데이터로서 임의로 1건의 데이터를 추출하고, 그 이외의 데이터를 모델용 데이터로 하여 예측식을 작성한다. 평가용 데이터의 입력변수의 값을 예측식에 대입하여 예측치를 계산한다. 평가용 데이터의 출력변수의 값, 즉 이것이 실적치로 되므로, 이러한 차이가 예측오차로 된다. 이상을 전 데이터 1032개에 대해 행하여, 통계적으로 예측오차를 평가한다.

본 발명으로 예측식을 작성할 때, 판두께, 제어압연온도, 마무리온도, 수냉(水冷)개시온도, 수냉종료온도, C, Mn, Cu, Ni, Cr, Mo, Nb, V, 시험편 온도에 대한 모델 파라미터에 대상의 물리적 특성으로부터 도출되는 제약조건을 부여하였다. 각 제조조건에 대한 모델 파라미터에 부여한 제약조건을 표 1에 나타낸다. 표 1의 제약조건에는 LOW와 UP의 항목이 있지만, 각각 하한치 및 상한치의 제약을 나타낸다. -은 제약을 주지 않는 것을 나타낸다. 예를 들면, 판두께에 대해 설명하면 LOW에 O, UP에 -가 들어가 있다. 이것은 판두께에 대응하는 모델 파라미터의 값은 하한이 0이고 상한은 없음을 나타내고 있다. 이것은, 판두께가 커질수록 샤르피 흡수에너지는 커진다고 하는 대상의 물리적 특성으로부터 도출되는 제약조건이다.

그 결과, 도 6에 나타낸 바와 같이, 종래법에 의해 대상의 물리적 특성의 제약조건을 부여하지 않고 예측식을 구한 경우에 비해, 본 발명에 의하면 외삽역의 예측오차 표준편차가 33%작아져 개선되었다. 또한, 외삽역에 있어서, 발명 법의 예측오차와 종래법의 예측오차의 차이의 검정을 행하여, 유의(有意)수준 5%에서 유의차(有意差)가 있었으므로, 발명 법은 종래법과 비교해서 예측정밀도 개선효과가 있다고 말할 수 있다.

또한, 내삽역의 데이터에 대해, 종래법과 발명 법으로 예측오차의 분산의 등분산성의 검정을 행했지만, 유의차가 인정되지 않았기 때문에, 발명 법은 종래법과 비교해도 내삽역의 예측정밀도가 악화되어 있지 않다고 말할 수 있다.

실시예 2

이 실시예는, 철강제품의 일종의 후판에 있어서, 품질특성치의 일종이자 재질의 일종인 인장강도의 예측식 작성수단의 예이다. 종래법과 비교해서 본 발명이 예측정밀도가 개선되는 것을 나타낸다.

실적 데이터베이스에 격납된 관측데이터의 수는 2608개이고, 출력변수는 인장강도, 입력변수는 실시예 1의 제조조건으로부터 시험편 온도를 제외한 26개이다.

예측정밀도를 평가하기 위해, 도 5에 나타낸 바와 같이, 크로스확인법을 사용했다. 실적 데이터베이스로부터 평가용 데이터로서 임의의 1건의 데이터를 추출하고, 그 이외의 데이터로부터 평가용 데이터의 제조조건의 값(요구점)으로부터의 유사도가 높은 것으로부터 데이터를 제거하여, 그것을 모델용 데이터로 하여 예측식을 작성한다. 즉, 요구점 근방의 데이터를 제거하여 의사적(擬似的)으로 외삽역을 작성한다. 그리고, 평가용 데이터의 입력변수의 값을 예측식에 대입하여 예측치를 계산한다. 평가용 데이터의 출력변수의 값, 즉 이것이 실적치로 되므로, 이러한 차이가 예측오차로 된다. 이상을 전 데이터 2608개에 대해 행하여, 통계적으로 예측오차를 평가한다. 모델용 데이터 작성시의 근방 데이터 제거율을 50%~95%까지 변화시켜서, 예측오차를 평가한다.

그 결과를 도 7에 나타낸다. 근방 데이터 제거율이 50%~60%인 경우는, 본 발명법과 종래법은 거의 변함없고 예측정밀도는 그다지 나쁘지는 않지만, 60%보다 큰 경우, 종래법은 급격하게 예측오차가 증대한다. 그러나, 본 발명법은 급격하게 예측정밀도가 악화하는 경우는 없고, 안정적으로 좋은 예측정밀도를 얻을 수 있다.

이 예측식 작성수단을 사용하여 품질설계장치를 구성하면, 설계자는 외삽역에 있어서도 좋은 정밀도로 품질 예측치를 얻을 수 있다. 이에 의해 실험회수가 저감하여 개발비용을 저감할 수 있고, 또한 실험에 따르는 찬스로스를 삭감할 수 있으므로 제조비용을 저감할 수 있다.

또한, 상기 실시 형태에 있어서는, 본 발명이 후판의 샤르피 흡수에너지나 인장강도의 예측에 한정되어 있었지만, 본 발명의 적용대상은 이에 한정되지 않는다. 예를 들면, 항복응력(YP), 항복비(YR), 연성(EL) 등을 들 수 있다.

실시예 3

후강판의 압연 후의 평면형상에 있어서, 선단(先端)·미단(尾端)부의 크롭 길이를 예측하는 모델 및 크롭 길이 제어의 시뮬레이션에 대해, 본 발명법을 적용하였다.

여기서, 도 8에 본 실시예에 있어서의 크롭 길이 예측 및 크롭 길이 제어의 개요를 나타낸다. (i) 우선, 실적 데이터베이스(10)를 사용하여 저스트 인 타임(Just-In-Time)모델(JIT 모델)에 물리적 특성을 고려하여 제약을 가해서, 실시예 1, 2와 마찬가지로 국소근방회귀(局所近傍回歸)에 의해 크롭 길이의 모델을 구축한다(모델 작성수단(20)). (ii) 다음에 얻어진 모델로부터 크롭 길이의 예측치를 구한다(크롭 길이 예측수단(22)). (iii) 크롭 길이 예측치보다, 크롭 길이가 짧아지도록 하는 판두께 수정량을 제약이 있는 2차 계획문제에서 구한다(최적제어량 산출수단(24 및 26)). (iv) 얻어진 판두께 수정량을 실제의 공정에 적용한다(제조공정(28)). (v) 얻어진 결과를, 데이터베이스에 저장하여, 더욱더 모델의 수정을 가하는 등의 공정을 거친다.

1)크롭 길이 예측모델

크롭 길이 예측모델에 본 발명법의 예측식 작성수단을 적용하였다.

크롭 길이 예측모델인 모델구축수단(20) 및 크롭 길이 예측수단(22)에 대해 상술한다.

국소근방 회귀모델의 목적변수(출력변수, 종속변수)인 크롭 길이는, 도 9(a)에 나타내는 바와 같이, 판 폭방향으로 16등분한 것 중 대표위치에 있어서의 크롭 길이 LcrO, Lcr1, Lcr2, Lcr4, Lcr8를 사용하였다.

크롭 길이의 설명변수(입력변수, 독립변수)는, 물리적인 지견으로부터 성형량, 슬래브 형상, 압연(壓延) 후의 형상, 판두께 수정량 등으로 하여, 크롭 길이 예측식은 다음 식과 같이 선형식으로 나타낸다.

크롭 길이 Lcr=b＋a₁×성형량

＋ a₂×슬래브 두께 ＋ a₃×슬래브폭 ＋ a₄×슬래브길이

＋ a₅×압연두께 ＋ a₆×압연폭 ＋ a₇×압연길이

＋ a₈×압연비 ＋ a₉×신장길이

＋ a₁₀×(크라운(crown)/압연두께×압연폭)

＋ a₁₁×dhO + a₁₂×dh2 ＋ a₁₃×dh8 …(25)

판두께 수정량 dh는, 도 9(b)에 나타내는 바와 같이, 압연의 길이방향으로 16등분한 것 중 대표위치에 있어서의 판두께 수정량 dhO, dh2, dh8를 사용하였다. 그리고, 판두께 수정량은, dh4를 기준위치로 한 판두께 차(差)이다.

국소근방회귀의 모델 파라미터 a₁₁, a₁₂, a₁₃는, 길이방향의 대표위치 j=0, 2, 8에 있어서의 판두께를 1［mm］바꾸었을 때의 크롭 길이 변화량, 즉, 판두께 수정량 영향계수이다. 그리고, 이러한 파라미터 a₁₁, a₁₂, a₁₃는, 대표 크롭 길이 LcrO, Lcr1, Lcr2, Lcr4, Lcr8에 있어서, 각각에 정의된다.

본 실시예에서는, 제약조건으로서 판두께 수정량 dhO, dh2, dh8에 대한 판두께 수정량 영향계수 a₁₁, a₁₂, a₁₃에 다음 식으로 나타내는 바와 같이 제약을 주었다.

여기서,

는 판두께 수정량 영향계수의 하한치,

는 판두께 수정량 영향계수의 상한치이다. 본 실시예에 있어서는, 제약으로서 판두께 수정량의 영향계수 a₁₁, a₁₂, a₁₃에 플러스인지, 또는 마이너스인지의 부호의 제약을 사용하였다. 이들은 대상에 대한 물리적인 선견지식으로부터 부여하고 있다.

입력치 Ω로서, 성형량, 슬래브 형상, 압연 후의 형상, 판두께 수정량 등의 실적치를 사용하고, 출력치 y로서, 대표 크롭 길이 LcrO, Lcr1, Lcr2, Lcr4, Lcr8의 실적치를 사용하며, 제약조건(식(26))하에, 대표 크롭 길이 각각의 모델오차(식(14))가 최소가 되도록, 실시예 1, 2와 같은 방법으로 제약있는 JIT모델(발명 법)에 의해, 모델 파라미터

를 구하였다. 또한 본 실시예는 JIT모델에 한정되는 것은 아니다.

시뮬레이션용의 데이터로서, 크롭의 좌우차이가 큰 것, 길이방향으로 굽음이 큰 것, 이후재(異厚材), 이폭재(異幅材)를 제외한, 692건의 실적 데이터를 사용하고, 도 5에 나타내는 바와 같이, 데이터베이스(10)로부터 평가용 데이터 및 제약 데이터로서 임의의 1건, 실적 데이터를 추출하고, 그 이외의 데이터를 모델구축용의 데이터로 하여, 모든 데이터에 대해 시뮬레이션을 행하였다.

모델의 정밀도는, 이들 데이터를 사용하여, (i) 모델 파라미터인 국소회귀계수

를 제약조건하에, 계산하고, (ii) 얻어진 국소회귀계수

와 요구점 데이터, 즉, 평가용 데이터 중 성형량 등 설명변수로부터 식(4)을 사용하여, 크롭 길이의 예측치를 산출하며, (iii) 이 크롭 길이 예측치를 평가용 데이터 중 목적변수인 크롭 길이의 실적치와 비교하여, 평가한다.

결과로서 표 2에, 판 폭방향의 대표적 위치에 있어서의 크롭 길이의 실적치에 대한 예측치의 표준편차σ를 나타낸다. 모델을 푸는 데에 있어, 제약조건이 있는 편이, 없는 것에 비해 오차의 표준편차σ가 적고, 실적치에 꼭 맞아 있는 것을 알 수 있다.

2) 크롭 길이의 제어

다음으로, 도 8에 기재된 최적제어량 산출수단(24, 26)에 대해 상술한다.

이것은, 본 발명의 제어장치의 적용예이다.

상기와 같이 모델의 파라미터

가 결정하였다면, 다음으로, 제어량인 크롭 길이가 최소로 되도록 제어하기 위한 조작량인 판두께 수정량을 구한다.

이때, 크롭 길이 Lcr4를 기준으로 하여, 크롭 길이 평가함수를

로 한다.

여기서, 각 크롭 길이 LcrO, Lcr1, Lcr2, Lcr4, Lcr8는, 각각 모델 파라미터

를 계수로 하여, 성형량, 슬래브 형상, 압연 후의 형상, 및 판두께 수정량 dh의 선형결합으로 표현할 수 있고(식(25)), 크롭 길이 평가함수 Φ(식(27))를 최소로 하는 판두께 수정량 dhO, dh2, dh8를 결정하게 된다.

또한, 제약조건으로서 롤 회전수, 롤 지름, 롤의 최대 압하(壓下)속도 등의 물리적 특징이나 운용상의 제약에 의해 판두께 수정량의 제약을 구한다.

예를 들면, 압하속도의 제약으로서

등이, 그리고, 운용상의 제약으로서

등을 들 수 있다. 여기서 △1, △2 및 △3은, 최대 조작량으로부터 구해지는 제약이다.

이상, 목적함수인 크롭 길이 평가함수 Φ로 하는 제약있는 2차 계획문제를 푸는 것으로, 최적의 판두께 수정량, 즉, 조작 후의 판두께 수정량을 산출한다.

시뮬레이션에 있어서, 상기 크롭 길이 예측모델의 시뮬레이션과 같은 데이터 692건의 실적 데이터를 사용하였다. 조작 후의 판두께 수정량의 산출에는, 데이터베이스(10)로부터 임의의 1건을 추출한 평가용 데이터, 그리고, 거기에 대응하여, 상기 크롭 길이 예측모델의 시뮬레이션으로 평가 데이터별로 주어진 영향계수 a₁₁, a₁₂, a₁₃, 및, 크롭 길이 LcrO, Lcr1, Lcr2, Lcr4, Lcr8의 예측치를 사용한다. 또한, 제약조건은, 롤 회전수, 롤 지름, 최대 압하속도, 판두께 수정량 변경구간 길이로부터 평가 데이터별로 최대 조작량을 구하여, 제약조건으로 한다. 이러한 데이터로부터, 평가용 데이터별로 제약있는 최적화문제를 풀어, 조작 후의 판두께 수정량을 구하여, 판두께 수정량 실적치와 비교하였다.

도 10에, 외삽역의 실적 데이터에 대하여, 조작 후의 판두께 수정량과 판두께 수정량 실적치를 비교한 것 중, 조작량(판두께 수정량)이 부족 및 지나친 경우의 예를 나타낸다. 횡축이 길이방향으로 16등분 했을 때의 압연방향위치, 종축이 판두께 수정량 dh4를 기준으로 했을 때의 판두께 수정량이다. 시뮬레이션의 결과, 판두께 수정량의 부족에 대해서는 판두께 수정량을 늘리도록, 또한, 판두께 수정량의 너무 큰 것에 대해서는 판두께 수정량을 줄이도록, 크롭 길이 평가함수가 작아지는 판두께 수정량 dh가 산출되었다. 또한, 물리적으로 잘못된 방향으로 조작하는 경우는 없었다. 한편, 종래법에서는, 물리적으로 잘못된 방향으로 조작하는 경우가 있다. 이 때문에 실기(實機)에 적용할 수 없었다.

다음으로, 제한있는 최적화로 얻어진 조작 후의 판두께 수정량과 실적치를 비교하는 것으로 평가를 행하였다. 도 11을 참조할 것.

실시예 4

여기에서는, 본 발명을 사용한 품질설계 지원수단의 일례를 나타낸다.

품질설계에 있어서, 둘 이상의 목적함수(예를 들면, 제조비용과 위험부담(과거의 사례로부터의 먼 정도))를 최적화하는 제조조건을 결정하는 것은, 제조조건의 수가 많고, 대상이 비선형이기 때문에, 현행의 방법으로는, 정밀도에 한계가 있다. 그래서 본 실시 형태에 있어서는, 재질DB 및 제조조건 단가정보를 기초로, 과거의 제조실적으로부터 벗어나는 위험부담과 제조비용을 가시화하여, 제품품질 설계자의 의지결정을 용이하게 한다.

품질설계는, 과거의 제조실적과 비용정보를 기초로 행할 필요가 있다. 현행은, 설계자가 장표(帳票) 등을 보고 의사결정을 행하고 있지만, 위험부담(과거의 제조실적으로부터 벗어나는 것)과 비용을 정량적으로 평가할 방법이 없어, 설계한 제조조건이 적절한지 평가할 수 없다. 그래서, 본 실시 형태에서는, 도 12에 나타내는 바와 같이, 과거에 제조한 각 제조조건의 값과, 그때의 품질특성치(실적치)를 격납한 품질DB(30)와, 각 제조조건의 단위량당의 비용을 격납한 비용DB(32)로부터 얻어진 각 제조조건의 단가정보를 기초로, 퍼스널 컴퓨터(40)로, 요구사양을 만족하는 제조조건 중에서, 둘 이상의 목적함수(여기에서는 제조비용과 과거의 사례로부터의 가까운 정도)를 가시화하고, 지원화면(50)에 표시하여, 의사결정을 용이하게 한다.

본 실시 형태에서는, 도 12 중에 나타내는 바와 같이, 둘 이상의 목적함수(도면에서는 과거의 실적으로부터 벗어난 양과 비용)를 생(生) 데이터와 함께 표시한다. 그리고, 데이터 분포 중에서, 어느 제조조건을 선택할지는, 설계자의 판단에 맡긴다. 즉, 최후판단은 설계자가 행하여, 의사결정지원에 기여한다.

박강판(薄鋼板)의 강도설계를 예를 들어 설명하면, 현재의 박강판 품질설계는, 도 18에 나타내는 바와 같이, 두께, 폭, 목표강도, 인성 등의 요구사양에 따라, 과거의 유사사례, 설계 노하우를 기초로, 두께, 폭, 목표강도 및 인성에 의해, 성분 A, 성분 B, 성분 C 이외의 화학성분, 가열조건, 압연조건, 냉각조건 등의 설계치의 초기치를 결정한다.

그리고, 목표강도를 만족하여, 비용이 낮아지도록, 성분 A, 성분 B, 성분 C를 설정하는 강도설계를 행한다.

구체적으로는, 도 14에 나타내는 바와 같이, 과거의 유사물건의 기록(제조조건, 강도실적 평균치)에 근거하여, 강도 예측치가 목표한 값이 되도록 퍼스널 컴퓨터(40)의 소프트웨어 상에서 제조조건을 시행착오로 변경한다.

각 화학성분의 강도에 대한 영향계수는, 예를 들면, 성분 A가 A1(MPa/%), 성분 B가 A2(MPa/%), 성분 C가 A3(MPa/%)(A2＞A3＞A1)이고, 각 화학성분의 강도(强度) 당의 비용은 성분 A가 B1엔(円), 성분 B가 B2엔, 성분 C가 B3엔(B3＞＞B2＞B1)이 된다. 성분 B에 있어서의 강도에 대한 영향계수의 예를 도 20에 나타낸다.

따라서, 강도 당의 비용은, 성분 C가 높고, 성분 A와 성분 B가 같은 정도이며, 성분 A와 성분 B로 강도를 내고, 부족한 분을 성분 C로 보충하는 것이 바람직하다. 또한, 슬래브 전용(轉用)이 가능하도록, 성분 B는 가능한 한, 어느 허용치 미만으로 하는 것이 바람직하다. 또한, 위험부담을 회피하기 위해, 과거의 사례와 마찬가지로 하고자 한다.

이와 같이, (1) 제조조건공간에 의해 강도에 대한 영향계수가 상이하다. (2) 제조조건의 수가 많아, 비선형이기 때문에, 현재의 설계치의 최적치를 판단하는 것이 곤란하다. (3) 과거의 사례의 유무를 알 수 없다고 하는 문제가 있으므로, 설계자의 의사결정을 용이하게 하는 것이 바람직하다.

그래서 본 실시 형태에 있어서는, 도 16에 나타내는 바와 같이, 과거에 제조 한 각 제조조건의 값과 그때의 품질특성치를 보유한 품질 데이터베이스(DB)(30)와, 각 제조조건의 단위량 당의 비용을 격납한 비용 데이터베이스(DB)(32)와, 복수의 제조조건 중에서, 설계자가 임의로 제조조건을 선택하여, 그 값을 입력하는 입력수단(410)과, 요구의 재질특성치를 만족하도록, 선택한 제조조건 이외의 제조조건을 계산하는 제조조건 계산수단(412)과, 제조조건치를 부여하였을 때, 재질DB(30)로부터 그 제조조건 근방의 국소적인 영향계수를 계산하는 영향계수 계산수단(414)과, 상기 제조조건 계산수단(412)과 영향계수 계산수단(414)으로부터, 도 17에 예시한 바와 같은, 설계자의 의사결정을 지원하는 화면(50)을 작성하는 지원화면 작성수단(416)을 구비하고 있다.

상기 지원화면 작성수단(416)은, 도 17에 예시한 바와 같이, 선택한 제조조건공간 중에, 현재의 제조조건의 값과, 비용의 등고선과, 요구의 품질특성치를 만족하도록 선택한 제조조건 이외의 제조조건의 값의 등고선과, 각 제조조건의 제한치와, 선택한 제조조건의 과거의 실적치를 표시하도록 되어 있다.

이 의사결정 지원화면에는, 현재의 설계치로부터, 보다 저렴하게 되는 제조조건의 변경방향과 과거의 실적을 동시에 표시한다. 또한, 강도 레벨을 같게 하는 성분 A의 값의 등고선, 및, 그때의 비용의 등고선을 표시한다. 강도에 대한 영향계수변화의 일례를 성분 B를 예로 하여, 도 15에 ×표(성분 C=O.00%), △표(성분 C=0.02%), ◇표(성분 C=0.04%)로 나타낸다. 이와 같이, 성분 B의 농도가 높아지면 강도에의 영향계수가 작아진다고 하는, 경험적 지식을 명시할 수 있어, 기술전승에 기여한다.

이하, 구체적인 실시예에 대해 설명한다. 최초의 표시화면이 도 18에 나타낸 바와 같은 상태이었던 경우, ◆표로 나타내는 설계치의 성분 C의 농도를 낮추어서 비용을 낮추는 방향으로 이동하면, 도 19에 나타낸 바와 같이 된다. 이 도 19의 상태로부터, 더욱이 등고선을 따라 성분 C가 0이 될 때까지 내린다면 도 20에 나타내는 바와 같이 된다. 이 도 20의 상태가 최적치이다.

이와 같이 하여, 품질DB 및 비용정보를 기초로, 범용 데이터해석 소프트웨어를 사용하고, 비선형의 대상에 있어서, 요구사양을 만족하는 제조조건 중으로부터, 비용과 위험부담을 동시에 가시화하여, 의사결정을 지원할 수 있다. 이에 의해, 품질설계자가, 용이하게, 더 저렴한 제조조건을 탐색할 수 있다. 또한, 과거, 전혀 제조한 바 없는 제조조건을 선택하는 경우가 없어져, 품질불량을 저감할 수 있다.

그리고, 본 실시 형태에 있어서는, 목적함수로서, 성분비용과 과거의 제조 설정치로부터 벗어나는 위험부담을 고려하고 있었지만, 목적함수의 수나 종류는 이에 한정되지 않는다.

Claims

과거에 제조된 제품의 제조조건과 그 제조의 결과정보를 대응시켜, 그 제조조건과 그 결과정보에 의해 대응지워진 정보를 복수 기억하는 실적 데이터베이스와,

상기 실적 데이터베이스에 기억된 제조조건과, 예측대상의 제조조건을 비교하여, 복수의 비교결과로 이루어지는 유사도(類似度)를 산출하는 유사도 산출수단과,

상기 예측대상의 제조조건에 대응한 예측식(豫測式)의 모델 파라미터를 결정하는 예측식 작성수단과;

상기 예측식 작성수단이, 제조조건과 제조결과와의 관계를, 상기 실적 데이터베이스의 제조조건 및 결과정보에 근거하여 작성할 때, 그 모델화 오차를 평가하는 평가함수의 가중(weighting)으로서 상기 유사도를 사용하는 수단과, 모델 파라미터에 관한 예측대상의 물리적 특성을 제약조건으로 하여 그 제약조건 내에서 평가함수에 관한 수리계획문제(數理計劃問題)를 푸는 수단을 갖는 예측식 작성장치.
제1항에 있어서,

결과예측장치를 더 갖고,

상기 결과예측장치가, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득수단과, 상기 예측대상의 제조조건을, 상기 예측식에 입력하여 해 당 제조조건에 대한 결과를 예측하는 결과예측수단을 갖는 예측식 작성장치.
제1항에 있어서,

제조조건을 제어하는 제어장치를 더 갖고,

상기 제어장치가, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득수단과, 상기 예측식을 사용하여, 예측대상의 제조조건에 대해 제어량이 목표치가 되는 조작량(操作量)을 산출하여, 제어를 실행하기 위한 제어수단을 갖는 예측식 작성장치.
제1항에 있어서,

품질설계장치를 더 갖고,

상기 품질설계장치가, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득수단과, 하나 이상의 제조조건을 상기 예측식에 입력하여 얻어진 예측결과의 출력, 해당 예측결과를 근거로 이차적인 평가지수를 산출한 출력 중, 적어도 하나를 출력하여, 제품의 품질설계를 보조하기 위한 품질설계 보조수단을 갖는 예측식 작성장치.
프로그램을 구비한 컴퓨터에 의해 예측식을 작성하는 방법에 있어서,

과거에 제조된 제품의 제조조건과 그 제조의 결과정보를 대응시켜, 그 제조조건과 그 결과정보에 의해 대응지워진 정보를 복수 기억하는 실적 데이터베이스에 기억된 제조조건과, 예측대상의 제조조건을 비교하여, 복수의 비교결과로 이루어지는 유사도를 산출하는 유사도 산출공정과, 상기 예측대상의 제조조건에 대응한 제조점(製造点)을 기준으로 하는 예측식 작성공정을 갖고,

상기 예측식 작성공정이, 제조조건과 제조결과와의 관계를, 상기 실적 데이터베이스의 제조조건 및 결과정보에 근거하여 작성할 때, 그 모델화 오차를 평가하는 평가함수의 가중으로서 상기 유사도를 사용하는 스텝과, 모델 파라미터에 관한 예측대상의 물리적 특성을 제약조건으로 하여 그 제약조건 내에서 평가함수에 관한 수리계획문제를 푸는 스텝을 갖는 예측식 작성방법.
제5항에 있어서,

결과예측공정을 더 갖고,

상기 결과예측공정이, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득공정과, 상기 예측대상의 제조조건을, 상기 예측식에 입력하여 해당 제조조건에 대한 결과를 예측하는 결과예측공정을 갖는 예측식 작성방법.
제5항에 있어서,

제조조건을 제어하는 제어공정을 더 갖고,

상기 제어공정이, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득공정과,

상기 예측식을 사용하여, 예측대상의 제조조건에 대해 제어량이 목표치가 되는 조작량을 산출하여, 제어를 실행하기 위한 제어공정을 갖는 예측식 작성방법.
제5항에 있어서,

품질설계공정을 더 갖고,

상기 품질설계공정이, 상기 예측대상의 제조조건에 대응하는 예측식을 취득하는 예측식 취득공정과, 하나 이상의 제조조건을 상기 예측식에 입력하여 얻어진 예측결과의 출력, 해당 예측결과를 근거로 이차적인 평가지수를 산출한 출력 중, 적어도 하나를 출력하여, 제품의 품질설계를 보조하기 위한 품질설계 보조공정을 갖는 예측식 작성방법.
삭제
제1항에 있어서,

상기 예측대상의 물리적 특성이, 야금(冶金)현상에 관한 정성적(定性的) 특성인 예측식 작성장치.
제1항에 있어서,

상기 예측대상의 물리적 특성이, 소성가공에 관한 정성적 특성인 예측식 작성장치.
제1항에 있어서,

상기 제약조건이, 상기 파라미터의 상한치와 하한치인 예측식 작성장치.
제1항에 있어서,

상기 제약조건이, 상기 파라미터의 등식 또는 부등식인 예측식 작성장치.
제5항에 있어서,

상기 예측대상의 물리적 특성이, 야금현상에 관한 정성적 특성인 예측식 작성방법.
제5항에 있어서,

상기 예측대상의 물리적 특성이, 소성가공에 관한 정성적 특성인 예측식 작성방법.
제5항에 있어서,

상기 제약조건이, 상기 파라미터의 상한치와 하한치인 예측식 작성방법.
제5항에 있어서,

상기 제약조건이, 상기 파라미터의 등식 또는 부등식인 예측식 작성방법.