JP2011085970A - 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 - Google Patents
品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 Download PDFInfo
- Publication number
- JP2011085970A JP2011085970A JP2009235981A JP2009235981A JP2011085970A JP 2011085970 A JP2011085970 A JP 2011085970A JP 2009235981 A JP2009235981 A JP 2009235981A JP 2009235981 A JP2009235981 A JP 2009235981A JP 2011085970 A JP2011085970 A JP 2011085970A
- Authority
- JP
- Japan
- Prior art keywords
- quality
- quality prediction
- division pattern
- value
- division
- 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
- 238000000034 method Methods 0.000 title claims abstract description 196
- 238000009499 grossing Methods 0.000 claims abstract description 197
- 230000006870 function Effects 0.000 claims abstract description 130
- 230000000694 effects Effects 0.000 claims abstract description 83
- 238000011156 evaluation Methods 0.000 claims abstract description 78
- 238000004364 calculation method Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims description 81
- 238000004519 manufacturing process Methods 0.000 claims description 46
- 229910000831 Steel Inorganic materials 0.000 claims description 30
- 239000010959 steel Substances 0.000 claims description 30
- 238000013075 data extraction Methods 0.000 claims description 26
- 238000005096 rolling process Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 13
- 238000007790 scraping Methods 0.000 claims description 12
- 238000005098 hot rolling Methods 0.000 claims description 11
- 239000000498 cooling water Substances 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 2
- 230000037303 wrinkles Effects 0.000 claims description 2
- -1 Si amount Substances 0.000 claims 1
- 239000000047 product Substances 0.000 description 41
- 238000012545 processing Methods 0.000 description 33
- 239000000284 extract Substances 0.000 description 21
- 238000010586 diagram Methods 0.000 description 12
- 230000011218 segmentation Effects 0.000 description 11
- 238000012937 correction Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 7
- 238000007796 conventional method Methods 0.000 description 5
- 238000004886 process control Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 229910052720 vanadium Inorganic materials 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009749 continuous casting Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910052758 niobium Inorganic materials 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Control Of Metal Rolling (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】品質予測装置は、操業データに含まれる変数からなる全体領域を複数の局所領域に分割する分割パターン候補を作成する分割パターン候補作成部と、各分割パターン候補について活性度関数を算出する活性度関数算出部と、各分割パターン候補について、各局所領域に対する、現在の品質予測値を計算する指数平滑関数と活性度関数とに基づいて、全体領域における品質予測値を算出する関係式を導出して、全体領域における品質予測値を算出し、品質予測値と品質データとの予測誤差が最小となる分割パターンを選択する最小誤差分割パターン選択部と、予測誤差の収束状態を判定する学習誤差評価部と、十分に収束した分割パターンの関係式から品質予測値を出力する品質予測値出力部と、指数平滑係数を算出する指数平滑係数算出部と、を備える。
【選択図】図1
Description
[品質予測装置の構成]
まず、図1に基づいて、本発明の第1の実施形態にかかる品質予測装置の構成について説明する。なお、図1は、本実施形態にかかる品質予測装置100の機能構成を示すブロック図である。
(A)最初の時系列データx1で活性度関数から寄与率を計算し、後述する数式(2)を用いて品質予測値y^1を計算する。
(B)品質データy1および品質予測値y^1、更に操業データx1より算出された寄与率を用いて、後述する数式(7)により定数モデルを更新する。
(C)2番目の時系列データx2について、寄与率および品質予測値y^2を計算する。
(D)品質データy2と品質予測値y^2、操業x2より算出された寄与率を用い定数モデルを更新する。
(E)これをデータNまで繰り返す。
(F)N個の品質予測値と品質データより、予測誤差を計算する。
(G)準備段階にて設定された別の指数平滑係数について、上記(A)〜(F)の処理を行う。
(H)全ての指数平滑係数について、上記(A)〜(G)を行う。
次に、図2〜図5に基づいて、本実施形態にかかる品質予測装置100による品質予測処理について詳細に説明する。なお、図2は、本実施形態にかかる品質予測装置100による品質予測処理を示すフローチャートである。図3は、分割パターン候補作成部120による分割パターン候補の作成処理を示す説明図である。図4は、二次元の操業変数空間において、分割パターン候補を作成する手順を模式的に示す説明図である。図5は、3分割された二次元の操業変数空間において、分割パターン候補を作成する手順を模式的に示す説明図である。
・・・数式(7)
次に、図6に基づいて、本発明の第2の実施形態にかかる品質予測装置による品質予測方法について説明する。なお、図6は、本実施形態にかかる品質予測装置による品質予測方法を示すフローチャートである。本実施形態にかかる品質予測装置は、図1に示す第1の実施形態の品質予測装置100と同様に構成することができる。このため、以下における本実施形態の品質予測装置の説明においても、図1と同一の符号を用いて説明する。本実施形態の品質予測装置100による品質予測方法は、最初に指数平滑係数を設定する点で第1の実施形態の方法と相違する。以下では、本実施形態にかかる品質予測装置100による品質予測方法について、第1の実施形態と異なる処理について重点的に説明していく。
次に、図7〜図10に基づいて、本発明の第3の実施形態にかかる品質予測装置200とこれによる品質予測方法について説明する。本実施形態にかかる品質予測装置は、品質予測に用いる操業データについて、数値情報からなる操業変数に加えて文字コード情報であるコード変数も用いる点で、第1および第2の実施形態にかかる品質予測装置100と相違する。これにより、より少ない分割数で十分な精度でデータを説明できるモデルを作成することが可能となる。以下では、本実施形態にかかる品質予測装置200とこれによる品質予測方法について、第1及び第2の実施形態と異なる処理部、処理を重点的に説明していく。なお、図7は、本実施形態にかかる品質予測装置200の機能構成を示すブロック図である。図8は、分割パターン候補作成部220による分割パターン候補の作成処理を示す説明図である。図9は、コード変数の分割パターン候補の作成処理を示すフローチャートである。図10は、コード変数の分割パターン候補の作成処理におけるコード入れ替え処理を示す説明図である。
本実施形態にかかる製造プロセスにおける品質予測装置200は、図7に示すように、データ抽出部210と、分割パターン候補作成部220と、活性度関数算出部230と、最小誤差分割パターン選択部240と、指数平滑係数算出部250と、学習誤差評価部260と、分割指数平滑モデル決定部270と、品質予測値出力部280と、データベース290と、からなる。ここで、データ抽出部210、活性度関数算出部230、最小誤差分割パターン選択部240、指数平滑係数算出部250、学習誤差評価部260、分割指数平滑モデル決定部270、品質予測値出力部280、およびデータベース290については、図1により説明した上記実施形態のデータ抽出部110、活性度関数算出部130、最小誤差分割パターン選択部140、指数平滑係数算出部150、学習誤差評価部160、分割指数平滑モデル決定部170、品質予測値出力部180、およびデータベース190とほぼ同様に機能する。本実施形態にかかる品質予測装置200では、操業データとして操業変数とコード変数とを用いるため、分割パターン候補作成部220による分割パターン候補の作成処理が、上記実施形態の分割パターン候補作成部120と相違する。
次に、本実施形態にかかる品質予測装置200による品質予測処理について詳細に説明する。本実施形態による品質予測装置200では、図2に示した第1の実施形態における品質予測方法および図6に示した第2の実施形態における品質予測方法と同様に品質予測処理を行うことができる。以下、各場合の処理について説明する。なお、上記実施形態と同様の処理を行う部分については詳細な説明を省略する。
まず、図2に示す品質予測方法を用いた場合の処理について説明する。本実施形態にかかる品質予測装置200による品質予測処理では、まず、データ抽出部210によりデータベース290から品質予測を行う対象に関する操業データおよび品質データを抽出する(ステップS100)。データ抽出部210は、第1の実施形態と同様に、データベース290より所定の選択条件に該当する複数の操業データ及び品質データを抽出する。データ抽出部210は、抽出した操業データおよび品質データを分割パターン候補作成部220へ出力する。
次に、図6に示す品質予測方法を用いた場合の処理について説明する。本実施形態にかかる品質予測装置200による品質予測処理では、まず、データ抽出部210によりデータベース290から品質予測を行う対象に関する操業データおよび品質データを抽出する(ステップS200)。データ抽出部210は、第2の実施形態と同様に、データベース290より、所定の選択条件に該当する複数の操業データ及び品質データを抽出する。データ抽出部210は、抽出した操業データおよび品質データを分割パターン候補作成部220へ出力する。
本発明の実施形態にかかる製造プロセスにおける品質予測装置100、200は、コンピュータにより実現可能である。図11に、本発明の実施形態にかかる品質予測装置として機能し得るコンピュータシステム400の構成例を示す。コンピュータシステム400は、CPU401と、ROM402と、RAM403と、キーボードコントローラ(KBC)405と、CRTコントローラ(CRTC)406と、ディスクコントローラ(DKC)407と、ネットワークインターフェースコントローラ(NIC)408とが、システムバス404を介して互いに通信可能に接続されている。
110、210 データ抽出部
120、220 分割パターン候補作成部
130、230 活性度関数算出部
140、240 最小誤差分割パターン選択部
150、250 指数平滑係数算出部
160、260 学習誤差評価部
170、270 分割指数平滑モデル決定部
180、280 品質予測値出力部
190、290 データベース
222 数値分割作成部
224 コード分割作成部
Claims (13)
- 製造プロセスにおける品質予測装置であって、
複数の製品に関する操業データおよび品質データを記憶するデータベースから、所定の選択条件に該当する操業データおよび品質データを抽出するデータ抽出部と、
抽出された前記操業データについて、前記操業データに含まれる変数が値としてとる領域を全体領域として、当該全体領域を複数の局所領域に分割する分割パターン候補を複数個作成する分割パターン候補作成部と、
前記各分割パターン候補について、前記各局所領域での品質予測値が全体領域内の予測値に寄与する割合である寄与率を表す活性度関数を算出する活性度関数算出部と、
前記各分割パターン候補について、前記各局所領域に対する、過去の品質データと過去の品質予測値とから現在の品質予測値を計算するための指数平滑法に基づき設定された指数平滑関数と、前記活性度関数とに基づいて、全体領域における品質予測値を算出する関係式を導出し、該関係式と過去の品質データと過去の品質予測値とに基づいて全体領域における品質予測値を算出し、当該全体領域における品質予測値と前記品質データとの差である予測誤差が最小となる分割パターンを選択する最小誤差分割パターン選択部と、
前記最小誤差分割パターン選択部により選択された分割パターンの品質予測値と、予め設定された評価基準値との比較結果に基づいて、前記予測誤差の収束が十分であるか否かを判定する学習誤差評価部と、
前記学習誤差評価部にて収束が十分であると判定された前記分割パターンの関係式を用いて、品質予測値を出力する品質予測値出力部と、
前記指数平滑関数において、現在の品質予測値に対する過去の品質予測の影響の強さを決定する指数平滑係数を算出する指数平滑係数算出部と、
を備えることを特徴とする、品質予測装置。 - 前記指数平滑係数算出部は、複数の指数平滑係数について前記指数平滑計算を行い、当該計算結果から算出された予測誤差の最も小さい指数平滑係数を選択することを特徴とする、請求項1に記載の品質予測装置。
- 前記学習誤差評価部により前記予測誤差の収束が十分であると判定される複数の分割パターンから一の前記分割パターンを選択する分割指数平滑モデル決定部をさらに備え、
前記指数平滑係数算出部は、複数の指数平滑係数を設定し、
前記各指数平滑係数について、前記分割パターン候補作成部により分割パターン候補を作成して、前記活性度関数算出部、前記最小誤差分割パターン選択部および前記学習誤差評価部により、前記予測誤差の収束が十分である前記分割パターンをそれぞれ決定し、
前記分割指数平滑モデル決定部は、前記各指数平滑係数についてそれぞれ決定された前記分割パターンのうち、分割数が最も少ない前記分割パターンを選択することを特徴とする、請求項1に記載の品質予測装置。 - 前記分割パターン候補作成部は、
操業変数からなる操業変数空間を分割する数値分割作成部と、
コード変数からなるグループを分割するコード分割作成部と、
を備え、
前記数値分割作成部により作成された分割パターン候補および前記コード分割作成部により作成された分割パターン候補を、全体領域の分割パターン候補とすることを特徴とする、請求項1〜3のいずれか1項に記載の品質予測装置。 - 前記活性度関数は、前記局所領域の重心に中心を持つ正規分布関数と、前記コード分割情報から算出される二値関数とを組み合わせて構成される関数であることを特徴とする、請求項4に記載の品質予測装置。
- 前記コード分割作成部は、探索法を用いて前記コード変数からなるグループを分割することを特徴とする、請求項4または5に記載の品質予測装置。
- 前記分割パターン候補作成部は、最適化手法を用いて、前記操業変数と前記コード変数とからなる分割パターン候補を一括して生成することを特徴とする、請求項1〜3のいずれか1項に記載の品質予測装置。
- 前記製造プロセスは、鉄鋼プロセスであって、
前記品質データは、製品の表面疵、機械強度特性値、形状の平坦度、製品サイズ、内部応力、又はこれら品質に影響を及ぼすプロセス値であることを特徴とする、請求項1〜7のいずれか1項に記載の品質予測装置。 - 前記製造プロセスは、鉄鋼製品である薄鋼板の熱間圧延プロセスであり、
前記品質予測装置による予測対象となる品質を、熱延ランアウトテーブル出側での捲き取り温度としたとき、
前記製造プロセスの操業変数は、被圧延材が精錬工程を終了した時点での溶鋼内のC量、Si量、Mn量、P量、S量、Cu量、Ni量、Cr量、Mo量、Nb量、V量、Ti量、B量、Al量、N量、O量、Ca量、被圧延材の目標板幅、目標板厚、等価炭素量、仕上げ圧延出側目標温度、捲き取り目標温度、圧延速度、冷却水水量密度、冷却水温、及び材質コードから少なくとも一つ以上選択することを特徴とする、請求項8に記載の品質予測装置。 - 製造プロセスにおける品質予測方法であって、
複数の製品に関する操業データおよび品質データを記憶するデータベースから、所定の選択条件に該当する操業データおよび品質データを抽出するステップと、
抽出された前記操業データについて、前記操業データに含まれる変数が値としてとる領域を全体領域として、当該全体領域を複数の局所領域に分割して分割パターン候補を複数個作成するステップと、
前記各分割パターン候補について、前記各局所領域での品質予測値が全体領域内の予測値に寄与する割合である寄与率を表す活性度関数を算出するステップと、
前記各分割パターン候補について、品質予測値の時系列データから前記各局所領域に対する現在の品質予測値を算出するための指数平滑関数における、現在の品質予測値に対する過去の品質予測の影響の強さを決定する指数平滑係数を、前記各局所領域に対応する前記品質データに基づいて算出するステップと、
前記各分割パターン候補について、前記各局所領域に対する、前記指数平滑係数が設定された指数平滑関数と、前記活性度関数とに基づいて、全体領域における品質予測値を算出する関係式を導出し、該関係式と過去の品質データと過去の品質予測値とに基づいて全体領域における品質予測値を算出し、当該全体領域における品質予測値と前記品質データとの差である予測誤差が最小となる分割パターンを選択するステップと、
前記選択された分割パターンの品質予測値と、予め設定された評価基準値との比較結果に基づいて、前記予測誤差の収束が十分であるか否かを判定するステップと、
前記予測誤差の収束が十分であるか否かを判定するステップにより収束が十分であると判定された前記分割パターンの関係式を用いて、品質予測値を出力するステップと、
を含むことを特徴とする、品質予測方法。 - 製造プロセスにおける品質予測方法であって、
複数の製品に関する操業データおよび品質データを記憶するデータベースから、所定の選択条件に該当する操業データおよび品質データを抽出するステップと、
品質予測値の時系列データから前記各局所領域に対する現在の品質予測値を算出するための指数平滑関数における、現在の品質予測値に対する過去の品質予測の影響の強さを決定する指数平滑係数を複数個設定するステップと、
抽出された前記操業データについて、前記操業データに含まれる変数が値としてとる領域を全体領域として、当該全体領域を複数の局所領域に分割して分割パターン候補を複数個作成するステップと、
前記各分割パターン候補について、前記各局所領域での品質予測値が全体領域内の予測値に寄与する割合である寄与率を表す活性度関数を算出するステップと、
前記各分割パターン候補について、前記各局所領域に対する、前記複数の指数平滑係数のうちの1つが設定された指数平滑関数と、前記活性度関数とに基づいて、全体領域における品質予測値を算出する関係式を導出し、該関係式と過去の品質データと過去の品質予測値とに基づいて全体領域における品質予測値を算出し、当該全体領域における品質予測値と前記品質データとの差である予測誤差が最小となる分割パターンを選択するステップと、
前記選択された分割パターンの品質予測値と、予め設定された評価基準値との比較結果に基づいて、前記予測誤差の収束が十分であるか否かを判定するステップと、
前記各指数平滑係数について、前記予測誤差の収束が十分であるか否かを判定するステップにより収束が十分であると判定された前記分割パターンから、分割数が最も少ない前記分割パターンを選択するステップと、
前記分割数が最も少ない分割パターンの関係式を用いて、品質予測値を出力するステップと、
を含むことを特徴とする、品質予測方法。 - コンピュータを、
複数の製品に関する操業データおよび品質データを記憶するデータベースから、所定の選択条件に該当する操業データおよび品質データを抽出するデータ抽出手段と、
抽出された前記操業データについて、前記操業データに含まれる変数が値としてとる領域を全体領域として、当該全体領域を複数の局所領域に分割する複数の分割パターン候補を複数個作成する分割パターン候補作成手段と、
前記各分割パターン候補について、前記各局所領域での品質予測値が全体領域内の予測値に寄与する割合である寄与率を表す活性度関数を算出する活性度関数算出手段と、
前記各分割パターン候補について、前記各局所領域に対する、過去の品質データと過去の品質予測値とから現在の品質予測値を計算するための指数平滑法に基づき設定された指数平滑関数と、前記活性度関数とに基づいて、全体領域における品質予測値を算出する関係式を導出し、該関係式と過去の品質データと過去の品質予測値とに基づいて全体領域における品質予測値を算出し、当該全体領域における品質予測値と前記品質データとの差である予測誤差が最小となる分割パターンを選択する最小誤差分割パターン選択手段と、
前記最小誤差分割パターン選択手段により選択された分割パターンの品質予測値と、予め設定された評価基準値との比較結果に基づいて、前記予測誤差の収束が十分であるか否かを判定する学習誤差評価手段と、
前記学習誤差評価手段にて収束が十分であると判定された前記分割パターンの関係式を用いて、品質予測値を出力する品質予測値出力手段と、
前記指数平滑関数において、現在の品質予測値に対する過去の品質予測の影響の強さを決定する指数平滑係数を算出する指数平滑係数算出手段と、
を備えることを特徴とする、品質予測装置として機能させるためのプログラム。 - コンピュータに、
複数の製品に関する操業データおよび品質データを記憶するデータベースから、所定の選択条件に該当する操業データおよび品質データを抽出するデータ抽出手段と、
抽出された前記操業データについて、前記操業データに含まれる変数が値としてとる領域を全体領域として、当該全体領域を複数の局所領域に分割する分割パターン候補を複数個作成する分割パターン候補作成手段と、
前記各分割パターン候補について、前記各局所領域での品質予測値が全体領域内の予測値に寄与する割合である寄与率を表す活性度関数を算出する活性度関数算出手段と、
前記各分割パターン候補について、前記各局所領域に対する、過去の品質データと過去の品質予測値とから現在の品質予測値を計算するための指数平滑法に基づき設定された指数平滑関数と、前記活性度関数とに基づいて、全体領域における品質予測値を算出する関係式を導出し、該関係式と過去の品質データと過去の品質予測値とに基づいて全体領域における品質予測値を算出し、当該全体領域における品質予測値と前記品質データとの差である予測誤差が最小となる分割パターンを選択する最小誤差分割パターン選択手段と、
前記最小誤差分割パターン選択手段により選択された分割パターンの品質予測値と、予め設定された評価基準値との比較結果に基づいて、前記予測誤差の収束が十分であるか否かを判定する学習誤差評価手段と、
前記学習誤差評価手段にて収束が十分であると判定された前記分割パターンの関係式を用いて、品質予測値を出力する品質予測値出力手段と、
前記指数平滑関数において、現在の品質予測値に対する過去の品質予測の影響の強さを決定する指数平滑係数を算出する指数平滑係数算出手段と、
を備えることを特徴とする、品質予測装置として機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009235981A JP5375507B2 (ja) | 2009-10-13 | 2009-10-13 | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009235981A JP5375507B2 (ja) | 2009-10-13 | 2009-10-13 | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011085970A true JP2011085970A (ja) | 2011-04-28 |
JP5375507B2 JP5375507B2 (ja) | 2013-12-25 |
Family
ID=44078890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009235981A Expired - Fee Related JP5375507B2 (ja) | 2009-10-13 | 2009-10-13 | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5375507B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104935446A (zh) * | 2014-03-17 | 2015-09-23 | 华为技术有限公司 | 基于可信度挖掘的网络质量评估方法及装置 |
JP2017174390A (ja) * | 2016-03-22 | 2017-09-28 | 新日鐵住金株式会社 | 予測テーブル設計装置、方法及びプログラム |
JP2020082112A (ja) * | 2018-11-20 | 2020-06-04 | 東芝三菱電機産業システム株式会社 | 金属材料の材質制御支援装置 |
CN111275072A (zh) * | 2020-01-07 | 2020-06-12 | 浙江大学 | 一种基于聚类采样的山区土壤厚度预测方法 |
CN112785057A (zh) * | 2021-01-21 | 2021-05-11 | 上海东普信息科技有限公司 | 基于指数平滑的件量预测方法、装置、设备及存储介质 |
CN114548610A (zh) * | 2022-04-27 | 2022-05-27 | 季华实验室 | 发动机盖外板冲压工艺的自动排布方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003141215A (ja) * | 2001-11-02 | 2003-05-16 | Nippon Steel Corp | 製造プロセスにおける操業分析装置、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憶媒体 |
JP2009151383A (ja) * | 2007-12-18 | 2009-07-09 | Nippon Steel Corp | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
-
2009
- 2009-10-13 JP JP2009235981A patent/JP5375507B2/ja not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003141215A (ja) * | 2001-11-02 | 2003-05-16 | Nippon Steel Corp | 製造プロセスにおける操業分析装置、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憶媒体 |
JP2009151383A (ja) * | 2007-12-18 | 2009-07-09 | Nippon Steel Corp | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104935446A (zh) * | 2014-03-17 | 2015-09-23 | 华为技术有限公司 | 基于可信度挖掘的网络质量评估方法及装置 |
CN104935446B (zh) * | 2014-03-17 | 2019-03-05 | 华为技术有限公司 | 基于可信度挖掘的网络质量评估方法及装置 |
JP2017174390A (ja) * | 2016-03-22 | 2017-09-28 | 新日鐵住金株式会社 | 予測テーブル設計装置、方法及びプログラム |
JP2020082112A (ja) * | 2018-11-20 | 2020-06-04 | 東芝三菱電機産業システム株式会社 | 金属材料の材質制御支援装置 |
JP7020379B2 (ja) | 2018-11-20 | 2022-02-16 | 東芝三菱電機産業システム株式会社 | 金属材料の材質制御支援装置 |
CN111275072A (zh) * | 2020-01-07 | 2020-06-12 | 浙江大学 | 一种基于聚类采样的山区土壤厚度预测方法 |
CN111275072B (zh) * | 2020-01-07 | 2023-12-22 | 浙江大学 | 一种基于聚类采样的山区土壤厚度预测方法 |
CN112785057A (zh) * | 2021-01-21 | 2021-05-11 | 上海东普信息科技有限公司 | 基于指数平滑的件量预测方法、装置、设备及存储介质 |
CN112785057B (zh) * | 2021-01-21 | 2023-09-01 | 上海东普信息科技有限公司 | 基于指数平滑的件量预测方法、装置、设备及存储介质 |
CN114548610A (zh) * | 2022-04-27 | 2022-05-27 | 季华实验室 | 发动机盖外板冲压工艺的自动排布方法及装置 |
CN114548610B (zh) * | 2022-04-27 | 2022-07-08 | 季华实验室 | 发动机盖外板冲压工艺的自动排布方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP5375507B2 (ja) | 2013-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5604945B2 (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
JP5516390B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
JP5068637B2 (ja) | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 | |
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 | |
JP5434837B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
JP5375507B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
CN107377634B (zh) | 一种热轧带钢出口凸度预报方法 | |
CA2636898C (en) | Apparatus and method for constructing prediction model | |
JP5682484B2 (ja) | 厚鋼板の冷却制御方法、冷却制御装置及び厚鋼板の製造方法 | |
CN103942375B (zh) | 基于区间的高速压力机滑块尺寸稳健设计方法 | |
JP2008112288A (ja) | 予測式作成装置、結果予測装置、品質設計装置、予測式作成方法及び製品の製造方法 | |
WO2020152993A1 (ja) | 金属材料の設計支援方法、予測モデルの生成方法、金属材料の製造方法、及び設計支援装置 | |
JP6439780B2 (ja) | 電磁鋼板の磁気特性予測装置及び磁気特性制御装置 | |
JP5704040B2 (ja) | 製品品質の管理方法、及び製品品質の管理装置 | |
JP5195331B2 (ja) | 製造プロセスにおける品質予測装置、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 | |
JP5488140B2 (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
JP5962290B2 (ja) | 鋼材の熱伝達係数予測装置及び冷却制御方法 | |
JP5003362B2 (ja) | 製品品質の制御方法及び制御装置 | |
JP5375506B2 (ja) | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 | |
JP2006155557A (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 | |
JP5682131B2 (ja) | 鋼材の材質予測装置 | |
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 | |
JP3875875B2 (ja) | 製造プロセスにおける操業分析装置、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憶媒体 | |
JP7102962B2 (ja) | 制御設定値決定装置、制御設定値決定方法、及びプログラム | |
Araujo et al. | Hybrid intelligent design of morphological-rank-linear perceptrons for software development cost estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130416 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130510 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130827 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130909 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5375507 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |