KR101919543B1 - A method and device for analyzing operational abnormality of rolling process - Google Patents
A method and device for analyzing operational abnormality of rolling process Download PDFInfo
- Publication number
- KR101919543B1 KR101919543B1 KR1020160175210A KR20160175210A KR101919543B1 KR 101919543 B1 KR101919543 B1 KR 101919543B1 KR 1020160175210 A KR1020160175210 A KR 1020160175210A KR 20160175210 A KR20160175210 A KR 20160175210A KR 101919543 B1 KR101919543 B1 KR 101919543B1
- Authority
- KR
- South Korea
- Prior art keywords
- section
- operation pattern
- summary information
- time series
- rolling process
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24085—Analyze, trace fault signals according to tree, table
Abstract
본 발명의 압연 공정의 운전성 장애 분석 방법은 압연 공정에서 생성된 운전 패턴을 나타내는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 데이터 수집 단계; 상기 하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하는 구간화 단계; 상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 통계 정보 생성 단계; 상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 식별 단계; 상기 장애 구간 집단 및 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 단계; 상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 단계; 및 상기 핵심 인자를 주요 변수로 하여 운전 패턴 모델을 생성하는 운전 패턴 모델링 단계를 포함한다.A method for analyzing an operational disorder of a rolling process of the present invention includes: a data collection step of collecting time series data, control setting values, and main process variables indicating an operation pattern generated in a rolling process; A segmentation step of segmenting the time series data pertaining to the one material into a plurality of segments; A statistical information generating step of generating statistical summary information on the segmented time series data; A disturbance section identification step of distinguishing the plurality of sections as the obstacle section group and the normal section group based on the statistical summary information; A section sampling step of sampling a plurality of obstacle sections and a normal section from the obstacle section group and the normal section group; Deriving at least one key factor affecting the impairment interval based on the statistical summary information of the sampled interval; And an operation pattern modeling step of generating an operation pattern model using the key factor as a main variable.
Description
본 발명은 압연 공정의 운전성 장애 분석 방법 및 장치에 관한 것으로, 더욱 상세하게는 압연 공정에서 발생하는 다수의 시계열 데이터들을 구간화 처리하고 각 구간에 대한 통계 정보를 이용함으로써 설비의 이상 작동의 원인을 효율적으로 분석하고 운전자에게 설비 조작 방법에 대한 가이드를 제공할 수 있는 압연 공정의 운전성 장애 분석 방법 및 장치에 관한 것이다.The present invention relates to a method and an apparatus for analyzing an operational disorder of a rolling process, and more particularly, to a method and an apparatus for analyzing an operational disorder of a rolling process by segmenting a plurality of time series data generated in a rolling process, And more particularly, to a method and apparatus for analyzing an operating disorder of a rolling process capable of effectively analyzing a rolling operation and providing a driver with a guide on how to operate the facility.
일반적인 철강 제조 공정은 용선을 생산하는 제선 공정, 용선에서 불순물을 제거하는 제강 공정, 액체 상태의 철을 고체로 변형시키는 연주 공정 및 철을 강판이나 선재로 만드는 압연 공정으로 이루어진다. 이 중 압연 공정은 연주 공정에서 생산된 슬라브, 블룸, 빌릿 등의 재료를 회전하는 여러 개의 롤 사이를 통과시키면서 연속적인 힘을 가하여 늘리거나 얇게 만드는 과정을 말한다. 이 압연 공정에서 생산되는 제품은 크기, 강종 및 규격이 다양하며, 이에 따라 압연 공정에서 제품을 생산하기 위한 설비의 작동 방법 또한 다양하다. Typical steelmaking processes consist of a steelmaking process to produce molten iron, a steelmaking process to remove impurities from molten iron, a casting process to transform solid iron into solid, and a rolling process to make iron into steel or wire. Among them, the rolling process refers to a process of stretching or thinning slab, bloom, billet, and the like produced by the performance process by applying a continuous force while passing through a plurality of rotating rolls. The products produced in this rolling process vary in size, grade and size, and accordingly, the operating methods of the equipment for producing the products in the rolling process are also varied.
압연 공정에서 생상되는 제품의 품질은 이를 가공하는 설비를 어떻게 제어하느냐에 따라 크게 좌우되며, 균일한 품질의 제품을 생산하기 위해서는 설비를 올바른 방법에 의하여 동일하게 동작시키도록 하는 설비조작 방법에 대한 실시간 관리가 중요하다. 현재 설비조작 프로세스의 상당 부분이 자동화되어 있지만 소재의 가열 시간, 압연 부하배분, 온도 등 품질을 결정하는 주요 프로세스는 여전히 운전자의 경험에 의존하고 있으며, 운전자의 경험에 따라 달라지는 이러한 변수들은 작업 상황, 운전자의 숙련도, 운전자의 컨디션 등 외부 인자의 영향을 받게 된다. 결과적으로 이는 생산 프로세스의 변동 요인이 되어 제품 품질의 균일성 확보에 좋지 않은 영향을 준다. The quality of the product produced in the rolling process depends largely on how to control the processing equipment. In order to produce a product of uniform quality, the real-time management Is important. While a significant portion of the current plant maneuvering process is automated, the key processes for determining quality, such as material heating time, rolling load distribution, and temperature, are still dependent on the driver's experience and these variables, The driver's skill level, and the driver's condition. As a result, this is a variation factor in the production process and adversely affects the uniformity of product quality.
특히 운전자의 잘못된 설비 조작에 의해 발생하는 제품의 사행, 파단, 겹침, 이물과 같은 운전성 장애는 제품의 전체 길이 중 일부 부위에 한정되어 발생되지만, 발생시 수 키로미터(km)에 달하는 제품을 폐기하여야 하므로 제품의 생산성에 미치는 영향은 상당히 심각하다. 이를 해결하기 위하여는 실시간으로 운전자의 설비조작 패턴을 분석하여 오조작을 하지 않도록 가이드할 수 있는 체계 구축이 필요하나, 상술한 바와 같이 제품의 강종, 규격, 크기 등이 다양할 뿐 아니라 운전자마다의 운전 방식이 상이하여 획일화된 운전자 가이드 시스템으로는 운전자의 조작 방법을 가이드하는데 한계가 있다. 또한, 롤 교체와 같은 설비의 변화도 수시로 발생하므로, 이에 따라 운전자 가이드 시스템을 변경해야 하는 문제점도 존재한다.In particular, the driving difficulties such as meandering, breaking, overlapping, and foreign objects caused by the wrong facility operation of the driver occur only in some part of the whole length of the product, but when products occur, The effect on the productivity of the product is considerably serious. In order to solve this problem, it is necessary to construct a system capable of guiding the operator to analyze the operation pattern of the operator in real time so as not to perform the erroneous operation. However, as described above, There are limitations in guiding the driver 's operation method with the uniformized driver' s guide system due to different driving methods. In addition, changes in the equipment such as the roll replacement occur from time to time, and accordingly, there is a problem that the driver's guide system needs to be changed.
이러한 문제점에도 불구하고 압연 공정에서 균일한 품질의 제품을 생산하기 위해서는 수작업으로라도 운전자의 운전 패턴을 정형화하고 조업 편차를 줄이는 것이 필수적이다. 그러나 운전자의 작업 패턴이 저장된 시계열 데이터들은 10~50ms 간격으로 생성되며 하나의 압연 공정에 사용되는 운전 변수들도 수만 수천 개에 이르므로, 하나의 단독 압연 공정에 해당하는 하루(24시간) 분량의 데이터만 수 기가바이트(GB)에 이를 정도로 그 양이 방대하다. 따라서 전용 툴을 사용하여 시간 단위로 단일 소재에 대한 시계열 데이터들을 육안으로 식별하여 분석하는데는 한계가 있다.In spite of these problems, it is essential to formulate the driver's operation pattern and reduce the operating deviation even by manual operation in order to produce a uniform quality product in the rolling process. However, since the time series data of the driver's operation pattern is generated at intervals of 10 to 50 ms and the operating parameters used in one rolling process are tens of thousands of thousands, a single (24 hours) The amount of data is so large that it reaches several gigabytes (GB). Therefore, there is a limitation in visually identifying and analyzing time series data of a single material on a time basis using a dedicated tool.
본 발명은 이러한 문제점을 해결하기 위한 것으로, 압연 공정에서 발생하는 다수의 시계열 데이터들을 구간화 처리하고 각 구간에 대한 통계 정보를 이용함으로써 설비의 이상 작동의 원인을 효율적으로 분석할 수 있는 압연 공정에서 설비의 이상 작동 원인 분석 방법 및 장치를 제공하고자 하는 것이다.SUMMARY OF THE INVENTION The present invention has been made in order to solve the above problems, and it is an object of the present invention to provide a rolling process capable of efficiently analyzing the cause of abnormal operation of a facility by using a plurality of time series data generated in the rolling process, And to provide a method and apparatus for analyzing the cause of abnormal operation of the facility.
본 발명의 다른 목적은 분석된 데이터에 근거하여 운전 패턴을 모델링하고 모델링에 따라 상기 시계열 데이터들을 실시간으로 모니터링함으로써 설비 운전자에게 실시간 운전 가이드를 제공할 수 있는 설비의 이상 작동 원인 분석 방법 및 장치를 제공하고자 하는 것이다. Another object of the present invention is to provide an apparatus and method for analyzing an abnormal operation cause of equipment capable of providing a real time operation guide to a facility driver by modeling an operation pattern based on analyzed data and monitoring the time series data in real time according to modeling I would like to.
본 발명의 또 다른 목적들은 다음의 상세한 설명과 도면으로부터 보다 명확해질 것이다.Other objects of the present invention will become more apparent from the following detailed description and drawings.
본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법은 압연 공정에서 생성된 운전 패턴을 나타내는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 데이터 수집 단계; 상기 하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하는 구간화 단계; 상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 통계 정보 생성 단계; 상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 식별 단계; 상기 장애 구간 집단 및 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 단계; 상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 단계; 및 상기 핵심 인자를 주요 변수로 하여 운전 패턴 모델을 생성하는 운전 패턴 모델링 단계를 포함한다.A method for analyzing an operational fault in a rolling process according to an embodiment of the present invention includes collecting time series data, control setting values, and main process variables indicating operation patterns generated in a rolling process; A segmentation step of segmenting the time series data pertaining to the one material into a plurality of segments; A statistical information generating step of generating statistical summary information on the segmented time series data; A disturbance section identification step of distinguishing the plurality of sections as the obstacle section group and the normal section group based on the statistical summary information; A section sampling step of sampling a plurality of obstacle sections and a normal section from the obstacle section group and the normal section group; Deriving at least one key factor affecting the impairment interval based on the statistical summary information of the sampled interval; And an operation pattern modeling step of generating an operation pattern model using the key factor as a main variable.
상기 압연 공정의 운전성 장애 분석 방법은 상기 압연 공정으로부터 생성되는 시계열 데이터를 실시간으로 모니터링하는 것에 의하여 상기 압연 공정의 운전자에게 운전자 가이드를 제공하는 운전자 가이드 제공 단계를 더 포함할 수 있으며, 상기 운전자 가이드 제공 단계는 모니터링된 시계열 데이터를 구간화한 후 실시간 통계 요약 정보를 생성하고 상기 운전 패턴 모델에 상기 실시간 통계 요약 정보를 적용하는 것에 의하여 현재 운전 패턴이 장애 운전 패턴인지 여부를 실시간으로 판단할 수 있다.The method for analyzing the operational failure of the rolling process may further include a step of providing a driver's guide to the driver of the rolling process by monitoring the time series data generated from the rolling process in real time, In the providing step, the real time statistical summary information is generated after sectioning the monitored time series data, and the real time statistical summary information is applied to the operation pattern model to determine whether the current operation pattern is a failure operation pattern in real time .
상기 구간 샘플링 단계는, 상기 샘플링된 구간 중 중복 소재번호에 해당하는 구간을 처리하는 중복 소재번호 처리 단계를 더 포함할 수 있으며, 상기 중복 소재번호 처리 단계는 중복된 소재번호에 속하는 구간이 장애 구간 및 정상 구간을 포함하는 경우 상기 정상 구간 데이터를 삭제할 수 있다.The overlapping material number processing step may further include a duplicate material number processing step of processing a section corresponding to a duplicate material number in the sampled section, wherein the overlapping material number processing step includes: And if the normal section data includes the normal section data, the normal section data can be deleted.
상기 중복 소재번호 처리 단계는 중복된 소재번호에 속하는 구간이 모두 정상 구간인 경우 각 정상 구간의 통계 요약 정보를 통합하여 재산출할 수 있다.The duplicate material number processing step may integrate and summarize the statistical summary information of each normal section when all the sections belonging to the overlapped material number are in the normal section.
본 발명의 다른 실시예에 따른 컴퓨터 판독가능한 저장매체는 컴퓨팅 장치에 의해 실행시, 상기 컴퓨팅 장치가 상술한 압연 공정의 운전성 장애 분석 방법을 실행하게 하는 프로그램 명령어들을 저장한다. A computer-readable storage medium, according to another embodiment of the present invention, stores program instructions that, when executed by a computing device, cause the computing device to perform the method of analyzing the operational failure of the rolling process described above.
본 발명의 또 다른 실시예에 따른 압연 공정의 운전성 장애 분석 장치는 압연 공정에서 생성된 운전 패턴을 나타내는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 데이터 수집 모듈; 상기 하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하고 상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 구간화 및 통계 정보 생성 모듈; 상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 판단 모듈; 상기 장애 구간 집단 및 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 모듈; 상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 단계; 및 상기 핵심 인자를 주요 변수로 하여운전 패턴 모델을 생성하는 운전 패턴 모델링 모듈을 포함한다.An apparatus for analyzing an operational disorder in a rolling process according to another embodiment of the present invention includes a data collection module for collecting time series data, control setting values, and main process variables indicating operation patterns generated in a rolling process; A segmentation and statistical information generation module for segmenting time series data belonging to the one material into a plurality of segments and generating statistical summary information for the segmented time series data; A disturbance interval determination module that distinguishes the plurality of intervals as the obstacle interval group and the normal interval group based on the statistical summary information; A section sampling module for sampling a plurality of obstacle sections and a normal section from the obstacle section group and the normal section group; Deriving at least one key factor affecting the impairment interval based on the statistical summary information of the sampled interval; And an operation pattern modeling module for generating an operation pattern model with the key factor as a main variable.
상기 압연 공정의 운전성 장애 분석 장치는 상기 압연 공정으로부터 생성되는 시계열 데이터를 실시간으로 모니터링하는 것에 의하여 상기 압연 공정의 운전자에게 운전자 가이드를 제공하는 운전자 가이드 제공 모듈을 더 포함할 수 있으며, 상기 운전자 가이드 제공 모듈은 모니터링된 시계열 데이터를 구간화한 후 실시간 통계 요약 정보를 생성하고 상기 운전 패턴 모델에 상기 실시간 통계 요약 정보를 적용하는 것에 의하여 현재 운전 패턴이 장애 운전 패턴인지 여부를 실시간으로 판단할 수 있다.The apparatus for analyzing the operational trouble of the rolling process may further include a driver guide providing module for providing a driver's guide to the driver of the rolling process by monitoring the time series data generated from the rolling process in real time, The providing module may divide the monitored time series data and generate real-time statistical summary information and apply the real-time statistical summary information to the operation pattern model to determine in real time whether the current operation pattern is a faulty operation pattern .
상기 구간 샘플링 모듈은, 상기 샘플링된 구간 중 중복 소재번호에 해당하는 구간을 처리하는 중복 소재번호 처리 모듈을 더 포함할 수 있으며, 상기 중복 소재번호 처리 모듈은 중복된 소재번호에 속하는 구간이 장애 구간 및 정상 구간을 포함하는 경우 상기 정상 구간 데이터를 삭제할 수 있다.The section sampling module may further include a duplicate material number processing module for processing a section corresponding to a duplicate material number in the sampled section, and the duplicate material number processing module may further include: And if the normal section data includes the normal section data, the normal section data can be deleted.
상기 중복 소재번호 처리 모듈은 중복된 소재번호에 속하는 구간이 모두 정상 구간인 경우 각 정상 구간의 통계 요약 정보를 통합하여 재산출할 수 있다.The duplicate material number processing module may integrate the statistical summary information of each normal section when all the sections belonging to the overlapped material number are in the normal section.
본 발명에 따르면, 대량의 시계열 데이터를 구간화 및 통계정보를 이용하여 비교함으로써 압연 공정에서의 설비의 운전성 장애 원인을 빠르고 효율적으로 분석할 수 있다. 또한, 이러한 분석에 근거하여 운전자에게 실시간 운전 가이드를 제공함으로써 운전성 장애 발생을 최소화하여 제품의 생산 효율을 향상시킬 수 있다.According to the present invention, it is possible to quickly and efficiently analyze the cause of the operational trouble of the facility in the rolling process by comparing a large amount of time series data using the segmentation and statistical information. Also, by providing a real-time driving guide to the driver based on the analysis, the production efficiency of the product can be improved by minimizing the occurrence of the driving disorder.
도 1은 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법을 나타내는 순서도이다.
도 2는 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법에서 분류 분석을 위한 데이터 세트 생성 방법을 나타내는 순서도이다.
도 3은 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법에서 분류 분석을 위한 데이터 세트 생성 방법을 나타내는 개념도이다.
도 4는 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 장치의 구조를 나타내는 블럭도이다.FIG. 1 is a flowchart illustrating a method for analyzing an operational failure of a rolling process according to an embodiment of the present invention. Referring to FIG.
FIG. 2 is a flowchart illustrating a method of generating a data set for classification analysis in a method for analyzing an operational disorder in a rolling process according to an exemplary embodiment of the present invention. Referring to FIG.
3 is a conceptual diagram illustrating a method of generating a data set for classification analysis in a method for analyzing an operational disorder in a rolling process according to an embodiment of the present invention.
FIG. 4 is a block diagram illustrating a structure of an apparatus for analyzing an operational trouble in a rolling process according to an embodiment of the present invention. Referring to FIG.
이하, 본 발명의 바람직한 실시예들을 첨부된 도 1 내지 도 3을 참고하여 더욱 상세히 설명한다. 본 발명의 실시예들은 여러 가지 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 설명하는 실시예들에 한정되는 것으로 해석되어서는 안 된다. 본 실시예들은 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 상세하게 설명하기 위해서 제공되는 것이다. 따라서 도면에 나타난 각 요소의 형상은 보다 분명한 설명을 강조하기 위하여 과장될 수 있다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. The embodiments of the present invention can be modified in various forms, and the scope of the present invention should not be construed as being limited to the embodiments described below. The embodiments are provided to explain the present invention to a person having ordinary skill in the art to which the present invention belongs. Accordingly, the shape of each element shown in the drawings may be exaggerated to emphasize a clearer description.
도 1은 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법을 나타내는 순서도이다. 도 1을 참조하면, 본 발명의 압연 공정의 운전성 장애 분석 방법(100)은 압연 설비로부터 운전 패턴 정보를 가지고 있는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 단계로부터 시작된다(S110). 시계열 데이터란 각 소재에 대한 운전 패턴을 나타내는 마이크로데이터로 압연 공정에서 각 롤의 온도, 각 롤의 회전속도, 대칭하는 한 쌍의 롤 사이의 간격, 토크, 각 롤을 회전시키기 위하여 구동 모터에 인가되는 전류 등에 대한 데이터를 포함하나, 이에 한정되지 않으며, 압연 공정에서 운전자에 의해 조작될 수 있는 임의의 적절한 변수들에 대한 데이터를 포함할 수 있다. 이러한 시계열 데이터들은 그 시계열 데이터가 생성된 소재의 고유한 소재번호와 연결되며, 상술한 바와 같이 10~50ms 단위로 생성될 수 있다. 제어 설정값은 생산되는 제품의 물리적 특성 또는 사양을 나타내는 매크로데이터로, 예를 들어 소재의 두께, 폭, 길이, 구성 성분 및 압연 온도 등을 포함하나 이에 한정되지 않으며, 생산되는 소재의 특성을 판단할 수 있는 임의의 적절한 설정값을 포함할 수 있다. 주요 공정 변수는 소재의 특성을 결정하는 중요 변수로써 예를 들어 가열로 온도를 포함할 수 있다.FIG. 1 is a flowchart illustrating a method for analyzing an operational failure of a rolling process according to an embodiment of the present invention. Referring to FIG. Referring to FIG. 1, the
다음으로, 시계열 데이터를 구간화한 후 통계 요약 정보를 생성한다(S120). 압연 공정에서 생산되는 제품은 길이, 두께, 폭 등이 상이하며, 시계열 데이터에 대한 구간화는 소재의 전체 길이를 n등분하는 것에 의하여 수행된다. 즉, 소재의 길이가 다르더라도 동일한 개수의 구간화를 진행하므로 소재에 따라 일 구간의 길이가 상이할 수 있다. 따라서 각 소재별로 n개의 구간이 형성되며, 각 구간에 대하여 시계열 데이터들의 평균(μ) 및 표준편차(σ)를 구하는데, 이를 통계 요약 정보라고 한다.Next, the time series data is segmented to generate statistical summary information (S120). The products produced in the rolling process are different in length, thickness, and width, and the division into time series data is performed by dividing the entire length of the material by n. That is, even if the lengths of the materials are different, since the same number of intervals are progressed, the length of one section may be different depending on the material. Therefore, n intervals are formed for each material, and the average (μ) and standard deviation (σ) of the time series data are obtained for each interval, which is called statistical summary information.
시계열 데이터에 대한 구간화 및 각 구간에 대한 통계 요약 정보가 생성되면, 각 구간이 장애 구간인지 여부를 식별한다(S130). 장애 구간이란 압연 공정에서 생산된 소재에서 해당 구간의 물리적 특성이 기설정된 값을 벗어난 구간을 의미하는 것으로, 장애 구간 여부를 판단하는 방법은 이하의 3가지가 있다. When segmentation of time series data and statistical summary information of each segment are generated, it is discriminated whether or not each segment is a failure segment (S130). The obstacle section means a section of the material produced in the rolling process in which the physical characteristics of the section are out of a predetermined value. There are three methods of determining whether the section is a failure section.
첫째로, 사행이나 파단의 경우, 폭계나 로드 셀(Load Cell)과 같은 계측 센터에서 발생한 데이터가 기설정된 범위를 벗어나는 경우 사행이나 파단이 발생한 것으로 보고 이 구간을 장애 구간으로 판단할 수 있다. 둘째로, 대상 운전성 장애가 발생한 시간을 알고 있을 경우 수동으로 그 시간에 해당하는 구간을 탐색하여 입력하는 것에 의하여 장애 구간을 판단할 수 있다. 셋째로, 운전성 장애 구간의 특정한 정의가 없는 경우 작업 설정값 등 독립 변수에 따른 종속 변수를 주성분 분석법(PCA), 스펙트럴 클러스터링(spectral Clustering) 등을 이용하여 해당 구간의 종속 변수들이 일반적인 패턴과 차이가 있는지에 따라 해당 구간이 장애 구간인지 여부를 판단할 수 있다.First, in the case of meandering or breaking, if the data generated in the measurement center such as the width meter or the load cell is out of the predetermined range, it is judged that the meander or breakage occurs, and this interval can be judged as the disturbance interval. Secondly, when the time of occurrence of the target driver's impairment is known, the obstacle section can be manually determined by searching and inputting the section corresponding to the time. Third, if there is no specific definition of the drift impairment interval, dependent variables according to independent variables such as job setting values are analyzed by using PCA, spectral clustering, It is possible to determine whether the corresponding interval is a failure interval according to whether there is a difference.
S130에서 해당 구간이 장애 구간으로 판단된 경우, 해당 구간을 장애 구간으로 설정하고(S140), S130에서 해당 구간이 장애 구간이 아닌 것으로 판단되는 경우, 해당 구간을 정상 구간으로 설정한다(S150). 해당 구간을 장애 구간 또는 정상 구간으로 설정한 후, 해당 구간이 전체 소재의 마지막 구간인지 여부를 판단하여(S160), 마지막 구간이 아닐 경우(S160의 아니오) S130 내지 S150 단계를 반복한다.If it is determined in step S130 that the corresponding interval is a failure interval, the corresponding interval is set as a failure interval (S140). If it is determined in step S130 that the corresponding interval is not a failure interval, the corresponding interval is set as a normal interval (S150). It is determined whether the corresponding section is the last section of the entire material (S160). If the section is not the last section (NO in S160), steps S130 through S150 are repeated.
해당 구간이 마지막 구간인 경우(S160의 예), 즉 전체 소재에 대한 장애 구간 설정이 완료된 경우, 구간 샘플링을 통해 분류 분석을 위한 데이터 세트를 생성한다(S170). 분류 분석을 위한 데이터 세트의 생성 방법은 이하에서 도 2 및 3을 참조하여 상세히 설명한다. If the corresponding section is the last section (YES in S160), that is, when the failure section is set for all the materials, a data set for classification analysis is generated through the section sampling (S170). A method of generating a data set for classification analysis will be described in detail below with reference to FIGS. 2 and 3. FIG.
도 2는 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법에서 분류 분석을 위한 데이터 세트(이하, 최종 데이터 세트라 함) 생성 방법을 나타내는 순서도이다. 도 2를 참조하면, 최종 데이터 세트를 생성하는 방법은 정상 구간과 장애 구간을 샘플링하여 정상구간 집단과 장애 구간 집단을 생성하기 위하여 구간 샘플링을 수행하는 것으로 시작된다(S171). 구간 샘플링이란 전체 구간 중 분류 분석에 사용될 장애 구간 집단과 정상 구간 집단을 선택하는 것으로, 일반적으로 장애 구간의 수가 정상 구간의 수보다 훨씬 작기 때문에 장애 구간 집단은 전체 장애 구간을 샘플링하고 정상 집단은 전체 정상 구간 중 일부를 무작위로 샘플링(예를 들어, 무작위 비복원 샘플링)한다. FIG. 2 is a flowchart showing a method of generating a data set (hereinafter referred to as a final data set) for classification analysis in the method for analyzing the operational trouble of the rolling process according to an embodiment of the present invention. Referring to FIG. 2, a method of generating a final data set starts with sampling a normal interval and a disabled interval to perform a period sampling to generate a normal interval group and a disabled interval interval (S171). Since the number of disability intervals is generally much smaller than the number of normal intervals, the disability interval group samples the entire disability interval, and the normal group is the whole Some of the normal sections are randomly sampled (for example, random non-restored sampling).
일반적으로 하나의 압연 공장에서 하루 생산되는 소재의 수는 약 700개로 한 달에 2만여 개의 소재가 생산된다. 그 중 불량이 발생하는 소재의 수는 불과 열 개 남짓으로 장애 구간의 수는 정상 구간의 수보다 훨씬 작다. 따라서 상술한 바와 같이 구간 샘플링에서 장애 구간 집단은 전체 장애 구간을 샘플링하고 정상 집단은 전체 정상 구간 중 일부를 무작위로 샘플링하게 되는 것이다. In general, the number of materials produced per day in one rolling mill is about 700, which means that about 20,000 materials are produced per month. The number of defects is only ten or fewer, and the number of obstacle sections is much smaller than the number of normal sections. Therefore, as described above, in the interval sampling, the obstacle interval group samples the entire obstacle interval, and the normal group randomly samples some of the entire normal interval.
도 3은 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 방법에서 분류 분석을 위한 데이터 세트 생성 방법을 나타내는 개념도이다. 도 3의 (a)를 참조하면 알 수 있는 바와 같이, m개의 소재에 대하여 각각 n개의 구간화를 실시한 경우 m×n개의 구간이 생성되며, 이 중 일부(i번째 소재의 k 구간)가 장애 구간에 해당한다. 따라서 m×n개의 구간 중 장애 구간 집단(A)으로 전체 장애 구간을 샘플링하고 정상 구간 집단(B)으로 일부 정상 구간을 비복원 무작위 샘플링한다. 도 3의 (b)를 참조하면 알 수 있는 바와 같이, 샘플링된 각 집단은 집합으로 표현되며, 집합 내의 각 구간은 해당 구간이 속하는 소재번호(a, b), 해당 구간의 시계열 데이터들의 평균(μ) 및 해당 구간의 시계열 데이터들의 표준편차(σ)를 포함할 수 있다. 여기서 a는 정상 구간이 포함된 소재번호를 나타내며, b는 장애 구간이 포함된 소재번호를 나타낸다. 3 is a conceptual diagram illustrating a method of generating a data set for classification analysis in a method for analyzing an operational disorder in a rolling process according to an embodiment of the present invention. As can be seen from FIG. 3 (a), when n pieces of sections are m sectioned, m × n sections are generated, and some of them (section k of the i th material) Section. Therefore, the entire obstacle section is sampled into the obstacle section group (A) among the m × n sections, and some normal sections are non-restored randomly sampled into the normal section group (B). As can be seen from FIG. 3 (b), each sampled group is represented by a set, and each interval in the set is divided into a material number (a, b) to which the corresponding interval belongs, μ) and the standard deviation (σ) of the time series data of the corresponding interval. Here, a represents the material number including the normal section, and b represents the material number including the failure section.
정상 구간 집단(A)과 장애 구간 집단(B)이 샘플링되면, 샘플링된 구간들을 한 쌍씩 비교하는 것에 의하여 두 구간의 소재번호가 중복되는지 여부를 판단한다(S172). 만약 두 구간의 소재번호가 중복된다면(S172의 예), 두 구간 중 하나가 장애 구간인지 여부를 판단한다(S173). 두 구간 중 하나가 장애 구간으로 판단되면(S173의 예), 그 중 정상 구간에 해당하는 데이터를 삭제한다(S174). 즉, 정상 구간 집단으로부터 장애 구간이 있는 소재번호에 해당하는 구간을 제외하여야 한다. 이는 장애 구간이 포함된 소재를 생산한 운전자는 장애 구간 외의 운전도 장애 구간과 유사하게 운영할 가능성이 크며, 따라서 정상 구간이라 하더라도 이상 변수값을 포함하고 있을 가능성이 크기 때문이다. 이와 같이 샘플링된 정상 구간 중 장애 구간이 포함된 소재에 해당하는 구간을 제외하는 것에 의하여 데이터의 신뢰성을 높일 수 있다. When the normal interval group A and the obstacle interval group B are sampled, the sampled intervals are compared one by one to determine whether or not the material numbers of the two intervals are overlapped (S172). If the material numbers of the two sections overlap (YES in S172), it is determined whether one of the two sections is a failure section (S173). If it is determined that one of the two sections is a failure section (YES in S173), the data corresponding to the normal section is deleted (S174). That is, the section corresponding to the material number having the obstacle section should be excluded from the normal section group. This is because the driver who produces the material containing the obstacle section is likely to operate similarly to the obstacle section other than the obstacle section, and therefore, even if it is in the normal section, it is likely to include the abnormal parameter value. The reliability of the data can be improved by excluding the section corresponding to the material including the failure section from among the sampled normal sections.
만약 두 구간 중 하나가 장애 구간이 아니라면, 즉 두 구간이 모두 정상 구간일 경우(S173의 아니오), 두 구간에 해당하는 평균과 표준 편차를 재산출하는 것에 의하여 두 구간을 하나의 구간으로 통합한다(S175). 동일 소재번호에 해당하는 정상 구간 소재번호에 속하는 구간이 다수 포함된 경우 해당 소재를 생산할 때 사용된 운전 패턴에 가중치를 주는 결과를 가져올 수 있기 때문이다.If one of the two sections is not a failure section, that is, if both sections are in the normal section (NO in S173), the two sections are integrated into one section by shipment of the mean and standard deviation corresponding to the two sections (S175). This is because, when a plurality of sections belonging to the normal section material number corresponding to the same material number are included in a plurality of sections, a weighting may be given to the operation pattern used for producing the material.
이와 같이 본 발명은 샘플링된 소재번호를 기준으로 동일 소재번호에 속하는 구간이 다수 존재하는 경우, 정상 구간 집단으로부터 장애 구간이 속하는 소재번호에 해당하는 구간을 제외하고, 정상 구간이 두 개 이상 샘플링된 경우 그 구간에 대하여는 평균과 표준편차를 재산출하는 것에 의하여 분류 분석을 위한 데이터의 신뢰도를 높이고 있는 것이다. As described above, when there are a plurality of sections belonging to the same material number based on the sampled material number, except for the section corresponding to the material number to which the obstacle section belongs from the normal section group, two or more normal sections are sampled In this case, the reliability of the data for classification analysis is increased by shipment of the mean and the standard deviation for the interval.
이상과 같이 정상 구간 집단(A)과 장애 구간 집단(B)이 구성되면, 이들의 합집합을 생성하고 소재 기본 정보와 소재번호를 기준으로 데이터를 병합하여 분류 분석을 위한 최종 데이터 세트를 생성한다(S176). 소재 기본 정보는 가열 온도, 소재의 폭, 길이, 두께, 강종, 품명 등을 포함하나 이에 한정되지 않으며 생산되는 특성에 따라 소재를 분류할 수 있는 임의의 적절한 정보를 포함할 수 있다. 생산되는 소재는 각각 자신의 고유 소재번호를 가지고 있으며, 복수의 소재번호가 하나의 소재로 분류될 수 있다. 따라서, 이상에서 생성된 구간들을 소재 기본 정보와 소재번호를 기준으로 소재별로 통합하는 것에 의하여 분류 분석을 위한 최종 데이터 세트를 완성한다.As described above, when a normal interval group A and a disabled interval group B are constructed, a union of them is generated and a final data set for classification analysis is generated by merging the data based on the basic information of the material and the material number S176). The basic information of the material may include any suitable information that can classify the material according to the characteristics to be produced, including, but not limited to, heating temperature, width, length, thickness, The produced material has its own unique material number, and a plurality of material numbers can be classified into one material. Accordingly, the final data set for the classification analysis is completed by integrating the sections generated in the above manner on the basis of the material based on the material basic information and the material number.
이와 같이 분류 분석을 위한 데이터세트가 완성되면, 다음으로 분류 분석을 통하여 주요 변수를 도출한다(S180). 예를 들어, 최종 데이터 세트에 포함된 구간들을 대상으로 결정 트리(Decision Tree), 부스팅(Boosting), 랜덤 포레스트(Random Forest)와 같은 분류 분석 방법을 통하여 정상 구간 집단과 장애 구간 집단 사이에 차이가 있는 변수들을 중요도 순으로 나열하고 이를 시각화하는 것에 의하여 운전 패턴에 영향을 주는 핵심 인자들을 도출할 수 있다. 분류 분석에 사용되는 구체적인 모형은 이미 공지되어 있으므로 이에 대한 자세한 설명은 생략하기로 한다. When the data set for the classification analysis is completed as described above, the main variables are derived through classification analysis (S180). For example, a classification method such as Decision Tree, Boosting, and Random Forest is applied to the intervals included in the final data set. By listing the variables in order of importance and visualizing them, we can derive the key factors that affect the operation pattern. Detailed models used in the classification analysis are already known, so a detailed description thereof will be omitted.
다음으로, 주요 변수로서 핵심 인자들이 도출되면, 도출된 핵심 인자를 통해 운전 패턴에 따른 결과에 대한 모델링을 수행한다(S190). 운전 패턴 모델은 도출된 핵심 인자를 주요 변수로 활용하여 선형/비선형(Linear/Non-Linear) 모델링 또는 신경망 기반 모델링을 수행하는 것에 의하여 만들어진다.Next, when the key parameters are derived as the main variable, the result according to the operation pattern is modeled through the derived key factors (S190). The operation pattern model is created by performing linear / non-linear modeling or neural network-based modeling using the derived core factors as the main variables.
모델링에 의해 운전 패턴 모델이 생성되면, 그 후 진행하는 압연 공정에서 생성되는 데이터를 실시간으로 모니터링 하는 것에 의하여 운전자에게 운전자 가이드를 제공한다(S200). 구체적으로, 운전자 가이드를 제공하기 위하여 압연 공정에서 실시간으로 생성되는 시계열 데이터를 상기 구간화 및 통계 요약 정보 생성 단계(S120)에서 수행되는 것과 동일하게 구간화한 후 통계 요약 정보를 생성한다. 그 후, 해당 구간에 대한 통계 요약 정보를 상기 운전 패턴 모델의 입력으로 사용하는 것에 의하여 현재 운전 패턴이 정상 운전 패턴인지 또는 장애를 유발하는 운전 패턴(장애 발생 운전 패턴)인지 여부를 판단하여, 장애 발생 운전 패턴에 해당하는 경우 운전자에게 적절한 가이드를 제공할 수 있다.After the operation pattern model is created by modeling, the driver's guide is provided to the driver by monitoring data generated in the subsequent rolling process in real time (S200). Specifically, in order to provide the driver's guide, the time series data generated in real time in the rolling process is segmented in the same manner as that performed in the segmentation and statistical summary information generation step (S120), and the statistical summary information is generated. Then, it is determined whether the current operation pattern is the normal operation pattern or the operation pattern causing the fault (fault occurrence operation pattern) by using the statistical summary information for the relevant section as the input of the operation pattern model, It is possible to provide an appropriate guide to the driver when it corresponds to the generated operation pattern.
이와 같이, 본 발명은 압연 공정에서 생성되는 대량의 시계열 데이터를 구간화하고 각 구간에 대한 통계 요약 정보를 이용하여 장애 구간을 식별하고 소재의 기본 정보와 결합하여 운전성 장애에 영향을 주는 운전 패턴을 분석하여 모델링하는 것에 의하여 운전성 장애 원인을 빠르고 효율적으로 분석할 수 있을 뿐 아니라 이러한 분석에 근거하여 운전자에게 실시간으로 운전자 가이드를 제공함으로써 운전성 장애 발생을 최소화할 수 있다.As described above, according to the present invention, a large amount of time series data generated in the rolling process is sectioned, the fault section is identified by using the statistical summary information for each section, and the operation pattern It is possible to quickly and efficiently analyze the cause of the driver 's obstacle by analyzing and modeling the driver' s obstacle. Also, it is possible to minimize the occurrence of the driver 's trouble by providing the driver with the driver' s guide in real time based on the analysis.
다음으로, 도 4를 참조하여 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 장치를 설명하기로 한다. 도 4는 본 발명의 일 실시예에 따른 압연 공정의 운전성 장애 분석 장치의 구조를 나타내는 블럭도이다.Next, referring to FIG. 4, an apparatus for analyzing an operational disorder in a rolling process according to an embodiment of the present invention will be described. FIG. 4 is a block diagram illustrating a structure of an apparatus for analyzing an operational trouble in a rolling process according to an embodiment of the present invention. Referring to FIG.
도 4를 참조하면, 본 발명의 압연 공정의 운전성 장애 분석 장치는 데이터 수집 모듈(401), 구간화 및 통계 정보 생성 모듈(402), 장애 구간 판단 모듈(403), 분류 분석 데이터세트 생성 모듈(404), 핵심 인자 도출 모듈(405), 운전 패턴 모델링 모듈(406) 및 운전자 가이드 제공 모듈(407)을 포함한다. 상기 모듈들은 운전성 장애 분석 장치의 동작을 기능에 따라 분류한 것으로, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 복수의 모듈이 하나의 기능 모듈로 통합되거나 하나의 모듈이 복수의 모듈로 세분화될 수 있음을 인식할 수 있을 것이다.4, the apparatus for analyzing the operational trouble in the rolling process of the present invention includes a
데이터 수집 모듈(401)은 압연 설비로부터 운전 패턴 정보를 가지고 있는 시계열 데이터, 제어 설정값 및 주요 공정 변수를 수집하는 기능을 하는 모듈이다. 시계열 데이터란 각 소재에 대한 운전 패턴을 나타내는 마이크로데이터로 압연 공정에서 각 롤의 온도, 각 롤의 회전속도, 대칭하는 한 쌍의 롤 사이의 간격, 토크, 각 롤을 회전시키기 위하여 구동 모터에 인가되는 전류 등에 대한 데이터를 포함하며, 제어 설정값은 생산되는 제품의 물리적 특성 또는 사양을 나타내는 매크로데이터로, 소재의 두께, 폭, 길이, 구성 성분 및 압연 온도 등을 포함하고, 주요 공정 변수는 소재의 특성을 결정하는 중요 변수로써 예를 들어 가열로 온도를 포함할 수 있다.The
구간화 및 통계 정보 생성 모듈(402)은 각 시계열 데이터를 구간화한 후 통계 요약 정보를 생성하는 기능을 하는 모듈로, 소재의 전체 길이를 n등분하는 것에 의하여 소재의 구간화를 수행한 후 각 구간에 대하여 시계열 데이터들의 평균(μ) 및 표준편차(σ)를 통계 요약 정보로 생성한다.The segmentation and statistical
장애 구간 판단 모듈(403) 상기 구간화 및 통계 정보 생성 모듈(402)에 의해 생성된 구간이 장애 구간에 속하는지 정상 구간에 속하는지를 판단하는 기능을 하는 모듈로서, 장애 구간에 속하는지 여부에 대한 구체적인 판단은 상술한 바와 같으므로 이에 대한 설명은 생략하기로 한다. The failure
다음으로, 분류 분석 데이터세트 생성 모듈(404)은 구간 샘플링을 통해 분류 분석을 위한 데이터 세트를 생성하는 기능을 하는 모듈로, 구간 샘플링 모듈(408), 중복 소재 처리 모듈(409) 및 최종 데이터 생성 모듈(410)을 포함한다. Next, the classification analysis data set
구간 샘플링 모듈(408)은 정상 구간과 장애 구간을 샘플링하여 정상구간 집단(A)과 장애 구간 집단(B)을 생성하는 모듈로, 구체적으로, 구간 샘플링은 전체 구간 중 장애 구간 집단(A)으로 전체 장애 구간을 샘플링하고 정상 구간 집단(B)으로 일부 정상 구간을 비복원 무작위 샘플링한다. The section sampling module 408 generates a normal interval group A and a disabled interval group B by sampling a normal interval and a disabled interval. Specifically, the interval sampling is a group of a discrete interval A Sampling the entire impairment interval and non-restoring random sampling of some normal intervals with the normal interval population (B).
중복 소재 처리 모듈(409)은 샘플링된 구간의 소재번호를 기준으로 중복 소재번호가 존재하는 경우 이를 처리하는 모듈로, 중복 소재번호에 해당하는 구간 중 하나가 장애 구간에 해당하는 경우 장애 구간이 있는 소재번호에 해당하는 정상 구간을 삭제하며, 중복 소재번호에 해당하는 구간이 모두 정상 구간일 경우 각 구간에 해당하는 평균과 표준 편차를 재산출하는 것에 의하여 중복 구간을 하나의 구간으로 통합한다.The duplicate material processing module 409 processes a duplicate material number if there is a duplicate material number based on the material number of the sampled section. If one of the sections corresponding to the duplicate material number corresponds to the failure section, The normal section corresponding to the material number is deleted, and when all the sections corresponding to the duplicate material number are normal sections, the overlapping sections are integrated into one section by shipment of the mean and standard deviation corresponding to each section.
최종 데이터 생성 모듈(410)은 이상에서 생성된 구간들을 소재 기본 정보와 소재번호를 기준으로 소재별로 통합하는 것에 의하여 분류 분석을 위한 최종 데이터 세트를 생성하는 모듈이다.The final data generation module 410 is a module for generating a final data set for classification analysis by integrating the sections generated in the above manner on the basis of the material basis information and the material number.
핵심 인자 도출 모듈(405)은 최종 데이터 생성 모듈에서 생성된 구간 데이터에 대한 분류 분석을 수행하는 것에 의하여 운전 패턴에 영향을 주는 핵심 인자들을 도출하는 모듈이다. 핵심 인자를 도출하기 위하여 상기 모듈(405)은 결정 트리(Decision Tree), 부스팅(Boosting), 랜덤 포레스트(Random Forest)와 같은 분류 분석 방법을 사용할 수 있다.The core
운전 패턴 모델링 모듈(406)은 도출된 핵심 인자들을 주요 변수로 사용하여 운전 패턴에 대한 모델을 생성하는 모듈로, 상술한 바와 같이 선형/비선형(Linear/Non-Linear) 모델링 또는 신경망 기반 모델링을 사용할 수 있다.The operation
운전자 가이드 제공 모듈(407)은 모델링에 의해 운전 패턴 모델이 생성되면, 그 후 진행하는 압연 공정에서 생성되는 데이터를 실시간으로 모니터링 하는 것에 의하여 운전자에게 운전자 가이드를 제공하기 위한 모듈이다. 구체적으로, 운전자 가이드 제공 모듈(407)은 실시간으로 생성되는 시계열 데이터를 구간화한 후 통계 요약 정보를 생성하고 해당 구간에 대한 통계 요약 정보를 상기 운전 패턴 모델링 모듈에서 생성된 운전 패턴 모델의 입력으로 사용하는 것에 의하여 현재 운전 패턴이 정상 운전 패턴인지 또는 장애를 유발하는 운전 패턴(장애 발생 운전 패턴)인지 여부를 판단하여, 장애 발생 운전 패턴에 해당하는 경우 운전자에게 적절한 가이드를 제공한다.The driver
이와 같이, 본 발명의 압연 공정의 운전성 장애 분석 장치는 압연 공정에서 생성되는 대량의 시계열 데이터를 구간화하고 각 구간에 대한 통계 요약 정보를 이용하여 정상 구간과 장애 구간을 식별하고, 장애 발생에 기여한 운전 패턴 및 장애 발생의 핵심 인자를 데이터 분석 방법을 통해 탐색 및 학습하는 것에 의하여 실시간으로 운전자 가이드를 제공하는 것에 의하여 운전성 장애 발생을 최소화할 수 있다.As described above, the apparatus for analyzing the operational trouble in the rolling process of the present invention divides a large amount of time series data generated in the rolling process, identifies the normal section and the fault section using the statistical summary information for each section, By providing the driver's guide in real time by searching and learning the contributing driving patterns and the key factors of the fault occurrence through the data analysis method, it is possible to minimize the occurrence of the driving disorder.
401: 데이터 수집 모듈
402: 구간화 및 통계 정보 생성 모듈
403: 장애 구간 판단 모듈
404: 분류 분석 데이터세트 생성 모듈
405: 핵심 인자 도출 모듈
406: 운전 패턴 모델링 모듈
407: 운전자 가이드 제공 모듈401: Data Acquisition Module
402: Interval and statistical information generation module
403: Failure section determination module
404: Classification Analysis Data Set Generation Module
405: Core factor derivation module
406: Operation pattern modeling module
407: Driver's Guide Module
Claims (9)
하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하는 구간화 단계;
상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 통계 정보 생성 단계;
상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 식별 단계;
상기 장애 구간 집단 및 상기 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 단계;
상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 단계; 및
상기 핵심 인자를 주요 변수로 하여 운전 패턴 모델을 생성하는 운전 패턴 모델링 단계를 포함하며
상기 구간 샘플링 단계는,
상기 샘플링된 구간들의 소재번호에 기초하여 소재번호가 중복된 구간들을 검출하는 단계; 및
상기 소재번호가 중복된 구간들이 상기 장애 구간 및 상기 정상 구간을 모두 포함하는 경우, 상기 소재번호가 중복된 구간들 중 상기 정상 구간을 삭제하는 단계를 포함하는 압연 공정의 운전성 장애 분석 방법.A data collecting step of collecting time series data, control set values and main process variables indicating the operation pattern generated in the rolling process;
A segmentation step of segmenting time series data pertaining to one material into a plurality of segments;
A statistical information generating step of generating statistical summary information on the segmented time series data;
A disturbance section identification step of distinguishing the plurality of sections as the obstacle section group and the normal section group based on the statistical summary information;
An interval sampling step of sampling a plurality of obstacle sections and a normal section from the obstacle interval group and the normal interval group;
Deriving at least one key factor affecting the impairment interval based on the statistical summary information of the sampled interval; And
And an operation pattern modeling step of generating an operation pattern model with the above-mentioned key factor as a main variable
In the section sampling step,
Detecting intervals in which a material number is duplicated based on a material number of the sampled intervals; And
And deleting the normal section from the overlapping sections where the material number is overlapped if the sections having overlapping material numbers include both the obstacle section and the normal section.
상기 압연 공정으로부터 생성되는 시계열 데이터를 실시간으로 모니터링하는 것에 의하여 상기 압연 공정의 운전자에게 운전자 가이드를 제공하는 운전자 가이드 제공 단계를 더 포함하며,
상기 운전자 가이드 제공 단계는 모니터링된 시계열 데이터를 구간화한 후 실시간 통계 요약 정보를 생성하고 상기 운전 패턴 모델에 상기 실시간 통계 요약 정보를 적용하는 것에 의하여 현재 운전 패턴이 장애 운전 패턴인지 여부를 실시간으로 판단하는 것을 특징으로 하는, 압연 공정의 운전성 장애 분석 방법.The method according to claim 1,
Further comprising the step of providing a driver's guide to the driver of the rolling process by monitoring the time series data generated from the rolling process in real time,
The driver guide providing step may include generating real-time statistical summary information after segmenting the monitored time series data and applying the real-time statistical summary information to the operation pattern model to determine whether the current operation pattern is a faulty driving pattern in real time The method comprising the steps of:
상기 구간 샘플링 단계는,
상기 소재번호가 중복된 구간들이 모두 정상 구간인 경우, 상기 소재번호가 중복된 구간들의 통계 요약 정보를 통합하여 상기 소재번호가 중복된 구간들을 하나의 구간으로 재산출하는 단계를 포함하는, 압연 공정의 운전성 장애 분석 방법.3. The method of claim 2,
In the section sampling step,
And aggregating the statistical summary information of the overlapped portions of the material numbers when all the overlapped portions of the material numbers are normal portions, A method for analyzing a driver '
하나의 소재에 속하는 시계열 데이터를 복수의 구간으로 구간화하고 상기 구간화된 시계열 데이터에 대한 통계 요약 정보를 생성하는 구간화 및 통계 정보 생성 모듈;
상기 통계 요약 정보에 근거하여 상기 복수의 구간을 장애 구간 집단과 정상 구간 집단으로 구별하는 장애 구간 판단 모듈;
상기 장애 구간 집단 및 정상 구간 집단으로부터 복수의 장애 구간 및 정상 구간을 샘플링하는 구간 샘플링 모듈;
상기 샘플링된 구간들 중 소재번호가 중복된 구간들을 처리하는 중복 소재번호 처리 모듈;
상기 샘플링된 구간의 통계 요약 정보에 근거하여 상기 장애 구간에 영향을 주는 적어도 하나의 핵심 인자를 도출하는 핵심 인자 도출 모듈; 및
상기 핵심 인자를 주요 변수로 하여운전 패턴 모델을 생성하는 운전 패턴 모델링 모듈을 포함하며,
상기 중복 소재번호 처리 모듈은,
상기 소재번호가 중복된 구간들이 상기 장애 구간 및 상기 정상 구간을 모두 포함하는 경우, 상기 소재번호가 중복된 구간들 중 상기 정상 구간을 삭제하는 것을 특징으로 하는 압연 공정의 운전성 장애 분석 장치.A data collection module for collecting time series data, control set values, and main process variables indicating the operation pattern generated in the rolling process;
A segmentation and statistical information generation module for segmenting time series data belonging to one material into a plurality of segments and generating statistical summary information for the segmented time series data;
A disturbance interval determination module that distinguishes the plurality of intervals as the obstacle interval group and the normal interval group based on the statistical summary information;
A section sampling module for sampling a plurality of obstacle sections and a normal section from the obstacle section group and the normal section group;
A duplicate material number processing module for processing intervals in which the material numbers are duplicated among the sampled intervals;
A core factor derivation module for deriving at least one core factor that affects the fault section based on the statistical summary information of the sampled section; And
And an operation pattern modeling module for generating an operation pattern model with the key factor as a main variable,
The duplicate material number processing module includes:
Wherein the normal section is deleted from the overlapping sections where the material number is overlapped when the overlapping section includes both the failure section and the normal section.
상기 압연 공정으로부터 생성되는 시계열 데이터를 실시간으로 모니터링하는 것에 의하여 상기 압연 공정의 운전자에게 운전자 가이드를 제공하는 운전자 가이드 제공 모듈을 더 포함하며,
상기 운전자 가이드 제공 모듈은 모니터링된 시계열 데이터를 구간화한 후 실시간 통계 요약 정보를 생성하고 상기 운전 패턴 모델에 상기 실시간 통계 요약 정보를 적용하는 것에 의하여 현재 운전 패턴이 장애 운전 패턴인지 여부를 실시간으로 판단하는 것을 특징으로 하는, 압연 공정의 운전성 장애 분석 장치.The method according to claim 6,
And a driver guide providing module for providing a driver's guide to the driver of the rolling process by monitoring the time series data generated from the rolling process in real time,
The driver guide providing module generates real-time statistical summary information after segmenting the monitored time series data and applies the real-time statistical summary information to the operation pattern model to determine whether the current operation pattern is a faulty driving pattern in real time Wherein the apparatus is operable to analyze the operational failure of the rolling process.
상기 중복 소재번호 처리 모듈은, 상기 소재번호가 중복된 구간들이 모두 정상 구간인 경우, 상기 소재번호가 중복된 구간들의 통계 요약 정보를 통합하여 상기 소재번호가 중복된 구간들을 하나의 구간으로 재산출하는 것을 특징으로 하는, 압연 공정의 운전성 장애 분석 장치.The method according to claim 6,
The duplicate material number processing module integrates the statistical summary information of the overlapped portions of the material number when the overlapped portions of the material numbers are all in the normal section, Wherein the apparatus is characterized in that the apparatus is operable to analyze the operation of the rolling process.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160175210A KR101919543B1 (en) | 2016-12-21 | 2016-12-21 | A method and device for analyzing operational abnormality of rolling process |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160175210A KR101919543B1 (en) | 2016-12-21 | 2016-12-21 | A method and device for analyzing operational abnormality of rolling process |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180072050A KR20180072050A (en) | 2018-06-29 |
| KR101919543B1 true KR101919543B1 (en) | 2019-02-08 |
Family
ID=62780713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160175210A KR101919543B1 (en) | 2016-12-21 | 2016-12-21 | A method and device for analyzing operational abnormality of rolling process |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101919543B1 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102472637B1 (en) * | 2018-10-25 | 2022-11-29 | 삼성에스디에스 주식회사 | Method for analyzing time series data, determining a key influence variable and apparatus supporting the same |
| WO2022003871A1 (en) * | 2020-07-01 | 2022-01-06 | 東芝三菱電機産業システム株式会社 | Diagnosis assistance device for manufacturing equipment |
| CN116809652B (en) * | 2023-03-28 | 2024-04-26 | 材谷金带(佛山)金属复合材料有限公司 | Abnormality analysis method and system for hot rolling mill control system |
| CN116822998B (en) * | 2023-08-30 | 2023-11-14 | 山东太祥阀门有限公司 | All-welded ball valve production data analysis method based on big data |
| CN117390402B (en) * | 2023-12-11 | 2024-03-08 | 青岛可颂食品有限公司 | Mixed cream production management system |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015215709A (en) * | 2014-05-09 | 2015-12-03 | 株式会社神戸製鋼所 | Apparatus data processor and apparatus data processing method |
-
2016
- 2016-12-21 KR KR1020160175210A patent/KR101919543B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015215709A (en) * | 2014-05-09 | 2015-12-03 | 株式会社神戸製鋼所 | Apparatus data processor and apparatus data processing method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180072050A (en) | 2018-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101919543B1 (en) | A method and device for analyzing operational abnormality of rolling process | |
| Lieber et al. | Quality prediction in interlinked manufacturing processes based on supervised & unsupervised machine learning | |
| Fernandes et al. | Data analysis and feature selection for predictive maintenance: A case-study in the metallurgic industry | |
| CN111610407B (en) | Cable aging state evaluation method and device based on naive Bayes | |
| EP3373211A1 (en) | Management device and non-transitory computer-readable medium | |
| Jakubowski et al. | Explainable anomaly detection for Hot-rolling industrial process | |
| CN108685158B (en) | Intelligent filament cutter maintenance method and system based on automatic optical detection technology | |
| CN104181196B (en) | A kind of continuous casting billet surface longitudinal crack online test method | |
| CN111738308A (en) | Dynamic threshold detection method for monitoring index based on clustering and semi-supervised learning | |
| CN115576284A (en) | Clothing workshop intelligent management method and system | |
| JP7279473B2 (en) | Anomaly detection device, anomaly detection method, and computer program | |
| JP5821363B2 (en) | Product defect factor analyzer | |
| KR100838722B1 (en) | Device for detecting the defects on the strip surface | |
| US20230229136A1 (en) | Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program | |
| RU2502572C2 (en) | Classification of flaws and grinding of forming rolls | |
| CN110226160B (en) | State analysis device, state analysis method, and storage medium | |
| CN113673600B (en) | Industrial signal abnormality early warning method, system, storage medium and computing device | |
| WO2020229541A1 (en) | Method for controlling a metal rolling process for producing intermediate castings, a related computer system, and a method for producing intermediate castings | |
| Lechwar et al. | Use of artificial intelligence in classification of mill scale defects | |
| US20220147033A1 (en) | Computer Program Product, Industrial Installation, Method and Apparatus for Determining or Predicting a Position of a Web Break | |
| CN116235121A (en) | Apparatus and method for identifying anomalies in industrial facilities for performing a production process | |
| Haapamäki et al. | Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction. | |
| Prasad et al. | Predictive maintenance in forging industry | |
| EP3599070A1 (en) | Device and production system for processing a material | |
| Nagy et al. | An industrial application using process mining to reduce the number of faulty products |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |