WO2016038705A1 - 圧延シミュレーション装置 - Google Patents

圧延シミュレーション装置 Download PDF

Info

Publication number
WO2016038705A1
WO2016038705A1 PCT/JP2014/073975 JP2014073975W WO2016038705A1 WO 2016038705 A1 WO2016038705 A1 WO 2016038705A1 JP 2014073975 W JP2014073975 W JP 2014073975W WO 2016038705 A1 WO2016038705 A1 WO 2016038705A1
Authority
WO
WIPO (PCT)
Prior art keywords
rolling
model
simulation
parameter
model formula
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2014/073975
Other languages
English (en)
French (fr)
Inventor
美怜 木原
小原　一浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Mitsubishi Electric Industrial Systems Corp
Original Assignee
Toshiba Mitsubishi Electric Industrial Systems Corp
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 Toshiba Mitsubishi Electric Industrial Systems Corp filed Critical Toshiba Mitsubishi Electric Industrial Systems Corp
Priority to JP2016547307A priority Critical patent/JP6292309B2/ja
Priority to PCT/JP2014/073975 priority patent/WO2016038705A1/ja
Priority to CN201480081164.XA priority patent/CN106660090B/zh
Priority to KR1020177006332A priority patent/KR101889668B1/ko
Priority to TW103142558A priority patent/TWI554340B/zh
Publication of WO2016038705A1 publication Critical patent/WO2016038705A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06—COMPUTING OR CALCULATING; 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"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B2261/00—Product parameters

Definitions

  • the present invention simulates a rolling line and a rolling operation for producing a metal product, and changes the dimensions and alloy composition of the metal material, the target value and process of heating, rolling and cooling, the operation stability, the process intermediate material,
  • the present invention relates to a rolling simulation apparatus for predicting product quality.
  • materials such as mechanical properties (strength, formability, toughness, etc.) and electromagnetic properties (permeability, etc.) depend on the alloy composition, heating conditions, processing conditions, and cooling conditions. Change.
  • the alloy composition is adjusted by controlling the addition amount of the component elements, but one lot unit is large at the time of component adjustment, such as using a component adjustment furnace capable of holding molten steel of about 100 tons. For this reason, it is impossible to change the addition amount for each product of about 15 tons. Therefore, in order to manufacture a product of a desired material, it is important to make the material by making heating conditions, processing conditions, and cooling conditions appropriate. Furthermore, these process conditions are important not only for materials but also for product quality such as product dimensions and shapes, and for the realization of stable operations.
  • Process parameters include, for example, target temperatures at each point on the rolling line represented by finish entry temperature, finish delivery temperature, coiling temperature, plate thickness schedule for each pass, and rolling mills. Necessary use of descaler for each pass, use necessity of interstand cooling placed between stands of continuous rolling mill and initial flow rate, amount of lubricant used in finishing mill, cooling pattern used in runout table, etc. There is.
  • Process control by the setting computer is performed so as to achieve the target product quality, that is, to achieve the target values of the various process parameters described above.
  • the setting calculator uses a model formula that expresses the physical phenomenon of each process such as heating, rolling, cooling, and conveyance, and performs setting calculation so as to achieve the target values of the various process parameters.
  • calculation of control target values for various actuators and prediction calculation of the state of the rolled material (metal material) at each stage of the process are repeatedly performed.
  • Model formulas used in setting calculations to calculate physical quantities such as rolling load, deformation resistance, roll gap, temperature, and grain size are expressed as functions with input variables, machine constants, adjustment terms, and learning terms as inputs. .
  • the setting computer compares the model predicted value with actual values such as temperature, shape, sheet thickness, sheet width, and rolling load obtained from sensors provided in the rolling line.
  • a method for automatically learning a learning term of a model formula in advance and improving the accuracy of the model formula and the control accuracy using the model term is disclosed.
  • Patent Document 3 discloses a mechanical property such as a tensile test and a structure observation performed on some product coils, regarding a material prediction model for predicting a change in microstructure of a rolled material and a mechanical property of a final product.
  • a model learning method has been proposed using actual values of mechanical properties obtained from the measurement test results.
  • model parameters mechanical constants, adjustment terms, learning terms
  • model parameters are set using a stratified table divided by factors that are prone to model errors, such as steel grade, target plate thickness, target plate width, target temperature, etc. It is managed in the database belonging to the computer.
  • the process parameters of the rolling operation are determined based on experience over many years for each product specification, and a method of performing temperature control and dimensional control to achieve this has been common.
  • the demand for product specifications has become increasingly sophisticated and diversified, and the method based on experience cannot always determine these target values properly and achieve the final quality of the target such as desired dimensions and mechanical properties.
  • Patent Document 4 An apparatus for simulating a manufacturing process offline has been proposed (for example, Patent Document 4).
  • the simulation device predicts the state of the metal material from time to time, such as dimensions, temperature, and position on the production line, and provides information on the alloy composition of the metal material and information on the processing history and temperature history obtained from the simulation of the production process.
  • the microstructure prediction model predicts changes in the microstructure of the rolled material and the mechanical properties of the final product.
  • the simulation device is also used to find alloy composition and process parameter target values that will achieve the desired quality.
  • the same model as the model used in the actual operation setting calculation, a simplified model, or a highly accurate model in which a part is modeled more faithfully to a physical phenomenon is used.
  • a setting computer used for actual operation and a database for managing the process parameters and model parameters are not used, and a computer and a database dedicated to the simulation are prepared separately.
  • the present invention has been made to solve the above-described problems, and is a rolling simulation capable of accurately simulating the rolling process of a virtual metal material using a rolling line in actual operation on a computer different from the actual operation setting computer.
  • the object is to provide a device.
  • the first invention includes an actuator group that heats, rolls, cools, and conveys a metal material, and a sensor group that detects a control result value of the actuator group and a state result value of the metal material.
  • a rolling simulation apparatus connected to a rolling system and a rolling system including a setting computer for calculating a control target value of the actuator group and a state prediction value of the metal material,
  • the setting calculator is A model formula expressing physical phenomena of each process of heating, rolling, cooling, and conveyance in the rolling line, and having a first model formula expressed by a function having an input variable and a model parameter group as inputs, Using the first model formula, in order to achieve process conditions related to product quality and operating conditions in actual operation, calculate the control target value of the actuator group and the state prediction value of the metal material,
  • the model parameter group of the first model formula is updated as needed based on a comparison value obtained by comparing the control target value and the predicted state value with the actual control value and the actual state value detected by the sensor group.
  • the rolling simulation apparatus is A simulation condition setting unit that sets simulation conditions related to product quality and operation conditions in virtual operation in which the virtual metal material is heated, rolled, cooled, and transported in the rolling line;
  • the second model formula is the same as the first model formula, and the control target value of the actuator group and the predicted state value of the virtual metal material are used to achieve the simulation condition using the second model formula.
  • a virtual rolling line setting calculation unit for calculating A parameter updating unit that updates the model parameter group of the second model formula based on the model parameter group of the first model formula when the model parameter group of the first model formula is updated; It is characterized by providing.
  • the second invention is the first invention, wherein
  • the parameter update unit An update timing designating unit for designating a timing at which calculation is not executed by the setting computer in actual operation; And a parameter copy unit that copies the model parameter group of the first model formula to the model parameter group of the second model formula at the timing.
  • the third invention is the first invention, wherein
  • the model parameter group of the first model formula when the model parameter group of the first model formula is updated, the model parameter group of the second model formula is updated based on the model parameter group of the first model formula.
  • the model parameter of a rolling simulation apparatus can be updated to the newest data in the setting computer of actual operation. For this reason, according to 1st invention, on the computer different from the setting computer of actual operation, the rolling process of the virtual metal material using the rolling line of actual operation can be simulated with high precision.
  • the model parameter of the rolling simulation apparatus can be updated to the latest data in the actual operation setting computer while suppressing an increase in load applied to the calculation in the actual operation setting computer.
  • FIG. 3 is a block diagram showing a configuration of a parameter update unit 33.
  • FIG. It is a figure which shows the update timing suitable for updating the model parameter used with the rolling simulation apparatus 24 in the newest state. It is a figure which shows one specific example of the process which updates the adjustment term and learning term which are required for simulation to the newest state, when a simulation execution command is received. It is a flowchart of the process routine which updates the parameter of each model inherent in the virtual rolling line setting calculation part 32 to the same value as the newest parameter used by actual operation. It is a flowchart which shows one procedure which examines an alloy composition and manufacturing conditions using the rolling simulation apparatus.
  • FIG. 1 is a diagram showing an example of a hot sheet rolling line in Embodiment 1 of the present invention.
  • the object of the subsequent description is a simulator simulating the hot sheet rolling line shown in FIG. This simulator can also be applied to other rolling lines.
  • the rolling line includes a heating device, a rolling mill, a cooling device, a winding device, and a conveyance table that connects them. These devices are driven by actuators such as electric motors and hydraulic devices.
  • the rolling line 1 shown in FIG. 1 includes a heating furnace 11, a rough rolling mill 12, a bar heater 13, a finishing mill entry-side thermometer 14, a finishing mill 15, and a finish in order from the upstream side of the conveyance table 10.
  • a rolling mill outlet side thermometer 16, a runout table 17, a winder inlet side thermometer 18, and a winder 19 are provided.
  • the heating furnace 11 is a furnace for heating the slab.
  • the heating furnace 11 is controlled to obtain a desired slab temperature rising pattern and heating furnace extraction temperature.
  • the rough rolling mill 12 includes a single or a plurality of stands. In the example illustrated in FIG. 1, the rough rolling mill 12 is a reversible rough rolling mill including a single stand.
  • the bar heater 13 is a device that raises the temperature of the rolled product by electromagnetic induction heating or the like in order to control the temperature of the rolled product (including the state in the middle of the product from the slab to the finished product).
  • the finishing mill 15 is composed of one or a plurality of stands, and in the example shown in FIG. 1, is a tandem type finishing mill composed of seven stands.
  • the runout table 17 is a cooling device that cools the rolled product with cooling water in order to control the temperature of the rolled product.
  • the rolling line 1 may be provided with a cooling table, a forced cooling device, etc. as a cooling device.
  • the winder 19 is an apparatus for winding a rolled product into a shape that can be easily conveyed.
  • the conveyance table 10 is an apparatus for conveying the rolled product in each process to the next process. These devices are driven by actuators such as electric motors and hydraulic devices.
  • FIG. 2 is a block diagram showing the rolling system according to Embodiment 1 of the present invention.
  • the rolling system 20 shown in FIG. 2 has a hierarchical structure from level 0 to level 3.
  • Level 0 includes a drive control device that controls an electric motor that drives each device of the rolling line 1 and a hydraulic device that drives each device of the rolling line 1.
  • Level 1 includes a controller 21 for control.
  • Level 2 is composed of a setting computer 23. In addition, it is good also as a structure which replaces with the setting computer 23 and uses a process controller.
  • Level 3 is composed of a host computer 25 for production management.
  • the rolling simulation device 24 does not affect rolling in actual operation, but is connected to the setting computer 23 for parameter update.
  • the target value of the process parameter may be specified from the upper computer 25 of the level 3 that is higher than the setting computer 23 of the level 2.
  • the target value of the process parameter may have a table in a database belonging to the setting computer 23, and may be specified using steel type, plate thickness, plate width, etc. as keys. Further, the target value of the process parameter may be changed during rolling by an operator.
  • the setting computer 23 represents a model formula expressing physical phenomena of each process such as heating, rolling, cooling, and conveyance in the rolling line 1 (hereinafter, the model formula of the setting computer 23 is also referred to as “first model formula”). Have.
  • the setting calculator 23 uses the first model formula to perform setting calculation so as to achieve the target values (process conditions) of the various process parameters described above in actual operation. In the setting calculation, calculation of control target values of various actuators and calculation of the state of the rolled material (state prediction value of the metal material) at each stage of the process are repeatedly performed.
  • Actuator control target values include the roll gap of the rolling mill, the rolling speed, the conveying speed, the flow rate of the descaler and various sprays, the ON / OFF of the valve of the runout table, and the like.
  • the state of the rolled material (predicted value of the state of the metal material) at each stage of the process includes dimensions, shape, temperature, microstructure, and the like.
  • the controller 21 for control receives the setting calculation result from the setting computer 23, and controls various actuators so as to follow the control target value.
  • various sensors are installed throughout the rolling line to monitor and collect actual values of parameters that affect process control, such as temperature, shape, plate thickness, plate width, and rolling load.
  • the model formula (first model formula) that calculates physical quantities such as rolling load, deformation resistance, roll gap, temperature, and grain size used in the setting calculation is input variables, model parameter groups (machine constants, adjustment terms, learning This is expressed as a function with (
  • the input variable is a physical quantity correlated with the model output. For example, when the model output is a rolling load, the deformation resistance, the width of the rolled material, the amount of reduction, and the like are input variables.
  • the mechanical constant is a physical quantity that represents the mechanical characteristics of the actuator, such as the roll diameter, mill curve, and spray flow rate of the rolling roll.
  • the machine constant is updated at any time because it changes due to roll change, equipment repair and adjustment, and aging.
  • the adjustment term and the learning term are terms for improving the prediction accuracy of the model formula.
  • the adjustment term is a coefficient or constant of each term in the model formula, and a factor that is likely to cause a model error, for example, a stratified table divided by steel type, target plate thickness, target plate width, target temperature, etc.
  • Each layer is managed in a database belonging to the setting computer 23.
  • the adjustment term is adjusted not only at the time of starting the operation, but mainly when rolling a new steel type or rolling with a combination of new process parameters.
  • the adjustment term may be adjusted by an engineer based on experience or numerical analysis results, or in recent years may be semi-automatically adjusted using a statistical technique such as a neural network.
  • the learning term is a term that is multiplied and added to the model expression in order to fill an error between the model output and the actual process output.
  • FIG. 3 is a block diagram showing functions of the rolling simulation device 24 according to Embodiment 1 of the present invention.
  • the rolling simulation apparatus 24 simulates each process in the hot sheet rolling line shown in FIG. 1, and the operational stability when the metal material dimensions, alloy composition, heating, rolling, and cooling target values and processes are changed. Predict the state of rolled material and product quality during the process.
  • the rolling simulation device 24 includes a simulation condition setting unit 31, a virtual rolling line setting calculation unit 32, and a parameter update unit 33.
  • the rolling simulation device 24 is a computer including an arithmetic processing device, a storage device, and an input / output device.
  • the storage device stores a program describing the processing contents of the above-described units. Each of the above sections is realized by executing a program loaded from the storage device on the arithmetic processing unit.
  • the simulation condition setting unit 31 sets simulation conditions related to product quality and operation conditions in a virtual operation in which a virtual metal material is heated, rolled, cooled, and conveyed in the rolling line 1. Details will be described below.
  • the simulation condition setting unit 31 sets the parameters of the rolling operation process in the rolling simulation device 24 as simulation conditions.
  • the parameters of the rolling operation process are, for example, the alloy composition and dimensions of the rolled material, the target plate thickness, the target plate width, the slab temperature rising pattern in the heating furnace, the heating furnace discharge, which are given from the host computer 25 in the actual operation. Side temperature, finish delivery target temperature, finish entry target temperature, cooling pattern, winding target temperature, and the like.
  • the parameters of the rolling operation process are set in advance in the setting computer 23 for each steel type and each target sheet thickness category, or are given from the HMI by the operator from the HMI and the distribution of the reduction rate of each pass. , Plate speed and acceleration rate.
  • the operating conditions of the metal material rolled or planned to be rolled in the actual operation stored in the upper computer 25 or the setting computer 23 of the actual operation are copied via a communication LAN or a storage medium. Can be used. In addition, all or some of the conditions can be set manually. Further, it is possible to reuse the simulation conditions used in the past by the rolling simulation apparatus or to change a part of the simulation conditions.
  • FIG. 4 is an input screen for inputting chemical components of a virtual metal product (virtual metal material).
  • the simulation condition setting unit 31 includes, for example, the content (wt%) of each chemical component in each virtual metal product so that the change in product quality when the alloy composition is changed can be easily calculated. Enter to set. It is also possible to call the alloy composition of the metal product rolled in actual operation or the alloy composition used in the past simulation as a reference value, and to simulate by changing a part of it.
  • FIG. 5 is a diagram showing an example of a slab temperature rising pattern in the heating furnace 11.
  • the slab temperature rising pattern in the heating furnace 11 and the heating furnace extraction temperature also affect the product material and quality. For example, when the slab is not heated sufficiently, the solid solution amount of the microalloy cannot be obtained sufficiently, the Solute drag effect due to the solid solution microalloy is reduced, and the amount of precipitation during rolling and cooling after extraction is reduced, There is a concern that the pinning effect due to precipitates is reduced. Furthermore, rolling a low-temperature rolled material causes a hard material to be rolled, and there is a concern that the rolling operation may become unstable due to an increase in the rolling load in the rolling mill and the power consumption of the rolling motor may increase.
  • the simulation condition setting unit 31 sets a slab temperature rising pattern in the heating furnace 11 as shown in FIG. When the temperature pattern does not affect the quality or when a simple calculation is desired, only the target value of the heating furnace extraction temperature is set.
  • target values of process parameters such as finishing target temperature, finishing input target temperature, and winding target temperature are set via the host computer 25 or HMI.
  • the rolling speed, the temperature rising pattern of the heating device in the middle of the rolling line, various sprays, and the cooling pattern on the run-out table 17 are controlled so as to follow the target value given by the operator.
  • the cooling pattern may be specified by the host computer 25.
  • the finish side target temperature and the finish side target temperature are used as simulation conditions so that the effect on product quality and rolling operation when the temperature history during rolling is changed can be confirmed by simulation.
  • the winding target temperature and the cooling pattern on the run-out table 17 are set.
  • the cooling pattern in the run-out table 17 includes three patterns of pre-cooling that preferentially uses the upstream cooling equipment, post-cooling that preferentially uses the downstream cooling equipment, and gentle cooling that uses all the cooling equipment. There is a method of selecting either of them and setting the cooling rate of the zone for water cooling and the time for air cooling as target values. Further, as the cooling pattern in the run-out table 17, a pattern in which water cooling is performed on the upstream side and downstream side of the cooling facility shown in FIG. 7 and air cooling is selected in the middle stream is selected. For example, the water cooling rate on the upstream side and the air cooling time are selected. And a method of setting the temperature at the midpoint of the runout table as a target value.
  • target values of process parameters such as the rolling amount of each pass, the rolling rate distribution, the plate passing speed and the acceleration rate are set in advance for each steel type and target plate.
  • the operator inputs a target value for the process parameter.
  • the simulation condition setting unit 31 changes the product quality and the rolling operation when the rolling amount and rolling rate distribution of each pass, the sheet feeding speed and the acceleration rate are changed. Set simulation conditions so that the impact can be calculated easily.
  • the virtual rolling line setting calculation unit 32 has a model formula similar to the first model formula (referred to as a second model formula) and uses the second model formula to achieve the simulation conditions of the actuator group. A control target value and a predicted state value of the virtual metal material are calculated. Details will be described below.
  • the virtual rolling line setting calculation unit 32 sets the setting values of each process for rolling the virtual metal material on the virtual rolling line so as to follow each target value given by the simulation condition setting unit 31, and the metal every moment. Calculate material dimensions, location, and temperature.
  • FIG. 8 is a diagram illustrating a model group and a model parameter table group included in the virtual rolling line setting calculation unit 32.
  • the virtual rolling line setting calculation unit 32 includes a process model, a transfer model, a temperature model, and a material model as a model group.
  • the process model calculates set values for each rolling process such as a heating device, a rolling device, and a cooling device.
  • the transport model calculates the position of the virtual metal material at each time.
  • the temperature model calculates the temperature of the virtual metal material at each time at each location.
  • the material model predicts the microstructure of the metal material and the final product material at each time at each location on the virtual rolling line based on the alloy composition, processing history, and temperature.
  • the virtual rolling line setting calculation unit 32 includes a storage device such as a database that stores a model parameter table group for storing the parameters of each model described above, and performs simultaneous calculation of each model formula.
  • the process model uses information on the position of the virtual metal material at each time at each location given by the transfer model and the temperature of the virtual metal material at each time at each location given by the temperature model, and a target value given by the simulation condition setting unit 31
  • the cooling setting of the runout table 17 is calculated.
  • the transfer model calculates the position of the virtual metal material at each time at each location using the distance between each process and the path schedule given by the process model.
  • the transport model calculates the transport speed that follows each target temperature using the temperature information of the virtual metal material given by the temperature model.
  • the temperature model includes virtual metal material dimension information in each process, machine specification information, a path schedule given from the simulation condition setting unit 31 and the process model, a roll gap, a rolling speed, a conveying speed, and a heating device in the middle of the rolling line.
  • the temperature of the virtual metal material at each time at each location on the virtual rolling line is calculated from information on the command value such as the temperature rising pattern.
  • the material model predicts the microstructure of the virtual metal material during and after the rolling process, using the processing history of the virtual metal given by the process model and the temperature history information given by the temperature model.
  • the predicted microstructure is, for example, the fraction of each structure such as particle size, dislocation density, austenite, ferrite, pearlite and the like.
  • parameters related to mechanical properties such as yield stress and tensile strength are calculated based on the microstructure prediction results.
  • a variety of microstructure prediction models that formulate metallurgical phenomena have been proposed and consist of a group of mathematical expressions that represent static recovery, static recrystallization, dynamic recovery, dynamic recrystallization, grain growth, etc. Is widely known. An example is given on pages 198 to 229 of the plastic working technology series 7 plate rolling (Corona).
  • the above process model, transfer model, temperature model, and material model are represented by the same function as the model formula (first model formula) inherent in the setting computer 23 used in the actual operation of hot rolling.
  • model formula first model formula
  • the model formula (first model formula) of the setting computer 23 used for the actual operation and the database structure for managing the model parameters can be ported to the rolling simulation device 24. Therefore, the rolling simulation device 24 has a model formula (second model formula) similar to the first model formula.
  • the model formula is a function with input variables, machine constants, and adjustment terms as inputs, and is expressed by the following formula.
  • f Model expression that does not include learning term
  • Y Output of model expression that does not include learning term
  • X i Input variable m i related to model expression
  • f Machine constant
  • a j Adjustment term
  • the input variable is a physical quantity correlated with the model output.
  • the mechanical constant is a physical quantity representing mechanical characteristics such as a roll diameter of a rolling roll, a mill curve, and a spray flow rate.
  • the machine constant changes due to roll change, periodic repair, equipment replacement, aging, and the like. In actual operation, the machine constant is managed by a database table belonging to the setting computer 23 used for actual operation, and is corrected as needed in accordance with the above change.
  • the adjustment term is a term for improving the prediction accuracy of the model formula.
  • the adjustment term is a coefficient or a constant that is provided to reduce the model error and is allowed to be corrected.
  • the adjustment term belongs to the setting computer 23 used for actual operation for each stratification using a stratification table divided by factors that are likely to cause model errors, for example, steel type, target plate thickness, target plate width, target temperature, etc. Managed in the database.
  • the adjustment term is adjusted mainly when a new steel type is rolled or when a new process parameter combination is used, in addition to when the operation is started.
  • An engineer may make adjustments based on experience or numerical analysis results of actual operations, or in recent years, semi-automatic adjustments may also be made using statistical methods such as neural networks.
  • various sensors are installed everywhere on the rolling line 1 to monitor and collect actual values of parameters that affect process control, such as temperature, shape, thickness, width, and rolling load. These actual values are used for process control, accuracy improvement of the model formula (first model formula), and quality control. Compare the model predicted value of the setting calculation with the actual value acquired by various sensors, the actual value and the actual calculated value recalculated from the calculated value, and learn the model formula. A method for improving the used control accuracy is used. The learning term is multiplied or added to the model expression to fill in the error between the model output and the actual process output.
  • Each of the multiplication type and the addition type is expressed as follows.
  • Y L Prediction result of learned model expression
  • Y Output of model expression not including learning term
  • Z p Multiplicative learning term
  • Z A Additive learning term
  • the learning term is updated by obtaining the actual value of the parameter corresponding to the output of the model formula with a sensor or the like.
  • the learning term is updated as follows.
  • Z P ACT Multiplying learning term Y ACT calculated based on the actual value Y ACT : Actual value of parameter according to the model equation output Y: Model equation output not including the learning term Z P NEW : Multiplicative learning term Z P after update OLD : multiplication learning term before update ⁇ : smoothing gain
  • the learning term is automatically updated for each stratification using a stratification table divided by factors that are likely to cause model errors, such as steel grade, target plate thickness, target plate width, target temperature, and the like.
  • the microstructure prediction model for predicting changes in the microstructure of the rolled material and mechanical properties of the final product, the results of mechanical properties measurement tests such as tensile tests and structural observations performed on some product coils
  • the model is learned using the actual values of mechanical properties obtained in step (1).
  • Model parameters of the model formula (first model formula) used in the actual operation setting calculation that is, machine constants, adjustment terms, and learning terms are managed in a database belonging to the actual operation setting computer 23.
  • the model model (second model formula) of the process model, the transfer model, the temperature model, and the material model in which the virtual rolling line setting calculation unit 32 of the rolling simulation apparatus 24 in FIG. 8 is used is used for the actual operation of hot rolling.
  • a function having the same definition as the model formula (first model formula) inherent in the setting computer 23 is used.
  • the model parameter table group in which the parameters of the machine constant, the adjustment term, and the learning term are stored for each layer is managed by a database belonging to the virtual rolling line setting calculation unit 32.
  • the database table belonging to the virtual rolling line setting calculation unit 32 has the same structure as the table storing machine constants, adjustment terms, and learning terms in the database belonging to the setting computer 23 used for actual operation.
  • FIG. 9 is a diagram for explaining processing executed by the parameter update unit 33.
  • the parameter updating unit 33 updates the model parameter group of the second model formula based on the model parameter group of the first model formula when the model parameter group of the first model formula is updated. Details will be described below.
  • the model parameters of the model formula of the virtual rolling line setting calculation unit 32 that is, machine parameters, adjustment terms, and learning terms are parameters of the database belonging to the actual operation setting computer 23. Update based on parameters stored in tables.
  • simulation unlike actual process control of rolling operations, it is impossible to obtain actual values of loads, temperatures, dimensions, and actual values of mechanical properties of product coils obtained by sensors installed in various parts of the process. It is necessary to prevent the calculation by simulation and the load by reading and writing to the database from affecting the setting calculation of actual operation. Therefore, in the simulation, the setting computer 23 and its database used for actual operation are not used, and a computer and database dedicated to the simulation are used.
  • the machine constant, the adjustment term, and the learning term in the second model formula are not updated at the same timing as the first model formula of the setting computer 23 used for actual operation.
  • the parameter updating unit 33 does not affect the actual operation setting calculation, and the second model formula of the virtual rolling line setting calculation unit 32 of the simulation is ensured so as to ensure the same model accuracy as the actual operation setting calculation.
  • Model parameters that is, machine constants, adjustment terms, and learning terms are updated.
  • FIG. 10 is a block diagram showing the configuration of the parameter update unit 33.
  • the parameter update unit 33 includes an update timing designation unit 41, an update parameter selection unit 42, and a parameter copy unit 43.
  • the update timing designation unit 41 automatically designates the timing for updating the simulator parameters. For example, the timing at which the calculation is not executed by the setting computer 23 in the actual operation is designated.
  • the update parameter selection unit 42 selects a parameter to be updated. For example, from the model parameter group of the second model formula, a part of the model parameter group necessary for the model calculation using the simulation condition in the virtual rolling line setting calculation unit 32 is selected.
  • the parameter copy unit 43 stores only a part of the model parameter group selected by the update parameter selection unit 42 at the update timing obtained from the update timing specification unit 41 in the database belonging to the setting computer 23 for actual operation. Copy from the model parameter group of the first model formula.
  • the rolling line stops for example, a roll change period in which the line is stopped for several tens of minutes at a frequency of several hours, or a line is stopped for several hours to several tens of hours at a frequency of several days or weeks.
  • the update timing designating unit 41 inherent in the parameter updating unit 33 of the rolling simulation device 24 selects the roll change, regular repair, and facility update periods in the actual operation as the model parameter update timing of the rolling simulation device 24. For example, it does not affect the setting calculation of actual operation.
  • the model parameters (machine constants, adjustment terms, and learning terms) used in the actual operation setting calculation are updated at different timings. For example, among the mechanical constants, the initial roll diameter of the rolling roll is changed every time the roll is changed every several hours. Even with the machine constant, the mill curve, which is an indicator of the elongation of the rolling mill, is updated over a relatively long span of several months or years.
  • the flow rates of various sprays change over time, but the amount of change is gradual, and it is difficult to measure the flow rate if a flow meter is not installed in advance. Therefore, the flow rates of various sprays are not measured unless there are special circumstances, such as when a malfunction occurs or when equipment is updated.
  • the adjustment term is adjusted not only at the time of starting the operation, but mainly when rolling a new steel type or rolling with a combination of new process parameters. Of these, the learning term has the highest update frequency.
  • the learning term is managed for each rolling by a stratified table divided by factors that are likely to cause model errors, such as steel type, target plate thickness, target plate width, target temperature, etc.
  • the learning terms in the corresponding layer of the model formula are updated. If the model parameters used in the rolling simulation device 24 are updated at a frequency equivalent to the update frequency of the model parameters used in actual operation, the rolling in actual operation can be accurately simulated.
  • FIG. 11 is a diagram showing an update timing suitable for updating the model parameters used in the rolling simulation device 24 to the latest state.
  • the same value as the actual operation parameter is copied to each parameter used in the rolling simulation device 24.
  • the adjustment term and the learning term may be updated at a frequency that is higher than that at the time of regular repair or roll change, or at a different timing.
  • the automatic update of all parameters should be performed at the timing when the rolling operation is stopped.
  • the rolling simulation device 24 a simulation including the dimensions and alloy composition of the rolling material to be simulated given by the simulation condition setting unit 31, target product dimensions and materials, and parameters of the rolling operation process such as rolling reduction distribution and cooling pattern, etc. From the conditions, the model parameters necessary for the simulation to be executed are clear. Therefore, if the adjustment term and the learning term necessary for the simulation are updated to the latest state at the time of executing the simulation, it is possible to accurately simulate the rolling in the actual operation under the conditions.
  • FIG. 12 is a diagram showing one specific example of the process of updating the adjustment term and the learning term necessary for the simulation to the latest state when receiving the simulation execution command.
  • the steel type and the plate thickness classification of the virtual rolled material used for the simulation are identified from the alloy composition, the target plate thickness, etc. among the simulation conditions.
  • the database table group belonging to the actual operation setting computer 23 and the database table group belonging to the rolling simulation device 24 have the same table structure, and data can be copied between the databases.
  • the database includes an adjustment term table group, a learning term table group, and a machine constant table group.
  • the update parameter is notified to the update timing designation unit 41 and the parameter copy unit 43.
  • the update timing specifying unit 41 confirms that the update of the selected parameter does not affect the actual operation setting calculation. When there is no influence, the update timing is designated and notified to the parameter copy unit 43.
  • the parameter copy unit 43 copies the selected update parameter from the database belonging to the actual operation setting computer 23 to the database belonging to the rolling simulation device 24 at the designated update timing.
  • FIG. 13 is a flowchart of a processing routine for updating the parameters of each model inherent in the virtual rolling line setting calculation unit 32 to the same values as the latest parameters used in actual operation. This processing routine is repeatedly executed by the parameter update unit 33.
  • step S131 the parameter update unit 33 determines whether or not the rolling line 1 is under periodic repair. Specifically, the update timing designation unit 41 inquires of the controller 21 for control or the setting computer 23 whether the rolling line 1 is undergoing periodic repair. The update timing designation unit 41 determines whether or not the rolling line 1 is undergoing periodic repair based on the inquiry result. If it is under periodic repair, the process of step S132 is executed. If the regular repair is not in progress, the process of step S133 is executed.
  • step S132 the parameter update unit 33 selects all model parameters as update parameters.
  • the update parameter selection unit 42 selects all parameters at the time of periodic repair.
  • step S133 the parameter update unit 33 determines whether or not a roll change has been performed. Specifically, the update timing designation unit 41 inquires of the controller 21 for control or the setting computer 23 whether or not the operation mode of the rolling line 1 is the roll change mode. The update timing designation unit 41 determines whether or not the roll change mode is set based on the inquiry result. If it is the roll change mode, the process of step S134 is executed. If it is not the roll change mode, the process of step S135 is executed.
  • step S134 the parameter update unit 33 selects machine constants related to the roll and all learning terms as update parameters. Specifically, the update parameter selection unit 42 selects machine constants related to the roll and all learning terms as model parameters to be updated.
  • step S135 the parameter update unit 33 determines whether a simulation execution command has been issued. Specifically, the update timing command unit 41 of the parameter update unit 33 inquires of the simulation condition setting unit 31 whether the simulation condition is input and a simulation execution command is issued. The parameter update unit 33 determines whether or not a simulation execution command has been issued based on the inquiry result. If a simulation execution command is given, the process of step S136 is executed.
  • step S136 the parameter update unit 33 selects a learning term and an adjustment term related to the simulation condition as an update parameter before executing the simulation calculation.
  • the update parameter selection unit 42 selects learning terms and adjustment terms related to simulation conditions as model parameters to be updated.
  • step S137 the update timing specification unit 41 of the parameter update unit 33 determines whether or not the update of the parameter selected by the update parameter selection unit 42 does not affect the actual operation setting calculation. Specifically, the update timing designating unit 41 calculates the load applied to the setting computer 23 when acquiring the parameter selected by the update parameter selecting unit 42 from the setting computer 23 for actual operation. In addition, the update timing designation unit 41 confirms the load status of the setting computer 23. Based on these, the update timing designating unit 41 confirms that even if a load due to parameter acquisition occurs, it does not affect the actual operation setting calculation. If it is determined that the parameter update does not affect the actual operation setting calculation, the process of step S139 is executed. If it is determined that the parameter update affects the actual operation setting calculation, the process of step S138 is executed.
  • step S138 it is determined whether the number of executions of the determination process in step S137 is less than the upper limit number. If the determination condition is satisfied, the process of step S137 is re-executed after the specified time has elapsed. If the determination condition is not satisfied, the process of this routine is terminated.
  • step S139 the parameter copy unit 43 updates the model parameter selected by the update parameter selection unit 42 to the same value as the latest parameter used in the setting computer 23 for actual operation.
  • FIG. 14 is a flowchart showing one procedure for examining the alloy composition and manufacturing conditions using the rolling simulation device 24.
  • step S141 the parameter update unit 33 updates all model parameters at the time of periodic repair.
  • the processing in step S141 is the same as the processing in steps S131 and S132 in FIG.
  • step S142 the parameter update unit 33 updates the machine constant and all learning terms related to the roll.
  • the processing in step S142 is the same as the processing in steps S133 and S134 of FIG. 13 described above.
  • step S143 the user inputs simulation conditions using the input / output device of the rolling simulation device 24.
  • the user can obtain initial slab information (dimensions, alloy composition) of virtual metal used for the simulation, various target values (heating furnace extraction target temperature, finishing input target temperature, finishing output target temperature, winding target temperature). , Rough rolling delivery target plate thickness, rough rolling delivery target plate width, target plate width, target plate thickness, target crown ratio, target flatness, etc.) and more detailed conditions (for example, heating furnace slab temperature rising pattern, Enter the roughing-side target temperature, the rolling amount and rolling rate distribution of each pass, the plate feed speed and acceleration rate, the cooling pattern at the run-out table, various spray settings, finish rolling bender, work roll shift, etc., as necessary. .
  • the input simulation condition is set in the simulation condition setting unit 31.
  • step S144 the parameter updating unit 33 updates the learning terms and adjustment terms related to the simulation conditions before executing the simulation calculation.
  • the update parameter selection unit 42 selects learning terms and adjustment terms related to simulation conditions as model parameters to be updated.
  • the parameter copy unit 43 updates the selected model parameter to the same value as the latest parameter used for actual operation.
  • step S145 the virtual rolling line setting calculation unit 32 sets the set value of each process and the size and position of the metal material at each time when the virtual metal material is rolled on the virtual rolling line based on the set simulation conditions.
  • the temperature is calculated using a process model, a transfer model, and a temperature model.
  • the virtual rolling line setting calculation unit 32 predicts the final product material using the material model as input values of the processing history and temperature history information of the given virtual metal.
  • the metal structure change during virtual rolling of the virtual metal is predicted using the metal structure prediction model.
  • the material such as the mechanical properties such as yield stress and tensile strength is predicted using the finally calculated structure and alloy composition of the virtual metal product as input values.
  • step S146 the user confirms the quality of the virtual metal product based on the calculation result in step S145.
  • step S147 the user confirms the setting value of each process.
  • step S148 the simulation conditions are changed as necessary, and the processes in steps S144 to S147 are repeated.
  • step S149 the user considers application of the simulation result to actual operation.
  • an accurate simulation simulating actual operation rolling can be performed without affecting actual operation rolling.
  • the simulation conditions are changed, the above simulation is repeatedly performed, and the results are analyzed to obtain guidelines for improving the heating, rolling and cooling conditions and slab alloy composition in actual operation.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mechanical Engineering (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Control Of Metal Rolling (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Feedback Control In General (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

　この発明は、精度の高い圧延シミュレーションを実現できる圧延シミュレーション装置を提供することを目的としている。圧延ラインと設定計算機とを備えた圧延システムに接続される圧延シミュレーション装置を備える。圧延シミュレーション装置は、圧延ラインで仮想金属材料を加熱し圧延し冷却し搬送する仮想操業における製品品質や操業条件に関するシミュレーション条件を設定するシミュレーション条件設定部を有する。また、設定計算機が有する第１モデル式と同様の第２モデル式を用いて、シミュレーション条件を達成するように、圧延ラインに設けられたアクチュエータ群の制御目標値と仮想金属材料の状態予測値を算出する仮想圧延ライン設定計算部を有する。さらに、第１モデル式のモデルパラメータ群が更新された場合に、第１モデル式のモデルパラメータ群に基づいて、第２モデル式のモデルパラメータ群を更新するパラメータ更新部を備える。

Description

圧延シミュレーション装置
　本発明は、金属製品を製造する圧延ラインおよび圧延操業を模擬し、金属材料の寸法や合金組成、加熱、圧延、冷却の目標値およびプロセスを変更した場合の、操業安定性、プロセス中間材質、製品品質を予測する、圧延シミュレーション装置に関するものである。
　鋼を始めとする金属材料において、機械的特性（強度、成形性、靭性等）、電磁的特性（透磁率等）などの材質は、その合金組成、加熱条件、加工条件、および、冷却条件によって変化する。合金組成は、成分元素の添加量を制御することで調整するが、成分調整時には例えば１００トン前後の溶鋼を保持できる成分調整炉を用いるなど、１つのロット単位が大きい。そのため、１５トン前後になる個々の製品ごとに添加量を変更することは不可能である。したがって、所望の材質の製品を製造するためには、加熱条件、加工条件、および、冷却条件を適正にし、材質を造り込むことが重要である。さらに、これらのプロセス条件は、材質のみならず製品寸法や形状などの製品品質や、安定した操業の実現にも重要である。
　熱間圧延プロセスにおいては、製品品質や操業条件に関するプロセス条件である様々なプロセスパラメータの目標値を変更することにより、製品を作り分けている。プロセスパラメータには、例えば、仕上入側温度、仕上出側温度、巻取温度などに代表される圧延ライン上の各ポイントにおける目標温度や、各パスの板厚スケジュールや、圧延機に備えられているデスケーラのパス毎の使用要否や、連続圧延機のスタンド間に配置されたインタースタンドクーリングの使用要否および使用初期流量や、仕上圧延機で用いる潤滑油量や、ランアウトテーブルで用いる冷却パターンなどがある。
　目標の製品品質を達成するように、つまり、上記の各種プロセスパラメータの目標値を達成するように、設定計算機によるプロセス制御がなされる。
　設定計算機は、加熱、圧延、冷却、搬送などの各プロセスの物理現象を表現したモデル式を用い、上記の各種プロセスパラメータの目標値を達成するように、設定計算を行う。設定計算では、各種アクチュエータの制御目標値の計算と、プロセスの各段階における圧延材（金属材料）の状態の予測計算とを繰り返し行う。
　設定計算で使用される、圧延荷重、変形抵抗、ロールギャップ、温度、粒径などの物理量を計算するモデル式は、入力変数、機械定数、調整項、学習項を入力とした関数で表される。
　特許文献１や特許文献２には、設定計算機が、モデル予測値と、圧延ラインに設けられたセンサから得られた温度、形状、板厚、板幅、圧延荷重などの実績値とを比較して、モデル式の学習項を、予め自動的に学習し、モデル式の精度およびそれを用いた制御精度を向上させる方法が開示されている。
　また、特許文献３には、圧延材のミクロ組織の変化および最終製品の機械的性質を予測する材質予測モデルについて、一部の製品コイルに対して実施される引張試験や組織観察など機械的性質の測定試験結果で得られる機械的性質の実績値を用いてモデル学習する方法が提案されている。一般に、モデルパラメータ（機械定数、調整項、学習項）は、モデル誤差の生じやすい因子、例えば、鋼種、目標板厚、目標板幅、目標温度などで区分された層別テーブルを用いて、設定計算機に属するデータベース内で管理される。
　尚、出願人は、本発明に関連するものとして、上記の文献を含めて、以下に記載する文献を認識している。
日本特許第４１１９６８４号公報 日本特許第４４０２５０２号公報 日本特開２０１０－１７２９６２号公報 日本特開２００１－２５８０５号公報
塑性加工技術シリーズ７板圧延（コロナ社）198～229頁 第１７３、１７４回西山記念技術講座「熱延鋼材の組織変化および材質の予測」（（社）日本鉄鋼協会刊）125頁
　従来、圧延操業のプロセスパラメータは、製品仕様毎に長年に亘る経験に基づいて決められ、これを達成するように、温度制御および寸法制御を行う方法が一般的であった。ところが、近年、製品仕様への要求の高度化、多様化が著しく、経験に基づく方法ではこれら目標値を必ずしも適正に決めることができず、所望の寸法や機械的性質といった目標の最終品質を達成できない場合がある。また、プロセスパラメータの目標値を、既存の設備で達成できるかの判断が難しい場合がある。
　このため、ある合金組成およびプロセスパラメータの下で製造された製品が所望の製品品質を得るかを事前検討するために、加熱、加工、および、冷却の各製造工程をモデル化したプロセスモデルを用いて、製造工程をオフラインでシミュレーションする装置が提案されている（例えば特許文献４）。シミュレーション装置は、時々刻々の金属材料の寸法、温度、製造ライン上の位置などの状態を予測し、金属材料の合金組成の情報および製造工程のシミュレーションから得られた加工履歴および温度履歴の情報を入力値とし、ミクロ組織予測モデルによって時々刻々の圧延材のミクロ組織の変化および最終製品の機械的性質を予測する。また、シミュレーション装置は、所望の品質を得るような合金組成およびプロセスパラメータの目標値を見出すためにも用いられる。
　シミュレーションでは、実操業の設定計算で用いられるモデルと同じモデル、簡易化したモデル、あるいは、一部をより物理現象に忠実にモデル化した高精度なモデルなどが使われる。シミュレーションには、実操業に用いられる設定計算機や、上記プロセスパラメータやモデルパラメータが管理されるデータベースは用いられず、シミュレーション専用の計算機およびデータベースが別途用意される。実際の圧延操業を模擬する用途でシミュレーションし、実操業の設定計算で用いられるモデル式と同じ関数を用いる場合であっても同様である。これは、シミュレーションのための、計算やデータベースへの読み書きによる負荷が、実操業に影響を及ぼすことがあってはならないからである。
　実操業では、１本の圧延材に対して、加熱炉在炉中は設定計算の試計算、加熱炉抽出時は設定計算、抽出後は圧延中に随時収集された実績値に基づき、数回から数十回の設定計算が繰り返し実行される。使用されるパラメータ、収集される実績値、設定計算の出力は、膨大でかつデータのやり取りが頻繁なため、データベースへの読み書きの負荷が大きい。さらに、当該圧延材前後の数本の圧延材に対しても、同様の設定計算やデータベースへの読み書きが行われる。計算負荷の急激な増加や、データベースに対する高頻度の読み書きによって、実操業の設定計算に問題が生じると、圧延操業を停止せざるを得ず、大きな損失になる。実操業の設定計算では、その設備の圧延ピッチや収集データ点数などに基づき、計算タイミングやデータベースへのアクセス方法やタイミングが綿密に設計されている。
　ところで、シミュレーションの場合、模擬されたプロセスをオフラインで計算するため、実際の圧延操業のプロセス制御と異なり、プロセスの各所に設置したセンサで得られる荷重や温度、寸法の実績値や製品コイルの機械的性質の実績値を得られない。よって、シミュレーションと同条件で実際の圧延を行った場合に、プロセスパラメータの目標値、ひいては、目標の製品品質が達成されるかは、シミュレーションからは完全には確認できない。また、実績値に基づいた圧延中のフィードフォワード、フィードバック、ダイナミックなどの各種制御は実施されないため、モデル予測誤差が生じた場合は、それが蓄積され、プロセスの後段ほど、プロセスパラメータの目標値と実績値との差が大きくなり、製品品質が正しく予測されない。よって、シミュレーションで使用されるプロセスのモデル式の精度（特に、モデルパラメータの精度）そのものが、シミュレーションの精度、つまり、実際の圧延操業をどの程度模擬できるかに、顕著に関わる。
　しかしながら、製造ラインおよび金属材料はシミュレータ上のモデルで模擬されたものであり、また、実操業の設定計算とは、計算機やそれに属するデータベースを共有していないため、モデル式内の調整項や学習項、各アクチュエータの機械特性を表す機械定数が更新されない。特許文献４では、設備更新がされた場合でも実機圧延ラインを模擬できるように、設備に係るモデルパラメータを容易に修正できる工夫がされている。しかし、モデルの学習項、調整項は、パラメータの種類が膨大で、なおかつ、圧延毎や調整毎のように頻繁に更新されるため、変更のたびにパラメータを適宜修正することは難しい。その場合、実操業の制御や予測に用いる計算機に内在するモデルとは異なり、実圧延プロセスを精度よく模擬できないため、シミュレーションで用いた合金組成やプロセスパラメータを実操業に適用しても、期待した製品品質が得られない問題があった。
　この発明は、上述の課題を解決するためになされたもので、実操業の設定計算機とは異なる計算機上で、実操業の圧延ラインを用いた仮想金属材料の圧延過程を精度高くシミュレーションできる圧延シミュレーション装置を提供することを目的としている。
　第１の発明は、上記の目的を達成するため、金属材料を加熱し圧延し冷却し搬送するアクチュエータ群および前記アクチュエータ群の制御実績値および前記金属材料の状態実績値を検出するセンサ群を有する圧延ラインと、前記アクチュエータ群の制御目標値や前記金属材料の状態予測値を算出する設定計算機とを備えた圧延システムに接続される圧延シミュレーション装置であって、
　前記設定計算機は、
　前記圧延ラインにおける加熱、圧延、冷却、搬送の各プロセスの物理現象を表現したモデル式であって入力変数とモデルパラメータ群とを入力とする関数で表される第１モデル式を有し、
　前記第１モデル式を用いて、実操業における製品品質や操業条件に関するプロセス条件を達成するように、前記アクチュエータ群の制御目標値と前記金属材料の状態予測値を算出し、
　前記制御目標値および前記状態予測値と、前記センサ群が検出した前記制御実績値および前記状態実績値とを比較した比較値に基づいて、前記第１モデル式の前記モデルパラメータ群を随時更新し、
　前記圧延シミュレーション装置は、
　前記圧延ラインで仮想金属材料を加熱し圧延し冷却し搬送する仮想操業における製品品質や操業条件に関するシミュレーション条件を設定するシミュレーション条件設定部と、
　前記第１モデル式と同様の第２モデル式を有し、前記第２モデル式を用いて、前記シミュレーション条件を達成するように、前記アクチュエータ群の制御目標値と前記仮想金属材料の状態予測値を算出する仮想圧延ライン設定計算部と、
　前記第１モデル式の前記モデルパラメータ群が更新された場合に、前記第１モデル式の前記モデルパラメータ群に基づいて、前記第２モデル式の前記モデルパラメータ群を更新するパラメータ更新部と、を備えることを特徴とする。
　また、第２の発明は、第１の発明において、
　前記パラメータ更新部は、
　実操業において前記設定計算機で計算が実行されないタイミングを指定する更新タイミング指定部と、
　前記タイミングにおいて、前記第１モデル式の前記モデルパラメータ群を、前記第２モデル式の前記モデルパラメータ群にコピーするパラメータコピー部と、を備えることを特徴とする。
　また、第３の発明は、第１の発明において、
　前記パラメータ更新部は、
　前記第２モデル式の前記モデルパラメータ群のうち、前記仮想圧延ライン設定計算部における前記シミュレーション条件を用いたモデル計算に必要な一部のモデルパラメータ群を選択する更新パラメータ選択部と、
　前記更新パラメータ選択部により選択された前記一部のモデルパラメータ群についてのみ、前記第１モデル式の前記モデルパラメータ群からコピーするパラメータコピー部と、を備えることを特徴とする。
　第１の発明によれば、第１モデル式のモデルパラメータ群が更新された場合に、第１モデル式のモデルパラメータ群に基づいて、第２モデル式のモデルパラメータ群を更新する。これにより、圧延シミュレーション装置のモデルパラメータを、実操業の設定計算機における最新のデータに更新できる。このため、第１の発明によれば、実操業の設定計算機とは異なる計算機上で、実操業の圧延ラインを用いた仮想金属材料の圧延過程を精度の高くシミュレーションできる。
　第２又は第３の発明によれば、実操業の設定計算機における計算に与える負荷増大を抑制しつつ、圧延シミュレーション装置のモデルパラメータを、実操業の設定計算機における最新のデータに更新できる。
本発明の実施の形態１における熱間薄板圧延ラインの一例を示す図。 本発明の実施の形態１における圧延システムを示すブロック図。 本発明の実施の形態１における圧延シミュレーション装置２４の機能を示すブロック図である。 仮想金属材料の化学成分を入力する入力画面である。 加熱炉１１内でのスラブ昇温パターンの一例を示す図である。 ランアウトテーブル１７での冷却パターンを説明するための図である。 ランアウトテーブル１７での冷却パターンを説明するための図である。 仮想圧延ライン設定計算部３２が有するモデル群とモデルパラメータテーブル群とを示す図である。 パラメータ更新部３３が実行する処理について説明するための図である。 パラメータ更新部３３の構成を示すブロック図である。 圧延シミュレーション装置２４で用いられるモデルパラメータを最新の状態に更新するのに好適な更新タイミングを示す図である。 シミュレーション実行指令を受けた場合に、シミュレーションに必要な調整項および学習項を最新の状態に更新する処理の１つの具体例を示す図である。 仮想圧延ライン設定計算部３２に内在される各モデルのパラメータを、実操業で用いられる最新のパラメータと同じ値に更新する処理ルーチンのフローチャートである。 圧延シミュレーション装置２４を用いて、合金組成および製造条件を検討する１つの手順を示すフローチャートである。
　以下、図面を参照して本発明の実施の形態について詳細に説明する。尚、各図において共通する要素には、同一の符号を付して重複する説明を省略する。
実施の形態１．
［実施の形態１のシステム構成］
（圧延ライン）
　図１は、本発明の実施の形態１における熱間薄板圧延ラインの一例を示す図である。以後の説明の対象は、図１に示した熱間薄板圧延ラインを模擬したシミュレータとする。なお、本シミュレータは、他の圧延ラインにも適用可能である。
　圧延ラインは、加熱装置、圧延機、冷却装置、巻取装置、これらを結ぶ搬送テーブルを備える。これらの装置は、電動機や油圧装置などのアクチュエータにより駆動される。具体的には、図１に示す圧延ライン１は、搬送テーブル１０の上流側から順に、加熱炉１１、粗圧延機１２、バーヒータ１３、仕上圧延機入側温度計１４、仕上圧延機１５、仕上圧延機出側温度計１６、ランアウトテーブル１７、巻き取り機入側温度計１８、巻き取り機１９を備える。
　加熱炉１１は、スラブを加熱するための炉である。加熱炉１１は、所望のスラブ昇温パターン、加熱炉抽出温度を得るように制御される。粗圧延機１２は、単数または複数のスタンドからなり、図１に示す例では、１つのスタンドからなる可逆式粗圧延機である。バーヒータ１３は、圧延製品（スラブから製品として完成するまでの途中の状態も含む、以下同様）の温度を制御するために、電磁誘導加熱等により、圧延製品を昇温する装置である。仕上圧延機１５は、単数または複数のスタンドからなり、図１に示す例では、７つのスタンドからなるタンデム式仕上圧延機である。ランアウトテーブル１７は、圧延製品の温度を制御するために、冷却水により圧延製品を冷却する冷却装置である。なお、圧延ライン１は、冷却装置として冷却テーブル、強制冷却装置などを備えてもよい。巻き取り機１９は、圧延製品を巻き取り、搬送容易な形状にするための装置である。搬送テーブル１０は、各工程における圧延製品を次の工程に搬送するための装置である。これらの装置は電動機や油圧装置などのアクチュエータにより駆動される。
　図２は、本発明の実施の形態１における圧延システムを示すブロック図である。図２に示す圧延システム２０は、レベル０からレベル３までの階層構造を有する。レベル０は、圧延ライン１の各装置を駆動する電動機を制御するドライブ制御装置や、圧延ライン１の各装置を駆動する油圧装置から構成される。レベル１は、制御用コントローラ２１から構成される。レベル２は、設定計算機２３から構成される。なお、設定計算機２３に代えてプロセスコントローラを用いる構成としてもよい。レベル３は、生産管理用の上位計算機２５から構成される。圧延シミュレーション装置２４は、実操業の圧延には影響しないが、パラメータ更新のために、設定計算機２３と接続される。
（設定計算機）
　実操業の熱間圧延プロセスにおいては、製品品質や操業条件に関するプロセス条件、すなわち、上述した各種プロセスパラメータの目標値を変更することにより製品を作り分けている。目標の製品品質を達成するように、つまり、上記の各種プロセスパラメータの目標値を達成するように、設定計算機２３によるプロセス制御がなされる。
　プロセスパラメータの目標値は、レベル２の設定計算機２３の上位にあるレベル３の上位計算機２５から指定される場合がある。そのほか、プロセスパラメータの目標値は、設定計算機２３に属するデータベースにテーブルを持ち、鋼種、板厚、板幅などをキーとして指定される場合がある。また、プロセスパラメータの目標値は、オペレータによって圧延中に変更される場合がある。
　設定計算機２３は、圧延ライン１における加熱、圧延、冷却、搬送などの各プロセスの物理現象を表現したモデル式（以下、設定計算機２３が有するモデル式を「第１モデル式」とも記す。）を有する。設定計算機２３は、第１モデル式を用いて、実操業において上記の各種プロセスパラメータの目標値（プロセス条件）を達成するように、設定計算を行う。設定計算では、各種アクチュエータの制御目標値の算出と、プロセスの各段階における圧延材の状態（金属材料の状態予測値）の算出とを、繰り返し行う。
　アクチュエータの制御目標値とは、圧延機のロールギャップや、圧延速度、搬送速度、デスケーラや各種スプレーの流量、ランアウトテーブルのバルブのＯＮ／ＯＦＦなどである。プロセスの各段階における圧延材の状態（金属材料の状態予測値）とは、寸法や形状、温度、ミクロ組織などである。
　制御用コントローラ２１は、設定計算機２３から設定計算結果を受け取り、制御目標値に追従するように、各種アクチュエータを制御する。実操業の熱間圧延プロセスでは、圧延ラインの随所に各種センサが設置され、温度、形状、板厚、板幅、圧延荷重など、プロセス制御に影響を及ぼすパラメータの実績値を監視、収集する。
　これらの実績値は、プロセス制御やモデル式（第１モデル式）の精度向上、品質管理に用いられる。プロセスパラメータの目標値と、各種センサで取得した実績値や、実績値と計算値から再計算された実績計算値とを比較し、プロセスパラメータの目標値が達成されていない場合、再度設定計算する。その結果に基づいて、フィードフォワード制御や、フィードバック制御や、ダイナミック制御などの各種制御がなされる。
　設定計算で使用される、圧延荷重、変形抵抗、ロールギャップ、温度、粒径などの物理量を計算するモデル式（第１モデル式）は、入力変数、モデルパラメータ群（機械定数、調整項、学習項）を入力とした関数で表される。入力変数は、モデル出力に相関のある物理量である。たとえば、モデル出力が圧延荷重の場合、変形抵抗、圧延材の幅、圧下量などが入力変数にあたる。機械定数は、圧延ロールのロール径、ミルカーブ、スプレー流量など、アクチュエータの機械特性を表す物理量である。機械定数は、ロール替えや設備の修繕や調整、経年変化によって変化するため、随時更新される。調整項や学習項は、モデル式の予測精度を高めるための項である。
　プロセスのモデル式が、どんなによく物理現象を模擬する場合でも、現実には、モデル予測誤差が生じる。よって、エンジニアがモデル式内の各項にかかる係数や定数を微調整し、モデル式の予測精度を高めている。調整項は、モデル式内の各項の係数や定数であり、モデル誤差の生じやすい因子、例えば、鋼種、目標板厚、目標板幅、目標温度などで区分された層別テーブルを用いて、層別毎に設定計算機２３に属するデータベース内で管理される。調整項は、操業立ち上げ時の他は、主に、新しい鋼種の圧延時や、新しいプロセスパラメータの組み合わせで圧延される場合に調整される。調整項は、エンジニアが経験や数値解析結果に基づいて調整される場合や、近年では、ニューラルネットなどの統計的手法を用いて半自動調整される場合がある。学習項は、モデル出力と、実際のプロセスの出力との誤差を埋めるために、モデル式に対して乗算および加算される項である。
（圧延シミュレーション装置）
　図３は、本発明の実施の形態１における圧延シミュレーション装置２４の機能を示すブロック図である。圧延シミュレーション装置２４は、図１に示した熱間薄板圧延ラインにおける各プロセスを模擬し、金属材料の寸法や合金組成、加熱、圧延、冷却の目標値およびプロセスを変更した場合の、操業安定性、プロセス途中の圧延材の状態、製品品質を予測する。圧延シミュレーション装置２４は、シミュレーション条件設定部３１と、仮想圧延ライン設定計算部３２と、パラメータ更新部３３とを備える。また、圧延シミュレーション装置２４は、演算処理装置、記憶装置、入出力装置を備える計算機である。記憶装置は、上記各部の処理内容を記述したプログラムを記憶している。上記各部は、記憶装置からロードされたプログラムが演算処理装置に実行されることで実現される。
（（シミュレーション条件設定部））
　シミュレーション条件設定部３１は、圧延ライン１で仮想金属材料を加熱し圧延し冷却し搬送する仮想操業における製品品質や操業条件に関するシミュレーション条件を設定する。以下、詳細に説明する。
　シミュレーション条件設定部３１は、圧延操業プロセスのパラメータをシミュレーション条件として圧延シミュレーション装置２４に設定する。ここで、圧延操業プロセスのパラメータは、例えば、実操業では上位計算機２５から与えられる圧延材の合金組成と寸法、目標板厚、目標板幅、加熱炉内でのスラブ昇温パターン、加熱炉出側温度、仕上出側目標温度、仕上入側目標温度、冷却パターン、巻取目標温度などである。また、圧延操業プロセスのパラメータは、例えば、実操業では設定計算機２３に予め鋼種毎や目標板厚区分毎に設定された、もしくは、オペレータによってＨＭＩから与えられる、各パスの圧下量や圧下率配分、通板速度や加速率などである。
　各シミュレーション条件は、実操業の上位計算機２５や設定計算機２３などに保存されている実操業で圧延した、もしくは、圧延予定の金属材料の操業条件を、通信ＬＡＮや記憶媒体などを介してコピーして使うことができる。そのほか、手入力で全てもしくは一部の条件を設定することが可能である。また、過去に圧延シミュレーション装置で使用したシミュレーション条件の再利用や、一部を変更しての利用が可能である。
　図４は、仮想金属製品（仮想金属材料）の化学成分を入力するための入力画面である。実際の操業では、１つのロット単位が大きく、１５トン前後になるため、製品ごとに合金成分の添加量を変更することは不可能である。そこで、シミュレーション条件設定部３１では、合金組成を変更した場合の製品品質の変化を容易に計算できるように、仮想金属製品ひとつひとつに、例えば図４のように各化学成分の含有量（ｗｔ%）を入力して設定する。実操業で圧延された金属製品の合金組成や過去のシミュレーションで使用した合金組成を参考値として呼び出し、その一部を変更してシミュレーションすることも可能である。
　図５は、加熱炉１１内でのスラブ昇温パターンの一例を示す図である。加熱炉１１内でのスラブ昇温パターンや加熱炉抽出温度も、製品材質および品質に影響を及ぼす。例えばスラブが十分加熱されない場合は、マイクロアロイの固溶量が十分得られず、固溶マイクロアロイによるSolute drag効果が減少することや、抽出後、圧延中および冷却中の析出量が減少し、析出物によるpinning効果が減少することが懸念される。さらに、低温の圧延材を圧延することは、硬い材料を圧延することになるので、圧延機での圧延荷重増加による圧延操業の不安定化や、圧延用電動機の消費電力増加が懸念される。シミュレーション条件設定部３１は、図５のように加熱炉１１内でのスラブ昇温パターンを設定する。温度パターンが品質に影響を及ぼさない場合や簡易な計算をしたい場合には、加熱炉抽出温度の目標値のみが設定される。
　実操業では、圧延中の圧延材の温度を管理するために、仕上出側目標温度、仕上入側目標温度、巻取目標温度などのプロセスパラメータの目標値が、上位計算機２５もしくはＨＭＩを介してオペレータから与えられ、その目標値を追従するように、圧延速度、圧延ライン途中の加熱装置の昇温パターン、各種スプレー、ランアウトテーブル１７での冷却パターンが制御される。冷却パターンについては、上位計算機２５から指定される場合もある。シミュレーション条件設定部３１では、圧延中の温度履歴を変化させた場合の、製品品質や圧延操業への影響をシミュレーションによって確認できるように、シミュレーション条件として、仕上出側目標温度、仕上入側目標温度、巻取目標温度、ランアウトテーブル１７での冷却パターンを設定する。図６と図７は、ランアウトテーブル１７での冷却パターンの設定例を説明するための図である。ランアウトテーブル１７での冷却パターンには、図６に示す上流側冷却設備を優先使用する前段冷却、下流側冷却設備を優先使用する後段冷却、すべての冷却設備を使用する緩冷却、の３パターンのいずれかを選択し、さらに水冷却するゾーンの冷却速度や、空冷却する時間を目標値として設定する方法がある。また、ランアウトテーブル１７での冷却パターンには、図７に示す冷却設備の上流側および下流側で水冷冷却し、中流では空冷却するパターンを選択し、例えば上流側の水冷却速度と、空冷時間と、ランアウトテーブル中間点での温度を目標値として設定する方法がある。
　実操業で用いる設定計算機２３では、安定した圧延や通板のために、各パスの圧下量や圧下率配分、通板速度や加速率などのプロセスパラメータの目標値を、予め鋼種毎や目標板厚区分毎にデータベースに記憶させておく。もしくは、オペレータがプロセスパラメータの目標値を入力する。一方、仮想操業で用いる圧延シミュレーション装置２４では、シミュレーション条件設定部３１は、各パスの圧下量や圧下率配分、通板速度や加速率などを変化させた場合の、製品品質や圧延操業への影響を簡単に計算できるように、シミュレーション条件を設定する。
（（仮想圧延ライン設定計算部））
　仮想圧延ライン設定計算部３２は、第１モデル式と同様のモデル式（第２モデル式と称する。）を有し、第２モデル式を用いて、シミュレーション条件を達成するように、アクチュエータ群の制御目標値や仮想金属材料の状態予測値とを算出する。以下、詳細に説明する。
　仮想圧延ライン設定計算部３２は、シミュレーション条件設定部３１で与えられる各目標値に追従するように、仮想圧延ラインで仮想金属材料を圧延するための各プロセスの設定値、および、時々刻々の金属材料の寸法、位置、温度を計算する。
　図８は、仮想圧延ライン設定計算部３２が有するモデル群とモデルパラメータテーブル群とを示す図である。仮想圧延ライン設定計算部３２は、モデル群としてプロセスモデル、搬送モデル、温度モデル、材質モデルを有する。プロセスモデルは、加熱装置、圧延装置、冷却装置などの各圧延プロセスの設定値を計算する。搬送モデルは、各時刻における仮想金属材料の位置を計算する。温度モデルは、各場所の各時刻における仮想金属材料の温度を計算する。材質モデルは、合金組成、加工履歴、温度に基づき、仮想圧延ライン上の各場所の各時刻における金属材料のミクロ組織および最終製品材質を予測する。また、仮想圧延ライン設定計算部３２は、上記の各モデルのパラメータを保存するモデルパラメータテーブル群を記憶するデータベース等の記憶装置を有し、各モデル式を連成計算する。
　プロセスモデルは、搬送モデルが与える各場所の各時刻における仮想金属材料の位置、および温度モデルが与える各場所の各時刻における仮想金属材料の温度の情報を用い、シミュレーション条件設定部３１が与える目標値を追従するような、加熱炉１１の設定温度パターン、圧延のパススケジュール、ロールギャップ、時々刻々の仮想金属材料の加工履歴、寸法および形状、圧延速度、各種スプレーのON/Off設定および流量設定、ランアウトテーブル１７の冷却設定を計算する。
　搬送モデルは、各プロセス間の距離やプロセスモデルが与えるパススケジュールを用いて、各場所の各時刻における仮想金属材料の位置を計算する。また、搬送モデルは、温度モデルが与える仮想金属材料の温度情報を用いて、各目標温度を追従するような搬送速度を計算する。
　温度モデルは、各プロセスにおける仮想金属材料の寸法情報、機械諸元の情報と、シミュレーション条件設定部３１やプロセスモデルから与えられるパススケジュール、ロールギャップ、圧延速度、搬送速度、圧延ライン途中の加熱装置への昇温パターンなどの指令値の情報などから、仮想圧延ライン上の各場所の各時刻における仮想金属材料の温度を計算する。
　材質モデルは、プロセスモデルが与える仮想金属の加工履歴および温度モデルが与える温度履歴の情報を用いて、圧延プロセス中および巻き取り後の仮想金属材料のミクロ組織を予測する。予測されるミクロ組織は、例えば、粒径、転位密度、オーステナイト、フェライト、パーライトなどの各組織の分率である。さらに、ミクロ組織予測結果を基に降伏応力や引張強さなどの機械的性質に関わるパラメータを計算する。冶金現象を数式化したミクロ組織予測モデルには、様々なものが提案されており、静的回復、静的再結晶、動的回復、動的再結晶、粒成長などを表す数式群からなるものが広く知られている。一例が、塑性加工技術シリーズ７板圧延（コロナ社）198～229頁に掲載されている。金属組織情報および合金組成から、降伏応力や引張強さなどの機械的性質に代表される材質を予測できることが広く知られている。一例が、第１７３、１７４回西山記念技術講座「熱延鋼材の組織変化および材質の予測」（（社）日本鉄鋼協会刊）の125頁に掲載されている。
　上記のプロセスモデル、搬送モデル、温度モデル、材質モデルは、熱間圧延の実操業に用いられる設定計算機２３に内在するモデル式（第１モデル式）と同じ関数で表される。例えば、近年では、仮想計算機環境（Virtual Machine）によって、計算機のアーキテクチャを全てコピーし、異なる計算機上に仮想的に実現する方法が広く使われている。これによれば、実操業に用いられる設定計算機２３のモデル式（第１モデル式）、およびそのモデルパラメータを管理するデータベース構造を、圧延シミュレーション装置２４に移植することができる。そのため、圧延シミュレーション装置２４は、第１モデル式と同様のモデル式（第２モデル式）を有する。モデル式は、入力変数、機械定数、調整項を入力とした関数で、以下の式で表される。
Figure JPOXMLDOC01-appb-I000001
ここで、
ｆ：学習項を含まないモデル式
Ｙ：学習項を含まないモデル式の出力
Ｘｉ：モデル式ｆに関わる入力変数
ｍｉ：機械定数
ａｊ：調整項
　入力変数は、モデル出力に相関のある物理量である。たとえば、モデル出力が圧延荷重の場合、変形抵抗、圧延材の幅、圧下量などが入力変数にあたる。機械定数は、圧延ロールのロール径、ミルカーブ、スプレー流量など、機械特性を表す物理量である。機械定数は、ロール替え、定期修理、設備更新、経年変化などによって変化する。実操業では、機械定数は、実操業に用いられる設定計算機２３に属するデータベースのテーブルで管理され、上記の変化に伴い、随時修正される。調整項は、モデル式の予測精度を高めるための項である。調整項は、モデル誤差縮小のために設けられ、補正が許されている係数や定数である。調整項は、モデル誤差の生じやすい因子、例えば、鋼種、目標板厚、目標板幅、目標温度などで区分された層別テーブルを用いて層別毎に実操業に用いられる設定計算機２３に属するデータベース内に管理される。調整項は、実操業においては、操業立ち上げ時の他は、主に、新しい鋼種の圧延時や、新しいプロセスパラメータの組み合わせで圧延される場合に調整される。エンジニアが経験や実操業の数値解析結果に基づいて調整する場合や、近年では、ニューラルネットなどの統計的手法も用いて、半自動調整される場合がある。
　実操業の熱間圧延プロセスでは、圧延ライン１の随所に各種センサを設置し、温度、形状、板厚、板幅、圧延荷重などプロセス制御に影響を及ぼすパラメータの実績値を監視、収集する。これらの実績値は、プロセス制御やモデル式（第１モデル式）の精度向上、品質管理に用いられる。設定計算のモデル予測値と、各種センサで取得した実績値や、実績値と計算値から再計算された実績計算値とを比較して、モデル式を学習させ、モデル式の精度とモデル式を用いた制御精度を向上させる方法が用いられている。学習項は、モデルの出力と、実際のプロセスの出力との誤差を埋めるために、モデル式に対して乗算または加算される。乗算型と加算型は、それぞれ、以下のように表される。
乗算型：
　ＹＬ＝Ｚｐ・Ｙ　　　　　（２）
加算型：
　ＹＬ＝Ｙ＋ＺＡ　　　　　（３）
ここで、
ＹＬ：学習されたモデル式の予測結果
Ｙ：学習項を含まないモデル式の出力
Ｚｐ：乗算型学習項
ＺＡ：加算型学習項
　学習項は、モデル式の出力にあたるパラメータの実績値を、センサ等で得て更新される。例えば、乗算型では、以下のように学習項が更新される。
Figure JPOXMLDOC01-appb-I000002
ここで、
ＺＰ ＡＣＴ：実績値に基づいて計算した乗算型学習項
ＹＡＣＴ：モデル式出力に準ずるパラメータの実績値
Ｙ：学習項を含まないモデル式出力
ＺＰ ＮＥＷ：更新後の乗算型学習項
ＺＰ ＯＬＤ：更新前の乗算型学習項
α：平滑化ゲイン
　学習項は、モデル誤差の生じやすい因子、例えば、鋼種、目標板厚、目標板幅、目標温度などで区分された層別テーブルを用いて層別毎に、自動的に更新される。圧延材のミクロ組織の変化および最終製品の機械的性質を予測するミクロ組織の材質予測モデルについては、一部の製品コイルに対して実施される引張試験や組織観察など機械的性質の測定試験結果で得られる機械的性質の実績値を用いてモデルを学習する。実操業の設定計算に用いられるモデル式（第１モデル式）のモデルパラメータ、つまり、機械定数、調整項、学習項は、実操業の設定計算機２３に属するデータベースで管理される。
　図８の圧延シミュレーション装置２４の仮想圧延ライン設定計算部３２が内在するプロセスモデル、搬送モデル、温度モデル、材質モデルのモデル式（第２モデル式）には、熱間圧延の実操業に用いられる設定計算機２３に内在するモデル式（第１モデル式）と同じ定義の関数が使用される。また、機械定数、調整項、学習項の各パラメータが層別に格納されるモデルパラメータテーブル群は、仮想圧延ライン設定計算部３２に属するデータベースで管理される。仮想圧延ライン設定計算部３２に属するデータベースのテーブルは、実操業に用いられる設定計算機２３に属するデータベース内の、機械定数、調整項、学習項を格納するテーブルと同じ構造を有する。
（（パラメータ更新部））
　図９は、パラメータ更新部３３が実行する処理について説明するための図である。パラメータ更新部３３は、第１モデル式のモデルパラメータ群が更新された場合に、第１モデル式のモデルパラメータ群に基づいて、第２モデル式のモデルパラメータ群を更新する。以下、詳細に説明する。
　パラメータ更新部３３では、図９に示すように、仮想圧延ライン設定計算部３２のモデル式のモデルパラメータ、すなわち、機械定数、調整項、学習項を、実操業の設定計算機２３に属するデータベースのパラメータテーブル群に格納されているパラメータに基づき更新する。シミュレーションでは、実際の圧延操業のプロセス制御と異なり、プロセスの各所に設置したセンサで得られる荷重や温度、寸法の実績値や製品コイルの機械的性質の実績値を得られない。シミュレーションによる計算やデータベースへの読み書きによる負荷が、実操業の設定計算に影響を及ぼさないようにする必要がある。そのため、シミュレーションでは、実操業に用いられる設定計算機２３やそのデータベースは用いられず、シミュレーション専用の計算機およびデータベースが用いられる。そのため、第２モデル式内の機械定数、調整項、学習項は、実操業に用いられる設定計算機２３の第１モデル式と同じタイミングでは、更新されない。パラメータ更新部３３は、実操業の設定計算に影響を及ぼさず、かつ、実操業の設定計算と同等のモデル精度が確保されるように、シミュレーションの仮想圧延ライン設定計算部３２の第２モデル式のモデルパラメータ、すなわち、機械定数、調整項、学習項を更新する。
　図１０は、パラメータ更新部３３の構成を示すブロック図である。パラメータ更新部３３は、図１０に示すように、更新タイミング指定部４１、更新パラメータ選択部４２、パラメータコピー部４３を備える。更新タイミング指定部４１は、シミュレータのパラメータを更新するタイミングを自動的に指定する。例えば、実操業において設定計算機２３で計算が実行されないタイミングを指定する。更新パラメータ選択部４２は、更新するパラメータを選択する。例えば、第２モデル式のモデルパラメータ群のうち、仮想圧延ライン設定計算部３２におけるシミュレーション条件を用いたモデル計算に必要な一部のモデルパラメータ群を選択する。パラメータコピー部４３は、更新タイミング指定部４１から得た更新タイミングで、更新パラメータ選択部４２で選択された一部のモデルパラメータ群についてのみ、実操業の設定計算機２３に属するデータベースに格納されている第１モデル式のモデルパラメータ群からコピーする。
　ところで、実操業の設定計算では、圧延操業中は、１本の圧延材に対して、加熱炉在炉中には設定計算の試計算が実行され、加熱炉抽出時にアクチュエータのセットアップのための設定計算が実行され、抽出後も実績値を収集しながらその値に基づき、数回から数十回の設定計算が繰り返し実行される。使用されるパラメータ、収集される実績値、設定計算の出力も膨大でかつ頻繁なため、データベースへの読み書きの負荷が大きい。さらに、当該圧延材前後の数本の圧延材に対しても同様の設定計算やデータベースへの読み書きが行われるため、その設備の圧延ピッチ、収集データ点数などに基づき、計算タイミングやデータベースへのアクセス方法やタイミングは綿密に設計され、管理されている。
　しかし、圧延ラインが停止する時間、例えば、数時間毎の頻度で数十分間ラインを停止させるロール替えの期間や、数日ないしは数週間毎の頻度で数時間から数十時間ラインを停止させる定期修理の期間は、設定計算機２３の計算負荷やデータベースへの読み書きがなくなる、もしくは、負荷や読み書きの頻度が著しく低下する。圧延シミュレーション装置２４のパラメータ更新部３３に内在する更新タイミング指定部４１によって、上記の実操業でのロール替え、定期修理、設備更新の期間を、圧延シミュレーション装置２４のモデルパラメータの更新タイミングとして選択すれば、実操業の設定計算に影響を与えない。
　実操業の設定計算に用いられるモデルパラメータ（機械定数、調整項、学習項）は、それぞれ更新されるタイミングが異なる。たとえば、機械定数のうち、圧延ロールの初期ロール径は、数時間おきのロール替え毎に変更される。機械定数でも、圧延機の伸びの指標となるミルカーブは、数ヶ月ないしは数年単位の比較的長期スパンで更新される。各種スプレーの流量は、経年変化するが、変化量が緩やかであり、また、流量計が予め設置されていない場合、流量を計測することは難しい。そのため、各種スプレーの流量は、不具合が生じた場合や設備を更新する場合など、特別な事情がない限り計測されない。調整項は、操業立ち上げ時の他は、主に、新しい鋼種の圧延時や、新しいプロセスパラメータの組み合わせで圧延される場合に調整される。学習項は、これらのうち、最も更新頻度が高い。学習項は、モデル誤差の生じやすい因子、例えば、鋼種、目標板厚、目標板幅、目標温度などで区分された層別テーブルで圧延毎に管理されており、圧延毎に、当該圧延に関わるモデル式の該当する層の学習項が更新される。実操業に用いられるモデルパラメータの更新頻度と同等の頻度で、圧延シミュレーション装置２４で用いられるモデルパラメータを更新すれば、実操業の圧延を精度よく模擬できる。
　図１１は、圧延シミュレーション装置２４で用いられるモデルパラメータを最新の状態に更新するのに好適な更新タイミングを示す図である。例えば、図１１に示すタイミングで、圧延シミュレーション装置２４で用いられる各パラメータに、実操業のパラメータと同じ値をコピーする。実操業においては、調整項や学習項は、それぞれ定期修理時およびロール替え時よりも高い頻度で、もしくは、異なるタイミングで更新される可能性がある。しかし、これらのパラメータの数は膨大であるため、全てのパラメータの自動更新は、実操業の圧延が停止しているタイミングにすべきである。一方、圧延シミュレーション装置２４では、シミュレーション条件設定部３１で与えるシミュレーション対象の圧延材の寸法や合金組成、目標製品寸法や材質や、圧下率配分や冷却パターンなどの圧延操業プロセスのパラメータなどを含むシミュレーション条件から、実行するシミュレーションに必要なモデルパラメータが明らかである。よって、シミュレーション実行時に、シミュレーションに必要な調整項および学習項を最新の状態に更新すれば、その条件での実操業の圧延を精度よく模擬できる。
　図１２は、シミュレーション実行指令を受けた場合に、シミュレーションに必要な調整項および学習項を最新の状態に更新する処理の１つの具体例を示す図である。まず、シミュレーション条件のうち合金組成、目標板厚などから、シミュレーションに用いる仮想圧延材の鋼種と板厚区分を識別する。図１２に示す例では、シミュレーション条件設定部３１は、シミュレーション条件として鋼種＝Ｃ、０．１≦板厚＜０．３を設定する。
　実操業の設定計算機２３に属するデータベースのテーブル群と、圧延シミュレーション装置２４に属するデータベースのテーブル群とは、同じテーブル構造を有し、データベース間でデータをコピーすることができる。データベースは、調整項のテーブル群、学習項のテーブル群、機械定数のテーブル群を有する。図１２に示す例では、更新パラメータ選択部４２は、双方のテーブル群から、鋼種＝Ｃ、かつ、０．１≦板厚＜０．３であるパラメータを更新パラメータとして選択する。更新パラメータは、更新タイミング指定部４１とパラメータコピー部４３に通知される。更新タイミング指定部４１は、選択されたパラメータの更新が、実操業の設定計算に影響しないことを確認する。影響しない場合には、更新タイミングを指定してパラメータコピー部４３に通知する。そして、パラメータコピー部４３は、指定された更新タイミングで、選択された更新パラメータを、実操業の設定計算機２３に属するデータベースから、圧延シミュレーション装置２４に属するデータベースにコピーする。
（フローチャート）
　図１３は、仮想圧延ライン設定計算部３２に内在される各モデルのパラメータを、実操業で用いられる最新のパラメータと同じ値に更新する処理ルーチンのフローチャートである。この処理ルーチンは、パラメータ更新部３３により繰り返し実行される。
　ステップＳ１３１において、パラメータ更新部３３は、圧延ライン１が定期修理中であるか否かを判定する。具体的には、更新タイミング指定部４１は、制御用コントローラ２１または設定計算機２３に、圧延ライン１が定期修理中であるかを問い合わせる。更新タイミング指定部４１は、問い合わせ結果に基づいて、圧延ライン１が定期修理中であるか否かを判定する。定期修理中である場合には、ステップＳ１３２の処理が実行される。定期修理中でない場合には、ステップＳ１３３の処理が実行される。
　ステップＳ１３２において、パラメータ更新部３３は、全てのモデルパラメータを更新パラメータとして選択する。定期修理時には、仮想圧延ライン設定計算部３２に内在される全てのパラメータを、実操業設定計算機２３で用いられている最新のパラメータと同じ値に更新することが好ましい。そのため、更新パラメータ選択部４２は、定期修理時には全パラメータを選択する。
　ステップＳ１３３において、パラメータ更新部３３は、ロール替えが行われた否かを判定する。具体的には、更新タイミング指定部４１は、制御用コントローラ２１または設定計算機２３に、圧延ライン１の運転モードがロールチェンジモードであるか否かを問い合わせる。更新タイミング指定部４１は、問い合わせ結果に基づいて、ロールチェンジモードであるか否かを判定する。ロールチェンジモードである場合には、ステップＳ１３４の処理が実行される。ロールチェンジモードでない場合には、ステップＳ１３５の処理が実行される。
　ステップＳ１３４において、パラメータ更新部３３は、ロールに関する機械定数および全ての学習項を更新パラメータとして選択する。具体的には、更新パラメータ選択部４２は、ロールに関する機械定数および全ての学習項を更新すべきモデルパラメータとして選択する。
　ステップＳ１３５において、パラメータ更新部３３は、シミュレーション実行指令がなされたか否かを判定する。具体的には、パラメータ更新部３３の更新タイミング指令部４１は、シミュレーション条件設定部３１に、シミュレーション条件が入力されてシミュレーション実行指令がなされたか否かを問い合わせる。パラメータ更新部３３は、問い合わせ結果に基づいて、シミュレーション実行指令がなされたか否かを判定する。シミュレーション実行指令がなされた場合には、ステップＳ１３６の処理が実行される。
　ステップＳ１３６において、パラメータ更新部３３は、シミュレーションの計算実行前に、シミュレーション条件に関わる学習項、調整項を更新パラメータとして選択する。具体的には、更新パラメータ選択部４２は、シミュレーション条件に関わる学習項、調整項を更新すべきモデルパラメータとして選択する。
　ステップＳ１３７において、パラメータ更新部３３の更新タイミング指定部４１は、更新パラメータ選択部４２が選択しているパラメータの更新が、実操業の設定計算に影響を与えないかを否かを判定する。具体的には、更新タイミング指定部４１は、更新パラメータ選択部４２が選択しているパラメータを実操業の設定計算機２３から取得する際に、設定計算機２３に与える負荷を計算する。また、更新タイミング指定部４１は、設定計算機２３の負荷状況を確認する。これらに基づいて、更新タイミング指定部４１は、パラメータ取得による負荷が生じても、実操業の設定計算に影響しないことを確認する。パラメータ更新が実操業の設定計算に影響を与えないと判断した場合には、ステップＳ１３９の処理が実行される。パラメータ更新が実操業の設定計算に影響を与えると判断した場合には、ステップＳ１３８の処理が実行される。
　ステップＳ１３８において、ステップＳ１３７の判定処理の実行回数が上限回数より少ないかを判定する。判定条件が成立する場合には、指定時間経過後に、ステップＳ１３７の処理が再実行される。判定条件が成立しない場合には、本ルーチンの処理は終了される。
　ステップＳ１３９において、パラメータコピー部４３は、更新パラメータ選択部４２によって選択されたモデルパラメータを、実操業の設定計算機２３で用いられている最新のパラメータと同じ値に更新する。
　図１４は、圧延シミュレーション装置２４を用いて、合金組成および製造条件を検討する１つの手順を示すフローチャートである。
　まず、ステップＳ１４１において、パラメータ更新部３３は、定期修理時に全てのモデルパラメータを更新する。ステップＳ１４１における処理は、上述した図１３のステップＳ１３１、ステップＳ１３２の処理と同様である。
　ステップＳ１４２において、パラメータ更新部３３は、ロールに関する機械定数および全ての学習項を更新する。ステップＳ１４２における処理は、上述した図１３のステップＳ１３３、ステップＳ１３４の処理と同様である。
　ステップＳ１４３において、ユーザは、圧延シミュレーション装置２４の入出力装置を用いて、シミュレーション条件を入力する。具体的には、ユーザは、シミュレーションに用いる仮想金属の初期スラブ情報（寸法、合金組成）、各種目標値（加熱炉抽出目標温度、仕上入側目標温度、仕上出側目標温度、巻取目標温度、粗圧延出側目標板厚、粗圧延出側目標板幅、目標板幅、目標板厚、目標クラウン比率、目標平坦度など）、加えてさらに詳細な条件（例えば加熱炉スラブ昇温パターン、粗出側目標温度、各パスの圧下量や圧下率配分、通板速度や加速率、ランアウトテーブルでの冷却パターン、各種スプレー設定、仕上圧延ベンダーおよびワークロールシフトなど）を必要に応じて入力する。入力されたシミュレーション条件は、シミュレーション条件設定部３１に設定される。
　ステップＳ１４４において、パラメータ更新部３３は、シミュレーションの計算実行前に、シミュレーション条件に関わる学習項、調整項を更新する。具体的には、更新パラメータ選択部４２は、シミュレーション条件に関わる学習項、調整項を更新すべきモデルパラメータとして選択する。パラメータコピー部４３は、選択されたモデルパラメータを、実操業に用いられる最新のパラメータと同じ値に更新する。
　ステップＳ１４５において、仮想圧延ライン設定計算部３２は、設定されたシミュレーション条件に基づいて仮想圧延ラインで仮想金属材料を圧延した場合の、各プロセスの設定値および各時刻の金属材料の寸法、位置、温度をプロセスモデル、搬送モデル、温度モデルを用いて計算する。さらに、仮想圧延ライン設定計算部３２は、材質モデルを用いて、与えられる仮想金属の加工履歴および温度履歴の情報を入力値として、最終製品材質を予測する。また、金属組織予測モデルを用いて、仮想金属の仮想圧延中の金属組織変化が予測される。また、機械的性質予測モデルを用いて、最終的に計算される仮想金属製品の組織と合金組成を入力値として、降伏応力や引張強さなどの機械的性質などの材質が予測される。
　ステップＳ１４６において、ユーザは、ステップＳ１４５での計算結果に基づいて仮想金属製品の品質を確認する。ステップＳ１４７において、ユーザは、各プロセスの設定値を確認する。また、ステップＳ１４８において、必要に応じてシミュレーション条件を変更してステップＳ１４４～ステップＳ１４７の処理を繰り返す。ステップＳ１４９において、ユーザは、シミュレーション結果の実操業への適用を検討する。
　このような手順によれば、実操業圧延に影響を及ぼすことなく、かつ、実操業圧延を模擬した精度のよいシミュレーションが可能である。また、シミュレーション条件の変更をして上記のシミュレーションを繰り返し実施し、その結果を分析することで、実操業の加熱、圧延、および冷却条件やスラブ合金組成を改善する指針が得られる。
１　圧延ライン
１０　搬送テーブル
１１　加熱炉
１２　粗圧延機
１３　バーヒータ
１４　仕上圧延機入側温度計
１５　仕上圧延機
１６　仕上圧延機出側温度計
１７　ランアウトテーブル
１８　巻き取り機入側温度計
１９　巻き取り機
２０　圧延システム
２１　制御用コントローラ
２３　設定計算機
２４　圧延シミュレーション装置
２５　上位計算機
３１　シミュレーション条件設定部
３２　仮想圧延ライン設定計算部
３３　パラメータ更新部
４１　更新タイミング指定部
４２　更新パラメータ選択部
４３　パラメータコピー部

Claims (3)

  1. 　金属材料を加熱し圧延し冷却し搬送するアクチュエータ群と、前記アクチュエータ群の制御実績値および前記金属材料の状態実績値を検出するセンサ群とを有する圧延ラインと、前記アクチュエータ群の制御目標値や前記金属材料の状態予測値を算出する設定計算機とを備えた圧延システムに接続される圧延シミュレーション装置であって、
    　前記設定計算機は、
    　前記圧延ラインにおける加熱、圧延、冷却、搬送の各プロセスの物理現象を表現したモデル式であって入力変数とモデルパラメータ群とを入力とする関数で表される第１モデル式を有し、
    　前記第１モデル式を用いて、実操業における製品品質や操業条件に関するプロセス条件を達成するように、前記アクチュエータ群の制御目標値と前記金属材料の状態予測値を算出し、
    　前記制御目標値および前記状態予測値と、前記センサ群が検出した前記制御実績値および前記状態実績値とを比較した比較値に基づいて、前記第１モデル式の前記モデルパラメータ群を随時更新し、
    　前記圧延シミュレーション装置は、
    　前記圧延ラインで仮想金属材料を加熱し圧延し冷却し搬送する仮想操業における製品品質や操業条件に関するシミュレーション条件を設定するシミュレーション条件設定部と、
    　前記第１モデル式と同様の第２モデル式を有し、前記第２モデル式を用いて、前記シミュレーション条件を達成するように、前記アクチュエータ群の制御目標値と前記仮想金属材料の状態予測値を算出する仮想圧延ライン設定計算部と、
    　前記第１モデル式の前記モデルパラメータ群が更新された場合に、前記第１モデル式の前記モデルパラメータ群に基づいて、前記第２モデル式の前記モデルパラメータ群を更新するパラメータ更新部と、
    　を備えることを特徴とする圧延シミュレーション装置。
  2. 　前記パラメータ更新部は、
    　実操業において前記設定計算機で計算が実行されないタイミングを指定する更新タイミング指定部と、
    　前記タイミングにおいて、前記第１モデル式の前記モデルパラメータ群を、前記第２モデル式の前記モデルパラメータ群にコピーするパラメータコピー部と、
    　を備えることを特徴とする請求項１記載の圧延シミュレーション装置。
  3. 　前記パラメータ更新部は、
    　前記第２モデル式の前記モデルパラメータ群のうち、前記仮想圧延ライン設定計算部における前記シミュレーション条件を用いたモデル計算に必要な一部のモデルパラメータ群を選択する更新パラメータ選択部と、
    　前記更新パラメータ選択部により選択された前記一部のモデルパラメータ群についてのみ、前記第１モデル式の前記モデルパラメータ群からコピーするパラメータコピー部と、
    　を備えることを特徴とする請求項１記載の圧延シミュレーション装置。
PCT/JP2014/073975 2014-09-10 2014-09-10 圧延シミュレーション装置 Ceased WO2016038705A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2016547307A JP6292309B2 (ja) 2014-09-10 2014-09-10 圧延シミュレーション装置
PCT/JP2014/073975 WO2016038705A1 (ja) 2014-09-10 2014-09-10 圧延シミュレーション装置
CN201480081164.XA CN106660090B (zh) 2014-09-10 2014-09-10 轧制模拟装置
KR1020177006332A KR101889668B1 (ko) 2014-09-10 2014-09-10 압연 시뮬레이션 장치
TW103142558A TWI554340B (zh) 2014-09-10 2014-12-08 壓延模擬裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/073975 WO2016038705A1 (ja) 2014-09-10 2014-09-10 圧延シミュレーション装置

Publications (1)

Publication Number Publication Date
WO2016038705A1 true WO2016038705A1 (ja) 2016-03-17

Family

ID=55458493

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/073975 Ceased WO2016038705A1 (ja) 2014-09-10 2014-09-10 圧延シミュレーション装置

Country Status (5)

Country Link
JP (1) JP6292309B2 (ja)
KR (1) KR101889668B1 (ja)
CN (1) CN106660090B (ja)
TW (1) TWI554340B (ja)
WO (1) WO2016038705A1 (ja)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019202934A1 (ja) * 2018-04-20 2019-10-24 オムロン株式会社 情報処理システム、情報処理方法、および情報処理プログラム
JP2020082112A (ja) * 2018-11-20 2020-06-04 東芝三菱電機産業システム株式会社 金属材料の材質制御支援装置
JPWO2020149198A1 (ja) * 2019-01-15 2021-02-18 Ｊｆｅスチール株式会社 解析システム及び解析方法
JPWO2021229727A1 (ja) * 2020-05-13 2021-11-18
JP2021181095A (ja) * 2020-05-18 2021-11-25 Ｊｆｅスチール株式会社 圧延荷重予測方法、圧延方法、熱延鋼板の製造方法、及び圧延荷重予測モデルの生成方法
CN113780852A (zh) * 2021-09-16 2021-12-10 东北大学 一种板带轧制过程质量缺陷的诊断方法
KR20220117328A (ko) * 2020-01-29 2022-08-23 제이에프이 스틸 가부시키가이샤 금속 조직의 상의 분류 방법, 금속 조직의 상의 분류 장치, 금속 조직의 상의 학습 방법, 금속 조직의 상의 학습 장치, 금속 재료의 재료 특성 예측 방법 및 금속 재료의 재료 특성 예측 장치
EP4006670A4 (en) * 2019-07-22 2022-09-14 JFE Steel Corporation METHOD FOR CREATING QUALITY PREDICTION MODEL, QUALITY PREDICTION MODEL, QUALITY PREDICTION METHOD, METHOD FOR MANUFACTURING METAL MATERIAL, DEVICE FOR CREATING QUALITY PREDICTION MODEL, AND QUALITY PREDICTION DEVICE
TWI808407B (zh) * 2021-01-21 2023-07-11 日商東芝三菱電機產業系統股份有限公司 輥管理裝置
EP4131159A4 (en) * 2020-03-31 2023-11-08 JFE Steel Corporation METHOD FOR DETERMINING METALLOGRAPHIC STRUCTURE IMAGING CONDITION, METALLOGRAPHIC STRUCTURE IMAGING METHOD, METHOD FOR CLASSIFYING METALLOGRAPHIC STRUCTURE PHASES, DEVICE FOR DETERMINING METALLOGRAPHIC STRUCTURE IMAGING CONDITION, METALLOGRAPHIC STRUCTURE IMAGING CONDITION DEVICE METALLOGRAPHIC STRUCTURE, DEVICE FOR CLASSIFYING PHASES OF METALLOGRAPHIC STRUCTURE, METHOD FOR PREDICTING MATERIAL PROPERTIES OF METAL MATERIAL, AND DEVICE FOR PREDICTING MATERIAL PROPERTIES OF METAL MATERIAL
CN117377538A (zh) * 2021-06-21 2024-01-09 杰富意钢铁株式会社 冷轧机的轧制条件设定方法、冷轧方法、钢板的制造方法、冷轧机的轧制条件设定装置及冷轧机
JPWO2024157420A1 (ja) * 2023-01-26 2024-08-02
WO2024189790A1 (ja) * 2023-03-14 2024-09-19 株式会社Tmeic 圧延製品の材質特性予測装置
KR20250052392A (ko) 2023-09-04 2025-04-18 가부시키가이샤 티마이크 압연 에뮬레이션 장치, 압연 에뮬레이션 프로그램, 및 압연 제어 시스템
US12617009B2 (en) 2021-06-21 2026-05-05 Jfe Steel Corporation Cold rolling mill rolling condition setting method, cold rolling method, steel sheet manufacturing method, cold rolling mill rolling condition setting device, and cold rolling mill

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7052250B2 (ja) * 2017-08-10 2022-04-12 オムロン株式会社 情報処理装置、情報処理方法、および情報処理プログラム
WO2020152750A1 (ja) * 2019-01-21 2020-07-30 Ｊｆｅスチール株式会社 金属材料の設計支援方法、予測モデルの生成方法、金属材料の製造方法、及び設計支援装置
JP2020131248A (ja) * 2019-02-21 2020-08-31 Ｊｆｅスチール株式会社 圧延荷重予測方法、圧延荷重予測装置、及び圧延制御方法
TWI721879B (zh) * 2020-05-04 2021-03-11 和碩聯合科技股份有限公司 決定產能參數的方法及產能參數產生系統
TWI740494B (zh) * 2020-05-12 2021-09-21 中國鋼鐵股份有限公司 軋輥檢驗方法與軋輥檢驗系統
TWI731809B (zh) * 2020-10-21 2021-06-21 中國鋼鐵股份有限公司 改善鋼條捲溫震盪的控制方法
WO2022172524A1 (ja) * 2021-02-15 2022-08-18 Ｊｆｅスチール株式会社 冷間圧延機の圧延条件算出方法、冷間圧延機の圧延条件算出装置、冷間圧延方法、冷間圧延機、及び鋼板の製造方法
TWI792240B (zh) * 2021-03-24 2023-02-11 中國鋼鐵股份有限公司 用於軋延製程的控制參數的調整方法
TWI787940B (zh) * 2021-08-04 2022-12-21 中國鋼鐵股份有限公司 加熱爐的爐溫設定值的優化方法
TWI798047B (zh) * 2022-04-08 2023-04-01 中國鋼鐵股份有限公司 鋼板軋延力預測方法與軋延系統

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008012881A1 (fr) * 2006-07-26 2008-01-31 Toshiba Mitsubishi-Electric Industrial Systems Corporation Appareil de contrôle de matériaux et de prévision de matériaux pour ligne de laminage
JP2010172962A (ja) * 2009-02-02 2010-08-12 Toshiba Mitsubishi-Electric Industrial System Corp 圧延製品の特性予測方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05118979A (ja) * 1991-10-25 1993-05-14 Hitachi Metals Ltd 転造シミユレーシヨン試験方法およびその試験装置
JPH06312206A (ja) * 1993-04-28 1994-11-08 Nippon Steel Corp 熱間圧延工場の物流シミュレーション装置
JP2001025805A (ja) * 1999-07-13 2001-01-30 Kobe Steel Ltd 圧延シミュレーション装置，及び圧延シミュレーションプログラムを記録したコンピュータ読み取り可能な記録媒体
KR100425601B1 (ko) * 1999-12-28 2004-04-03 주식회사 포스코 압연기의 형상 제어 특성을 실시간으로 시뮬레이션할 수있는 장치
JP4119684B2 (ja) 2002-05-27 2008-07-16 東芝三菱電機産業システム株式会社 圧延機設定計算装置用学習制御装置
JP4402502B2 (ja) 2004-04-13 2010-01-20 東芝三菱電機産業システム株式会社 巻取温度制御装置
KR100841888B1 (ko) * 2007-04-12 2008-06-27 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 압연 라인의 재질 예측 및 재질 제어 장치
JP4890433B2 (ja) * 2007-12-28 2012-03-07 株式会社神戸製鋼所 圧延材の温度予測方法、圧延材の冷却装置の制御方法、及び連続圧延設備
JP2009208115A (ja) * 2008-03-04 2009-09-17 Kobe Steel Ltd 圧延制御パラメータの算出方法及び算出装置、圧延シミュレーション装置
CN103406362B (zh) * 2013-08-08 2015-03-04 东北大学 一种模拟中厚板轧机轧制过程的控制系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008012881A1 (fr) * 2006-07-26 2008-01-31 Toshiba Mitsubishi-Electric Industrial Systems Corporation Appareil de contrôle de matériaux et de prévision de matériaux pour ligne de laminage
JP2010172962A (ja) * 2009-02-02 2010-08-12 Toshiba Mitsubishi-Electric Industrial System Corp 圧延製品の特性予測方法

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019191737A (ja) * 2018-04-20 2019-10-31 オムロン株式会社 情報処理システム、情報処理方法、および情報処理プログラム
WO2019202934A1 (ja) * 2018-04-20 2019-10-24 オムロン株式会社 情報処理システム、情報処理方法、および情報処理プログラム
JP7020379B2 (ja) 2018-11-20 2022-02-16 東芝三菱電機産業システム株式会社 金属材料の材質制御支援装置
JP2020082112A (ja) * 2018-11-20 2020-06-04 東芝三菱電機産業システム株式会社 金属材料の材質制御支援装置
JPWO2020149198A1 (ja) * 2019-01-15 2021-02-18 Ｊｆｅスチール株式会社 解析システム及び解析方法
JP7027536B2 (ja) 2019-01-15 2022-03-01 Ｊｆｅスチール株式会社 解析システム及び解析方法
EP4006670A4 (en) * 2019-07-22 2022-09-14 JFE Steel Corporation METHOD FOR CREATING QUALITY PREDICTION MODEL, QUALITY PREDICTION MODEL, QUALITY PREDICTION METHOD, METHOD FOR MANUFACTURING METAL MATERIAL, DEVICE FOR CREATING QUALITY PREDICTION MODEL, AND QUALITY PREDICTION DEVICE
KR102911824B1 (ko) 2020-01-29 2026-01-14 제이에프이 스틸 가부시키가이샤 금속 조직의 상의 분류 방법, 금속 조직의 상의 분류 장치, 금속 조직의 상의 학습 방법, 금속 조직의 상의 학습 장치, 금속 재료의 재료 특성 예측 방법 및 금속 재료의 재료 특성 예측 장치
CN115038965B (zh) * 2020-01-29 2024-12-24 杰富意钢铁株式会社 金相组织的相的分类方法、金相组织的相的分类装置、金相组织的相的学习方法、金相组织的相的学习装置、金属材料的材料特性预测方法和金属材料的材料特性预测装置
KR20220117328A (ko) * 2020-01-29 2022-08-23 제이에프이 스틸 가부시키가이샤 금속 조직의 상의 분류 방법, 금속 조직의 상의 분류 장치, 금속 조직의 상의 학습 방법, 금속 조직의 상의 학습 장치, 금속 재료의 재료 특성 예측 방법 및 금속 재료의 재료 특성 예측 장치
CN115038965A (zh) * 2020-01-29 2022-09-09 杰富意钢铁株式会社 金相组织的相的分类方法、金相组织的相的分类装置、金相组织的相的学习方法、金相组织的相的学习装置、金属材料的材料特性预测方法和金属材料的材料特性预测装置
EP4099012A4 (en) * 2020-01-29 2023-08-23 JFE Steel Corporation METAL STRUCTURE PHASE CLASSIFICATION METHOD, METAL STRUCTURE PHASE CLASSIFICATION DEVICE, METAL STRUCTURE PHASE LEARNING METHOD, METAL STRUCTURE PHASE LEARNING DEVICE, MATERIAL PROPERTY PREDICTION METHOD FOR METAL MATERIAL AND MATERIAL PROPERTY PREDICTION DEVICE FOR METAL MATERIAL
US12106466B2 (en) 2020-03-31 2024-10-01 Jfe Steel Corporation Photographing condition determining method for metal structure, photographing method for metal structure, phase classification method for metal structure, photographing condition determining device for metal structure, photographing device for metal structure, phase classification device for metal structure, material property estimating method for metal material, and material property estimating device for metal material
EP4131159A4 (en) * 2020-03-31 2023-11-08 JFE Steel Corporation METHOD FOR DETERMINING METALLOGRAPHIC STRUCTURE IMAGING CONDITION, METALLOGRAPHIC STRUCTURE IMAGING METHOD, METHOD FOR CLASSIFYING METALLOGRAPHIC STRUCTURE PHASES, DEVICE FOR DETERMINING METALLOGRAPHIC STRUCTURE IMAGING CONDITION, METALLOGRAPHIC STRUCTURE IMAGING CONDITION DEVICE METALLOGRAPHIC STRUCTURE, DEVICE FOR CLASSIFYING PHASES OF METALLOGRAPHIC STRUCTURE, METHOD FOR PREDICTING MATERIAL PROPERTIES OF METAL MATERIAL, AND DEVICE FOR PREDICTING MATERIAL PROPERTIES OF METAL MATERIAL
JPWO2021229727A1 (ja) * 2020-05-13 2021-11-18
JP7180796B2 (ja) 2020-05-13 2022-11-30 東芝三菱電機産業システム株式会社 物理モデル同定システム
JP7230880B2 (ja) 2020-05-18 2023-03-01 Ｊｆｅスチール株式会社 圧延荷重予測方法、圧延方法、熱延鋼板の製造方法、及び圧延荷重予測モデルの生成方法
JP2021181095A (ja) * 2020-05-18 2021-11-25 Ｊｆｅスチール株式会社 圧延荷重予測方法、圧延方法、熱延鋼板の製造方法、及び圧延荷重予測モデルの生成方法
TWI808407B (zh) * 2021-01-21 2023-07-11 日商東芝三菱電機產業系統股份有限公司 輥管理裝置
CN117377538A (zh) * 2021-06-21 2024-01-09 杰富意钢铁株式会社 冷轧机的轧制条件设定方法、冷轧方法、钢板的制造方法、冷轧机的轧制条件设定装置及冷轧机
US12617009B2 (en) 2021-06-21 2026-05-05 Jfe Steel Corporation Cold rolling mill rolling condition setting method, cold rolling method, steel sheet manufacturing method, cold rolling mill rolling condition setting device, and cold rolling mill
CN113780852B (zh) * 2021-09-16 2024-03-05 东北大学 一种板带轧制过程质量缺陷的诊断方法
CN113780852A (zh) * 2021-09-16 2021-12-10 东北大学 一种板带轧制过程质量缺陷的诊断方法
JPWO2024157420A1 (ja) * 2023-01-26 2024-08-02
WO2024157420A1 (ja) * 2023-01-26 2024-08-02 東芝三菱電機産業システム株式会社 熱間圧延ラインの温度制御システム及び温度制御方法
JP7722575B2 (ja) 2023-01-26 2025-08-13 株式会社Tmeic 熱間圧延ラインの温度制御システム及び温度制御方法
WO2024189790A1 (ja) * 2023-03-14 2024-09-19 株式会社Tmeic 圧延製品の材質特性予測装置
JPWO2024189790A1 (ja) * 2023-03-14 2024-09-19
JP7768418B2 (ja) 2023-03-14 2025-11-12 株式会社Tmeic 圧延製品の材質特性予測装置
KR20250052392A (ko) 2023-09-04 2025-04-18 가부시키가이샤 티마이크 압연 에뮬레이션 장치, 압연 에뮬레이션 프로그램, 및 압연 제어 시스템

Also Published As

Publication number Publication date
TWI554340B (zh) 2016-10-21
JPWO2016038705A1 (ja) 2017-06-15
CN106660090B (zh) 2019-03-19
KR20170039736A (ko) 2017-04-11
JP6292309B2 (ja) 2018-03-14
KR101889668B1 (ko) 2018-08-17
CN106660090A (zh) 2017-05-10
TW201609283A (zh) 2016-03-16

Similar Documents

Publication Publication Date Title
JP6292309B2 (ja) 圧延シミュレーション装置
WO2023130666A1 (zh) 一种基于数据驱动和机理模型融合的板带钢凸度预测方法
CN101361085B (zh) 预测公式生成装置及预测公式生成方法
JP7020379B2 (ja) 金属材料の材質制御支援装置
JP5604945B2 (ja) 品質予測装置、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録媒体
JP7503150B2 (ja) 複数の設備部分から成る生産設備、特に金属の半製品のような工業製品を生産するための生産設備を制御するためのシステム及び方法
CN110520805B (zh) 过程模型的建模优化
KR102448426B1 (ko) 어닐링 로의 작동 방법
JP2011221645A (ja) 品質予測装置、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録媒体
JP5003483B2 (ja) 圧延ラインの材質予測および材質制御装置
JP7135962B2 (ja) 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法
KR20190078334A (ko) 연속 압연 패스 스케쥴 설정 장치
WO2021229727A1 (ja) 物理モデル同定システム
CN120523041A (zh) 基于数据驱动的串联冷轧系统厚度和张力控制方法
JP6652095B2 (ja) 鋼板の圧延方法及び鋼板の製造方法
JP5007630B2 (ja) 製品品質の制御方法及び制御装置
CN115600459B (zh) 一种螺纹钢切分棒材高精度组织性能预测方法
KR20250150054A (ko) 강 가공 라인의 모니터링 방법, 관련 전자 장치 및 강 가공 라인
JP4047875B2 (ja) 設計パラメータの最適値決定方法とこの方法を用いた圧延パススケジュールの決定方法
JP7768418B2 (ja) 圧延製品の材質特性予測装置
KR102045651B1 (ko) 인공지능 기반 열연 런아웃 테이블 열유속계수 추정 장치
JP2006309709A (ja) 結果予測装置、制御装置及び品質設計装置
KR100841888B1 (ko) 압연 라인의 재질 예측 및 재질 제어 장치
Jelali Performance monitoring of metal processing control systems
CN120782032A (zh) 一种成品带钢性能预测方法、装置、设备和介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14901513

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016547307

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20177006332

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14901513

Country of ref document: EP

Kind code of ref document: A1