WO2023181127A1 - 製品品質分析支援システム - Google Patents

製品品質分析支援システム Download PDF

Info

Publication number
WO2023181127A1
WO2023181127A1 PCT/JP2022/013235 JP2022013235W WO2023181127A1 WO 2023181127 A1 WO2023181127 A1 WO 2023181127A1 JP 2022013235 W JP2022013235 W JP 2022013235W WO 2023181127 A1 WO2023181127 A1 WO 2023181127A1
Authority
WO
WIPO (PCT)
Prior art keywords
waveform pattern
defective
group
support system
product quality
Prior art date
Application number
PCT/JP2022/013235
Other languages
English (en)
French (fr)
Inventor
治樹 井波
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 PCT/JP2022/013235 priority Critical patent/WO2023181127A1/ja
Priority to KR1020237034097A priority patent/KR20230153463A/ko
Priority to CN202280024851.2A priority patent/CN117121042A/zh
Priority to JP2023540847A priority patent/JPWO2023181127A1/ja
Publication of WO2023181127A1 publication Critical patent/WO2023181127A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Definitions

  • the present invention relates to a product quality analysis support system, and particularly to a product quality analysis support system that supports analysis work to maintain the quality of products manufactured in a steel plant.
  • Analytical work to maintain the quality of products manufactured at steel plants involves determining the occurrence of quality defects, identifying the causes of defects, determining how to change operating conditions and control settings to eliminate defects, and Includes a series of tasks up to the actual execution. This series of tasks required a comprehensive judgment by experienced engineers based on a large amount of data and information, which required a great deal of effort and time.
  • Patent Document 1 discloses a maintenance support system for a steel plant.
  • This maintenance support system uses the waveform pattern registration function to detect if the quality accuracy of the latest rolled material falls below the standard value and if there is a similar waveform pattern among the defective waveform patterns registered in the past. It is characterized by having a function of displaying the contents of past countermeasures linked to defective waveform patterns.
  • a user registers useful countermeasure contents corresponding to a defective waveform pattern, it is necessary to understand the characteristics of the actual product and compare it with the user's knowledge. Therefore, the knowledge and labor of experts are required, and efficiency cannot be said to be sufficient.
  • Patent Document 2 discloses a diagnostic device.
  • This diagnostic device is characterized by comprising a failure diagnosis section and a graph creation section.
  • the failure diagnosis section has an abnormality detection model and a factor analysis model, and maintenance personnel refer to the displayed graph to judge whether or not the results obtained by the diagnosis model are appropriate and register them in the history database.
  • the process of specifying parameter information for graph creation and displaying the graph is repeated until a determination is made.
  • this work is performed by human trial and error, it requires the knowledge and labor of experts, and efficiency cannot be said to be sufficient.
  • the present invention was made in order to solve the above-mentioned problems, and it is possible to grasp the occurrence of quality defects in actual products during analysis work to maintain the quality of products manufactured in steel plants,
  • the purpose of the present invention is to provide a product quality analysis support system that can support a series of operations to eliminate defects by identifying the cause of defects and implementing countermeasures.
  • the first aspect relates to a product quality analysis support system applied to a steel plant.
  • the product quality analysis support system includes at least one processor, memory, and monitor.
  • the memory stores, for each of a plurality of rolled materials rolled in the past, product specifications, quality data waveform patterns based on quality data at each position in the longitudinal direction of the rolled material, and processes at each position in the longitudinal direction of the rolled material.
  • a process data waveform pattern based on the data is stored.
  • the processor is configured to perform a first process, a second process, a third process, and a fourth process.
  • the first processing classifies a plurality of defective waveform patterns whose quality is determined to be poor among the plurality of quality data waveform patterns stored in the memory into at least one defective waveform pattern group based on similarity.
  • the second process calculates, for the defective waveform pattern group, a correlation score with conditions based on product specifications and process data waveform patterns (defective waveform pattern group feature acquisition unit 19 in FIG. 3).
  • the third process includes, when the correlation score indicating the characteristics of the defective waveform pattern group exceeds a condition threshold, a representative waveform pattern representing the defective waveform pattern group, information according to the correlation score, and a factor.
  • An input screen including a countermeasure input area is displayed on the monitor (faulty waveform pattern group feature output section 21 and cause/countermeasure input section 23 in FIG. 3).
  • the fourth process stores, in the memory, support information that associates the guidance information input into the cause/countermeasure input area, the representative waveform pattern, and information according to the correlation score (see FIG. 3).
  • Cause/measure input section 23 causes/measure input section 23.
  • the second aspect further has the following features.
  • the processor is configured to perform a fifth process.
  • the fifth process is executed every time one rolled material is completely rolled.
  • the fifth process includes, when the quality data waveform pattern of the rolled material is a defective waveform pattern, guidance information related to the defective waveform pattern and information according to the correlation score based on the support information stored in the memory. is displayed on the monitor (automatic process 9).
  • the third aspect further has the following characteristics in addition to the first or second aspect.
  • the second process includes all of group m (1 ⁇ m ⁇ M) of quality i (1 ⁇ i ⁇ I) and group n (1 ⁇ n ⁇ N) of condition j (1 ⁇ j ⁇ J). Correlation scores are calculated for the combinations.
  • the fourth aspect further has the following features in addition to any of the first to third aspects.
  • the information according to the correlation score includes text information explaining the condition.
  • the fifth aspect further has the following features in addition to any of the first to fourth aspects.
  • the information according to the correlation score includes a circular figure whose diameter increases as the correlation score increases.
  • the sixth aspect further has the following features in addition to any of the first to fifth aspects.
  • the processor is configured to perform deletion processing capable of deleting the defective waveform pattern group.
  • the seventh aspect further has the following features in addition to any of the first to sixth aspects.
  • the processor is configured to perform additional processing capable of adding the new defective waveform pattern group.
  • the eighth aspect further has the following features in addition to any of the first to seventh aspects.
  • the processor is configured to execute a correction process capable of correcting a representative waveform pattern representing the defective waveform pattern group.
  • the ninth aspect further has the following characteristics in addition to the seventh or eighth aspect.
  • the plurality of defective waveform patterns are divided into groups by a method of searching for a waveform pattern similar to the representative waveform pattern.
  • the plurality of defective waveform patterns are grouped by a clustering method.
  • the tenth aspect further has the following features in addition to any of the second to ninth aspects.
  • the memory stores a plurality of databases in which different pieces of support information are registered for the same defective waveform pattern.
  • the processor selects one of the plurality of databases and executes the fifth process.
  • the product quality analysis support system in the analysis work to maintain the quality of products manufactured in a steel plant, it is possible to grasp the occurrence of quality defects in actual products and identify the causes of the defects.
  • countermeasures it is possible to support a series of tasks to eliminate defects.
  • characteristic information for each defective waveform pattern group is displayed based on correlation scores calculated from actual data, users can accurately and quickly complete the tasks of determining waveform pattern groups and registering causes and countermeasures. can.
  • the registered waveform pattern group and cause/countermeasure information are displayed to assist in identifying the cause and implementing countermeasures.
  • FIG. 1 is a schematic diagram showing a steel plant to which a product quality analysis support system according to an embodiment of the present invention is applied, and a flow of data used in the product quality analysis support system.
  • FIG. 3 is a diagram illustrating a waveform pattern of performance data used in the product quality analysis support system according to the embodiment of the present invention.
  • FIG. 1 is a block diagram illustrating an overview of functions included in a product quality analysis support system according to an embodiment of the present invention.
  • FIG. 3 is a diagram showing an example of a rolled material list according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating a screen display on the cause/countermeasure output unit of the product quality analysis support system according to the embodiment of the present invention.
  • FIG. 7 is a flowchart for explaining processing in a defective waveform pattern group feature acquisition unit according to an embodiment of the present invention.
  • FIG. 6 is a diagram for explaining an example of calculation of a correlation score in the defective waveform pattern group feature acquisition unit according to the embodiment of the present invention.
  • FIG. 6 is a diagram for explaining an example of calculation of a correlation score in the defective waveform pattern group feature acquisition unit according to the embodiment of the present invention.
  • FIG. 3 is a schematic diagram showing an example of output from a defective waveform pattern group feature output unit according to an embodiment of the present invention.
  • 7 is a flowchart for explaining processing in a defective waveform pattern group feature output unit according to an embodiment of the present invention.
  • FIG. 1 is a block diagram showing an example of a hardware configuration of a product quality analysis support system according to an embodiment of the present invention.
  • Embodiment. 1 is a schematic diagram showing a steel plant to which the product quality analysis support system is applied and the flow of data used in the product quality analysis support system.
  • the rolling line 2 is equipped with equipment such as a heating furnace, a rough rolling mill, a finishing rolling mill, a cooling device, and a coiler.
  • the rolled material 1 is manufactured as a product through heating, processing, cooling, and winding processes in these facilities.
  • the control system 3 transmits command data d1 to the rolling line 2 for operating each piece of equipment on the rolling line 2. Furthermore, sensors are attached to each piece of equipment in the rolling line 2, and the control system 3 collects performance data measured by these sensors. There are two types of performance data: performance data d2 used by the control system 3, and performance data d3 used for analysis and evaluation without being used by the control system.
  • the product quality analysis support system 4 includes a data storage function 5, a calculation function 6, and an information display function 7.
  • the data storage function 5 stores d4 and d5 received from the control system 3 and d3 received from the rolling line 2.
  • d4 is product specifications such as product information, slab information, and roll information given to the control system 3 in advance.
  • d5 is a data set that is a combination of performance data d2 used in the control system 3, intermediate calculation data in the control system, and calculation result data.
  • the data storage function 5 sends data d6, which is a combination of d3, d4, and d5, to the calculation function 6.
  • the calculation function 6 uses d6 to perform calculations for analysis support according to the calculation conditions input by the user to the information display function 7, and sends the calculation results to the information display function 7.
  • Various calculation results in the calculation function 6 are stored in the database 30.
  • the database 30 includes a defective waveform pattern registration DB (31 to 33), which will be described later, and a calculation result storage DB (34) that stores other calculation results.
  • the information display function 7 edits the calculation results of the calculation function 6 and displays them on the monitor 8.
  • the user 100 can efficiently register guidance information regarding causes and countermeasures when a quality defect occurs while referring to information based on the correlation score displayed on the monitor 8 (FIG. 11).
  • FIG. 2 is a diagram illustrating a waveform pattern of performance data used in the product quality analysis support system 4.
  • Performance data targeted in product quality analysis includes quality data and process data.
  • the quality data is data representing the quality of the product, such as dimensions, temperature, shape, etc., such as board thickness and board width, measured by sensors.
  • the process data includes rolling process data such as data representing physical quantities of equipment (speed, opening, etc.) measured by sensors, intermediate calculation data within the control system, and calculation result data.
  • the quality data waveform pattern (process data waveform pattern) shown in FIG. 2 is generated based on the physical quantity indicated by the quality data (process data) at each position in the longitudinal direction of the rolled material 1.
  • the X axis in FIG. 2 represents each position in the longitudinal direction of the rolled material 1, and the Y axis represents the deviation between the actual value and the target value.
  • the quality data waveform pattern is generated, for example, by a defect determination section 11 (described later) and stored in the database 30.
  • the process data waveform pattern is generated, for example, by a defective waveform pattern group feature acquisition unit 19, which will be described later, and stored in the database 30. That is, the database 30 stores product specifications, quality data waveform patterns, and process data waveform patterns for each of a plurality of rolled materials rolled in the past.
  • FIG. 3 is a block diagram showing the configuration of the calculation function 6 and information display function 7 of the product quality analysis support system 4.
  • the calculation function 6 includes automatic processing 9 and manual batch processing 10.
  • Automatic Processing 9 is automatically executed every time one rolled material 1 is completed rolling.
  • the automatic processing 9 includes a defect determination section 11 , a defective waveform pattern acquisition section 12 , and a cause/countermeasure output section 13 .
  • the defect determination unit 11 acquires the quality data of the rolled material 1 stored in the data storage function 5 for each quality type.
  • the defect determination unit 11 generates a quality data waveform pattern (FIG. 2) based on the physical quantity indicated by the quality data at each position in the longitudinal direction of the rolled material 1.
  • the quality data waveform pattern indicates the deviation between the quality actual value and the quality target value at each of L positions in the longitudinal direction of the rolled material 1.
  • the defect determination unit 11 performs statistical calculations according to the accuracy index of each quality type, and determines whether the reference value is satisfied. Specifically, in the quality data waveform pattern, the ratio at which the deviation between the quality actual value and the quality target value at each of L positions in the longitudinal direction of the rolled material 1 satisfies the accuracy index is calculated. If the ratio does not reach the standard value, the rolled material is defective for the quality type. In this case, the processing of the defective waveform pattern acquisition section 12 is executed.
  • FIG. 4 is a diagram showing an example of a rolled material list.
  • the rolled material list includes the relationship between the rolled material 1 and quality data.
  • product ID is a unique identifier of the rolled material.
  • Plate thickness and “plate width” are examples of types of quality data. Although two quality types (plate thickness, plate width) are illustrated in FIG. 4, there may be three or more. For one type of quality data, “target”, “accuracy”, “judgment”, and “group” columns are associated. "Target” is a quality target value.
  • “Accuracy” is the ratio at which the deviation between the actual quality value (plate thickness, plate width) and the quality target value at each of L positions in the longitudinal direction of the rolled material satisfies the accuracy index (tolerable error of the quality target value) (%) is shown. Note that the rolled material list is stored in the database 30.
  • the quality target value for plate thickness is 2.8 (mm)
  • the quality target value for plate width is 900 (mm).
  • the defect determination unit 11 determines the actual sheet thickness value and the target sheet thickness value (2.8 (mm )) and the accuracy index (tolerable error of the plate thickness target value), and calculate that 91.0 (%) of the L actual plate thickness values satisfy the accuracy index, Register in the rolled material list.
  • the defect determination unit 11 determines the deviation between the actual sheet width value and the target sheet width value (900 (mm)) at each of L positions in the longitudinal direction of the rolled material (BBB), and the accuracy index (target sheet width). It is calculated that 100 (%) of the L sheet width actual values satisfy the accuracy index, and the result is registered in the rolled material list.
  • the defective waveform pattern acquisition unit 12 determines the group number of the rolled material and the representative waveform pattern of that group by the following calculation.
  • the defective waveform pattern acquisition unit 12 first checks the defective waveform pattern registration DB (31 to 33), and if there is no registered group, or if there is no similar waveform among the representative waveform patterns of the registered group. If so, register the waveform pattern of the rolled material as a representative waveform pattern and assign a group number. For example, if 10 groups have already been registered, the next number 11 will be assigned as the group number to avoid duplication. Then, the group number is acquired as the group number of the rolled material.
  • the defective waveform pattern acquisition unit 12 registers the rolled material in the group to which the found similar waveform pattern belongs, and the group number is obtained as the group number of the rolled material.
  • the defective waveform pattern acquisition unit 12 determines the most similar waveform pattern among all the waveform patterns as the representative waveform pattern.
  • FIG. 5 is a diagram showing an example of a screen display of support information displayed on the monitor 8 when the rolled material is defective.
  • automatic processing 9 is executed every time one rolled material is completed, and when the quality data waveform pattern of the rolled material is a defective waveform pattern, the automatic processing 9 is performed to provide support related to the defective waveform pattern.
  • the information (FIG. 5) is displayed on the monitor 8.
  • Manual Batch Processing is executed based on a user's operation after rolling of a plurality of rolled materials is completed.
  • the manual batch processing 10 includes a defective waveform pattern group generation section 18 and a defective waveform pattern group feature acquisition section 19 .
  • the defective waveform pattern group generation unit 18 receives the analysis period input by the user through the analysis setting input unit 20, which will be described later. Rolled materials produced during the analysis period are used for analysis.
  • the defective waveform pattern group generation unit 18 extracts quality data waveform patterns corresponding to a designated analysis period from among the large number of quality data waveform patterns stored in the memory 92, and extracts quality data waveform patterns from among which the quality is determined to be defective.
  • a plurality of defective waveform patterns are classified into at least one defective waveform pattern group based on similarity. For group classification, for example, commonly known hierarchical or non-hierarchical clustering methods can be used. In the following, a defective waveform pattern group generated by group classification of defective waveform patterns of each quality data will be referred to as a quality group.
  • the rolled material list shown in FIG. 4 is data about 12 rolled materials extracted according to the specified analysis period.
  • the standard value is set at 95.0%
  • the accuracy of the plate thickness of the rolled material with product ID "AAA” is 100 (%), which is higher than the standard value, so the plate thickness quality judgment result is is "good”.
  • the accuracy of the plate thickness of the rolled material with the product ID "BBB” is 91.0 (%), which is less than the standard value, and therefore the determination result of the plate thickness quality is "poor”.
  • the determination result of plate thickness quality is registered in the rolled material list.
  • group classification is performed based on similarity, and in the example shown in Fig. 4, they are classified into two defective waveform pattern groups and are added to the rolling material list. A quality group number is registered. Similar processing is performed for the strip width, and the strip width quality determination results and group classification results are registered in the rolled material list.
  • the defective waveform pattern group feature acquisition unit 19 calculates a correlation score with conditions based on product specifications and process data waveform patterns for each defective waveform pattern group grouped by the defective waveform pattern group generation unit 18.
  • Conditions include those that are output as binary values (for example, heating furnace number, whether the product plate thickness is thin or thick, etc.), and those that are output as N values (steel type number, group classification of total length data of reduction amount, etc.) number, etc.).
  • the plate thickness correlation score is a numerical value representing the characteristics of each defective waveform pattern group. Note that other quality data may be used as the condition. For example, a correlation score between a defective waveform pattern group of board thickness (quality data) and a condition regarding board width (quality data) may be calculated.
  • the rolled material list includes the relationship between the rolled material 1 and conditions in addition to the relationship between the rolled material 1 and the quality data described above. Three conditions are illustrated in the rolling material list of FIG. 4.
  • Condition 1 relates to a heating furnace.
  • Condition 1 defines the numbers of a plurality of heating furnaces provided at the most upstream side of the rolling line 2 and their condition group numbers.
  • Condition 2 relates to the steel type.
  • Condition 2 defines the steel type number of the rolled material 1 and its group number. The steel type number and the condition group number may be associated on a one-to-one basis, or the same condition group number may be defined for a plurality of steel type numbers.
  • Condition 3 relates to the load waveform group.
  • the defective waveform pattern group feature acquisition unit 19 generates a load waveform pattern (process data waveform pattern) based on the process data (actual value of rolling load in this example) at each position in the longitudinal direction of the rolled material, and calculates the similarity.
  • Group classification is performed based on the condition group number to determine the condition group number. The correspondence between the rolled material and each condition group is registered in the rolled material list.
  • the rolled material list defines the correspondence between rolled materials, quality group numbers, and condition group numbers.
  • Nq i (m) be the number of rolled materials in group m of quality i.
  • the number of rolled materials in group n under condition j is Nc j (n).
  • Nc j (n)/Nq i (m) be the number of rolled materials that belong to group n of condition j but do not belong to groom m of quality i.
  • FIG. 6 is a flowchart for explaining the processing in the defective waveform pattern group feature acquisition section 19.
  • the defective waveform pattern group feature acquisition unit 19 obtains correlation scores for all combinations of group m (number of groups M) of quality i (quality number I) and group n (number of groups N) of condition j (number of conditions J). Calculate S.
  • condition 3 in FIG. 4 is a condition regarding the load waveform pattern.
  • Condition 3 is created by generating a load waveform pattern for each rolled material from the actual value of rolling load (process data) at each position in the longitudinal direction of the rolled material, and assigning the same condition group number to similar load waveform patterns. be done.
  • step S105 for each rolled material, the defective waveform pattern group feature acquisition unit 19 records the output value for each condition in the rolled material list.
  • Steps S110 to S170 are a quadruple loop, and the defective waveform pattern group feature acquisition unit 19 acquires group m (1 ⁇ m ⁇ M) of quality i (1 ⁇ i ⁇ I) and condition j (1 ⁇ Correlation scores S are calculated for all combinations of j ⁇ J with group n (1 ⁇ n ⁇ N) (step S150).
  • condition 1-2 all of the rolled materials in group 2 of condition 1 (hereinafter referred to as condition 1-2) are rolled materials in group 2 of quality 1 (hereinafter referred to as quality 1-2);
  • quality 1-2 also include rolled materials of other groups under condition 1.
  • the correlation score S in this case is calculated as follows.
  • the example shown in FIG. 8 shows a case where the rolled material of group 3 of quality 2 (hereinafter referred to as quality 2-3) and the rolled material of group 3 of condition 2 (hereinafter referred to as condition 2-3) are all the same.
  • the correlation score S in this case is 100.
  • the analysis setting input section 20 is configured to allow the user to input an analysis period in order to specify a range of rolled materials whose production period is to be analyzed.
  • the defective waveform pattern group feature output unit 21 displays the characteristics of the defective waveform pattern group using the correlation score calculated by the defective waveform pattern group feature acquisition unit 19 described above.
  • FIG. 9 is a schematic diagram showing an example of characteristic output of a defective waveform pattern group.
  • the correlation score represents the degree of correlation between group m of quality i and group n of condition j. If the correlation score is greater than a predetermined condition threshold for condition j, it can be determined that condition jn has a large influence on the characteristics of the defective waveform pattern group (quality im).
  • the defective waveform pattern group feature output unit 21 displays a correlation score larger than the condition threshold and text information explaining the condition as a feature of the defective waveform pattern group (FIG. 9).
  • Example 1 in FIG. 9 shows an example of the characteristic output of group 1 of the defective waveform pattern of board thickness.
  • group 1 of board thickness defect patterns character information of condition j whose correlation score is greater than the condition threshold is displayed at the center of the circle.
  • the radius of the circle is set larger as the correlation score becomes larger.
  • Example 2 in FIG. 9 shows an example of characteristic output of a specified product ID.
  • quality i for which the product is determined to be defective, character information indicating that quality i is defective is displayed in the center of the circle.
  • the radius of the circle is determined in proportion to the number of rolled materials included in group m of quality i (quality im) in which the product is included, and group m and text information are displayed within the circle.
  • correlation scores for quality i and condition j are calculated.
  • the character information of group n of condition j whose correlation score is greater than the threshold value is displayed at the center of the circle, and the circle of quality im and the circle of condition jn are connected by a line.
  • the radius of the circle of condition jn is determined in proportion to (correlation score) x (number of rolled materials of quality im).
  • FIG. 10 is a flowchart for explaining the processing in the defective waveform pattern group feature output unit 21.
  • Steps S200 to S265 are a quadruple loop, and the defective waveform pattern group feature output unit 21 outputs a group m (1 ⁇ m ⁇ M) of quality i (1 ⁇ i ⁇ I) and a condition j (1 ⁇
  • the correlation score S between group m of quality i and group n of condition j is greater than the threshold, corresponds to the correlation score S. Display features as text information.
  • the defective waveform pattern group editing unit 22 determines the registration group m of each quality i.
  • the defective waveform pattern group editing unit 22 performs a deletion process that allows deletion of a defective waveform pattern group, an addition process that allows a new defective waveform pattern group to be added, a correction process that allows a representative waveform pattern representing the defective waveform pattern group to be corrected, Equipped with.
  • the user checks the information displayed on the defective waveform pattern group feature output section 21, and if it does not match the user's knowledge, removes the group from registration. If a waveform group does not exist according to the user's knowledge, a new waveform group is registered by drawing a waveform from the defective waveform pattern group editing section 22. Furthermore, if the representative waveform pattern of the registered waveform group does not match the user's knowledge, the representative waveform pattern is corrected.
  • the defective waveform pattern group generation unit 18 recalculates the waveform pattern group.
  • the representative waveform pattern newly registered or modified by the defective waveform pattern group editing section 22 is fixed.
  • defective waveform patterns are grouped by a method of searching for waveform patterns similar to the representative waveform pattern.
  • defective waveform patterns are divided into groups using a generally known clustering method or the like.
  • the cause/countermeasure input section 23 displays a cause/countermeasure input screen (FIG. 11) on the monitor 8. From the cause/countermeasure input screen, the user can refer to the information corresponding to the correlation score from the defective waveform pattern group feature output unit 21 (the "Features" column in FIG. 11) for each registered group m of quality i. At the same time, guidance information can be entered in text information in the cause/countermeasure input area. Support information that associates the guide information input into the cause/countermeasure input area, the representative waveform pattern, and information according to the correlation score is stored in the database 30.
  • FIG. 11 is an example of a screen display of the cause/countermeasure input section 23.
  • a list of defective waveform patterns saved in the selected database is displayed on the cause/countermeasure input screen.
  • the list displays representative waveform patterns, causes, countermeasures, and characteristics. Additionally, the registered causes and countermeasures can be edited on the screen, and by pressing the registration button, they will be officially registered.
  • the out-of-analysis period recalculation command section 24 instructs recalculation for rolled materials manufactured during a period other than the analysis period inputted in the analysis setting input section 20.
  • the defective waveform pattern group generation unit 18 and the defective waveform pattern group characteristic acquisition unit 19 execute recalculation for rolled materials manufactured during periods other than the analysis period in response to the recalculation command.
  • all representative waveform patterns registered in the defective waveform pattern group editing section 22 are fixed, waveform groups are determined by searching for waveforms similar to these representative waveform patterns, and the remaining rolled material is For this, waveform groups are determined using a generally known clustering method or the like.
  • the defective waveform pattern group feature output unit 21 displays the results.
  • the defective waveform pattern registration database management unit 25 manages a database 30 in which calculation results for each rolled material based on defective waveform patterns and registration information of causes and countermeasures input by the user are stored. As shown in FIG. 3, for example, three defective waveform pattern registration databases (31, 32, 33) are prepared, and a defective waveform pattern to be used in automatic processing 9 is selected from DB1 or DB2. It is assumed that different support information for the same defective waveform pattern is registered in DB1 and DB2. The most recently analyzed information is stored in DB3, and when officially registered, it is stored in DB1 or DB2.
  • characteristic information for each defective waveform pattern group calculated from actual data is displayed (FIG. 11).
  • the task of determining groups and registering causes and countermeasures can be completed accurately and in a short time. Further, when a failure occurs thereafter, the waveform pattern group registered by the automatic processing 9 and cause/countermeasure information are displayed to support cause identification and countermeasure execution (FIG. 5). Therefore, it is possible to improve the efficiency of the overall quality analysis work of products in a steel plant.
  • FIG. 12 is a block diagram showing a hardware configuration example of the product quality analysis support system 4.
  • the processing circuit is configured by connecting at least one processor 91, a memory 92, a network interface 93, an input interface 94, and a monitor 95.
  • the processor 91 realizes each function of the product quality analysis support system 4 by executing various programs stored in the memory 92.
  • the memory 92 includes a main storage device and an auxiliary storage device, and includes a data storage function 5 and a database 30.
  • the network interface 93 is a device that connects to an external device via a computer network and is capable of transmitting and receiving various signals.
  • the input interface 94 is an input device such as a keyboard, mouse, or touch panel.
  • the monitor 95 displays the support information illustrated in FIGS. 5 and 11 described above.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Metal Rolling (AREA)
  • General Factory Administration (AREA)

Abstract

製品品質分析支援システムは鉄鋼プラントに適用される。第１処理は、品質が不良と判定された複数の不良波形パターンを、類似度に基づいて少なくとも１つの不良波形パターングループに分類する。第２処理は、前記不良波形パターングループについて、製品諸元およびプロセスデータ波形パターンに基づく条件との相関スコアを計算する。第３処理は、前記不良波形パターングループの特徴を示す前記相関スコアが条件閾値を超える場合に、前記不良波形パターングループを代表する代表波形パターンと、前記相関スコアに応じた情報と、要因・対策入力領域とを含む入力画面を、前記モニタに表示する。

Description

製品品質分析支援システム
　本発明は、製品品質分析支援システムに関し、特に、鉄鋼プラントで製造された製品の品質を維持するための分析作業を支援する製品品質分析支援システムに関する。
　鉄鋼プラントで製造された製品の品質を維持のための分析作業は、品質不良の発生を判断し、不良の要因を特定し、不良を取り除くための操業条件や制御設定の変更方法を決定し、実際に実行するまでの一連の作業を含む。この一連の作業では、数多くのデータや情報に基づいて経験豊富な技術者が総合的に判断することが必要であるため、多大な労力と時間が必要であった。
　これらの一連の分析作業を効率化する支援システムが望まれている。例えば以下に記載する特許文献には、支援システムに関係する技術が開示されている。
国際公開第２０１９／１０２６１４号 日本特開２０１９－１６２０９号公報
　特許文献１は、鉄鋼プラントのメンテナンス支援システムを開示している。このメンテナンス支援システムは、最新の圧延材の品質精度が基準値を下回った場合にその波形が、波形パターン登録機能で過去に登録された不良波形パターンの中に類似したものが存在すれば、その不良波形パターンに紐づけられた過去の対策内容を表示する機能を有することを特徴とする。しかしながら、不良波形パターンに応じた有用な対策内容を使用者が登録する際には、実際の製品の特徴を把握し、使用者の知識と照らし合わせる必要がある。そのため、熟練者の知識と労力が必要であり、効率化が十分とは言えない。
　特許文献２は、診断装置を開示している。この診断装置は、不良診断部とグラフ作成部とを備えることを特徴とする。不良診断部は、異常検知モデルと要因分析モデルを有し、保守員が表示されたグラフを参照し、診断モデルによる結果が妥当か否かを判断し履歴データベースに登録する。診断モデルによる結果が妥当か判断できないときは、判断できるまでグラフ作成用のパラメータ情報を指定し、グラフを表示することを繰り返し行う。しかしながら、その作業は人の試行錯誤により行われるため、熟練者の知識と労力が必要であり、効率化が十分とは言えない。
　本発明は、上述のような課題を解決するためになされたもので、鉄鋼プラントで製造された製品の品質を維持するための分析作業において、実際の製品の品質不良の発生状況を把握し、不良の要因を特定し対策を実行することにより不良を取り除く一連の作業を支援できる製品品質分析支援システムを提供することを目的とする。
　第１の観点は、鉄鋼プラントに適用される製品品質分析支援システムに関連する。
　前記製品品質分析支援システムは、少なくとも１つのプロセッサとメモリとモニタとを備える。
　前記メモリは、過去に圧延された複数の圧延材それぞれについて、製品諸元と、圧延材の長手方向の各位置の品質データに基づく品質データ波形パターンと、圧延材の長手方向の各位置のプロセスデータに基づくプロセスデータ波形パターンと、を格納する。
　前記プロセッサは、第１処理と第２処理と第３処理と第４処理とを実行するように構成される。
　前記第１処理は、前記メモリに格納された複数の品質データ波形パターンのうち、品質が不良と判定された複数の不良波形パターンを、類似度に基づいて少なくとも１つの不良波形パターングループに分類する（図３の不良波形パターングループ生成部１８）。
　前記第２処理は、前記不良波形パターングループについて、製品諸元およびプロセスデータ波形パターンに基づく条件との相関スコアを計算する（図３の不良波形パターングループ特徴取得部１９）。
　前記第３処理は、前記不良波形パターングループの特徴を示す前記相関スコアが条件閾値を超える場合に、前記不良波形パターングループを代表する代表波形パターンと、前記相関スコアに応じた情報と、要因・対策入力領域とを含む入力画面を、前記モニタに表示する（図３の不良波形パターングループ特徴出力部２１と要因・対策入力部２３）。
　前記第４処理は、前記要因・対策入力領域に入力された案内情報と、前記代表波形パターンと、前記相関スコアに応じた情報と、を関連付けた支援情報を前記メモリに格納する（図３の要因・対策入力部２３）。
　第２の観点は、第１の観点に加えて、次の特徴を更に有する。
　前記プロセッサは、第５処理を実行するように構成される。
　前記第５処理は、１本の圧延材が圧延完了する度に実行される。前記第５処理は、当該圧延材の品質データ波形パターンが不良波形パターンである場合に、前記メモリに格納された支援情報に基づいて当該不良波形パターンに関連した案内情報および相関スコアに応じた情報を前記モニタに表示する（自動処理９）。
　第３の観点は、第１又は２の観点に加えて、次の特徴を更に有する。
　前記第２処理は、品質ｉ（１≦ｉ≦Ｉ）のグループｍ（１≦ｍ≦Ｍ）と、条件ｊ（１≦ｊ≦Ｊ）のグループｎ（１≦ｎ≦Ｎ）とのすべての組み合わせについて、相関スコアを算出する。
　第４の観点は、第１乃至第３の観点のいずれかに加えて、次の特徴を更に有する。
　前記相関スコアに応じた情報は、前記条件を説明する文字情報を含む。
　第５の観点は、第１乃至第４の観点のいずれかに加えて、次の特徴を更に有する。
　前記相関スコアに応じた情報は、前記相関スコアが大きいほど径が大きい円状の図形を含む。
　第６の観点は、第１乃至第５の観点のいずれかに加えて、次の特徴を更に有する。
　前記プロセッサは、前記不良波形パターングループを削除可能な削除処理、を実行するように構成される。
　第７の観点は、第１乃至第６の観点のいずれかに加えて、次の特徴を更に有する。
　前記プロセッサは、新たな前記不良波形パターングループを追加可能な追加処理、を実行するように構成される。
　第８の観点は、第１乃至第７の観点のいずれかに加えて、次の特徴を更に有する。
　前記プロセッサは、前記不良波形パターングループを代表する代表波形パターンを修正可能な修正処理、を実行するように構成される。
　第９の観点は、第７又は第８の観点に加えて、次の特徴を更に有する。
　前記第１処理は、前記不良波形パターングループを代表する代表波形パターンが固定されている場合に、当該代表波形パターンに類似する波形パターンを検索する方法により、前記複数の不良波形パターンをグループ分けし、前記代表波形パターンが固定されていない場合に、クラスタリング手法により前記複数の不良波形パターンをグループ分けする。
　第１０の観点は、第２乃至第９の観点のいずれかに加えて、次の特徴を更に有する。
　前記メモリは、同一の不良波形パターンに対して異なる前記支援情報が登録された複数のデータベースを格納する。
　前記プロセッサは、前記複数のデータベースのうち１つを選択して、前記第５処理を実行する。
　本発明に係る製品品質分析支援システムによれば、鉄鋼プラントで製造された製品の品質を維持するための分析作業において、実際の製品の品質不良の発生状況を把握し、不良の要因を特定し対策を実行することにより不良を取り除く一連の作業を支援できる。特に、実績データから計算した相関スコアに基づく不良波形パターングループ別の特徴情報が表示されるため、使用者は、波形パターングループを決定し、要因や対策を登録する作業を正確かつ短時間に完了できる。また、その後の不良発生時には、登録された波形パターングループと要因・対策情報が表示されて、要因特定と対策実行を支援できる。
本発明の実施の形態に係る製品品質分析支援システムが適用される鉄鋼プラント、ならびに製品品質分析支援システムで使われるデータの流れを示した模式図である。 本発明の実施の形態に係る製品品質分析支援システムで使用される実績データの波形パターンを例示する図である。 本発明の実施の形態に係る製品品質分析支援システムが有する機能の概要を例示するブロック図である。 本発明の実施の形態に係る圧延材リストの一例を示す図である。 本発明の実施の形態に係る製品品質分析支援システムの要因・対策出力部での画面表示を例示する図である。 本発明の実施の形態に係る不良波形パターングループ特徴取得部における処理について説明するためのフローチャートである。 本発明の実施の形態に係る不良波形パターングループ特徴取得部における相関スコアの計算例を説明するための図である。 本発明の実施の形態に係る不良波形パターングループ特徴取得部における相関スコアの計算例を説明するための図である。 本発明の実施の形態に係る不良波形パターングループ特徴出力部における出力例を表す模式図である。 本発明の実施の形態に係る不良波形パターングループ特徴出力部における処理について説明するためのフローチャートである。 本発明の実施の形態に係る製品品質分析支援システムの要因・対策入力部および要因・対策出力部での画面表示例を表す模式図である。 本発明の実施の形態に係る製品品質分析支援システムのハードウェア構成例を示すブロック図である。
　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．全体構成
　図１は、製品品質分析支援システムが適用される鉄鋼プラント、ならびに製品品質分析支援システムで使われるデータの流れを示した模式図である。
　圧延ライン２は、加熱炉、粗圧延機、仕上圧延機、冷却装置、コイラー等の設備を備える。圧延材１は、これらの設備において加熱、加工、冷却、巻取りの過程を経ることにより製品として製造される。
　制御システム３は、圧延ライン２の各設備を動作させるための指令データｄ１を圧延ライン２へ送信する。また、圧延ライン２の各設備にはセンサが取り付けられており、制御システム３は、これらのセンサにより計測された実績データを収集する。実績データには大きく２つがあり、制御システム３で使われる実績データｄ２と、制御システムで使われずに分析や評価に使われる実績データｄ３に分かれる。
２．製品品質分析支援システム
　製品品質分析支援システム４は、データ保存機能５と計算機能６と情報表示機能７とを含む。
２－１．概要
　データ保存機能５は、制御システム３から受信したｄ４、ｄ５と、圧延ライン２から受信したｄ３と、を保存する。ｄ４は、制御システム３に予め与えられた製品情報、スラブ情報、ロール情報等の製品諸元である。ｄ５は、制御システム３で使用された実績データｄ２と、制御システム内の途中計算データ、ならびに計算結果データを合わせたデータの集合である。データ保存機能５は、ｄ３、ｄ４、ｄ５を合わせたデータｄ６を計算機能６へ送信する。
　計算機能６は、情報表示機能７に使用者が入力した計算条件に従って、ｄ６を用いて分析支援のための計算を実行し、その計算結果を情報表示機能７へ送信する。計算機能６における各種計算結果は、データベース３０に格納される。データベース３０は、後述する不良波形パターン登録ＤＢ（３１～３３）、その他の計算結果を格納する計算結果格納ＤＢ（３４）を含む。
　情報表示機能７は、計算機能６の計算結果を編集し、モニタ８に表示する。使用者１００は、モニタ８に表示された相関スコアに基づく情報（図１１）を参照しながら、効率的に、品質不良発生時の要因・対策に関する案内情報を登録できる。
　図２は、製品品質分析支援システム４で使用される実績データの波形パターンを例示する図である。製品品質分析で対象とされる実績データには、品質データとプロセスデータがある。品質データは、センサから計測された板厚や板幅などの寸法、温度、形状等の製品の品質を表すデータである。プロセスデータは、センサから計測された設備の物理量（速度、開度など）を表すデータ、制御システム内の途中計算データ、ならびに計算結果データ等の圧延過程のデータなどである。
　図２に示す品質データ波形パターン（プロセスデータ波形パターン）は、圧延材１の長手方向の各位置の品質データ（プロセスデータ）が示す物理量に基づいて生成される。図２のＸ軸は圧延材１の長手方向の各位置を表し、Ｙ軸は実績値と目標値との偏差を表す。品質データ波形パターンは、例えば後述する不良判定部１１で生成されてデータベース３０に格納される。プロセスデータ波形パターンは、例えば後述する不良波形パターングループ特徴取得部１９で生成されてデータベース３０に格納される。すなわち、データベース３０は、過去に圧延された複数の圧延材それぞれについて、製品諸元と品質データ波形パターンとプロセスデータ波形パターンとを格納する。
２－２．計算機能
　図３は、製品品質分析支援システム４の計算機能６と情報表示機能７の構成を示すブロック図である。計算機能６は、自動処理９と手動一括処理１０を含む。
２－２－１．自動処理
　自動処理９は、１本の圧延材１が圧延完了する度に自動的に実行される。自動処理９は、不良判定部１１、不良波形パターン取得部１２、要因・対策出力部１３を備える。
　不良判定部１１は、データ保存機能５に保存された圧延材１の品質データを品質種別ごとに取得する。不良判定部１１は、圧延材１の長手方向の各位置の品質データが示す物理量に基づいて品質データ波形パターン（図２）を生成する。品質データ波形パターンは、圧延材１の長手方向のＬ個の位置それぞれにおける品質実績値と品質目標値との偏差を示す。
　不良判定部１１は、それぞれの品質種別の精度指標に従った統計計算を施し、基準値を満たすか否かを判断する。具体的には、品質データ波形パターンにおいて、圧延材１の長手方向のＬ個の位置それぞれにおける品質実績値と品質目標値との偏差が精度指標を満たす割合を計算する。当該割合が基準値に達していない場合は、当該圧延材は当該品質種別について不良である。この場合、不良波形パターン取得部１２の処理が実行される。
　図４を参照して、不良判定部１１における計算例を説明する。図４は、圧延材リストの一例を示す図である。圧延材リストは、圧延材１と品質データとの関係を含む。図４において、「製品ＩＤ」は圧延材の固有識別子である。「板厚」と「板幅」は品質データの種別の一例である。図４には２つの品質種別（板厚、板幅）が例示されているが３つ以上であってもよい。１種類の品質データについて「目標」と「精度」と「判定」と「グループ」欄が関連付けられている。「目標」は品質目標値である。「精度」は、圧延材の長手方向のＬ個の位置それぞれにおける品質実績値（板厚、板幅）と品質目標値との偏差が精度指標（品質目標値の許容誤差）を満たすにある割合（％）を示す。なお、圧延材リストはデータベース３０に格納される。
　例えば、製品ＩＤ「ＢＢＢ」の圧延材について、板厚の品質目標値は２．８（ｍｍ）であり、板幅の品質目標値は９００（ｍｍ）である。不良判定部１１は、圧延材（ＢＢＢ）の品質データ波形パターンに基づいて、圧延材（ＢＢＢ）の長手方向のＬ個の位置それぞれにおける板厚実績値と板厚目標値（２．８（ｍｍ））との偏差と、精度指標（板厚目標値の許容誤差）とを比較し、Ｌ個の板厚実績値のうち９１．０（％）が精度指標を満たしていることを算出し、圧延材リストに登録する。同様に、不良判定部１１は、圧延材（ＢＢＢ）の長手方向のＬ個の位置それぞれにおける板幅実績値と板幅目標値（９００（ｍｍ））との偏差と、精度指標（板幅目標値の許容誤差）とを比較し、Ｌ個の板幅実績値のうち１００（％）が精度指標を満たしていることを算出し、圧延材リストに登録する。
　不良波形パターン取得部１２は、以下の計算により当該圧延材のグループ番号とそのグループの代表波形パターンを決定する。
　不良波形パターン取得部１２は、まず、不良波形パターン登録ＤＢ（３１～３３）を確認し、登録されたグループが無い場合、もしくは、登録されたグループの代表波形パターンの中に類似の波形が無い場合は、当該圧延材の波形パターンを代表波形パターンとして登録し、グループ番号を付ける。グループ番号は、例えば既に１０個のグループが登録されていれば、重ならないように次の番号１１をグループ番号として付ける。そして、そのグループ番号を当該圧延材のグループ番号として取得する。
　一方、登録されたグループの代表波形パターンの中に類似の波形があった場合は、不良波形パターン取得部１２は、見つかった類似の波形パターンが属するグループに当該圧延材を登録し、そのグループ番号を当該圧延材のグループ番号として取得する。
　また、グループの中に複数の波形パターンが登録される場合は、不良波形パターン取得部１２は、どの波形パターンからも一番類似する波形パターンを代表波形パターンとして決定する。
　要因・対策出力部１３は、当該圧延材が不良の場合に、データベース３０を検索して不良波形パターングループ番号に対応した要因・対策の支援情報をモニタ８に表示する。図５は、圧延材が不良の場合にモニタ８に表示される支援情報の画面表示例を示す図である。
　以上説明したように、自動処理９は、１本の圧延材が圧延完了する度に実行され、当該圧延材の品質データ波形パターンが不良波形パターンである場合に、当該不良波形パターンに関連した支援情報（図５）をモニタ８に表示する。
２－２－２．手動一括処理
　手動一括処理１０は、複数の圧延材が圧延完了した後に使用者の操作に基づいて実行される。手動一括処理１０は、不良波形パターングループ生成部１８、不良波形パターングループ特徴取得部１９を備える。
　不良波形パターングループ生成部１８は、後述する分析設定入力部２０により使用者に入力された分析期間を受信する。分析期間内の製造時期の圧延材が分析に使用される。不良波形パターングループ生成部１８は、メモリ９２に格納された多数の品質データ波形パターンのうち、指定された分析期間に応じた品質データ波形パターンを抽出し、その中から品質が不良と判定された複数の不良波形パターンを、類似度に基づいて少なくとも１つの不良波形パターングループに分類する。グループ分類には、例えば、一般的に知られる階層型や非階層型のクラスタリング手法を利用可能である。以下では、各品質データの不良波形パターンのグループ分類により生成された不良波形パターングループを品質グループと記す。
　上述した圧延材リスト（図４）を参照して、不良波形パターングループ生成部１８における計算例を説明する。図４の品質データには、上述した「目標」と「精度」の他に「判定」と「グループ」欄が関連付けられている。「判定」は品質の判定結果を示し、「精度」の値が基準値以上である場合に「良」、基準値未満である場合に「不良」と判定される。「グループ」は品質が不良と判定された不良波形パターンのグループ分けにより生成された品質グループの番号である。
　例えば、図４に示す圧延材リストは、指定された分析期間に応じて抽出された１２個の圧延材についてのデータである。例えば、基準値が９５．０％に定められている場合、製品ＩＤ「ＡＡＡ」の圧延材の板厚の精度は１００（％）であり、基準値以上であるため、板厚品質の判定結果は「良」である。一方、製品ＩＤ「ＢＢＢ」の圧延材の板厚の精度は９１．０（％）であり、基準値未満であるため、板厚品質の判定結果は「不良」である。板厚品質の判定結果は、圧延材リストに登録される。さらに、品質（板厚）が不良と判定された不良波形パターンについては類似度に基づいてグループ分類が実行されて、図４に示す例では、２つの不良波形パターングループに分類され圧延材リストに品質グループ番号が登録される。板幅についても同様の処理が実行されて、板幅品質の判定結果と、グループ分類の結果が圧延材リストに登録される。
　不良波形パターングループ特徴取得部１９は、不良波形パターングループ生成部１８においてグループ分けされた各不良波形パターングループについて、製品諸元およびプロセスデータ波形パターンに基づく条件との相関スコアを計算する。条件には、２値で出力されるもの（例えば、加熱炉番号、製品板厚が薄物か厚物か、など）、Ｎ値で出力されるもの（鋼種番号、圧下量の全長データのグループ分類番号、など）がある。板厚の相関スコアは、不良波形パターングループ毎の特徴を表す数値である。なお、条件として、他の品質データを用いることとしてもよい。例えば、板厚（品質データ）の不良波形パターングループと板幅（品質データ）に関する条件との相関スコアを計算してもよい。
　上述した圧延材リスト（図４）を参照して、製品諸元およびプロセスデータ波形パターンに基づく条件について説明する。圧延材リストは、上述した圧延材１と品質データとの関係の他に、圧延材１と条件との関係を含む。図４の圧延材リストには３つの条件が例示されている。
　条件１は加熱炉に関する。条件１には、圧延ライン２の最上流に設けられた複数の加熱炉の番号と、その条件グループ番号が定められている。条件２は鋼種に関する。条件２には、圧延材１の鋼種番号と、そのグループ番号が定められている。鋼種番号と条件グループ番号は１対１で対応づけられてもよいし、複数の鋼種番号に同一の条件グループ番号が定められてもよい。条件３は荷重波形グループに関する。不良波形パターングループ特徴取得部１９は、圧延材の長手方向の各位置におけるプロセスデータ（この例では圧延荷重の実績値）に基づいて荷重波形パターン（プロセスデータ波形パターン）を生成し、類似度に基づいてグループ分類を実行して、条件グループ番号を定める。圧延材と各条件グループとの対応関係は圧延材リストに登録される。
　このように、圧延材リストには、圧延材と品質グループ番号と条件グループ番号との対応関係が定められている。
　次に、品質グループと条件グループとの相関スコアの計算方法について説明する。品質ｉのグループｍの圧延材本数をＮｑｉ（ｍ）とする。条件ｊのグループｎの圧延材本数をＮｃｊ（ｎ）とする。また、品質ｉのグループｍに属するが条件ｊのグループｎには属さない圧延材本数をＮｑｉ（ｍ）／Ｎｃｊ（ｎ）とする。条件ｊのグループｎに属するが品質ｉのグルームｍには属さない圧延材本数をＮｃｊ（ｎ）／Ｎｑｉ（ｍ）とする。このとき、品質ｉのグループｍと条件ｊのグループｎの相関スコアＳは、次式で計算される。なお、Ｓ＜０ならばＳ＝０とする。
Figure JPOXMLDOC01-appb-M000001
　図６は、不良波形パターングループ特徴取得部１９における処理を説明するためのフローチャートである。不良波形パターングループ特徴取得部１９は、品質ｉ（品質数Ｉ）のグループｍ（グループ数Ｍ）と、条件ｊ（条件数Ｊ）のグループｎ（グループ数Ｎ）のすべての組み合わせについて、相関スコアＳを算出する。
　ステップＳ１００において、不良波形パターングループ特徴取得部１９は、必要に応じてプロセスデータ波形のグループ分類から条件を求める。例えば、図４の条件３は荷重波形パターンに関する条件である。条件３は、各圧延材について圧延材の長手方向の各位置における圧延荷重（プロセスデータ）の実績値から荷重波形パターンを生成し、類似する荷重波形パターンに同一の条件グループ番号を付すことで作成される。
　ステップＳ１０５において、各圧延材について、不良波形パターングループ特徴取得部１９は、各条件に対する出力値を圧延材リストに記録する。
　ステップＳ１１０～ステップＳ１７０は４重ループになっており、不良波形パターングループ特徴取得部１９は、品質ｉ（１≦ｉ≦Ｉ）のグループｍ（１≦ｍ≦Ｍ）と、条件ｊ（１≦ｊ≦Ｊ）のグループｎ（１≦ｎ≦Ｎ）とのすべての組み合わせについて、相関スコアＳを算出する（ステップＳ１５０）。
　図７および図８を参照して、式（１）を使用した具体的な相関スコアの計算例について説明する。
　図７に示す例において、条件１のグループ２（以下、条件１－２）の圧延材は、すべて品質１のグループ２（以下、品質１－２）の圧延材であるが、品質１－２の圧延材には条件１の他のグループの圧延材も含まれている。この場合の相関スコアＳは次式のように計算される。
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-I000003

Figure JPOXMLDOC01-appb-I000004
　図８に示す例は、品質２のグループ３（以下、品質２－３）の圧延材と、条件２のグループ３（以下、条件２－３）の圧延材がすべて同一である場合を示す。この場合の相関スコアＳは１００である。
２－３．情報表示機能
　分析設定入力部２０は、分析対象とする製造時期の圧延材を範囲指定するために、使用者が分析期間を入力できるように構成されている。
　不良波形パターングループ特徴出力部２１は、上述した不良波形パターングループ特徴取得部１９により算出された相関スコアを使用して不良波形パターングループの特徴を表示する。
　図９は、不良波形パターングループの特徴出力の例を示す模式図である。相関スコアは、品質ｉのグループｍと条件ｊのグループｎとの相関度を表す。相関スコアが条件ｊに対して予め定めた条件閾値よりも大きい場合は、不良波形パターングループ（品質ｉ－ｍ）の特徴に、条件ｊ－ｎの影響が大きいと判断できる。不良波形パターングループ特徴出力部２１は、条件閾値よりも大きい相関スコアとその条件を説明する文字情報とを不良波形パターングループの特徴として表示する（図９）。
　図９の例１では、板厚の不良波形パターンのグループ１の特徴出力の例を表す。板厚不良パターンのグループ１に対して、相関スコアが条件閾値よりも大きい条件ｊの文字情報が円の中心に表示される。円の半径は相関スコアが大きいほど大きく設定される。
　図９の例２では、指定の製品ＩＤの特徴出力の例を表す。当該製品が不良と判定された品質ｉに対し、品質ｉが不良であることが文字情報で円の中心に表示される。当該製品が含まれる品質ｉのグループｍ(品質ｉ－ｍ)に含まれる圧延材本数に比例して円の半径が決定され、円の中にグループｍと文字情報が表示される。また、品質ｉの条件ｊに対する相関スコアがそれぞれ算出される。相関スコアがしきい値よりも大きい条件ｊのグループｎの文字情報が円の中心に表示され、品質ｉ－ｍの円と条件ｊ－ｎの円が線で結ばれる。条件ｊ－ｎの円の半径は、（相関スコア）×（品質ｉ－ｍの圧延材本数）に比例して決定される。
　図１０は、不良波形パターングループ特徴出力部２１における処理を説明するためのフローチャートである。ステップＳ２００～ステップＳ２６５は４重ループになっており、不良波形パターングループ特徴出力部２１は、品質ｉ（１≦ｉ≦Ｉ）のグループｍ（１≦ｍ≦Ｍ）と、条件ｊ（１≦ｊ≦Ｊ）のグループｎ（１≦ｎ≦Ｎ）とのすべての組み合わせについて、品質ｉのグループｍと条件ｊのグループｎとの相関スコアＳが閾値より大きい場合に、相関スコアＳに対応する特徴を文字情報で表示する。
　不良波形パターングループ編集部２２は、それぞれの品質ｉの登録グループｍを決定する。不良波形パターングループ編集部２２は、不良波形パターングループを削除可能な削除処理、新たな不良波形パターングループを追加可能な追加処理、不良波形パターングループを代表する代表波形パターンを修正可能な修正処理、を備える。
　使用者は、不良波形パターングループ特徴出力部２１で表示された情報を確認することにより、使用者が持つ知識と一致しない場合は、そのグループを登録から外す。また、使用者の持つ知識における波形グループが存在しない場合は、不良波形パターングループ編集部２２から波形を描くことにより、新しい波形グループを登録する。また、登録された波形グループの代表波形パターンが使用者の持つ知識と一致しない場合は、代表波形パターンを修正する。
　代表波形パターンを新しく登録、もしくは修正した場合は、不良波形パターングループ生成部１８により、波形パターングループの再計算を行う。この再計算では、不良波形パターングループ編集部２２で新しく登録、もしくは修正された代表波形パターンは固定される。固定された代表波形パターンについては、代表波形パターンに類似する波形パターンを検索する方法により、不良波形パターンをグループ分けする。代表波形パターンが固定されていない残った圧延材については、一般的に知られるクラスタリング手法等を利用して、不良波形パターンをグループ分けする。
　要因・対策入力部２３では、要因・対策入力画面（図１１）をモニタ８に表示する。使用者は、要因・対策入力画面から、それぞれの品質ｉの登録グループｍに対して、不良波形パターングループ特徴出力部２１による相関スコアに応じた情報（図１１の「特徴」欄）を参考にしながら、要因・対策入力領域に案内情報を文字情報で入力できる。要因・対策入力領域に入力された案内情報と、代表波形パターンと、相関スコアに応じた情報とを関連付けた支援情報は、データベース３０に格納される。
　図１１は、要因・対策入力部２３の画面表示の例である。要因・対策入力画面には、選択されたデータベースに保存される不良波形パターンの一覧が表示される。その一覧には、代表波形パターンと要因・対策、特徴が表示される。また、登録された要因・対策を画面上で編集することができ、登録ボタンを押すと、正式に登録される。
　分析期間外再計算指令部２４では、分析設定入力部２０で入力された分析期間以外の期間に製造された圧延材に対して再計算を指令する。
　不良波形パターングループ生成部１８、不良波形パターングループ特徴取得部１９は、再計算の指令に応じて、分析期間以外の期間に製造された圧延材に対しての再計算を実行する。この再計算では、不良波形パターングループ編集部２２で登録された全ての代表波形パターンを固定し、それらの代表波形パターンに類似する波形を検索する方法で波形グループを決定し、残った圧延材に対しては、一般的に知られるクラスタリング手法等を利用して、波形グループを決定する。不良波形パターングループ特徴出力部２１は、その結果を表示する。
　不良波形パターン登録データベース管理部２５では、不良波形パターンに依る各圧延材に対しての計算結果や使用者が入力した要因・対策の登録情報が保存されるデータベース３０の管理を行う。図３に示すように、不良波形パターン登録データベースを例えば３つ（３１，３２，３３）準備しておき、自動処理９で使用する不良波形パターンをＤＢ１もしくはＤＢ２から選択する。ＤＢ１とＤＢ２には、同一の不良波形パターンに対して異なる支援情報が登録されているものとする。ＤＢ３には、直近で分析した情報を保存しておき、正式に登録する場合は、ＤＢ１もしくはＤＢ２に格納する。
４．効果
　以上説明したように、本実施形態の製品品質分析支援システム４によれば、実績データから計算した不良波形パターングループ別の特徴情報が表示されるため（図１１）、使用者は、波形パターングループを決定し、要因や対策を登録する作業を正確かつ短時間に完了できる。また、その後の不良発生時には、自動処理９により登録された波形パターングループと要因・対策情報が表示されて、要因特定と対策実行を支援できる（図５）。そのため、鉄鋼プラントの製品の品質分析作業全体の効率化を図ることができる。
５．ハードウェア構成例
　図１２は、製品品質分析支援システム４のハードウェア構成例を示すブロック図である。上述した製品品質分析支援システム４の各処理は、処理回路により実現される。処理回路は、少なくとも１つのプロセッサ９１と、メモリ９２と、ネットワークインタフェース９３と、入力インタフェース９４と、モニタ９５とが接続して構成されている。
　プロセッサ９１は、メモリ９２に記憶された各種プログラムを実行することにより、製品品質分析支援システム４の各機能を実現する。メモリ９２は、主記憶装置および補助記憶装置を含み、データ保存機能５、データベース３０を含む。ネットワークインタフェース９３は、コンピュータネットワークを介して外部装置に接続し、各種信号を送受信可能なデバイスである。入力インタフェース９４は、キーボード、マウス、タッチパネル等の入力デバイスである。モニタ９５は、上述した図５や図１１に例示される支援情報を表示する。
　以上、本発明の実施の形態について説明したが、本発明は、上記の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。上述した実施の形態において各要素の個数、数量、量、範囲等の数に言及した場合、特に明示した場合や原理的に明らかにその数に特定される場合を除いて、その言及した数にこの発明が限定されるものではない。また、上述した実施の形態において説明する構造等は、特に明示した場合や明らかに原理的にそれに特定される場合を除いて、この発明に必ずしも必須のものではない。
１　圧延材
２　圧延ライン
３　制御システム
４　製品品質分析支援システム
５　データ保存機能
６　計算機能
７　情報表示機能
８　モニタ
９　自動処理
１０　手動一括処理
１１　不良判定部
１２　不良波形パターン取得部
１３　要因・対策出力部
１８　不良波形パターングループ生成部
１９　不良波形パターングループ特徴取得部
２０　分析設定入力部
２１　不良波形パターングループ特徴出力部
２２　不良波形パターングループ編集部
２３　要因・対策入力部
２４　分析期間外再計算指令部
２５　不良波形パターン登録データベース管理部
３０　データベース
９１　プロセッサ
９２　メモリ
９３　ネットワークインタフェース
９４　入力インタフェース
９５　モニタ
１００　使用者

Claims (10)

  1. 　鉄鋼プラントに適用される製品品質分析支援システムであって、
    　少なくとも１つのプロセッサとメモリとモニタとを備え、
    　前記メモリは、過去に圧延された複数の圧延材それぞれについて、製品諸元と、圧延材の長手方向の各位置の品質データに基づく品質データ波形パターンと、圧延材の長手方向の各位置のプロセスデータに基づくプロセスデータ波形パターンと、を格納し、
    　前記プロセッサは、
    　　前記メモリに格納された複数の品質データ波形パターンのうち、品質が不良と判定された複数の不良波形パターンを、類似度に基づいて少なくとも１つの不良波形パターングループに分類する第１処理と、
    　　前記不良波形パターングループについて、製品諸元およびプロセスデータ波形パターンに基づく条件との相関スコアを計算する第２処理と、
    　　前記不良波形パターングループの特徴を示す前記相関スコアが条件閾値を超える場合に、前記不良波形パターングループを代表する代表波形パターンと、前記相関スコアに応じた情報と、要因・対策入力領域とを含む入力画面を、前記モニタに表示する第３処理と、
    　前記要因・対策入力領域に入力された案内情報と、前記代表波形パターンと、前記相関スコアに応じた情報と、を関連付けた支援情報を前記メモリに格納する第４処理と、を実行するように構成されること、
    　を特徴とする製品品質分析支援システム。
  2. 　前記プロセッサは、
    　　１本の圧延材が圧延完了する度に実行され、当該圧延材の品質データ波形パターンが不良波形パターンである場合に、前記メモリに格納された支援情報に基づいて当該不良波形パターンに関連した案内情報および相関スコアに応じた情報を前記モニタに表示する第５処理、を実行するように構成されること、
    　を特徴とする請求項１に記載の製品品質分析支援システム。
  3. 　前記第２処理は、品質ｉ（１≦ｉ≦Ｉ）のグループｍ（１≦ｍ≦Ｍ）と、条件ｊ（１≦ｊ≦Ｊ）のグループｎ（１≦ｎ≦Ｎ）とのすべての組み合わせについて、相関スコアを算出すること、
    　を特徴とする請求項１又は２に記載の製品品質分析支援システム。
  4. 　前記相関スコアに応じた情報は、前記条件を説明する文字情報を含むこと、
    　を特徴とする請求項１又は２に記載の製品品質分析支援システム。
  5. 　前記相関スコアに応じた情報は、前記相関スコアが大きいほど径が大きい円状の図形を含むこと、
    　を特徴とする請求項１又は２に記載の製品品質分析支援システム。
  6. 　前記プロセッサは、前記不良波形パターングループを削除可能な削除処理、を実行するように構成されること、
    　を特徴とする請求項１又は２に記載の製品品質分析支援システム。
  7. 　前記プロセッサは、新たな前記不良波形パターングループを追加可能な追加処理、を実行するように構成されること、
    　を特徴とする請求項１又は２に記載の製品品質分析支援システム。
  8. 　前記プロセッサは、前記不良波形パターングループを代表する代表波形パターンを修正可能な修正処理、を実行するように構成されること、
    　を特徴とする請求項１又は２に記載の製品品質分析支援システム。
  9. 　前記第１処理は、前記不良波形パターングループを代表する代表波形パターンが固定されている場合に、当該代表波形パターンに類似する波形パターンを検索する方法により、前記複数の不良波形パターンをグループ分けし、前記代表波形パターンが固定されていない場合に、クラスタリング手法により前記複数の不良波形パターンをグループ分けすること、
    　を特徴とする請求項７又は８に記載の製品品質分析支援システム。
  10. 　前記メモリは、同一の不良波形パターンに対して異なる前記支援情報が登録された複数のデータベースを格納し、
    　前記プロセッサは、前記複数のデータベースのうち１つを選択して、前記第５処理を実行すること、
    　を特徴とする請求項２に記載の製品品質分析支援システム。
PCT/JP2022/013235 2022-03-22 2022-03-22 製品品質分析支援システム WO2023181127A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2022/013235 WO2023181127A1 (ja) 2022-03-22 2022-03-22 製品品質分析支援システム
KR1020237034097A KR20230153463A (ko) 2022-03-22 2022-03-22 제품 품질 분석 지원 시스템
CN202280024851.2A CN117121042A (zh) 2022-03-22 2022-03-22 制品品质分析辅助系统
JP2023540847A JPWO2023181127A1 (ja) 2022-03-22 2022-03-22

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/013235 WO2023181127A1 (ja) 2022-03-22 2022-03-22 製品品質分析支援システム

Publications (1)

Publication Number Publication Date
WO2023181127A1 true WO2023181127A1 (ja) 2023-09-28

Family

ID=88100424

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/013235 WO2023181127A1 (ja) 2022-03-22 2022-03-22 製品品質分析支援システム

Country Status (4)

Country Link
JP (1) JPWO2023181127A1 (ja)
KR (1) KR20230153463A (ja)
CN (1) CN117121042A (ja)
WO (1) WO2023181127A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014179060A (ja) * 2013-02-18 2014-09-25 Kobe Steel Ltd 品質異常の原因推定支援システム
JP2021192915A (ja) * 2020-06-08 2021-12-23 東芝三菱電機産業システム株式会社 製品品質分析支援システム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019016209A (ja) 2017-07-07 2019-01-31 株式会社東芝 診断装置、診断方法およびコンピュータプログラム
CN110869861B (zh) 2017-11-27 2023-02-17 东芝三菱电机产业系统株式会社 钢铁厂的维护支援装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014179060A (ja) * 2013-02-18 2014-09-25 Kobe Steel Ltd 品質異常の原因推定支援システム
JP2021192915A (ja) * 2020-06-08 2021-12-23 東芝三菱電機産業システム株式会社 製品品質分析支援システム

Also Published As

Publication number Publication date
CN117121042A (zh) 2023-11-24
JPWO2023181127A1 (ja) 2023-09-28
KR20230153463A (ko) 2023-11-06

Similar Documents

Publication Publication Date Title
Ayağ A hybrid approach to machine-tool selection through AHP and simulation
JP2018147419A (ja) 管理装置および管理プログラム
CN111815136A (zh) 一种航空产品全生命周期成熟度建模方法
Kurnia et al. Implementation of the DMAIC Approach for Quality Improvement at the Elastic Tape Industry
CN114781877A (zh) 一种供应商钢板切割的智能评估方法及系统
JP7354934B2 (ja) 製品品質分析支援システム
Sarı Measuring The performances of the machines via Preference Selection Index (PSI) method and comparing them with values of Overall Equipment Efficiency (OEE)
WO2023181127A1 (ja) 製品品質分析支援システム
JP5239797B2 (ja) 車体精度傾向管理システム
KR20230066093A (ko) 이상 진단 모델의 구축 방법, 이상 진단 방법, 이상 진단 모델의 구축 장치 및 이상 진단 장치
JP2020157327A (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
CN112559591A (zh) 一种用于冷轧辊制造过程的离群检测系统及其检测方法
JP4772613B2 (ja) 品質解析方法、品質解析装置、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体
CN110766248A (zh) 基于shel和区间直觉模糊评价的车间人因可靠性评估方法
CN116205622A (zh) 烟机设备智能故障预警与维修决策方法
CN114048592A (zh) 一种精轧全流程分布式运行性能评估及非优原因追溯方法
CN106959668A (zh) 一种机械制造设备切削状态辨识与数据处理方法方法
CN108985564B (zh) 一种基于qfd及二元语义的fmea方法
JP7484845B2 (ja) 品質予測モデルの作成方法、品質予測方法、操業条件提示方法、品質予測モデルの作成装置、品質予測装置および操業条件提示装置
CN117831659B (zh) 宽厚板质量在线检测的方法、装置、电子设备及存储介质
US20230393113A1 (en) Construction method of abnormality diagnosis model, abnormality diagnosis method, construction device of abnormality diagnosis model, and abnormality diagnosis device
US20230205185A1 (en) System and method for controlling a production plant consisting of a plurality of plant parts, in particular a production plant for producing industrial goods such as metallic semi-finished products
Waeyenbergh et al. A model to determine the cleanliness measurement interval in an automotive paint shop
Koch et al. Identifying and Dealing with Interdependencies and Conflicts of Goals in Manufacturing Companies’ Sustainability Measures
Ledón et al. Priority index of production equipment: A DEA-based multi-criteria approach to setting investment priorities for industrial production processes

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2023540847

Country of ref document: JP

ENP Entry into the national phase

Ref document number: 20237034097

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1020237034097

Country of ref document: KR

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

Ref document number: 22933274

Country of ref document: EP

Kind code of ref document: A1