CN105706010A - 生产线模拟装置 - Google Patents
生产线模拟装置 Download PDFInfo
- Publication number
- CN105706010A CN105706010A CN201380080785.1A CN201380080785A CN105706010A CN 105706010 A CN105706010 A CN 105706010A CN 201380080785 A CN201380080785 A CN 201380080785A CN 105706010 A CN105706010 A CN 105706010A
- Authority
- CN
- China
- Prior art keywords
- function
- data
- production line
- setup algorithm
- time
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 71
- 238000004088 simulation Methods 0.000 title abstract description 24
- 230000006870 function Effects 0.000 claims abstract description 251
- 238000004321 preservation Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract 5
- 238000007726 management method Methods 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 238000004904 shortening Methods 0.000 description 5
- 238000005098 hot rolling Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 229920001131 Pulp (paper) Polymers 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Business, Economics & Management (AREA)
- Control Of Metal Rolling (AREA)
- General Factory Administration (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
Abstract
本发明提供一种能高效地实施模拟的生产线模拟装置。为此,生产线模拟装置具备:数据保存功能,保存由数据采集功能采集的操作数据和特性数据;设定计算功能,基于所述数据保存功能所保存的操作数据和特性数据,使用所述生产线的模型来计算所述生产线所涉及的设定信息;模型学习功能,基于由所述设定计算功能计算出的设定信息,学习所述生产线的模型;学习值保存功能,保存由所述模型学习功能学习到的模型的学习值;以及执行定时管理功能,使所述设定计算功能计算设定信息时对模型没有影响的时间得以省略,使所述设定计算功能的设定信息的计算时间比所述数据采集功能为了采集操作数据和特性数据所需要的时间更短。
Description
技术领域
本发明涉及生产线模拟装置。
背景技术
在专利文献1中公开了生产线模拟装置。该模拟装置使用由在线的控制***采集的数据。该数据与实际时间相对应。该模拟装置用与为了采集该数据所需要的时间同等的时间来进行模拟。
现有技术文献
专利文献
专利文献1:日本专利特开2007-133579号公报
发明内容
发明所要解决的技术问题
然而,需变更程序、参数等来执行多次模拟。因此,得到全部的模拟结果需要耗费时间。
本发明是为了解决上述的技术问题而完成的。本发明的目的是提供一种能高效地实施模拟的生产线模拟装置。
解决技术问题的技术方案
本发明所涉及的生产线模拟装置具备:数据采集功能,该数据采集功能采集生产线的操作数据和生产对象物的特性数据;数据保存功能,该数据保存功能保存由所述数据采集功能采集的操作数据和特性数据;设定计算功能,该设定计算功能基于所述数据保存功能保存的操作数据和特性数据,使用所述生产线的模型来计算所述生产线所涉及的设定信息;模型学习功能,该模型学习功能基于由所述设定计算功能计算出的设定信息,学习所述生产线的模型;学习值保存功能,该学习值保存功能保存由所述模型学习功能学习到的模型的学习值;以及执行定时管理功能,该执行定时管理功能使所述设定计算功能计算设定信息时不会对模型产生影响的时间得以省略,并使所述设定计算功能的设定信息的计算时间比所述数据采集功能为了采集操作数据和特性数据所需要的时间更短。
技术效果
采用本发明,设定信息的计算时间变得比数据采集功能为了采集操作数据和特性数据所需的时间更短。因此,能高效地实施模拟。
附图说明
图1是利用本发明的实施方式1的生产线模拟装置的生产线的示意图。
图2是本发明的实施方式1的生产线模拟装置的框图。
图3是用于说明本发明的实施方式1的生产线模拟装置的更新后执行定时管理功能的图。
图4是用于说明本发明的实施方式1的生产线模拟装置的执行定时缩短的一个示例的图。
图5是用于说明本发明的实施方式1的生产线模拟装置的执行定时缩短的一个示例的图。
图6是本发明的实施方式2的生产线模拟装置的框图。
图7是用于说明本发明的实施方式2的生产线模拟装置的离线执行定时管理功能的图。
图8是用于说明本发明的实施方式3的生产线模拟装置的数据存储功能的图。
图9是用于说明本发明的实施方式3的生产线模拟装置的执行定时所涉及的数据和设定计算所需要的数据的图。
具体实施方式
对于用于实施本发明的方式根据附图进行说明。此外,各附图中,在相同或相当的部分上标注相同的符号。适当地简化或省略该部分的重复说明。
实施方式1.
图1是利用本发明的实施方式1的生产线模拟装置的生产线的示意图。
图1的生产线是薄板热轧生产线。在薄板热轧生产线的最上游侧设置加热炉1。在加热炉1的下游侧设置粗轧机2。粗轧机2具备未图示的支承机构。支承机构支承工作辊2a、支承辊2b。工作辊2a的轴安装在未图示的电动机上。在粗轧机2的下游侧设置棒材加热器3。
在棒材加热器3的下游侧设置精轧机入口侧温度计4。在精轧机入口侧温度计4的下游侧设置精轧机5。精轧机5具备未图示的支承机构。支承机构支承工作辊5a、支承辊5b。工作辊5a的轴安装在未图示的电动机上。
在精轧机5的下游侧设置板厚测定仪6、板宽测定仪7、以及精轧机出口侧温度计8。在板厚测定仪6、板宽测定仪7、以及精轧机出口侧温度计8的下游侧设置输出辊道9。在输出辊道9的上侧和下侧设置注水装置10。在输出辊道9的下游侧设置卷取机入口侧温度计11。在卷取机入口侧温度计11的下游侧设置卷取机12。
在薄板热轧生产线上,轧材13以长方体的板坯状态搬入加热炉1。轧材13在加热炉1中被加热到1200℃左右。之后,轧材13受到粗轧机2的多次来回轧制。此时,工作辊2a在夹住轧材13的状态下,由电动机旋转。支承辊2b抑制工作辊2a的挠曲。其结果,轧材13成为所希望厚度的粗板带。之后,轧材13被棒材加热器3感应加热。
之后,轧材13被精轧机5轧制。此时,工作辊5a在夹住轧材13的状态下,由电动机旋转。支承辊5b抑制工作辊5a的挠曲。其结果,轧材13成为所希望的厚度。之后,轧材13被传送到输出辊道9上。此时,轧材13被注水装置10用水冷却。之后,轧材13被卷取机12卷取。其结果,形成产品线圈。
此外,上述各设备的设置台数有时会随着生产线14的不同而不同。特别是粗轧机2及精轧机5的机架数、棒材加热器3的有无、温度计等的传感器的台数在很多情况下对于每条生产线14都不同。
接着,用图2说明生产线14的模拟装置。
图2是本发明的实施方式1的生产线模拟装置的框图。
如图2所示,在生产线14的更新前控制功能15中,数据采集功能16采集生产线14的操作数据和生成对象物的特性数据。更新前执行定时管理功能17读取生产线14上轧材13的位置、速度等信息。更新前执行定时管理功能17也会经由数据采集功能16读取轧材13的位置、速度等信息。更新前执行定时管理功能17基于轧材13的位置、速度等信息决定轧材13的设定控制的定时。
更新前设定计算功能18在由更新前执行定时管理功能17决定的定时,基于数据采集功能16采集的操作数据和特性数据计算需要的设定信息。此时,更新前设定计算功能18利用生产线14的模型的学习值。
例如,精轧机5的设定计算在轧材13的前端温度被精轧机入口侧温度计4测量出的定时,基于粗轧机2的设定计算的结果进行。精轧机5的设定计算的定时取决于轧材13搬运的时间间隔。因此,该时间间隔不固定。例如,该时间间隔在短的情况下为2~3分钟。该时间间隔在长的情况下为30分钟以上至数小时。而设定计算至多在1秒以内完成。
更新前模型学习功能19基于更新前设定计算功能18的设定计算的结果学习模型。具体地说,更新前模型学习功能19基于更新前设定计算功能18的设定计算的结果计算模型的学习值。更新前学习值保存功能20保存由更新前模型学习功能19学习得到的模型的学习值。
设定控制功能21基于更新前设定计算功能18的设定计算的结果,将需要的设定信息发送到未图示的下位控制器、传感器等。下位控制器、传感器等基于该设定信息受到控制。此时,使用传感器的测定值,进行反馈控制等。生产线14通过该控制来稳定操作。其结果,轧材13的全长上的产品品质都被确保。
数据存储功能22暂时存储由数据采集功能16采集的数据。采集数据保存功能23保存由数据存储功能22存储的数据。该数据与轧材13的位置及实际时间相关联地被保存。
在生产线14的更新后控制功能24中,更新后执行定时管理功能25采集经由数据存储功能22和数据采集功能16保存在采集数据保存功能23上的数据。更新后执行定时管理功能25基于该数据决定设定计算的合适的执行定时。
更新后设定计算功能26在由更新后执行定时管理功能25决定的定时,基于保存在采集数据保存功能23上的数据进行需要的设定计算。此时,更新后设定计算功能26利用生产线14的模型的学习值。
更新后模型学习功能27基于更新后设定计算功能26的设定计算的结果学习模型。具体地说,更新后模型学习功能27基于更新后设定计算功能26的设定计算的结果,计算模型的学习值。更新后学习值保存功能28保存由更新后模型学习功能27计算得到的学习值。
接着,用图3说明更新后执行定时管理功能25。
图3是用于说明本发明的实施方式1的生产线模拟装置的更新后执行定时管理功能的图。
如图3所示,更新后执行定时管理功能25具备实时处理功能25a和高速化功能25b。实时处理功能25a在实时地执行更新后设定计算功能26时被选择。此时,实时处理功能25a将基于实时的执行定时所涉及的信息发送至更新后设定计算功能26。高速化功能25b在以高速执行更新后设定计算功能26时被选择。此时,高速化功能25b将相比于实时处理功能25a的执行定时缩短了的执行定时所涉及的信息发送至更新后设定计算功能26。
接着,用图4说明设定计算的执行定时缩短的一个示例。
图4是用于说明本发明的实施方式1的生产线模拟装置的执行定时缩短的一个示例的图。
例如,精扎机5的设定计算基于粗轧机2的设定计算的结果执行。因此,在精轧机5的设定计算中,不能任意地设定执行定时的顺序和时刻。
在该情况下,高速化功能25b缩短对应于该轧材13的设定计算和对应于下个轧材13的设定计算之间的时间。高速化功能25b连续不断地执行该缩短。例如,高速化功能25b使设定计算间的计时器快进。例如,高速化功能25b删除设定计算间的固定时间。
接着,用图5说明动态控制的执行定时缩短的一个示例。
图5是用于说明本发明的实施方式1的生产线模拟装置的执行定时缩短的一个示例的图。
设定计算时不需要考虑动态特性。因此,设定计算的执行次数可以较少。对此,在动态控制时,对于轧材13的全长进行多次控制运算的执行。
在该情况下,在执行时间间隔为数ms~数10ms量级的短时间间隔的控制时,执行定时的缩短效果有限。例如,在板厚控制和张力控制时,缩短效果有限。因此,对于这些控制,不选择高速化功能25b。
在以卷取温度控制等比较长时间的间隔来执行的控制时,选择高速化功能25b。例如,在间隔为1秒前后或1秒以上的动态控制时,选择高速化功能25b。例如,在距离为数m的间隔执行的动态控制时,选择高速化功能25b。
高速化功能25b缩短轧材13的动态控制的执行定时之间的时间。例如,高速化功能25b使动态控制间的计时器快进。例如,高速化功能25b删除动态控制间的一定时间。
此时,高速化功能25b考虑动态控制的动态特性和无用时间。例如,在卷取温度控制中,注水装置10的注水阀的响应时间包含1秒左右的无用时间和响应延迟。在该情况下,从向注水阀发出开闭指令到注水阀开闭为止耗时1秒左右。因此,为了准确地取得数据,对于从控制指令到执行为止的定时,难以实现1秒以上的缩短。
采用以上说明的实施方式1,更新后设定计算功能26用比数据采集功能为了采集操作数据和特性数据所需要的时间更短的时间来计算设定信息。因此,能高效地实施模拟。其结果,能顺利地进行生产线14的功能更新。
此时,可以省略对模型没有影响的时间。例如,可以缩短生产对象物未进行加工处理及冷却处理就被搬运的时间。例如,可以删除生产对象物未进行加工处理及冷却处理就被搬运的时间。在这些情况下,不用牺牲模拟的精度就能高效地实施模拟。
此外,若由更新后控制功能24控制生产线14,则能制造高品质的产品。因此,能确保市场的竞争优越性。
实施方式2.
图6是本发明的实施方式2的生产线模拟装置的框图。此外,在与实施方式1相同或相当部分上标注相同符号并省略说明。
在图6的在线控制功能29中,在线数据采集功能30起到与图2的数据采集功能16相同的功能。在线执行定时管理功能31起到与图2的更新前执行定时管理功能17相同的功能。在线设定计算功能32起到与图2的更新前设定计算功能18相同的功能。在线模型学习功能33起到与图2的更新前模型学习功能19相同的功能。在线学习值保存功能34起到与更新前学习保存功能20相同的功能。在线设定控制功能35起到与图2的设定控制功能21相同的功能。
图6的离线模拟功能36具备与在线控制功能29类似的功能。离线模拟功能36在实现在线***不能确认的功能或开发与在线***不同的功能时使用。
在离线模拟功能36中,离线数据存储功能37起到与图2的数据存储功能22相同的功能。离线采集数据保存功能38起到与图2的采集数据保存功能23相同的功能。离线执行定时管理功能39起到与图2的更新后执行定时管理功能25相同的功能。离线设定计算功能40起到与图2的更新后设定计算功能26相同的功能。离线模型学习功能41起到与图2的更新后模型学习功能27相同的功能。离线学习值保存功能42起到与图2的更新后学习值保存功能28相同的功能。
离线模拟功能36在与生产线14的控制完全没有关系的定时执行。在执行离线设定计算功能40时,也会有不需要离线模型学习功能41的情况。根据离线模拟的目的,离线模拟功能36的各功能被区分使用。存在离线数据存储功能37和离线采集数据保存功能38与在线***共享的情况。
接着,用图7说明离线执行定时管理功能39。
图7是用于说明本发明的实施方式2的生产线模拟装置的离线执行定时管理功能的图。
如图7所示,离线执行定时管理功能39具备实时处理功能39a和高速化功能39b。实时处理功能39a在实时地执行离线设定计算功能40时被选择。此时,实时处理功能39a将基于实际时间的执行定时所涉及的信息发送至离线设定计算功能40。高速化功能39b在以高速执行离线设定计算功能40时被选择。此时,高速化功能39b将相比于实时处理功能39a的执行定时缩短了的执行定时所涉及的信息发送至离线设定计算功能40。
采用以上说明的实施方式2,离线模拟功能36计算与生产线14的控制所需要的设定信息不同的设定信息。因此,能高效地实施确认新功能的效果等的模拟。其结果,能充分地验证并适用新功能。
实施方式3.
图8是用于说明本发明的实施方式3的生产线模拟装置的数据存储功能的图。此外,在与实施方式1相同或相当部分上标注相同符号并省略说明。
如图8所示,数据存储功能22具备数据转换功能22a和事件数据保存功能22b。
数据转换功能22a将采集数据保存功能23的数据转换成设定计算的执行定时所涉及的数据和设定计算所需要的数据。例如,在更新前有未用于设定计算的温度实际值的情况下,数据转换功能22a将其转换成设定计算的执行定时所涉及的数据和设定计算所需要的数据。事件数据保存功能22b保存由数据转换功能22a转换后的数据。
更新后执行定时管理功能25将保存在事件数据保存功能22b中的执行定时所涉及的数据发送至更新后设定计算功能26。
考虑以下情况:进行数百次模拟后,变更更新后设定计算功能26的模型参数,再一次进行相同的模拟。在该情况下,在第1次计算时,事件数据保存功能22b保存执行定时所涉及的数据和设定计算所需要的数据。因此,第2次以后的模拟通过使用该数据实现高速化。
接着,使用图9,说明涉及执行定时所涉及的数据和设定计算所需要的数据。
图9是用于说明本发明的实施方式3的生产线模拟装置的执行定时所涉及的数据和设定计算所需要的数据的图。
例如,将用于轧材13的位置检测的传感器开启的定时作为设定计算的执行定时。例如,将用于设定计算所需要的数据的采集完成的定时作为设定计算的执行定时。在该情况下,数据转换功能22a将检测轧材13的信号变为开启的时刻的数据作为执行定时所涉及的数据。数据转换功能22a将设定计算所需要的数据的采集完成的时刻的数据作为执行定时所涉及的数据。
在设定计算所需要的数据为温度的情况下、以及在温度的测定值超过预先设定的阈值的情况下,温度计变为开启的状态即可。该阈值可以与更新后的***的基准匹配。例如,将更新后的***的阈值设为1000℃的场合下,可以将温度的测定值为1000℃以上的时间作为温度计设为开启的状态的时间。之后,可以在Ss秒后开始数据采集。在该情况下,数据转换功能22a将Sd秒期间的温度的平均值作为设定计算所需要的数据。
采用上述说明的实施方式3,即使在更新前后采集的数据的处理不同的情况下,也能高效地实施模拟。例如,在更新前对轧材13的每个距离保存轧材13的速度和测量温度的情况下,更新后需要每段时间的测量温度。在该情况下,可以基于速度和距离的信息计算时间。此外,在使用的单位不同的情况下,也可以通过数据转换功能22a进行单位转换。转换后的数据可以保存在事件数据保存功能22b中。
此外,厚板轧制线、冷轧线、纸、纸浆、化学物质、石油产品等的生产线等连续地产出生产物的生产线上也可以适用从实施方式1到实施方式3的模拟装置。此外,在汽车、机构等批量地制造产品的生产线上也可以适用从实施方式1到实施方式3的模拟装置。
工业上的实用性
如上所述,本发明所涉及的生产线模拟装置能利用于高效地实施模拟的***。
符号说明
1加热炉、
2粗轧机、
2a工作辊、
2b支承辊、
3棒材加热器、
4精轧机入口侧温度计、
5精轧机、
5a工作辊、
5b支承辊、
6板厚测定仪、
7板宽测定仪、
8精轧机出口侧温度计、
9输出辊道、
10注水装置、
11卷取机入口侧温度计、
12卷取机、
13轧材、
14生产线、
15更新前控制功能、
16数据采集功能、
17更新前执行定时管理功能、
18更新前设定计算功能、
19更新前模型学习功能、
20更新前学习值保存功能、
21设定控制功能、
22数据存储功能、
22a数据转换功能、
22b事件数据保存功能、
23采集数据保存功能、
24更新后控制功能、
25更新后执行定时管理功能、
25a实时处理功能、
25b高速化功能、
26更新后设定计算功能、
27更新后模型学习功能、
28更新后学习值保存功能、
29在线控制功能、
30在线数据采集功能、
31在线执行定时管理功能、
32在线设定计算功能、
33在线模型学习功能、
34在线学习值保存功能、
35在线设定控制功能、
36离线模拟功能、
37离线数据存储功能、
38离线采集数据保存功能、
39离线执行定时管理功能、
39a实时处理功能、
39b高速化功能、
40离线设定计算功能、
41离线模型学习功能、
42离线学习值保存功能。
Claims (6)
1.一种生产线模拟装置,其特征在于,具备:
数据采集功能,该数据采集功能采集生产线的操作数据和生产对象物的特性数据;
数据保存功能,该数据保存功能保存由所述数据采集功能采集到的操作数据和特性数据;
设定计算功能,该设定计算功能基于所述数据保存功能所保存的操作数据和特性数据,使用所述生产线的模型来计算所述生产线所涉及的设定信息;
模型学习功能,该模型学习功能基于由所述设定计算功能计算出的设定信息,学习所述生产线的模型;
学习值保存功能,该学习值保存功能保存由所述模型学习功能学习到的模型的学习值;以及
执行定时管理功能,该执行定时管理功能使所述设定计算功能计算设定信息时对模型没有影响的时间得以省略,使所述设定计算功能的设定信息的计算时间比所述数据采集功能为了采集操作数据和特性数据所需要的时间更短。
2.如权利要求1所述的生产线模拟装置,其特征在于,
具备基于设定信息控制所述生产线的设定控制功能,
所述设定计算功能基于由所述数据采集功能采集的操作数据和生产对象物的特性数据,使用由所述学习值保存功能保存的模型的学习值,来计算用在所述设定控制功能控制所述生产线时的设定信息。
3.如权利要求1所述的生产线模拟装置,其特征在于,
所述设定计算功能基于所述数据保存功能所保存的操作数据和特性数据,使用所述生产线的模型,来计算与所述生产线的控制所需要的设定信息不同的设定信息。
4.如权利要求1至权利要求3中任意一项所述的生产线模拟装置,其特征在于,
所述执行定时管理功能通过缩短生产对象物未进行加工处理及冷却处理就被搬运的时间,使所述设定计算功能的设定信息的计算时间比所述数据采集功能为了采集操作数据和特性数据所需要的时间更短。
5.如权利要求1至权利要求3中任意一项所述的生产线模拟装置,其特征在于,
所述执行定时管理功能通过删除生产对象物未进行加工处理及冷却处理就被搬运的时间,使所述设定计算功能的设定信息的计算时间比所述数据采集功能为了采集操作数据和特性数据所需要的时间更短。
6.如权利要求1至权利要求5中任意一项所述的生产线模拟装置,其特征在于,还具备:
数据转换功能,该数据转换功能将所述数据保存功能所保存的操作数据和特性数据转换成设定计算的执行定时所涉及的数据和设定计算所需要的数据;以及
事件数据保存功能,该事件数据保存功能保存由所述数据转换功能转换后的数据,
所述设定计算功能在基于所述事件数据保存功能所保存的数据得到的执行定时,用比所述数据采集功能为了采集操作数据和特性数据所需要的时间更短的时间,使用所述事件数据保存功能所保存的数据来进行设定计算。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2013/080234 WO2015068257A1 (ja) | 2013-11-08 | 2013-11-08 | 生産ラインのシミュレーション装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105706010A true CN105706010A (zh) | 2016-06-22 |
CN105706010B CN105706010B (zh) | 2018-03-23 |
Family
ID=53041059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380080785.1A Active CN105706010B (zh) | 2013-11-08 | 2013-11-08 | 生产线模拟装置 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP6517147B2 (zh) |
KR (1) | KR101972635B1 (zh) |
CN (1) | CN105706010B (zh) |
TW (1) | TWI542985B (zh) |
WO (1) | WO2015068257A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109571897A (zh) * | 2017-09-29 | 2019-04-05 | 发那科株式会社 | 数值控制*** |
CN110376965A (zh) * | 2018-04-13 | 2019-10-25 | 发那科株式会社 | 机器学习装置、控制装置以及机器学习方法 |
CN112839746A (zh) * | 2019-09-12 | 2021-05-25 | 东芝三菱电机产业***株式会社 | 折叠产生预测*** |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10482202B2 (en) | 2016-06-30 | 2019-11-19 | The Procter & Gamble Company | Method for modeling a manufacturing process for a product |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002297226A (ja) * | 2001-03-29 | 2002-10-11 | Sumitomo Heavy Ind Ltd | 自動搬送システムのシミュレーション装置および自動搬送システムのシミュレーション方法ならびに自動搬送システムのシミュレーションプログラム |
CN102393710A (zh) * | 2011-10-28 | 2012-03-28 | 无锡市星亿涂装环保设备有限公司 | 一种生产线行车的多任务生产仿真调度控制***及其方法 |
JP2012138039A (ja) * | 2010-12-28 | 2012-07-19 | Hitachi Engineering & Services Co Ltd | 生産シミュレーション装置 |
CN103150604A (zh) * | 2011-12-06 | 2013-06-12 | 株式会社日立制作所 | 生产线仿真模型构筑方法以及生产线仿真模型构筑装置 |
JP2013191014A (ja) * | 2012-03-14 | 2013-09-26 | Hitachi Power Solutions Co Ltd | 工程間適正バッファ設計方法及び工程間適正バッファ設計装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002091505A (ja) * | 2000-09-14 | 2002-03-29 | Toshiba Corp | モデル同定装置 |
JP4208509B2 (ja) * | 2002-07-18 | 2009-01-14 | 東芝三菱電機産業システム株式会社 | 圧延プロセスのモデル学習装置 |
JP5032764B2 (ja) | 2005-11-09 | 2012-09-26 | 株式会社日立ハイテクノロジーズ | 産業用装置の装置コントローラ |
-
2013
- 2013-11-08 KR KR1020157036114A patent/KR101972635B1/ko active IP Right Grant
- 2013-11-08 WO PCT/JP2013/080234 patent/WO2015068257A1/ja active Application Filing
- 2013-11-08 JP JP2015546222A patent/JP6517147B2/ja active Active
- 2013-11-08 CN CN201380080785.1A patent/CN105706010B/zh active Active
-
2014
- 2014-01-03 TW TW103100162A patent/TWI542985B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002297226A (ja) * | 2001-03-29 | 2002-10-11 | Sumitomo Heavy Ind Ltd | 自動搬送システムのシミュレーション装置および自動搬送システムのシミュレーション方法ならびに自動搬送システムのシミュレーションプログラム |
JP2012138039A (ja) * | 2010-12-28 | 2012-07-19 | Hitachi Engineering & Services Co Ltd | 生産シミュレーション装置 |
CN102393710A (zh) * | 2011-10-28 | 2012-03-28 | 无锡市星亿涂装环保设备有限公司 | 一种生产线行车的多任务生产仿真调度控制***及其方法 |
CN103150604A (zh) * | 2011-12-06 | 2013-06-12 | 株式会社日立制作所 | 生产线仿真模型构筑方法以及生产线仿真模型构筑装置 |
JP2013191014A (ja) * | 2012-03-14 | 2013-09-26 | Hitachi Power Solutions Co Ltd | 工程間適正バッファ設計方法及び工程間適正バッファ設計装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109571897A (zh) * | 2017-09-29 | 2019-04-05 | 发那科株式会社 | 数值控制*** |
CN109571897B (zh) * | 2017-09-29 | 2021-02-12 | 发那科株式会社 | 数值控制*** |
US11460831B2 (en) | 2017-09-29 | 2022-10-04 | Fanuc Corporation | Numerical control system |
CN110376965A (zh) * | 2018-04-13 | 2019-10-25 | 发那科株式会社 | 机器学习装置、控制装置以及机器学习方法 |
CN110376965B (zh) * | 2018-04-13 | 2022-06-14 | 发那科株式会社 | 机器学习装置、控制装置以及机器学习方法 |
CN112839746A (zh) * | 2019-09-12 | 2021-05-25 | 东芝三菱电机产业***株式会社 | 折叠产生预测*** |
CN112839746B (zh) * | 2019-09-12 | 2022-10-11 | 东芝三菱电机产业***株式会社 | 折叠产生预测*** |
Also Published As
Publication number | Publication date |
---|---|
TW201518920A (zh) | 2015-05-16 |
JP6517147B2 (ja) | 2019-05-22 |
KR20160013115A (ko) | 2016-02-03 |
JPWO2015068257A1 (ja) | 2017-03-09 |
CN105706010B (zh) | 2018-03-23 |
TWI542985B (zh) | 2016-07-21 |
KR101972635B1 (ko) | 2019-04-25 |
WO2015068257A1 (ja) | 2015-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108628256B (zh) | 机械学习装置以及热位移修正装置 | |
DE102017003165A1 (de) | Maschinelle Lernvorrichtung und maschinelles Lernverfahren zum Lernen der Fehlervorhersage einer Hauptwelle oder eines Motors, der die Hauptwelle antreibt, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem umfassend eine maschinelle Lernvorrichtung | |
US8145346B2 (en) | Method for monitoring a physical state of a hot-rolled sheet while controlling a rolling train for reverse rolling the hot-rolled sheet | |
CN105116873B (zh) | 一种火电厂多自动调节回路评价诊断方法 | |
CN101870076B (zh) | 一种基于性能退化模型的数控机床导轨副寿命预测方法 | |
JP5003483B2 (ja) | 圧延ラインの材質予測および材質制御装置 | |
CN103406362B (zh) | 一种模拟中厚板轧机轧制过程的控制***及方法 | |
CN102069095B (zh) | 一种基于统计学习的精轧终轧温度预测和控制方法 | |
CN105706010A (zh) | 生产线模拟装置 | |
CN105510038A (zh) | 风电机组故障监测方法和装置 | |
KR20170039736A (ko) | 압연 시뮬레이션 장치 | |
CN105045233A (zh) | 火电厂热工***中基于时间量度的pid控制器的优化设计方法 | |
CN102553941B (zh) | 冷轧机板形调控功效系数离线自学习方法 | |
CN201476905U (zh) | 神经网络pid控温的热电偶自动检定*** | |
CN110501972A (zh) | 热位移校正装置 | |
JP7084907B2 (ja) | 品質計測方法及び品質計測装置 | |
CN101825869A (zh) | 基于数据驱动的过热器模型参数辨识方法 | |
CN103567226B (zh) | 数据分析装置 | |
CN109696829A (zh) | 用来控制***内的过程的方法和装置,特别是研磨装置内的研磨过程 | |
Dian-yao et al. | Self-learning and its application to laminar cooling model of hot rolled strip | |
CN102473003A (zh) | 用于轧件的影响装置的控制方法 | |
CN108693840B (zh) | 控制装置、存储介质、控制***及控制方法 | |
CN102513369B (zh) | 液压伺服模拟控制方法 | |
CN105700498B (zh) | 一种针织物热定型工艺参数的定量设计方法 | |
CN105522002A (zh) | 一种冷轧厚度自动控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |