KR102045639B1 - Apparatus for providing optimal load distribution of rolling mill - Google Patents

Apparatus for providing optimal load distribution of rolling mill Download PDF

Info

Publication number
KR102045639B1
KR102045639B1 KR1020170176897A KR20170176897A KR102045639B1 KR 102045639 B1 KR102045639 B1 KR 102045639B1 KR 1020170176897 A KR1020170176897 A KR 1020170176897A KR 20170176897 A KR20170176897 A KR 20170176897A KR 102045639 B1 KR102045639 B1 KR 102045639B1
Authority
KR
South Korea
Prior art keywords
machine learning
load distribution
information
learning model
manual intervention
Prior art date
Application number
KR1020170176897A
Other languages
Korean (ko)
Other versions
KR20190075370A (en
Inventor
김석
김용수
한상근
백창헌
Original Assignee
주식회사 포스코
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코 filed Critical 주식회사 포스코
Priority to KR1020170176897A priority Critical patent/KR102045639B1/en
Publication of KR20190075370A publication Critical patent/KR20190075370A/en
Application granted granted Critical
Publication of KR102045639B1 publication Critical patent/KR102045639B1/en

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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Abstract

본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치는, 압연장치의 계측 정보를 입력 받는 계측부와, 계측 정보가 포함된 기계학습 데이터베이스에 기초하여 학습된 기계학습 모델을 생성하는 기계학습 모델 학습부와, 기계학습 모델에 기반하여 제1 부하배분을 계산하는 기계학습 모델 기반 부하배분 계산부와, 계측 정보가 적용된 수식 모델에 기반하여 제2 부하배분을 계산하는 수식 모델 기반 부하배분 계산부와, 기계학습 데이터베이스에 기초하여 제1 부하배분과 제2 부하배분 중 최적 부하배분을 선택하는 최적 부하배분 계산부와, 최적 부하배분에 기초하여 제어 정보를 출력하는 제어부를 포함할 수 있다.An apparatus for optimal load distribution of a rolling apparatus according to an embodiment of the present invention includes a measuring unit that receives measurement information of a rolling apparatus, and a machine learning model for generating a learned machine learning model based on a machine learning database including measurement information. A learning unit, a machine learning model-based load distribution calculator that calculates a first load distribution based on the machine learning model, and a mathematical model-based load distribution calculation unit that calculates a second load distribution based on an equation model to which measurement information is applied. And an optimum load allocation calculator for selecting an optimum load distribution among the first load distribution and the second load distribution based on the machine learning database, and a controller for outputting control information based on the optimum load distribution.

Figure R1020170176897
Figure R1020170176897

Description

압연장치 최적 부하배분 제공 장치 및 방법이 기록된 컴퓨터 판독가능 기록 매체{Apparatus for providing optimal load distribution of rolling mill}Rolling device Computer readable recording medium recording apparatus and method for providing optimum load distribution.

본 발명은 압연장치 최적 부하배분 제공 장치 및 방법이 기록된 컴퓨터 판독가능 기록 매체에 관한 것이다.The present invention relates to a computer readable recording medium having recorded therein an apparatus and method for providing optimum load distribution for a rolling apparatus.

열연 공정은 가열로에서 1000도 이상으로 가열된 소재를 제1 압연장치(예: 조압연기)과 제2 압연장치(예: 사상압연기)에서 압연하여 권취기에서 코일로 만드는 공정이다. 즉, 소재는 가열로에서 재결정 온도이상으로 가열되고, 제1 및 제2 압연장치에서 재결정 온도 이상일 때 압연되고 냉각됨에 따라 고객이 요구하는 치수와 형상, 기계적 성질을 갖춘 제품으로 가공될 수 있으며, 귄취기에서 코일형태로 가공될 수 있다. 여기서, 압연장치는 복수의 압연 스탠드를 통해 소재를 순차적으로 압연할 때 복수의 압연 스탠드의 부하(예: 각 압연 스탠드로 진입하는 소재의 두께와 각 압연 스탠드의 롤갭 간 차이)배분을 설정할 수 있는데, 압연장치의 부하배분은 제품의 통판성과 판형상을 결정하기 때문에 조업 품질을 결정하는 중요한 요소이다.The hot rolling process is a process in which a material heated to 1000 degrees or more in a heating furnace is rolled in a first rolling apparatus (for example, rough rolling mill) and a second rolling apparatus (for example, finishing mill) to form a coil in a winding machine. That is, the material is heated to a recrystallization temperature or higher in the furnace, and rolled and cooled when the recrystallization temperature is higher than the recrystallization temperature in the first and second rolling apparatus, it can be processed into a product having the dimensions, shape and mechanical properties required by the customer, It can be processed in coil form on the odor machine. Here, the rolling apparatus may set the distribution of the load (eg, the difference between the thickness of the material entering each rolling stand and the roll gap of each rolling stand) when rolling the material sequentially through a plurality of rolling stands The load distribution of the rolling mill is an important factor that determines the quality of operation because it determines the mailing and plate shape of the product.

공개특허공보 10-2004-0043911Published Patent Publication 10-2004-0043911

본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치 및 방법이 기록된 컴퓨터 판독가능 기록 매체를 제공한다.Provided is a computer readable recording medium having recorded thereon an apparatus and a method for providing optimal load distribution according to an embodiment of the present invention.

본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치는, 압연장치의 계측 정보를 입력 받는 계측부; 상기 계측 정보가 포함된 기계학습 데이터베이스에 기초하여 학습된 기계학습 모델을 생성하는 기계학습 모델 학습부; 상기 기계학습 모델에 기반하여 제1 부하배분을 계산하는 기계학습 모델 기반 부하배분 계산부; 상기 계측 정보가 적용된 수식 모델에 기반하여 제2 부하배분을 계산하는 수식 모델 기반 부하배분 계산부; 상기 기계학습 데이터베이스에 기초하여 상기 제1 부하배분과 상기 제2 부하배분 중 최적 부하배분을 선택하는 최적 부하배분 계산부; 및 상기 최적 부하배분에 기초하여 제어 정보를 출력하는 제어부; 를 포함할 수 있다.Rolling device optimum load distribution providing apparatus according to an embodiment of the present invention, the measuring unit for receiving the measurement information of the rolling device; A machine learning model learning unit generating a machine learning model learned based on the machine learning database including the measurement information; A machine learning model based load distribution calculation unit for calculating a first load distribution based on the machine learning model; An equation model-based load distribution calculator for calculating a second load distribution based on the equation model to which the measurement information is applied; An optimum load distribution calculator for selecting an optimal load distribution among the first load distribution and the second load distribution based on the machine learning database; And a controller for outputting control information based on the optimum load distribution. It may include.

예를 들어 상기 압연장치 최적 부하배분 제공 장치는, 수동개입 정보를 입력 받는 수동개입 입력부; 및 상기 수동개입 정보에 기초하여 상기 최적 부하배분에 대한 보정 정보를 생성하고 상기 보정 정보를 상기 기계학습 데이터베이스로 피드백하는 수동개입 보정부; 를 더 포함할 수 있다.For example, the rolling device optimum load distribution providing apparatus, manual intervention input unit for receiving the manual intervention information; And a manual intervention correction unit generating correction information on the optimum load distribution based on the manual intervention information and feeding back the correction information to the machine learning database. It may further include.

예를 들어, 상기 수동개입 보정부는 상기 수동개입 정보가 입력된 경우에 기계학습 모델 감점 정보를 생성하고, 상기 수동개입 정보가 입력되지 않은 경우에 기계학습 모델 가점 정보를 생성할 수 있다.For example, the manual intervention correction unit may generate machine learning model deduction information when the manual intervention information is input, and generate machine learning model value information when the manual intervention information is not input.

예를 들어, 상기 기계학습 모델 학습부는 상기 기계학습 데이터베이스의 일부에 기초하여 신 기계학습 모델을 생성하고, 상기 계측 정보에 기초하여 구 기계학습 모델과 상기 신 기계학습 모델 중 하나를 선택하고, 선택된 기계학습 모델을 상기 기계학습 데이터베이스의 다른 일부에 기초하여 학습시켜 학습된 기계학습 모델을 생성할 수 있다.For example, the machine learning model learning unit generates a new machine learning model based on a part of the machine learning database, selects one of an old machine learning model and the new machine learning model based on the measurement information, and selects The machine learning model may be trained based on another portion of the machine learning database to generate the learned machine learning model.

예를 들어, 상기 계측 정보는 상기 압연장치가 압연하는 소재의 소재 정보와, 상기 압연장치의 압연 스탠드 정보와, 온도 정보와, 상기 압연장치의 압연실적 정보를 포함하고, 상기 계측부는 상기 압연장치에 적용된 실제 부하배분 정보를 입력 받고, 상기 기계학습 모델 학습부는 상기 실제 부하배분 정보에 기초하여 학습된 기계학습 모델을 생성할 수 있다.For example, the measurement information includes the raw material information of the rolling material of the rolling apparatus, the rolling stand information of the rolling apparatus, the temperature information, and the rolling record information of the rolling apparatus, and the measuring unit includes the rolling apparatus. The machine learning model learner may generate a machine learning model learned based on the actual load distribution information.

본 발명의 일 실시 예에 따른 컴퓨터 판독가능 기록 매체는, 압연장치의 계측 정보를 입력 받는 단계; 상기 계측 정보가 포함된 기계학습 데이터베이스에 기초하여 학습된 기계학습 모델을 생성하는 단계; 상기 기계학습 모델에 기반하여 제1 부하배분을 계산하는 단계; 상기 계측 정보가 적용된 수식 모델에 기반하여 제2 부하배분을 계산하는 단계; 상기 기계학습 데이터베이스에 기초하여 상기 제1 부하배분과 상기 제2 부하배분 중 최적 부하배분을 선택하는 단계; 및 상기 최적 부하배분에 기초하여 제어 정보를 출력하는 단계; 를 포함하는 방법을 실행하기 위한 프로세서에 의해 실행 가능한 명령들이 기록될 수 있다.Computer-readable recording medium according to an embodiment of the present invention, the step of receiving the measurement information of the rolling device; Generating a learned machine learning model based on the machine learning database including the measurement information; Calculating a first load distribution based on the machine learning model; Calculating a second load distribution based on a mathematical model to which the measurement information is applied; Selecting an optimal load distribution among the first load distribution and the second load distribution based on the machine learning database; And outputting control information based on the optimal load distribution. Instructions executable by the processor for executing the method may be recorded.

예를 들어 상기 컴퓨터 판독가능 기록 매체는, 수동개입 정보를 입력 받는 단계; 및 상기 수동개입 정보에 기초하여 상기 최적 부하배분에 대한 보정 정보를 생성하고 상기 보정 정보를 상기 기계학습 데이터베이스로 피드백하는 단계; 를 더 포함하는 방법을 실행하기 위한 프로세서에 의해 실행 가능한 명령들이 기록될 수 있다.For example, the computer-readable recording medium may include receiving manual intervention information; And generating correction information for the optimal load distribution based on the manual intervention information and feeding back the correction information to the machine learning database. Instructions executable by the processor for executing the method further comprising can be recorded.

본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치는, 압연장치의 다양한 상황에 적합한 최적 부하배분을 선택할 수 있으며, 최적 부하배분의 선택 기준을 학습할 수 있으므로, 압연장치에 의해 압연되는 소재의 통판성과 판형상의 안정성을 확보하고 점진적으로 개선해나갈 수 있다.Rolling apparatus optimum load distribution providing apparatus according to an embodiment of the present invention, it is possible to select the optimum load distribution suitable for various situations of the rolling device, and can learn the selection criteria of the optimal load distribution, it is rolled by the rolling apparatus It can secure the mail order and plate shape stability of the material and gradually improve it.

본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치는, 운전자의 직접적인 부하배분 결정 없이도 운전자가 직접 부하배분을 결정하는 것에 상응하도록 최적 부하배분을 선택할 수 있으며, 운전자의 인지, 판단 및 행동의 부담을 줄일 수 있으며, 운전자의 조업 안전성 및 생산성을 향상시킬 수 있다.The apparatus for providing optimal load distribution of a rolling apparatus according to an embodiment of the present invention may select an optimal load distribution to correspond to the driver directly determining the load distribution without determining the driver's direct load distribution, and recognizes, judges, and acts of the driver. It can reduce the burden and improve the driver's operation safety and productivity.

도 1은 본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치를 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치를 컴퓨팅 환경의 관점에서 나타낸 도면이다.
도 3은 본 발명의 일 실시 예에 따른 컴퓨터 판독가능 기록 매체에 기록된 방법을 나타낸 순서도이다.1 is a view showing a rolling device optimum load distribution providing apparatus according to an embodiment of the present invention.
2 is a view showing a rolling device optimum load distribution providing apparatus according to an embodiment of the present invention from the perspective of a computing environment.
3 is a flow chart illustrating a method recorded on a computer readable recording medium according to one embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 설명한다. 그러나 본 발명의 실시형태는 여러 가지의 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로만 한정되는 것은 아니다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있으며, 도면상의 동일한 부호로 표시되는 요소는 동일한 요소이다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. However, embodiments of the present invention may be modified in various other forms, and the scope of the present invention is not limited to the embodiments described below. Shapes and sizes of the elements in the drawings may be exaggerated for clarity, elements represented by the same reference numerals in the drawings are the same elements.

도 1은 본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치를 나타낸 도면이다.1 is a view showing a rolling device optimum load distribution providing apparatus according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치는, 계측부(111), 기계학습 모델 학습부(131), 기계학습 모델 기반 부하배분 계산부(132), 수식 모델 기반 부하배분 계산부(133), 최적 부하배분 선택부(134) 및 제어부(142)를 포함할 수 있다.Referring to Figure 1, the rolling device optimum load distribution providing apparatus according to an embodiment of the present invention, the measurement unit 111, the machine learning model learning unit 131, the machine learning model based load distribution calculation unit 132, equation The model-based load distribution calculator 133, an optimum load distribution selector 134, and a controller 142 may be included.

계측부(111)는 압연장치(10)의 계측 정보를 입력 받을 수 있다. 예를 들어, 상기 계측 정보는 압연장치(10)가 압연하는 소재의 소재 정보(예: 두께 정보, 폭 정보, 강종 정보 및 온도 정보)와, 압연장치(10)의 각 압연 스탠드의 압연매수 정보와, 가열로 내 재로시간 정보와, 가열로와 압연장치(10)간 온도 정보와, 압연장치(10)의 조압연기와 사상압연기 간의 온도 정보와, 압연장치(10)의 압연실적 정보 중 적어도 하나를 포함할 수 있다.The measurement unit 111 may receive measurement information of the rolling apparatus 10. For example, the measurement information may include material information (eg, thickness information, width information, steel grade information, and temperature information) of the material to be rolled by the rolling apparatus 10, and information about the number of rolls of each rolling stand of the rolling apparatus 10. At least at least one of information on the inside time of the furnace, temperature information between the furnace and the rolling apparatus 10, temperature information between the roughing mill and the finishing mill of the rolling apparatus 10, and rolling performance information of the rolling apparatus 10. It may include one.

또한, 상기 계측부(111)는 운전자(20)가 실제로 결정하여 압연장치(10)에 적용한 실제 부하배분 정보를 입력 받을 수 있다. 상기 실제 부하배분 정보는 기계학습 데이터베이스(121)에 포함될 수 있다.In addition, the measurement unit 111 may receive the actual load distribution information that the driver 20 actually determines and applies to the rolling device 10. The actual load distribution information may be included in the machine learning database 121.

기계학습 모델 학습부(131)는 상기 계측 정보가 포함된 기계학습 데이터베이스(121)에 기초하여 학습된 기계학습 모델을 생성할 수 있다.The machine learning model learning unit 131 may generate a trained machine learning model based on the machine learning database 121 including the measurement information.

예를 들어, 상기 기계학습 모델 학습부(131)는 기계학습 데이터베이스(121)의 일부(예: 최근 6개월 내의 정보)에 기초하여 신 기계학습 모델을 생성하고, 상기 계측 정보에 기초하여 구 기계학습 모델과 상기 신 기계학습 모델 중 하나를 선택하고, 선택된 기계학습 모델을 기계학습 데이터베이스(121)의 다른 일부(예: 과거 6개월 이상 경과된 정보)에 기초하여 학습시켜 학습된 기계학습 모델을 생성할 수 있다. 이에 따라, 상기 기계학습 모델 학습부(131)는 더욱 높은 신뢰도를 가지도록 학습된 기계학습 모델을 생성할 수 있다.For example, the machine learning model learning unit 131 generates a new machine learning model based on a part of the machine learning database 121 (for example, information within the last six months), and based on the measurement information, the old machine Select one of the learning model and the new machine learning model, and train the selected machine learning model based on another part of the machine learning database 121 (for example, information that has been in the past six months or more). Can be generated. Accordingly, the machine learning model learner 131 may generate a machine learning model trained to have higher reliability.

기계학습 모델 기반 부하배분 계산부(132)는 상기 기계학습 모델에 기반하여 제1 부하배분을 계산할 수 있다. 예를 들어, 상기 기계학습 모델 기반 부하배분 계산부(132)는 RNN(Recurrent Neural Network)를 기반으로 Batch Normalization, Drop-out, ReLU를 가공하여 구현된 신경망을 통해 제1 부하배분을 계산할 수 있다.Machine learning model-based load distribution calculation unit 132 may calculate a first load distribution based on the machine learning model. For example, the machine learning model-based load distribution calculator 132 may calculate a first load distribution through a neural network implemented by processing Batch Normalization, Drop-out, and ReLU based on a Recurrent Neural Network (RNN). .

수식 모델 기반 부하배분 계산부(133)는 상기 계측 정보가 적용된 수식 모델에 기반하여 제2 부하배분을 계산할 수 있다. 예를 들어, 상기 수식 모델 기반 부하배분 계산부(133)는 기 저장된 수식의 변수에 상기 계측 정보를 적용하여 제2 부하배분을 계산할 수 있다.The mathematical model-based load distribution calculator 133 may calculate a second load distribution based on the mathematical model to which the measurement information is applied. For example, the equation model-based load distribution calculator 133 may calculate a second load distribution by applying the measurement information to a variable of a previously stored equation.

최적 부하배분 선택부(134)는 기계학습 데이터베이스(121)에 기초하여 상기 제1 부하배분과 상기 제2 부하배분 중 최적 부하배분을 선택할 수 있다.The optimal load distribution selector 134 may select an optimal load distribution among the first load distribution and the second load distribution based on the machine learning database 121.

예를 들어, 압연장치(10)의 부하배분은 통상적인 상황에서 통상적 패턴에 따라 결정되는 것이 적합할 수 있고, 특이한 상황(예: 신규소재 압연, 압연 환경악화 등)에서 특이 패턴에 따라 결정되는 것이 적합할 수 있다. 수식 모델은 정적인 특성을 가지므로 통상적인 상황에서 통상적 패턴에 따라 압연장치(10)의 부하배분을 결정하기에 적합할 수 있으며, 기계학습 모델은 동적인 특성을 가지므로 특이한 상황에서 특이 패턴에 따라 압연장치(10)의 부하배분을 결정하기에 적합할 수 있다.For example, the load distribution of the rolling apparatus 10 may be appropriately determined according to a conventional pattern in a typical situation, and may be determined according to a specific pattern in an unusual situation (for example, rolling a new material, worsening rolling environment, etc.). May be suitable. Since the mathematical model has a static characteristic, it may be suitable to determine the load distribution of the rolling apparatus 10 according to a conventional pattern in a typical situation, and the machine learning model may have a dynamic characteristic, so that it may be applied to a specific pattern in an unusual situation. Accordingly may be suitable for determining the load distribution of the rolling apparatus 10.

예를 들어, 상기 최적 부하배분 선택부(134)는 계측 정보에 기초하여 통상적인 상황과 특이한 상황 중 하나를 선택하고 상황의 선택에 기초하여 최적 부하배분을 선택할 수 있다.For example, the optimal load allocation selecting unit 134 may select one of a normal situation and an unusual situation based on the measurement information, and select the optimal load distribution based on the selection of the situation.

본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치는 기계학습 모델에 기반한 제1 부하배분과 수식 모델에 기반한 제2 부하배분을 선택함으로써 다양한 상황에 적합한 최적 부하배분을 선택할 수 있으므로, 압연장치에 의해 압연되는 소재의 통판성과 판형상의 안정성을 확보할 수 있다.The rolling device optimum load distribution providing apparatus according to an embodiment of the present invention by selecting the first load distribution based on the machine learning model and the second load distribution based on the mathematical model can select the optimal load distribution suitable for various situations, rolling The board | substrate and plate-shaped stability of the raw material rolled by an apparatus can be ensured.

제어부(142)는 상기 최적 부하배분에 기초하여 제어 정보를 출력할 수 있다. 상기 제어 정보는 운전자(20)에게 전달될 수 있으므로, 운전자(20)는 상기 최적 부하배분에 기초하여 압연장치를 제어할 수 있다.The controller 142 may output control information based on the optimum load distribution. Since the control information may be transmitted to the driver 20, the driver 20 may control the rolling apparatus based on the optimum load distribution.

도 1을 참조하면, 본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치는, 수동개입 입력부(112), 수동개입 보정부(135) 및 HMI(141) 중 적어도 일부를 더 포함할 수 있다.Referring to FIG. 1, the apparatus for providing optimal load distribution according to an embodiment of the present invention may further include at least some of a manual intervention input unit 112, a manual intervention correction unit 135, and an HMI 141. have.

HMI(141)는 상기 최적 부하배분 또는 상기 제어 정보를 디스플레이할 수 있다. 운전자(20)는 상기 최적 부하배분을 확인할 수 있으므로, 상기 최적 부하배분의 적합성을 판단할 수 있다.The HMI 141 may display the optimum load distribution or the control information. Since the driver 20 may check the optimum load distribution, the driver 20 may determine suitability of the optimal load distribution.

만약 운전자(20)가 상기 최적 부하배분이 적합하다고 판단한 경우, 운전자(20)는 그대로 두거나 상기 최적 부하배분 또는 상기 제어 정보를 그대로 활용하여 압연장치(10)를 제어할 수 있다.If the driver 20 determines that the optimum load distribution is appropriate, the driver 20 may control the rolling apparatus 10 by leaving it as it is or utilizing the optimal load distribution or the control information as it is.

만약 운전자(20)가 상기 최적 부하배분이 적합하지 않다고 판단한 경우, 운전자(20)는 수동개입하여 상기 최적 부하배분 또는 상기 제어 정보를 수정하거나 새로운 최적 부하배분을 사용하여 압연장치(10)를 제어할 수 있다.If the driver 20 determines that the optimum load distribution is not suitable, the driver 20 manually intervenes to modify the optimum load distribution or the control information or to control the rolling apparatus 10 using a new optimal load distribution. can do.

수동개입 입력부(112)는 운전자(20)의 수동개입 정보를 입력 받을 수 있다. 상기 수동개입 정보는 운전자(20)의 수동개입 여부 정보 및/또는 최적 부하배분 수정범위 정보를 포함할 수 있다.The manual intervention input unit 112 may receive manual intervention information of the driver 20. The manual intervention information may include manual intervention information of the driver 20 and / or optimum load distribution correction range information.

수동개입 보정부(135)는 상기 수동개입 정보에 기초하여 상기 최적 부하배분에 대한 보정 정보를 생성하고 상기 보정 정보를 기계학습 데이터베이스(121)로 피드백할 수 있다.The manual intervention correction unit 135 may generate correction information for the optimum load distribution based on the manual intervention information and feed back the correction information to the machine learning database 121.

예를 들어, 상기 수동개입 보정부(135)는 상기 수동개입 정보가 입력된 경우에 기계학습 모델 감점 정보를 생성하고, 상기 수동개입 정보가 입력되지 않은 경우에 기계학습 모델 가점 정보를 생성할 수 있다. 이에 따라, 기계학습 모델 학습부(131)는 생성하는 기계학습 모델의 신뢰도를 점진적으로 향상시킬 수 있다. For example, the manual intervention correction unit 135 may generate machine learning model deduction information when the manual intervention information is input, and generate machine learning model point information when the manual intervention information is not input. have. Accordingly, the machine learning model learning unit 131 may gradually improve the reliability of the machine learning model to be generated.

도 2는 본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치를 컴퓨팅 환경의 관점에서 나타낸 도면이다.2 is a view showing a rolling device optimum load distribution providing apparatus according to an embodiment of the present invention from the perspective of a computing environment.

도 2를 참조하면, 본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치는, 입력부(110), 저장부(120), 처리부(130) 및 출력부(140)를 포함할 수 있다. 예를 들어, 상기 압연장치 최적 부하배분 제공 장치는, 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경으로 구현될 수 있으며, 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)나 네트워크에 의해 입력부(110), 저장부(120), 처리부(130) 및 출력부(140)를 상호 접속시킬 수 있다.Referring to FIG. 2, the apparatus for providing optimal load distribution according to an embodiment of the present invention may include an input unit 110, a storage unit 120, a processing unit 130, and an output unit 140. For example, the apparatus for providing optimal load distribution of the rolling apparatus may be a personal computer, a server computer, a handheld or laptop device, a mobile device (mobile phone, PDA, media player, etc.), a multiprocessor system, a consumer electronic device, a minicomputer, It can be implemented in a distributed computing environment including a mainframe computer, any of the systems or devices described above, and can be implemented in various interconnections such as a bus (eg, peripheral component interconnect (PCI), USB, firmware (IEEE 1394)). , An optical bus structure, etc.) or a network may interconnect the input unit 110, the storage unit 120, the processing unit 130, and the output unit 140.

입력부(110)는 계측 정보 및 수동개입 정보를 입력 받을 수 있다. 즉, 상기 입력부(110)는 도 1에 도시된 계측부 및 수동개입 입력부를 포함할 수 있다. 예를 들어, 상기 입력부(110)는 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스로 구현될 수 있다.The input unit 110 may receive measurement information and manual intervention information. That is, the input unit 110 may include a measurement unit and a manual intervention input unit illustrated in FIG. 1. For example, the input unit 110 may be implemented as a keyboard, a mouse, a pen, a voice input device, a touch input device, an infrared camera, a video input device, or any other input device.

저장부(120)는 도 1에 도시된 기계학습 데이터베이스를 저장할 수 있으며, 수식 모델도 저장할 수 있다. 예를 들어, 상기 저장부(120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합으로 구현되거나 자기 스토리지, 광학 스토리지 등으로 구현될 수도 있다.The storage unit 120 may store the machine learning database shown in FIG. 1, and may also store a mathematical model. For example, the storage unit 120 may be implemented as volatile memory (for example, RAM), nonvolatile memory (for example, ROM, flash memory, etc.) or a combination thereof, or may be used as magnetic storage, optical storage, or the like. It may be implemented.

처리부(130)는 도 1에 도시된 기계학습 모델 학습부, 기계학습 모델 기반 부하배분 계산부, 수식 모델 기반 부하배분 계산부, 최적 부하배분 선택부 및 수동개입 보정부를 포함할 수 있다. 예를 들어, 상기 처리부(130)는 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA)으로 구현될 수 있다.The processor 130 may include a machine learning model learner, a machine learning model-based load distribution calculator, a mathematical model-based load distribution calculator, an optimal load distribution selector, and a manual intervention corrector illustrated in FIG. 1. For example, the processor 130 may be implemented as a central processing unit (CPU), a graphics processing unit (GPU), a microprocessor, an application specific integrated circuit (ASIC), and field programmable gate arrays (FPGA). .

출력부(140)는 제어 정보 및 디스플레이 정보를 출력할 수 있다. 즉, 상기 출력부(140)는 도 1에 도시된 HMI 및 제어부를 포함할 수 있다. 예를 들어, 상기 출력부(140)는 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스로 구현되거나 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속과 같은 통신접속으로 구현될 수도 있다.The output unit 140 may output control information and display information. That is, the output unit 140 may include the HMI and the controller shown in FIG. 1. For example, the output 140 may be implemented as a display, speaker, printer, or any other output device, or may include a modem, network interface card (NIC), integrated network interface, radio frequency transmitter / receiver, infrared port, USB connection, It may be implemented in the same communication connection.

도 3은 본 발명의 일 실시 예에 따른 컴퓨터 판독가능 기록 매체에 기록된 방법을 나타낸 순서도이다.3 is a flow chart illustrating a method recorded on a computer readable recording medium according to one embodiment of the present invention.

도 3을 참조하면, 본 발명의 일 실시 예에 따른 컴퓨터 판독가능 기록 매체에 기록된 방법은, 압연장치의 계측 정보를 입력 받는 단계(S110), 상기 계측 정보가 포함된 기계학습 데이터베이스에 기초하여 학습된 기계학습 모델을 생성하는 단계(S120), 상기 기계학습 모델에 기반하여 제1 부하배분을 계산하는 단계(S131), 상기 계측 정보가 적용된 수식 모델에 기반하여 제2 부하배분을 계산하는 단계(S132), 상기 기계학습 데이터베이스에 기초하여 상기 제1 부하배분과 상기 제2 부하배분 중 최적 부하배분을 선택하는 단계(S140) 및 상기 최적 부하배분에 기초하여 제어 정보를 출력하는 단계(S150)를 포함할 수 있으며, 수동개입 정보를 입력 받는 단계(S160) 및 상기 수동개입 정보에 기초하여 상기 최적 부하배분에 대한 보정 정보를 생성하고 상기 보정 정보를 상기 기계학습 데이터베이스로 피드백하는 단계(S171, S172)를 더 포함할 수 있다.Referring to FIG. 3, a method recorded on a computer readable recording medium according to an embodiment of the present disclosure may include receiving measurement information of a rolling apparatus (S110), based on a machine learning database including the measurement information. Generating a trained machine learning model (S120), calculating a first load distribution based on the machine learning model (S131), and calculating a second load distribution based on an equation model to which the measurement information is applied. (S132), selecting an optimal load distribution among the first load distribution and the second load distribution based on the machine learning database (S140) and outputting control information based on the optimum load distribution (S150). It may include, and the step of receiving the manual intervention information (S160) and on the basis of the manual intervention information to generate the correction information for the optimum load distribution and the correction information A step (S171, S172) a feedback to the machine learning database may be further included.

상기 컴퓨터 판독가능 기록 매체는 본 발명의 일 실시 예에 따른 압연장치 최적 부하배분 제공 장치에 의해 판독될 수 있으며, 상기 컴퓨터 판독가능 기록 매체에 기록된 명령을 실행할 수 있다.The computer readable recording medium may be read by a rolling apparatus optimum load distribution providing apparatus according to an embodiment of the present invention, and may execute instructions recorded on the computer readable recording medium.

한편, 본 실시 예에서 사용되는 '~부' 라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 시스템 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.Meanwhile, the term '~ part' used in the present embodiment refers to software or a hardware component such as a field-programmable gate array (FPGA) or an ASIC, and '~ part' performs certain roles. However, '~' is not meant to be limited to software or hardware. '~ Portion' may be configured to be in an addressable storage medium or may be configured to play one or more processors. Thus, as an example, '~' means components such as software components, object-oriented software components, class components, and task components, and processes, functions, properties, procedures, and the like. Subroutines, segments of program code, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays, and variables. The functionality provided within the components and the 'parts' may be combined into a smaller number of components and the 'parts' or further separated into additional components and the 'parts'. In addition, the components and 'units' may be implemented to reproduce one or more CPUs in a device or system.

본 발명은 상술한 실시형태 및 첨부된 도면에 의해 한정되지 아니한다. 첨부된 청구범위에 의해 권리범위를 한정하고자 하며, 청구범위에 기재된 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 형태의 치환, 변형 및 변경할 수 있다는 것은 당 기술분야의 통상의 지식을 가진 자에게 자명할 것이다.The present invention is not limited by the above-described embodiment and the accompanying drawings. It is intended to limit the scope of the claims by the appended claims, and that various forms of substitution, modification and change can be made without departing from the spirit of the present invention as set forth in the claims to those skilled in the art. Will be self explanatory.

10: 압연장치
20: 운전자
110: 입력부
111: 계측부
112: 수동개입 입력부
120: 저장부
121: 기계학습 데이터베이스
130: 처리부
131: 기계학습 모델 학습부
132: 기계학습 모델 기반 부하배분 계산부
133: 수식 모델 기반 부하배분 계산부
134: 최적 부하배분 선택부
135: 수동개입 보정부
140: 출력부
141: HMI(Human-Machine Interface)
142: 제어부10: rolling equipment
20: driver
110: input unit
111: measurement unit
112: manual intervention input unit
120: storage unit
121: machine learning database
130: processing unit
131: machine learning model learning unit
132: load distribution calculation unit based on the machine learning model
133: load distribution calculation unit based on formula model
134: optimum load distribution selector
135: manual intervention correction unit
140: output unit
141: Human-Machine Interface
142: control unit

Claims (7)

압연장치의 계측 정보를 입력 받는 계측부;
상기 계측 정보가 포함된 기계학습 데이터베이스에 기초하여 학습된 기계학습 모델을 생성하는 기계학습 모델 학습부;
상기 기계학습 모델에 기반하여 제1 부하배분을 계산하는 기계학습 모델 기반 부하배분 계산부;
상기 계측 정보가 적용된 수식 모델에 기반하여 제2 부하배분을 계산하는 수식 모델 기반 부하배분 계산부;
상기 기계학습 데이터베이스에 기초하여 상기 제1 부하배분과 상기 제2 부하배분 중 최적 부하배분을 선택하는 최적 부하배분 계산부; 및
상기 최적 부하배분에 기초하여 제어 정보를 출력하는 제어부; 를 포함하고,
상기 기계학습 모델 학습부는 상기 기계학습 데이터베이스의 일부에 기초하여 신 기계학습 모델을 생성하고, 상기 계측 정보에 기초하여 구 기계학습 모델과 상기 신 기계학습 모델 중 하나를 선택하고, 선택된 기계학습 모델을 상기 기계학습 데이터베이스의 다른 일부에 기초하여 학습시켜 학습된 기계학습 모델을 생성하는 압연장치 최적 부하배분 제공 장치.
A measuring unit which receives measurement information of the rolling apparatus;
A machine learning model learning unit generating a machine learning model learned based on the machine learning database including the measurement information;
A machine learning model based load distribution calculation unit for calculating a first load distribution based on the machine learning model;
An equation model-based load distribution calculator for calculating a second load distribution based on the equation model to which the measurement information is applied;
An optimum load distribution calculator for selecting an optimal load distribution among the first load distribution and the second load distribution based on the machine learning database; And
A control unit for outputting control information based on the optimum load distribution; Including,
The machine learning model learning unit generates a new machine learning model based on a part of the machine learning database, selects one of the old machine learning model and the new machine learning model based on the measurement information, and selects the selected machine learning model. And a rolling device optimum load distribution providing device for learning based on another part of the machine learning database to generate a learned machine learning model.
제1항에 있어서,
수동개입 정보를 입력 받는 수동개입 입력부; 및
상기 수동개입 정보에 기초하여 상기 최적 부하배분에 대한 보정 정보를 생성하고 상기 보정 정보를 상기 기계학습 데이터베이스로 피드백하는 수동개입 보정부; 를 더 포함하는 압연장치 최적 부하배분 제공 장치.
The method of claim 1,
A manual intervention input unit for receiving manual intervention information; And
A manual intervention correction unit generating correction information on the optimum load distribution based on the manual intervention information and feeding back the correction information to the machine learning database; Rolling device optimum load distribution providing device further comprising.
제2항에 있어서,
상기 수동개입 보정부는 상기 수동개입 정보가 입력된 경우에 기계학습 모델 감점 정보를 생성하고, 상기 수동개입 정보가 입력되지 않은 경우에 기계학습 모델 가점 정보를 생성하는 압연장치 최적 부하배분 제공 장치.
The method of claim 2,
And the manual intervention correction unit generates machine learning model deduction information when the manual intervention information is input, and generates machine learning model value information when the manual intervention information is not input.
삭제delete 제1항에 있어서,
상기 계측 정보는 상기 압연장치가 압연하는 소재의 소재 정보와, 상기 압연장치의 압연 스탠드 정보와, 온도 정보와, 상기 압연장치의 압연실적 정보를 포함하고,
상기 계측부는 상기 압연장치에 적용된 실제 부하배분 정보를 입력 받고,
상기 기계학습 모델 학습부는 상기 실제 부하배분 정보에 기초하여 학습된 기계학습 모델을 생성하는 압연장치 최적 부하배분 제공 장치.
The method of claim 1,
The measurement information includes material information of a raw material rolled by the rolling device, rolling stand information of the rolling device, temperature information, and rolling record information of the rolling device;
The measurement unit receives the actual load distribution information applied to the rolling device,
And the machine learning model learning unit generates a machine learning model learned based on the actual load distribution information.
압연장치의 계측 정보를 입력 받는 단계;
상기 계측 정보가 포함된 기계학습 데이터베이스에 기초하여 학습된 기계학습 모델을 생성하는 단계;
상기 기계학습 모델에 기반하여 제1 부하배분을 계산하는 단계;
상기 계측 정보가 적용된 수식 모델에 기반하여 제2 부하배분을 계산하는 단계;
상기 기계학습 데이터베이스에 기초하여 상기 제1 부하배분과 상기 제2 부하배분 중 최적 부하배분을 선택하는 단계; 및
상기 최적 부하배분에 기초하여 제어 정보를 출력하는 단계; 를 포함하고,
상기 기계학습 모델을 생성하는 단계는 상기 기계학습 데이터베이스의 일부에 기초하여 신 기계학습 모델을 생성하고, 상기 계측 정보에 기초하여 구 기계학습 모델과 상기 신 기계학습 모델 중 하나를 선택하고, 선택된 기계학습 모델을 상기 기계학습 데이터베이스의 다른 일부에 기초하여 학습시켜 학습된 기계학습 모델을 생성하는 방법을 실행하기 위한 프로세서에 의해 실행 가능한 명령들이 기록된 컴퓨터 판독가능 기록 매체.
Receiving measurement information of the rolling apparatus;
Generating a learned machine learning model based on the machine learning database including the measurement information;
Calculating a first load distribution based on the machine learning model;
Calculating a second load distribution based on a mathematical model to which the measurement information is applied;
Selecting an optimal load distribution among the first load distribution and the second load distribution based on the machine learning database; And
Outputting control information based on the optimum load distribution; Including,
The generating of the machine learning model may include generating a new machine learning model based on a part of the machine learning database, selecting one of an old machine learning model and the new machine learning model based on the measurement information, and selecting the selected machine. A computer readable recording medium having recorded thereon instructions executable by a processor to execute a method of training a learning model based on another portion of the machine learning database to generate a learned machine learning model.
제6항에 있어서,
수동개입 정보를 입력 받는 단계; 및
상기 수동개입 정보에 기초하여 상기 최적 부하배분에 대한 보정 정보를 생성하고 상기 보정 정보를 상기 기계학습 데이터베이스로 피드백하는 단계; 를 더 포함하는 방법을 실행하기 위한 프로세서에 의해 실행 가능한 명령들이 기록된 컴퓨터 판독가능 기록 매체.The method of claim 6,
Receiving manual intervention information; And
Generating correction information for the optimum load distribution based on the manual intervention information and feeding back the correction information to the machine learning database; The computer readable recording medium having recorded thereon instructions executable by a processor for executing the method.
KR1020170176897A 2017-12-21 2017-12-21 Apparatus for providing optimal load distribution of rolling mill KR102045639B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170176897A KR102045639B1 (en) 2017-12-21 2017-12-21 Apparatus for providing optimal load distribution of rolling mill

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170176897A KR102045639B1 (en) 2017-12-21 2017-12-21 Apparatus for providing optimal load distribution of rolling mill

Publications (2)

Publication Number Publication Date
KR20190075370A KR20190075370A (en) 2019-07-01
KR102045639B1 true KR102045639B1 (en) 2019-11-15

Family

ID=67255723

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170176897A KR102045639B1 (en) 2017-12-21 2017-12-21 Apparatus for providing optimal load distribution of rolling mill

Country Status (1)

Country Link
KR (1) KR102045639B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017049677A (en) * 2015-08-31 2017-03-09 富士通株式会社 Machine learning management program, machine learning management apparatus, and machine learning management method

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07204718A (en) * 1994-01-11 1995-08-08 Mitsubishi Electric Corp Rolling device
KR20040043911A (en) 2002-11-20 2004-05-27 주식회사 포스코 Apparatus and method for prediction rolling force using neural network
JP4968001B2 (en) * 2007-11-09 2012-07-04 東芝三菱電機産業システム株式会社 Load distribution control device for continuous rolling mill
KR101322084B1 (en) * 2010-12-27 2013-10-25 주식회사 포스코 Method for Load Distribution of rolling

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017049677A (en) * 2015-08-31 2017-03-09 富士通株式会社 Machine learning management program, machine learning management apparatus, and machine learning management method

Also Published As

Publication number Publication date
KR20190075370A (en) 2019-07-01

Similar Documents

Publication Publication Date Title
US20200257979A1 (en) Normalization method and apparatus for deep neural network, and storage media
US20200090269A1 (en) Data collection method and apparatus for risk evaluation, and electronic device
TW202008310A (en) Method, device and apparatus for binocular image depth estimation, program and storage medium thereof
Shardt et al. Modelling the strip thickness in hot steel rolling mills using least‐squares support vector machines
US11574096B1 (en) Systems and methods for time series simulation
US20170091581A1 (en) Computing device, computing method, and computer program product
KR102045639B1 (en) Apparatus for providing optimal load distribution of rolling mill
US20240153003A1 (en) Method and system for converting order book data into 2d data for machine learning models
CN108846861B (en) Image homography matrix calculation method and device, mobile terminal and storage medium
US10600161B2 (en) Image correction device
CN105139345B (en) A kind of automatic search method of high-quality non-standard gamma curve
US10762135B2 (en) Recommending software actions to create an image and recommending images to demonstrate the effects of software actions
CN111161009B (en) Information pushing method, device, computer equipment and storage medium
CN107451920A (en) Calculation server, dynamic income processing method and storage medium
CN109657205B (en) Text line height adjusting method and device and electronic equipment
WO2023279944A1 (en) Method and computer system for evaluating price of mineral
Henderson et al. A consistent bootstrap procedure for nonparametric symmetry tests
EP3414673A1 (en) Simulation based on precomputed results of the simulation
JP6835407B2 (en) Image processing equipment, image processing methods and programs
CN110543597B (en) Grading determination method and device and electronic equipment
CN112330413A (en) Commodity recommendation method and system for electronic commerce
CN115812214A (en) Information processing apparatus, information processing method, information processing program, and information processing system
KR102045553B1 (en) Apparatus for predicting the energy usage of a heating furnace
KR20170115413A (en) Method And Apparatus for Providing Reward Based on Image
CN111260435A (en) Multi-factor weight assignment correction method and device, computer equipment and storage medium

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