JP2004288144A - 製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体 - Google Patents
製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP2004288144A JP2004288144A JP2003198436A JP2003198436A JP2004288144A JP 2004288144 A JP2004288144 A JP 2004288144A JP 2003198436 A JP2003198436 A JP 2003198436A JP 2003198436 A JP2003198436 A JP 2003198436A JP 2004288144 A JP2004288144 A JP 2004288144A
- Authority
- JP
- Japan
- Prior art keywords
- operation result
- data
- index
- manufacturing process
- result index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- 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
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】操業結果としての処理量や品質が決まる複数の工程から成るプロセス全般において、操業チャートデータと、これに対応した操業結果の良否を示す操業結果指標のデータを解析する場合に、チャートデータに含まれている様々な時間または空間スケールにわたる波形特徴量を用いた解析を可能とすること。
【解決手段】製造プロセスにおける操業チャートデータと操業結果指標のデータを、単一又は複数の時間或いは長さスケールで分割し、分割された各部分波形に対する特徴量を抽出して、更に同じ分割スケールで品質の特徴量を算出する。操業と品質の特徴量間の関連を解析するための処理を行い、結果情報を出力する。これによりチャートデータに含まれた有効な情報を欠落させずに抽出し、更に大量の操業結果指標との比較を行うことで詳細な操業と品質の関係を解析することが可能となる。
【選択図】 図１
【解決手段】製造プロセスにおける操業チャートデータと操業結果指標のデータを、単一又は複数の時間或いは長さスケールで分割し、分割された各部分波形に対する特徴量を抽出して、更に同じ分割スケールで品質の特徴量を算出する。操業と品質の特徴量間の関連を解析するための処理を行い、結果情報を出力する。これによりチャートデータに含まれた有効な情報を欠落させずに抽出し、更に大量の操業結果指標との比較を行うことで詳細な操業と品質の関係を解析することが可能となる。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は、製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体に関し、特に、操業結果としての処理量や品質が決まる複数の工程から成るプロセス全般において、操業チャートデータと、これに対応した操業結果の良否を示す操業結果指標のデータを解析することに用いて、好適な技術に関する。また、操業チャートデータから現在生産している製品の品質をオンラインで予測し、例えば製品品質不合が予測された場合には、早期に向先の振替や再処理等の処理を計画したり、或いは不合原因を早期に見出して、操業変更等の解決策を見出すことに用いて、好適な技術に関する。
【０００２】
【従来の技術】
従来、操業結果として処理量や品質が決まる複数の工程から成るプロセスにおいて、品質不合の発生原因を分析するために、操業と操業結果の関係を解析する方法としては、個々の製品単位で操業結果指標データと対応する操業データの対を収集して、品質と操業の関係を相関解析や重回帰等の統計的手法やニューラルネットワークや決定木のようなＡＩ手法を応用して解析する方法が知られている。ここで、解析しようとするデータが、例えば鉄鋼製造プロセスにおける操業チャートと、薄板製品の表面疵検査結果コイル展開図のような製品単位よりも詳細な分解能での情報を有する形式である場合、個々の製品単位でデータを分割し統計処理を施すことで、製品単位のデータに変換して解析する手法が知られている。特許文献１では、操業条件が独立成分分析によって抽出した操業結果の品質分布に与える影響を及ぼす度合いを見出す方法が示されている。
また、操業チャートと、チャートデータに対応した操業結果の良否を示す操業結果指標データを分析する手法としては、系統的な解析手法が知られておらず、現状では、例えば、製造プロセスに係わる品質管理部門や製造部門の担当者が人手によって、両者のデータを比較し、波形の変化情報を活用して経験と推定によって、分析を行っていた。
【０００３】
【特許文献１】
特開２００３−１５４４０９号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、現実の製造プロセスにおいては、品質不合の発生要因は極めて多岐にわたり、発生要因がプロセスに及ぼす影響の時間または空間的なスケールも様々である為、個々の製品単位で操業と操業結果の関連を分析しても、データを製品単位で統計処理する際に有効な情報が欠落してしまうことに起因して、有効な解析ができない場合がある問題があった。
また、人間の経験と推定に頼る分析方法では、チャートデータに含まれている様々な時間または空間スケールに渡る波形の変化特徴量情報を詳細に抽出し、大量の操業結果指標との比較を行うことが困難であるため、やはり有効な解析ができない問題があった。
【０００５】
本発明は上述の問題点に鑑みてなされたものであり、個々の製品の詳細な操業チャートデータを予め蓄積して、製品製造時の操業の変化情報を特徴量として抽出し、解析に使用することで、詳細な操業と品質の関係を解析することが出来るようにすることを目的とする。また、同一製品内での品質のばらつきや一部に欠陥が発生した原因の分析にも、有効な解析を可能とするとともに、操業結果に基づいて製品品質を予測することも目的としている。
【０００６】
【課題を解決するための手段】
本発明の製造プロセスの操業結果解析装置は、製造プロセスにおける操業チャートデータと、前記操業チャートデータに対応した操業結果の良否を示す操業結果指標のデータを解析して、操業と操業結果の関連を解析する操業結果解析装置であって、製造プロセスの操業チャートデータ及び操業結果指標データを入力するデータ入力装置と、前記データ入力手段から入力された操業チャートデータを蓄積する操業データ蓄積装置と、前記操業データ蓄積装置から前記操業チャートデータを取り出し、そのチャート波形の特徴量を抽出する操業特徴量抽出装置と、前記データ入力手段から入力された操業結果指標データを蓄積する操業結果指標蓄積装置と、前記操業結果指標蓄積装置から操業結果指標データを取り出し、その特徴量を抽出する操業結果指標特徴量抽出装置と、前記操業特徴量抽出装置及び前記操業結果指標特徴量抽出装置から出力された特徴量間の関連を解析する関連解析装置と、前記関連解析装置の結果を出力する関連解析結果出力装置を備え、操業チャートデータにおける波形情報と操業結果の関連を抽出して定量的に解析できる様にした点に特徴を有する。
【０００７】
本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記操業特徴量抽出装置が、前記操業データ蓄積装置に蓄積された時系列又は長さ系列の操業チャートデータを、単一又は複数の時間または長さスケールにて領域分割して、更に分割された各部分波形に対する特徴量を抽出する手段を有し、前記操業結果指標特徴量抽出装置が、前記操業特徴量抽出装置が出力する領域分割スケール情報に基づいて操業結果指標データの領域分割を行い、各部分領域における操業結果指標の特徴量を計算するようにした点にある。
【０００８】
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記操業特徴量抽出装置が、ウェーブレット変換処理を行うことによって、操業チャートデータを単一又は複数のスケールにて領域分割し、更に分割された各部分波形に対する特徴量としてウェーブレット係数を抽出する手段を有するようにした点にある。
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記操業結果指標特徴量抽出装置が、各分割領域における操業結果指標に対して平均、分散、最大、最小などの統計処理や補間処理を行い、各分割領域に対する特徴量として抽出する手段を有するようにした点にある。
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記関連解析装置が、前記操業特徴量抽出装置及び前記操業結果指標特徴量抽出装置から出力された特徴量を用いてデータマイニングを行う手段を有するようにした点にある。
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記製造プロセスは、鉄鋼プロセスである点にある。
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記操業結果指標は、鉄鋼製品の表面疵の個数である点にある。
【０００９】
本発明における製造プロセスの操業結果解析方法は、製造プロセスにおける操業チャートデータと、前記操業チャートデータに対応した操業結果の良否を示す操業結果指標のデータを解析して、操業と操業結果の関連を解析する操業結果解析方法であって、製造プロセスの操業チャートデータ及び操業結果指標データを入力するデータ入力工程と、前記データ入力手段から入力された操業チャートデータを蓄積する操業データ蓄積工程と、前記操業データ蓄積工程から前記操業チャートデータを取り出し、そのチャート波形の特徴量を抽出する操業特徴量抽出工程と、前記データ入力手段から入力された操業結果指標データを蓄積する操業結果指標蓄積工程と、前記操業結果指標蓄積工程から操業結果指標データを取り出し、その特徴量を抽出する操業結果指標特徴量抽出工程と、前記操業特徴量抽出及び前記操業結果指標特徴量抽出工程から出力された特徴量間の関連を解析する関連解析工程と、前記関連解析装置の結果を出力する関連解析結果出力工程を備えた点に特徴を有する。
本発明のコンピュータ読み取り可能な記憶媒体は、上記各工程として、コンピュータを機能させるプログラムを記録した点に特徴を有する。
【００１０】
さらに、本発明における製造プロセスにおける現在製造中の製品の操業チャートデータから、製造完了時の操業結果指標を予測する操業結果予測装置において、製造プロセスの過去の操業チャートデータから求めた操業特徴量である複数のスケール別ウェーブレット係数と操業結果指標特徴量の相関解析結果に基づき操業結果指標と相関のある任意のウェーブレット係数を選択し、選択したウェーブレット係数と操業結果指標との関係を表す相関モデル式を求め、該相関モデル式又は該相関モデル式に基づく論理モデル式を予め求め操業結果指標ごとに用意した操業結果指標判定モデルと、予測したい操業結果指標と製造中の操業チャートデータを入力するデータ入力装置と、入力したデータに基づき操業結果指標に関連した前記選択したウェーブレット係数を算出するオンライン操業特徴量抽出装置と、前記操業結果指標判定モデルの判定結果を出力するオンライン操業結果指標予測結果出力装置から成り、製造プロセスにおける製造中の操業チャートデータから、製造完了時の操業結果指標を予測することを特徴とする製造プロセスの操業結果予測装置を備えた点に特徴を有する。
【００１１】
【発明の実施の形態】
以下、添付の図面を参照して、製造プロセスの操業結果解析装置及びの実施の形態について説明する。
ここで、操業データは、例えば、温度、圧力、流量等の実数値の時間或いは長さ系列チャートデータとして与えられる。また、上記操業データに対応した操業結果は、例えば、品質や処理量等の実数値や不合発生の有無等の属性値情報が、時間或いは長さ系列として分布した形式で与えられる。
【００１２】
図１は、本実施の形態による製造プロセスの操業結果解析装置のコンピュータ上に構築する構成例を示す図である。同図のＳ００１はデータ入力装置であり、製造プロセスからの収集された操業設定値やプロセス状態量測定値のチャートデータ、及び品質等の操業結果指標データを操業結果解析装置に入力する。これらのデータは、例えばネットワークを介して他のコンピュータ、或いは本操業結果解析装置が格納されているコンピュータの記憶装置から入力する。図２に、操業チャートデータ及び操業結果指標データの例を示す。
【００１３】
Ｓ１０１は、操業データ蓄積装置であり、前記データ入力装置からインプットされた情報のうち、操業設定値やプロセス状態量測定値等、操業に係わるデータをハードディスク等の記憶装置に保存・蓄積し、かつ参照の指示が入力された場合は、蓄積された情報を随時、出力する機能を有する。
Ｓ１０２は、操業結果指標データ蓄積装置であり、前記データ入力装置からインプットされた情報のうち、品質など操業の結果として得られる指標に係わる操業結果指標データをハードディスク等の記憶装置に蓄積し、かつ参照の指示が入力された場合は、蓄積された情報を随時、出力する機能を有する。
【００１４】
Ｓ２０１は、操業特徴量抽出装置であり、操業データ蓄積装置Ｓ１０１から取り出した時間又は長さ系列の操業チャートデータを、単一又は複数のスケールにて分割し、更に分割した各部分に対する波形特徴量を抽出する。
このような複数のスケールでの領域の分割処理と波形特徴量の抽出を行う方法としては、例えば文献「ウェーブレットによる信号処理と画像処理」（共立出版株式会社発行、ＩＳＢＮ−４−３２０−０８５４９−３）に記載された離散ウェーブレット変換を応用する方法がある。
【００１５】
離散ウェーブレット変換処理によれば、基底ウェーブレットと呼ばれる特徴量として抽出したい波形要素ψ（ｔ）（ｔは時間又は長さ）を用い、式（１）に基づいて時間又は長さ方向のサイズを表すスケールパラメータａ、時刻又は長さ方向位置を表すシフトパラメータｂを変化させた基底ウェーブレットψａ，ｂ（ｔ）を導出する。このψａ，ｂ（ｔ）と操業チャートデータｆ（ｔ）との内積演算を式（２）を用いて行うことで、それぞれのスケールａ、シフトｂに対応したウェーブレット係数（Ｗψｆ）（ｂ，ａ）を計算する。
【数１】
【００１６】
離散ウェーブレット変換を行うにあたり領域分割を決定するスケール、シフトの組み合わせは、チャートデータが同一サンプリング間隔のデータ列で与えられている場合、例えば式（３）に従う組み合わせとすることができる。
ａ＝２ｊ，ｂ＝２ｊｋ ｊ，ｋは自然数 （３）
【００１７】
式（２）より、ウェーブレット係数は、このスケール条件における基底ウェーブレットと操業チャートとの類似性を表す指標と見なすことが出来ることから、ウェーブレット解析におけるスケールパラメータを操業チャートの領域分割スケール、ウェーブレット係数を操業特徴量として用いることが出来る。
【００１８】
基底ウェーブレットとしては、上記文献に記載されているメイエウェーブレット、ハールウェーブレット、ドビッシーウェーブレット等の種々の関数群に加えて、式（４）で表される２乗可積分条件を満たす関数ψを使用することが出来る。
【数２】
【００１９】
また、解析に使用する基底ウェーブレットψは、解析の目的や操業チャートデータの波形挙動に対する人間の過去の経験に基づいて適切な波形を選定しても良く、或いは独立成分分析や主成分分析等を用いて得られた波形を元に式（４）を満たす関数を作成しても良い。
この為、波形特徴量として抽出したい基底ウェーブレットを複数設定し、各基底ウェーブレットに対して、様々なスケールでの特徴量を自動的に抽出する処理が可能である。図３に複数の基底ウェーブレットを用いる場合の計算処理例のフローチャートを示す。
【００２０】
Ｓ２０２は、操業結果指標特徴量抽出装置である。前記操業特徴量抽出装置Ｓ２０１より、解析中の操業情報と、ウェーブレット変換等を用いて算出した領域分割情報を受け取り、前記操業結果指標データ蓄積装置Ｓ１０２から、解析中の操業に対応する操業結果指標データを入手する。前記領域分割情報に基づいて、操業結果指標データも同一の領域分割を行い、更に、各領域において操業結果指標特徴量を計算する。操業結果指標特徴量を算出する方法としては、例えば、平均、分散等の統計量を用いる方法がある。この結果、例えば、図４に模式的に示すような、操業特徴量と操業結果指標特徴量の対を得ることが出来る。
【００２１】
Ｓ３０１は、関連解析装置であり、前記操業特徴量抽出装置Ｓ２０１、及び前記操業結果指標特徴量抽出装置Ｓ２０２で算出された特徴量について、同一の分割スケールで評価された特徴量のデータセットを作成し、更に、操業と操業結果の関連性を解析するための、処理を実行する。解析方法としては、例えば、図５に示すような散布図や相関係数解析、重回帰分析などの統計処理による方法や、或いは所謂データマイニングと呼称される分野で用いられている解析手法である決定木やニューラルネットワーク等を用いる方法がある。
Ｓ４０１は、関連解析結果出力装置であり、前記関連解析装置Ｓ３０１にて実行された操業特徴量と操業結果特徴量の解析処理結果を表示装置あるいは印字装置に出力する。この出力結果を分析することによって、品質などの操業結果指標と、ある分割スケール条件下での操業波形特徴量の間に有意な関連がないか分析することが出来る。
【００２２】
以上に述べた本実施の形態による製造プロセスの操業結果解析装置によれば、操業チャートと品質の関連を分析する際に、操業チャートデータを様々なスケールに自動分割し、更に各スケールにおける波形特徴量と品質との関連を抽出して、分析に使用することが出来る為、操業チャートに含まれる情報を有効に活用して、精度の高い解析を短時間で行うことが可能である。また、同一製品内での品質のばらつきや一部に欠陥が発生したような場合でも、製品内での操業条件の変化情報を用いて、品質との関連を解析することが可能である。
【００２３】
次に上記の解析装置を基に、製造プロセスの品質予測を行う場合の実施の形態を述べる。
図８は、本実施の形態による製造プロセスの操業結果予測装置をコンピュータ上に構築した例を示す図である。同図のＳ００１〜Ｓ３０１は、上記で説明した図１の同番号の装置と同じ機能を有する。
ここで操業データは、前記操業結果解析装置と同様に、温度、圧力、流量等の実数値の時間或いは長さ系列チャートデータとして与えられる。また、操業データに対応した操業結果も同様に、品質や処理量等の実数値や不合発生の有無等の属性値情報が、時間或いは長さ系列として分布した形式である。
【００２４】
Ｓ５０１は、ウェーブレット波形選択装置であり、前記操業特徴量抽出装置Ｓ２０１で用いられる式（１）に基づく、様々なスケールの基底ウェーブレットψａ （ｉ）（ｔ）（ｔは時間又は長さ、ａは時間又は長さ方向のサイズを表すスケールパラメータ、ｉは波形形状を表すパラメータ）が複数ある中で、Ｓ３０１で算出される関連性を示す指標を用いて、操業結果と関連性の強い基底ウェーブレットψａ （ｉ）（ｔ）を選択する。
具体的な選択方法として例えば、操業結果とウェーブレット係数の相関係数を求め、その絶対値とユーザーが与えた相関係数の閾値を比較し、閾値よりも大きな相関と評価された基底ウェーブレットを選択する方法がある。
Ｓ６０１は、操業結果指標判定モデル作成装置であり、Ｓ５０１で選択された基底ウェーブレットに対応するウェーブレット係数を用いて操業結果指標判定モデルを作成する。操業結果指標判定モデルの作成は、任意のタイミングに行われる。
【００２５】
操業結果指標判定モデルは、例えば以下の手順で作成することが出来る。
１．Ｓ５０１で選択した基底ウェーブレットに対応するウェーブレット係数と操業結果指標データをそれぞれＳ２０１及びＳ２０２から取り出す。
２．入力をウェーブレット係数、出力を操業結果指標とした回帰モデルを相関モデル式として作成する。
３．操業結果の良否を判定するための操業結果指標の閾値をユーザーが入力する。
４．操業結果良否の閾値に対応するウェーブレット係数を前記回帰モデルから求め、ウェーブレット係数境界値とする。
５．上記２〜４の手順をＳ５０１で選択した全ての基底ウェーブレットに対し繰り返し行う。このようにして得られた複数のウェーブレット係数境界値を用いてウェーブレット係数から操業結果良否を判定するＩＦ−ＴＨＥＮルールの論理モデル式からなる操業結果指標判定モデルを作成する。
また、操業結果指標判定モデルを作成する手法は上記の手順に限定されるものではなく、例えば特開２００２−２２９９７１号公報に述べるクラスタ分析部を用いてＩＦ−ＴＨＥＮルールを作成してもよい。以上によって操業結果指標判定モデルを作成する。
【００２６】
Ｓ７００は、オンライン操業特徴量抽出装置である。Ｓ００１データ入力装置から入力された操業チャートデータに対し、Ｓ２０１と等しい装置構成で特徴量抽出処理を行う。このときＳ５０１にて選択された基底ウェーブレットに対するウェーブレット係数を計算する。
Ｓ７０１は、操業結果指標判定モデルであり、Ｓ７００から出力されるウェーブレット係数をＳ６０１の操業結果指標判定モデル作成装置で作成した判定モデルに入力し、オンラインで操業結果の予測指標を算出する。
Ｓ７０２は、オンライン操業結果指標予測結果出力装置であり、前記関連解析装置Ｓ７０１にて実行された操業結果の予測指標を表示装置あるいは印字装置に出力する。この指標を例えば操業オペレータ等に提示することで、現在製造中の製品品質に関する予測結果を提供することができる。
【００２７】
【実施例】
以下では、鉄鋼製品の製造プロセスにおける連続鋳造工程の操業チャートデータと、薄板製品の表面に生ずる線状疵の発生個数の関連を、本手法で解析した実施例について説明する。
今回の解析例では、操業チャート情報には、スラブ鋳造鋳型内湯面レベル、鋳造される溶鋼のスループット量（トン／分）、及び鋳型に埋め込まれた熱電対情報から導出された鋳型内流動の偏流係数の３項目を解析した。これら操業チャート情報は、全てスラブ鋳造位置に換算して０．１ｍピッチの長さ系列情報としてデータ変換されている。また、操業結果として得られる操業結果指標には、鋳造されたスラブを元に製造したメッキ鋼板の表面疵を疵検査装置で検査した結果をスラブ鋳造位置に換算処理し、長さ系列の疵発生情報としたものを用いている。
【００２８】
解析データの単位としては、連続鋳造における連々鋳（キャスト）単位にチャートデータと表面疵データをまとめ、ウェーブレット変換のアルゴリズムに基づいて、０．２ｍ、０．４ｍ、０．８ｍ、１．６ｍ、３．２ｍ、６．４ｍ、１２．８ｍの単位で領域分割を行い、ウェーブレット係数を算出するものとした。また、表面疵情報については、上記領域分割単位ごとに発生した疵個数を単位面積当りの個数に換算したものを用い、ウェーブレット係数との相関を解析するものとした。
【００２９】
図６は、あるキャストにおける湯面レベル量のチャートデータと、基底ウェーブレットとしてハールウェーブレットを用いた場合の各々のスケールにおけるウェーブレット係数と、操業結果である疵の発生分布の例、更に長さ方向で分割した単位面積当りの疵個数を示す図である。
図６のグラフの横軸は、全ての段で共通であって鋳造長さ位置を示している。１段目は、湯面レベル量の操業チャートデータである。２〜６段目は、それぞれスケールが５〜１（長さ３．２ｍ〜０．２ｍピッチに対応）のウェーブレット係数の絶対値である。７段目は、製造最終工程で検査された疵発生分布を鋳造された鋳片上の位置に展開した図である。８段目は、７段目の疵情報をスケール３（＝０．８ｍに相当）の長さ単位で集計した単位面積当りの疵個数を示す図である。
上記のような操業チャート及び疵情報を９８キャスト、約４か月分収集し、各キャストに対するウェーブレット係数を算出、疵個数との関連を相関係数で評価するものとした。
【００３０】
図７は、ウェーブレット係数と単位面積当りの疵個数の相関係数を、操業項目、及びスケール別に示した図である。相関係数値は、−１〜１の範囲を取るものであり、その絶対値が１に近いほど関連が強く、逆に０に近い場合は相関がないことを示している。この図より、鋳型内湯面レベルのスケール３（＝０．８ｍ）の係数が最も疵個数と関連が高いことが明らかとなった。
この結果を利用して、疵多発時の製鋼操業を調査したところ、上記の湯面レベルの変動は、オペレータによる浸漬ノズルの詰まり防止操作、具体的にはノズル開度の操作により注入流量が変動し、湯面レベル変動を発生させることに対応しており、この操作によって、浸漬ノズル内に付着した非金属介在物が、鋳型内に多く混入して、表面疵の発生要因の一つとなっていることが明らかとなった。この知見に基づいて、ノズルの詰まり防止操作の実行に関して作業標準を設け、操業規制を行ったところ、表面疵発生率の低減による歩留まり向上の効果を得ることが出来た。
【００３１】
次に、上記の解析結果を利用して薄板製品の表面品質に関わる指標である線状疵の発生個数を予測するのに、本発明を応用した実施例を説明する。
図７の、ウェーブレット係数と単位面積当りの疵個数の相関解析結果に対して、今回相関係数の閾値として０．８を指定し基底ウェ−ブレットを選択した。図７より、鋳型内湯面レベルのスケール３（＝０．８ｍ、以降、基底Ａと呼ぶ）の相関係数、偏流係数のスケール５（＝３．２ｍ、以降、基底Ｂと呼ぶ）の相関係数が閾値より大きな値であり、この２つを選択した。
【００３２】
次に、操業結果指標判定モデルとして操業から品質良否のクラス分類を行うＩＦ−ＴＨＥＮルールからなる論理モデル式を作成した。ＩＦ−ＴＨＥＮルールで用いるウェーブレット係数の境界値を求めるため、基底Ａ、Ｂそれぞれのウェーブレット係数と疵個数の相関モデル式を１次の回帰式として求めた。疵個数と基底Ａウェーブレット係数の回帰式を式（５）、基底Ｂウェーブレット係数との回帰式を式（６）に示す。
Ｄａ＝１．２３＊Ｗａ ＋ ０．２２ （５）
Ｄａ：予測疵個数 Ｗａ：基底ウェーブレットＡのウェーブレット係数
Ｄｂ＝−２４．００＊Ｗｂ ＋ ５３．４ （６）
Ｄｂ：予測疵個数 Ｗｂ：基底ウェーブレットＢのウェーブレット係数
今回の実施例では品質良否を決める疵個数の閾値を７個／ｍ２とし、境界値を求めたところ、式（５）、式（６）からそれぞれ以下のように得ることが出来た。
基底ウェーブレットＡのウェーブレット係数 Ｗａ＝５．５１
基底ウェーブレットＢのウェーブレット係数 Ｗｂ＝１．９３
【００３３】
上記の手順で求めた境界値を用いて、疵個数が多く品質不良と予測される条件を指定するＩＦ−ＴＨＥＮルールの論理モデル式からなる操業結果指標判定モデルを作成した。得られた操業結果指標判定モデルを図９に模式的に示す。横軸に基底Ａのウェーブレット係数、縦軸に基底Ｂのウェーブレット係数を示し、境界値は破線で示してある、疵個数が７個／ｍ２以上で、不合と判定される領域はハッチングを施している領域である。
上記の手順で得られた操業結果指標判定モデルを用いてオンラインでの品質予測を行い重度欠陥が予測される鋼材に対しては保留を行うよう操業標準を設定し２ヶ月間運用したところ、最終工程での疵によって不合格となる鋼材量が低減する効果を得ることができた。
【００３４】
なお、今回の実施例では、コンピュータ上のプログラムとして製造プロセスの操業結果解析装置を実現したが、演算装置、メモリ等を組み合わせたハードウェアによって構成されるものであっても良い。
また、本発明の製造プロセスの操業結果解析装置は、複数の機器から構成されるものであっても、一つの機器から構成されるものであっても良い。
また、上述した実施の形態は、コンピュータのＣＰＵ或いはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成されるものであり、ＲＡＭやＲＯＭに記録されたプログラムが動作することで実施される。したがって、前記実施の形態の機能を実現するためのソフトウェアのプログラムコードをコンピュータに供給するための手段、例えばかかるプログラムコードを格納した記憶媒体は本発明の範疇に含まれる。
【００３５】
【発明の効果】
以上に述べたように本発明によれば、操業チャートデータと操業結果指標データを単一、又は複数の時間或いは長さスケールで分割し、分割された各部分波形に対する特徴量を抽出して、更に同じ分割スケールで品質の特徴量を算出して、両者の関連を解析するための情報を出力することにより、チャートデータに含まれた有効な情報を欠落させることなく抽出し、更に大量の操業結果指標との比較を行うことで詳細な操業と品質の関係を解析することができる。
また、上記解析によって操業結果と関連が高いと評価された特徴量を用いて品質判定モデルを作成し，オンライン操業チャートデータから現在製造中の製品品質を予測することができる。
【図面の簡単な説明】
【図１】本発明の実施の形態の製造プロセスの操業結果解析装置の構成例を示す図である。
【図２】操業チャートデータと操業結果の例としての疵展開データを示す図である。
【図３】複数の基底ウェーブレットを用いる場合の計算処理フローの例を示す図である。
【図４】操業チャートの特徴量であるウェーブレット係数と疵展開図を説明する模式図である。
【図５】ウェーブレット係数と疵個数の相関を示す散布図である。
【図６】実施例における操業チャートデータと、そのウェーブレット係数計算結果、操業結果指標である疵展開図、及びその長さ方向の単位面積当りの疵個数を示す図である。
【図７】実施例のウェーブレット係数と疵個数の相関係数を示す表である。
【図８】本発明の実施の形態の製造プロセスの操業結果予測装置の構成例を示す図である。
【図９】実施例のウェーブレット係数による操業結果指標判定モデルを示す模式図である。
【符号の説明】
Ｓ００１：データ入力装置
Ｓ１０１：操業データ蓄積装置
Ｓ１０２：操業結果指標データ蓄積装置
Ｓ２０１：操業特徴量抽出装置
Ｓ２０２：操業結果指標特徴量抽出装置
Ｓ３０１：関連解析装置
Ｓ４０１：関連解析結果出力装置
Ｓ５０１：ウェーブレット波形選択装置
Ｓ６０１：操業結果指標判定モデル作成装置
Ｓ７００：オンライン操業特徴量抽出装置
Ｓ７０１：操業結果指標判定モデル
Ｓ７０２：オンライン操業結果指標予測結果出力装置
【発明の属する技術分野】
本発明は、製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体に関し、特に、操業結果としての処理量や品質が決まる複数の工程から成るプロセス全般において、操業チャートデータと、これに対応した操業結果の良否を示す操業結果指標のデータを解析することに用いて、好適な技術に関する。また、操業チャートデータから現在生産している製品の品質をオンラインで予測し、例えば製品品質不合が予測された場合には、早期に向先の振替や再処理等の処理を計画したり、或いは不合原因を早期に見出して、操業変更等の解決策を見出すことに用いて、好適な技術に関する。
【０００２】
【従来の技術】
従来、操業結果として処理量や品質が決まる複数の工程から成るプロセスにおいて、品質不合の発生原因を分析するために、操業と操業結果の関係を解析する方法としては、個々の製品単位で操業結果指標データと対応する操業データの対を収集して、品質と操業の関係を相関解析や重回帰等の統計的手法やニューラルネットワークや決定木のようなＡＩ手法を応用して解析する方法が知られている。ここで、解析しようとするデータが、例えば鉄鋼製造プロセスにおける操業チャートと、薄板製品の表面疵検査結果コイル展開図のような製品単位よりも詳細な分解能での情報を有する形式である場合、個々の製品単位でデータを分割し統計処理を施すことで、製品単位のデータに変換して解析する手法が知られている。特許文献１では、操業条件が独立成分分析によって抽出した操業結果の品質分布に与える影響を及ぼす度合いを見出す方法が示されている。
また、操業チャートと、チャートデータに対応した操業結果の良否を示す操業結果指標データを分析する手法としては、系統的な解析手法が知られておらず、現状では、例えば、製造プロセスに係わる品質管理部門や製造部門の担当者が人手によって、両者のデータを比較し、波形の変化情報を活用して経験と推定によって、分析を行っていた。
【０００３】
【特許文献１】
特開２００３−１５４４０９号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、現実の製造プロセスにおいては、品質不合の発生要因は極めて多岐にわたり、発生要因がプロセスに及ぼす影響の時間または空間的なスケールも様々である為、個々の製品単位で操業と操業結果の関連を分析しても、データを製品単位で統計処理する際に有効な情報が欠落してしまうことに起因して、有効な解析ができない場合がある問題があった。
また、人間の経験と推定に頼る分析方法では、チャートデータに含まれている様々な時間または空間スケールに渡る波形の変化特徴量情報を詳細に抽出し、大量の操業結果指標との比較を行うことが困難であるため、やはり有効な解析ができない問題があった。
【０００５】
本発明は上述の問題点に鑑みてなされたものであり、個々の製品の詳細な操業チャートデータを予め蓄積して、製品製造時の操業の変化情報を特徴量として抽出し、解析に使用することで、詳細な操業と品質の関係を解析することが出来るようにすることを目的とする。また、同一製品内での品質のばらつきや一部に欠陥が発生した原因の分析にも、有効な解析を可能とするとともに、操業結果に基づいて製品品質を予測することも目的としている。
【０００６】
【課題を解決するための手段】
本発明の製造プロセスの操業結果解析装置は、製造プロセスにおける操業チャートデータと、前記操業チャートデータに対応した操業結果の良否を示す操業結果指標のデータを解析して、操業と操業結果の関連を解析する操業結果解析装置であって、製造プロセスの操業チャートデータ及び操業結果指標データを入力するデータ入力装置と、前記データ入力手段から入力された操業チャートデータを蓄積する操業データ蓄積装置と、前記操業データ蓄積装置から前記操業チャートデータを取り出し、そのチャート波形の特徴量を抽出する操業特徴量抽出装置と、前記データ入力手段から入力された操業結果指標データを蓄積する操業結果指標蓄積装置と、前記操業結果指標蓄積装置から操業結果指標データを取り出し、その特徴量を抽出する操業結果指標特徴量抽出装置と、前記操業特徴量抽出装置及び前記操業結果指標特徴量抽出装置から出力された特徴量間の関連を解析する関連解析装置と、前記関連解析装置の結果を出力する関連解析結果出力装置を備え、操業チャートデータにおける波形情報と操業結果の関連を抽出して定量的に解析できる様にした点に特徴を有する。
【０００７】
本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記操業特徴量抽出装置が、前記操業データ蓄積装置に蓄積された時系列又は長さ系列の操業チャートデータを、単一又は複数の時間または長さスケールにて領域分割して、更に分割された各部分波形に対する特徴量を抽出する手段を有し、前記操業結果指標特徴量抽出装置が、前記操業特徴量抽出装置が出力する領域分割スケール情報に基づいて操業結果指標データの領域分割を行い、各部分領域における操業結果指標の特徴量を計算するようにした点にある。
【０００８】
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記操業特徴量抽出装置が、ウェーブレット変換処理を行うことによって、操業チャートデータを単一又は複数のスケールにて領域分割し、更に分割された各部分波形に対する特徴量としてウェーブレット係数を抽出する手段を有するようにした点にある。
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記操業結果指標特徴量抽出装置が、各分割領域における操業結果指標に対して平均、分散、最大、最小などの統計処理や補間処理を行い、各分割領域に対する特徴量として抽出する手段を有するようにした点にある。
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記関連解析装置が、前記操業特徴量抽出装置及び前記操業結果指標特徴量抽出装置から出力された特徴量を用いてデータマイニングを行う手段を有するようにした点にある。
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記製造プロセスは、鉄鋼プロセスである点にある。
また、本発明の製造プロセスの操業結果解析装置の他の特徴とするところは、前記操業結果指標は、鉄鋼製品の表面疵の個数である点にある。
【０００９】
本発明における製造プロセスの操業結果解析方法は、製造プロセスにおける操業チャートデータと、前記操業チャートデータに対応した操業結果の良否を示す操業結果指標のデータを解析して、操業と操業結果の関連を解析する操業結果解析方法であって、製造プロセスの操業チャートデータ及び操業結果指標データを入力するデータ入力工程と、前記データ入力手段から入力された操業チャートデータを蓄積する操業データ蓄積工程と、前記操業データ蓄積工程から前記操業チャートデータを取り出し、そのチャート波形の特徴量を抽出する操業特徴量抽出工程と、前記データ入力手段から入力された操業結果指標データを蓄積する操業結果指標蓄積工程と、前記操業結果指標蓄積工程から操業結果指標データを取り出し、その特徴量を抽出する操業結果指標特徴量抽出工程と、前記操業特徴量抽出及び前記操業結果指標特徴量抽出工程から出力された特徴量間の関連を解析する関連解析工程と、前記関連解析装置の結果を出力する関連解析結果出力工程を備えた点に特徴を有する。
本発明のコンピュータ読み取り可能な記憶媒体は、上記各工程として、コンピュータを機能させるプログラムを記録した点に特徴を有する。
【００１０】
さらに、本発明における製造プロセスにおける現在製造中の製品の操業チャートデータから、製造完了時の操業結果指標を予測する操業結果予測装置において、製造プロセスの過去の操業チャートデータから求めた操業特徴量である複数のスケール別ウェーブレット係数と操業結果指標特徴量の相関解析結果に基づき操業結果指標と相関のある任意のウェーブレット係数を選択し、選択したウェーブレット係数と操業結果指標との関係を表す相関モデル式を求め、該相関モデル式又は該相関モデル式に基づく論理モデル式を予め求め操業結果指標ごとに用意した操業結果指標判定モデルと、予測したい操業結果指標と製造中の操業チャートデータを入力するデータ入力装置と、入力したデータに基づき操業結果指標に関連した前記選択したウェーブレット係数を算出するオンライン操業特徴量抽出装置と、前記操業結果指標判定モデルの判定結果を出力するオンライン操業結果指標予測結果出力装置から成り、製造プロセスにおける製造中の操業チャートデータから、製造完了時の操業結果指標を予測することを特徴とする製造プロセスの操業結果予測装置を備えた点に特徴を有する。
【００１１】
【発明の実施の形態】
以下、添付の図面を参照して、製造プロセスの操業結果解析装置及びの実施の形態について説明する。
ここで、操業データは、例えば、温度、圧力、流量等の実数値の時間或いは長さ系列チャートデータとして与えられる。また、上記操業データに対応した操業結果は、例えば、品質や処理量等の実数値や不合発生の有無等の属性値情報が、時間或いは長さ系列として分布した形式で与えられる。
【００１２】
図１は、本実施の形態による製造プロセスの操業結果解析装置のコンピュータ上に構築する構成例を示す図である。同図のＳ００１はデータ入力装置であり、製造プロセスからの収集された操業設定値やプロセス状態量測定値のチャートデータ、及び品質等の操業結果指標データを操業結果解析装置に入力する。これらのデータは、例えばネットワークを介して他のコンピュータ、或いは本操業結果解析装置が格納されているコンピュータの記憶装置から入力する。図２に、操業チャートデータ及び操業結果指標データの例を示す。
【００１３】
Ｓ１０１は、操業データ蓄積装置であり、前記データ入力装置からインプットされた情報のうち、操業設定値やプロセス状態量測定値等、操業に係わるデータをハードディスク等の記憶装置に保存・蓄積し、かつ参照の指示が入力された場合は、蓄積された情報を随時、出力する機能を有する。
Ｓ１０２は、操業結果指標データ蓄積装置であり、前記データ入力装置からインプットされた情報のうち、品質など操業の結果として得られる指標に係わる操業結果指標データをハードディスク等の記憶装置に蓄積し、かつ参照の指示が入力された場合は、蓄積された情報を随時、出力する機能を有する。
【００１４】
Ｓ２０１は、操業特徴量抽出装置であり、操業データ蓄積装置Ｓ１０１から取り出した時間又は長さ系列の操業チャートデータを、単一又は複数のスケールにて分割し、更に分割した各部分に対する波形特徴量を抽出する。
このような複数のスケールでの領域の分割処理と波形特徴量の抽出を行う方法としては、例えば文献「ウェーブレットによる信号処理と画像処理」（共立出版株式会社発行、ＩＳＢＮ−４−３２０−０８５４９−３）に記載された離散ウェーブレット変換を応用する方法がある。
【００１５】
離散ウェーブレット変換処理によれば、基底ウェーブレットと呼ばれる特徴量として抽出したい波形要素ψ（ｔ）（ｔは時間又は長さ）を用い、式（１）に基づいて時間又は長さ方向のサイズを表すスケールパラメータａ、時刻又は長さ方向位置を表すシフトパラメータｂを変化させた基底ウェーブレットψａ，ｂ（ｔ）を導出する。このψａ，ｂ（ｔ）と操業チャートデータｆ（ｔ）との内積演算を式（２）を用いて行うことで、それぞれのスケールａ、シフトｂに対応したウェーブレット係数（Ｗψｆ）（ｂ，ａ）を計算する。
【数１】
離散ウェーブレット変換を行うにあたり領域分割を決定するスケール、シフトの組み合わせは、チャートデータが同一サンプリング間隔のデータ列で与えられている場合、例えば式（３）に従う組み合わせとすることができる。
ａ＝２ｊ，ｂ＝２ｊｋ ｊ，ｋは自然数 （３）
【００１７】
式（２）より、ウェーブレット係数は、このスケール条件における基底ウェーブレットと操業チャートとの類似性を表す指標と見なすことが出来ることから、ウェーブレット解析におけるスケールパラメータを操業チャートの領域分割スケール、ウェーブレット係数を操業特徴量として用いることが出来る。
【００１８】
基底ウェーブレットとしては、上記文献に記載されているメイエウェーブレット、ハールウェーブレット、ドビッシーウェーブレット等の種々の関数群に加えて、式（４）で表される２乗可積分条件を満たす関数ψを使用することが出来る。
【数２】
また、解析に使用する基底ウェーブレットψは、解析の目的や操業チャートデータの波形挙動に対する人間の過去の経験に基づいて適切な波形を選定しても良く、或いは独立成分分析や主成分分析等を用いて得られた波形を元に式（４）を満たす関数を作成しても良い。
この為、波形特徴量として抽出したい基底ウェーブレットを複数設定し、各基底ウェーブレットに対して、様々なスケールでの特徴量を自動的に抽出する処理が可能である。図３に複数の基底ウェーブレットを用いる場合の計算処理例のフローチャートを示す。
【００２０】
Ｓ２０２は、操業結果指標特徴量抽出装置である。前記操業特徴量抽出装置Ｓ２０１より、解析中の操業情報と、ウェーブレット変換等を用いて算出した領域分割情報を受け取り、前記操業結果指標データ蓄積装置Ｓ１０２から、解析中の操業に対応する操業結果指標データを入手する。前記領域分割情報に基づいて、操業結果指標データも同一の領域分割を行い、更に、各領域において操業結果指標特徴量を計算する。操業結果指標特徴量を算出する方法としては、例えば、平均、分散等の統計量を用いる方法がある。この結果、例えば、図４に模式的に示すような、操業特徴量と操業結果指標特徴量の対を得ることが出来る。
【００２１】
Ｓ３０１は、関連解析装置であり、前記操業特徴量抽出装置Ｓ２０１、及び前記操業結果指標特徴量抽出装置Ｓ２０２で算出された特徴量について、同一の分割スケールで評価された特徴量のデータセットを作成し、更に、操業と操業結果の関連性を解析するための、処理を実行する。解析方法としては、例えば、図５に示すような散布図や相関係数解析、重回帰分析などの統計処理による方法や、或いは所謂データマイニングと呼称される分野で用いられている解析手法である決定木やニューラルネットワーク等を用いる方法がある。
Ｓ４０１は、関連解析結果出力装置であり、前記関連解析装置Ｓ３０１にて実行された操業特徴量と操業結果特徴量の解析処理結果を表示装置あるいは印字装置に出力する。この出力結果を分析することによって、品質などの操業結果指標と、ある分割スケール条件下での操業波形特徴量の間に有意な関連がないか分析することが出来る。
【００２２】
以上に述べた本実施の形態による製造プロセスの操業結果解析装置によれば、操業チャートと品質の関連を分析する際に、操業チャートデータを様々なスケールに自動分割し、更に各スケールにおける波形特徴量と品質との関連を抽出して、分析に使用することが出来る為、操業チャートに含まれる情報を有効に活用して、精度の高い解析を短時間で行うことが可能である。また、同一製品内での品質のばらつきや一部に欠陥が発生したような場合でも、製品内での操業条件の変化情報を用いて、品質との関連を解析することが可能である。
【００２３】
次に上記の解析装置を基に、製造プロセスの品質予測を行う場合の実施の形態を述べる。
図８は、本実施の形態による製造プロセスの操業結果予測装置をコンピュータ上に構築した例を示す図である。同図のＳ００１〜Ｓ３０１は、上記で説明した図１の同番号の装置と同じ機能を有する。
ここで操業データは、前記操業結果解析装置と同様に、温度、圧力、流量等の実数値の時間或いは長さ系列チャートデータとして与えられる。また、操業データに対応した操業結果も同様に、品質や処理量等の実数値や不合発生の有無等の属性値情報が、時間或いは長さ系列として分布した形式である。
【００２４】
Ｓ５０１は、ウェーブレット波形選択装置であり、前記操業特徴量抽出装置Ｓ２０１で用いられる式（１）に基づく、様々なスケールの基底ウェーブレットψａ （ｉ）（ｔ）（ｔは時間又は長さ、ａは時間又は長さ方向のサイズを表すスケールパラメータ、ｉは波形形状を表すパラメータ）が複数ある中で、Ｓ３０１で算出される関連性を示す指標を用いて、操業結果と関連性の強い基底ウェーブレットψａ （ｉ）（ｔ）を選択する。
具体的な選択方法として例えば、操業結果とウェーブレット係数の相関係数を求め、その絶対値とユーザーが与えた相関係数の閾値を比較し、閾値よりも大きな相関と評価された基底ウェーブレットを選択する方法がある。
Ｓ６０１は、操業結果指標判定モデル作成装置であり、Ｓ５０１で選択された基底ウェーブレットに対応するウェーブレット係数を用いて操業結果指標判定モデルを作成する。操業結果指標判定モデルの作成は、任意のタイミングに行われる。
【００２５】
操業結果指標判定モデルは、例えば以下の手順で作成することが出来る。
１．Ｓ５０１で選択した基底ウェーブレットに対応するウェーブレット係数と操業結果指標データをそれぞれＳ２０１及びＳ２０２から取り出す。
２．入力をウェーブレット係数、出力を操業結果指標とした回帰モデルを相関モデル式として作成する。
３．操業結果の良否を判定するための操業結果指標の閾値をユーザーが入力する。
４．操業結果良否の閾値に対応するウェーブレット係数を前記回帰モデルから求め、ウェーブレット係数境界値とする。
５．上記２〜４の手順をＳ５０１で選択した全ての基底ウェーブレットに対し繰り返し行う。このようにして得られた複数のウェーブレット係数境界値を用いてウェーブレット係数から操業結果良否を判定するＩＦ−ＴＨＥＮルールの論理モデル式からなる操業結果指標判定モデルを作成する。
また、操業結果指標判定モデルを作成する手法は上記の手順に限定されるものではなく、例えば特開２００２−２２９９７１号公報に述べるクラスタ分析部を用いてＩＦ−ＴＨＥＮルールを作成してもよい。以上によって操業結果指標判定モデルを作成する。
【００２６】
Ｓ７００は、オンライン操業特徴量抽出装置である。Ｓ００１データ入力装置から入力された操業チャートデータに対し、Ｓ２０１と等しい装置構成で特徴量抽出処理を行う。このときＳ５０１にて選択された基底ウェーブレットに対するウェーブレット係数を計算する。
Ｓ７０１は、操業結果指標判定モデルであり、Ｓ７００から出力されるウェーブレット係数をＳ６０１の操業結果指標判定モデル作成装置で作成した判定モデルに入力し、オンラインで操業結果の予測指標を算出する。
Ｓ７０２は、オンライン操業結果指標予測結果出力装置であり、前記関連解析装置Ｓ７０１にて実行された操業結果の予測指標を表示装置あるいは印字装置に出力する。この指標を例えば操業オペレータ等に提示することで、現在製造中の製品品質に関する予測結果を提供することができる。
【００２７】
【実施例】
以下では、鉄鋼製品の製造プロセスにおける連続鋳造工程の操業チャートデータと、薄板製品の表面に生ずる線状疵の発生個数の関連を、本手法で解析した実施例について説明する。
今回の解析例では、操業チャート情報には、スラブ鋳造鋳型内湯面レベル、鋳造される溶鋼のスループット量（トン／分）、及び鋳型に埋め込まれた熱電対情報から導出された鋳型内流動の偏流係数の３項目を解析した。これら操業チャート情報は、全てスラブ鋳造位置に換算して０．１ｍピッチの長さ系列情報としてデータ変換されている。また、操業結果として得られる操業結果指標には、鋳造されたスラブを元に製造したメッキ鋼板の表面疵を疵検査装置で検査した結果をスラブ鋳造位置に換算処理し、長さ系列の疵発生情報としたものを用いている。
【００２８】
解析データの単位としては、連続鋳造における連々鋳（キャスト）単位にチャートデータと表面疵データをまとめ、ウェーブレット変換のアルゴリズムに基づいて、０．２ｍ、０．４ｍ、０．８ｍ、１．６ｍ、３．２ｍ、６．４ｍ、１２．８ｍの単位で領域分割を行い、ウェーブレット係数を算出するものとした。また、表面疵情報については、上記領域分割単位ごとに発生した疵個数を単位面積当りの個数に換算したものを用い、ウェーブレット係数との相関を解析するものとした。
【００２９】
図６は、あるキャストにおける湯面レベル量のチャートデータと、基底ウェーブレットとしてハールウェーブレットを用いた場合の各々のスケールにおけるウェーブレット係数と、操業結果である疵の発生分布の例、更に長さ方向で分割した単位面積当りの疵個数を示す図である。
図６のグラフの横軸は、全ての段で共通であって鋳造長さ位置を示している。１段目は、湯面レベル量の操業チャートデータである。２〜６段目は、それぞれスケールが５〜１（長さ３．２ｍ〜０．２ｍピッチに対応）のウェーブレット係数の絶対値である。７段目は、製造最終工程で検査された疵発生分布を鋳造された鋳片上の位置に展開した図である。８段目は、７段目の疵情報をスケール３（＝０．８ｍに相当）の長さ単位で集計した単位面積当りの疵個数を示す図である。
上記のような操業チャート及び疵情報を９８キャスト、約４か月分収集し、各キャストに対するウェーブレット係数を算出、疵個数との関連を相関係数で評価するものとした。
【００３０】
図７は、ウェーブレット係数と単位面積当りの疵個数の相関係数を、操業項目、及びスケール別に示した図である。相関係数値は、−１〜１の範囲を取るものであり、その絶対値が１に近いほど関連が強く、逆に０に近い場合は相関がないことを示している。この図より、鋳型内湯面レベルのスケール３（＝０．８ｍ）の係数が最も疵個数と関連が高いことが明らかとなった。
この結果を利用して、疵多発時の製鋼操業を調査したところ、上記の湯面レベルの変動は、オペレータによる浸漬ノズルの詰まり防止操作、具体的にはノズル開度の操作により注入流量が変動し、湯面レベル変動を発生させることに対応しており、この操作によって、浸漬ノズル内に付着した非金属介在物が、鋳型内に多く混入して、表面疵の発生要因の一つとなっていることが明らかとなった。この知見に基づいて、ノズルの詰まり防止操作の実行に関して作業標準を設け、操業規制を行ったところ、表面疵発生率の低減による歩留まり向上の効果を得ることが出来た。
【００３１】
次に、上記の解析結果を利用して薄板製品の表面品質に関わる指標である線状疵の発生個数を予測するのに、本発明を応用した実施例を説明する。
図７の、ウェーブレット係数と単位面積当りの疵個数の相関解析結果に対して、今回相関係数の閾値として０．８を指定し基底ウェ−ブレットを選択した。図７より、鋳型内湯面レベルのスケール３（＝０．８ｍ、以降、基底Ａと呼ぶ）の相関係数、偏流係数のスケール５（＝３．２ｍ、以降、基底Ｂと呼ぶ）の相関係数が閾値より大きな値であり、この２つを選択した。
【００３２】
次に、操業結果指標判定モデルとして操業から品質良否のクラス分類を行うＩＦ−ＴＨＥＮルールからなる論理モデル式を作成した。ＩＦ−ＴＨＥＮルールで用いるウェーブレット係数の境界値を求めるため、基底Ａ、Ｂそれぞれのウェーブレット係数と疵個数の相関モデル式を１次の回帰式として求めた。疵個数と基底Ａウェーブレット係数の回帰式を式（５）、基底Ｂウェーブレット係数との回帰式を式（６）に示す。
Ｄａ＝１．２３＊Ｗａ ＋ ０．２２ （５）
Ｄａ：予測疵個数 Ｗａ：基底ウェーブレットＡのウェーブレット係数
Ｄｂ＝−２４．００＊Ｗｂ ＋ ５３．４ （６）
Ｄｂ：予測疵個数 Ｗｂ：基底ウェーブレットＢのウェーブレット係数
今回の実施例では品質良否を決める疵個数の閾値を７個／ｍ２とし、境界値を求めたところ、式（５）、式（６）からそれぞれ以下のように得ることが出来た。
基底ウェーブレットＡのウェーブレット係数 Ｗａ＝５．５１
基底ウェーブレットＢのウェーブレット係数 Ｗｂ＝１．９３
【００３３】
上記の手順で求めた境界値を用いて、疵個数が多く品質不良と予測される条件を指定するＩＦ−ＴＨＥＮルールの論理モデル式からなる操業結果指標判定モデルを作成した。得られた操業結果指標判定モデルを図９に模式的に示す。横軸に基底Ａのウェーブレット係数、縦軸に基底Ｂのウェーブレット係数を示し、境界値は破線で示してある、疵個数が７個／ｍ２以上で、不合と判定される領域はハッチングを施している領域である。
上記の手順で得られた操業結果指標判定モデルを用いてオンラインでの品質予測を行い重度欠陥が予測される鋼材に対しては保留を行うよう操業標準を設定し２ヶ月間運用したところ、最終工程での疵によって不合格となる鋼材量が低減する効果を得ることができた。
【００３４】
なお、今回の実施例では、コンピュータ上のプログラムとして製造プロセスの操業結果解析装置を実現したが、演算装置、メモリ等を組み合わせたハードウェアによって構成されるものであっても良い。
また、本発明の製造プロセスの操業結果解析装置は、複数の機器から構成されるものであっても、一つの機器から構成されるものであっても良い。
また、上述した実施の形態は、コンピュータのＣＰＵ或いはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成されるものであり、ＲＡＭやＲＯＭに記録されたプログラムが動作することで実施される。したがって、前記実施の形態の機能を実現するためのソフトウェアのプログラムコードをコンピュータに供給するための手段、例えばかかるプログラムコードを格納した記憶媒体は本発明の範疇に含まれる。
【００３５】
【発明の効果】
以上に述べたように本発明によれば、操業チャートデータと操業結果指標データを単一、又は複数の時間或いは長さスケールで分割し、分割された各部分波形に対する特徴量を抽出して、更に同じ分割スケールで品質の特徴量を算出して、両者の関連を解析するための情報を出力することにより、チャートデータに含まれた有効な情報を欠落させることなく抽出し、更に大量の操業結果指標との比較を行うことで詳細な操業と品質の関係を解析することができる。
また、上記解析によって操業結果と関連が高いと評価された特徴量を用いて品質判定モデルを作成し，オンライン操業チャートデータから現在製造中の製品品質を予測することができる。
【図面の簡単な説明】
【図１】本発明の実施の形態の製造プロセスの操業結果解析装置の構成例を示す図である。
【図２】操業チャートデータと操業結果の例としての疵展開データを示す図である。
【図３】複数の基底ウェーブレットを用いる場合の計算処理フローの例を示す図である。
【図４】操業チャートの特徴量であるウェーブレット係数と疵展開図を説明する模式図である。
【図５】ウェーブレット係数と疵個数の相関を示す散布図である。
【図６】実施例における操業チャートデータと、そのウェーブレット係数計算結果、操業結果指標である疵展開図、及びその長さ方向の単位面積当りの疵個数を示す図である。
【図７】実施例のウェーブレット係数と疵個数の相関係数を示す表である。
【図８】本発明の実施の形態の製造プロセスの操業結果予測装置の構成例を示す図である。
【図９】実施例のウェーブレット係数による操業結果指標判定モデルを示す模式図である。
【符号の説明】
Ｓ００１：データ入力装置
Ｓ１０１：操業データ蓄積装置
Ｓ１０２：操業結果指標データ蓄積装置
Ｓ２０１：操業特徴量抽出装置
Ｓ２０２：操業結果指標特徴量抽出装置
Ｓ３０１：関連解析装置
Ｓ４０１：関連解析結果出力装置
Ｓ５０１：ウェーブレット波形選択装置
Ｓ６０１：操業結果指標判定モデル作成装置
Ｓ７００：オンライン操業特徴量抽出装置
Ｓ７０１：操業結果指標判定モデル
Ｓ７０２：オンライン操業結果指標予測結果出力装置
Claims (10)
- 製造プロセスにおける操業チャートデータと、前記操業チャートデータに対応した操業結果の良否を示す操業結果指標のデータを解析して、操業と操業結果の関連を解析する操業結果解析装置であって、
製造プロセスの操業チャートデータ及び操業結果指標データを入力するデータ入力装置と、
前記データ入力手段から入力された操業チャートデータを蓄積する操業データ蓄積装置と、
前記操業データ蓄積装置から前記操業チャートデータを取り出し、そのチャート波形の特徴量を抽出する操業特徴量抽出装置と、
前記データ入力手段から入力された操業結果指標データを蓄積する操業結果指標蓄積装置と、
前記操業結果指標蓄積装置から操業結果指標データを取り出し、その特徴量を抽出する操業結果指標特徴量抽出装置と、
前記操業特徴量抽出装置及び前記操業結果指標特徴量抽出装置から出力された特徴量間の関連を解析する関連解析装置と、
前記関連解析装置の結果を出力する関連解析結果出力装置を有し、操業チャートデータにおける波形情報と操業結果の関連を抽出して定量的に解析できる様にすることを特徴とする製造プロセスの操業結果解析装置。 - 前記操業特徴量抽出装置が、前記操業データ蓄積装置に蓄積された時系列又は長さ系列の操業チャートデータを、単一又は複数の時間または長さスケールにて領域分割して、更に分割された各部分波形に対する特徴量を抽出する手段を有し、前記操業結果指標特徴量抽出装置が、前記操業特徴量抽出装置が出力する領域分割スケール情報に基づいて操業結果指標データの領域分割を行い、各部分領域における操業結果指標の特徴量を計算する手段を有することを特徴とする請求項１に記載の製造プロセスの操業結果解析装置。
- 前記操業特徴量抽出装置が、ウェーブレット変換処理を行うことによって、操業チャートデータを単一又は複数のスケールにて領域分割し、更に分割された各部分波形に対する特徴量としてウェーブレット係数を抽出する手段を有することを特徴とする請求項１または請求項２に記載の製造プロセスの操業結果解析装置。
- 前記操業結果指標特徴量抽出装置が、各分割領域における操業結果指標に対して平均、分散、最大、最小などの統計処理や補間処理を行い、各分割領域に対する特徴量として抽出する手段を有することを特徴とする請求項１〜３のいずれか１項に記載の製造プロセスの操業結果解析装置。
- 前記関連解析装置が、前記操業特徴量抽出装置及び前記操業結果指標特徴量抽出装置から出力された特徴量を用いてデータマイニングを行う手段を有することを特徴とする請求項１〜４のいずれか１項に記載の製造プロセスの操業結果解析装置。
- 前記製造プロセスは、鉄鋼プロセスであることを特徴とした請求項１〜５のいずれか１項に記載の製造プロセスの操業結果解析装置。
- 前記操業結果指標は、鉄鋼製品の表面疵の個数であることを特徴とした請求項１〜６のいずれか１項に記載の製造プロセスの操業結果解析装置。
- 製造プロセスにおける操業チャートデータと、前記操業チャートデータに対応した操業結果の良否を示す操業結果指標のデータを解析して、操業と操業結果の関連を解析する操業結果解析方法であって、
製造プロセスの操業チャートデータ及び操業結果指標データを入力するデータ入力工程と、
前記データ入力手段から入力された操業チャートデータを蓄積する操業データ蓄積工程と、
前記操業データ蓄積工程から前記操業チャートデータを取り出し、そのチャート波形の特徴量を抽出する操業特徴量抽出工程と、
前記データ入力手段から入力された操業結果指標データを蓄積する操業結果指標蓄積工程と、
前記操業結果指標蓄積工程から操業結果指標データを取り出し、その特徴量を抽出する操業結果指標特徴量抽出工程と、
前記操業特徴量抽出及び前記操業結果指標特徴量抽出工程から出力された特徴量間の関連を解析する関連解析工程と、
前記関連解析装置の結果を出力する関連解析結果出力工程を有し、操業チャートデータにおける波形情報と操業結果の関連を抽出して定量的に解析できる様にすることを特徴とする製造プロセスの操業結果解析方法。 - 上記各工程として、コンピュータを機能させるプログラムを記録したことを特徴とするコンピュータ読み取り可能な記憶媒体。
- 製造プロセスにおける現在製造中の製品の操業チャートデータから、製造完了時の操業結果指標を予測する操業結果予測装置において、
製造プロセスの過去の操業チャートデータから求めた操業特徴量である複数のスケール別ウェーブレット係数と操業結果指標特徴量の相関解析結果に基づき操業結果指標と相関のある任意のウェーブレット係数を選択し、
選択したウェーブレット係数と操業結果指標との関係を表す相関モデル式を求め、
該相関モデル式又は該相関モデル式に基づく論理モデル式を予め求め操業結果指標ごとに用意した操業結果指標判定モデルと、
予測したい操業結果指標と製造中の操業チャートデータを入力するデータ入力装置と、
入力したデータに基づき操業結果指標に関連した前記選択したウェーブレット係数を算出するオンライン操業特徴量抽出装置と、
前記操業結果指標判定モデルの判定結果を出力するオンライン操業結果指標予測結果出力装置と、
から成り、製造プロセスにおける製造中の操業チャートデータから、製造完了時の操業結果指標を予測することを特徴とする製造プロセスの操業結果予測装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003198436A JP2004288144A (ja) | 2003-01-29 | 2003-07-17 | 製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003020749 | 2003-01-29 | ||
| JP2003198436A JP2004288144A (ja) | 2003-01-29 | 2003-07-17 | 製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004288144A true JP2004288144A (ja) | 2004-10-14 |
Family
ID=33301599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003198436A Pending JP2004288144A (ja) | 2003-01-29 | 2003-07-17 | 製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004288144A (ja) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006252342A (ja) * | 2005-03-11 | 2006-09-21 | Nippon Steel Corp | 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 |
| WO2007139088A1 (ja) * | 2006-05-29 | 2007-12-06 | Kyoto University | 変数決定方法、変数決定装置、プログラム及び記録媒体 |
| JP2009070227A (ja) * | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | 品質予測装置、品質予測方法及び製品の製造方法 |
| JP2009157555A (ja) * | 2007-12-26 | 2009-07-16 | Fujitsu Ltd | 画像解析プログラム、画像解析装置、および画像解析方法 |
| JP2011008735A (ja) * | 2009-06-29 | 2011-01-13 | Toshiba Corp | バッチ式製造プロセスの監視方法及び監視装置 |
| JP2014174943A (ja) * | 2013-03-13 | 2014-09-22 | Yahoo Japan Corp | 時系列データ解析装置、時系列データ解析方法、およびプログラム |
| JP2015001002A (ja) * | 2013-06-14 | 2015-01-05 | 新日鐵住金株式会社 | 転炉吹錬におけるスロッピング予知方法 |
| JP2016106338A (ja) * | 2016-03-17 | 2016-06-16 | ヤフー株式会社 | 時系列データ解析装置、時系列データ解析方法、およびプログラム |
| JP2019023612A (ja) * | 2017-07-24 | 2019-02-14 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 信号解析システムおよび信号解析方法 |
| WO2019131773A1 (ja) * | 2017-12-27 | 2019-07-04 | 三菱電機株式会社 | 製造工程統計処理システム、製造工程統計処理方法およびプログラム |
| JP2020166407A (ja) * | 2019-03-28 | 2020-10-08 | 三菱重工航空エンジン株式会社 | モデル生成装置、異常発生予測装置、異常発生予測モデルの生成方法及び異常発生予測方法 |
-
2003
- 2003-07-17 JP JP2003198436A patent/JP2004288144A/ja active Pending
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006252342A (ja) * | 2005-03-11 | 2006-09-21 | Nippon Steel Corp | 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 |
| WO2007139088A1 (ja) * | 2006-05-29 | 2007-12-06 | Kyoto University | 変数決定方法、変数決定装置、プログラム及び記録媒体 |
| JP2009070227A (ja) * | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | 品質予測装置、品質予測方法及び製品の製造方法 |
| JP2009157555A (ja) * | 2007-12-26 | 2009-07-16 | Fujitsu Ltd | 画像解析プログラム、画像解析装置、および画像解析方法 |
| JP2011008735A (ja) * | 2009-06-29 | 2011-01-13 | Toshiba Corp | バッチ式製造プロセスの監視方法及び監視装置 |
| JP2014174943A (ja) * | 2013-03-13 | 2014-09-22 | Yahoo Japan Corp | 時系列データ解析装置、時系列データ解析方法、およびプログラム |
| JP2015001002A (ja) * | 2013-06-14 | 2015-01-05 | 新日鐵住金株式会社 | 転炉吹錬におけるスロッピング予知方法 |
| JP2016106338A (ja) * | 2016-03-17 | 2016-06-16 | ヤフー株式会社 | 時系列データ解析装置、時系列データ解析方法、およびプログラム |
| JP2019023612A (ja) * | 2017-07-24 | 2019-02-14 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 信号解析システムおよび信号解析方法 |
| WO2019131773A1 (ja) * | 2017-12-27 | 2019-07-04 | 三菱電機株式会社 | 製造工程統計処理システム、製造工程統計処理方法およびプログラム |
| JP2020166407A (ja) * | 2019-03-28 | 2020-10-08 | 三菱重工航空エンジン株式会社 | モデル生成装置、異常発生予測装置、異常発生予測モデルの生成方法及び異常発生予測方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2004288144A (ja) | 製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体 | |
| KR20190013038A (ko) | 다중 특징 추출기법을 이용한 다중 시계열 데이터 추세 예측 시스템 및 예측 방법 | |
| JP4681426B2 (ja) | 製造プロセスにおける操業と品質の関連解析装置、方法、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録媒体 | |
| JP5704040B2 (ja) | 製品品質の管理方法、及び製品品質の管理装置 | |
| Bidyuk et al. | An approach to identifying and filling data gaps in machine learning procedures | |
| JP4299508B2 (ja) | 製造プロセスにおける操業と品質の関連分析装置、関連分析方法及びコンピュータ読み取り可能な記憶媒体 | |
| JP3733057B2 (ja) | 製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体 | |
| JP2019032807A (ja) | 要因分析システム、要因分析方法およびプログラム | |
| JP7310352B2 (ja) | 品質管理システム | |
| JP2004078780A (ja) | 予測方法、予測装置、予測プログラム、および予測プログラムを記録した記録媒体 | |
| CN107222328B (zh) | 预测饱和拐点的方法及装置 | |
| JP2020166442A (ja) | 情報処理装置、算出方法および算出プログラム | |
| JP6613937B2 (ja) | 品質予測装置、品質予測方法、プログラム及びコンピュータ読み取り可能な記録媒体 | |
| KR102404983B1 (ko) | 릿지 회귀를 이용한 변수 선택 장치 및 방법 | |
| CN111178576B (zh) | 基于炼化装置运行数据的操作优化方法 | |
| JP2019191634A (ja) | データ分析方法、データ分析プログラムおよびデータ分析システム | |
| JP4102019B2 (ja) | 製造プロセスにおける解析装置、方法、及びコンピュータ読み取り可能な記憶媒体 | |
| CN119695843A (zh) | 风电功率预测的不确定性分析方法、装置及存储介质 | |
| JP3943841B2 (ja) | 鋼材の材質推定装置 | |
| JP4653547B2 (ja) | 製造プロセスにおける操業と品質の関連解析装置、方法、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録媒体 | |
| CN118674297A (zh) | 一种用于炼钢过程影响质量数据的分析方法 | |
| CN117114200A (zh) | 基于重分形扩散熵分析算法(mf-dea)的耦合时间序列可预测性分析方法 | |
| JP4373881B2 (ja) | 複数き裂の進展解析方法および装置 | |
| JP2008204282A (ja) | プロセスデータ予測システム及びそれを用いたプロセス管理装置 | |
| JP4230890B2 (ja) | モデル同定装置，モデル同定プログラム及びモデル同定装置の動作方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050914 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080523 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080610 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20081028 |