JP3508245B2 - Estimation method of rolling conditions using rolling condition estimation model - Google Patents

Description

【発明の詳細な説明】 【０００１】 【産業上の利用分野】本発明は圧延条件推定モデルによ
る圧延条件の推定方法に係り、特に圧延工程において予
め圧延条件の推定を行う場合に好適なデータの推定方法
に関する。 【０００２】 【従来の技術】圧延工程でのたとえば板厚の設定計算を
行う場合において、圧延材の化学成分や板形状などの材
料条件、圧延機仕様などのプロセス条件等を用いて変形
抵抗や圧延荷重等の圧延条件を予測する場合に、既知の
要因データから目的の変数の値を予測する道具として、
よく知られた重回帰モデル（奥野他「多変量解析法」、
日科技連、p.25〜152 参照）を用いるのが通例であっ
た。 【０００３】しかし、この重回帰モデルは、パラメータ
線形が基本であるために非線形性を有する対象に適用し
た場合の誤差が大きく、また式の各項の形やデータの選
択に入念な調整が必要であるためにモデル開発運用のコ
ストが大きい、等の不利な点がある。また圧延条件の非
線形性に対処するために、鋼種や規格寸法などでまずデ
ータを区分し、各区分ごとにそれぞれ異なるモデルを割
り当てる方法が使われるが、区分境界での推定値の不連
続性、区分内のデータ数不足のために推定精度が低下す
るなどの欠点がある。なお、区分間での補間を施した例
（たとえば特公平５−55203 号公報参照）もあるが、区
分に用いる変数の単調性を前提とした線形近似であるた
め、非単調変数を区分に用いた場合の有効性に疑問があ
る。 【０００４】また、圧延条件の推定値とこれに対して得
られた実績値との差を基にモデルの推定精度を改善する
方法として、新データを加えた再回帰もしくは逐次回帰
により該当区分の回帰モデル式の係数を更新することと
した例（前出特公平５−55203 号公報参照）があるが、
回帰式自体を更新するための安定性に疑問があり、また
区分境界が固定であるので適応能力に限界がある、とい
う問題がある。 【０００５】また、推定モデルとして重回帰などのモデ
ルを用いる場合は、そのモデルの線形性のゆえに以下に
示す欠点がある。 非線形な現象に対しては大きな誤差を生じる部分が発
生すること。 推定精度を上げるために説明変数の個数を増すと、最
小２乗誤差の基準で機械的に処理する結果、得られたパ
ラメータの大きさ、符号が物理的知見と矛盾する結果に
陥る場合が多いこと。 工程条件の変動などに適応するために、実工程の実績
データを逐次累積的に取り込んでモデルを改善しようと
すると、領域によってデータを加える前よりも推定精度
が悪くなる場合があること。 【０００６】なお、線形重回帰モデルを非線形化した非
線形重回帰モデルとして用いる場合もある。この非線形
重回帰モデルは、モデル記述能力向上により推定精度で
は線形重回帰モデルよりも良くなるが、その他の点では
線形重回帰モデルと同様の欠点を持ち、かつパラメータ
決定に収束が保証されない手順を使うため一般に多くの
計算時間を要すること、結果が大域最適である保証がな
く、また個々の結果に対する最適性の検証も困難であ
る、などの欠点を有する。 【０００７】ところで、ニューラルネットワークと称す
る手法は物理的構造をもって組み込む必要がなく、逐次
的にデータを処理していくことで自律的にモデルが進化
する特徴を持つので、判別結果を動的に学習する文字認
識システムなどに使われている。しかし、逐次的にデー
タを取り込む過程で推定精度が領域によって許容範囲を
超えて変動するなど、ブラックボックスモデルに共通す
る難点があり、また非線形重回帰モデルとほぼ同様の欠
点があてはまる。 【０００８】 【発明が解決しようとする課題】上記したように従来の
圧延条件の設定法では、その非線形性ゆえに精度を確保
しようとして区分細分化と回帰モデルの組み合わせによ
る解決を求める結果、各区分のメンテナンス負荷が増大
し、また少データ区分の精度を確保するのが困難であ
り、あるいは回帰モデルの制約に起因する推定精度の改
善が困難であるなどの問題があった。 【０００９】本発明は、上記のような従来技術の有する
課題を解決するものであって、圧延条件の推定を高精度
化しかつ操業条件の拡大追従する機能を組み込むことに
より作業の省力化・コスト削減を実現し得る適応的な圧
延条件推定モデルによる圧延条件の推定手法を提供する
ことを目的とする。 【００１０】 【課題を解決するための手段】本発明の要旨とするとこ
ろは、図１に示すように、各操業条件の区間分割を定め
て操業条件空間を構成する工程と、圧延条件実績データ
を操業条件空間に仕分けする工程と、操業条件空間の中
にあるセルを推定精度を保ちつつ合併する工程と、各セ
ル毎に圧延条件実績データの平均値および操業条件影響
モデルを算出することにより圧延条件の推定モデルを作
成する工程と、該推定モデルを用いて圧延条件を推定す
る際に、最初に推定すべきデータが該当する操業条件セ
ルを決定する工程と、前記の操業条件セルが有実績セル
か否かを判定し、有実績セルであれば前記の操業条件セ
ルの圧延条件実績平均値を圧延条件の推定値とし、有実
績セルでなければ最近接の有実績セルを複数選択する工
程と、選択した有実績セルの圧延条件実績値の平均値を
該当セルからの距離による重みづけをして平均したもの
を圧延条件の推定値とする工程と、からなることを特徴
とする圧延条件推定モデルによる圧延条件の推定方法で
ある。 【００１１】 【作 用】以下に、本発明の作用について説明する。ま
ず、表１に例示するような圧延条件の実績データｘ₁ ，
…ｘ₆ と対応つけられた２つの操業条件１，２の変数の
実績値の組み合わせデータの集合の各要素を、各操業条
件変数毎にその定義範囲を１つ以上の区間に分割し、ま
た離散型の変数についてはその取り得る値で分割するこ
とにより得られる図２に示す多次元説明変数空間におい
てデータ要素が属する要素空間（以下、セルという）に
仕分けする。 【００１２】 【表１】 【００１３】その後、図３に示すように、各セルにおけ
る目的変数の平均値（たとえば図３の（ｘ₄ ＋ｘ₅ ）／
２の式）および操業条件影響モデルＣ₁ ，Ｃ₂ を算出し
ておき、多次元説明変数空間内のある特定の１点（たと
えばｘ₁ のセル）に対応する目的変数の推定値として、
該説明変数空間点を含むものとして定まる唯一のセルが
有する目的変数の実績値の平均値とこれに操業条件影響
モデルから得られるセル内補正値を加えた値をもって推
定値とする。 【００１４】このようにすることにより、非線形性が強
い圧延条件のような対象についても高い適合度を実現す
ることができ、また数式モデルをあらかじめ構成してお
く必要がないので開発およびメンテナンス負荷が軽減さ
れる。なお、データの仕分方法は、各操業条件変数毎に
区間集合を定めて、ある１つのデータ実績についてその
各操業条件実績を区間集合の各しきい値と大小比較する
ことにより、各操業条件変数の区間集合のそれぞれ何番
目に属するかの位置を決定し、これら位置の組み合わせ
をその１つのデータ実績の識別名としてデータ実績に付
与して、同じ識別名のデータ実績の集まりを１つのセル
に属するものとすることにより仕分けする。 【００１５】もし唯一のセルがたまたま実績データをひ
とつももたない場合には、直交する各説明変数次元の各
次元軸の１つまたは複数の軸に沿って直近の有実績セル
を複数見い出して、図４に示すように、おのおのの操業
条件影響モデルＣ₁ ，Ｃ₂ を用いて唯一のセルへの線形
近似による推定値を算出し、それらの平均値を以て推定
値とすることにより、データが疎な領域（図４で網かけ
した○印で表示）においても高精度な推定値が得られる
ようになる。 【００１６】なお、新たに有実績セルが発生した場合あ
るいは既存の有実績セルに実績が追加された場合は、操
業条件変数空間で定まる該当セルからの一定距離以内の
有実績セルについてそれらの操業条件影響モデルおよび
圧延実績の平均値を更新することで操業条件拡大などに
適応することが可能である。 【００１７】 【実施例】以下に、本発明の方法を鋼板の変形抵抗値の
推定に用いた実施例について説明する。 〔実施例１〕 ある実験データを対象とした操業条件と
して、たとえば５種類の化学成分（α₁ ，α₂ ，α₃ ，
α₄ ，α₅ ）、板温度（Ｔ）、単歪（ｅ）、目標板厚
（ｈ）および目標板幅（ｗ）を取り上げ、各々のデータ
精度を勘案して各条件それぞれにつき10〜20区間に等分
に分割した。次に有実績セルを抽出し、各有実績セルに
ついてセル内変形抵抗値の平均値Ｋ_mi、標準偏差σ_i 、
データ数Ｎ _i をそれぞれ算出した。なお、全体的な区間
幅調整として、標準偏差σ_i の平均を低減するように区
間位置を調整することも考えられる。ここで、セル数：
Ｎ_c、セル番号：ｉ（１≦ｉ≦Ｎ_c ）、セル識別子：Ｉ
_i とする。 【００１８】次に、一定のデータ数以下の有実績セルに
ついて、その１つについて平均値と標準偏差の差が一定
値以下の有実績セルが操業条件変数空間の一定距離以内
にあれば２つのセルを合併して新たに１つのセルを登録
し、古い２つのセルを削除し新しいセルについてセル内
変形抵抗値の平均値、標準偏差、データ数を算出し、こ
れを合併するセルがなくなるまで繰り返した。次にこの
有実績セルのおのおのについて各操業条件に対応する係
数ベクトルである操業条件影響モデルＶ_opを下記(1) 式
で算出した。 【００１９】 Ｖ_opi ＝（Ａα_1i，Ａα_2i，Ａα_3i，Ａα_4i，Ａα_5i， Ａ_Ti，Ａ_ei，Ａ_hi，Ａ_wi）^T ………………(1) 各要素は各操業条件の性格に応じてその物理的意味に合
致した値を有実績セル群から単独に定める、あるいは要
素をいくつかまとめて統計処理する、のケース分けが考
えられ、この例ではＡ_T ，Ａ_e ，Ａ_h ，Ａ_w を単独に定
め、残りを当該有実績セルを中心にして直近の一定数の
有実績セルとの差異について統計処理を行って決定した
（前出図３参照）。このように準備した後、以下の手順
>で変形抵抗値Ｋ_x の推定を行った。 【００２０】ケース１：変形抵抗値Ｋ_x を推定すべき操
業条件空間の点が有実績セルに含まれる場合は下記(2)
式で推定する。 Ｋ_X ＝Ｋ_mi＋Ｖ_opi ・（ＯＰ_x −ＯＰ_i ） ………………(2) ここで、ＯＰ_x ：推定すべき変形抵抗値に対応する操業
条件空間の点、Ｋ_mi：ＯＰ_x を含む有実績セルの変形抵
抗平均値、ＯＰ_i ：有実績セルｉの操業空間の重心、Ｖ
_opi ：有実績セルｉの操業条件影響モデルである。 【００２１】ケース２：変形抵抗値を推定すべき操業条
件空間の点が有実績セルに含まれない場合は下記(3) 式
で推定する。 Ｋ_X ＝（Ｋ_i1＋Ｋ_i2＋Ｋ_i3）／３ ………………(3) ここで、i1，i2，i3：ＯＰ_x に最も近い有実績セル３点
であり、またＫ_i1は下記(4) 式で表され、Ｋ_i2，Ｋ_i3も
同様に表される。 【００２２】 Ｋ_i1＝Ｋ_mi1 ＋Ｖ_opi1・（ＯＰ_x −ＯＰ_i1） ………………(4) そこで、ｘを有実績セルとして登録して、その操業条件
影響モデルＶ_opx を計算した後、対象とした近傍有実績
セルのＶ_opを更新した。その結果を目標板厚ｈおよび目
標板幅ｗの単区分での変形抵抗標準偏差の頻度分布で表
すと図５(a) に示すようであった。なお、目標板厚ｈと
目標板幅ｗの区分内で残りの操業条件で回帰式を構成し
て推定した従来法での場合は図５(b) に示すようで、本
発明法はおよそ半分程度に標準偏差が小さくなってお
り、その効果が確認できた。 【００２３】〔実施例２〕 また、仕上圧延の実験デー
タを用いて、従来法での変形抵抗推定値と本発明法での
変形抵抗推定値のそれぞれについて圧延荷重推定値を求
め、これらを圧延荷重実績値と比較した結果をそれぞれ
図６(a) ，(b) に示した。そこで、下記(5) 式で定義さ
れる誤差改善率を求めたところ、本発明法は従来法に対
して43.2％もの効果を有する結果を得た。 【００２４】 誤差改善率＝Σ（Ｐ_2(i)−Ｐ_0(i))²／Σ（Ｐ_1(i)−Ｐ_0(i))² ………(5) ここで、Ｐ_1(i)：従来法による圧延荷重推定値、
Ｐ_2(i)：本発明法による圧延荷重推定値、Ｐ_0(i)：圧延
荷重実績値である。なお、上記した実施例は圧延工程に
おいて圧延条件を推定する場合について説明したが、本
発明はこれに限るものではなく、たとえば一般な製造工
程においてプロセス条件とその結果の関係が非線形性を
有する対象における、実績として得られた要因と結果の
組み合わせのデータを用いて要因がある実現値をとると
きに対応する結果の値を推定する際にも適用することが
できるものである。 【００２５】 【発明の効果】以上説明したように、本発明によれば、
設定計算などの圧延条件の推定において、該圧延条件を
定める操業条件についてその定義範囲を分割した多次元
説明変数空間を構成して、該多次元空間のおのおののセ
ルにおのおの該当する圧延条件実績データを仕分けし、
有実績セルを抽出し、推定精度を保ちつつセルを合併し
てセル数を最小化して、セル内の目的変数値の平均値を
算出しておき併せて該セルについて操業条件の影響を表
す操業条件影響モデルを算出しておき、平均値に操業条
件のセル内中心からのずれと操業条件影響モデルから計
算した差分値を加えたものを圧延条件の推定値とし、一
方、圧延条件実績データが空であるセルにおける圧延条
件値の推定について、有実績セルの中で該推定要求セル
に最も近いセルを複数選択し各該有実績セルと操業条件
影響モデルの組み合わせより算出した値の平均値によっ
て該要求推定セルの圧延条件値の推定値とするようにし
たから、非線形性の圧延条件を精度よく広範囲に推定す
ることができる。DETAILED DESCRIPTION OF THE INVENTION [0001] The present invention relates to a rolling condition estimation model.
Method for estimating rolling conditions, especially in the rolling process
Method for estimating data suitable for estimating rolling conditions
About. [0002] 2. Description of the Related Art In a rolling process, for example, setting calculation of a sheet thickness is performed.
In the case of performing, the material such as the chemical composition of the rolled material and the plate shape
Deformation using process conditions such as material conditions and rolling mill specifications
When predicting rolling conditions such as resistance and rolling load,
As a tool to predict the value of the target variable from the factor data,
Well-known multiple regression models (Okuno et al. “Multivariate analysis method,
It is customary to use the Japan Science and Technology Federation, p.25-152).
Was. However, this multiple regression model has a parameter
Apply to an object that has nonlinearity because linearity is fundamental.
Error is large, the shape of each term in the
Selection and careful coordination are required,
There are disadvantages such as a large strike. In addition, the rolling conditions
In order to deal with linearity, first degrade steel grades and standard dimensions.
Data and classify different models for each category.
Estimation method is used, but the estimation
Estimation accuracy deteriorates due to continuity and insufficient number of data in a section
Disadvantages. Example of interpolation between sections
(See, for example, Japanese Patent Publication No. 5-55203).
Is a linear approximation that assumes the monotonicity of the variables used in the minutes.
Therefore, the validity of using non-monotonic variables for classification is questionable.
You. In addition, the estimated values of the rolling conditions and the
Improve the estimation accuracy of the model based on the difference from the obtained actual value
Regression or sequential regression with new data
Update the regression model equation coefficients for
There is an example (see Japanese Patent Publication No. 5-55203 mentioned above)
Doubts about the stability of updating the regression equation itself,
It is said that the adaptation ability is limited because the division boundaries are fixed.
Problem. In addition, models such as multiple regression are used as estimation models.
Is used, the following is due to the linearity of the model.
There are drawbacks shown. For nonlinear phenomena, large errors may occur.
To live. Increasing the number of explanatory variables to increase the estimation accuracy
As a result of mechanical processing based on the small square error
Parameter size and sign conflict with physical knowledge
Often fall. Actual process results to adapt to changes in process conditions
Try to improve the model by acquiring data sequentially and cumulatively
Then, the estimation accuracy is higher than before adding data depending on the area.
May be worse. It is to be noted that a non-linearized linear multiple regression model is
Sometimes used as a linear multiple regression model. This nonlinear
Multiple regression models have improved estimation accuracy due to improved model description capabilities.
Is better than the linear multiple regression model, but otherwise
It has the same disadvantages as the linear multiple regression model,
In general, many procedures are used because the decision does not guarantee convergence.
Computational time and results are not guaranteed to be globally optimal.
And it is difficult to verify the optimality of each result.
Disadvantages. By the way, a neural network is called
Method does not need to be incorporated with a physical structure.
Model evolves autonomously by processing data
Character recognition that dynamically learns the discrimination result.
It is used for knowledge systems. However, the data
In the process of capturing data, the estimation accuracy
Common to black box models, such as
Problems similar to the nonlinear multiple regression model.
The points apply. [0008] SUMMARY OF THE INVENTION As described above, the conventional
In the method of setting rolling conditions, accuracy is secured due to the nonlinearity
Trying to combine segmentation and regression models
The maintenance load for each category
And it is difficult to ensure the accuracy of
Estimation accuracy due to regression model constraints
There were problems such as difficulty in good. The present invention has the above-mentioned prior art.
This solves the problem and estimates the rolling conditions with high accuracy.
And to incorporate a function to follow operating conditions
Adaptive pressure that can realize more labor saving and cost reduction
Provides a method for estimating rolling conditions using a rolling condition estimation model
The purpose is to: [0010] The gist of the present invention is as follows.
As shown in Fig. 1, the section of each operating condition is determined.
Process that constitutes the operating condition space and rolling condition actual data
Process into the operating condition space
Merge cells while maintaining the estimation accuracy.
Average of rolling condition data and operating condition effects
A model for estimating rolling conditions is created by calculating the model.
And estimating rolling conditions using the estimation model.
The first data to be estimated
Determining the operating condition cell and the operating condition cell
It is determined whether or not the cell has a performance record.
The rolling average of rolling conditions is used as the estimated value of the rolling conditions.
If it is not a result cell, select the closest result cell
Process and the average value of the rolling condition actual value of the selected actual cell
Average weighted by distance from the cell and averaged
And estimating the rolling condition as an estimated value.
Method for estimating rolling conditions using a rolling condition estimation model
is there. [0011] [Operation] The operation of the present invention will be described below. Ma
First, the actual data x of the rolling conditions as exemplified in Table 1₁,
... x₆Of the two operating conditions 1 and 2
Each element of the set of actual value combination data is
For each variable, the definition range is divided into one or more sections.
For discrete variables that have been
In the multidimensional explanatory variable space shown in FIG.
The element space to which the data element belongs
Sort. [0012] [Table 1] [0013] Thereafter, as shown in FIG.
The average value of the objective variable (for example, (x_Four+ X_Five) /
2) and operating condition influence model C₁, C_TwoIs calculated
In addition, one specific point in the multidimensional explanatory variable space
For example x₁Cell) is an estimate of the objective variable
The only cell determined to contain the explanatory space point is
Of the actual values of the objective variables and the effect of operating conditions
Estimated by adding the in-cell correction value obtained from the model.
Use a fixed value. By doing so, the non-linearity is enhanced.
High degree of conformity for objects such as rolling conditions
Can be pre-configured and mathematical models can be
Less development and maintenance burden
It is. The data sorting method depends on each operating condition variable.
Determine a set of sections, and for a certain data record,
Compare each operation condition performance with each threshold of section set
The number of the interval set for each operating condition variable
Determine the positions that belong to the eyes and combine these positions
Is appended to the data record as the identifier of that one data record.
A collection of data records with the same identifier in one cell
Sorting by belonging to If the only cell happens to be the actual data
Otherwise, each of the orthogonal explanatory variable dimensions
The last proven cell along one or more of the dimensional axes
Are found, and as shown in FIG.
Condition influence model C₁, C_TwoLinear to only cells using
Calculate the estimated value by approximation and estimate using the average value
By setting a value, the area where data is sparse (shaded in FIG. 4)
High accuracy estimates can be obtained
Become like In the case where a new cell with actual results is generated,
Or if results are added to existing performance cells,
Within a certain distance from the corresponding cell determined by the business condition variable space
The operating condition effect model and the
Update the average value of rolling results to expand operating conditions, etc.
It is possible to adapt. [0017] DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS The method of the present invention will be described below.
An embodiment used for estimation will be described. [Example 1] Operating conditions for certain experimental data and
Then, for example, five kinds of chemical components (α₁, Α_Two, Α_Three,
α_Four, Α_Five), Plate temperature (T), single strain (e), target plate thickness
(H) and target width (w)
Equally divided into 10 to 20 sections for each condition considering accuracy
Divided into Next, the actual cells are extracted, and
The average value of the deformation resistance in the cell K_mi, Standard deviation σ_i,
Number of data N _iWas calculated respectively. In addition, overall section
Standard deviation σ as width adjustment_iTo reduce the average
It is also conceivable to adjust the interposition. Where the number of cells:
N_c, Cell number: i (1 ≦ i ≦ N_c), Cell identifier: I
_iAnd Next, a cell with a record of a certain number of data or less is used.
The difference between the mean and the standard deviation is constant for one of them
Actual cells below the value are within a certain distance of the operating condition variable space
Merges two cells and registers a new cell
And delete the old two cells,
Calculate the average value, standard deviation and number of data
This was repeated until there were no cells to merge. Then this
For each of the cells that have a track record,
Operating condition effect model V as a number vector_opEquation (1) below
Was calculated. [0019]     V_opi= (Aα_1i, Aα_2i, Aα_3i, Aα_4i, Aα_5i,               A_Ti, A_ei, A_hi, A_wi)^T              …………… (1) Each element matches its physical meaning according to the nature of each operating condition.
The specified value is determined independently from the cell group with actual results, or
Consider statistical processing of several elements at once.
In this example, A_T, A_e, A_h, A_wSet alone
The remaining is the last fixed number of
Determined by performing statistical processing on the difference from the actual cell
(See FIG. 3 above). After preparing this way, follow the steps below
Deformation resistance K at>_xWas estimated. Case 1: Deformation resistance value K_xOperations to estimate
If a point in the business condition space is included in the actual cell, the following (2)
Estimate by the formula.     K_X= K_mi+ V_opi・ (OP_x-OP_i………………… (2) Where OP_x: Operation corresponding to the deformation resistance value to be estimated
A point in the condition space, K_mi: OP_xDeformation resistance of proven cells including
Anti-mean, OP_i: Center of gravity of operating space of proven cell i, V
_opi: Operating condition influence model of cell with performance record i. Case 2: Operating conditions for which the deformation resistance value should be estimated
If points in the case space are not included in the track record cell, the following equation (3) is used.
Estimate by     K_X= (K_i1+ K_i2+ K_i3) / 3 ……………… (3) Here, i1, i2, i3: OP_x3 best-performing cells closest to
And K_i1Is expressed by the following equation (4), and K_i2, K_i3Also
Expressed similarly. [0022]     K_i1= K_mi1+ V_opi1・ (OP_x-OP_i1) ………………(Four) Therefore, x is registered as an actual cell and its operating conditions
Impact model V_opxAfter calculating
V of cell_opWas updated. The result is calculated as the target thickness h and
Expressed as a frequency distribution of standard deviation of deformation resistance in a single section of width w
The result was as shown in FIG. Note that the target thickness h and
A regression equation is constructed with the remaining operating conditions within the section of the target plate width w.
In the case of the conventional method estimated as shown in Fig. 5 (b),
The standard deviation of the invention method is reduced to about half.
The effect was confirmed. Example 2 In addition, experimental data of finish rolling
And the estimated deformation resistance in the conventional method and the estimated value in the method of the present invention.
Calculate the rolling load estimate for each of the deformation resistance estimates.
The results of comparing these with the actual rolling load
6 (a) and 6 (b). Therefore, it is defined by the following equation (5).
When the error improvement rate was calculated, the method of the present invention
As a result, a result having an effect of 43.2% was obtained. [0024]   Error improvement rate = Σ (P_{2 (i)}-P_{0 (i)})^Two/ Σ (P_{1 (i)}-P_{0 (i)})^Two    ………(Five) Where P_{1 (i)}: Estimated rolling load by conventional method,
P_{2 (i)}: Rolling load estimated value by the method of the present invention, P_{0 (i)}:rolling
Load actual value. The above-described embodiment is applied to the rolling process.
Although the case of estimating the rolling conditions was described in
The invention is not limited to this.
The relationship between process conditions and the results
Of the factors and results obtained
Using the data of the combination and taking the realized value with a factor
When estimating the value of the corresponding result
You can do it. [0025] As described above, according to the present invention,
In estimating rolling conditions such as setting calculation, the rolling conditions
Multi-dimension that divides the defined range for the specified operating conditions
By constructing an explanatory variable space, each cell of the multidimensional space
And sort the applicable rolling condition data for each
Extract cells with actual results and merge cells while maintaining estimation accuracy
To minimize the number of cells and calculate the average of the objective variable values in the cells.
Calculate and show the effect of operating conditions on the cell.
Calculate the operating condition influence model and calculate the operating conditions
From the center within the cell and the operating condition effect model.
The sum of the calculated difference values is used as an estimate of the rolling conditions, and
On the other hand, the rolling strip in the cell where the actual rolling condition data is empty
For the estimation of the case value, the estimated request cell
Select the cells closest to
The average of the values calculated from the combination of
To obtain an estimate of the rolling condition value of the demand estimation cell.
Therefore, the rolling conditions for nonlinearity can be accurately estimated over a wide range.
Can be

【図面の簡単な説明】 【図１】本発明の構成を示す流れ図である。 【図２】多次元説明変数空間におけるデータ要素の仕分
け処理の説明図である。 【図３】セル数の最小化処理の説明図である。 【図４】有実績セルがない場合の処理の説明図である。 【図５】単区分内推定誤差の標準偏差の分布を示す(a)
本発明法、(b) 従来法の特性図である。 【図６】圧延荷重の実績値と推定値との関係を示す(a)
従来法、(b) 本発明法の特性図である。BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a flowchart showing a configuration of the present invention. FIG. 2 is an explanatory diagram of a data element sorting process in a multidimensional explanatory variable space. FIG. 3 is an explanatory diagram of a process of minimizing the number of cells. FIG. 4 is an explanatory diagram of a process when there is no actual cell. FIG. 5 shows the distribution of the standard deviation of the estimation error within a single section (a).
FIG. 4 is a characteristic diagram of the method of the present invention and (b) a conventional method. FIG. 6 shows the relationship between the actual value and the estimated value of the rolling load (a).
It is a characteristic diagram of the conventional method and (b) the method of the present invention.

フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) B21B 37/00 - 37/78 G05B 13/02 G05B 13/04 Continuation of the front page (58) Field surveyed (Int. Cl. ⁷ , DB name) B21B 37/00-37/78 G05B 13/02 G05B 13/04

Claims (1)

(57)【特許請求の範囲】 【請求項１】 圧延条件推定モデルを用いて圧延条件
を推定する方法において、以下の工程からなることを特
徴とする圧延条件推定モデルによる圧延条件の推定方
法。 ａ．各操業条件の区間分割を定めて操業条件空間を構成
する工程、 ｂ．圧延条件実績データを操業条件空間に仕分けする工
程、 ｃ．操業条件空間の中にあるセルを推定精度を保ちつつ
合併する工程、 ｄ．各セル毎に圧延条件実績データの平均値および操業
条件影響モデルを算出することにより圧延条件の推定モ
デルを作成する工程、 ｅ．該推定モデルを用いて圧延条件を推定する際に、最
初に推定すべきデータが該当する操業条件セルを決定す
る工程、 ｆ．前記の操業条件セルが有実績セルか否かを判定し、
有実績セルであれば前記の操業条件セルの圧延条件実績
平均値を圧延条件の推定値とし、有実績セルでなければ
最近接の有実績セルを複数選択する工程、 ｇ．選択した有実績セルの圧延条件実績値の平均値を該
当セルからの距離による重みづけをして平均したものを
圧延条件の推定値とする工程。(57) [Claims 1] A method for estimating rolling conditions using a rolling condition estimation model, comprising the following steps: a. A step of defining an operation condition space by defining a section division of each operation condition, b. Sorting the actual rolling condition data into operating condition spaces; c. Merging cells in the operating condition space while maintaining estimation accuracy, d. A step of creating an estimation model of the rolling conditions by calculating an average value of the rolling condition actual data and an operating condition influence model for each cell; e. Determining the operating condition cell to which the data to be estimated first corresponds when estimating the rolling condition using the estimation model; f. Determine whether the operating condition cell is a proven cell or not,
If the cell is an actual cell, a rolling condition actual average value of the operation condition cell is used as an estimated value of the rolling condition; if not, a plurality of nearest existing actual cells are selected; g. A step of obtaining an average of rolling condition actual values of the selected actual cells, weighted according to the distance from the cell, and averaging the average values of the rolling condition actual values.