KR20230085924A - 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치 - Google Patents

이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치 Download PDF

Info

Publication number
KR20230085924A
KR20230085924A KR1020237015884A KR20237015884A KR20230085924A KR 20230085924 A KR20230085924 A KR 20230085924A KR 1020237015884 A KR1020237015884 A KR 1020237015884A KR 20237015884 A KR20237015884 A KR 20237015884A KR 20230085924 A KR20230085924 A KR 20230085924A
Authority
KR
South Korea
Prior art keywords
abnormality
diagnosis
model
relationship
abnormality diagnosis
Prior art date
Application number
KR1020237015884A
Other languages
English (en)
Inventor
마사후미 마츠시타
다케히데 히라타
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 KR20230085924A publication Critical patent/KR20230085924A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/20—Metals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
    • 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
    • B21B37/70—Length control
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • 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
    • 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]
    • G05B19/41875—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 quality surveillance of production
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32356—For diagnostics
    • 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
    • G05B2219/33295—Fuzzy expert system for diagnostic, monitoring
    • 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
    • G05B2219/33296—ANN for diagnostic, monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Food Science & Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Control Of Metal Rolling (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

이상 진단 모델의 구축 방법은, 금속 재료를 복수의 설비에서 순차적으로 처리하는 프로세스의 이상 진단 모델의 구축 방법으로서, 복수의 설비에 대해, 미리 정한 소정의 계측 주기로 동 시각에 계측된 계측값을 이용하여, 동 시각의 계측값과 이상의 관계를 학습시킨 제 1 이상 진단 모델을 작성하는 제 1 모델 작성 스텝과, 복수의 설비에 대해 계측된 계측값이 금속 재료의 위치마다 편집된, 금속 재료의 동일한 위치마다의 계측값을 이용하여, 동 위치의 계측값과 이상의 관계를 학습시킨 제 2 이상 진단 모델을 작성하는 제 2 모델 작성 스텝을 포함한다.

Description

이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치
본 발명은, 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치에 관한 것이다.
제조 프로세스의 제조 상태, 특히 이상 상태를 진단하는 방법으로는, 모델 베이스 어프로치와 데이터 베이스 어프로치가 있다. 모델 베이스 어프로치는, 제조 프로세스에 있어서의 물리적 또는 화학적인 현상을 수학식으로 표현한 모델을 구축하고, 구축한 모델을 사용하여 제조 프로세스의 제조 상태를 진단하는 어프로치이다. 한편, 데이터 베이스 어프로치는, 제조 프로세스에서 얻어진 조업 데이터로부터 통계 해석적인 모델을 구축하고, 구축한 모델을 사용하여 제조 프로세스의 제조 상태를 진단하는 어프로치이다.
철강 프로세스와 같은 제조 프로세스에서는, 하나의 제조 라인에서 다품종, 다사이즈의 제품이 제조되기 때문에, 조업 패턴이 다수 존재한다. 또, 고로와 같은 제조 프로세스에서는, 철광석이나 코크스 등과 같은 자연물을 원재료로서 사용하기 때문에, 제조 프로세스의 편차가 크다. 이 때문에, 철강 프로세스와 같은 제조 프로세스의 제조 상태를 진단하는 경우, 모델 베이스 어프로치만에 의한 어프로치로는 한계가 있다.
데이터 베이스 어프로치로는, 과거의 이상 발생시의 조업 데이터를 데이터베이스화하여 현재의 조업 데이터와의 유사성을 판정하는 진단 방법이나, 반대로 정상시의 조업 데이터를 데이터베이스화하여 현재의 조업 데이터와의 차이를 판정하는 진단 방법이 있다. 그런데, 철강 프로세스와 같은 제조 프로세스에서는, 제조에 사용되는 설비 점수가 많은 데다가, 특히 일본과 같이 노후화가 진행된 설비가 많은 경우, 과거에 전례가 없는 트러블이 발생하는 경우가 적지 않다. 이 때문에, 과거의 트러블 사례를 베이스로 하는 전자와 같은 진단 방법에서는 이상 상태의 예지에 한계가 있다.
한편, 후자의 진단 방법 (정상시의 조업 데이터를 사용한 진단 방법) 으로는, 특허문헌 1 ∼ 4 에 기재되어 있는 것이 있다. 구체적으로는, 특허문헌 1, 2 에는, 정상시의 조업 데이터를 사용하여 작성된 모델에 의한 예측에 기초하여 제조 프로세스의 이상 상태를 예지 또는 검지하는 방법이 기재되어 있다. 또, 특허문헌 3, 4 에는, 정상시의 조업 데이터로부터 패턴을 추출, 라이브러리화하고, 취득한 조업 데이터와 라이브러리화된 패턴의 차이를 판정함으로써, 여느 때와 다른 상황을 조기에 검지하는 방법이 기재되어 있다.
국제공개 제2013/011745호 일본 특허공보 제4922265호 일본 특허공보 제5651998호 일본 특허공보 제5499900호
철강의 제조 프로세스 등에서는, 다수의 센서에 의한 계측값을 취급할 수 있는 한편으로, 그 대부분은 조업 관리나 기기 제어를 목적으로 하여 계측되고 있다. 그 때문에, 특허문헌 1 ∼ 4 와 같이, 설비 상태나 이상의 원인을 직접 나타내는 계측값을, 반드시 충분히 취득할 수 있다고는 할 수 없다. 또, 그러한 이상의 원인과 1 대 1 로 대응하는 계측값이 있었다고 하더라도, 그것만으로 모든 이상을 망라하는 것은 도저히 할 수 없는 상황에 있다.
한편으로, 최근의 데이터 수집, 해석 기술의 발전에 의해, 빅 데이터로 불리는 대량의 데이터를 취급하는 환경이 갖추어져 왔다. 전술한 상황을 감안하면, 대량의 데이터로부터 망라적으로 양호한 정밀도로 이상 상황을 검지하고, 이상에 관련된 데이터를 제시, 신속한 보전 액션으로 이어가는 것이, 안정적인 조업을 유지하기 위해 필요하다고 할 수 있다. 이 경우, 대량의 데이터는, 반드시 특허문헌 1 ∼ 4 와 같은 이상의 원인과 1 대 1 로 대응하는 것은 아니며, 그 때문에, 제시하는 이상의 내용도 하나라고는 할 수 없게 된다.
본 발명은, 상기를 감안하여 이루어진 것으로서, 제조 프로세스에서 취득한 대량의 계측값으로부터 이상 상태를 검지하고, 1 대 1 로 대응하지 않는 다수의 이상의 원인의 후보를 분류, 선별함으로써, 이상의 원인을 조기에 구명할 수 있는 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치를 제공하는 것을 목적으로 한다.
상기 서술한 과제를 해결하고, 목적을 달성하기 위해, 본 발명에 관련된 이상 진단 모델의 구축 방법은, 금속 재료를 복수의 설비에서 순차적으로 처리하는 프로세스의 이상 진단 모델의 구축 방법으로서, 상기 복수의 설비에 대해, 미리 정한 소정의 계측 주기로 동 시각에 계측된 계측값을 이용하여, 동 시각의 계측값과 이상의 관계를 학습시킨 제 1 이상 진단 모델을 작성하는 제 1 모델 작성 스텝과, 상기 복수의 설비에 대해 계측된 계측값이 상기 금속 재료의 위치마다 편집된, 상기 금속 재료의 동일한 위치마다의 계측값을 이용하여, 동 위치의 계측값과 이상의 관계를 학습시킨 제 2 이상 진단 모델을 작성하는 제 2 모델 작성 스텝을 포함한다.
또, 본 발명에 관련된 이상 진단 모델의 구축 방법은, 상기 발명에 있어서, 상기 금속 재료가, 압연재이고, 상기 설비가, 압연기이다.
또, 본 발명에 관련된 이상 진단 모델의 구축 방법은, 상기 발명에 있어서, 상기 동 위치의 계측값이, 최종의 압연기의 출측에 있어서의 상기 압연재의 전체 길이와, 최종 이외의 압연기의 출측에 있어서의 상기 압연재의 전체 길이의 비에 기초하여, 상기 최종 이외의 압연기의 출측에 있어서의 상기 압연재의 위치를 환산함으로써 산출된다.
또, 본 발명에 관련된 이상 진단 모델의 구축 방법은, 상기 발명에 있어서, 상기 압연기의 출측에 있어서의 상기 압연재의 전체 길이가, 상기 압연기의 롤 속도와 선진율로부터 상기 압연재의 통판 속도를 산출하고, 상기 통판 속도를 시간 적분함으로써 산출된다.
상기 서술한 과제를 해결하고, 목적을 달성하기 위해, 본 발명에 관련된 이상 진단 방법은, 상기 이상 진단 모델의 구축 방법에 의해 구축된 이상 진단 모델을 사용한 이상 진단 방법으로서, 제 1 이상 진단 모델에 대하여, 동 시각의 계측값 간의 관계를 나타내는 데이터를 입력함으로써, 이상 진단을 실시하는 제 1 이상 진단 스텝과, 제 2 이상 진단 모델에 대하여, 동 위치의 계측값 간의 관계를 나타내는 데이터를 입력함으로써, 이상 진단을 실시하는 제 2 이상 진단 스텝과, 상기 제 1 이상 진단 스텝에 있어서의 진단 결과와, 상기 제 2 이상 진단 스텝에 있어서의 진단 결과에 기초하여, 이상의 원인을 판정하는 이상 판정 스텝을 포함한다.
또, 본 발명에 관련된 이상 진단 방법은, 상기 발명에 있어서, 상기 이상 판정 스텝이, 상기 제 1 진단 결과와 상기 제 2 진단 결과를 연관시켜 이상의 원인을 나타내는 이상 진단 테이블에 기초하여, 이상의 원인을 판정한다.
상기 서술한 과제를 해결하고, 목적을 달성하기 위해, 본 발명에 관련된 이상 진단 모델의 구축 장치는, 금속 재료를 복수의 설비에서 순차적으로 처리하는 프로세스의 이상 진단 모델의 구축 장치로서, 상기 복수의 설비에 대해, 미리 정한 소정의 계측 주기로 동 시각에 계측된 계측값을 이용하여, 동 시각의 계측값과 이상의 관계를 학습시킨 제 1 이상 진단 모델을 작성하는 제 1 모델 작성 수단과, 상기 복수의 설비에 대해 계측된 계측값이 상기 금속 재료의 위치마다 편집된, 상기 금속 재료의 동일한 위치마다의 계측값을 이용하여, 동 위치의 계측값과 이상의 관계를 학습시킨 제 2 이상 진단 모델을 작성하는 제 2 모델 작성 수단을 구비한다.
상기 서술한 과제를 해결하고, 목적을 달성하기 위해, 본 발명에 관련된 이상 진단 장치는, 상기 이상 진단 모델의 구축 장치에 의해 구축된 이상 진단 모델을 사용한 이상 진단 장치로서, 제 1 이상 진단 모델에 대하여, 동 시각의 계측값 간의 관계를 나타내는 데이터를 입력함으로써, 이상 진단을 실시하는 제 1 이상 진단 수단과, 제 2 이상 진단 모델에 대하여, 동 위치의 계측값 간의 관계를 나타내는 데이터를 입력함으로써, 이상 진단을 실시하는 제 2 이상 진단 수단과, 상기 제 1 이상 진단 수단에 있어서의 진단 결과와, 상기 제 2 이상 진단 수단에 있어서의 진단 결과에 기초하여, 이상의 원인을 판정하는 이상 판정 수단을 구비한다.
본 발명에 관련된 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치는, 2 종류의 이상 진단 모델을 구축함으로써, 설비의 기계·제어계의 이상과, 제품의 품질·형상 기인의 이상을, 각각 구별하여 진단할 수 있다. 따라서, 이상의 원인을 조기에 구명할 수 있어, 설비의 정지 시간을 저감시킬 수 있음과 함께, 효율적이고 또한 효과적인 이상 대책으로 이어갈 수 있다.
도 1 은, 본 발명의 실시형태에 관련된 이상 진단 장치 및 모델 구축 장치의 개략적인 구성을 나타내는 도면이다.
도 2 는, 본 발명의 실시형태에 관련된 이상 진단 장치 및 모델 구축 장치에 있어서, 동 시각 관계 데이터의 작성 처리의 순서를 나타내는 플로 차트이다.
도 3 은, 본 발명의 실시형태에 관련된 이상 진단 장치 및 모델 구축 장치에 있어서, 동 위치 관계 데이터의 작성 처리의 순서를 나타내는 플로 차트이다.
도 4 는, 본 발명의 실시형태에 관련된 이상 진단 장치가 실행하는 이상 진단 방법의 순서를 나타내는 플로 차트이다.
본 발명의 실시형태에 관련된 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치에 대해, 도면을 참조하면서 설명한다.
〔이상 진단 장치/모델 구축 장치〕
먼저, 본 발명의 실시형태에 관련된 이상 진단 장치 및 이상 진단 모델의 구축 장치 (이하,「모델 구축 장치」라고 한다) 의 구성에 대해, 도 1 을 참조하면서 설명한다. 이상 진단 장치 및 모델 구축 장치는, 금속 재료를 복수의 설비에서 순차적으로 처리하는 프로세스에 적용된다. 본 실시형태에서는, 강판 등의 압연재를 복수의 압연기에 의해 순차적으로 압연하는 압연 프로세스에 적용한 예에 대해 설명한다. 또한, 이하의 설명에서는, 압연기를「스탠드」로도 표기한다.
이상 진단 장치 (1) 는, 입력부 (10) 와, 기억부 (20) 와, 연산부 (30) 와, 표시부 (40) 를 구비하고 있다. 또한, 이상 진단 장치 (1) 의 구성 요소 중, 이상 판정 테이블 (25), 동 시각 관계 진단부 (34), 동 위치 관계 진단부 (35) 및 이상 판정부 (36) 를 제외한 구성 요소에 의해,「모델 구축 장치」가 실현된다.
입력부 (10) 는, 연산부 (30) 에 대한 입력 수단이며, 진단 대상 설비의 실 (實) 조업 데이터 (시계열 데이터) 를 정보·제어계 네트워크를 통하여 수신하고, 소정의 포맷으로 연산부 (30) 에 입력한다.
기억부 (20) 는, EPROM (Erasable Programmable ROM), 하드 디스크 드라이브 (Hard Disk Drive : HDD) 및 리무버블 미디어 등의 기록 매체로 구성된다. 리무버블 미디어로는, 예를 들어 USB (Universal Serial Bus) 메모리, CD (Compact Disc), DVD (Digital Versatile Disc), BD (Blu-ray (등록 상표) Disc) 와 같은 디스크 기록 매체를 들 수 있다. 기억부 (20) 에는, 오퍼레이팅 시스템 (Operating System : OS), 각종 프로그램, 각종 테이블, 각종 데이터베이스 등이 격납 가능하다.
기억부 (20) 에는, 동 시각 관계 데이터 정의 테이블 (21), 동 위치 관계 데이터 정의 테이블 (22), 동 시각 관계 진단 모델 (제 1 이상 진단 모델) (23), 동 위치 관계 진단 모델 (제 2 이상 진단 모델) (24) 및 이상 판정 테이블 (25) 이 격납되어 있다.
동 시각 관계 데이터 정의 테이블 (21) 은, 동 시각 관계 데이터 작성부 (31) 에 의한 동 시각 관계 데이터의 작성에 필요한 설정이 기술된 테이블이다. 동 시각 관계 데이터 정의 테이블 (21) 은, 예를 들어 하기 표 1 에 나타내는 바와 같은 테이블이다.
Figure pct00001
표 1 에 나타내는 바와 같이, 동 시각 관계 데이터 정의 테이블 (21) 에서는, 실조업에 관한 시계열 데이터의 분할 대상 신호마다, 분할의 개시 및 종료의 타이밍을 지시하는 신호가 규정되어 있다.
동 위치 관계 데이터 정의 테이블 (22) 은, 동 위치 관계 데이터 작성부 (32) 에 의한 동 위치 관계 데이터의 작성에 필요한 설정이 기술된 테이블이다. 동 위치 관계 데이터 정의 테이블 (22) 은, 예를 들어 하기 표 2 에 나타내는 바와 같은 테이블이다.
Figure pct00002
표 2 에 나타내는 바와 같이, 동 위치 관계 데이터 정의 테이블 (22) 에서는, 실조업에 관한 시계열 데이터의 분할 대상 신호마다, 이하의 신호가 규정되어 있다.
(1) 분할의 개시 및 종료의 타이밍을 지시하는 신호
(2) 신호가 속하는 밀 (압연기) 의 롤 속도를 지시하는 신호
(3) 신호가 속하는 밀의 선진율을 지시하는 신호
동 시각 관계 진단 모델 (23) 은, 동 시각 관계 진단부 (34) 에 의한 동 시각 관계 데이터의 이상 진단 처리에서 참조되는 모델이다. 동 시각 관계 진단 모델 (23) 은, 동 시각의 계측값과 이상의 관계를 학습시킨 학습이 완료된 모델이고, 후기하는 모델 작성부 (33) 에 의해 작성된다.
동 위치 관계 진단 모델 (24) 은, 동 위치 관계 진단부 (35) 에 의한 동 위치 관계 데이터의 이상 진단 처리에서 참조되는 모델이다. 동 위치 관계 진단 모델 (24) 은, 동 위치의 계측값과 이상의 관계를 학습시킨 학습이 완료된 모델이고, 후기하는 모델 작성부 (33) 에 의해 작성된다.
이상 판정 테이블 (25) 은, 이상 판정부 (36) 에 의한 이상 판정 처리에서 참조되는 테이블이다. 이상 판정 테이블 (25) 은, 과거의 조업에 있어서의 사례 등을 기초로 작성되며, 예를 들어 이하의 표 3 에 나타내는 바와 같이, 이상의 원인의 분류표에 의해 구성된다.
표 3 에 나타낸 이상 판정 테이블 (25) 은, 좌측의 열에서부터 순서대로, 이하에 관한 정보를 갖고 있다.
(1) 이상으로서 관측되는 항목, 동 시각 관계 데이터로부터 이상 판정되는 경우의 이상의 원인
(2) 동 위치 관계 데이터로부터 이상 판정되는 경우의 이상의 원인
(3) 동 시각 관계 데이터 및 동 위치 관계 데이터로부터 이상 판정되는 경우의 이상의 원인
Figure pct00003
예를 들어, 동 시각 관계 진단부 (34) 에 의한 동 시각 관계 데이터의 이상 진단 처리 및 동 위치 관계 진단부 (35) 에 의한 동 위치 관계 데이터의 이상 진단 처리의 결과가 이하인 경우, 이상 판정부 (36) 는, 차 하중, 압연 하중 및 스탠드 간 장력의 이상의 원인이 이하인 것으로 판정한다.
동 시각 관계 데이터의 이상 진단 처리의 결과 :「차 하중 : 이상 있음, 압연 하중 : 이상 있음, 스탠드 간 장력 : 이상 없음」
동 위치 관계 데이터의 이상 진단 처리의 결과 :「차 하중 : 이상 있음, 압연 하중 : 이상 없음, 스탠드 간 장력 : 이상 있음」
차 하중의 이상의 원인 :「압력계 불량」
압연 하중의 이상의 원인 :「압하 보장 제어 과부족」
스탠드 간 장력의 이상의 원인 :「판두께 과변동」
실시형태에 관련된 이상 진단 장치 (1) 에서는, 동 시각 관계 데이터로부터 이상이 검지된 경우, 동 위치 관계 데이터로부터 이상이 검출된 경우, 양방의 데이터로부터 이상이 검지된 경우의 각각에 대해, 우려되는 이상의 원인을 미리 이상 판정 테이블 (25) 로서 준비한다. 그리고, 이상 판정 처리에 있어서, 당해 이상 판정 테이블 (25) 을 참조함으로써, 이상의 원인의 분류를 실시한다.
연산부 (30) 는, 예를 들어 CPU (Central Processing Unit) 등으로 이루어지는 프로세서와, RAM (Random Access Memory) 이나 ROM (Read Only Memory) 등으로 이루어지는 메모리 (주기억부) 에 의해 실현된다.
연산부 (30) 는, 프로그램을 주기억부의 작업 영역에 로드하여 실행하고, 프로그램의 실행을 통하여 각 구성부 등을 제어함으로써, 소정의 목적에 합치한 기능을 실현한다. 연산부 (30) 는, 상기한 프로그램의 실행을 통하여, 동 시각 관계 데이터 작성부 (31), 동 위치 관계 데이터 작성부 (32) 및 모델 작성부 (제 1, 제 2 모델 작성 수단) (33) 로서 기능한다. 또, 연산부 (30) 는, 상기한 프로그램의 실행을 통하여, 동 시각 관계 진단부 (제 1 이상 진단 수단) (34), 동 위치 관계 진단부 (제 2 이상 진단 수단) (35) 및 이상 판정부 (이상 판정 수단) (36) 로서 기능한다. 또한, 도 1 에서는, 예를 들어 1 개의 컴퓨터에 의해 각 부의 기능을 실현하는 예를 나타내고 있지만, 각 부의 기능의 실현 수단은 특별히 한정되지 않으며, 예를 들어 복수의 컴퓨터에 의해 각 부의 기능을 각각 실현해도 된다.
동 시각 관계 데이터 작성부 (31) 는, 입력부 (10) 로부터 입력되는 시계열 데이터를 가공하여, 동 시각의 계측값 간의 관계를 나타내는 동 시각 관계 데이터를 작성한다. 동 시각 관계 데이터 작성부 (31) 는, 구체적으로는, 동 시각 관계 데이터 정의 테이블 (21) 을 참조하여 동 시각 관계 데이터를 작성한다. 또, 동 시각 관계 데이터 작성부 (31) 는, 오프라인으로 동 시각 관계 진단 모델 (23) 을 작성할 때와, 동 시각 관계 진단 모델 (23) 에 의해 온라인으로 (조업 중에) 이상 진단을 실시할 때의 2 개의 상황에서 동 시각 관계 데이터를 작성한다. 이하, 동 시각 관계 데이터의 작성 방법의 일례에 대해, 도 2 를 참조하면서 설명한다.
먼저, 동 시각 관계 데이터 작성부 (31) 는, 실조업에 관한 시계열 데이터로부터, 이상 진단의 개시를 결정하는 개시 스탠드의 압연 개시 시각과, 이상 진단의 종료를 결정하는 최종 스탠드의 압연 종료 시각을 검색한다 (스텝 S1, S2). 스텝 S1, S2 에서는, 예를 들어 7 스탠드로 구성된 마무리 연속 압연기의 경우, F7 스탠드를 개시 스탠드, F1 스탠드를 종료 스탠드로 정의함으로써, 전체 스탠드에서 압연 중의 압연재 (코일) 의 정상부에 대한 동 시각 관계 데이터를 추출할 수 있다.
계속해서, 동 시각 관계 데이터 작성부 (31) 는, 검색된 개시 시각부터 종료 시각까지의 동안에 있어서, 각 스탠드의 압연 데이터 (센서 데이터) 를 분할함으로써 (스텝 S3), 동 시각 관계 데이터를 작성한다 (스텝 S4).
동 위치 관계 데이터 작성부 (32) 는, 입력부 (10) 로부터 입력되는 시계열 데이터를 가공하여, 동 위치의 계측값 간의 관계를 나타내는 동 위치 관계 데이터를 작성한다. 동 위치 관계 데이터 작성부 (32) 는, 구체적으로는, 동 위치 관계 데이터 정의 테이블 (22) 을 참조하여 동 위치 관계 데이터를 작성한다. 또, 동 위치 관계 데이터 작성부 (321) 는, 오프라인으로 동 위치 관계 진단 모델 (24) 을 작성할 때와, 동 위치 관계 진단 모델 (24) 에 의해 온라인으로 (조업 중에) 이상 진단을 실시할 때의 2 개의 상황에서 동 위치 관계 데이터를 작성한다. 이하, 동 위치 관계 데이터의 작성 방법의 일례에 대해, 도 3 을 참조하면서 설명한다.
먼저, 동 위치 관계 데이터 작성부 (32) 는, 실조업에 관한 시계열 데이터로부터, 진단 대상으로 하는 각 스탠드의 압연 개시 시각과 압연 종료 시각을 검색한다 (스텝 S11, S12). 계속해서, 동 위치 관계 데이터 작성부 (32) 는, 검색된 개시 시각부터 종료 시각까지의 동안에 있어서, 대상 스탠드의 압연 데이터 (센서 데이터), 압연 속도 (밀 속도) 및 선진율의 데이터를 분할한다 (스텝 S13, S14).
계속해서, 동 위치 관계 데이터 작성부 (32) 는, 분할된 데이터로부터, 각 스탠드에 있어서의 압연재의 전체 길이 (각 압연기의 출측에 있어서의 압연재의 전체 길이) 를 산출한다 (스텝 S15). 예를 들어 i 번째의 스탠드의 압연 개시 시각을 ti0, 시각 t 에 있어서의 선진율을 fi (t), 압연재의 통판 속도 (이하,「압연 속도」라고 한다) 를 vi (t) 로 하면, 시각 t 에 취득되는 데이터의 압연재 선단으로부터의 위치 Li (t) 는 하기 식 (1) 과 같이 나타낼 수 있다. 또한, 압연재의 통판 속도는, 압연기의 롤 속도와 선진율로부터 산출할 수 있다.
Figure pct00004
상기 식 (1) 에 있어서, t 를 압연 종료 시각으로 함으로써, 대상 스탠드에 있어서의 압연재의 전체 길이를 산출할 수 있다. 그리고, 최종 스탠드에 주목함으로써, 최종 제품의 전체 길이를 산출할 수 있다.
여기서, 상이한 스탠드에서 수집되는 데이터를 동 위치 관계 데이터로서 병합하는 경우, 각 스탠드에 있어서의 압연재의 전체 길이가 상이하다. 그래서, 동 위치 관계 데이터 작성부 (32) 는, 압연재의 길이의 기준을 최종 제품, 요컨대 최종적인 코일 길이로 설정한다. 그리고, 최종 스탠드의 출측에 있어서의 압연재의 전체 길이와, 대상 스탠드 (최종 스탠드 이외의 스탠드) 의 출측에 있어서의 압연재의 전체 길이의 비에 기초하여, 대상 압연기의 출측에 있어서의 압연재의 위치를 환산한다 (스텝 S16). 이로써, 동 위치 관계 데이터를 작성한다 (스텝 S17).
또한, 예를 들어 압연 데이터가 정주기 샘플링으로 수집되고 있는 경우, 얻어지는 데이터는, 압연재의 전체 길이로 보면 등간격의 데이터는 되지 않는다. 그 때문에, 이 경우에는, 보간 처리를 실시함으로써, 등간격의 동 위치 관계 데이터를 얻을 필요가 있다. 그 때의 보간의 방법으로는, 예를 들어 인접하는 2 점에 주목하는 경우에는 선형 보간을, 3 점 이상에 주목하는 경우에는 스플라인 보간 등을 사용할 수 있다.
이와 같이, 동 위치 관계 데이터 작성부 (32) 에 의한 동 위치 관계 데이터의 작성 처리에서는, 압연기의 롤 속도 및 선진율로부터 산출되는 압연재의 통판 속도를 시간 적분함으로써, 압연재의 전체 길이를 산출한다. 그리고, 최종 스탠드로부터 동일하게 산출되는 압연재의 전체 길이와, 대상 스탠드에 있어서의 압연재의 전체 길이의 비에 기초하여, 최종 스탠드의 출측에 상당하는, 대상 스탠드의 압연 방향의 위치에 관한 데이터를 작성한다. 이로써, 상이한 스탠드에서 계측하는 데이터를, 최종 제품의 선단으로부터의 압연 방향의 위치에 관한 데이터로 편집하는 것이 가능해진다.
모델 작성부 (33) 는, 복수의 압연기에 대해, 미리 정한 소정의 계측 주기로 동 시각에 계측된 계측값을 이용하여, 동 시각의 계측값과 이상의 관계를 학습시킨 동 시각 관계 진단 모델 (23) 을 작성한다. 또한, 상기「계측값」은, 동 시각 관계 데이터 작성부 (31) 에 의해 작성된 동 시각 관계 데이터를 나타내고 있다.
또, 모델 작성부 (33) 는, 복수의 압연기에 대해 계측된 계측값이 압연재의 위치마다 편집된, 압연재의 동일한 위치마다의 계측값을 이용하여, 동 위치의 계측값과 이상의 관계를 학습시킨 동 위치 관계 진단 모델 (24) 을 작성한다. 또한, 상기「계측값」은, 동 시각 관계 데이터 작성부 (31) 에 의해 작성된 동 위치 관계 데이터를 나타내고 있다.
또한, 모델 작성부 (33) 에 있어서의 모델의 작성 방법은 특별히 한정되지 않는다. 모델의 작성 방법으로는, 회귀 모델에서 도출하는 추정량과 실적량의 괴리의 크기로부터 이상 검지하는 수법이나, 오토인코더 등의 생성 모델에 의한 복원 오차로부터 이상 검지하는 수법 등을 사용할 수 있다. 또한, 전자의 수법으로는, 예를 들어 선형 회귀, 국소 회귀, Lasso 회귀, Ridge 회귀, 주성분 회귀, PLS 회귀, 뉴럴 네트워크, 회귀 나무, 랜덤 포레스트, XGBoost 등을 들 수 있다. 또, 모델 작성부 (33) 는, 작성된 동 시각 관계 진단 모델 (23) 및 동 위치 관계 진단 모델 (24) 을, 기억부 (20) 에 각각 격납한다.
동 시각 관계 진단부 (34) 는, 동 시각 관계 진단 모델 (23) 을 사용한 이상 진단을 실시한다. 동 시각 관계 진단부 (34) 는, 동 시각 관계 진단 모델 (23) 에 대하여, 동 시각 관계 데이터 작성부 (31) 에 의해 작성된 동 시각 관계 데이터를 입력함으로써, 이상 진단을 실시한다. 동 시각 관계 진단부 (34) 에 의한 이상 진단 결과는, 예를 들어「차 하중 : 이상 있음/없음, 압연 하중 : 이상 있음/없음, 스탠드 간 장력 : 이상 있음/없음」과 같이, 이상으로서 관측되는 항목 (표 3 의 좌측렬 참조) 과 당해 항목의 이상의 유무를 조합한 정보가 된다. 또, 동 시각 관계 진단부 (34) 에 의한 이상 진단에서는, 주로 설비의 기계·제어계의 이상을 검지할 수 있다.
동 위치 관계 진단부 (35) 는, 동 위치 관계 진단 모델 (24) 을 사용한 이상 진단을 실시한다. 동 위치 관계 진단부 (35) 는, 동 위치 관계 진단 모델 (24) 에 대하여, 동 위치 관계 데이터 작성부 (32) 에 의해 작성된 동 위치 관계 데이터를 입력함으로써, 이상 진단을 실시한다. 동 위치 관계 진단부 (35) 에 의한 이상 진단 결과는, 예를 들어「차 하중 : 이상 있음/없음, 압연 하중 : 이상 있음/없음, 스탠드 간 장력 : 이상 있음/없음」과 같이, 이상으로서 관측되는 항목 (표 3 참조) 과 당해 항목의 이상의 유무를 조합한 정보가 된다. 또, 동 위치 관계 진단부 (35) 에 의한 이상 진단에서는, 주로 제품의 품질·형상 기인의 이상을 검지할 수 있다.
이상 판정부 (36) 는, 동 시각 관계 진단부 (34) 에 있어서의 진단 결과 (제 1 진단 결과) 와, 동 위치 관계 진단부 (35) 에 있어서의 진단 결과 (제 2 진단 결과) 에 기초하여, 이상의 원인을 판정한다. 이상 판정부 (36) 는, 동 시각 관계 진단부 (34) 에 있어서의 진단 결과와, 동 위치 관계 진단부 (35) 에 있어서의 진단 결과를 연관시켜 이상의 원인을 나타내는 이상 판정 테이블 (25) 에 기초하여, 이상의 원인을 판정한다.
이상 판정부 (36) 는, 구체적으로는, 동 시각 관계 진단부 (34) 및 동 위치 관계 진단부 (35) 에 있어서의 진단 결과에 기초하여, 이상의 유무를 판정한다. 계속해서, 이상 판정부 (36) 는, 동 시각 관계 진단부 (34) 및 동 위치 관계 진단부 (35) 에 있어서의 진단 결과를, 이상 판정 테이블 (25) (표 3 참조) 에 대조함으로써, 이상의 원인을 분류한다. 그리고, 이상 판정부 (36) 는, 이들 판정 결과를 표시부 (40) 에 출력한다.
표시부 (40) 는, 예를 들어 LCD 디스플레이, CRT 디스플레이 등의 표시 장치에 의해 실현된다. 표시부 (40) 는, 연산부 (30) 로부터 입력되는 표시 신호를 기초로, 예를 들어 동 시각 관계 진단부 (34) 에 있어서의 진단 결과, 동 위치 관계 진단부 (35) 에 있어서의 진단 결과, 이상 판정부 (36) 에 있어서의 판정 결과 등을 표시함으로써, 오퍼레이터에게 가이던스를 실시한다.
〔이상 진단 방법〕
본 발명의 실시형태에 관련된 이상 진단 장치 (1) 에 의한 이상 진단 방법에 대해, 도 4 를 참조하면서 설명한다. 또한, 이상 진단 방법은, 압연 프로세스에 있어서, 1 개의 압연재의 압연이 종료될 때마다 실시된다.
먼저, 동 시각 관계 데이터 작성부 (31) 및 동 위치 관계 데이터 작성부 (32) 는, 압연재의 압연이 종료되었는지의 여부를 판정한다 (스텝 S21). 스텝 S21 에 있어서, 압연재의 압연이 종료되었는지의 여부는, 예를 들어 압연재를 권취하는 설비의 권취 완료 신호 등에 기초하여 판정할 수 있다. 압연재의 압연이 종료되지 않은 것으로 판정한 경우 (스텝 S21 에서 No), 동 시각 관계 데이터 작성부 (31) 및 동 위치 관계 데이터 작성부 (32) 는, 스텝 S1 로 되돌아간다. 한편, 압연재의 압연이 종료된 것으로 판정한 경우 (스텝 S21 에서 Yes), 동 시각 관계 데이터 작성부 (31) 및 동 위치 관계 데이터 작성부 (32) 는, 이벤트 대기의 상태에서 진단 프로세스로 천이하여, 실조업에 관한 시계열 데이터를 수집한다 (스텝 S22).
계속해서, 동 시각 관계 데이터 작성부 (31) 는, 동 시각 관계 데이터 정의 테이블 (21) 을 참조하여 동 시각 관계 데이터를 작성한다 (스텝 S23). 스텝 S23 에 있어서의 동 시각 관계 데이터의 작성 순서는, 도 2 와 동일하다. 계속해서, 동 위치 관계 데이터 작성부 (32) 는, 동 위치 관계 데이터 정의 테이블 (22) 을 참조하여 동 위치 관계 데이터를 작성한다 (스텝 S24). 스텝 S24 에 있어서의 동 위치 관계 데이터의 작성 순서는, 도 3 과 동일하다. 또한, 스텝 S23, S24 는, 어느 쪽을 먼저 실시해도 되고, 혹은 양방을 동시에 실시해도 된다.
계속해서, 이상 진단 모델에 의해 진단을 실시한다 (스텝 S25). 스텝 S25 에서는, 동 시각 관계 진단부 (34) 에 의한 동 시각 관계 데이터의 이상 진단 처리와, 동 위치 관계 진단부 (35) 에 의한 동 위치 관계 데이터의 이상 진단 처리를 실시한다.
계속해서, 이상 판정부 (36) 는, 스텝 S25 에 있어서의 2 개의 진단 결과에 기초하여, 이상의 유무를 판정한다 (스텝 S26). 스텝 S26 에 있어서, 이상 판정부 (36) 는, 예를 들어 스텝 S25 에 있어서의 2 개의 진단 결과 중 어느 것에「이상 있음」의 항목이 포함되는 경우, 이상 있음으로 판정한다.
이상 있음으로 판정한 경우 (스텝 S26 에서 Yes), 이상 판정부 (36) 는, 이상 판정 테이블 (25) (표 3 참조) 을 참조하여 이상의 원인을 분류한다 (스텝 S27). 계속해서, 이상 판정부 (36) 는, 이상의 분류 결과, 즉 이상의 원인의 후보를 표시부 (40) 에 표시함으로써, 오퍼레이터로의 가이던스를 실시한다 (스텝 S28). 그리고, 이상 판정부 (36) 는, 본 처리를 종료하고, 이벤트 대기의 초기 상태로 천이한다. 또한, 스텝 S26 에 있어서, 이상 없음으로 판정한 경우 (스텝 S26 에서 No), 이상 판정부 (36) 는, 본 처리를 종료하고, 이벤트 대기의 초기 상태로 천이한다.
실시형태에 관련된 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치 (1) 에서는, 철강의 압연 프로세스에 있어서, 이하와 같은 처리를 실시한다. 먼저, 가동 중의 압연기로부터 센서 등으로 계측하는 시계열 데이터에 대해, 압연재의 선단으로부터의 압연 방향의 위치에 관한 정보를 부여한다. 그리고, 동 위치의 계측값 간의 관계를 나타내는 데이터와, 동 시각의 계측값 간의 관계를 나타내는 데이터의 2 종류의 데이터군을 작성하여, 2 종류의 이상 진단 모델을 구축한다.
이와 같이, 2 종류의 이상 진단 모델을 구축함으로써, 예를 들어 설비의 기계·제어계의 이상과, 제품의 품질·형상 기인의 이상을, 각각 구별하여 진단할 수 있다. 따라서, 이상의 원인을 조기에 구명할 수 있어, 설비의 정지 시간을 저감시킬 수 있음과 함께, 효율적이고 또한 효과적인 이상 대책으로 이어갈 수 있다.
이상, 본 발명에 관련된 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치 (1) 에 대해, 발명을 실시하기 위한 형태 및 실시예에 의해 구체적으로 설명하였다. 단, 본 발명의 취지는 이들 기재에 한정되는 것은 아니며, 청구의 범위의 기재에 기초하여 넓게 해석되어야만 한다. 또, 이들 기재에 기초하여 다양한 변경, 개변 등을 한 것도 본 발명의 취지에 포함되는 것은 말할 필요도 없다.
예를 들어, 실시형태에 관련된 이상 진단 장치 (1) 에서는, 2 종류의 이상 진단 모델 (동 시각 관계 진단 모델 (23), 동 위치 관계 진단 모델 (24)) 을 사용하여 이상 진단을 실시하고 있었지만, 어느 일방의 이상 진단 모델만을 사용하여 처음에 이상 진단을 실시해도 된다. 그리고, 필요에 따라 타방의 이상 진단 모델에 의한 이상 진단을 실시해도 된다.
또, 실시형태에 관련된 이상 진단 장치 (1) 에서는, 압연 프로세스에 적용한 예에 대해 설명하였지만, 압연 프로세스 이외에도, 예를 들어 표면 처리 프로세스 등에도 적용 가능하다.
1 : 이상 진단 장치
10 : 입력부
20 : 기억부
21 : 동 시각 관계 데이터 정의 테이블
22 : 동 위치 관계 데이터 정의 테이블
23 : 동 시각 관계 진단 모델
24 : 동 위치 관계 진단 모델
30 : 연산부
31 : 동 시각 관계 데이터 작성부
32 : 동 위치 관계 데이터 작성부
33 : 모델 작성부
34 : 동 시각 관계 진단부
35 : 동 위치 관계 진단부
36 : 이상 판정부
40 : 표시부

Claims (8)

  1. 금속 재료를 복수의 설비에서 순차적으로 처리하는 프로세스의 이상 진단 모델의 구축 방법으로서,
    상기 복수의 설비에 대해, 미리 정한 소정의 계측 주기로 동 시각에 계측된 계측값을 이용하여, 동 시각의 계측값과 이상의 관계를 학습시킨 제 1 이상 진단 모델을 작성하는 제 1 모델 작성 스텝과,
    상기 복수의 설비에 대해 계측된 계측값이 상기 금속 재료의 위치마다 편집된, 상기 금속 재료의 동일한 위치마다의 계측값을 이용하여, 동 위치의 계측값과 이상의 관계를 학습시킨 제 2 이상 진단 모델을 작성하는 제 2 모델 작성 스텝을 포함하는 이상 진단 모델의 구축 방법.
  2. 제 1 항에 있어서,
    상기 금속 재료는, 압연재이고,
    상기 설비는, 압연기인, 이상 진단 모델의 구축 방법.
  3. 제 2 항에 있어서,
    상기 동 위치의 계측값은, 최종의 압연기의 출측에 있어서의 상기 압연재의 전체 길이와, 최종 이외의 압연기의 출측에 있어서의 상기 압연재의 전체 길이의 비에 기초하여, 상기 최종 이외의 압연기의 출측에 있어서의 상기 압연재의 위치를 환산함으로써 산출되는, 이상 진단 모델의 구축 방법.
  4. 제 3 항에 있어서,
    상기 압연기의 출측에 있어서의 상기 압연재의 전체 길이는, 상기 압연기의 롤 속도와 선진율로부터 상기 압연재의 통판 속도를 산출하고, 상기 통판 속도를 시간 적분함으로써 산출되는, 이상 진단 모델의 구축 방법.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 기재된 이상 진단 모델의 구축 방법에 의해 구축된 이상 진단 모델을 사용한 이상 진단 방법으로서,
    제 1 이상 진단 모델에 대하여, 동 시각의 계측값 간의 관계를 나타내는 데이터를 입력함으로써, 이상 진단을 실시하는 제 1 이상 진단 스텝과,
    제 2 이상 진단 모델에 대하여, 동 위치의 계측값 간의 관계를 나타내는 데이터를 입력함으로써, 이상 진단을 실시하는 제 2 이상 진단 스텝과,
    상기 제 1 이상 진단 스텝에 있어서의 제 1 진단 결과와, 상기 제 2 이상 진단 스텝에 있어서의 제 2 진단 결과에 기초하여, 이상의 원인을 판정하는 이상 판정 스텝을 포함하는 이상 진단 방법.
  6. 제 5 항에 있어서,
    상기 이상 판정 스텝은, 상기 제 1 진단 결과와 상기 제 2 진단 결과를 연관시켜 이상의 원인을 나타내는 이상 진단 테이블에 기초하여, 이상의 원인을 판정하는 이상 진단 방법.
  7. 금속 재료를 복수의 설비에서 순차적으로 처리하는 프로세스의 이상 진단 모델의 구축 장치로서,
    상기 복수의 설비에 대해, 미리 정한 소정의 계측 주기로 동 시각에 계측된 계측값을 이용하여, 동 시각의 계측값과 이상의 관계를 학습시킨 제 1 이상 진단 모델을 작성하는 제 1 모델 작성 수단과,
    상기 복수의 설비에 대해 계측된 계측값이 상기 금속 재료의 위치마다 편집된, 상기 금속 재료의 동일한 위치마다의 계측값을 이용하여, 동 위치의 계측값과 이상의 관계를 학습시킨 제 2 이상 진단 모델을 작성하는 제 2 모델 작성 수단을 구비하는 이상 진단 모델의 구축 장치.
  8. 제 7 항에 기재된 이상 진단 모델의 구축 장치에 의해 구축된 이상 진단 모델을 사용한 이상 진단 장치로서,
    제 1 이상 진단 모델에 대하여, 동 시각의 계측값 간의 관계를 나타내는 데이터를 입력함으로써, 이상 진단을 실시하는 제 1 이상 진단 수단과,
    제 2 이상 진단 모델에 대하여, 동 위치의 계측값 간의 관계를 나타내는 데이터를 입력함으로써, 이상 진단을 실시하는 제 2 이상 진단 수단과,
    상기 제 1 이상 진단 수단에 있어서의 진단 결과와, 상기 제 2 이상 진단 수단에 있어서의 진단 결과에 기초하여, 이상의 원인을 판정하는 이상 판정 수단을 구비하는 이상 진단 장치.
KR1020237015884A 2020-10-22 2021-09-21 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치 KR20230085924A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2020-177364 2020-10-22
JP2020177364A JP7031713B1 (ja) 2020-10-22 2020-10-22 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置
PCT/JP2021/034601 WO2022085350A1 (ja) 2020-10-22 2021-09-21 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置

Publications (1)

Publication Number Publication Date
KR20230085924A true KR20230085924A (ko) 2023-06-14

Family

ID=81212867

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237015884A KR20230085924A (ko) 2020-10-22 2021-09-21 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치

Country Status (6)

Country Link
US (1) US20230393113A1 (ko)
EP (1) EP4235140A4 (ko)
JP (1) JP7031713B1 (ko)
KR (1) KR20230085924A (ko)
CN (1) CN116367936A (ko)
WO (1) WO2022085350A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS4922265B1 (ko) 1969-08-08 1974-06-07
JPS5651998U (ko) 1979-09-29 1981-05-08
WO2013011745A1 (ja) 2011-07-15 2013-01-24 株式会社日立製作所 設備状態監視方法およびその装置
JP5499900B2 (ja) 2010-05-25 2014-05-21 Ｊｆｅスチール株式会社 パターン自動抽出方法およびパターン自動抽出システム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3579553B2 (ja) * 1996-10-23 2004-10-20 新日本製鐵株式会社 設備及び製品プロセス異常状態の診断方法及び診断装置
JP4922265B2 (ja) 2008-08-19 2012-04-25 株式会社東芝 プラント監視装置およびプラント監視方法
JP5651998B2 (ja) 2010-05-25 2015-01-14 Ｊｆｅスチール株式会社 パターンライブラリを用いた異常診断方法および異常診断システム
JP5441824B2 (ja) 2010-06-11 2014-03-12 株式会社神戸製鋼所 金属帯材料の製造条件決定システム
JP6791261B2 (ja) 2016-11-28 2020-11-25 東芝三菱電機産業システム株式会社 圧延設備の異常診断の方法及び装置
JP6953990B2 (ja) 2017-10-17 2021-10-27 日本製鉄株式会社 品質予測装置及び品質予測方法
WO2020049338A1 (en) * 2018-09-06 2020-03-12 Arcelormittal Method and electronic device for monitoring a manufacturing of a metal product, related computer program and installation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS4922265B1 (ko) 1969-08-08 1974-06-07
JPS5651998U (ko) 1979-09-29 1981-05-08
JP5499900B2 (ja) 2010-05-25 2014-05-21 Ｊｆｅスチール株式会社 パターン自動抽出方法およびパターン自動抽出システム
WO2013011745A1 (ja) 2011-07-15 2013-01-24 株式会社日立製作所 設備状態監視方法およびその装置

Also Published As

Publication number Publication date
US20230393113A1 (en) 2023-12-07
WO2022085350A1 (ja) 2022-04-28
EP4235140A4 (en) 2024-04-10
CN116367936A (zh) 2023-06-30
JP2022068595A (ja) 2022-05-10
EP4235140A1 (en) 2023-08-30
JP7031713B1 (ja) 2022-03-08

Similar Documents

Publication Publication Date Title
Lieber et al. Quality prediction in interlinked manufacturing processes based on supervised & unsupervised machine learning
JP6076751B2 (ja) 異常診断方法およびその装置
JP5538597B2 (ja) 異常検知方法及び異常検知システム
JP5301310B2 (ja) 異常検知方法及び異常検知システム
EP2930578B1 (en) Failure cause classification apparatus
US10996662B2 (en) Manufacturing equipment diagnosis support system
KR102398307B1 (ko) 이상 판정 지원 장치
JP5342708B1 (ja) 異常検知方法及びその装置
CN107949813B (zh) 制造设备诊断辅助装置及制造设备诊断辅助方法
JP6680430B1 (ja) 生産ラインにおける品質と設備の統合的監視方法
WO2021241578A1 (ja) 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム
KR20230085924A (ko) 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치
CN112987682A (zh) 控制方法、控制装置和机械设备
US11740592B2 (en) Control method, control apparatus, mechanical equipment, and recording medium
WO2022091639A1 (ja) 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置
Latham et al. Root Cause Classification of Temperature-related Failure Modes in a Hot Strip Mill.
Haapamäki et al. Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction.
WO2022123877A1 (ja) 異常判定装置、異常判定モデル生成方法および異常判定方法
WO2023176464A1 (ja) 要因推論装置、要因推論方法、要因推論システムおよび端末装置
WO2023176467A1 (ja) 要因推論装置、要因推論方法、要因推論システムおよび端末装置
WO2021241579A1 (ja) 異常変調原因特定装置、異常変調原因特定方法及び異常変調原因特定プログラム
JP2018081335A (ja) プラント運転データ解析システム
KR20240042121A (ko) 프로세스 상태 감시 장치 및 프로세스 상태 감시 방법
Souza et al. Data mining and modelling
JP3625744B2 (ja) 情報解析方法、情報解析装置及び情報解析プログラムを記録した記録媒体