KR20210114459A - 제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법 - Google Patents

제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법 Download PDF

Info

Publication number
KR20210114459A
KR20210114459A KR1020217025534A KR20217025534A KR20210114459A KR 20210114459 A KR20210114459 A KR 20210114459A KR 1020217025534 A KR1020217025534 A KR 1020217025534A KR 20217025534 A KR20217025534 A KR 20217025534A KR 20210114459 A KR20210114459 A KR 20210114459A
Authority
KR
South Korea
Prior art keywords
mill
rolling
set value
setting
setup
Prior art date
Application number
KR1020217025534A
Other languages
English (en)
Other versions
KR102645431B1 (ko
Inventor
타츠야 야마자키
Original Assignee
제이에프이 스틸 가부시키가이샤
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 제이에프이 스틸 가부시키가이샤 filed Critical 제이에프이 스틸 가부시키가이샤
Publication of KR20210114459A publication Critical patent/KR20210114459A/ko
Application granted granted Critical
Publication of KR102645431B1 publication Critical patent/KR102645431B1/ko

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
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33034—Online learning, training
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49065—Execute learning mode first for determining adaptive control parameters
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50154—Milling center
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Metal Rolling (AREA)
  • Feedback Control In General (AREA)
  • General Factory Administration (AREA)
  • Supply And Installment Of Electrical Components (AREA)

Abstract

제조 설비의 설정 조건 결정 방법은, 대상이 되는 제조물의 제조 조건과, 당해 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건을 입력으로 하고, 대상이 되는 제조물의 설정 조건을 출력으로 하여 학습시킨 학습 완료 모델에 대하여, 대상이 되는 제조물의 제조 조건과, 당해 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건을 입력하여, 대상이 되는 제조물의 설정 조건을 취득한다.

Description

제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법
본 발명은, 제조 설비의 설정 조건 결정 방법, 압연기의 밀(mill) 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법에 관한 것이다.
압연기에 있어서의 밀 셋업은, 각 압연 스탠드 출측에 있어서의 압연재(코일)의 판두께 및 형상을 정하는 것으로서, 그 설정값(밀 셋업 설정값)의 최적화는, 안정 조업이나 품질 확보의 관점에서 중요하다.
종래부터, 밀 셋업을 자동으로 행하는 방법이 여러 가지 제안되어 있고, 예를 들면 특허문헌 1, 2에는, 학습 완료 뉴럴 네트워크를 이용하여 밀 셋업 설정값을 산출하는 방법이 개시되어 있다. 또한, 비특허문헌 1에서는, 수식 모델(압연 모델)을 기초로 순서대로 2차 계획법에 의한 수치 최적화를 행하여 밀 셋업 설정값을 수정하는 방법이 개시되어 있다.
일본공개특허공보 평5-38511호 일본공개특허공보 평8-90020호
무라카미 아키라 외, 「냉간 탠덤 압연기의 패스 스케줄 최적화」, 철과 강, 일반 사단법인 일본 철강 협회, 2004년, Vol.90, No.11
여기에서, 상기한 특허문헌 1, 2에 개시되어 있는 방법은, 대량의 실적 데이터에 기초하여 밀 셋업 설정값을 결정하기 때문에, 예를 들면 오퍼레이터가 모터의 부하 상황 등을 보아 스탠드의 압하율을 수동으로 조정한 경우(오퍼레이터의 손개입(手介入) 수정이 발생한 경우)에, 다음의 밀 셋업에 있어서 이를 곧바로 반영하는 것이 곤란하다는 문제가 있었다.
또한, 상기한 비특허문헌 1에 개시되어 있는 방법에서는, 수식 모델에 기초하는 최적화를 행하기 때문에, 당해 수식 모델의 정밀도에 의해 성능이 변화한다는 문제가 생긴다. 또한, 상기한 비특허문헌 1에 개시되어 있는 방법에서는, 상기한 특허문헌 1, 2와 마찬가지로, 오퍼레이터의 손개입 수정이 발생한 경우에, 다음의 밀 셋업에 있어서 이를 곧바로 반영하는 것이 곤란하다는 문제가 있었다.
본 발명은, 상기를 감안하여 이루어진 것으로, 오퍼레이터 판단에 의한 설정값의 손개입 수정의 결과를 반영한 설정 조건을 결정할 수 있는 제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법을 제공하는 것을 목적으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 제조 설비의 설정 조건 결정 방법은, 제조 설비에 부여하는 설정 조건의 결정 방법에 있어서, 대상이 되는 제조물의 제조 조건과, 당해 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건을 입력으로 하고, 상기 대상이 되는 제조물의 설정 조건을 출력으로 하여 학습시킨 학습 완료 모델에 대하여, 대상이 되는 제조물의 제조 조건과, 당해 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건을 입력하여, 상기 대상이 되는 제조물의 설정 조건을 취득하는 것을 특징으로 한다.
또한, 본 발명에 따른 제조 설비의 설정 조건 결정 방법은, 상기 발명에 있어서, 상기 대상이 되는 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건은, 상기 대상이 되는 제조물의 직전에 제조된 제조물의 설정 조건인 것을 특징으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 압연기의 밀 셋업 설정값의 결정 방법은, 압연기의 밀 셋업 설정값의 결정 방법에 있어서, 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정값의 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 학습시킨 학습 완료 모델에 대하여, 대상이 되는 압연재의 밀 셋업 설정값과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정값의 수정이 반영된 밀 셋업 설정값을 입력하여, 상기 대상이 되는 압연재의 밀 셋업 설정값을 취득하는 밀 셋업 설정값 산출 공정을 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 압연기의 밀 셋업 설정값의 결정 방법은, 상기 발명에 있어서, 상기 학습 완료 모델은, 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여, 학습 모델을 학습시킨 제1 학습 완료 모델과, 상기 대상이 되는 압연재의 제조 조건을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여, 학습 모델을 학습시킨 제2 학습 완료 모델을 포함하고, 상기 밀 셋업 설정값 산출 공정은, 소정의 판정 조건에 기초하여 전회의 밀 셋업 설정값을 이용하는 것이 적당하다고 판정한 경우, 상기 제1 학습 완료 모델에 대하여, 상기 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값을 입력함으로써, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 취득하고, 상기 소정의 판정 조건에 기초하여 전회의 밀 셋업 설정값을 이용하는 것이 적당하지 않다고 판정한 경우, 상기 제2 학습 완료 모델에 대하여, 상기 대상이 되는 압연재의 제조 조건을 입력함으로써, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 취득하는 것을 특징으로 한다.
또한, 본 발명에 따른 압연기의 밀 셋업 설정값의 결정 방법은, 상기 발명에 있어서, 상기 학습 완료 모델은, 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정값의 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여, 학습 모델을 학습시킨 것이고, 상기 밀 셋업 설정값 산출 공정은, 상기 학습 완료 모델에 대하여, 상기 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값을 입력함으로써, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 취득하는 것을 특징으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 압연기의 밀 셋업 설정값의 결정 장치는, 압연기의 밀 셋업 공정에 있어서의 밀 셋업 설정값의 결정 장치로서, 학습 완료 모델에 대하여, 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값을 입력함으로써, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 취득하는 밀 셋업 설정값 산출 장치를 구비하고, 상기 학습 완료 모델은, 상기 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정값의 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여, 학습 모델을 학습시킨 것인 것을 특징으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 제조 설비에 의한 제조물의 제조 방법은, 상기한 제조 설비의 설정 조건 결정 방법에 의해 결정된 설정 조건을 제조 설비에 설정하고, 당해 제조 설비에 의해 제조물을 제조하는 것을 특징으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 압연재의 제조 방법은, 상기한 압연기의 밀 셋업 설정값의 결정 방법에 의해 결정된 밀 셋업 설정값을 압연기에 설정하고, 당해 압연기에 의해 압연재를 제조하는 것을 특징으로 한다.
본 발명에 의하면, 전후의 제조 품종에 있어서의 설정 조건의 관계성을 포함하여 학습시킨 학습 완료 모델을 이용함으로써, 오퍼레이터 판단에 의한 설정 조건의 손개입 수정의 결과를 반영한 설정 조건을 용이하게 얻을 수 있다.
도 1은, 본 발명의 실시 형태에 따른 밀 셋업 설정값의 결정 장치를, 복수의 압연 스탠드를 구비하는 압연기 설비에 적용한 개략 구성도이다.
도 2는, 본 발명의 실시 형태에 따른 밀 셋업 설정값의 결정 방법의 학습 공정에서 이용하는 뉴럴 네트워크의 구성을 나타내는 도면이다.
도 3은, 종래의 밀 셋업 설정값의 결정 방법에 있어서의 (a) 학습 페이즈(phase) 및 (b) 인식 페이즈의 내용을 나타내는 도면이다.
도 4는, 본 발명의 실시 형태에 따른 밀 셋업 설정값의 결정 방법에 있어서의 (a) 학습 페이즈 및 (b) 인식 페이즈의 내용을 나타내는 도면이다.
도 5는, 본 발명의 실시 형태에 따른 밀 셋업 설정값의 결정 방법의 순서를 나타내는 플로우 차트이다.
도 6은, 본 발명의 실시 형태에 따른 밀 셋업 설정값의 결정 방법의 실시예로서, 전회의 압하율 설정값을 입력에 포함하여 학습시킨 학습 완료 뉴럴 네트워크에 의해 예측한 각 압연 스탠드의 압하율 설정값(예측)과, 오퍼레이터가 각 압연 스탠드에 실제로 설정한 압하율 설정값(실적)의 관계를 나타내는 산포도이다.
도 7은, 본 발명의 실시 형태에 따른 밀 셋업 설정값의 결정 방법의 비교예로서, 전회의 압하율 설정값을 입력에 포함하지 않고 학습시킨 학습 완료 뉴럴 네트워크에 의해 예측한 각 압연 스탠드의 압하율 설정값(예측)과, 오퍼레이터가 각 압연 스탠드에 실제로 설정한 압하율 설정값(실적)의 관계를 나타내는 산포도이다.
(발명을 실시하기 위한 형태)
본 발명에 따른 제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법에 대해서, 도면을 참조하면서 설명한다. 또한, 본 발명은 이하의 실시 형태에 한정되는 것은 아니다. 또한, 이하의 실시 형태에 있어서의 구성 요소에는, 통상의 기술자가 치환 가능 또한 용이한 것, 혹은 실질적으로 동일한 것이 포함된다.
(밀 셋업 설정값의 결정 방법)
본 발명의 실시 형태에 따른 압연기의 밀 셋업 설정값의 결정 방법은, 압연기의 밀 셋업 공정에 있어서, 밀 셋업의 조건(이하, 「밀 셋업 설정값」이라고 함)을 결정하기 위한 방법이다. 도 1은, 본 실시 형태에 따른 밀 셋업 설정값의 결정 방법을 실시하는 밀 셋업 설정값의 결정 장치를, 압연기 설비(1)에 적용한 예를 나타내고 있다.
압연기 설비(1)는, 압연재인 강판(구체적으로는 코일) W를 압연하는 복수의 압연 스탠드(2a∼2e)를 갖는 압연기(2)와, 각 압연 스탠드(2a∼2e)의 롤 갭을 제어하는 압하 위치 제어 장치(3)와, 각 압연 스탠드(2a∼2e)의 롤 벤더 및 롤 시프트를 제어하는 롤 벤더 시프트 제어 장치(4)와, 밀 셋업 계산을 행하는 프로세스 계산기(5)와, 밀 셋업 설정값의 산출을 행하는 밀 셋업 설정값 산출 장치(6)와, 기계 학습을 행하는 학습 장치(7)를 구비하고 있다. 본 실시 형태에 따른 밀 셋업 설정값의 결정 장치는, 적어도 프로세스 계산기(5), 밀 셋업 설정값 산출 장치(6) 및 학습 장치(7)를 구비하고 있다.
프로세스 계산기(5), 밀 셋업 설정값 산출 장치(6) 및 학습 장치(7)는, 구체적으로는 퍼스널 컴퓨터나 워크 스테이션 등의 범용의 정보 처리 장치에 의해 실현되는 것으로서, 예를 들면 CPU, ROM, RAM 등을 주요 구성 부품으로 하고 있다.
또한, 프로세스 계산기(5), 밀 셋업 설정값 산출 장치(6) 및 학습 장치(7)는, 각각 별개의 장치에 의해 구성해도 좋고, 혹은, 프로세스 계산기(5)에 대하여, 밀 셋업 설정값 산출 장치(6) 및 학습 장치(7)를 소프트웨어로서 내포시킴으로써, 프로세스 계산기(5), 밀 셋업 설정값 산출 장치(6) 및 학습 장치(7)를 하나의 장치에 의해 구성해도 좋다.
프로세스 계산기(5)는, 밀 셋업 설정값 산출 장치(6)에 의해 산출된 밀 셋업 설정값에 기초하여, 압하 위치 제어 장치(3) 및 롤 벤더 시프트 제어 장치(4)의 조작량을 산출한다. 본 실시 형태에서는, 프로세스 계산기(5)로부터 입력되는 강판 W의 압연 조건(제조 조건)에 기초하여, 밀 셋업 설정값 산출 장치(6)에 있어서 밀 셋업 설정값이 산출된다. 프로세스 계산기(5)는, 이 밀 셋업 설정값을 압연 스케줄 계산에 반영시킴으로써, 압하 위치 제어 장치(3) 및 롤 벤더 시프트 제어 장치(4)의 조작량을 변경한다.
밀 셋업 설정값 산출 장치(6)는, 학습 장치(7)로부터 입력되는 학습 결과(학습 완료 모델)와, 프로세스 계산기(5)로부터 입력되는 강판 W의 압연 조건에 기초하여, 밀 셋업 공정에 있어서의 밀 셋업 설정값을 산출한다.
여기에서, 밀 셋업 공정이란, 각 압연 스탠드(2a∼2e)의 압하율의 배분(드래프트 스케줄), 전방 장력, 후방 장력, 롤 벤더, 롤 시프트 등의 밀 셋업 설정값을, 강판 W의 압연 조건에 따라서 설정하는 프로세스를 가리키고 있다. 또한, 강판 W의 압연 조건이란, 예를 들면 판두께, 판폭, 강종, 롤 제원(롤 지름 등) 등을 가리키고 있다.
밀 셋업 공정에서는, 예를 들면 이하의 참고문헌 1에 기재되어 있는 바와 같은 플로우에 따라, 각 압연 스탠드(2a∼2e)의 압하율 및 장력의 설정에 기초하여, 압연 하중, 압연 토크 등의 예측 계산을 행하고, 주간(走間) 판두께 변경을 위한 압하 위치 및 롤 둘레 속도의 산출을 행한다. 또한, 밀 셋업 공정에서는, 강판 W의 품질(예를 들면 판 형상, 오프 게이지)에 영향이 큰 롤 벤더 및 롤 시프트의 설정을, 재료 제원이나 상기의 압연 하중의 예측값에 기초하여 결정하고, 적절히 오퍼레이터가 수동으로 조정한 것을 최종적인 밀 셋업 설정값으로 하는 것이 일반적이다.
(참고문헌 1) 나카이 코조 외, 「밀 셋업 모델 조정 지원 시스템」, 히다치 평론, 히다치 평론사, 1985년, Vol.67, No.4
학습 장치(7)는, 강판 W의 압연 조건과 밀 셋업 설정값의 관계성을 학습 모델인 뉴럴 네트워크에 학습시킴으로써, 학습 완료 모델인 학습 완료 뉴럴 네트워크를 생성한다. 도 2는, 본 실시 형태에서 이용하는 뉴럴 네트워크의 구성을 나타내고 있다. 이 뉴럴 네트워크는, 입력층과, 1층 이상의 중간층과, 출력층으로 구성되어 있다. 각 층은 Affine 레이어이고, 중간층의 출력은, Sigmoid 함수 등의 적당한 활성화 함수를 갖고 있다.
또한, 본 실시 형태에서 이용하는 뉴럴 네트워크는, 재귀형 구조의 뉴럴 네트워크(Recurrent Neural Network: RNN)이다. 본 실시 형태에서는, RNN 중, 중간층에 대하여, 동 시각(＝t)의 입력층의 입력과 전 시각(＝t－1)의 출력층의 출력이 입력되는 「조던·네트워크(Jordan Network)」를 이용할 수 있다. 또한, 상기한 조던·네트워크를 대신하여, 중간층에 대하여, 동 시각(＝t)의 입력층의 입력과 전 시각(＝t－1)의 중간층의 출력이 입력되는 「엘만·네트워크(Elman Network)」를 이용해도 좋다. 학습 장치(7)는, 이 뉴럴 네트워크의 학습을, 예를 들면 오프라인 또는 온라인으로 백프로파게이션법(backpropagation method) 등을 이용하여 실시한다.
여기에서, 상기한 특허문헌 1, 2에서는, 학습 완료 뉴럴 네트워크를 이용하여 밀 셋업 설정값을 산출하고 있었지만, 이들 종래의 밀 셋업 설정값의 결정 방법에서는, 예를 들면 도 3에 나타내는 바와 같은 학습 페이즈 및 인식 페이즈를 실시하고 있었다.
우선 학습 페이즈에서는, 도 3의 (a)에 나타내는 바와 같이, 금회의 강판 W의 압연 조건이 입력이 되고, 금회의 강판 W의 밀 셋업 설정값이 출력이 되도록 뉴럴 네트워크를 학습시키고, 학습 완료 뉴럴 네트워크를 생성한다. 그리고, 인식 페이즈에서는, 동 도면의 (b)에 나타내는 바와 같이, 학습 페이즈로 생성된 학습 완료 뉴럴 네트워크에 대하여, 금회의 강판 W의 압연 조건을 입력함으로써, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여 취득한다.
그러나, 실제의 조업에서는, 인식 페이즈로 취득한 금회의 밀 셋업 설정값을 그대로 이용하는 것이 아니라, 압연기 설비의 상황에 따라서, 적절히 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건(설정값)의 수정(이하, 「손개입 수정」이라고 함)이 행해지고, 이 손개입 수정이 반영된 밀 셋업 설정값을, 최종적인 설정값으로서 이용하고 있다.
또한, 오퍼레이터에 의한 손개입 수정이 행해지는 상황으로서는, 예를 들면, (1) 각 압연 스탠드의 모터 중 일부에 부하가 집중되어 있고, 다른 모터에 부하를 분산시키기 위해 각 압연 스탠드의 압하율의 배분을 변경하고자 하는 경우, (2) 각 압연 스탠드의 압연 롤 중 일부가 마모하고 있기 때문에, 강판의 슬립을 방지하기 위해 각 압연 스탠드의 압하율의 배분을 변경하고자 하는 경우, (3) 압연 스탠드의 입측에서 강재가 사행할 우려가 있기 때문에, 각 압연 스탠드의 압하율의 배분을 변경하고자 하는 경우, 등을 들 수 있다.
또한, 종래의 밀 셋업 설정값의 결정 방법에서는, 전후에 처리하는 강판을 각각 독립적인 것이라고 생각하고 있고, 「전후의 강판의 밀 셋업 설정값에 관련성이 없다」라는 전제로 밀 셋업 설정값을 예측하고 있었다. 그 때문에, 상기한 인식 페이즈(도 3의 (b) 참조)에서는, 예를 들면 강종 등의 압연 조건이 동일하면, 압연기 설비의 상황이나 전회의 밀 셋업 설정값에 상관 없이, 항상 동일한 밀 셋업 설정값을 출력하고 있었다.
그러나, 실제의 조업에서는, 예를 들면 강판과 압연 롤의 마찰 상태나 윤활 상태 등의 압연 상황이 보존되어, 전후의 강판의 강종이 다소 상이해도, 전후의 강판에서 동일한 압연 상황이 계속되는 경우가 많다.
예를 들면, 각 압연 스탠드 중의 일부가 슬립하기 쉬운 경향이 있는 경우, 압연 롤 상태와 윤활유의 성상이 미끄러지기 쉬운 상태이기 때문에, 전후의 강판의 강종이 다소 상이해도, 슬립하기 쉬운 경향이 그대로 계속되게 된다. 현장의 오퍼레이터는, 이를 경험상 알고 있기 때문에, 전후의 강판의 압연 조건이 다소 상이해도, 전후의 강판에서 동일한 밀 셋업 설정값이 되도록 손개입 수정을 행하거나, 혹은 전후의 강판의 압연 조건이 동일해도, 전후의 강판에서 상이한 밀 셋업 설정값이 되도록 손개입 수정을 행하거나 한다.
그래서, 본 실시 형태에 따른 밀 셋업 설정값의 결정 방법에서는, 손개입 수정을 포함하는 밀 셋업 설정값을, 전후의 밀 셋업 설정값의 관계성도 포함하여 사전에 학습함으로써, 상기와 같은 압연 상황의 보존의 원칙이나, 오퍼레이터의 경험칙을 반영한 밀 셋업 설정값을 예측할 수 있도록 했다. 본 실시 형태에 따른 밀 셋업 설정값의 결정 방법에서는, 구체적으로는 도 4에 나타내는 바와 같은 학습 페이즈 및 인식 페이즈를 실시한다.
우선 학습 페이즈에서는, 도 4의 (a)에 나타내는 바와 같이, 대상이 되는 강판 W(이하, 「금회의 강판 W」라고 함)의 압연 조건과, 당해 강판 W의 제조 전에 동일한 압연기(2)로 제조된 강판 W(이하, 「전회의 강판 W」라고 함)의 밀 셋업 설정값이 입력이 되어, 금회의 강판 W의 밀 셋업 설정값이 출력이 되도록 뉴럴 네트워크를 학습시키고, 학습 완료 뉴럴 네트워크를 생성한다. 그리고, 인식 페이즈에서는, 동 도면의 (b)에 나타내는 바와 같이, 학습 완료 뉴럴 네트워크에 대하여, 금회의 강판 W의 압연 조건과, 전회의 강판 W의 밀 셋업 설정값을 입력함으로써, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여 취득한다.
또한, 상기한 「전회의 강판 W의 밀 셋업 설정값」이란, 오퍼레이터에 의한 손개입 수정의 결과가 반영된, 최종적인 밀 셋업 설정값을 가리키고 있다. 또한, 「전회의 강판 W의 밀 셋업 설정값」이란, 금회의 강판 W의 직전에 제조된 강판 W의 밀 셋업 설정값을 가리키고 있다.
이하, 본 실시 형태에 따른 밀 셋업 설정값의 결정 방법의 각 공정에 대해서 구체적으로 설명한다. 본 실시 형태에서는, 학습 공정(학습 페이즈)과, 밀 셋업 설정값 산출 공정(인식 페이즈)을 이 순서로 행한다. 우선 학습 공정에서는, 학습 장치(7)가 제1 학습 공정 및 제2 학습 공정을 행한다.
제1 학습 공정에서는, 전후의 강판 W의 밀 셋업 설정값의 관계성도 포함하여 학습을 행한다. 즉 제1 학습 공정에서는, 금회의 강판 W의 압연 조건과, 전회의 강판 W의 밀 셋업 설정값으로서 오퍼레이터에 의한 손개입 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하는 학습용의 교사 데이터(이하, 「학습 데이터」라고 함)를, 과거의 조업 실적으로부터 다수 준비하고, 뉴럴 네트워크를 학습시킴으로써, 제1 학습 완료 뉴럴 네트워크를 생성한다.
또한, 학습에 이용하는 「금회의 강판 W의 밀 셋업 설정값」으로서는, 금회 강판 W에 있어서 손개입 수정이 행해진 경우에는, 이 손개입 수정이 반영된 설정값을 이용하는 것이 적합하지만, 손개입 수정이 반영되어 있지 않은 설정값(즉, 인식 페이즈에 있어서 산출한 설정값)을 학습에 이용했다고 해도, 문제는 되지 않는다.
제2 학습 공정에서는, 전후의 강판 W의 밀 셋업 설정값의 관계성을 포함하지 않고 학습을 행한다. 즉 제2 학습 공정에서는, 금회의 강판 W의 압연 조건을 입력으로 하고, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여, 뉴럴 네트워크를 학습시킴으로써, 제2 학습 완료 뉴럴 네트워크를 생성한다.
밀 셋업 설정값 산출 공정에서는, 도 5에 나타내는 바와 같이, 밀 셋업 설정값 산출 장치(6)가, 전회의 밀 셋업 설정값을 이용하는 것이 적당한지 아닌지를 판정한다(스텝 S1). 본 스텝에서는, 예를 들면 전후의 강판 W에 있어서, 동일한 압연 상황이 계속되고 있는 경우(압연 상황이 변화하고 있지 않는 경우)에 긍정 판정을 행하고, 동일한 압연 상황이 계속되고 있지 않는 경우(압연 상황이 변화한 경우)에 부정 판정을 행한다.
스텝 S1에 있어서, 전회의 밀 셋업 설정값을 이용하는 것이 적당하다고 판정한 경우(스텝 S1에서 Yes), 밀 셋업 설정값 산출 장치(6)는, 제1 학습 완료 뉴럴 네트워크에 대하여, 금회의 강판 W의 압연 조건과, 전회의 강판 W의 밀 셋업 설정값을 입력함으로써, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여 취득한다(스텝 S2). 그리고, 프로세스 계산기(5)는, 얻어진 밀 셋업 설정값을 이용하여, 밀 셋업을 행하고(스텝 S3), 본 처리를 종료한다.
또한, 스텝 S1에서 긍정 판정이 이루어지는 「전회의 밀 셋업 설정값을 이용하는 것이 적당한 경우」란, 전후의 강판 W에서 압연 상황이 변화하고 있지 않기 때문에, 금회의 밀 셋업 설정값의 예측에 전회의 밀 셋업 설정값을 이용하면, 오퍼레이터가 소망하는 바와 같은(오퍼레이터의 경험칙에 따른) 밀 셋업 설정값이 예측되기 쉬워진다는 것을 가리키고 있다.
여기에서, 스텝 S1에 있어서, 전회의 밀 셋업 설정값을 이용하는 것이 적당하지 않다고 판정한 경우(스텝 S1에서 No), 밀 셋업 설정값 산출 장치(6)는, 제2 학습 완료 뉴럴 네트워크에 대하여, 금회의 강판 W의 압연 조건을 입력함으로써, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여 취득하고(스텝 S4), 스텝 S3으로 진행된다.
또한, 스텝 S1에서 부정 판정이 이루어지는 「전회의 밀 셋업 설정값을 이용하는 것이 적당하지 않은 경우」란, 예를 들면 압연 롤의 재조합 직후 등, 전후의 강판 W에서 압연 상황이 변화하기 때문에, 금회의 밀 셋업 설정값의 예측에 전회의 밀 셋업 설정값을 이용하면, 오퍼레이터가 소망하지 않는(오퍼레이터의 경험칙에 따르지 않는) 밀 셋업 설정값이 예측되기 쉬워진다는 것을 가리키고 있다.
이상 설명한 바와 같은 본 실시 형태에 따른 밀 셋업 설정값의 결정 방법 및 밀 셋업 설정값의 결정 장치에 의하면, 전후의 강판 W의 밀 셋업 설정값의 관계성을 포함하여 학습시킨 학습 완료 뉴럴 네트워크를 이용함으로써, 오퍼레이터 판단에 의한 밀 셋업 설정값의 손개입 수정의 결과를 반영한 밀 셋업 설정 조건을 용이하게 얻을 수 있다.
또한, 상기한 비특허문헌 1에 개시되어 있는 방법에서는, 수식 모델에 기초하는 최적화를 행하기 때문에, 예를 들면 압연 조건이 변하면 모델을 다시 만들 필요가 있었지만, 본 실시 형태에 따른 밀 셋업 설정값의 결정 방법 및 밀 셋업 설정값의 결정 장치에서는, 이와 같이 모델을 다시 만들 필요가 없다.
(변형예)
여기에서, 본 실시 형태에 따른 밀 셋업 설정값의 결정 방법에서는, 학습 공정에 있어서, 금회의 강판 W의 압연 조건에 더하여, 전회의 강판 W의 압연 조건에 대해서도 뉴럴 네트워크에 학습시켜도 좋다.
이 경우, 사전에 행하는 학습 공정에서는, 금회의 강판 W의 압연 조건과, 전회의 강판 W의 압연 조건과, 전회의 강판 W의 밀 셋업 설정값을 입력으로 하고, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여, 뉴럴 네트워크의 학습을 행함으로써, 학습 완료 뉴럴 네트워크를 생성한다. 그리고, 밀 셋업 설정값 산출 공정에서는, 학습 완료 뉴럴 네트워크에 대하여, 금회의 강판 W의 압연 조건과, 전회의 강판 W의 압연 조건과, 전회의 강판 W의 밀 셋업 설정값을 입력함으로써, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여 취득한다.
이와 같이, 전후의 강판 W의 압연 조건의 관계성을 포함하여 학습시킨 학습 완료 뉴럴 네트워크를 이용함으로써, 밀 셋업 설정 조건의 예측 정밀도를 보다 향상시킬 수 있다.
(제조 설비의 설정 조건 결정 방법)
여기에서, 상기의 실시 형태에서는, 제조 설비의 일 예로서 압연기 설비(1)를 들어 설명을 행했지만, 본 발명에 따른 방법은, 압연기 설비(1) 이외의 제조 설비에도 넓게 적용 가능하다. 이 경우, 제조 설비에 있어서의 제조물을 전환할 때의, 제조 설비의 설정 조건 결정 방법으로서, 학습 공정과, 설정 조건 산출 공정을 이 순서로 행한다.
상기의 학습 공정에서는, 대상이 되는 제조물의 제조 조건과, 당해 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건을 입력으로 하고, 대상이 되는 제조물의 설정 조건을 출력으로 하여, 뉴럴 네트워크를 학습시킴으로써, 학습 완료 뉴럴 네트워크를 생성한다. 그리고, 설정 조건 산출 공정에서는, 대상이 되는 제조물의 제조 조건과, 당해 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건을 입력함으로써, 대상이 되는 제조물의 설정 조건을 출력으로 하여 취득한다.
이러한 제조 설비의 설정 조건 결정 방법에 의하면, 전후의 제조물에 있어서의 설정 조건의 관계성을 포함하여 학습시킨 학습 완료 뉴럴 네트워크를 이용함으로써, 오퍼레이터 판단에 의한 설정 조건의 손개입 수정의 결과를 반영한 설정 조건을 예측할 수 있다.
실시예
이하, 실시예를 들어 본 발명을 보다 구체적으로 설명한다. 도 6의 (a)∼(e)는, 본 발명의 실시예로서, 본 발명에 따른 방법에 기초하여, 전회의 압하율 설정값을 입력에 포함하여 학습시킨 학습 완료 뉴럴 네트워크에 의해 예측한 각 압연 스탠드의 압하율 설정값(예측)과, 오퍼레이터가 각 압연 스탠드에 실제로 설정한 압하율 설정값(실적)의 관계를 나타내는 산포도이다.
또한, 도 7의 (a)∼(e)는, 본 발명의 비교예로서, 특허문헌 1에 개시되어 있는 방법에 기초하여, 전회의 압하율 설정값을 입력에 포함하지 않고 학습시킨 학습 완료 뉴럴 네트워크에 의해 예측한 각 압연 스탠드의 압하율 설정값(예측)과, 오퍼레이터가 각 압연 스탠드에 실제로 설정한 압하율 설정값(실적)의 관계를 나타내는 산포도이다. 도 6 및 도 7에 있어서, 세로축은 각 압연 스탠드의 압하율 설정값(예측), 가로축은 각 압연 스탠드의 압하율 설정값(실적)이다. 또한, 본 실시예에서는, 학습 공정 및 밀 셋업 설정값 산출 공정에 있어서, 강판 W의 압연 조건으로서, 강판 W의 판두께, 판폭, 강종, 각 압연 스탠드의 롤 제원(롤 지름 등)을 이용했다.
도 6 및 도 7에 나타내는 바와 같이, 본 발명에 따른 방법을 이용함으로써, 특허문헌 1에 개시되어 있는 방법을 이용한 경우보다도, 각 압연 스탠드의 압하율 설정값의 재현 정밀도가 향상되어 있는 것을 알 수 있다. 즉, 본 발명에 따른 방법에서는, 특허문헌 1에 개시되어 있는 방법과 비교하여, 평균 평방 제곱 오차(Root Mean Squared Error: RMSE)가 각 압연 스탠드 평균으로 약 52％ 감소하고 있고, 각 압연 스탠드의 압하율 설정값(예측)과, 오퍼레이터가 실제로 설정하는(오퍼레이터의 경험칙에 따른) 각 압연 스탠드의 압하율 설정값(실적)의 오차가 감소하고 있는 것을 알 수 있다.
이상, 본 발명에 따른 제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법에 대해서, 발명을 실시하기 위한 형태 및 실시예에 의해 구체적으로 설명했지만, 본 발명의 취지는 이들 기재에 한정되는 것이 아니라, 청구 범위의 기재에 기초하여 넓게 해석되지 않으면 안 된다. 또한, 이들 기재에 기초하여 여러 가지 변경, 개변 등 한 것도 본 발명의 취지에 포함되는 것은 말할 필요도 없다.
예를 들면, 상기한 실시 형태에 따른 밀 셋업 설정값의 결정 방법에서는, 압연재의 일 예로서 코일 등의 강판 W를 들어 설명을 행했지만, 알루미늄 등의 타소재를 대상재로 해도 좋다.
또한, 상기한 실시 형태에 따른 밀 셋업 설정값의 결정 방법에서는, 학습 공정에서 생성한 두 개의 학습 완료 뉴럴 네트워크를 이용하여 밀 셋업 설정값 산출 공정을 행하고 있지만, 학습 공정으로 학습 완료 뉴럴 네트워크를 하나만 생성하고, 하나의 학습 완료 뉴럴 네트워크를 이용하여 밀 셋업 설정값 산출 공정을 행해도 좋다. 이 경우, 제1 학습 공정과 제2 학습 공정으로 동일한 뉴럴 네트워크의 학습을 행하고, 하나의 학습 완료 뉴럴 네트워크를 생성한다.
제1 학습 공정은, 전후의 강판 W에 있어서, 동일한 압연 상황이 계속되고 있고(압연 상황이 변화하고 있지 않고), 전후의 강판 W의 밀 셋업 설정값에 관련성이 있는 경우에 실시한다. 제1 학습 공정에서는, 금회의 강판 W의 압연 조건과, 전회의 강판 W의 밀 셋업 설정값을 입력으로 하고, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여, 뉴럴 네트워크를 학습시킨다.
제2 학습 공정은, 전후의 강판 W에 있어서, 동일한 압연 상황이 계속되고 있지 않고(압연 상황이 변화하고 있고), 전후의 강판 W의 밀 셋업 설정값에 관련성이 없는 경우에 실시한다. 제2 학습 공정에서는, 금회의 강판 W의 압연 조건과, 전회의 강판 W의 밀 셋업 설정값을 입력으로 하고, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여, 뉴럴 네트워크를 학습시킨다. 단, 제2 학습 공정에서는, 전회의 강판 W의 밀 셋업 설정값을 예를 들면 「0」과 같은 고정값으로 하는 등으로 하여, 전회의 강판 W의 밀 셋업 설정값이 밀 셋업 설정값 산출 공정에 있어서의 출력에 기여하지 않도록 궁리하여 뉴럴 네트워크의 학습을 행한다.
또한, 상기의 설명에서는, 「전후의 강판 W의 밀 셋업 설정값에 관련성이 있는 경우」에 제1 학습 공정을 실시하고, 「전후의 강판 W의 밀 셋업 설정값에 관련성이 없는 경우」에 제2 학습 공정을 실시한다고 했지만, 예를 들면 전회의 강판 W의 밀 셋업 설정값을 포함하는 제1 학습 데이터와, 전회의 강판 W의 밀 셋업 설정값을 포함하지만, 전회의 강판 W의 밀 셋업 설정값이 「0」으로 고정된 제2 학습 데이터를 각각 준비하여, 한 번의 학습 공정으로 제1 및 제2 학습 데이터를 학습시킴으로써, 상기 제1 및 제2 학습 공정을 실시한 경우와 동일한 학습 완료 뉴럴 네트워크를 얻을 수 있다.
이어서, 밀 셋업 설정값 산출 공정에서는, 학습 완료 뉴럴 네트워크에 대하여, 금회의 강판 W의 압연 조건과, 전회의 강판 W의 밀 셋업 설정값을 입력함으로써, 금회의 강판 W의 밀 셋업 설정값을 출력으로 하여 취득한다. 단, 밀 셋업 설정값 산출 공정에서는, 전후의 강판 W에 있어서, 동일한 압연 상황이 계속되고 있지 않고, 전후의 강판 W의 밀 셋업 설정값에 관련성이 없는 경우는, 전회의 강판 W의 밀 셋업 설정값으로서 예를 들면 「0」을 학습 완료 뉴럴 네트워크에 입력한다.
이에 따라, 하나의 학습 완료 뉴럴 네트워크를 이용하여, 전후의 강판 W에서 동일한 압연 상황이 계속되고 있는 경우의 밀 셋업 설정값과, 전후의 강판 W에서 동일한 압연 상황이 계속되고 있지 않는 경우의 밀 셋업 설정값을 각각 예측할 수 있다.
또한, 상기한 실시 형태에 따른 밀 셋업 설정값의 결정 방법에서는, 학습 공정으로 뉴럴 네트워크를 이용한 학습을 행하고 있지만, 뉴럴 네트워크 이외에도, 시계열 데이터를 취급할 수 있는 결정나무, 서포트 벡터 머신 등의 기계 학습 수법을 이용하여 학습을 행하고, 학습 완료 모델을 생성해도 좋다.
또한, 본 발명에 따른 방법은, 밀 셋업 공정 이외의 프로세스에도 적용 가능하다. 예를 들면 열간 압연의 경우에 대해서도, 상기의 참고문헌 1에 기재되어 있는 플로우와 같이 드래프트 스케줄의 결정을 행하고 있기 때문에, 본 발명에 따른 방법은 유효하다. 또한, 후판 압연과 같은 리버스 방식의 압연을 행하는 경우, 마찰 상태나 윤활 상태 등의 전회의 압연 상황을 오퍼레이터가 판단하여 설정값을 변경할 기회가 많기 때문에, 본 발명에 따른 방법이 특히 유효하게 작용한다.
또한, 용융 아연 도금 강판 제조 라인에 있어서의 도금 부착량 제어는, 일반적으로 가스와이핑으로 불리우는 방법으로 행해진다. 이 경우, 아연 도금의 성상이 안정화된 후가 아니면 도금 부착량을 정확하게 측정할 수 없기 때문에, 아연 포트로부터 100m 정도 떨어진 장소에 부착량 센서가 설치되는 것이 일반적이고, 피드백 컨트롤에서는 큰 시간 지연이 발생한다. 그 때문에, 용접점이 아연 포트를 통과하는 타이밍에 와이핑 설비의 설정 변경을 실시하고 있다.
이러한 용융 아연 도금 강판 제조 라인에 있어서의 도금 부착량 제어에 대하여, 본 발명에 따른 방법을 적용하여, 용접점의 전후에 있어서의 강판에 대한 와이핑 설비의 설정값의 관계성을 뉴럴 네트워크에 학습시키고, 그 학습 결과를 이용함으로써, 오퍼레이터 판단에 의한 설정값의 손개입 수정의 결과를 반영한, 와이핑 설비의 설정값을 얻을 수 있다.
또한, 용융 아연 도금 강판 제조 라인에 있어서의 도금 합금화 제어는, 유도 가열이나 가스 가열에 의해 행해진다. 이 경우, 아연 도금 합금화가 완료된 후가 아니면 합금화도를 정확하게 측정할 수 없기 때문에, 아연 포트로부터 100m 정도 떨어진 장소에 합금화도 센서가 설치되는 것이 일반적이고, 피드백 컨트롤에서는 큰 시간 지연이 발생한다. 그 때문에, 용접점이 합금화 가열 섹션을 통과하는 타이밍에 가열 설비의 설정 변경을 실시하고 있다.
이러한 용융 아연 도금 강판 제조 라인에 있어서의 도금 합금화 제어에 대하여, 본 발명에 따른 방법을 적용하여, 용접점의 전후에 있어서의 강판에 대한 가열 설비의 설정값의 관계성을 뉴럴 네트워크에 학습시키고, 그 학습 결과를 이용함으로써, 오퍼레이터 판단에 의한 설정값의 손개입 수정의 결과를 반영한, 가열 설비의 설정값을 얻을 수 있다.
또한, 본 발명에 따른 제조 설비의 설정 조건 결정 방법을 제조물의 제조 방법에 적용하여, 당해 제조 설비의 설정 조건 결정 방법에 의해 결정된 설정 조건을 제조 설비에 설정하고, 당해 제조 설비에 의해 제조물을 제조하는 것도 가능하다. 또한, 본 발명에 따른 압연기의 밀 셋업 설정값의 결정 방법을 압연재의 제조 방법에 적용하여, 당해 밀 셋업 설정값의 결정 방법에 의해 결정된 밀 셋업 설정값을 압연기에 설정하고, 당해 압연기에 의해 압연재를 제조하는 것도 가능하다.
1 : 압연기 설비
2 : 압연기
2a, 2b, 2c, 2d, 2e : 압연 스탠드
3 : 압하 위치 제어 장치
4 : 롤 벤더 시프트 제어 장치
5 : 프로세스 계산기
6 : 밀 셋업 설정값 산출 장치
7 : 학습 장치

Claims (8)

  1. 제조 설비에 부여하는 설정 조건의 결정 방법에 있어서,
    대상이 되는 제조물의 제조 조건과, 당해 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건을 입력으로 하고, 상기 대상이 되는 제조물의 설정 조건을 출력으로 하여 학습시킨 학습 완료 모델에 대하여, 대상이 되는 제조물의 제조 조건과, 당해 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건을 입력하여, 상기 대상이 되는 제조물의 설정 조건을 취득하는 것을 특징으로 하는 제조 설비의 설정 조건 결정 방법.
  2. 제1항에 있어서,
    상기 대상이 되는 제조물의 제조 전에 동일한 제조 설비로 제조된 제조물의 설정 조건으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정 조건의 수정이 반영된 설정 조건은, 상기 대상이 되는 제조물의 직전에 제조된 제조물의 설정 조건인 것을 특징으로 하는 제조 설비의 설정 조건 결정 방법.
  3. 압연기의 밀 셋업 설정값의 결정 방법에 있어서,
    대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정값의 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 학습시킨 학습 완료 모델에 대하여, 대상이 되는 압연재의 밀 셋업 설정값과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정값의 수정이 반영된 밀 셋업 설정값을 입력하여, 상기 대상이 되는 압연재의 밀 셋업 설정값을 취득하는 밀 셋업 설정값 산출 공정을 포함하는 것을 특징으로 하는 압연기의 밀 셋업 설정값의 결정 방법.
  4. 제3항에 있어서,
    상기 학습 완료 모델은,
    대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여, 학습 모델을 학습시킨 제1 학습 완료 모델과,
    상기 대상이 되는 압연재의 제조 조건을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여, 학습 모델을 학습시킨 제2 학습 완료 모델
    을 포함하고,
    상기 밀 셋업 설정값 산출 공정은,
    소정의 판정 조건에 기초하여 전회의 밀 셋업 설정값을 이용하는 것이 적당하다고 판정한 경우, 상기 제1 학습 완료 모델에 대하여, 상기 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값을 입력함으로써, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 취득하고,
    상기 소정의 판정 조건에 기초하여 전회의 밀 셋업 설정값을 이용하는 것이 적당하지 않다고 판정한 경우, 상기 제2 학습 완료 모델에 대하여, 상기 대상이 되는 압연재의 제조 조건을 입력함으로써, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 취득하는 것을 특징으로 하는 압연기의 밀 셋업 설정값의 결정 방법.
  5. 제3항에 있어서,
    상기 학습 완료 모델은, 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정값의 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여, 학습 모델을 학습시킨 것이고,
    상기 밀 셋업 설정값 산출 공정은, 상기 학습 완료 모델에 대하여, 상기 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값을 입력함으로써, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 취득하는 것을 특징으로 하는 압연기의 밀 셋업 설정값의 결정 방법.
  6. 압연기의 밀 셋업 공정에 있어서의 밀 셋업 설정값의 결정 장치로서,
    학습 완료 모델에 대하여, 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값을 입력함으로써, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여 취득하는 밀 셋업 설정값 산출 장치를 구비하고,
    상기 학습 완료 모델은, 상기 대상이 되는 압연재의 제조 조건과, 당해 압연재의 제조 전에 동일한 압연기로 제조된 압연재의 밀 셋업 설정값으로서 오퍼레이터에 의한 수동으로의 조작에 의한 설정값의 수정이 반영된 밀 셋업 설정값을 입력으로 하고, 상기 대상이 되는 압연재의 밀 셋업 설정값을 출력으로 하여, 학습 모델을 학습시킨 것인 것을 특징으로 하는 압연기의 밀 셋업 설정값의 결정 장치.
  7. 제1항 또는 제2항에 기재된 제조 설비의 설정 조건 결정 방법에 의해 결정된 설정 조건을 제조 설비에 설정하고, 당해 제조 설비에 의해 제조물을 제조하는 것을 특징으로 하는 제조물의 제조 방법.
  8. 제3항 내지 제5항 중 어느 한 항에 기재된 압연기의 밀 셋업 설정값의 결정 방법에 의해 결정된 밀 셋업 설정값을 압연기에 설정하고, 당해 압연기에 의해 압연재를 제조하는 것을 특징으로 하는 압연재의 제조 방법.
KR1020217025534A 2019-02-12 2019-10-04 제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법 KR102645431B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019022839A JP6705519B1 (ja) 2019-02-12 2019-02-12 製造設備の設定条件決定方法、圧延機のミルセットアップ設定値の決定方法、圧延機のミルセットアップ設定値の決定装置、製造物の製造方法および圧延材の製造方法
JPJP-P-2019-022839 2019-02-12
PCT/JP2019/039304 WO2020166124A1 (ja) 2019-02-12 2019-10-04 製造設備の設定条件決定方法、圧延機のミルセットアップ設定値の決定方法、圧延機のミルセットアップ設定値の決定装置、製造物の製造方法および圧延材の製造方法

Publications (2)

Publication Number Publication Date
KR20210114459A true KR20210114459A (ko) 2021-09-23
KR102645431B1 KR102645431B1 (ko) 2024-03-07

Family

ID=70858315

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217025534A KR102645431B1 (ko) 2019-02-12 2019-10-04 제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법

Country Status (8)

Country Link
US (1) US20220126339A1 (ko)
EP (1) EP3926425A4 (ko)
JP (1) JP6705519B1 (ko)
KR (1) KR102645431B1 (ko)
CN (1) CN113439244B (ko)
MX (1) MX2021009586A (ko)
RU (1) RU2768986C1 (ko)
WO (1) WO2020166124A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4194583A4 (en) 2020-09-03 2024-06-05 JFE Steel Corporation METHOD FOR PREDICTING THE AMOUNT OF HYDROGEN ABSORBED IN A STEEL STRIP, METHOD FOR MANUFACTURING
US11845118B2 (en) * 2020-09-04 2023-12-19 Toshiba Mitsubishi-Electric Industrial Systems Corporation Control system of tandem cold rolling mill
JP7468466B2 (ja) 2021-06-21 2024-04-16 Ｊｆｅスチール株式会社 冷間圧延機の圧延条件設定方法、冷間圧延方法、鋼板の製造方法、冷間圧延機の圧延条件設定装置、及び冷間圧延機
US11919060B2 (en) * 2021-08-16 2024-03-05 The Bradbury Co., Inc. Methods and apparatus to control roll-forming processes
TWI785945B (zh) * 2021-12-23 2022-12-01 中國鋼鐵股份有限公司 熱軋鋼材的板形預測系統

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0538511A (ja) 1991-08-06 1993-02-19 Nkk Corp タンデム圧延機のドラフトスケジユールの決定方法
JPH0890020A (ja) 1994-09-13 1996-04-09 Kobe Steel Ltd タンデム式圧延機のドラフトスケジュール設定装置
JP3223856B2 (ja) * 1997-04-17 2001-10-29 日本鋼管株式会社 圧延機の制御方法及び圧延機の制御装置
JP2004255436A (ja) * 2003-02-27 2004-09-16 Kobe Steel Ltd タンデム式熱間圧延機の板クラウン制御方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59215205A (ja) * 1983-05-20 1984-12-05 Nippon Steel Corp 板圧延のクラウン・形状制御設定方法
DE69121789T2 (de) * 1990-06-04 1997-04-03 Hitachi Ltd Steuerungsvorrichtung für die Steuerung einer gesteuerten Anlage und Steuerungsverfahren dafür
US5930136A (en) * 1990-06-04 1999-07-27 Hitachi, Ltd. Control device for controlling a controlled apparatus, and a control method therefor
JP3136183B2 (ja) * 1992-01-20 2001-02-19 株式会社日立製作所 制御方法
JPH07204718A (ja) * 1994-01-11 1995-08-08 Mitsubishi Electric Corp 圧延装置
US5586221A (en) * 1994-07-01 1996-12-17 Syracuse University Predictive control of rolling mills using neural network gauge estimation
JP2763495B2 (ja) * 1994-10-24 1998-06-11 三菱電機株式会社 圧延装置
JPH08129404A (ja) * 1994-10-31 1996-05-21 Toshiba Corp 制御装置及び制御対象物の制御方法
US6745169B1 (en) * 1995-07-27 2004-06-01 Siemens Aktiengesellschaft Learning process for a neural network
JPH09155420A (ja) * 1995-12-07 1997-06-17 Kawasaki Steel Corp 圧延機のセットアップモデルの学習方法
JPH1034216A (ja) * 1996-07-26 1998-02-10 Furukawa Electric Co Ltd:The タンデム圧延機の板クラウン制御方法および装置
JPH10198402A (ja) * 1997-01-09 1998-07-31 Nippon Steel Corp 学習パラメータ初期値の同定方法及び装置
JP4968001B2 (ja) * 2007-11-09 2012-07-04 東芝三菱電機産業システム株式会社 連続圧延機の負荷配分制御装置
CN101683659B (zh) * 2008-09-28 2012-05-30 宝山钢铁股份有限公司 冷轧带钢平直度和横向厚差综合控制方法
JP5272677B2 (ja) * 2008-11-19 2013-08-28 新日鐵住金株式会社 圧延機間張力制御方法及び圧延機間張力制御装置
RU2500493C1 (ru) * 2012-05-22 2013-12-10 Открытое акционерное общество "Магнитогорский металлургический комбинат" Система управления процессом прокатки полосы
US10234848B2 (en) * 2017-05-24 2019-03-19 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
CN107486475B (zh) * 2017-08-25 2020-05-19 宝钢特钢韶关有限公司 一种棒线材连轧活套设定值输入控制装置及控制该装置的系统
CN107908836B (zh) * 2017-10-31 2021-11-19 首钢京唐钢铁联合有限责任公司 一种轧制参数优化方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0538511A (ja) 1991-08-06 1993-02-19 Nkk Corp タンデム圧延機のドラフトスケジユールの決定方法
JPH0890020A (ja) 1994-09-13 1996-04-09 Kobe Steel Ltd タンデム式圧延機のドラフトスケジュール設定装置
JP3223856B2 (ja) * 1997-04-17 2001-10-29 日本鋼管株式会社 圧延機の制御方法及び圧延機の制御装置
JP2004255436A (ja) * 2003-02-27 2004-09-16 Kobe Steel Ltd タンデム式熱間圧延機の板クラウン制御方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
무라카미 아키라 외, 「냉간 탠덤 압연기의 패스 스케줄 최적화」, 철과 강, 일반 사단법인 일본 철강 협회, 2004년, Vol.90, No.11

Also Published As

Publication number Publication date
KR102645431B1 (ko) 2024-03-07
CN113439244B (zh) 2024-06-21
JP2020134967A (ja) 2020-08-31
JP6705519B1 (ja) 2020-06-03
CN113439244A (zh) 2021-09-24
US20220126339A1 (en) 2022-04-28
EP3926425A4 (en) 2022-04-06
MX2021009586A (es) 2021-09-08
EP3926425A1 (en) 2021-12-22
RU2768986C1 (ru) 2022-03-28
WO2020166124A1 (ja) 2020-08-20

Similar Documents

Publication Publication Date Title
KR102645431B1 (ko) 제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법
JP4752764B2 (ja) 圧延、鍛造又は矯正ラインの材質制御方法及びその装置
KR100249914B1 (ko) 금속 밴드의 로울링 방법 및 장치
JP4606437B2 (ja) 熱間圧延ミルのクラウン制御装置および方法
US5778151A (en) Method and control device for controlling a material-processing process
CN110892341A (zh) 用于操作连续生产线的方法
JP2012176428A (ja) 圧延制御装置及び圧延制御方法
CN109240203B (zh) 一种基于多模型的连铸坯定重控制方法
EP1110635B1 (en) Method and device for controlling flatness
JP7140073B2 (ja) 学習モデル生成方法、データベース構築方法、ミルセットアップ設定方法、圧延材の製造方法、処理対象の製造方法、及び学習モデル生成装置
CN113133310B (zh) 串联轧机的板厚一览表计算方法及轧制设备
JP2968332B2 (ja) 連続圧延機におけるクラウンの制御方法
CN115335158B (zh) 控制辊轧材料的带材平整度的方法、控制系统和生产线
KR102104905B1 (ko) 예측 모델을 이용한 압연 제어 장치 및 방법
JP2018134673A (ja) タンデム圧延ミル制御装置およびタンデム圧延ミル制御方法
RU2764727C2 (ru) Способ и устройство для прокатки металлических полос
CN109563559B (zh) 使用于金属带材的退火的退火炉运行的方法
WO2024013366A1 (en) Method for producing cold rolled steel strip
JP5908039B2 (ja) 圧延制御装置及び圧延制御方法
Liskow et al. Automation tool for quality assurance of long products
JPH09192715A (ja) 多段式熱間圧延における自動荷重バランス調整方法
KR101727837B1 (ko) 열연코일의 압연 제어 방법
JPH10235421A (ja) 冷間圧延におけるキャンバの制御法
JP2005059053A (ja) 冷間タンデム圧延における板幅制御方法
JP5325189B2 (ja) タンデムミルのクラウン制御装置および方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant