JP6439780B2 - Magnetic property prediction device and magnetic property control device for electrical steel sheet - Google Patents
Magnetic property prediction device and magnetic property control device for electrical steel sheet Download PDFInfo
- Publication number
- JP6439780B2 JP6439780B2 JP2016248810A JP2016248810A JP6439780B2 JP 6439780 B2 JP6439780 B2 JP 6439780B2 JP 2016248810 A JP2016248810 A JP 2016248810A JP 2016248810 A JP2016248810 A JP 2016248810A JP 6439780 B2 JP6439780 B2 JP 6439780B2
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- magnetic
- steel sheet
- database
- magnetic property
- 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.)
- Active
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]
Landscapes
- General Factory Administration (AREA)
Description
本発明は、電磁鋼板の磁気特性を予測する電磁鋼板の磁気特性予測装置、及びこの電磁鋼板の磁気特性予測装置によって予測された電磁鋼板の磁気特性に基づいて電磁鋼板の製造条件を制御する電磁鋼板の磁気特性制御装置に関するものである。 The present invention relates to an electromagnetic steel sheet magnetic property predicting apparatus that predicts the magnetic characteristics of an electromagnetic steel sheet, and an electromagnetic wave that controls the manufacturing conditions of the electromagnetic steel sheet based on the magnetic properties of the electromagnetic steel sheet predicted by the magnetic steel sheet predicting device. The present invention relates to a steel sheet magnetic property control apparatus.
一般に、電磁鋼板の製造工程では、製鋼プロセスにおいてその化学成分が調整され、熱延及び冷延プロセスにおいて加熱工程、圧延工程、冷却工程、及び焼鈍工程が行われることによって、その製品品質が作りこまれる。電磁鋼板の製品品質の中で鉄損等の磁気特性は、製品品質の中で最も重要な品質指標である。電磁鋼板の磁気特性を所望の範囲内に制御するためには、化学成分並びに熱延及び冷延プロセスにおける加熱、圧延、冷却、及び焼鈍条件を常に目標範囲内に制御すればよい。ところが、一般に、各製造条件は外乱によって目標範囲内にならないことが多い。このため、外乱によって乱された各製造条件によって作りこまれた電磁鋼板の磁気特性を予測することは品質管理及び品質制御上非常に重要である。 Generally, in the manufacturing process of electrical steel sheets, the chemical composition is adjusted in the steelmaking process, and the product quality is created by performing the heating process, rolling process, cooling process, and annealing process in the hot and cold rolling processes. It is. Among the product quality of electrical steel sheets, magnetic properties such as iron loss are the most important quality indicators in product quality. In order to control the magnetic properties of the electrical steel sheet within a desired range, the chemical components and the heating, rolling, cooling, and annealing conditions in the hot rolling and cold rolling processes should always be controlled within the target range. However, in general, each manufacturing condition often does not fall within the target range due to disturbance. For this reason, it is very important in terms of quality control and quality control to predict the magnetic properties of the electrical steel sheet produced by each manufacturing condition disturbed by disturbance.
このような背景から、電磁鋼板の磁気特性を予測する方法が提案されている。具体的には、特許文献１には、電磁鋼板に異なる２つ以上の磁場を与えて鉄損を測定し、磁束密度−鉄損曲線に基づいて測定された鉄損値から一次再結晶粒径を推定する際の推定誤差を予測し、予測された推定誤差を用いて測定された鉄損値を補正する方法が記載されている。 From such a background, a method for predicting the magnetic properties of an electromagnetic steel sheet has been proposed. Specifically, in Patent Document 1, two or more different magnetic fields are applied to an electromagnetic steel sheet to measure iron loss, and the primary recrystallized grain size is calculated from the iron loss value measured based on the magnetic flux density-iron loss curve. A method for predicting an estimation error when estimating the value and correcting the measured iron loss value using the estimated error is described.
また、特許文献２には、方向性電磁鋼板の磁気特性連続測定装置及びレーザ磁区制御装置を備えた製造工場における素材製品の特性データ記憶装置、レーザ磁区制御装置を備えたコイルスリットセンターにおける素材製品の特性データ記憶装置、及びコイル輸送媒体における素材製品の特性データ記憶装置という少なくとも３箇所の特性データ記憶装置と、コイル磁気特性管理装置と、コイル生産管理装置とが通信ネットワークを介して接続されている方向性電磁鋼板の製造システムにおいて、コイル磁気特性管理装置が、コイル生産管理装置が提示する個々のレーザ磁区制御製品仕様に対して、特性データ記憶装置に格納されている素材製品の磁気特性データに基づいてレーザ磁区制御後の磁気特性を予測する方法が記載されている。
Further,
また、特許文献３には、製造プロセスの実績値を量子化してデータベースに蓄積し、予測対象の類似事例を量子化したデータベースから検索、抽出して電磁鋼板の磁気特性を予測する方法が記載されている。 Patent Document 3 describes a method of predicting the magnetic properties of an electrical steel sheet by quantizing the actual values of the manufacturing process and accumulating them in a database, and searching and extracting similar cases to be predicted from the quantized database. ing.
しかしながら、特許文献１記載の方法では、電磁鋼板に異なる２つ以上の磁場を与える必要があるため、測定装置が大規模になり、磁気特性の予測に要するコストが非常に大きくなる。また、製造工程を全て通過した後に製品の磁場を直接測定する必要があるために、製造工程を全て通過する前に磁気特性を予測し、まだ通過していない工程の製造条件を最適化して磁気特性を制御することができない。 However, in the method described in Patent Document 1, since two or more different magnetic fields need to be applied to the electromagnetic steel sheet, the measuring apparatus becomes large-scale and the cost required for predicting the magnetic characteristics becomes very large. In addition, since it is necessary to directly measure the magnetic field of the product after passing through the entire manufacturing process, the magnetic characteristics are predicted before passing through the entire manufacturing process, and the manufacturing conditions of the process that has not yet passed are optimized to achieve magnetic properties. The property cannot be controlled.
また、特許文献２記載の方法では、少なくとも３箇所の特性データ記憶装置が必要になるために、磁気特性予測装置が大規模になり、磁気特性の予測に要するコストが非常に大きくなる。また、レーザ磁区制御装置を用いて製造されない電磁鋼板の磁気特性は制御することができない。
Further, since the method described in
また、特許文献３記載の方法では、製造プロセスの実績値は実数値であるが、量子化されているために、情報量が落ちてしまうことによって電磁鋼板の磁気特性を精度よく予測できない。また、精度が十分に高くない予測結果を用いて磁気特性を制御するために、電磁鋼板の磁気特性を十分な精度で制御できない。 Moreover, in the method of patent document 3, although the performance value of a manufacturing process is a real value, since it is quantized, the magnetic characteristic of an electrical steel sheet cannot be accurately estimated because the amount of information falls. In addition, since the magnetic characteristics are controlled using the prediction result whose accuracy is not sufficiently high, the magnetic characteristics of the electrical steel sheet cannot be controlled with sufficient accuracy.
本発明は、上記課題に鑑みてなされたものであって、その目的は、多くのコストを要することなく電磁鋼板の磁気特性を精度よく予測可能な電磁鋼板の磁気特性予測装置を提供することにある。また、本発明の他の目的は、電磁鋼板の磁気特性を精度よく制御可能な電磁鋼板の磁気特性制御装置を提供することにある。 This invention is made | formed in view of the said subject, The objective is to provide the magnetic property prediction apparatus of the electromagnetic steel plate which can predict the magnetic property of an electromagnetic steel plate accurately, without requiring many costs. is there. Another object of the present invention is to provide a magnetic property control apparatus for an electromagnetic steel sheet capable of accurately controlling the magnetic characteristics of the electromagnetic steel sheet.
本発明に係る電磁鋼板の磁気特性予測装置は、過去に製造された電磁鋼板の各製造条件に関する情報とその結果である電磁鋼板の磁気特性とを関連づけして実績データとして格納する実績データベースと、前記実績データベースに今回格納する新しい実績データに基づいて、前記実績データベースに格納されている実績データを更新する実績データ更新部と、前記実績データベースに格納されている複数の製造条件について、予測対象の製造条件に対する類似度を算出する類似度算出部と、前記実績データベースに格納されている製造条件に関する情報を用いて、製造条件と磁気特性との関係を表す予測モデル式を作成すると共に、前記類似度算出部によって算出された類似度を重みとする評価関数を予測モデル式の予測誤差を評価する評価関数として最適化問題を解くことにより、前記予測モデル式のパラメータを決定する予測式作成部と、前記予測式作成部によって作成された予測モデル式に予測対象の製造条件を入力することによって、予測対象の製造条件で電磁鋼板を製造した場合における電磁鋼板の磁気特性を予測する磁気特性予測部と、を備えることを特徴とする。 The magnetic property prediction apparatus of the electrical steel sheet according to the present invention relates to information on each manufacturing condition of the electrical steel sheet manufactured in the past and the result database that stores the magnetic characteristics of the electrical steel sheet as a result thereof in association with each other, and Based on the new result data stored this time in the result database, the result data update unit for updating the result data stored in the result database, and a plurality of manufacturing conditions stored in the result database Using the similarity calculation unit that calculates the similarity to the manufacturing conditions and information on the manufacturing conditions stored in the performance database, a prediction model formula that represents the relationship between the manufacturing conditions and the magnetic characteristics is created, and the similarity An evaluation function that evaluates the prediction error of the prediction model formula using the evaluation function weighted by the similarity calculated by the degree calculation unit A prediction formula creation unit that determines the parameters of the prediction model formula by solving the optimization problem as a number, and a prediction model formula created by the prediction formula creation unit by inputting the manufacturing conditions of the forecast target And a magnetic property predicting unit that predicts the magnetic properties of the electromagnetic steel sheet when the electromagnetic steel sheet is manufactured under the target manufacturing conditions.
本発明に係る電磁鋼板の磁気特性予測装置は、上記発明において、前記予測式作成部は、予測対象の物理的特性を制約条件として前記最適化問題を解くことを特徴とする。 The magnetic property prediction apparatus for an electrical steel sheet according to the present invention is characterized in that, in the above invention, the prediction formula creation unit solves the optimization problem using a physical property to be predicted as a constraint.
本発明に係る電磁鋼板の磁気特性予測装置は、上記発明において、前記類似度算出部は、予測対象の製造条件に対する類似度と前記実績データベースに格納されている複数の実績データと予測対象との時間的な類似度との積を類似度として算出することを特徴とする。 In the above invention, the magnetic property prediction apparatus for an electrical steel sheet according to the present invention is characterized in that the similarity calculation unit includes a similarity between a manufacturing condition of a prediction target, a plurality of performance data stored in the performance database, and a prediction target. The product of the temporal similarity is calculated as the similarity.
本発明に係る電磁鋼板の磁気特性予測装置は、上記発明において、前記実績データベース、前記類似度算出部、前記予測式作成部、及び前記磁気特性予測部が処理に用いる製造条件は、主成分分析により線形変換及び次元圧縮されたものであることを特徴とする。 In the above invention, the magnetic property prediction apparatus for an electrical steel sheet according to the present invention is characterized in that the manufacturing conditions used for processing by the performance database, the similarity calculation unit, the prediction formula creation unit, and the magnetic property prediction unit are principal component analysis. It is characterized by linear transformation and dimension compression by
本発明に係る電磁鋼板の磁気特性予測装置は、上記発明において、前記実績データ更新部は、前記実績データベースに格納する実績データの数を限定し、前記実績データベースに新しい実績データを格納する場合、今回格納する新しい実績データの格納時刻と前記実績データベースに格納されている実績データの格納時刻との時間差と、条件空間における今回格納する新しい実績データと前記実績データベースに格納されている実績データとの間の距離と、今回格納する新しい実績データと処理対象の実績データ以外の実績データとから計算される条件空間の条件数と、から計算される評価関数の値に基づいて、前記実績データベースから削除する実績データを選択することを特徴とする。 In the above invention, the magnetic data predicting device for the electrical steel sheet according to the present invention is characterized in that the actual data update unit limits the number of actual data stored in the actual database, and stores new actual data in the actual database. The time difference between the storage time of the new actual data stored this time and the storage time of the actual data stored in the actual database, and the new actual data stored this time in the condition space and the actual data stored in the actual database Deleted from the results database based on the distance between them, the number of condition spaces calculated from the new results data stored this time and the results data other than the results data to be processed, and the value of the evaluation function calculated from The performance data to be selected is selected.
本発明に係る電磁鋼板の磁気特性制御装置は、本発明に係る電磁鋼板の磁気特性予測装置によって予測された電磁鋼板の磁気特性に基づいて電磁鋼板の製造条件を制御する手段を備えることを特徴とする。 An apparatus for controlling magnetic properties of an electrical steel sheet according to the present invention comprises means for controlling the manufacturing conditions of the electrical steel sheet based on the magnetic properties of the electrical steel sheet predicted by the magnetic property prediction apparatus for an electrical steel sheet according to the present invention. And
本発明に係る電磁鋼板の磁気特性予測装置によれば、多くのコストを要することなく電磁鋼板の磁気特性を精度よく予測できる。本発明に係る電磁鋼板の磁気特性制御装置によれば、電磁鋼板の磁気特性を精度よく制御できる。 The magnetic steel sheet magnetic property prediction apparatus according to the present invention can accurately predict the magnetic properties of an electromagnetic steel sheet without requiring much cost. The magnetic steel sheet magnetic property control apparatus according to the present invention can accurately control the magnetic properties of the magnetic steel sheet.
以下、図面を参照して、本発明の一実施形態である磁気特性制御システムの構成及びその動作について説明する。 Hereinafter, a configuration and operation of a magnetic property control system according to an embodiment of the present invention will be described with reference to the drawings.
〔磁気特性制御システムの構成〕
初めに、図１，図２を参照して、本発明の一実施形態である磁気特性制御システムの構成について説明する。図１は、本発明の一実施形態である磁気特性制御システムの構成を示すブロック図である。図２は、図１に示す実績データベースに格納される実績データの一例を示す図である。
[Configuration of magnetic property control system]
First, the configuration of a magnetic property control system according to an embodiment of the present invention will be described with reference to FIGS. FIG. 1 is a block diagram showing a configuration of a magnetic property control system according to an embodiment of the present invention. FIG. 2 is a diagram illustrating an example of performance data stored in the performance database illustrated in FIG. 1.
図１に示すように、本発明の一実施形態である磁気特性制御システム１は、入力装置２、出力装置３、実績データベース４、磁気特性予測装置５、及び磁気特性制御装置６を主な構成要素として備えている。
As shown in FIG. 1, a magnetic property control system 1 according to an embodiment of the present invention mainly includes an
入力装置２は、キーボード、マウスポインタ、テンキー等の情報入力装置によって構成され、オペレータが各種情報を磁気特性予測装置５に入力する際に操作される。
The
出力装置３は、表示装置や印刷装置等の情報出力装置によって構成され、磁気特性予測装置５の各種処理情報を出力する。 The output device 3 is configured by an information output device such as a display device or a printing device, and outputs various processing information of the magnetic property prediction device 5.
図２に示すように、実績データベース４は、電磁鋼板の製造が完了する度毎に、電磁鋼板の製造プロセスの条件（製造条件）、すなわち熱延及び冷延プロセスの加熱、圧延、冷却、及び焼鈍条件のデータと製造後の電磁鋼板の磁気特性値のデータとを関連付けして実績データとして格納する。具体的には、実績データベース４には、出力変数の実績値ｙｎ（但し、ｎ＝１，２，…，Ｎ）と以下の数式（１）に示す入力変数の実績値ｘｎとを関連付けして格納している。なお、この場合、出力変数は鉄損等の磁気特性値であり、入力変数は磁気特性値と物理的な因果関係がある製鋼プロセスで調整された化学成分や熱延及び冷延プロセスの温度等である。また、実績データベース４は、後述する実績データ更新処理によって内部の実績データが更新されるように構成されている。 As shown in FIG. 2, every time the production of the electromagnetic steel sheet is completed, the results database 4 is a condition (manufacturing condition) of the manufacturing process of the electromagnetic steel sheet, that is, heating, rolling, cooling, and hot rolling and cold rolling processes. The annealing condition data and the magnetic property value data of the manufactured electrical steel sheet are associated with each other and stored as performance data. Specifically, the actual value database 4 associates the actual value y n (where n = 1, 2,..., N) of the output variable and the actual value x n of the input variable shown in the following equation (1). And store it. In this case, the output variable is a magnetic property value such as iron loss, and the input variable is a chemical component adjusted in the steelmaking process that has a physical causal relationship with the magnetic property value, the temperature of the hot rolling and cold rolling processes, etc. It is. Moreover, the performance database 4 is configured such that internal performance data is updated by a performance data update process described later.
図１に戻る。磁気特性予測装置５は、ワークステーションやパーソナルコンピュータ等の情報処理装置によって構成され、ＣＰＵ１０、ＲＡＭ１１、及びＲＯＭ１２を主な構成要素として備えている。ＣＰＵ１０は、磁気特性予測装置５全体の動作を制御する。ＣＰＵ１０は、ＲＯＭ１２内に予め格納されている磁気特性予測プログラム１２ａを実行することによって、類似度算出部１０ａ、予測式作成部１０ｂ、及び磁気特性予測部１０ｃとして機能する。また、ＣＰＵ１０は、実績データ更新プログラム１２ｂを実行することによって実績データ更新部１０ｄとして機能する。これら各部の機能については後述する。
Returning to FIG. The magnetic characteristic predicting device 5 is configured by an information processing device such as a workstation or a personal computer, and includes a CPU 10, a RAM 11, and a
磁気特性制御装置６は、磁気特性予測装置５によって予測された磁気特性値に基づいて、製造後の磁気特性が適正な範囲になるように電磁鋼板の製造条件を制御する。 Based on the magnetic property value predicted by the magnetic property predicting device 5, the magnetic property control device 6 controls the manufacturing conditions of the electrical steel sheet so that the magnetic properties after manufacture are in an appropriate range.
〔磁気特性予測処理〕
このような構成を有する磁気特性制御システム１では、磁気特性予測装置５が、以下に示す磁気特性予測処理を実行することによって、製造後の電磁鋼板の磁気特性を予測する。以下、図３に示すフローチャートを参照して、磁気特性予測処理を実行する際の磁気特性予測装置５の動作について説明する。
[Magnetic property prediction processing]
In the magnetic property control system 1 having such a configuration, the magnetic property prediction device 5 predicts the magnetic properties of the manufactured electrical steel sheet by executing the following magnetic property prediction process. Hereinafter, with reference to the flowchart shown in FIG. 3, the operation of the magnetic property prediction apparatus 5 when executing the magnetic property prediction process will be described.
図３は、本発明の一実施形態である磁気特性予測処理の流れを示すフローチャートである。図３に示すフローチャートは、外部の計算機が次に製造される電磁鋼板の製造条件のデータを入力装置２に入力したタイミングで開始となり、磁気特性予測処理はステップＳ１の処理に進む。
FIG. 3 is a flowchart showing the flow of magnetic characteristic prediction processing according to an embodiment of the present invention. The flowchart shown in FIG. 3 starts at the timing when an external computer inputs the manufacturing condition data of the electrical steel sheet to be manufactured next to the
ステップＳ１の処理では、類似度算出部１０ａが、入力装置２に入力された電磁鋼板の製造条件のデータと実績データベース４に格納されている電磁鋼板の製造条件のデータとの類似度を算出する。具体的には、始めに、類似度算出部１０ａは、入力装置２に入力された製造条件に対応する入力変数空間内の点を以下の数式（２）に示す要求点ｘ’として、実績データベース４に格納されている各入力変数の実績値ｘｎについて、以下に示す数式（３）を用いて要求点ｘ’からの距離Ｌｎを算出する。
In the process of step S <b> 1, the similarity calculation unit 10 a calculates the similarity between the electrical steel sheet manufacturing condition data input to the
なお、数式（３）中、パラメータλｍは、化学成分と温度等のように異なる尺度で測定される入力変数をスケーリングするための重み係数である。そして、類似度算出部１０ａは、実績データベース４に格納されている各入力変数の実績値ｘｎについて、以下に示す数式（４）を用いて要求点ｘ’から距離Ｌｎにある点の類似度Ｗｎを算出する。なお、数式（４）中、パラメータσＬは、実績データに対する数式（３）で表される距離Ｌｎの標準偏差を示し、パラメータｐは調整パラメータを示す。 In Equation (3), the parameter λ m is a weighting factor for scaling input variables measured on different scales such as chemical components and temperature. Then, the similarity calculation unit 10a, the actual value x n for each input variable that is stored in the results database 4, a similar point in using Equation (4) below from the request point x 'to the distance L n The degree W n is calculated. In Equation (4), the parameter σ L indicates the standard deviation of the distance L n expressed by Equation (3) with respect to the actual data, and the parameter p indicates the adjustment parameter.
なお、類似度Ｗｎは、以下に示す数式（５）のように、予測対象の製造条件に対する類似度と実績データベース４に格納されている複数の実績データと予測対象との時間的な類似度との積としてもよい。数式（５）中のパラメータλは、忘却要素であり、０より大きく１より小さい値の調整パラメータである。この忘却要素を入れることによって、新しい実績データの類似度は大きくなり、古い実績データの類似度は小さくなる。これにより、ステップＳ１の処理は完了し、磁気特性予測処理はステップＳ２の処理に進む。 Note that the similarity W n is the similarity between the prediction target manufacturing conditions and the plurality of performance data stored in the performance database 4 and the prediction target as shown in the following formula (5). It may be a product of The parameter λ in the formula (5) is a forgetting factor and is an adjustment parameter having a value larger than 0 and smaller than 1. By adding this forgetting factor, the similarity of new performance data increases and the similarity of old performance data decreases. Thereby, the process of step S1 is completed and a magnetic characteristic prediction process progresses to the process of step S2.
ステップＳ２の処理では、予測式作成部１０ｂが、実績データベース４に格納されているＮ個の実績データ（入力変数の実績値ｘｎ）と要求点ｘ’との類似度Ｗｎとを用いて、要求点ｘ’に類似する過去の実績データを重視した局所的な予測モデル式を作成する。具体的には、予測式作成部１０ｂは、以下に示す数式（６）によって表される予測モデル式を作成する。数式（６）を構成する以下に示す数式（７）によって表されるモデルパラメータθは、以下に示す数式（８）〜（１１）によって表される、類似度Ｗｎを重みとする実測値と予測値との誤差の二乗和である評価関数Ｊの値を最も小さくする最適化問題を解くことによって算出できる。
In the process of step S2, the prediction
ここで、数式（９）中、パラメータｙｎ（但し、ｎ＝１，２，…，Ｎ）はｎ番目の実績データに対応する出力変数の値であり、数式（１０）中、パラメータｄｉａｇ（ｓ）は、ｓの要素を主対角要素とする対角行列を示す。予測値と実測値との重み付き二乗和を最小化するモデルパラメータθを算出することによって、類似度が高い、すなわち要求点ｘ’に近い実績データをより良くフィッティングする局所的な予測モデル式を作成できる。 Here, in the formula (9), the parameter y n (where n = 1, 2,..., N) is the value of the output variable corresponding to the n-th actual data, and in the formula (10), the parameter diag ( s) represents a diagonal matrix with the elements of s as main diagonal elements. By calculating the model parameter θ that minimizes the weighted sum of squares between the predicted value and the actually measured value, a local prediction model formula that better fits the actual data having high similarity, that is, close to the request point x ′, is obtained. Can be created.
なお、最適化問題を解く際、以下に示すような制約条件を与えて最適化問題を解いてもよい。具体的には、制約条件として、以下に示す数式（１２）により表されるモデルパラメータ中の入力変数の偏回帰係数φの範囲に対して以下に示す数式（１３）〜（１５）により表される制限を設けるようにしてもよい。 When solving the optimization problem, the optimization problem may be solved by giving the following constraint conditions. Specifically, the constraint condition is expressed by the following mathematical formulas (13) to (15) with respect to the range of the partial regression coefficient φ of the input variable in the model parameter represented by the following mathematical formula (12). Restrictions may be provided.
数式（１４）及び数式（１５）により表される下限値及び上限値には、入出力変数間の物理的先見情報を与えるものとする。ここで、電磁鋼板の一種である方向性電磁鋼板を対象として、磁気特性値の一つの鉄損を例に説明する。一般に、入力変数として与えられる化学成分の一つである珪素濃度が上昇すれば鉄損は下がる。従って、珪素濃度に対応するモデルパラメータについては、下限値及び上限値をそれぞれ−∞，０に設定する。また、入力変数として与えられる化学成分の一つの燐濃度が上昇すれば鉄損は上がる。従って、燐濃度に対応するモデルパラメータについては、下限値及び上限値をそれぞれ０，∞に設定する。さらに、入力変数として与えられる冷延プロセスの焼鈍温度が上昇すれば鉄損は下がる。従って、焼鈍温度に対応するモデルパラメータについては、下限値及び上限値をそれぞれ−∞，０に設定する。 It is assumed that physical look-ahead information between input and output variables is given to the lower limit value and the upper limit value represented by Expression (14) and Expression (15). Here, for a grain-oriented electrical steel sheet, which is a kind of electrical steel sheet, one iron loss of a magnetic characteristic value will be described as an example. Generally, when the silicon concentration, which is one of chemical components given as an input variable, increases, the iron loss decreases. Therefore, for the model parameter corresponding to the silicon concentration, the lower limit value and the upper limit value are set to −∞ and 0, respectively. Moreover, if the phosphorus concentration of one of the chemical components given as an input variable increases, the iron loss increases. Therefore, for the model parameter corresponding to the phosphorus concentration, the lower limit value and the upper limit value are set to 0 and ∞, respectively. Furthermore, if the annealing temperature of the cold rolling process given as an input variable increases, the iron loss decreases. Therefore, for the model parameter corresponding to the annealing temperature, the lower limit value and the upper limit value are set to −∞ and 0, respectively.
物理モデルから得られる先見情報に関する制約条件を加えることによって、要求点ｘ’に近い実績データをより良くフィッティングし、且つ、予測対象の物理特性に合った偏回帰係数を持ち合わせた局所的な予測モデル式を作成できる。これにより、ステップＳ２の処理は完了し、磁気特性予測処理はステップＳ３の処理に進む。 By adding constraints on the foresight information obtained from the physical model, it is possible to better fit the actual data close to the required point x ′ and to have a partial regression coefficient that matches the physical characteristics of the prediction target. You can create an expression. Thereby, the process of step S2 is completed and the magnetic characteristic prediction process proceeds to the process of step S3.
ステップＳ３の処理では、磁気特性予測部１０ｃが、ステップＳ２の処理によって作成された予測モデル式に要求点ｘ’の値を代入することによって電磁鋼板の磁気特性の予測値を算出する。これにより、ステップＳ３の処理は完了し、一連の磁気特性予測処理は終了する。 In the process of step S3, the magnetic property prediction unit 10c calculates the predicted value of the magnetic property of the electrical steel sheet by substituting the value of the request point x 'into the prediction model formula created by the process of step S2. Thereby, the process of step S3 is completed and a series of magnetic characteristic prediction processes are complete | finished.
なお、実績データベース４、類似度算出部１０ａ、予測式作成部１０ｂ、及び磁気特性予測部１０ｃにおいて用いられる製造条件は、ステップＳ１〜Ｓ３の処理に進む前に、予め主成分分析によって線形変換及び次元圧縮されたものであってもよい。具体的には、この場合、入力変数である製造条件の実績値が以下に示す数式（１６）である時、まず、以下に示す数式（１７）により、平均が０、標準偏差が１になるように各製造条件を標準化する。標準化後の製造条件の実績値を以下に示す数式（１８）又は（１９）で表す。
The manufacturing conditions used in the performance database 4, the similarity calculation unit 10a, the prediction
次に、以下に示す数式（２０）で定義される数式（１９）に示す行列Ｚの共分散行列Ｖを求め、この共分散行列Ｖの固有値とそれに対応する固有ベクトルを求める。共分散行列には非負の固有値が複数あり、それらに対応する固有ベクトルも複数ある。そこで、次に、固有ベクトルを対応する固有値の大きいもの順に並べ替える。固有ベクトルを対応する固有値の大きいものからＭ個取り出したものを以下に示す数式（２１）のように表す。但し、数式（２１）中、ＭはＬより小さい自然数であり、行列Ｐはローディング行列と呼ばれる。 Next, the covariance matrix V of the matrix Z shown in the equation (19) defined by the following equation (20) is obtained, and the eigenvalues of the covariance matrix V and the corresponding eigenvectors are obtained. The covariance matrix has a plurality of non-negative eigenvalues and a plurality of eigenvectors corresponding to them. Therefore, next, the eigenvectors are rearranged in descending order of the corresponding eigenvalues. A value obtained by extracting M eigenvectors from corresponding large eigenvalues is represented by the following formula (21). However, in Formula (21), M is a natural number smaller than L, and the matrix P is called a loading matrix.
そして、ローディング行列Ｐを用いて製造条件の実績値を以下に示す数式（２２）のように線形変換したものを実績データベース４に格納する。また、以下の数式（２３）に示す予測対象の製造条件の各要素についても、同様に、まず数式（２４）により標準化し、以下の数式（２５）に示す標準化後の予測対象の製造条件を得る。次に、ローディング行列Ｐを用いて、以下に示す数式（２６）のように予測対象の製造条件を線形変換する。これを要求点ｘ’として用いる。 Then, a result obtained by linearly converting the actual value of the manufacturing condition using the loading matrix P as shown in the following formula (22) is stored in the actual result database 4. Similarly, each element of the manufacturing condition of the prediction target shown in the following formula (23) is first standardized by the formula (24), and the manufacturing conditions of the prediction target after the standardization shown in the following formula (25) are similarly obtained. obtain. Next, using the loading matrix P, the manufacturing condition to be predicted is linearly transformed as shown in the following equation (26). This is used as the request point x '.
〔実績データ更新処理〕
数式（２７）に示す新しい実績データが与えられた時、実績データ更新部１０ｄは、以下のようにして実績データベース４の内容を更新する。なお、実績データ更新部１０ｄは、実績データベース４に格納されている数式（２８）に示す実績データを予め格納された時刻順に配列する。すなわち、実績データ更新部１０ｄは、実績データベース４の内容が更新された後、直ちに、ｎの値が小さいほど格納された時刻が早くなり、ｎの値が大きいほど格納された時刻が遅くなるように実績データを配列する。
[Result data update processing]
When new performance data shown in Equation (27) is given, the performance data update unit 10d updates the contents of the performance database 4 as follows. The result data update unit 10d arranges the result data shown in the mathematical formula (28) stored in the result database 4 in the order of the stored time. That is, the result data updating unit 10d immediately after the contents of the result database 4 are updated, the stored time is earlier as the value of n is smaller, and the stored time is delayed as the value of n is larger. The actual data is arranged in
実績データベース４の内容は次のように更新する。すなわち、実績データ更新部１０ｄは、実績データベース４に格納する実績データの数はＮ個に限定し、実績データベース４に数式（２７）に示す新しい実績データを格納する時に、実績データベース４から実績データを１つ削除する。実績データベース４から削除する実績データは、次のように選択する。すなわち、実績データ更新部１０ｄは、今回格納する新しい実績データの格納時刻と実績データベース４に格納されている実績データの格納時刻との時間差と、条件空間における今回格納する新しい実績データと実績データベース４に格納されている実績データとの間の距離と、今回格納する新しい実績データ＊ｚと実績データベース４に格納されている処理対象の実績データｚｋ以外の実績データとから計算される条件空間の条件数から計算される評価関数の値に基づいて、実績データベース４から削除する実績データを選択する。なお、評価関数Ｆｎは、以下に示す数式（２９）のように表され、評価関数Ｆｎの値が最も小さいデータを選択するようにする。 The contents of the results database 4 are updated as follows. That is, the performance data update unit 10d limits the number of performance data to be stored in the performance database 4 to N, and stores new performance data shown in Formula (27) in the performance database 4 from the performance database 4. Is deleted. The record data to be deleted from the record database 4 is selected as follows. That is, the actual data update unit 10d determines the time difference between the storage time of the new actual data stored this time and the storage time of the actual data stored in the actual database 4, the new actual data stored this time in the condition space, and the actual database 4 Of the condition space calculated from the distance between the actual data stored in the actual data and the new actual data * z stored this time and the actual data other than the actual data z k to be processed stored in the actual database 4 The record data to be deleted from the record database 4 is selected based on the value of the evaluation function calculated from the condition number. Note that the evaluation function F n is expressed as the following formula (29), and data having the smallest value of the evaluation function F n is selected.
ここで、数式（２９）中、ｃｏｎｄ(ｋ)は、今回格納する新しい実績データ＊ｚと実績データベース４に格納されているｋ（＝１〜Ｎ）番目の実績データｚｋ以外の実績データとから計算される条件空間の条件数であり、以下に示す数式（３０）で定義される。数式（３０）において、σｍａｘ（ｋ）及びσｍｉｎ（ｋ）はそれぞれ、ｋ番目の実績データｚｋ以外の実績データと今回格納する新しい実績データ＊ｚとから構成される行列［ｚ１，ｚ２，…，ｚｋ−１，ｚｋ＋１，…，ｚＮ，＊ｚ］を特異値分解したときの最大特異値及び最小特異値を示す。 Here, in the formula (29), cond (k) is the new record data * z stored this time and the record data other than the k (= 1 to N) th record data z k stored in the record database 4. Is the condition number of the condition space calculated from ## EQU1 ## and is defined by the following equation (30). In Equation (30), σ max (k) and σ min (k) are matrixes [z 1 , z] composed of actual data other than the k-th actual data z k and new actual data * z stored this time, respectively. z 2 ,..., z k−1 , z k + 1 ,..., z N , * z] indicate the maximum singular value and the minimum singular value when singular value decomposition is performed.
〔磁気特性制御処理〕
磁気特性制御装置６は、磁気特性予測装置５によって予測された磁気特性に基づいて製造条件を操作することによって、製造後の電磁鋼板の磁気特性が目標範囲内になるように製造条件を制御する。具体的には、予め与えられている磁気特性目標値をｙ０とする。磁気特性を目標範囲内に制御するために操作する製造条件をｘｍとする。その製造条件ｘｍの磁気特性に対する偏回帰係数ａｍを用いると、磁気特性を目標範囲内に制御するために操作する製造条件の値ｘ１は、以下に示す数式（３１）により求めることができる。この値を製造プロセスに対して製造条件として設定することで、電磁鋼板の磁気特性を目標範囲内に制御できる。
[Magnetic property control processing]
The magnetic property control device 6 controls the manufacturing conditions so that the magnetic properties of the manufactured electrical steel sheet are within the target range by operating the manufacturing conditions based on the magnetic properties predicted by the magnetic property prediction device 5. . Specifically, the magnetic characteristic target value given in advance and y 0. Let x m be the manufacturing condition that is manipulated to control the magnetic properties within the target range. With partial regression coefficients a m for magnetic properties of the preparation conditions x m, the value x 1 of the manufacturing conditions of operation in order to control the magnetic properties within the target range, be determined by the equation (31) below it can. By setting this value as a manufacturing condition for the manufacturing process, the magnetic properties of the electrical steel sheet can be controlled within a target range.
〔実験例〕
本発明の一実施形態である磁気特性予測方法と従来の磁気特性予測方法とを用いて、電磁鋼板の一種である方向性電磁鋼板を対象として、磁気特性値の一種である鉄損を予測した実験結果について説明する。ここで、従来の磁気特性予測方法とは、簡易な線形重回帰式によって磁気特性を予測する方法である。なお、本実験では、Ｃ，Ｓｉ，Ｍｎ等の化学成分や熱延及び冷延プロセスにおける加熱、圧延、冷却、及び焼鈍温度等を入力変数とし、製造後の電磁鋼板の鉄損を出力変数とした。ここで、鉄損は、商用周波数５０Ｈｚで最大磁束密度１．７Ｔに励磁した時の単位重量当たりの電力損失Ｗ１７／５０の値とする。
[Experimental example]
Using a magnetic property prediction method according to an embodiment of the present invention and a conventional magnetic property prediction method, iron loss, which is a kind of magnetic property value, is predicted for a grain-oriented electrical steel sheet, which is a kind of electromagnetic steel sheet. The experimental results will be described. Here, the conventional magnetic property prediction method is a method of predicting magnetic properties by a simple linear multiple regression equation. In this experiment, chemical components such as C, Si, and Mn, and heating, rolling, cooling, and annealing temperatures in hot rolling and cold rolling processes are used as input variables, and iron loss of the electrical steel sheet after production is used as an output variable. did. Here, the iron loss is a value of the power loss W17 / 50 per unit weight when excited at a commercial frequency of 50 Hz and a maximum magnetic flux density of 1.7 T.
図４（ａ），（ｂ）はそれぞれ、鉄損の実績値と従来及び本発明の一実施形態である磁気特性予測方法を用いて予測された鉄損の予測値との関係を示す図である。なお、図４（ａ），（ｂ）に示すグラフの縦軸及び横軸はそれぞれ鉄損（Ｗ１７／５０）の実績値及び予測値である。図４（ａ）に示すように、従来の磁気特性予測方法を用いて予測された鉄損の予測誤差のＲＭＳＥ（Root Mean Square Error：根平均二乗誤差）は０．１８８［Ｗ／ｋｇ］であった。これに対して、図４（ｂ）に示すように、本発明の一実施形態である磁気特性予測方法を用いて予測された鉄損の予測誤差のＲＭＳＥは０．０４１［Ｗ／ｋｇ］であった。これにより、本発明の一実施形態である磁気特性予測方法によれば、鉄損を精度高く予測できることが確認された。 4 (a) and 4 (b) are diagrams showing the relationship between the actual value of iron loss and the predicted value of iron loss predicted using the conventional magnetic property prediction method according to one embodiment of the present invention. is there. In addition, the vertical axis | shaft and horizontal axis of the graph shown to FIG. 4 (a), (b) are the actual value and predicted value of an iron loss (W17 / 50), respectively. As shown in FIG. 4A, the RMSE (Root Mean Square Error) of the iron loss prediction error predicted using the conventional magnetic property prediction method is 0.188 [W / kg]. there were. On the other hand, as shown in FIG. 4B, the RMSE of the iron loss prediction error predicted using the magnetic property prediction method according to the embodiment of the present invention is 0.041 [W / kg]. there were. Thereby, according to the magnetic characteristic prediction method which is one Embodiment of this invention, it was confirmed that an iron loss can be estimated with high precision.
また、方向性電磁鋼板のある品種の鉄損について、従来の磁気特性制御方法と本発明の一実施形態である磁気特性制御方法とで制御誤差の比較を行った。従来の磁気特性制御方法は、従来の磁気特性予測方法を用いて予測された鉄損を用いて制御する方法であり、本発明の一実施形態である磁気特性制御方法は、本発明の一実施形態である磁気特性予測方法を用いて予測された鉄損を用いて制御する方法である。それぞれについて鉄損制御実績の制御誤差（実績値−目標値）のＲＭＳＥを比較した。その結果、本発明の一実施形態である磁気特性制御方法での制御誤差のＲＭＳＥは、従来の磁気特性制御方法に比べて約３０％低減した。これにより、本発明の一実施形態である磁気特性制御方法によれば、鉄損を精度高く目標値に近づけられることが確認された。 Further, with respect to iron loss of a certain type of grain-oriented electrical steel sheet, control errors were compared between the conventional magnetic property control method and the magnetic property control method according to an embodiment of the present invention. The conventional magnetic property control method is a method of controlling using the iron loss predicted using the conventional magnetic property prediction method, and the magnetic property control method according to an embodiment of the present invention is an embodiment of the present invention. It is a method of controlling using the iron loss estimated using the magnetic characteristic prediction method which is a form. The RMSE of the control error (actual value-target value) of the iron loss control results was compared for each. As a result, the RMSE of the control error in the magnetic property control method according to an embodiment of the present invention is reduced by about 30% compared to the conventional magnetic property control method. Thereby, according to the magnetic characteristic control method which is one Embodiment of this invention, it was confirmed that an iron loss can be closely approached to a target value with high precision.
以上の説明から明らかなように、本発明の一実施形態である磁気特性予測処理によれば、類似度算出部１０ａが、実績データベース４内に格納されている複数の製造条件ｘｎについて、予測対象の製造条件ｘ’に対する類似度Ｗｎを算出し、予測式作成部１０ｂが、実績データベース４内に格納されている製造条件ｘｎのデータを用いて、製造条件ｘと製造後の電磁鋼板の磁気特性値ｙとの関係を表す予測モデル式を作成すると共に、類似度算出部１０ａによって算出された類似度Ｗｎを重みとする評価関数を予測モデル式の予測誤差を評価する評価関数として最適化問題を解くことによって、予測モデル式のモデルパラメータを決定し、磁気特性予測部１０ｃが、予測式作成部１０ｂによって作成された予測モデル式に予測対象の製造条件ｘ’を入力することによって、予測対象の製造条件ｘ’で電磁鋼板を製造した場合の製造後の電磁鋼板の磁気特性値ｙを予測する。また、実績データ更新部１０ｄが、実績データベース４内に格納されている実績データを適切に更新する。このような構成によれば、実績データベース４内に格納されている実績値に基づいて予測モデル式の調整を自動的に行うことができるので、製造後の電磁鋼板の磁気特性を精度高く予測することができる。
As is clear from the above description, according to the magnetic property prediction process according to an embodiment of the present invention, the similarity calculation unit 10a predicts a plurality of manufacturing conditions xn stored in the performance database 4. calculating a similarity W n to the target production conditions x ', the prediction
また、本発明の一実施形態である磁気特性予測処理によれば、予測式作成部１０ｂが、予測対象の物理的特性を制約条件として最適化問題を解くので、物理現象に反する予測モデルが作成されることを抑制し、磁気特性の予測精度をさらに向上できる。
In addition, according to the magnetic property prediction process according to an embodiment of the present invention, the prediction
さらに、本発明の一実施形態である磁気特性制御処理によれば、精度の高い磁気特性予測値に基づいて磁気特性を制御できるので、磁気特性の制御精度をさらに向上できる。ここでは、制御する製造条件として、冷延プロセスの焼鈍温度を選択して目標の鉄損値になるための適正な値を計算し、製造プロセスに設定するようにした。 Furthermore, according to the magnetic characteristic control process according to an embodiment of the present invention, the magnetic characteristic can be controlled based on a highly accurate predicted magnetic characteristic value, so that the control accuracy of the magnetic characteristic can be further improved. Here, as the manufacturing conditions to be controlled, the annealing temperature of the cold rolling process is selected, and an appropriate value for achieving the target iron loss value is calculated and set in the manufacturing process.
以上、本発明者によってなされた発明を適用した実施の形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明が限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施の形態、実施例、及び運用技術等は全て本発明の範疇に含まれる。 Although the embodiment to which the invention made by the present inventor is applied has been described above, the present invention is not limited by the description and the drawings that constitute a part of the disclosure of the present invention according to this embodiment. That is, other embodiments, examples, operational techniques, and the like made by those skilled in the art based on this embodiment are all included in the scope of the present invention.
１ 磁気特性制御システム
２ 入力装置
３ 出力装置
４ 実績データベース
５ 磁気特性予測装置
６ 磁気特性制御装置
１０ ＣＰＵ
１０ａ 類似度算出部
１０ｂ 予測式作成部
１０ｃ 磁気特性予測部
１０ｄ 実績データ更新部
１１ ＲＡＭ
１２ ＲＯＭ
１２ａ 磁気特性予測プログラム
１２ｂ 実績データ更新プログラム
DESCRIPTION OF SYMBOLS 1 Magnetic
10a
12 ROM
12a Magnetic
Claims (5)
前記実績データベースに今回格納する新しい実績データに基づいて、前記実績データベースに格納されている実績データを更新する実績データ更新部と、
前記実績データベースに格納されている複数の製造条件について、予測対象の製造条件に対する類似度を算出する類似度算出部と、
前記実績データベースに格納されている製造条件に関する情報を用いて、製造条件と磁気特性との関係を表す予測モデル式を作成すると共に、前記類似度算出部によって算出された類似度を重みとする評価関数を予測モデル式の予測誤差を評価する評価関数として最適化問題を解くことにより、前記予測モデル式のパラメータを決定する予測式作成部と、
前記予測式作成部によって作成された予測モデル式に予測対象の製造条件を入力することによって、予測対象の製造条件で電磁鋼板を製造した場合における電磁鋼板の磁気特性を予測する磁気特性予測部と、を備え、
前記実績データ更新部は、前記実績データベースに格納する実績データの数を限定し、前記実績データベースに新しい実績データを格納する場合、今回格納する新しい実績データの格納時刻と前記実績データベースに格納されている実績データの格納時刻との時間差と、条件空間における今回格納する新しい実績データと前記実績データベースに格納されている実績データとの間の距離と、今回格納する新しい実績データと処理対象の実績データ以外の実績データとから計算される条件空間の条件数と、から計算される評価関数の値に基づいて、前記実績データベースから削除する実績データを選択することを特徴とする電磁鋼板の磁気特性予測装置。 A record database that stores information relating to each manufacturing condition of magnetic steel sheets manufactured in the past and the magnetic properties of the magnetic steel sheet that is the result as a result data,
Based on the new performance data to be stored this time in the performance database, a performance data update unit that updates the performance data stored in the performance database;
For a plurality of manufacturing conditions stored in the results database, a similarity calculation unit that calculates the similarity to the manufacturing conditions to be predicted;
Using the information on the manufacturing conditions stored in the results database, a prediction model formula representing the relationship between the manufacturing conditions and the magnetic characteristics is created, and the similarity calculated by the similarity calculation unit is weighted A prediction formula creation unit that determines the parameters of the prediction model formula by solving the optimization problem as an evaluation function that evaluates the prediction error of the prediction model formula,
A magnetic property prediction unit that predicts the magnetic properties of the electrical steel sheet when the electrical steel sheet is manufactured under the manufacturing conditions of the prediction target by inputting the manufacturing conditions of the prediction target into the prediction model formula created by the prediction formula creation unit; , equipped with a,
The actual data update unit limits the number of actual data to be stored in the actual database, and stores new actual data in the actual database when the new actual data is stored in the actual database. Difference between the storage time of the actual data stored, the distance between the new actual data stored this time in the condition space and the actual data stored in the actual database, the new actual data stored this time and the actual data to be processed The magnetic property prediction of the electrical steel sheet , wherein the performance data to be deleted from the performance database is selected on the basis of the condition number of the condition space calculated from the performance data other than apparatus.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015250853 | 2015-12-24 | ||
| JP2015250853 | 2015-12-24 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017120640A JP2017120640A (en) | 2017-07-06 |
| JP6439780B2 true JP6439780B2 (en) | 2018-12-19 |
Family
ID=59272322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016248810A Active JP6439780B2 (en) | 2015-12-24 | 2016-12-22 | Magnetic property prediction device and magnetic property control device for electrical steel sheet |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6439780B2 (en) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101943518B1 (en) * | 2017-08-28 | 2019-01-30 | 한국과학기술연구원 | Method and electric apparatus for predicting electronic structure of a material |
| US11475340B2 (en) | 2017-08-28 | 2022-10-18 | Korea Institute Of Science And Technology | Method and electronic device for predicting electronic structure of material |
| KR102103551B1 (en) * | 2018-07-19 | 2020-04-23 | 한국과학기술연구원 | Method and electric apparatus for predicting electronic structure of a material |
| KR102103548B1 (en) * | 2018-07-19 | 2020-04-23 | 한국과학기술연구원 | Method and electric apparatus for predicting electronic structure of a material |
| JP7118690B2 (en) * | 2018-03-28 | 2022-08-16 | 株式会社Uacj | Manufacturing method, information processing device, relational expression calculation device, and manufacturing system |
| WO2021200281A1 (en) * | 2020-03-31 | 2021-10-07 | Ｍｉ－６株式会社 | Test evaluation system, program, and test evaluation method |
| JP7438616B2 (en) * | 2021-05-06 | 2024-02-27 | 三菱総研Ｄｃｓ株式会社 | Information processing equipment and programs |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4365556B2 (en) * | 2002-02-15 | 2009-11-18 | Ｊｆｅスチール株式会社 | Equipment for creating manufacturing conditions for steel products |
| JP4646834B2 (en) * | 2006-03-06 | 2011-03-09 | 株式会社神戸製鋼所 | Soft magnetic steel materials with excellent magnetic properties and stability and cold forgeability, soft magnetic steel parts with excellent magnetic properties and stability, and methods for producing the same |
| JP5167891B2 (en) * | 2008-03-21 | 2013-03-21 | Ｊｆｅスチール株式会社 | Result prediction apparatus and product quality prediction method using the same |
| JP5547590B2 (en) * | 2010-09-14 | 2014-07-16 | 株式会社神戸製鋼所 | Soft magnetic steel parts having excellent AC magnetic characteristics and manufacturing method thereof |
| JP5857759B2 (en) * | 2011-01-28 | 2016-02-10 | Ｊｆｅスチール株式会社 | Deformation resistance prediction apparatus and rolling mill control method |
| JP2013025367A (en) * | 2011-07-15 | 2013-02-04 | Wakayama Univ | Facility state monitoring method and device of the same |
| JP2014038595A (en) * | 2012-07-20 | 2014-02-27 | Jfe Steel Corp | Material prediction device and material control method for steel material |
| JP6269121B2 (en) * | 2014-02-06 | 2018-01-31 | 富士通株式会社 | Information processing apparatus, evaluation function learning method, and program |
-
2016
- 2016-12-22 JP JP2016248810A patent/JP6439780B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017120640A (en) | 2017-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6439780B2 (en) | Magnetic property prediction device and magnetic property control device for electrical steel sheet | |
| KR101011546B1 (en) | Prediction formula making device and prediction formula making method | |
| Shigemori et al. | Optimum quality design system for steel products through locally weighted regression model | |
| JP2014038595A (en) | Material prediction device and material control method for steel material | |
| JP2012137813A (en) | Quality prediction device, quality prediction method, program and computer readable recording medium | |
| JP5012660B2 (en) | Product quality prediction and control method | |
| JP6569497B2 (en) | Prediction device, method and program | |
| JP2008112288A (en) | Prediction type creation device, result prediction device, quality design device, prediction type creation method and method for manufacturing product | |
| JP5962290B2 (en) | Steel heat transfer coefficient prediction apparatus and cooling control method | |
| JP4613751B2 (en) | Manufacturing condition calculation method, quality adjustment method, steel manufacturing method, manufacturing condition calculation device, quality adjustment system, and computer program | |
| JP2012027683A (en) | Quality prediction device, quality prediction method, program and computer readable recording medium | |
| JP2013080458A (en) | Quality prediction device, method for determining operating condition, quality prediction method, computer program, and computer readable recording medium | |
| JP5704040B2 (en) | Product quality management method and product quality management device | |
| JP6024718B2 (en) | Blast furnace heat prediction apparatus and blast furnace heat prediction method | |
| JP2017157094A (en) | State prediction device for product, state control device for product, state prediction method for product, and program | |
| JP5853723B2 (en) | Phosphorus concentration prediction device and blowing control method | |
| JP6508185B2 (en) | Result prediction device and result prediction method | |
| JP2004502228A (en) | Versatile method for precalculating industrial process parameters. | |
| JP5682131B2 (en) | Steel material prediction device | |
| JP5167891B2 (en) | Result prediction apparatus and product quality prediction method using the same | |
| JP5195331B2 (en) | Quality prediction apparatus, prediction method, program, and computer-readable recording medium in manufacturing process | |
| JP6003909B2 (en) | Blast furnace air permeability prediction apparatus and blast furnace air permeability prediction method | |
| JP2006309709A (en) | Result prediction device, control device and quality design device | |
| CN106067075B (en) | Building energy load prediction model building and load prediction method and device | |
| JP5821656B2 (en) | Quick lime concentration prediction device and blowing control method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170721 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180522 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180524 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180719 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180911 |
|
| 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: 20181023 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181105 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6439780 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |