TWI759770B - 品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置以及品質預測裝置 - Google Patents

品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置以及品質預測裝置 Download PDF

Info

Publication number
TWI759770B
TWI759770B TW109120768A TW109120768A TWI759770B TW I759770 B TWI759770 B TW I759770B TW 109120768 A TW109120768 A TW 109120768A TW 109120768 A TW109120768 A TW 109120768A TW I759770 B TWI759770 B TW I759770B
Authority
TW
Taiwan
Prior art keywords
quality
quality prediction
metal material
aforementioned
prediction model
Prior art date
Application number
TW109120768A
Other languages
English (en)
Other versions
TW202113521A (zh
Inventor
茂森弘靖
Original Assignee
日商Ｊｆｅ鋼鐵股份有限公司
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 日商Ｊｆｅ鋼鐵股份有限公司 filed Critical 日商Ｊｆｅ鋼鐵股份有限公司
Publication of TW202113521A publication Critical patent/TW202113521A/zh
Application granted granted Critical
Publication of TWI759770B publication Critical patent/TWI759770B/zh

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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]
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
    • C21D11/00—Process control or regulation for heat treatments
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
    • C21D8/00—Modifying the physical properties by deformation combined with, or followed by, heat treatment
    • C21D8/02—Modifying the physical properties by deformation combined with, or followed by, heat treatment during manufacturing of plates or strips
    • C21D8/0221—Modifying the physical properties by deformation combined with, or followed by, heat treatment during manufacturing of plates or strips characterised by the working steps
    • C21D8/0226—Hot rolling
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
    • C21D8/00—Modifying the physical properties by deformation combined with, or followed by, heat treatment
    • C21D8/02—Modifying the physical properties by deformation combined with, or followed by, heat treatment during manufacturing of plates or strips
    • C21D8/0221—Modifying the physical properties by deformation combined with, or followed by, heat treatment during manufacturing of plates or strips characterised by the working steps
    • C21D8/0236—Cold rolling
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
    • C21D9/00—Heat treatment, e.g. annealing, hardening, quenching or tempering, adapted for particular articles; Furnaces therefor
    • C21D9/46—Heat treatment, e.g. annealing, hardening, quenching or tempering, adapted for particular articles; Furnaces therefor for sheet metals
    • 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
    • G05B2219/32194—Quality prediction
    • 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
    • G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
    • 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
    • G05B2219/45—Nc applications
    • G05B2219/45234—Thin flat workpiece, sheet metal machining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Food Science & Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Mechanical Engineering (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)

Abstract

品質預測模型生成方法為經過一個或多個工程而製造的金屬材料之品質預測模型生成方法，其包含：第一收集步驟，其針對預先決定的金屬材料之各個規定範圍而收集各工程的製造條件；第二收集步驟，其針對各個規定範圍估算並收集經過各工程而製造的金屬材料之品質；儲存步驟，其針對各個規定範圍而將各工程的製造條件、及在該製造條件下所製造的金屬材料之品質建立關聯予以儲存；及模型生成步驟，其從已儲存的各工程中的各個規定範圍的製造條件，生成預測金屬材料的各個規定範圍之品質的品質預測模型。

Description

品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置以及品質預測裝置
本發明係關於品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置及品質預測裝置。
作為預測針對任意的要求條件之品質的方法，例如已知算出收納在實績資料庫的過去的多個觀測條件、及期望的要求條件之間的差距離，從已算出的距離算出觀測資料(實績資料)的加權，從已算出的加權作成擬合要求條件的附近之函數，使用已作成的函數而預測針對要求條件的品質的方法(例如參考專利文獻1～8)。 [先前技術文獻] [專利文獻]
[專利文獻1]日本特開2004-355189號公報 [專利文獻2]日本特開2006-309709號公報 [專利文獻3]日本特開2008-112288號公報 [專利文獻4]日本特開2009-230412號公報 [專利文獻5]日本特開2014-013560號公報 [專利文獻6]日本特開2014-071858號公報 [專利文獻7]日本特開2014-071859號公報 [專利文獻8]日本特開2017-120638號公報
[發明所欲解決之課題]
在專利文獻1～8所揭露的方法，將針對任意的要求條件的品質從收納在實績資料庫的資料算出。在該實績資料庫，收納多個製造條件的實績值、及在這些製造條件之下已製造的金屬材料之品質的實績值，但這些製造條件及品質針對一個金屬材料，分別收納一個平均值等代表值。
另外，各工程的製造條件之實績值係藉由感測器沿著金屬材料的長邊方向被詳細收集。然而，在以往技術，這種詳細收集的製造條件之實績值未被有效運用，故金屬材料的品質之預測精度的提升會受限。
本發明係鑑於上述內容而成者，其目的在於提供可精確預測針對任意的製造條件的品質之品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置及品質預測裝置。 [用於解決課題之手段]
為了解決的上述的課題，達成目的，本發明的品質預測模型生成方法為經過一個或多個工程而製造的金屬材料之品質預測模型生成方法，包含：第一收集步驟，其針對預先決定的前述金屬材料之各個規定範圍而收集各工程的製造條件；第二收集步驟，其針對前述各個規定範圍估算並收集經過前述各工程而製造的前述金屬材料之品質；儲存步驟，其針對前述各個規定範圍而將前述各工程的製造條件、及在該製造條件下所製造的前述金屬材料之品質建立關聯予以儲存；及模型生成步驟，其從已儲存的前述各工程中的前述各個規定範圍的製造條件，生成預測前述金屬材料的前述各個規定範圍之品質的品質預測模型。
又，本發明的品質預測模型生成方法在上述發明中，前述規定範圍基於配合前述各工程中的搬送方向之前述金屬材料的移動距離而決定。
又，本發明的品質預測模型生成方法在上述發明中，包含：第三收集步驟，其在前述儲存步驟之前，收集前述各工程中的前述金屬材料之頭尾端是否對調、前述各工程中的前述金屬材料之正反面是否對調、及前述各工程中的前述金屬材料之切斷位置的至少一者以上，前述儲存步驟考慮前述各工程中的前述金屬材料之頭尾端是否對調、正反面是否對調及切斷位置的至少一者以上而設定前述規定範圍，再針對前述各個規定範圍而將前述各工程的製造條件、及在該製造條件下所製造的前述金屬材料之品質建立關聯予以儲存。
又，本發明的品質預測模型生成方法在上述發明中，在藉由經過前述各工程而使前述金屬材料的形狀變形的情況，前述儲存步驟估算從前述金屬材料的頭端起算的體積而設定前述規定範圍，再針對前述各個規定範圍而將前述各工程的製造條件、及在該製造條件下所製造的前述金屬材料之品質建立關聯予以儲存。
又，本發明的品質預測模型生成方法在上述發明中，前述模型生成步驟使用包含線形回歸、局部回歸、主成分回歸、PLS回歸、神經網路、回歸樹、隨機森林、XGBoost的機械學習而生成前述品質預測模型。
為了解決上述的課題，達成目的，本發明的品質預測模型藉由前述的品質預測模型生成方法而生成。
為了解決上述的課題，達成目的，本發明的品質預測方法使用藉由前述的品質預測模型生成方法而生成的品質預測模型，針對各個規定範圍預測在任意的製造條件下所製造的金屬材料之品質。
為了解決上述的課題，達成目的，本發明的金屬材料的製造方法固定在製造途中已確定的製造條件，藉由如前述的品質預測方法，而針對各個規定範圍預測在前述已固定的製造條件下所製造的金屬材料之品質，再基於該預測結果，而變更之後的工程之製造條件。
又，本發明的金屬材料之製造方法在上述發明中，前述製造條件的變更為使欲製造的金屬材料之全長所包含的所有前述各個規定範圍的品質落在預先決定的管理範圍內。
為了解決上述的課題，達成目的，本發明的品質預測模型生成裝置為經過一個或多個工程而製造的金屬材料之品質預測模型生成裝置，其具備以下手段：針對預先決定的前述金屬材料之各個規定範圍而收集各工程的製造條件；針對前述各個規定範圍而估算並收集經過前述各工程而製造的前述金屬材料之品質；針對前述各個規定範圍而將前述各工程的製造條件、及在該製造條件下所製造的前述金屬材料之品質建立關聯予以儲存；及從已儲存的前述各工程中的前述各個規定範圍的製造條件，生成預測前述金屬材料的前述各個規定範圍之品質的品質預測模型。
為了解決上述的課題，達成目的，本發明的品質預測裝置使用藉由前述的品質預測模型生成裝置而生成的品質預測模型，針對各個規定範圍預測在任意的製造條件下所製造的金屬材料之品質。 [發明效果]
若依照本發明，則藉由生成將各工程的製造條件、及在該製造條件之下所製造的金屬材料之品質，針對各個規定範圍建立關聯的品質預測模型，而可比以往更精確預測針對任意的製造條件的金屬材料之品質。
針對本發明的實施形態的品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置及品質預測裝置，參考圖示予以說明。
針對本實施形態的品質預測裝置及品質預測模型生成裝置的構成，參考圖1予以說明。品質預測裝置為用於預測經過一個或多個工程(程序)所製造的金屬材料之品質的裝置。尚且，作為本實施形態中的金屬材料，例如為鋼鐵製品，也就是扁胚等半製品或將該扁胚壓延所製造的鋼板等製品。
品質預測裝置1具體而言由個人電腦或工作站等通用的資訊處理裝置所實現，例如由CPU(Central Processing Unit)等所構成的處理器、由RAM(Random Access Memory)或ROM(Read Only Memory)等構成的記憶體(主記憶部)等作為主要構成構件。
品質預測裝置1如圖1所示，具備：製造實績收集部11；製造實績編輯部12；頭尾端對調實績收集部13；正反面對調實績收集部14；切斷實績收集部15；一貫工程實績編輯部16；實績資料庫17；模型生成部18；及預測部19。尚且，本實施形態的品質預測模型生成裝置係由品質預測裝置1之中的除了預測部19以外的組件所構成。以下，在品質預測裝置1的說明之中，也說明品質預測模型生成裝置。
對製造實績收集部11，連接不圖示的感測器。製造實績收集部11配合該感測器的量測週期，而收集各工程的製造實績，再向一貫工程實績編輯部16輸出。作為前述的「製造實績」，包含：各工程的製造條件；及經過各工程所製造的金屬材料之品質。又，作為前述的「製造條件」，包含各工程中的金屬材料之成分、溫度、壓力、板厚、通板速度等。又，作為前述的「金屬材料之品質」，包含拉伸強度或瑕疵混入率(每單位長度表現出的瑕疵數)等。
尚且，在製造實績收集部11所收集的各工程的製造條件，不僅包含由感測器所量測的製造條件之實測值，也包含預先設定的製造條件之設定值。也就是說，由於也有經過工程而不設置感測器的情況，故在該種情況，不收集實績值而是收集設定值作為製造實績。
製造實績收集部11針對預定的金屬材料的各個規定範圍，收集各工程的製造條件。又，製造實績收集部11將經過各工程所製造的金屬材料之品質，針對前述的各個規定範圍予以評估收集。尚且，前述的「規定範圍」例如表示在金屬材料為扁胚或鋼板的情況，金屬材料的長邊方向上的一定範圍。該規定範圍基於配合各工程中的搬送方向之金屬材料的移動距離(通板速度)而決定。以下將敘述製造實績收集部11所進行的具體處理內容(參考圖2)。
在此，於圖1所示的構成，假定僅設置一個製造實績收集部11，並且藉由此單一製造實績收集部11而收集各工程的製造實績之資料(以下，稱為「實績資料」)，但例如也可配合各工程的數量而設置多個製造實績收集部11，將各工程的實績資料由各個製造實績收集部11分別收集。
製造實績編輯部12編輯從製造實績收集部11輸入的各工程的實績資料。也就是說，製造實績編輯部12將由製造實績收集部11依照時間單位所收集的實績資料，編輯成金屬材料的長度單位之實績資料，再向一貫工程實績編輯部16輸出。以下將敘述製造實績編輯部12所進行的具體處理內容(參考圖2)。
對頭尾端對調實績收集部13，連接用於在各工程裝入金屬材料的不圖示的材料裝入機。頭尾端對調實績收集部13將通過該材料裝入機，在從前工程邁向後工程的過程中裝入金屬材料時，該金屬材料的頭尾端是否對調(是否反轉)的實績資料，針對各個金屬材料予以收集。然後，頭尾端對調實績收集部13將金屬材料的頭尾端是否對調的相關實績資料向一貫工程實績編輯部16輸出。
對正反面對調實績收集部14，連接前述的材料裝入機。正反面對調實績收集部14將通過該材料裝入機，在從前工程邁向後工程的過程中裝入金屬材料時，該金屬材料的正反面是否對調(是否反轉)的實績資料，針對各個金屬材料予以收集。然後，正反面對調實績收集部14將金屬材料的正反面是否對調的相關實績資料向一貫工程實績編輯部16輸出。
對切斷實績收集部15，連接用於切斷金屬材料的前端部及尾端部的不圖示的切斷機。切斷實績收集部15將通過該切斷機，金屬材料的切斷位置(切斷時從金屬材料的前端起算的距離)及切斷次數(以下，稱為「切斷位置等」)等實績資料，針對各個金屬材料予以收集。然後，切斷實績收集部15將金屬材料的切斷位置等的相關實績資料向一貫工程實績編輯部16輸出。
尚且，頭尾端對調實績收集部13、正反面對調實績收集部14及切斷實績收集部15係與前述的製造實績收集部11相同僅設置一個，或者可配合各工程的數量設置多個。
一貫工程實績編輯部16編輯從製造實績編輯部12、頭尾端對調實績收集部13、正反面對調實績收集部14及切斷實績收集部15輸入的實績資料。一貫工程實績編輯部16將各工程的製造條件、及在該製造條件之下所製造的金屬材料之品質，針對各個規定範圍建立關聯而儲存到實績資料庫17。
又，一貫工程實績編輯部16考慮各工程中的金屬材料的頭尾端是否對調、正反面是否對調及切斷位置而設定規定範圍。然後，一貫工程實績編輯部16將各工程的製造條件、及在該製造條件之下所製造的金屬材料之品質，以各工程中的金屬材料的頭尾端是否對調、正反面是否對調及切斷位置可區別的形式，針對各個規定範圍建立關聯而儲存到實績資料庫17。
進一步，一貫工程實績編輯部16例如在各工程為壓延工程並且經過各工程以致金屬材料的形狀變形的情況，評估從金屬材料的前端起算的體積而設定規定範圍，然後將各工程的製造條件、及在該製造條件之下所製造的金屬材料之品質，針對各個規定範圍建立關聯而儲存到實績資料庫17。在該實績資料庫17，儲存由一貫工程實績編輯部16所編輯的實績資料。
模型生成部18從儲存在實績資料庫17的各工程中的各個規定範圍的製造條件，生成預測金屬材料的各個規定範圍的品質之品質預測模型。模型生成部18例如使用XGBoost作為機械學習的手法。尚且，作為機械學習的手法，另外也可使用線形回歸、局部回歸、主成分回歸、PLS回歸、神經網路、回歸樹、隨機森林等各種手法。
預測部19使用在模型生成部18所生成的品質預測模型，針對各個規定範圍預測在任意的製造條件之下所製造的金屬材料之品質。例如成為預測對象的金屬材料為扁胚的情況，依照以往的方法會預測扁胚全體的品質，但在本實施形態則可預測扁胚在長度方向的規定範圍之品質。
針對本實施形態的品質預測方法及品質預測模型生成方法，參考圖2～圖7予以說明。本實施形態的品質預測方法進行圖2所示的步驟S1～步驟S6的處理。又，本實施形態的品質預測模型生成方法進行同圖所示的除了步驟S6以外的步驟S1～步驟S5之處理。
首先，製造實績收集部11收集各工程的製造條件及品質的相關實績資料(步驟S1)。製造實績收集部11將各工程的製造條件及品質的實績資料，針對各個金屬材料以及各個工程予以收集。
由製造實績收集部11所收集的實績資料係例如圖3的表所示，為依照時間列出多個製造條件的實績值(或者設置值)的資料。同圖所示的實績資料具有時間t1 、t2 …、該時間中的金屬材料的速度(通板速度)v1 、v2 …、在該時間由感測器所量測的多個製造條件x1 1 、x1 2 …，x2 1 、x2 2 …所構成的項目。尚且，多個工程之中，在最終工程所收集的實績資料，除了同圖所示的項目，還包含金屬材料的品質的相關項目。
接下來，頭尾端對調實績收集部13、正反面對調實績收集部14及切斷實績收集部15收集各工程中的金屬材料的頭尾端是否對調、各工程中的金屬材料的正反面是否對調、及各工程中的金屬材料的切斷位置等的相關實績資料(步驟S2)。
接下來，製造實績編輯部12將由製造實績收集部11所收集的實績資料變換成金屬材料的長度單位(步驟S3)。也就是說，製造實績編輯部12將依照圖3所示的時間單位所收集的實績資料，變換成圖4所示的金屬材料之長度單位的實績資料。以下，說明將圖3的實績資料變換成圖4的實績資料之方法。
首先，製造實績編輯部12利用將時間及速度(通板速度)相乘即成為距離的性質，算出圖3的各時間中的金屬材料之位置。再者，製造實績編輯部12利用在金屬材料通過各工程中所設置的感測器時，計入實績資料，金屬材料未通過時，計入缺失值的性質，檢測出金屬材料的頭尾端。再者，製造實績編輯部12除了在金屬材料未通過感測器的情況以外，一律作成對應到從金屬材料的前端到尾端為止的位置之實績資料。
然後，如此一來雖然可得到金屬材料的長度單位之資料，但並非定週期的資料，故例如藉由線形內插等，變換成金屬材料的長度單位、以及定週期的實績資料。也就是說，在各工程中，金屬材料的通板速度慢時，可收集的實績資料較為詳細，金屬材料的通板速度快時，可收集的實績資料較為粗略。因此，為了統一實績資料的詳細程度，而進行上述般的內插。製造實績編輯部12藉由進行上述般的處理，而作成圖4所示的金屬材料的長度單位之實績資料。
接下來，一貫工程實績編輯部16將所有工程的實績資料，基於金屬材料的長度單位匯集後合併(步驟S4)。一貫工程實績編輯部16基於由製造實績編輯部12所作成的金屬材料的長度單位之實績資料、以及由頭尾端對調實績收集部13、正反面對調實績收集部14及切斷實績收集部15所收集的金屬材料的頭尾端是否對調、金屬材料的正反面是否對調、及金屬材料的切斷位置等的相關實績資料，將所有工程的金屬材料之多個製造條件及品質的實績資料，基於最終工程的出側的金屬材料的長度單位匯集後合併。
以這種方式，一貫工程實績編輯部16將各工程的製造條件、及在該製造條件之下所製造的金屬材料之品質，針對金屬材料的長度方向上的各個規定範圍建立關聯，再儲存到實績資料庫17。以下，說明藉由一貫工程實績編輯部16之處理的一例。
例如圖5所示，考慮經過工程1、工程2及工程3而製造金屬材料(材料)的情況。工程1～工程3例如為壓延工程，每經過一個工程，材料的長邊方向之長度即會變大。又，如同圖所示，從工程1移動到工程2時，材料A分割成材料A1及材料A2，從工程2移動到工程3時，材料A1分割成材料A11及材料A12。
圖6為表示各工程的材料之圖像，並且著重在圖5的B部之圖。例如工程1的材料A藉由製造實績收集部11，而在從前端到尾端為止長度5300mm的範圍，每隔50mm即例如收集X1 1 ～X1 M1 的M1個項目的實績資料。又，就材料A而言，藉由切斷實績收集部15收集以下實績資料：切除0mm(前端)～250mm的前端部，擷取250mm～3300mm作為材料A1，擷取3300mm～4950mm作為材料A2，切除4950mm～5300mm(尾端)的尾端部的實績資料。
接下來，工程2的材料A1藉由頭尾端對調實績收集部13，而收集「頭尾端已對調」的實績資料。又，就材料A1而言，藉由製造實績收集部11，而在從前端到尾端為止長度68000mm的範圍，每隔100mm即例如收集X2 1 ～X2 M2 的M2個項目的實績資料。又，就材料A1而言，藉由切斷實績收集部15收集以下實績資料：切除0mm(前端)～500mm的前端部，擷取500mm～34500mm作為材料A11，擷取34500mm～66800mm作為材料A12，切除66800mm～68000mm(尾端)的尾端部的實績資料。
接下來，工程3的材料A11藉由頭尾端對調實績收集部13，而收集「頭尾端無對調」的實績資料。又，就材料A11而言，藉由製造實績收集部11，而在從前端到尾端為止長度65000mm的範圍，每隔500mm即例如收集X3 1 ～X3 M3 的M3個項目的實績資料。又，就材料A11而言，藉由切斷實績收集部15收集以下實績資料：切除0mm(前端)～2500mm的前端部，擷取2500mm～59700mm作為材料A11，切除59700mm～65000mm(尾端)的尾端部的實績資料。
一貫工程實績編輯部16一邊考慮各工程中的金屬材料之頭尾端是否對調、正反面是否對調及切斷位置等實績資料，一邊藉由不圖示的感測器而將沿著長邊方向詳細收集的所有工程之實績資料合併到最終工程中的金屬材料之長度單位，為此，如圖5所示，配合最終工程也就是工程3的材料長度，而調整工程2及工程1的材料長度(參考同圖的虛線)。
然後，一貫工程實績編輯部16一邊考慮在各工程已切除的前端部及尾端部，一邊設定擷取各金屬材料的位置，並且在最終工程的金屬材料之各規定範圍，將規定範圍的品質、及該規定範圍中的所有工程之製造條件建立關聯，再儲存到實績資料庫17。例如在圖6，將在最終工程也就是工程3擷取材料A11的網點部分，回頭參考工程2的材料A1、工程1的材料A而予以設定。藉由將此種處理對所有的金屬材料重複進行，而如圖7所示，將所有工程中的金屬材料之多個製造條件(及品質)的實績資料，基於金屬材料的長度單位匯集後合併，作成所需的實績資料。以下，返回圖2繼續說明。
模型生成部18從各工程中的各個規定範圍之製造條件，生成預測金屬材料的各個規定範圍之品質的品質預測模型(步驟S4)。接下來，預測部19使用在模型生成部18已生成的品質預測模型，針對各個規定範圍預測在任意的製造條件之下所製造的金屬材料之品質(步驟S5)。
若依照以上說明般的本實施形態的品質預測模型生成方法、品質預測模型、品質預測方法、品質預測模型生成裝置及品質預測裝置，則生成將各工程的製造條件、及在該製造條件之下所製造的金屬材料之品質，針對各個規定範圍建立關聯的品質預測模型，藉此，可比以往更精確預測針對任意的製造條件之金屬材料的品質。
也就是說，在本實施形態的品質預測模型生成方法、品質預測模型、品質預測方法、品質預測模型生成裝置及品質預測裝置，將所有工程的多個製造條件(及品質)的實績資料，考慮各工程中的頭尾端的對調、正反面的對調及切斷位置等，基於最終工程的出側的金屬材料之長度單位匯集後合併。因此，由於將由感測器沿著金屬材料的長邊方向詳細收集的製造條件之實績資料有效運用而進行品質的預測，故可比以往更精確預測品質。
尚且，將本實施形態的品質預測方法運用在金屬材料的製造方法時，例如進行以下的處理。首先，在金屬材料的製造途中固定已確定的製造條件之後，藉由本實施形態的品質預測方法，針對各個規定範圍預測在已固定的製造條件之下所製造的金屬材料之品質。然後，基於該預測結果，而變更之後的工程之製造條件。又，製造條件的變更為使欲製造的金屬材料之全長所包含的所有各個規定範圍的品質落在預先決定的管理範圍內。如此將本實施形態的品質預測方法運用在金屬材料的製造方法，藉此，可在製造途中的階段預測最終的金屬材料之品質，可相應變更製造條件，故所製造的金屬材料之品質會提升。 [實施例]
以下說明本實施形態的品質預測方法之實施例。在本實施例，將本實施形態的品質預測方法，運用在冷延薄鋼板的一種也就是高加工性高強度冷延鋼板的拉伸強度之預測。
本實施例中的品質預測之目的變數(品質)為製品(高加工性高強度冷延鋼板)的拉伸強度，說明變數(製造條件)為冶煉工程中的金屬材料之化學成分、鑄造工程中的金屬材料之溫度、加熱工程中的金屬材料之溫度、熱間壓延工程中的金屬材料之溫度、冷卻工程中的金屬材料之溫度、冷間壓延工程中的金屬材料之溫度、退火工程中的金屬材料之溫度等。
在本實施例，於就各製造條件及品質，針對一個製品，分別儲存一個平均值等代表值的以往之實績資料庫(參考圖8(a))所預測的情況、及從本實施形態的品質預測方法之實績資料庫(參考圖8(b))生成的品質預測模型所預測的情況，比較預測結果。實績資料庫的樣品數為40000，說明變數的數量為45，預測手法使用局部回歸。預測的結果，如圖9所示，確認本實施形態的品質預測方法所產生的預測誤差(參考圖9(b))相較於以往的品質預測方法所產生的預測誤差(參考圖9(a))，可減少23%的均方根誤差(RMSE：Root Mean Square Error)。
又，將本實施形態的品質預測方法運用在厚鋼板的正反面硬度之預測。目的變數為製品的正反面之硬度，說明變數為冶煉工程的化學成分、鑄造工程的正反面溫度、加熱工程的正反面溫度、壓延工程的正反面溫度、冷卻工程的正反面溫度等。
於就各製造條件及品質，針對一個製品，分別儲存一個平均值等代表值的以往之實績資料庫(參考圖8(a))所預測的情況、從本實施形態的品質預測方法之實績資料庫(參考圖8(b))生成的品質預測模型所預測的情況，比較預測結果。實績資料庫的樣品數為10000，說明變數的數量為30，預測手法使用線形回歸。預測的結果，如圖10所示，確認本實施形態的品質預測方法所產生的預測誤差(參考圖10(b))相較於以往的品質預測方法所產生的預測誤差(參考圖10(a))，可減少26%的均方根誤差(RMSE)。
又，將本實施形態的品質預測方法，運用在冷延薄鋼板的一種也就是熔融鋅鍍金鋼板的正反面瑕疵之預測。目的變數為製品的正反面是否有瑕疵，說明變數為冶煉工程的化學成分、鑄造工程的正反面溫度、彎月面流速、鑄模熔液面液位、加熱工程的正反面溫度、熱間壓延工程的正反面溫度、冷卻工程的正反面溫度、酸洗工程的酸濃度、酸溫度、冷壓工程的正反面溫度、退火工程的正反面溫度、鍍金工程的鍍金附著量、合金化度等。
於就各製造條件及品質，針對一個製品，分別儲存一個平均值等代表值的以往之實績資料庫(參考圖8(a))所預測的情況、及從本實施形態的品質預測方法之實績資料庫(參考圖8(b))生成的品質預測模型所預測的情況，比較預測結果。實績資料庫的樣品數為4000，說明變數的數量為250，預測手法使用決定樹。預測的結果，如圖11所示，確認本實施形態的品質預測方法所產生的誤答率(參考圖11(b))相較於以往的品質預測方法所產生的誤答率(參考圖11(a))，可減少14%。
又，將本實施形態的品質預測方法，運用在冷延薄鋼板的一種也就是高強度冷延鋼板的拉伸強度預測，基於該預測結果，而變更之後的工程之製造條件。在此，於製鋼工程、熱延工程及冷延工程在最終階段前為止的直到製造條件之實績值被取得的製造途中之階段，變更冷延工程的最終階段之製造條件也就是退火後冷卻溫度，舉例說明。
基於製鋼工程、熱延工程及冷延工程在最終階段前為止的製造條件之實績值、以及冷延工程在最終階段的製造條件也就是退火後冷卻溫度的基準值，而使用本實施形態的品質預測方法而預測的製品之全長的各位置之拉伸強度預測值如以下所示。
Figure 02_image001
又，退火溫度後的冷卻溫度從基準值變化Δμ時，使用本實施形態的品質預測方法而預測的製品之全長的各位置之拉伸強度的變化量如以下所示。
Figure 02_image003
基於以上內容，解開下述式(1)所表現的最佳化問題。
Figure 02_image005
在此，於上述式(1)，yLL 及yUL 分別為拉伸強度的管理下限及管理上限，Δμ＊ 為此最佳化問題的最佳解。此最佳化問題可由分枝限定法等數理計畫法求解。藉由將退火溫度後的冷卻溫度變更Δμ＊ ，而可使全長的拉伸強度不會超出管理範圍，也就是說可得到沿著全長無品質不良的冷延鋼板。
如此一來，本實施形態的品質預測方法之實績資料庫所儲存的實績資料係一邊在最終工程的金屬材料之各規定範圍，考慮頭尾端是否對調、正反面是否對調及切斷位置等實績資料，一邊可回頭參考硬度或是否有瑕疵及所有工程的製造條件之精密的實績資料而予以結合。然後，基於如此建構的實績資料庫所生成的品質預測模型，而算出任意的製造條件中的預測值，故可精確預測金屬材料的品質。
以上，針對本發明的品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置及品質預測裝置，藉由用於實施發明的形態及實施例予以具體說明，但本發明的主旨不限定於這些記載，必須基於發明申請專利範圍的記載而擴大解釋。又，誠然基於這些記載而進行各種變更、改變等者也包含於本發明的主旨。
例如在前述的實施形態，一貫工程實績編輯部16考慮各工程中的金屬材料的頭尾端是否對調、正反面是否對調及切斷位置而設定規定範圍，但也有金屬材料的頭尾端之對調、金屬材料的正反面之對調、金屬材料的切斷之各處理未必被全部包含的情況。因此，一貫工程實績編輯部16可考慮金屬材料的頭尾端是否對調、金屬材料的正反面之對調是否有無及金屬材料的切斷位置之實績資料之中的至少一個以上而設定規定範圍。
1:品質預測裝置 11:製造實績收集部 12:製造實績編輯部 13:頭尾端對調實績收集部 14:正反面對調實績收集部 15:切斷實績收集部 16:一貫工程實績編輯部 17:實績資料庫 18:模型生成部 19:預測部
[圖1]為表示本發明的實施形態的品質預測模型生成裝置及品質預測裝置之構成的方塊圖。 [圖2]為表示本發明的實施形態的品質預測模型生成方法及品質預測方法之流程的流程圖。 [圖3]為表示在本發明的實施形態的品質預測模型生成方法中，藉由製造實績收集部11而收集的實績資料之一例的圖。 [圖4]為表示本發明的實施形態的品質預測模型生成方法中，藉由製造實績編輯部12而編輯的實績資料之一例的圖。 [圖5]為表示本發明的實施形態的品質預測模型生成方法中，經過多個工程而製造金屬材料的情況之一例的圖。 [圖6]為表示本發明的實施形態的品質預測模型生成方法中，各工程中的金屬材料之一例的圖。 [圖7]為表示本發明的實施形態的品質預測模型生成方法中，藉由一貫工程實績編輯部而編輯的實績資料之一例的圖。 [圖8]為概略表示以往及本發明的實績資料庫之構成的圖。 [圖9]為表示在高加工性高強度冷延鋼板的拉伸強度之預測中，以往手法及本發明手法之預測誤差的圖。 [圖10]為表示在厚鋼板的正反面硬度之預測中，以往手法及本發明手法之預測誤差的圖。 [圖11]為表示在熔融鋅鍍金鋼板的正反面瑕疵之預測中，以往手法及本發明手法之誤答率的圖。
1:品質預測裝置
11:製造實績收集部
12:製造實績編輯部
13:頭尾端對調實績收集部
14:正反面對調實績收集部
15:切斷實績收集部
16:一貫工程實績編輯部
17:實績資料庫
18:模型生成部
19:預測部

Claims (11)

  1. 一種品質預測模型生成方法，其為經過一個或多個工程而製造的金屬材料之品質預測模型生成方法，其特徵為：包含： 第一收集步驟，其針對預先決定的前述金屬材料之各個規定範圍而收集各工程的製造條件； 第二收集步驟，其針對前述各個規定範圍估算並收集經過前述各工程而製造的前述金屬材料之品質； 儲存步驟，其針對前述各個規定範圍而將前述各工程的製造條件、及在該製造條件下所製造的前述金屬材料之品質建立關聯予以儲存；及 模型生成步驟，其從已儲存的前述各工程中的前述各個規定範圍的製造條件，生成預測前述金屬材料的前述各個規定範圍之品質的品質預測模型。
  2. 如請求項1的品質預測模型生成方法，其中， 前述規定範圍基於配合前述各工程中的搬送方向之前述金屬材料的移動距離而決定。
  3. 如請求項1或2的品質預測模型生成方法，其包含： 第三收集步驟，其在前述儲存步驟之前，收集前述各工程中的前述金屬材料之頭尾端是否對調、前述各工程中的前述金屬材料之正反面是否對調、及前述各工程中的前述金屬材料之切斷位置的至少一者以上， 前述儲存步驟考慮前述各工程中的前述金屬材料之頭尾端是否對調、正反面是否對調及切斷位置的至少一者以上而設定前述規定範圍，再針對前述各個規定範圍而將前述各工程的製造條件、及在該製造條件下所製造的前述金屬材料之品質建立關聯予以儲存。
  4. 如請求項1或2的品質預測模型生成方法，其中， 在藉由經過前述各工程而使前述金屬材料的形狀變形的情況， 前述儲存步驟估算從前述金屬材料的頭端起算的體積而設定前述規定範圍，再針對前述各個規定範圍而將前述各工程的製造條件、及在該製造條件下所製造的前述金屬材料之品質建立關聯予以儲存。
  5. 如請求項1或2的品質預測模型生成方法，其中， 前述模型生成步驟使用包含線形回歸、局部回歸、主成分回歸、PLS回歸、神經網路、回歸樹、隨機森林、XGBoost的機械學習而生成前述品質預測模型。
  6. 一種品質預測模型，其特徵為： 藉由如請求項1至請求項5中任一項的品質預測模型生成方法而生成。
  7. 一種品質預測方法，其特徵為： 使用藉由如請求項1至請求項5中任一項的品質預測模型生成方法而生成的品質預測模型，針對各個規定範圍預測在任意的製造條件下所製造的金屬材料之品質。
  8. 一種金屬材料的製造方法，其特徵為： 固定在製造途中已確定的製造條件，藉由如請求項7的品質預測方法，而針對各個規定範圍預測在前述已固定的製造條件下所製造的金屬材料之品質，再基於該預測結果，而變更之後的工程之製造條件。
  9. 如請求項8的金屬材料的製造方法，其中， 前述製造條件的變更使欲製造的金屬材料之全長所包含的所有前述各個規定範圍的品質落在預先決定的管理範圍內。
  10. 一種品質預測模型生成裝置，其為經過一個或多個工程而製造的金屬材料之品質預測模型生成裝置，其具備以下手段： 針對預先決定的前述金屬材料之各個規定範圍而收集各工程的製造條件； 針對前述各個規定範圍而估算並收集經過前述各工程而製造的前述金屬材料之品質； 針對前述各個規定範圍而將前述各工程的製造條件、及在該製造條件下所製造的前述金屬材料之品質建立關聯予以儲存；及 從已儲存的前述各工程中的前述各個規定範圍的製造條件，生成預測前述金屬材料的前述各個規定範圍之品質的品質預測模型。
  11. 一種品質預測裝置，其特徵為： 使用藉由如請求項10的品質預測模型生成裝置而生成的品質預測模型，針對各個規定範圍預測在任意的製造條件下所製造的金屬材料之品質。
TW109120768A 2019-07-22 2020-06-19 品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置以及品質預測裝置 TWI759770B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019134701 2019-07-22
JP2019-134701 2019-07-22

Publications (2)

Publication Number Publication Date
TW202113521A TW202113521A (zh) 2021-04-01
TWI759770B true TWI759770B (zh) 2022-04-01

Family

ID=74193371

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109120768A TWI759770B (zh) 2019-07-22 2020-06-19 品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置以及品質預測裝置

Country Status (8)

Country Link
US (1) US20220261520A1 (zh)
EP (1) EP4006670A4 (zh)
JP (1) JP7207547B2 (zh)
KR (1) KR20220007653A (zh)
CN (1) CN114144738A (zh)
MX (1) MX2022000808A (zh)
TW (1) TWI759770B (zh)
WO (1) WO2021014804A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230174250A (ko) * 2021-06-25 2023-12-27 제이에프이 스틸 가부시키가이샤 강판의 부도금 결함 예측 방법, 강판의 결함 저감 방법, 용융 아연 도금 강판의 제조 방법, 및 강판의 부도금 결함 예측 모델의 생성 방법
JP7544000B2 (ja) 2021-08-19 2024-09-03 Ｊｆｅスチール株式会社 品質不良要因抽出方法および品質不良要因抽出装置
JP7484845B2 (ja) * 2021-08-19 2024-05-16 Ｊｆｅスチール株式会社 品質予測モデルの作成方法、品質予測方法、操業条件提示方法、品質予測モデルの作成装置、品質予測装置および操業条件提示装置
EP4276550A1 (en) * 2022-05-12 2023-11-15 Primetals Technologies Austria GmbH Method and computer system for controlling a process of a metallurgical plant
EP4339715A1 (de) * 2022-09-13 2024-03-20 Siempelkamp Maschinen- und Anlagenbau GmbH Verfahren zum erzeugen eines mathematischen modells zum vorhersagen von zumindest einem qualitätsmerkmal einer baustoffplatte
CN116757031B (zh) * 2023-06-15 2024-02-09 中南大学 影响金属-金属胶接性能的多因素的分析方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4477269B2 (ja) * 2001-12-28 2010-06-09 Ｊｆｅスチール株式会社 コイル材の先後端不良部除去方法およびそのシステム
TW201328909A (zh) * 2011-12-20 2013-07-16 Jfe Steel Corp 面板評估方法
TW201903536A (zh) * 2017-05-31 2019-01-16 荷蘭商Ａｓｍｌ荷蘭公司 用於預測量測方法的效能的方法和裝置、量測方法和裝置
JP2019074969A (ja) * 2017-10-17 2019-05-16 新日鐵住金株式会社 品質予測装置及び品質予測方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4474847B2 (ja) 2003-05-28 2010-06-09 Ｊｆｅスチール株式会社 結果予測装置
JP4495960B2 (ja) * 2003-12-26 2010-07-07 キヤノンＩｔソリューションズ株式会社 プロセスと品質との関係についてのモデル作成装置
JP2006309709A (ja) 2005-03-30 2006-11-09 Jfe Steel Kk 結果予測装置、制御装置及び品質設計装置
JP2008112288A (ja) 2006-10-30 2008-05-15 Jfe Steel Kk 予測式作成装置、結果予測装置、品質設計装置、予測式作成方法及び製品の製造方法
JP5167891B2 (ja) 2008-03-21 2013-03-21 Ｊｆｅスチール株式会社 結果予測装置、及び、これを用いた製品品質予測方法
JP5516390B2 (ja) * 2010-12-24 2014-06-11 新日鐵住金株式会社 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体
JP5867349B2 (ja) * 2011-09-21 2016-02-24 新日鐵住金株式会社 品質予測装置、操業条件決定方法、品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体
JP5979066B2 (ja) 2012-06-04 2016-08-24 Ｊｆｅスチール株式会社 結果予測装置および結果予測方法
JP2014071858A (ja) 2012-10-02 2014-04-21 Jfe Steel Corp 結果予測方法及び結果予測装置
JP2014071859A (ja) 2012-10-02 2014-04-21 Jfe Steel Corp 結果予測方法及び結果予測装置
KR101889668B1 (ko) * 2014-09-10 2018-08-17 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 압연 시뮬레이션 장치
CN106794499B (zh) * 2014-10-10 2018-10-12 杰富意钢铁株式会社 材料特性值推定方法、材料特性值推定装置、及钢带的制造方法
JP6508185B2 (ja) 2015-12-24 2019-05-08 Ｊｆｅスチール株式会社 結果予測装置及び結果予測方法
KR101895193B1 (ko) * 2016-03-28 2018-10-04 미쓰비시덴키 가부시키가이샤 품질 관리 장치, 품질 관리 방법 및 품질 관리 프로그램을 기록하는 기록 매체
TWI625615B (zh) * 2016-11-29 2018-06-01 財團法人工業技術研究院 預測模型建立方法及其相關預測方法與電腦程式產品

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4477269B2 (ja) * 2001-12-28 2010-06-09 Ｊｆｅスチール株式会社 コイル材の先後端不良部除去方法およびそのシステム
TW201328909A (zh) * 2011-12-20 2013-07-16 Jfe Steel Corp 面板評估方法
TW201903536A (zh) * 2017-05-31 2019-01-16 荷蘭商Ａｓｍｌ荷蘭公司 用於預測量測方法的效能的方法和裝置、量測方法和裝置
JP2019074969A (ja) * 2017-10-17 2019-05-16 新日鐵住金株式会社 品質予測装置及び品質予測方法

Also Published As

Publication number Publication date
US20220261520A1 (en) 2022-08-18
KR20220007653A (ko) 2022-01-18
JPWO2021014804A1 (ja) 2021-11-04
EP4006670A1 (en) 2022-06-01
JP7207547B2 (ja) 2023-01-18
CN114144738A (zh) 2022-03-04
EP4006670A4 (en) 2022-09-14
TW202113521A (zh) 2021-04-01
WO2021014804A1 (ja) 2021-01-28
MX2022000808A (es) 2022-02-16

Similar Documents

Publication Publication Date Title
TWI759770B (zh) 品質預測模型生成方法、品質預測模型、品質預測方法、金屬材料的製造方法、品質預測模型生成裝置以及品質預測裝置
JP4383493B2 (ja) ７８０ＭＰａ以上のＴＳを持つハイテン出荷鋼板の材質情報提供方法及び材質情報利用方法
JP7158569B2 (ja) 金属製品の製造をモニタリングするための方法および電子デバイス、関連するコンピュータプログラムならびに設備
JP7251687B2 (ja) 品質異常解析方法、金属材料の製造方法および品質異常解析装置
CN107179749A (zh) 热镀锌产品全流程质量控制方法
JP5169098B2 (ja) 品質予測装置、品質予測方法及び製造方法
KR102589428B1 (ko) 중간 금속 제품(들)의 그룹으로부터의 최종 금속 제품(들)의 그룹의 제조를 제어하기 위한 방법 및 전자 장치, 관련 컴퓨터 프로그램, 제조 방법 및 설비
CN111080835B (zh) 基于灰色综合关联度的热轧带钢楔形缺陷诊断方法及系统
JP2008055443A (ja) 金属材料の材質分析方法および材質安定化方法
Tschimpke et al. Statistical Methods for Predicting of the Quality of Aluminum Ingots
CN118505018B (zh) 一种冷轧钢材生产控制管理系统
JP4926883B2 (ja) 出荷鋼板の材質情報提供方法及び出荷鋼板の材質情報利用方法
JP4580792B2 (ja) 金属材料の材質分析方法および材料安定化方法並びに材質安定化装置
JP5577583B2 (ja) 厚鋼板のオンライン材質保証システム
Zotov et al. Development of the Procedure for Prediction of the Coating Quality of General Purpose Galvanized Wire
CN113111452A (zh) 一种面向热轧带钢的极限规格轧制建议的分析方法
JPH09212204A (ja) 鋼片検査手入スケジューリング装置