WO2018096682A1 - 圧延設備の異常診断の方法及び装置 - Google Patents

圧延設備の異常診断の方法及び装置 Download PDF

Info

Publication number
WO2018096682A1
WO2018096682A1 PCT/JP2016/085211 JP2016085211W WO2018096682A1 WO 2018096682 A1 WO2018096682 A1 WO 2018096682A1 JP 2016085211 W JP2016085211 W JP 2016085211W WO 2018096682 A1 WO2018096682 A1 WO 2018096682A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
rolling
determination
result
abnormality diagnosis
Prior art date
Application number
PCT/JP2016/085211
Other languages
English (en)
French (fr)
Inventor
小原　一浩
Original Assignee
東芝三菱電機産業システム株式会社
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 東芝三菱電機産業システム株式会社 filed Critical 東芝三菱電機産業システム株式会社
Priority to CN201680091146.9A priority Critical patent/CN109996615B/zh
Priority to JP2018552375A priority patent/JP6791261B2/ja
Priority to PCT/JP2016/085211 priority patent/WO2018096682A1/ja
Priority to TW106105278A priority patent/TWI649133B/zh
Publication of WO2018096682A1 publication Critical patent/WO2018096682A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring

Definitions

  • the present invention relates to a method and apparatus for diagnosing abnormalities in a rolling facility for rolling a metal material to produce a rolled product.
  • the present invention has been made in view of the problems as described above, and in the abnormality diagnosis of the rolling device, it is not necessary to store data of past abnormal events in advance for highly accurate abnormality diagnosis, and The present invention provides a method and apparatus that can cope with an unknown abnormality.
  • a rolling facility abnormality diagnosis method is a method of collecting and recording process data of a rolling facility in a time series by a data collection device, and diagnosing the abnormality of the rolling facility based on the data recorded in the data collection device However, it comprises at least the following three steps.
  • the first step is a step of extracting data corresponding to the same rolled product from the data recorded in the data collection device.
  • the second step is a step of determining whether or not the extracted data is within a normal range defined by the normal data group stored in the first database.
  • the third step evaluates the determination result in the second step based on the rolling result of the rolled product corresponding to the extracted data, and if the determination result and the rolling result do not match, the normal range is set. This is a step of changing a prescribed criterion.
  • normal data that is, a good rolling result is obtained without storing past abnormal event data. If there is any data, abnormality diagnosis can be performed. Collecting normal data is easier than collecting abnormal data and does not require effort. Further, if abnormality diagnosis is performed based on normal data, it is possible to deal with unknown abnormalities that are not defined. Furthermore, by providing the third step, the judgment criteria for whether or not within the normal range is updated so as to match the actual rolling results, so the accuracy of abnormality diagnosis using normal data can be increased. .
  • the rolling equipment abnormality diagnosis method may further include the following fourth step or fifth step.
  • the fourth step is a step of registering the extracted data in the first database when it is determined that the extracted data is within the normal range and the rolling result of the rolled product is good.
  • the fifth step is a step of registering the extracted data in the second database that stores abnormal data when it is determined that the extracted data is not within the normal range and the rolling result of the rolled product is not good. is there.
  • the fourth step it is possible to increase the accumulation amount of normal data used for setting the determination criterion, thereby increasing the accuracy of the determination criterion.
  • data relating to the abnormality occurring in the rolling equipment including unknown abnormality that is not defined, can be stored in the second database.
  • the determination criterion may be changed to be stricter. Good. Further, in the third step, if the rolling result of the rolled product is good despite the fact that the extracted data is determined not to be within the normal range, the determination criterion is changed to be loosened. May be. Alternatively, when it is determined that the extracted data is not within the normal range but the rolling result of the rolled product is good, a sixth step of outputting an alarm to the display device may be provided.
  • the data extracted in the first step may be data having a plurality of related scales as components.
  • the distance between the normal data group and the extracted data may be calculated by a multidimensional scaling method.
  • the distance between the normal data group and the extracted data may be corrected using a dynamic time expansion / contraction method.
  • the program for making a computer perform the process of each step in said abnormality diagnosis method of a rolling installation, and the storage medium which stored the program are also provided.
  • the abnormality diagnosis device for rolling equipment is connected to a data collection device that collects and records process data of the rolling equipment in time series, and the abnormality of the rolling equipment is based on the data recorded in the data collection device.
  • the apparatus is configured as follows.
  • the abnormality diagnosis device for rolling equipment includes a data extraction unit, a determination unit, and a determination result evaluation unit.
  • the data extraction unit is configured to extract data corresponding to the same rolled product from the data recorded in the data collection device.
  • the determination unit is configured to determine whether the data extracted by the data extraction unit is within a normal range defined by a normal data group stored in the first database.
  • the determination result evaluation unit is configured to evaluate the determination result by the determination unit based on the rolling result of the rolled product corresponding to the data extracted by the data extraction unit. More specifically, the determination result evaluation unit is configured to change the determination criterion for defining the normal range when the determination result by the determination unit and the rolling result do not match.
  • normal data that is, data when a good rolling result is obtained, even without storing data of past abnormal events. If there is, an abnormality diagnosis can be performed. Collecting normal data is easier than collecting abnormal data and does not require effort. Further, if abnormality diagnosis is performed based on normal data, it is possible to deal with unknown abnormalities that are not defined. Furthermore, since the judgment result evaluation unit is provided, the judgment criteria as to whether it is within the normal range is updated to match the actual rolling result, so that the accuracy of abnormality diagnosis using normal data can be improved. it can.
  • Each process of the data extraction unit, the determination unit, and the determination result evaluation unit may be executed by a computer constituting the abnormality diagnosis apparatus.
  • the abnormality diagnosis apparatus is configured by a computer including a processor and a memory that stores a program, and when the program read from the memory is executed by the processor, the computer performs a data extraction unit, a determination unit, and The program may be configured to operate as a determination result evaluation unit.
  • the determination result evaluation unit is configured to register the extracted data in the first database when the determination unit determines that the extracted data is within a normal range and the rolling result of the rolled product is good. May be. With this configuration, it is possible to increase the accumulation amount of normal data used for setting the determination criterion, thereby increasing the accuracy of the determination criterion.
  • the determination result evaluation unit determines that the extracted data is not within the normal range, and if the rolling result of the rolled product is not good, the extracted data is stored in the second database that stores abnormal data. It may be configured to register. By comprising in this way, the data regarding the abnormality which arose in the rolling installation including the unknown abnormality which is not defined can be accumulate
  • the judgment result evaluation unit is configured to change the judgment criteria to be stricter when the rolling result of the rolled product is not good although the judgment unit judges that the extracted data is within the normal range. May be.
  • the judgment result evaluation unit changes the judgment criteria so as to loosen when the rolling result of the rolled product is good despite the judgment unit judging that the extracted data is not within the normal range. May be configured.
  • the judgment result evaluation unit outputs an alarm to the display device when the rolling result of the rolled product is good although the judgment unit judges that the extracted data is not within the normal range. It may be configured.
  • the data extraction unit may be configured to extract data having a plurality of related scales as components.
  • the determination unit is configured to determine whether or not the extracted data is within a normal range based on a distance between the normal data group on the space around a plurality of scales and the extracted data. May be. Note that the distance between the normal data group and the extracted data may be calculated by a multidimensional scaling method. Further, the determination unit may be configured to correct the distance between the normal data group and the extracted data using a dynamic time expansion / contraction method.
  • the abnormality diagnosis can be performed as long as there is normal data, that is, data when a good rolling result is obtained without storing data of past abnormal events. Collecting normal data is easier than collecting abnormal data and does not require effort. Further, by performing abnormality diagnosis based on normal data, it is possible to deal with unknown abnormalities that are not defined. Furthermore, according to the present invention, since the determination criterion as to whether or not it is within the normal range is updated to match the actual rolling result, the accuracy of abnormality diagnosis using normal data can be increased.
  • FIG. 1 It is a figure which shows the structural example of the rolling equipment with which the abnormality diagnosis apparatus of embodiment of this invention is applied. It is a block diagram which shows the hardware structural example of the abnormality diagnosis apparatus of embodiment of this invention. It is a functional block diagram which shows a part of function which the abnormality diagnosis apparatus of embodiment of this invention has. It is a figure which shows the range of the guarantee value regarding the quality of a rolled product. It is a block diagram which shows the flow of a process of the score calculation used for abnormality determination. It is a figure which shows the example of a time series data, and the example of a score calculation based on it. It is a figure which shows an example of the method of determining abnormality from a score.
  • FIG. 1 is a diagram illustrating a configuration example of a rolling facility to which an abnormality diagnosis device according to an embodiment of the present invention is applied.
  • a hot rolling line 20 for producing a steel plate which is generally widely used as a typical example of rolling equipment, is illustrated.
  • the arrows in the figure represent the flow direction of the material to be rolled.
  • the hot rolling line 20 is a line for manufacturing a rolled product from a rolled material (hereinafter referred to as “slab”).
  • the hot rolling line 20 includes a heating furnace 2, HSB (Hot Scale Breaker) 3, coarse edger 4, coarse horizontal rolling mill 5, edge heater 8, and FSB (Finisher) arranged along the flow direction of the material to be rolled. Scale Breaker) 11, F1 edger 12, finish rolling mill 13, runout table 16, and downcoiler 19 are provided. These facilities are connected by a transfer table (not shown), and each is driven by an electric motor or a hydraulic device. Further, the hot rolling line 20 includes a roughing side thermometer 6, a thermal image device 7, a finishing input side thermometer 10, a multigauge 14, a finishing output side thermometer 15, a thermal image device 17, and a coiler input side thermometer 18. Etc. are provided. Hereinafter, the outline
  • the heating furnace 2 is a furnace for heating the slab.
  • the HSB 3 is used for removing an oxide film formed on the surface of the slab by heating in the heating furnace 2. High pressure water is mainly applied from the nozzle to the slab, and the oxide film is removed.
  • the rough edger 4 is an apparatus for rolling down a material to be rolled (including a state in the middle of being completed as a product from a slab, the same applies hereinafter) in order to mainly secure width accuracy.
  • the rough edger 4 is configured so that the roller is applied to the material to be rolled in the width direction as viewed from above the line.
  • the rough horizontal rolling mill 5 is composed of one or a plurality of stands. In order to shorten the line length and the rough rolling requires a plurality of passes, the rough horizontal rolling mill 5 is often configured to include a reversible rolling mill.
  • the rough horizontal rolling mill 5 is equipped with a device called a descaler for applying high-pressure water to the material 1 to be rolled, which is a semi-finished product, and removing the oxide film on the surface. Since rolling is performed at a high temperature, an oxide film is easily formed, and it is necessary to use such an oxide film removing apparatus as appropriate.
  • the roughing side thermometer 6 is arranged on the outlet side of the rough horizontal rolling mill 5 and measures the surface temperature of the material to be rolled which is a semi-finished product during rolling.
  • the edge heater 8 is a device that raises the temperature of the end portion in the width direction of the material to be rolled by induction heating of electromagnetic force.
  • Thermal image devices 7 are arranged on the entrance side and the exit side of the edge heater 8, respectively.
  • a finishing entry thermometer 10 is disposed further downstream in the direction in which the material to be rolled flows and on the entry side of the finish rolling mill 13.
  • the entrance temperature of the finishing mill 13 is closely related to the prediction of the deformation resistance of the material. For this reason, it is necessary to measure the temperature in the immediate vicinity of the process by the finishing input side thermometer 10. Alternatively, it is necessary to obtain a highly accurate predicted temperature value in consideration of the conveyance time from the roughing side thermometer 6 to the finishing mill 13 using the actual measurement value of the roughing side thermometer 6.
  • the FSB 11 is an apparatus that removes an oxide film on the surface of the material to be rolled.
  • the FSB 11 removes the scale caused by the distance and time required for the material to be rolled to reach the entry side of the finish rolling mill 13 after the rough rolling, and improves the surface properties of the rolled product after finish rolling.
  • the edger 12 is installed on the entry side of the finish rolling mill 13 and is used to ensure the dimensional accuracy in the width direction of the rolled product after finish rolling. Moreover, the edger 12 contributes to the temperature rise of the edge part of the width direction of a to-be-rolled material by the plastic working by reduction.
  • the finish rolling mill 13 is a tandem rolling mill that includes a plurality of rolling mills called stands.
  • the finishing mill 13 performs rolling to obtain the target product accuracy of the rolled product.
  • a multi-gauge 14 and a finish-side thermometer 15 are arranged on the exit side of the finish rolling mill 13.
  • the multigauge 14 has a form in which X-ray detectors are arranged in the width direction. Since the multigauge 14 can measure the thickness distribution in the width direction, the multigauge 14 is a composite measuring instrument that can measure the thickness, crown, width, and the like with a single unit.
  • the multi-gauge 14 has a thermal image device therein, measures the temperature in the width direction of the rolled product with the thermal image device, and uses it to correct the detected value from the X-ray.
  • the finishing delivery side thermometer 15 measures the surface temperature of the rolled material after rolling. Since the temperature of the rolled product is closely related to the formation of the metal structure and the material of the product, it needs to be controlled at an appropriate temperature.
  • the runout table 16 is a device that cools the rolled product with cooling water in order to control the temperature of the rolled product.
  • a forced cooling device may be provided instead of or in addition to a normal runout table cooling device.
  • an edge mask that prevents the cooling water from being applied in the width direction may be applied to the runout table 16.
  • a thermal imager 17 and a coiler entry side thermometer 18 are arranged on the exit side of the runout table 16 and on the entry side of the downcoiler 19, a thermal imager 17 and a coiler entry side thermometer 18 are arranged.
  • the coiler inlet side thermometer 18 measures the surface temperature of the rolled product after rolling.
  • the downcoiler 19 is an apparatus for winding up the rolled product.
  • a rolled product rolled up by the downcoiler 19 is called a coil.
  • the hot rolling line 20 is provided with a data collection device 22.
  • the data collection device 22 constantly or intermittently collects a set value or actual value for each facility constituting the hot rolling line 20, a measurement value by the measurement device, an operation amount for properly operating the facility, It is recorded on a recording device such as a hard disk.
  • a recording device such as a hard disk.
  • Assured values for customers are established for quality indicators such as entry-side temperature.
  • the data collection device 22 collects and records process data including these quality indicators as components in time series.
  • the data collection device 22 may be composed of a single computer or a plurality of computers connected to a network.
  • FIG. 2 is a block diagram illustrating a hardware configuration example of the abnormality diagnosis apparatus 30 according to the present embodiment.
  • the abnormality diagnosis device 30 includes a CPU (Central Processing Unit) 31, a ROM (Read Only Memory) 32, a RAM (Random Access Memory) 33, an input / output interface 34, a system bus 35, a storage 36, an input device 37, a display device 38, And a computer including the communication device 39.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the CPU 31 is a processing device that executes various arithmetic processes using programs, data, and the like stored in the ROM 32 and the RAM 33.
  • the ROM 32 is a read-only storage device that stores a basic program and environment files for causing the computer to realize each function.
  • the RAM 33 is a main storage device that stores a program executed by the CPU 31 and data necessary for executing each program, and is capable of high-speed reading and writing.
  • the input / output interface 34 is a device that mediates connections between various hardware and the system bus 35.
  • the system bus 35 is an information transmission path shared by the CPU 31, ROM 32, RAM 33 and input / output interface 34.
  • the input / output interface 34 is connected to hardware such as an input device 37, a display device 38, a storage 36, and a communication device 39.
  • the input device 37 is a device that processes input from the user.
  • the display device 38 is a device that displays information related to diagnosis results and abnormality diagnosis.
  • the storage 36 is a large-capacity auxiliary storage device that stores programs and data, and is, for example, a hard disk device or a nonvolatile semiconductor memory.
  • the communication device 39 is a device capable of data communication with the data collection device 22 by wire or wireless.
  • FIG. 3 is a functional block diagram showing some of the functions of the abnormality diagnosis device 30 of the present embodiment.
  • the abnormality diagnosis apparatus 30 includes a data extraction unit 101, a determination unit 102, and a determination result evaluation unit 103.
  • the program read from the ROM 32 (see FIG. 2) of the abnormality diagnosis device 30 is executed by the CPU 31 (see FIG. 2), the functions of these functional units 101, 102, 103, that is, as the abnormality diagnosis device 30 are obtained. These functions are realized by a computer.
  • the abnormality diagnosis apparatus 30 includes a normal pattern database 104 that is a first database and an abnormality pattern database 105 that is a second database.
  • the normal pattern database 104 and the abnormal pattern database 105 are constructed in the storage 36 (see FIG. 2).
  • a program that causes a computer to function as the abnormality diagnosis apparatus 30 is provided via a network or a computer-readable storage medium (for example, a CD-ROM, a DVD, a USB memory, or the like).
  • the data extraction unit 101 is configured to cut out data recorded in the data collection device 22 in units of coils. Data of each item is recorded in the data collection device 22 in time series. The data extraction unit 101 extracts data corresponding to the same coil from the data recorded in the data collection device 22 based on the time information of the data.
  • the data extracted by the data extraction unit 101 is data having a plurality of related scales as components, such as plate thickness and load.
  • the determination unit 102 is configured to determine whether the data extracted by the data extraction unit 101 is within a normal range.
  • FIG. 4 is a diagram showing data extracted by the data extraction unit 101 and tolerances of guaranteed values set for the data.
  • tolerances of guaranteed values are defined for each quality index.
  • each facility is controlled so that each quality index is within the tolerance.
  • the quality index may deviate from tolerance due to various causes such as malfunction of the device due to insufficient maintenance and inappropriate control gain.
  • the normal range used by the determination unit 102 for determination is related to the tolerance of the quality index guarantee value.
  • the determination unit 102 is configured to calculate a score from the data extracted by the data extraction unit 101.
  • FIG. 5 is a block diagram showing a flow of processing for calculating a score used for abnormality determination.
  • a data generation distribution model is learned from the data obtained so far.
  • the model may be a probabilistic model or a statistical model.
  • scoring of the degree of abnormality of the data or the degree of abnormal change of the model is performed.
  • FIG. 6 is a diagram illustrating an example of time-series data extracted by the data extraction unit 101 and a score calculation example based thereon.
  • FIG. 7 is a diagram illustrating an example of a method for determining an abnormality from a score.
  • a straight line drawn with a dotted line indicates a threshold for the score.
  • the accuracy of abnormality determination depends on how the threshold value is determined. Therefore, it is difficult to say that this method can sufficiently ensure the accuracy of abnormality determination.
  • the determination unit 102 is configured to determine an abnormality by combining not only a single scale but also a scale capable of making a dependent determination.
  • FIG. 8 is a diagram illustrating an abnormality determination method by the determination unit 102. Here, on the plane defined by the scale 1 and the scale 2, points defined by combinations of the scores of the scale 1 and the scale 2 (representative values of the scores) are plotted.
  • data groups grouped as “normal data groups” are data groups stored in the normal pattern database 104.
  • the normal pattern database 104 stores only normal data finally determined to be normal by the determination result evaluation unit 103 described below among the data extracted by the data extraction unit 101 so far.
  • the determination unit 102 determines the distance between data on the plane defined by the scale 1 and the scale 2, specifically, the distance between the data extracted by the data extraction unit 101 and the normal data group, as a multidimensional scale construction method. Or the k-nearest neighbor method or density ratio estimation method. Further, the distance may be corrected using a dynamic time expansion / contraction method.
  • a curved line drawn with a dotted line is a determination reference line that defines a normal range, and is set based on a normal data group stored in the normal pattern database 104. The determination unit 102 determines that data whose distance to the normal data group is closer than the determination reference line is within the normal range, and that data whose distance to the normal data group is far from the determination reference line is out of the normal range.
  • the determination result evaluation unit 103 is configured to evaluate the determination result by the determination unit 102.
  • the actual rolling result of the rolled product corresponding to the data extracted by the data extraction unit 101, that is, the data to be determined by the determination unit 102 as to whether it is within the normal range is used as a reference for the evaluation. is there.
  • the rolling result is a result of checking whether or not each of the thickness, width, temperature, shape, etc. is within the quality control value after the end of rolling.
  • the check for obtaining the rolling result is preferably performed automatically by a dedicated device or the like and acquired online via the communication device 39. However, the result checked by the person may be input via the input device 37.
  • the judgment result evaluation unit 103 compares the judgment result by the judgment unit 102 with the rolling result as the quality standard, and evaluates whether the judgment result and the rolling result are consistent. And the process according to the evaluation result is performed.
  • FIG. 11 is a table showing a correspondence relationship between the determination result, the rolling result, and the selected process.
  • the determination result evaluation unit 103 registers data determined to be within the normal range by the determination unit 102 in the normal pattern database 104. By doing so, it is possible to increase the accumulation amount of normal data used for setting the determination criterion, thereby increasing the accuracy of the determination criterion.
  • the data registered here is data corresponding to the same rolled product (coil) extracted by the data extraction unit 101, and the variation of the scale (quality index) in the coil length direction for each data. There is a difference in the pattern.
  • the normal pattern database 104 stores normal data having various patterns.
  • the determination result evaluation unit 103 changes the determination criterion by the determination unit 102 in order to improve the determination accuracy after the next time. Specifically, the determination criterion is changed to be strict so that the data determined to be within the normal range this time is determined to be outside the normal range.
  • data A is plotted on a plane defined by scale 1 and scale 2. This data A is located on the same side as the normal data group with respect to the curve indicating the criterion 1. Therefore, according to the criterion 1 shown in FIG. 9, it is determined that the data A is within the normal range.
  • the determination result evaluation unit 103 registers data determined to be outside the normal range by the determination unit 102 in the abnormal pattern database 105. By doing so, the data regarding the abnormality which arose in the hot rolling line 20 including the unknown abnormality which is not defined can be accumulate
  • the determination result evaluation unit 103 changes the determination criterion by the determination unit 102 in order to improve the determination accuracy after the next time. Specifically, the determination criterion is changed so as to be loosened so that the data determined to be outside the normal range this time is determined to be within the normal range.
  • an alarm screen may be output to the display device 38 in order to make the operator investigate the malfunction of the equipment.
  • step S1 the abnormality diagnosis device 30 extracts data corresponding to the same rolled product from the data recorded in the data collection device 22.
  • step S2 the abnormality diagnosis device 30 determines whether the data extracted in step S1 is within a normal range defined by the normal data group stored in the normal pattern database 104. Specifically, the abnormality diagnosis apparatus 30 measures the distance between the normal data group and the data extracted in step S1 by a multidimensional scale construction method or the like. At this time, the distance is preferably corrected using a dynamic time expansion / contraction method (DTW). Then, based on the measured distance, it is determined whether the data extracted in step S1 is within the normal range.
  • DTW dynamic time expansion / contraction method
  • the abnormality diagnosis device 30 evaluates the determination result in step S2 based on the rolling result of the rolled product corresponding to the data extracted in step S1. Specifically, when it is determined in step S2 that the data extracted in step S1 is within the normal range, abnormality diagnosis device 30 matches the actual determination result in step S3 with the positive determination result in step S3. It is determined whether or not.
  • step S2 If the positive determination result in step S2 matches the actual rolling result, that is, if the actual rolling result is good, the abnormality diagnosis device 30 selects the process in step S4. In step S4, the abnormality diagnosis apparatus 30 registers the data extracted in step S1 in the normal pattern database 104.
  • step S2 If the positive determination result in step S2 is not consistent with the actual rolling result, that is, if the actual rolling result is not good, the abnormality diagnosis device 30 selects the process in step S5.
  • step S ⁇ b> 5 the abnormality diagnosis apparatus 30 changes the determination criterion for determination performed in step S ⁇ b> 2 to be stricter and registers the data extracted in step S ⁇ b> 1 in the abnormality pattern database 105.
  • abnormality diagnosis device 30 determines in step S6 whether the negative determination result in step S2 matches the actual rolling result. Judge whether or not.
  • step S2 If the negative determination result in step S2 matches the actual rolling result, that is, if the actual rolling result is not good, the abnormality diagnosis device 30 selects the process in step S7.
  • step S ⁇ b> 7 the abnormality diagnosis apparatus 30 registers the data extracted in step S ⁇ b> 1 in the abnormality pattern database 105.
  • step S2 If the negative determination result in step S2 does not match the actual rolling result, that is, if the actual rolling result is good, the abnormality diagnosis device 30 selects the process in step S8. In step S8, the abnormality diagnosis device 30 changes the judgment criterion for judgment performed in step S2 to be relaxed. Alternatively, the abnormality diagnosis device 30 outputs an alarm to the display device 38.
  • the normal pattern database 104 and the abnormal pattern database 105 are utilized to determine the judgment standard for the abnormal coil and the normal coil according to the rolling state that changes from day to day. .
  • the accuracy of abnormality detection can be improved, and by comparing with the normal data group stored in the normal pattern database 104, unknown abnormalities can be obtained. It can correspond to.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

本発明に係る圧延設備の異常診断装置は、圧延設備のプロセスデータを時系列に収集して記録するデータ収集装置に接続され、データ収集装置に記録されたデータに基づいて圧延設備の異常を診断する装置である。異常診断装置は、少なくとも、データ抽出部、判断部、及び、判断結果評価部を備える。データ抽出部は、データ収集装置に記録されたデータから、同一の圧延製品に対応するデータを抽出する。判断部は、抽出されたデータが、第１データベースに蓄えられた正常データ群によって規定される正常範囲内にあるかどうか判断する。判断結果評価部は、抽出されたデータに対応する圧延製品の圧延結果に基づいて判断部による判断結果を評価する。詳しくは、判断結果評価部は、判断部による判断結果と圧延結果とが整合しない場合には、正常範囲を規定する判断基準を変更する。

Description

圧延設備の異常診断の方法及び装置
　本発明は、金属材料を圧延して圧延製品を製造する圧延設備の異常診断の方法及び装置に関する。
　近年、圧延製品に対して顧客が要求する仕様は厳しくなる一方である。とりわけ、圧延製品の寸法形状に加え、強度及び延性などの機械的性質を許容範囲内に収めることが、顧客が要求する仕様を満たす上で重要になっている。ただし、熱間圧延では、未だ機械的性質を直接制御することは行われていない。機械的性質は圧延時の温度履歴と深い関連があるので、現状では、圧延時の温度情報によって機械的性質を間接的に管理することが行われている。
　圧延製品の寸法形状や温度は、自動化された設備により、必要とする精度を保つように制御されている。しかし、それらは設備のメンテナンス状態に大きく左右されることが実情である。とりわけ、設備保守員の人員が不十分な場合、メンテナンスが滞ることで圧延製品の品質に悪影響が及ぶ場合がある。このため、圧延時のプロセスデータを監視して、自動的に異常状態を判断する仕組みの構築が望まれていた。例えば、特許５１５８０１８号には、設備の時系列データからその特徴量を検出し、過去の異常事象と比較して特徴量が類似しているが否か、により異常状態を判断することが提案されている。
　上記公報に記載の方法では、正確な診断のために過去の異常事象を予め蓄えておく必要がある。しかしながら、異常事象およびその特徴量を事前に収集することには限界がある。熱間圧延ラインを例に取ると、設備およびセンサからの信号の数は数万点にのぼる。その一方で、異常事象が発生する頻度はあまり多くない。このため、異常事象およびその特徴量の収集には多大な労力を必要とする。さらに言えば、異常事象およびその特徴量の収集のためには、異常事象についての定義が必要であるため、未知の異常事象については対応することができない。
特許第５１５８０１８号
　本発明は、上述のような課題に鑑みなされたもので、圧延装置の異常診断において、精度の高い異常診断のために過去の異常事象のデータを予め蓄えておくことを必要とせず、且つ、未知の異常にも対応することができる方法及び装置を提供するものである。
　本発明に係る圧延設備の異常診断方法は、圧延設備のプロセスデータをデータ収集装置により時系列に収集して記録し、データ収集装置に記録されたデータに基づいて圧延設備の異常を診断する方法であって、少なくとも以下の３つのステップを備える。
　第１のステップは、データ収集装置に記録されたデータから、同一の圧延製品に対応するデータを抽出するステップである。第２のステップは、抽出されたデータが、第１データベースに蓄えられた正常データ群によって規定される正常範囲内にあるかどうか判断するステップである。そして、第３のステップは、抽出されたデータに対応する圧延製品の圧延結果に基づいて第２のステップにおける判断結果を評価し、判断結果と圧延結果とが整合しない場合には、正常範囲を規定する判断基準を変更するステップである。
　上記の３つのステップのうち、特に、第１のステップと第２のステップとを備えることにより、過去の異常事象のデータを蓄えずとも、正常データ、すなわち、良好な圧延結果が得られたときのデータさえあれば、異常診断を行うことができる。正常データを収集することは異常データを収集することに比較して容易であり、収集に労力を要しない。また、正常データに基づいて異常診断を行うのであれば、定義されていない未知の異常にも対応することができる。さらに、第３のステップを備えることにより、正常範囲内かどうかの判断基準が実際の圧延結果に整合するように更新されるので、正常データを用いた異常診断の精度を高めていくことができる。
　本発明に係る圧延設備の異常診断方法は、さらに、次の第４のステップ或いは第５のステップを備えてもよい。第４のステップは、抽出されたデータが正常範囲内にあると判断され、且つ、圧延製品の圧延結果が良好である場合、抽出されたデータを第１データベースに登録するステップである。第５のステップは、抽出されたデータが正常範囲内にないと判断され、且つ、圧延製品の圧延結果が良好でない場合、抽出されたデータを、異常データを蓄える第２データベースに登録するステップである。第４のステップを備える場合、判断基準の設定に用いる正常データの蓄積量を増やし、それにより判断基準の精度を高めることができる。第５のステップを備える場合、定義されていない未知の異常も含めて、圧延設備に生じた異常に関するデータを第２データベースに蓄積することができる。
　第３のステップでは、抽出されたデータが正常範囲内にあると判断されたにも関わらず、圧延製品の圧延結果が良好でない場合、判断基準を厳しくする方向に変更することが行われてもよい。また、第３のステップでは、抽出されたデータが正常範囲内にないと判断されたにも関わらず、圧延製品の圧延結果が良好である場合、判断基準を緩める方向に変更することが行われてもよい。或いは、抽出されたデータが正常範囲内にないと判断されたにも関わらず、圧延製品の圧延結果が良好である場合、表示装置にアラームを出力する第６のステップが備えられてもよい。
　第１のステップで抽出されるデータは、関連する複数の尺度を成分とするデータであってもよい。その場合、第２のステップでは、複数の尺度を軸とする空間上での正常データ群と抽出されたデータとの距離に基づいて、抽出されたデータが正常範囲内にあるかどうか判断することが行われてもよい。なお、正常データ群と抽出されたデータとの距離は、多次元尺度構成法により計算してもよい。さらに、第２のステップでは、正常データ群と抽出されたデータとの距離を、動的時間伸縮法を用いて補正することが行われてもよい。
　なお、本発明によれば、上記の圧延設備の異常診断方法における各ステップの処理をコンピュータに実行させるためのプログラムと、そのプログラムを格納した記憶媒体も提供される。
　また、本発明に係る圧延設備の異常診断装置は、圧延設備のプロセスデータを時系列に収集して記録するデータ収集装置に接続され、データ収集装置に記録されたデータに基づいて圧延設備の異常を診断する装置であって、詳しくは以下のように構成される。
　すなわち、本発明に係る圧延設備の異常診断装置は、データ抽出部、判断部、及び、判断結果評価部を備えて構成される。データ抽出部は、データ収集装置に記録されたデータから、同一の圧延製品に対応するデータを抽出するように構成される。判断部は、データ抽出部により抽出されたデータが、第１データベースに蓄えられた正常データ群によって規定される正常範囲内にあるかどうか判断するように構成される。判断結果評価部は、データ抽出部により抽出されたデータに対応する圧延製品の圧延結果に基づいて判断部による判断結果を評価するように構成される。より詳しくは、判断結果評価部は、判断部による判断結果と圧延結果とが整合しない場合には、正常範囲を規定する判断基準を変更するように構成される。
　上記の構成によれば、特に、データ抽出部と判断部とを備えたことにより、過去の異常事象のデータを蓄えずとも、正常データ、すなわち、良好な圧延結果が得られたときのデータさえあれば、異常診断を行うことができる。正常データを収集することは異常データを収集することに比較して容易であり、収集に労力を要しない。また、正常データに基づいて異常診断を行うのであれば、定義されていない未知の異常にも対応することができる。さらに、判断結果評価部を備えたことにより、正常範囲内かどうかの判断基準が実際の圧延結果に整合するように更新されるので、正常データを用いた異常診断の精度を高めていくことができる。
　データ抽出部、判断部、及び、判断結果評価部の各処理は、異常診断装置を構成するコンピュータに実行させてもよい。つまり、異常診断装置を、プロセッサと、プログラムを記憶するメモリとを備えるコンピュータで構成し、メモリから読み出されたプログラムがプロセッサで実行されたときに、コンピュータがデータ抽出部、判断部、及び、判断結果評価部として動作するようにプログラムを構成してもよい。
　判断結果評価部は、抽出されたデータが正常範囲内にあると判断部により判断され、且つ、圧延製品の圧延結果が良好である場合、抽出されたデータを第１データベースに登録するように構成されてもよい。このように構成されることにより、判断基準の設定に用いる正常データの蓄積量を増やし、それにより判断基準の精度を高めることができる。
　また、判断結果評価部は、抽出されたデータが正常範囲内にないと判断部により判断され、且つ、圧延製品の圧延結果が良好でない場合、抽出されたデータを異常データを蓄える第２データベースに登録するように構成されてもよい。このように構成されることにより、定義されていない未知の異常も含めて、圧延設備に生じた異常に関するデータを第２データベースに蓄積することができる。
　判断結果評価部は、抽出されたデータが正常範囲内にあると判断部により判断されたにも関わらず、圧延製品の圧延結果が良好でない場合、判断基準を厳しくする方向に変更するように構成されてもよい。また、判断結果評価部は、抽出されたデータが正常範囲内にないと判断部により判断されたにも関わらず、圧延製品の圧延結果が良好である場合、判断基準を緩める方向に変更するように構成されてもよい。或いは、判断結果評価部は、抽出されたデータが正常範囲内にないと判断部により判断されたにも関わらず、圧延製品の圧延結果が良好である場合、表示装置にアラームを出力するように構成されてもよい。
　データ抽出部は、関連する複数の尺度を成分とするデータを抽出するように構成されてもよい。その場合、判断部は、複数の尺度を軸とする空間上での正常データ群と抽出されたデータとの距離に基づいて、抽出されたデータが正常範囲内にあるかどうか判断するように構成されてもよい。なお、正常データ群と抽出されたデータとの距離は、多次元尺度構成法により計算してもよい。さらに、判断部は、正常データ群と抽出されたデータとの距離を、動的時間伸縮法を用いて補正するように構成されてもよい。
　本発明によれば、過去の異常事象のデータを蓄えずとも、正常データ、すなわち、良好な圧延結果が得られたときのデータさえあれば、異常診断を行うことができる。正常データを収集することは異常データを収集することに比較して容易であり、収集に労力を要しない。また、正常データに基づいて異常診断を行うことで、定義されていない未知の異常にも対応することができる。さらに、本発明によれば、正常範囲内かどうかの判断基準が実際の圧延結果に整合するように更新されるので、正常データを用いた異常診断の精度を高めていくことができる。
本発明の実施の形態の異常診断装置が適用される圧延設備の構成例を示す図である。 本発明の実施の形態の異常診断装置のハードウェア構成例を示すブロック図である。 本発明の実施の形態の異常診断装置が有する機能の一部を示す機能ブロック図である。 圧延製品の品質に関する保証値の範囲を示す図である。 異常判定に用いるスコアの計算の処理の流れを示すブロック図である。 時系列データの例とそれに基づくスコアの計算例を示す図である。 スコアから異常を判定する方法の一例を示す図である。 本発明の実施の形態の異常診断装置による異常判定の方法を示す図である。 判定基準の変更について説明する図である。 判定基準の変更について説明する図である。 判断結果と圧延結果と選択される処理との対応関係を表で示す図である。 本発明の実施の形態の異常診断装置が実行する異常診断の手順を示すフローチャートである。
　図面を参照して、本発明の実施の形態を説明する。ただし、以下に示す実施の形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、特に明示する場合を除き、構成部品の構造や配置、処理の順序などを下記のものに限定する意図はない。本発明は以下に示す実施の形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々変形して実施することができる。
＜圧延設備の構成例＞
　図１は、本発明の実施の形態の異常診断装置が適用される圧延設備の構成例を示す図である。ここでは、圧延設備の典型例として一般的に広く用いられている、鋼板を製作するための熱間圧延ライン２０を例示する。図中の矢印は、圧延される材料の流れる方向を表している。熱間圧延ライン２０は、圧延素材（以下、「スラブ」という）から圧延製品を製造するためのラインである。
　熱間圧延ライン２０は、圧延される材料の流れる方向に沿って配置された、加熱炉２、ＨＳＢ（Ｈｏｔ Ｓｃａｌｅ Ｂｒｅａｋｅｒ）３、粗エッジャ４、粗水平圧延機５、エッジヒータ８、ＦＳＢ（Ｆｉｎｉｓｈｅｒ Ｓｃａｌｅ Ｂｒｅａｋｅｒ）１１、Ｆ１エッジャ１２、仕上圧延機１３、ランアウトテーブル１６、及びダウンコイラ１９等の複数の機器を備える。これらの設備は、図示しない搬送テーブルによって結ばれ、それぞれが電動機や油圧装置で駆動される。また、熱間圧延ライン２０は、粗出側温度計６、熱画像装置７、仕上入側温度計１０、マルチゲージ１４、仕上出側温度計１５、熱画像装置１７、コイラ入側温度計１８等の複数の計測装置を備える。以下、熱間圧延ライン２０を構成する設備及び計測装置の概要について説明する。
　加熱炉２は、スラブを加熱するための炉である。ＨＳＢ３は、加熱炉２での加熱によりスラブの表面に形成される酸化膜の除去に用いられる。主に高圧水がノズルからスラブに当てられ、酸化膜が取り除かれる。
　粗エッジャ４は、主に幅精度を確保するために、被圧延材（スラブから製品として完成する途中の状態も含む、以下同様）を幅方向に圧下するための装置である。粗エッジャ４は、ライン上方向から俯瞰して、ローラを被圧延材に対して幅方向に当てるように構成されている。粗水平圧延機５は、単数または複数スタンドから構成されている。ライン長を短くするため、また、粗圧延は複数パスが必要であるため、粗水平圧延機５は、可逆式圧延機を含んで構成される場合が多い。粗水平圧延機５には、高圧水を半製品である被圧延材１に当て、表面の酸化膜を除去するための、デスケーラと呼ばれる装置が備えられている。圧延は高温で行われるため、酸化膜が形成されやすく、このような酸化膜除去の装置を適宜用いる必要がある。粗出側温度計６は、粗水平圧延機５の出側に配置され、圧延中の半製品である被圧延材の表面温度を計測する。
　エッジヒータ８は、被圧延材の幅方向の端部の温度を電磁力の誘導加熱により上昇させる装置である。エッジヒータ８の入側と出側には、それぞれ熱画像装置７が配置されている。被圧延材が流れる方向のさらに下流であって、仕上圧延機１３の入側には、仕上入側温度計１０が配置されている。仕上圧延機１３の入側温度は、材料の変形抵抗の予測に密接に関係する。このため、加工直近での温度を仕上入側温度計１０により計測する必要がある。或いは、粗出側温度計６の実測値を用いて、粗出側温度計６から仕上圧延機１３までの搬送時間が考慮された高精度な温度予測値を求める必要がある。
　ＦＳＢ１１は、被圧延材の表面の酸化膜を除去する装置である。ＦＳＢ１１は、粗圧延の終了後、被圧延材が仕上圧延機１３の入側に到達するまでに距離と時間を要するために生じるスケールを取り除き、仕上圧延後の圧延製品の表面性状を良くするために用いられる。エッジャ１２は、仕上圧延機１３の入側に設置され、仕上圧延後の圧延製品の幅方向の寸法精度を確保するために用いられる。また、エッジャ１２は、圧下による塑性加工により、被圧延材の幅方向の端部の温度上昇に寄与する。
　仕上圧延機１３は、スタンドと呼ばれる圧延機が複数並んで構成されたタンデム式圧延機である。仕上圧延機１３では、圧延製品の目標製品精度を得るための圧延が行われる。仕上圧延機１３の出側には、マルチゲージ１４と仕上出側温度計１５が配置されている。マルチゲージ１４は、Ｘ線の検出器が幅方向に並べられた形態を有している。マルチゲージ１４は、幅方向の板厚分布を計測できることから、板厚、クラウン、板幅などを１台で計測できる複合型計測器である。マルチゲージ１４は、その内部に熱画像装置を有し、熱画像装置により圧延製品の幅方向の温度を計測して、Ｘ線からの検出値の補正に用いている。仕上出側温度計１５は、圧延後の被圧延材の表面温度を計測する。圧延製品の温度は、製品の金属組織の形成や材質と密接に関連しているので、適切な温度に管理される必要がある。
　ランアウトテーブル１６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装置である。なお、通常のランアウトテーブル冷却装置に代えて、或いは、それに加えて、強制冷却装置を備えてもよい。ランアウトテーブル１６には、圧延製品の幅方向の端部の温度低下を防ぐため、幅方向に冷却水が掛からないようにするエッジマスクが適用される場合がある。ランアウトテーブル１６の出側であってダウンコイラ１９の入側には、熱画像装置１７とコイラ入側温度計１８が配置されている。コイラ入側温度計１８は、圧延後の圧延製品の表面温度を計測する。圧延製品の温度は、製品の金属組織の形成や材質と密接に関連しているので、適切な温度に管理される必要がある。ダウンコイラ１９は、圧延製品を搬送するために巻き取るための装置である。ダウンコイラ１９により巻き取られたロール状の圧延製品をコイルという。
　熱間圧延ライン２０には、データ収集装置２２が設けられている。データ収集装置２２は、熱間圧延ライン２０を構成する各設備に対する設定値や実績値、計測装置による計測値、さらに設備を適正に動作させるための操作量などを常時または間欠的に収集し、ハードディスクなどの記録装置に記録している。例えば、ダウンコイラ１９で巻き取られた圧延製品については、マルチゲージ１４、仕上出側温度計１５、コイラ入側温度計１８などで計測された板厚、板幅、クラウン、仕上出側温度、コイラ入側温度などの品質指標に関して客先への保証値が定められている。データ収集装置２２は、これらの品質指標を成分として含むプロセスデータを時系列に収集し、記録している。なお、データ収集装置２２は、単一のコンピュータで構成してもよいし、ネットワークに接続された複数のコンピュータで構成してもよい。
＜異常診断装置のハードウェア構成例＞
　図２は、本実施の形態の異常診断装置３０のハードウェア構成例を示すブロック図である。異常診断装置３０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）３２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）３３、入出力インターフェース３４、システムバス３５、ストレージ３６、入力装置３７、表示装置３８、および通信装置３９を備えたコンピュータである。
　ＣＰＵ３１は、ＲＯＭ３２やＲＡＭ３３に格納されたプログラムやデータなどを用いて各種の演算処理を実行する処理装置である。ＲＯＭ３２は、コンピュータに各機能を実現させるための基本プログラムや環境ファイルなどを記憶する読み取り専用の記憶装置である。ＲＡＭ３３は、ＣＰＵ３１が実行するプログラムおよび各プログラムの実行に必要なデータを記憶する主記憶装置であり、高速な読み出しと書き込みが可能である。入出力インターフェース３４は、各種のハードウェアとシステムバス３５との接続を仲介する装置である。システムバス３５は、ＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３および入出力インターフェース３４で共有される情報伝達路である。
　また、入出力インターフェース３４には、入力装置３７、表示装置３８、ストレージ３６および通信装置３９などのハードウェアが接続されている。入力装置３７は、ユーザからの入力を処理する装置である。表示装置３８は、診断結果や異常診断に係る情報を表示する装置である。ストレージ３６は、プログラムやデータを蓄積する大容量の補助記憶装置であり、例えばハードディスク装置や不揮発性の半導体メモリなどである。通信装置３９は、有線又は無線でデータ収集装置２２とデータ通信可能な装置である。
＜異常診断装置が有する機能＞
　図３は、本実施の形態の異常診断装置３０が有する機能の一部を示す機能ブロック図である。異常診断装置３０は、データ抽出部１０１、判断部１０２、及び、判断結果評価部１０３備えている。異常診断装置３０のＲＯＭ３２（図２参照）から読みだされたプログラムがＣＰＵ３１（図２参照）で実行されることによって、これらの機能部１０１，１０２，１０３の機能、つまり、異常診断装置３０としての機能がコンピュータにて実現される。また、異常診断装置３０は、第１データベースである正常パターンデータベース１０４と、第２データベースである異常パターンデータベース１０５とを備える。正常パターンデータベース１０４と異常パターンデータベース１０５は、ストレージ３６（図２参照）内に構築されている。なお、コンピュータを異常診断装置３０として機能させるプログラムは、ネットワーク又はコンピュータで読み取り可能な記憶媒体（例えばＣＤ－ＲＯＭ、ＤＶＤ、ＵＳＢメモリ等）を介して提供される。
　データ抽出部１０１は、データ収集装置２２に記録されたデータをコイル単位で切り出すように構成される。データ収集装置２２には各項目のデータが時系列に記録されている。データ抽出部１０１は、データの時間情報に基づいて、データ収集装置２２に記録されたデータから、同一のコイルに対応するデータを抽出する。なお、データ抽出部１０１により抽出されるデータは、板厚と荷重のように関連する複数の尺度を成分とするデータである。
　判断部１０２は、データ抽出部１０１で抽出されたデータが、正常範囲内にあるかどうか判断するように構成される。ここで、図４は、データ抽出部１０１で抽出されたデータと、それに対して設定されている保証値のトレランスを示す図である。圧延製品には、品質指標ごとに保証値のトレランスが定められている。圧延時は、各品質指標がそのトレランス内となるように各設備が制御されている。しかし、メンテナンス不足に起因した装置の不具合、不適切な制御ゲインなどの様々な原因により、品質指標がトレランスを逸脱する場合がある。判断部１０２が判断に用いる正常範囲は、品質指標の保証値のトレランスに関連している。
　判断部１０２は、データ抽出部１０１で抽出されたデータからスコアを計算するように構成される。ここで、図５は、異常判定に用いるスコアの計算の処理の流れを示すブロック図である。まず、これまで得られたデータから、データ発生分布のモデルを学習することが行われる。モデルは確率モデルでもよいし統計モデルでもよい。そして、学習されたモデルを用いて、データの異常度合いまたはモデルの異常な変化度合いをスコアリングすることが行われる。図６は、データ抽出部１０１で抽出された時系列データの例とそれに基づくスコアの計算例を示す図である。
　算出したスコアから異常を判定する方法としては、閾値による判定が一般的であると言える。図７は、スコアから異常を判定する方法の一例を示す図である。図７において、点線で描いた直線はスコアに対する閾値を示している。しかし、この方法では異常判定の精度が閾値の決め方に依存するため、この方法では異常判定の精度を十分に担保できるとは言い難い。
　判断部１０２は、単に１つの尺度により判断するのではなく、従属的な判断ができる尺度を組み合わせて異常を判定するように構成される。図８は、判断部１０２による異常判定の方法を示す図である。ここでは、尺度１と尺度２とで定義される平面上において、尺度１と尺度２のそれぞれのスコア（スコアの代表値）の組み合わせで定義される点がプロットされている。図８において、“正常データ群”としてグループ化されているデータ群は、正常パターンデータベース１０４に蓄えられているデータ群である。正常パターンデータベース１０４には、これまでにデータ抽出部１０１で抽出されたデータのうち、次に説明する判断結果評価部１０３により、正常であると最終判断された正常データのみが蓄えられている。
　判断部１０２は、尺度１と尺度２とで定義される平面上でのデータ間の距離、詳しくは、データ抽出部１０１で抽出されたデータと正常データ群との距離を、多次元尺度構成法やｋ近傍法、或いは密度比推定法などによって計測する。さらに、動的時間伸縮法を用いて距離の補正を行なってもよい。図８において、点線で描いた曲線は正常範囲を規定する判断基準線であって、正常パターンデータベース１０４に蓄えられている正常データ群を基準に設定される。判断部１０２は、正常データ群との距離が判断基準線よりも近いデータは正常範囲内であると判断し、正常データ群との距離が判断基準線よりも遠いデータは正常範囲外であると判断する。尺度１として例えば板厚をとる場合、尺度２としては板厚と密接な関係のある荷重をとることが好ましい。板厚で異常が出ている場合、この異常は板厚と密接な関係のある荷重にも出ている可能性が高いことから、尺度１と尺度２を上記のようにとることにより、単なるセンサのノイズを排除し、より明確に異常を判断することができる。
　判断結果評価部１０３は、判断部１０２による判断結果を評価するように構成される。その評価の基準として用いられるのが、データ抽出部１０１で抽出されたデータ、つまり、判断部１０２において正常範囲内かどうかの判断の対象となったデータに対応する圧延製品の実際の圧延結果である。圧延結果とは、具体的には、圧延終了後に、板厚、板幅、温度、形状などについて、それぞれが品質管理値以内にあるかどうかチェックした結果である。圧延結果を得るためのチェックは、好ましくは、専用の装置等によって自動で行われて、通信装置３９を介してオンラインで取得される。ただし、人がチェックした結果が、入力装置３７を介して入力可能とされていてもよい。
　判断結果評価部１０３は、詳しくは、判断部１０２による判断結果を品質基準としての圧延結果と比較し、判断結果と圧延結果とが整合しているかどうか評価する。そして、その評価結果に応じた処理を行う。ここで、図１１は、判断結果と圧延結果と選択される処理との対応関係を表で示す図である。以下、評価結果に応じてどのような処理が行われるのか、図１１を参照して説明する。
　まず、正常範囲内であるとする判断結果と、良い圧延結果とは整合する。この場合、判断結果評価部１０３は、判断部１０２により正常範囲内にあると判断されたデータを正常パターンデータベース１０４に登録することを行う。そうすることで、判断基準の設定に用いる正常データの蓄積量を増やし、それにより判断基準の精度を高めることができる。なお、ここで登録されるデータは、データ抽出部１０１により抽出された同一の圧延製品（コイル）に対応するデータであって、データごとに、コイルの長さ方向に対する尺度（品質指標）のばらつきのパターンに違いが有る。正常パターンデータベース１０４には、様々なパターンを有する正常データが蓄積されている。
　一方、正常範囲内であるとする判断結果と、悪い圧延結果とは整合しない。この場合、判断結果評価部１０３は、次回以降の判断精度を向上させるため、判断部１０２による判断基準を変更する。具体的には、今回正常範囲内であると判断されたデータが、正常範囲外であると判断されるように、判断基準を厳しくする方向に変更する。例を挙げると、図９には、尺度１と尺度２とで定義される平面上において、データＡがプロットされている。このデータＡは判断基準１を示す曲線に対して、正常データ群と同じ側に位置している。ゆえに、図９に示す判断基準１によれば、データＡは正常範囲内であると判断される。しかし、データＡに対応する圧延製品の実際の圧延結果が悪かった場合、データＡは正常範囲内であるという判断は正しいとは言えない。ゆえに、この場合、図１０に示すように、判断基準１から判断基準２への変更が行われる。判断基準２によれば、データＡは正常範囲外であると判断されることになり、実際の圧延結果と整合するようになる。
　正常範囲内でないとする判断結果と、悪い圧延結果とは整合する。この場合、判断結果評価部１０３は、判断部１０２により正常範囲外にあると判断されたデータを異常パターンデータベース１０５に登録することを行う。そうすることで、定義されていない未知の異常も含めて、熱間圧延ライン２０に生じた異常に関するデータを異常パターンデータベース１０５に蓄積することができる。なお、新たに登録されるデータのパターン、詳しくは、コイルの長さ方向に対する尺度（品質指標）のばらつきのパターンと、異常パターンデータベース１０５に既に登録されている異常データ群のパターンとを比較することで、定義されていない未知の異常が発生したのかどうか判断することができる。
　一方、正常範囲外であるとする判断結果と良い圧延結果とは整合しない。この場合、判断結果評価部１０３は、次回以降の判断精度を向上させるため、判断部１０２による判断基準を変更する。具体的には、今回正常範囲外であると判断されたデータが、正常範囲内であると判断されるように、判断基準を緩くする方向に変更する。ただし、圧延結果が良いにも関わらずデータは正常範囲外である場合、設備に潜在的な不具合が内在しているおそれがある。ゆえに、この場合は、オペレータに設備の不具合を調査させるべく、表示装置３８にアラーム画面を出力してもよい。
＜異常診断の手順＞
　以上説明した機能を有する異常診断装置３０によれば、圧延設備の異常診断は以下の手順で実行される。以下、異常診断装置３０による異常診断の手順について、図１２に示すフローチャートを用いて説明する。
　ステップＳ１では、異常診断装置３０は、データ収集装置２２に記録されたデータから、同一の圧延製品に対応するデータを抽出する。
　次に、ステップＳ２では、異常診断装置３０は、ステップＳ１で抽出されたデータが、正常パターンデータベース１０４に蓄えられた正常データ群によって規定される正常範囲内にあるかどうか判断する。詳しくは、異常診断装置３０は、多次元尺度構成法等により正常データ群とステップＳ１で抽出されたデータとの距離を計測する。このとき、好ましくは、動的時間伸縮法（ＤＴＷ）を用いて距離の補正を行う。そして、計測した距離に基づいて、ステップＳ１で抽出されたデータが正常範囲内にあるかどうか判断する。
　次に、異常診断装置３０は、ステップＳ２における判断結果を、ステップＳ１で抽出されたデータに対応する圧延製品の圧延結果に基づいて評価する。詳しくは、ステップＳ２においてステップＳ１で抽出されたデータは正常範囲内にあると判断した場合、異常診断装置３０は、ステップＳ３では、ステップＳ２における肯定的な判断結果が実際の圧延結果と整合するか否か判定する。
　ステップＳ２における肯定的な判断結果が実際の圧延結果と整合する場合、つまり、実際の圧延結果が良好である場合、異常診断装置３０は、ステップＳ４の処理を選択する。ステップＳ４では、異常診断装置３０は、ステップＳ１で抽出されたデータを正常パターンデータベース１０４に登録する。
　ステップＳ２における肯定的な判断結果が実際の圧延結果と整合しない場合、つまり、実際の圧延結果が良好でない場合、異常診断装置３０は、ステップＳ５の処理を選択する。ステップＳ５では、異常診断装置３０は、ステップＳ２で行う判断の判断基準を厳しくする方向に変更するとともに、ステップＳ１で抽出されたデータを異常パターンデータベース１０５に登録する。
　また、ステップＳ２においてステップＳ１で抽出されたデータは正常範囲内にないと判断した場合、異常診断装置３０は、ステップＳ６では、ステップＳ２における否定的な判断結果が実際の圧延結果と整合するか否か判定する。
　ステップＳ２における否定的な判断結果が実際の圧延結果と整合する場合、つまり、実際の圧延結果が良好でない場合、異常診断装置３０は、ステップＳ７の処理を選択する。ステップＳ７では、異常診断装置３０は、ステップＳ１で抽出されたデータを異常パターンデータベース１０５に登録する。
　ステップＳ２における否定的な判断結果が実際の圧延結果と整合しない場合、つまり、実際の圧延結果が良好である場合、異常診断装置３０は、ステップＳ８の処理を選択する。ステップＳ８では、異常診断装置３０は、ステップＳ２で行う判断の判断基準を緩める方向に変更する。或いは、異常診断装置３０は、表示装置３８にアラームを出力することを行う。
　上記の手順で実行される異常診断によれば、日々変わっていく圧延の状態に応じて異常コイルと正常コイルの判断基準を定めるために、正常パターンデータベース１０４と異常パターンデータベース１０５とが活用される。このように、正常パターンデータベース１０４と異常パターンデータベース１０５とを組み合わせることにより、異常検出の精度を向上することができ、また正常パターンデータベース１０４に蓄えた正常データ群と比較することにより、未知の異常に対応することができる。
２０：熱間圧延ライン（圧延設備）
２２：データ収集装置
３０：異常診断装置
３６：ストレージ
３７：入力装置
３８：表示装置
３９：通信装置
１０１：データ抽出部
１０２：判断部
１０３：判断結果評価部
１０４：正常パターンデータベース
１０５：異常パターンデータベース

Claims (16)

  1. 　圧延設備のプロセスデータをデータ収集装置により時系列に収集して記録し、前記データ収集装置に記録されたデータに基づいて前記圧延設備の異常を診断する方法であって、
    　前記データ収集装置に記録されたデータから、同一の圧延製品に対応するデータを抽出する第１のステップと、
    　前記抽出されたデータが、第１データベースに蓄えられた正常データ群によって規定される正常範囲内にあるかどうか判断する第２のステップと、
    　前記抽出されたデータに対応する圧延製品の圧延結果に基づいて前記第２のステップにおける判断結果を評価し、同判断結果と前記圧延結果とが整合しない場合には、前記正常範囲を規定する判断基準を変更する第３のステップと、
    を備えることを特徴とする圧延設備の異常診断方法。
  2. 　前記抽出されたデータが前記正常範囲内にあると判断され、且つ、前記圧延製品の圧延結果が良好である場合、前記抽出されたデータを前記第１データベースに登録する第４のステップ、
    をさらに備えることを特徴とする請求項１に記載の圧延設備の異常診断方法。
  3. 　前記抽出されたデータが前記正常範囲内にないと判断され、且つ、前記圧延製品の圧延結果が良好でない場合、前記抽出されたデータを、異常データを蓄える第２データベースに登録する第５のステップ、
    をさらに備えることを特徴とする請求項１又は２に記載の圧延設備の異常診断方法。
  4. 　前記第３のステップでは、前記抽出されたデータが前記正常範囲内にあると判断されたにも関わらず、前記圧延製品の圧延結果が良好でない場合、前記判断基準を厳しくする方向に変更することが行われる、ことを特徴とする請求項１乃至３の何れか１項に記載の圧延設備の異常診断方法。
  5. 　前記第３のステップでは、前記抽出されたデータが前記正常範囲内にないと判断されたにも関わらず、前記圧延製品の圧延結果が良好である場合、前記判断基準を緩める方向に変更することが行われる、ことを特徴とする請求項１乃至４の何れか１項に記載の圧延設備の異常診断方法。
  6. 　前記抽出されたデータが前記正常範囲内にないと判断されたにも関わらず、前記圧延製品の圧延結果が良好である場合、表示装置にアラームを出力する第６のステップ、
    をさらに備えることを特徴とする請求項１乃至４の何れか１項に記載の圧延設備の異常診断方法。
  7. 　前記第１のステップで抽出されるデータは、関連する複数の尺度を成分とするデータであり、
    　前記第２のステップでは、前記複数の尺度を軸とする空間上での前記正常データ群と前記抽出されたデータとの距離を計測し、同距離に基づいて、前記抽出されたデータが前記正常範囲内にあるかどうか判断することが行われる、ことを特徴とする請求項１乃至６の何れか１項に記載の圧延設備の異常診断方法。
  8. 　前記第２のステップでは、動的時間伸縮法を用いて前記距離を補正することが行われる、ことを特徴とする請求項７に記載の圧延設備の異常診断方法。
  9. 　圧延設備のプロセスデータを時系列に収集して記録するデータ収集装置に接続され、前記データ収集装置に記録されたデータに基づいて前記圧延設備の異常を診断する装置であって、
    　前記データ収集装置に記録されたデータから、同一の圧延製品に対応するデータを抽出するように構成されたデータ抽出部と、
    　前記抽出されたデータが、第１データベースに蓄えられた正常データ群によって規定される正常範囲内にあるかどうか判断するように構成された判断部と、
    　前記抽出されたデータに対応する圧延製品の圧延結果に基づいて前記判断部による判断結果を評価するように構成された判断結果評価部と、を備え、
    　前記判断結果評価部は、前記判断部による前記判断結果と前記圧延結果とが整合しない場合には、前記正常範囲を規定する判断基準を変更するように構成されている、ことを特徴とする圧延設備の異常診断装置。
  10. 　前記判断結果評価部は、前記抽出されたデータが前記正常範囲内にあると前記判断部により判断され、且つ、前記圧延製品の圧延結果が良好である場合、前記抽出されたデータを前記第１データベースに登録するように構成されている、ことを特徴とする請求項９に記載の圧延設備の異常診断装置。
  11. 　前記判断結果評価部は、前記抽出されたデータが前記正常範囲内にないと前記判断部により判断され、且つ、前記圧延製品の圧延結果が良好でない場合、前記抽出されたデータを、異常データを蓄える第２データベースに登録するように構成されている、ことを特徴とする請求項９又は１０に記載の圧延設備の異常診断装置。
  12. 　前記判断結果評価部は、前記抽出されたデータが前記正常範囲内にあると前記判断部により判断されたにも関わらず、前記圧延製品の圧延結果が良好でない場合、前記判断基準を厳しくする方向に変更するように構成されている、ことを特徴とする請求項９乃至１１の何れか１項に記載の圧延設備の異常診断装置。
  13. 　前記判断結果評価部は、前記抽出されたデータが前記正常範囲内にないと前記判断部により判断されたにも関わらず、前記圧延製品の圧延結果が良好である場合、前記判断基準を緩める方向に変更するように構成されている、ことを特徴とする請求項９乃至１２の何れか１項に記載の圧延設備の異常診断装置。
  14. 　前記判断結果評価部は、前記抽出されたデータが前記正常範囲内にないと前記判断部により判断されたにも関わらず、前記圧延製品の圧延結果が良好である場合、表示装置にアラームを出力するように構成されている、ことを特徴とする請求項９乃至１２の何れか１項に記載の圧延設備の異常診断装置。
  15. 　前記データ抽出部は、関連する複数の尺度を成分とするデータを抽出するように構成され、
    　前記判断部は、前記複数の尺度を軸とする空間上での前記正常データ群と前記抽出されたデータとの距離を計測し、同距離に基づいて、前記抽出されたデータが前記正常範囲内にあるかどうか判断するように構成されている、ことを特徴とする請求項９乃至１４の何れか１項に記載の圧延設備の異常診断装置。
  16. 　前記判断部は、動的時間伸縮法を用いて前記距離を補正するように構成されている、ことを特徴とする請求項１５に記載の圧延設備の異常診断装置。
PCT/JP2016/085211 2016-11-28 2016-11-28 圧延設備の異常診断の方法及び装置 WO2018096682A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201680091146.9A CN109996615B (zh) 2016-11-28 2016-11-28 轧制设备的异常诊断方法及装置
JP2018552375A JP6791261B2 (ja) 2016-11-28 2016-11-28 圧延設備の異常診断の方法及び装置
PCT/JP2016/085211 WO2018096682A1 (ja) 2016-11-28 2016-11-28 圧延設備の異常診断の方法及び装置
TW106105278A TWI649133B (zh) 2016-11-28 2017-02-17 壓延設備的異常診斷之方法及裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/085211 WO2018096682A1 (ja) 2016-11-28 2016-11-28 圧延設備の異常診断の方法及び装置

Publications (1)

Publication Number Publication Date
WO2018096682A1 true WO2018096682A1 (ja) 2018-05-31

Family

ID=62194917

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/085211 WO2018096682A1 (ja) 2016-11-28 2016-11-28 圧延設備の異常診断の方法及び装置

Country Status (4)

Country Link
JP (1) JP6791261B2 (ja)
CN (1) CN109996615B (ja)
TW (1) TWI649133B (ja)
WO (1) WO2018096682A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020044533A1 (ja) * 2018-08-31 2020-03-05 東芝三菱電機産業システム株式会社 製造プロセス監視装置
JP2020095617A (ja) * 2018-12-14 2020-06-18 コニカミノルタ株式会社 安全管理支援システム、および制御プログラム
JP7031713B1 (ja) 2020-10-22 2022-03-08 Ｊｆｅスチール株式会社 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置
JP2022535069A (ja) * 2019-08-09 2022-08-04 エルジー エナジー ソリューション リミテッド 製造設備品質に対する定量化診断法
JP2023052477A (ja) * 2018-09-20 2023-04-11 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
TWI830189B (zh) * 2021-07-13 2024-01-21 日商東芝三菱電機產業系統股份有限公司 異常檢測裝置
WO2024075220A1 (ja) * 2022-10-05 2024-04-11 東芝三菱電機産業システム株式会社 圧延リスク提示装置

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6529690B1 (ja) * 2018-06-08 2019-06-12 千代田化工建設株式会社 支援装置、学習装置、及びプラント運転条件設定支援システム
JP6915763B1 (ja) * 2020-01-14 2021-08-04 Ｊｆｅスチール株式会社 異常診断システム及び異常診断方法
TWI770536B (zh) * 2020-06-22 2022-07-11 中國鋼鐵股份有限公司 熱軋產品缺陷成因判斷方法及系統
JP7447779B2 (ja) * 2020-12-21 2024-03-12 東芝三菱電機産業システム株式会社 圧延材の形状制御システム
JP7468376B2 (ja) * 2021-01-21 2024-04-19 株式会社Tmeic ロール管理装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004167604A (ja) * 2002-11-20 2004-06-17 Posco Corp Ltd 仕上圧延異常診断装置及び方法
WO2015177870A1 (ja) * 2014-05-20 2015-11-26 東芝三菱電機産業システム株式会社 製造設備診断支援装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3397726B2 (ja) * 1999-07-14 2003-04-21 株式会社日立製作所 圧延機の異常診断方法および装置
JP4003733B2 (ja) * 2003-10-22 2007-11-07 株式会社日立製作所 プラントシステム，制御装置及び制御方法
JP5407673B2 (ja) * 2009-09-02 2014-02-05 Ｊｆｅスチール株式会社 熱間圧延ラインにおけるトラッキングセンサのオンライン診断方法
CN102441579B (zh) * 2010-10-13 2016-01-13 上海宝钢工业技术服务有限公司 热连轧轧机运行状态的在线监测方法
JP6068146B2 (ja) * 2013-01-10 2017-01-25 東芝三菱電機産業システム株式会社 設定値計算装置、設定値計算方法、及び設定値計算プログラム
CN105738136B (zh) * 2016-01-27 2019-01-22 合肥科博软件技术有限公司 一种设备异常检测方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004167604A (ja) * 2002-11-20 2004-06-17 Posco Corp Ltd 仕上圧延異常診断装置及び方法
WO2015177870A1 (ja) * 2014-05-20 2015-11-26 東芝三菱電機産業システム株式会社 製造設備診断支援装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020044533A1 (ja) * 2018-08-31 2020-03-05 東芝三菱電機産業システム株式会社 製造プロセス監視装置
JPWO2020044533A1 (ja) * 2018-08-31 2020-09-24 東芝三菱電機産業システム株式会社 製造プロセス監視装置
JP2023052477A (ja) * 2018-09-20 2023-04-11 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
JP2020095617A (ja) * 2018-12-14 2020-06-18 コニカミノルタ株式会社 安全管理支援システム、および制御プログラム
JP2022535069A (ja) * 2019-08-09 2022-08-04 エルジー エナジー ソリューション リミテッド 製造設備品質に対する定量化診断法
JP7334275B2 (ja) 2019-08-09 2023-08-28 エルジー エナジー ソリューション リミテッド 製造設備品質に対する定量化診断法
JP7031713B1 (ja) 2020-10-22 2022-03-08 Ｊｆｅスチール株式会社 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置
WO2022085350A1 (ja) * 2020-10-22 2022-04-28 Ｊｆｅスチール株式会社 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置
JP2022068595A (ja) * 2020-10-22 2022-05-10 Ｊｆｅスチール株式会社 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置
TWI830189B (zh) * 2021-07-13 2024-01-21 日商東芝三菱電機產業系統股份有限公司 異常檢測裝置
WO2024075220A1 (ja) * 2022-10-05 2024-04-11 東芝三菱電機産業システム株式会社 圧延リスク提示装置

Also Published As

Publication number Publication date
JPWO2018096682A1 (ja) 2019-10-17
JP6791261B2 (ja) 2020-11-25
CN109996615A (zh) 2019-07-09
TWI649133B (zh) 2019-02-01
TW201819061A (zh) 2018-06-01
CN109996615B (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
WO2018096682A1 (ja) 圧延設備の異常診断の方法及び装置
CN107949813B (zh) 制造设备诊断辅助装置及制造设备诊断辅助方法
JP7044175B2 (ja) 異常判定支援装置
JP6856443B2 (ja) 設備機器の異常診断システム
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
JP6116445B2 (ja) 品質異常の原因推定支援システム
KR102426172B1 (ko) 조임 발생 예측 시스템
JP4106040B2 (ja) 鋼板の冷却制御装置の異常診断および異常回避方法
JP5924362B2 (ja) 材料特性値推定装置、材料特性値推定方法、および鋼帯の製造方法
US20150023387A1 (en) Steel plate quality assurance system and equipment thereof
JP6760503B2 (ja) 製造プロセス監視装置
JP5423524B2 (ja) 熱延コイルの製造条件決定装置および方法ならびに熱延コイルの製造方法

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: 16922396

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018552375

Country of ref document: JP

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: 16922396

Country of ref document: EP

Kind code of ref document: A1