JPH02183335A - 品質診断知識修正方法 - Google Patents
品質診断知識修正方法Info
- Publication number
- JPH02183335A JPH02183335A JP1003070A JP307089A JPH02183335A JP H02183335 A JPH02183335 A JP H02183335A JP 1003070 A JP1003070 A JP 1003070A JP 307089 A JP307089 A JP 307089A JP H02183335 A JPH02183335 A JP H02183335A
- Authority
- JP
- Japan
- Prior art keywords
- value
- quality
- data
- knowledge
- demerit
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Devices For Executing Special Programs (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
［産業上の利用分野］
本発明は、鉄鋼プロセスなどの製造プロセスにおける品
質診断に用いる知識修正方法に関する。
質診断に用いる知識修正方法に関する。
品質診断は現在の操業状況から品質特性の予測・評価を
迅速に行ない、またその対応をとることにより品質特性
不良の発生防止に寄与する。その処理に利用される知識
ベースの保守を容易にし、品質診断の永続的な使用を可
能にする。
迅速に行ない、またその対応をとることにより品質特性
不良の発生防止に寄与する。その処理に利用される知識
ベースの保守を容易にし、品質診断の永続的な使用を可
能にする。
［従来の技術］
従来、鉄鋼プロセスなどの製造プロセスにおける品質診
断は、品質特性が定量的に数式モデルで予測できるとき
に行なわれてきた。しかしながら、品質特性が定量的に
予測できないこともしばしばある。そのときには、ルー
ルベース等の知識工学的手法により、定性的な、あるい
は断片的な経験則により品質診断システ１１が開発され
ている。
断は、品質特性が定量的に数式モデルで予測できるとき
に行なわれてきた。しかしながら、品質特性が定量的に
予測できないこともしばしばある。そのときには、ルー
ルベース等の知識工学的手法により、定性的な、あるい
は断片的な経験則により品質診断システ１１が開発され
ている。
［発明が解決しようとする課題］
しかしながら、この新しいタイプの品質診断システ１１
に用いられる品質予測・診断方法には定まった方法が確
立しておらず、システムごとに異なっているのが現状で
ある。また、この新しいタイプの品質診断システシに用
いられる知識ベースは、通常ＫＥ（知識工学技術者）に
よって修正され、−膜技術者や操業技術者による修正は
困難なことも多く、きめ細かな保守ができないという不
都合がある。
に用いられる品質予測・診断方法には定まった方法が確
立しておらず、システムごとに異なっているのが現状で
ある。また、この新しいタイプの品質診断システシに用
いられる知識ベースは、通常ＫＥ（知識工学技術者）に
よって修正され、−膜技術者や操業技術者による修正は
困難なことも多く、きめ細かな保守ができないという不
都合がある。
本発明は、製造プロセスの専問家の経験則による品質診
断に用いる知識ベースを一般技術者や操業技術者であっ
ても修正できる知識修正方法を提供するものであり、ひ
とつの定型的な品質診断方法のもとての知識修正方法を
提供することを目的とする。
断に用いる知識ベースを一般技術者や操業技術者であっ
ても修正できる知識修正方法を提供するものであり、ひ
とつの定型的な品質診断方法のもとての知識修正方法を
提供することを目的とする。
［課題を解決するための手段］
本発明の品質診断知識調整方法は、製造プロセスにおけ
る品質予測に使用する複数個の操業実績データをその狙
い値からのずれでランク分けすることと１診断する複数
個の品質特性項目ごとに操業データの狙い値からのずれ
に起因する品質特性の減点値を操業データのランク値と
減点値との関係を用いて求めることと、品質特性項目ご
とに各減点値を合計してその満点値から減算することに
よりその評価値を求めること、および操業データ項目ご
とに各減点の合計値を求めさらに高い順に並べかえるこ
とにより、各品質特性項目の評点表示と操業データの操
作指示を重要度の順に行なう品質診断において、操業デ
ータのランク分けのデータと品質特性項目ごとの評点悪
化度とその悪化パターンを各操業データのランク区間と
重みで表現したデータからなる知識テーブルと称するブ
タファイルをエディタで修正することと、その知識テー
ブルから先に述べた品質診断処理を行なう知識ベースを
自動生成することから構成される。
る品質予測に使用する複数個の操業実績データをその狙
い値からのずれでランク分けすることと１診断する複数
個の品質特性項目ごとに操業データの狙い値からのずれ
に起因する品質特性の減点値を操業データのランク値と
減点値との関係を用いて求めることと、品質特性項目ご
とに各減点値を合計してその満点値から減算することに
よりその評価値を求めること、および操業データ項目ご
とに各減点の合計値を求めさらに高い順に並べかえるこ
とにより、各品質特性項目の評点表示と操業データの操
作指示を重要度の順に行なう品質診断において、操業デ
ータのランク分けのデータと品質特性項目ごとの評点悪
化度とその悪化パターンを各操業データのランク区間と
重みで表現したデータからなる知識テーブルと称するブ
タファイルをエディタで修正することと、その知識テー
ブルから先に述べた品質診断処理を行なう知識ベースを
自動生成することから構成される。
［作用コ
一般技術者や操業技術者が知識テーブルの操業データの
ラング分けのデータと品質特性項目ごとの評点悪化度と
その悪化パターンを各操業データのランク区間と重みで
表現したデータをエディタで修正するとその後は次の品
質診断処理を行なう知識ベースが自動的に生成される。
ラング分けのデータと品質特性項目ごとの評点悪化度と
その悪化パターンを各操業データのランク区間と重みで
表現したデータをエディタで修正するとその後は次の品
質診断処理を行なう知識ベースが自動的に生成される。
品質予測に使用する複数個の操業実績データがその狙い
値からのずれでランク分けされ、知識ベースで表現され
たランク値と減点値の関係から品質特性項目ごとに各操
業データの減点値が求められ、それらの合計と満点値か
らの減算でその品質特性の評価値が求められ出力される
。また操業データ項目ごとに各減点値の合計を求めその
高い順に操業データの操作指示が出力される。
値からのずれでランク分けされ、知識ベースで表現され
たランク値と減点値の関係から品質特性項目ごとに各操
業データの減点値が求められ、それらの合計と満点値か
らの減算でその品質特性の評価値が求められ出力される
。また操業データ項目ごとに各減点値の合計を求めその
高い順に操業データの操作指示が出力される。
［実施例コ
次に、本発明の実施例について図面を参照して説明する
。
。
実施例では、方向性電磁鋼板の被膜特性に関する品質診
断の知識修正について説明する。被膜の品質診断は、脱
炭ラインの操業実績データを基に専問家の経験則によっ
て行なわれ、その被膜の実績は、約１０日後に得られる
。そのため、その間の被膜不良発生が、この品質診断に
よって防止される。
断の知識修正について説明する。被膜の品質診断は、脱
炭ラインの操業実績データを基に専問家の経験則によっ
て行なわれ、その被膜の実績は、約１０日後に得られる
。そのため、その間の被膜不良発生が、この品質診断に
よって防止される。
第１図は、本発明の知識修正方法で調整された知識ベー
スを用いた被膜診断システムの構成を示す。操業実績デ
ータを入力してこの知識ベースを基に推論エンジンで品
質を評価する。評価値等は、品質診断結果の表示として
分かりやすく出力される。
スを用いた被膜診断システムの構成を示す。操業実績デ
ータを入力してこの知識ベースを基に推論エンジンで品
質を評価する。評価値等は、品質診断結果の表示として
分かりやすく出力される。
第２図に、この被膜品質診断方法の全体流れ図を示す。
第２図のステップ１では、脱炭ラインの操業実績データ
をその狙い値からのずれでランク分けする。このランク
分けの各範囲は、鋼種規格ごとに与えられる・ 第３図に、被膜予測用の知識をランク分けするための各
ランクの範囲を一例として示す。この例では、１０種類
の操業実績データが、狙い値からのずれによって、最大
７ランクまでに層別される。
をその狙い値からのずれでランク分けする。このランク
分けの各範囲は、鋼種規格ごとに与えられる・ 第３図に、被膜予測用の知識をランク分けするための各
ランクの範囲を一例として示す。この例では、１０種類
の操業実績データが、狙い値からのずれによって、最大
７ランクまでに層別される。
第２図のステップ２では、診断する被膜品質特性項目ご
とに減点値を計算する。この計算手法の詳細について、
次に第３図を参照しながら説明する。
とに減点値を計算する。この計算手法の詳細について、
次に第３図を参照しながら説明する。
簡単に言えば、被膜品質特性として、過酸化節。
酸化不足、脱炭異常等を評価する。第３図は、過酸化節
Ａについての評点予測知識を示しており、この品質不良
の発生する操業パターンを太線で示している。この品質
特性は８０点満点で評価され最も大きいずれパターンを
示すときには４０点という予測評点となる。
Ａについての評点予測知識を示しており、この品質不良
の発生する操業パターンを太線で示している。この品質
特性は８０点満点で評価され最も大きいずれパターンを
示すときには４０点という予測評点となる。
また、各操業データの不良化寄与率を７０％。
５％、１０％・・・と与えている。
この知識を用いて、各操業データの狙い値からのずれ（
ランク値）が品質特性の評点にどのくらい減点になって
いるか求めることができる。例えば、操業実績データの
Ｎｏ、２の実績がランク６であれば、この部分の狙い値
のずれに起因する評価値の減点値は、 （８０−４０）Ｘ７０・／１００ の計算結果として２８点と計算される。ランク６よりも
小さいずれについては、０〜１．０までの乗算係数が、
指定された関数で計算され、その値が減点値に乗算され
る。乗算係数は、実際の現象に対応して、第７図に示す
複数の関数の中から選択される。
ランク値）が品質特性の評点にどのくらい減点になって
いるか求めることができる。例えば、操業実績データの
Ｎｏ、２の実績がランク６であれば、この部分の狙い値
のずれに起因する評価値の減点値は、 （８０−４０）Ｘ７０・／１００ の計算結果として２８点と計算される。ランク６よりも
小さいずれについては、０〜１．０までの乗算係数が、
指定された関数で計算され、その値が減点値に乗算され
る。乗算係数は、実際の現象に対応して、第７図に示す
複数の関数の中から選択される。
従って、先の例でランクが５の時に、第７図の第３番の
関数を選択すると、２８点ＸＱｏｇ４３の割算結果とし
て、２２．２が減点値となる。このようにして、１つの
被膜品質特性に対する操業実績データの狙い値からのず
れに起因する減点値が求められる。
関数を選択すると、２８点ＸＱｏｇ４３の割算結果とし
て、２２．２が減点値となる。このようにして、１つの
被膜品質特性に対する操業実績データの狙い値からのず
れに起因する減点値が求められる。
他の被膜品質特性についても、同様の予測知識により求
められる。
められる。
再び第２図を参照すると、ステップ３では、被膜品質特
性項目ごとに操業実績データの減点値を合計計算し、そ
れぞれの満点値からその合計値を減算する。また、次の
ステップ４では、操業データ項目ごとに、各被膜品質特
性項目に対する減点値を計算する。
性項目ごとに操業実績データの減点値を合計計算し、そ
れぞれの満点値からその合計値を減算する。また、次の
ステップ４では、操業データ項目ごとに、各被膜品質特
性項目に対する減点値を計算する。
ステップ３及び４で行なう計算の一例を第４図に示す。
第４図において、縦方向は被膜品質特性項目を表わし、
横方向は操業データ項目を示す。
横方向は操業データ項目を示す。
中央部の各数値は、各項目の減点値を示し、各被一
膜品質特性項目に対する操業実績データの減点値の合計
が右端に示され、操業データ項目ごとの減点値の合計が
下端に示されている。この値が大きいものほど、品質特
性を改善するために重要であるので、操業データの操作
指示の際は、この大きい操業データ項目から列挙してい
る。
が右端に示され、操業データ項目ごとの減点値の合計が
下端に示されている。この値が大きいものほど、品質特
性を改善するために重要であるので、操業データの操作
指示の際は、この大きい操業データ項目から列挙してい
る。
第５図に示すのは、第３図の被膜予測用知識をデータフ
ァイルとして表現した知識テーブルと称するものである
。このテーブルの最初に、操業データのランク分けのデ
ータが表現されている。
ァイルとして表現した知識テーブルと称するものである
。このテーブルの最初に、操業データのランク分けのデ
ータが表現されている。
ａｐｌは操業データ項目、５はランク分けの数、その後
はランク分けの範囲を示している。＊は、以上又は以下
を表わす。その他の操業データについても同様に表現す
る。
はランク分けの範囲を示している。＊は、以上又は以下
を表わす。その他の操業データについても同様に表現す
る。
その次に、品質特性項目の一覧を表現する。即ち、過酸
化Ａ、過酸化Ｂ、酸化不良Ａなどである。
化Ａ、過酸化Ｂ、酸化不良Ａなどである。
続いて、各品質特性項目ごとに評点悪化塵とその悪化パ
ターンを表現する。過酸化Ａの例では、評点は８０点か
ら４０点まで悪化することを示している。ｄｐ２の“１
、３．６．５．６．７０．０”のうち１はパターン数
、３は乗算係数関数式番、６はランク数、次の５と６は
悪化パターンのランク区間、７０，０は重み（不良化寄
与率）を示す。
ターンを表現する。過酸化Ａの例では、評点は８０点か
ら４０点まで悪化することを示している。ｄｐ２の“１
、３．６．５．６．７０．０”のうち１はパターン数
、３は乗算係数関数式番、６はランク数、次の５と６は
悪化パターンのランク区間、７０，０は重み（不良化寄
与率）を示す。
この知識テーブルは、操業技術者や一般技術者によって
エディタで修正される。
エディタで修正される。
この知識テーブルを入力データとして知識ベース生成プ
ログラムにより第６図に示す知識ベースが生成される。
ログラムにより第６図に示す知識ベースが生成される。
ＩＦ−ＴＨＥＮ方式で、各々の条件判定を行なって操業
実績データのランク分け、各品質特性項目における減点
計算、減点合計計算。
実績データのランク分け、各品質特性項目における減点
計算、減点合計計算。
各操業データの減点合計計算の各ルールが生成される。
［発明の効果］
以上説明したように、本発明によって製造プロセスのひ
とつの定型的な品質診断の知識ベースの修正が操業技術
者や一般技術者自身によって可能となり、この品質診断
システムのきめ細かな保守が容易となる。
とつの定型的な品質診断の知識ベースの修正が操業技術
者や一般技術者自身によって可能となり、この品質診断
システムのきめ細かな保守が容易となる。
第１図は１本発明を実施するシステムの構成を示すブロ
ック図である。 第２図は、実施例の被膜品質診断方法の全体流れ図であ
る。 第３図は、実施例の被膜予測用知識を示すマツプである
。 第４図は、実施例の減点予測値と合計値を示すマツプで
ある。 第５図及び第６図は、それぞれ実施例の修正用知識テー
ブル及び生成された知識ベースを示すマツプである。 第７図は、実施例における乗算係数の計算式の割当てを
示すマツプである。 肴 骨 ―
ック図である。 第２図は、実施例の被膜品質診断方法の全体流れ図であ
る。 第３図は、実施例の被膜予測用知識を示すマツプである
。 第４図は、実施例の減点予測値と合計値を示すマツプで
ある。 第５図及び第６図は、それぞれ実施例の修正用知識テー
ブル及び生成された知識ベースを示すマツプである。 第７図は、実施例における乗算係数の計算式の割当てを
示すマツプである。 肴 骨 ―
Claims (1)
- 製造プロセスにおいて、品質予測に使用する複数個の
操業実績データをその狙い値からのずれでランク分けす
ることと、診断する複数個の品質特性項目ごとに操業デ
ータの狙い値からのずれに起因する品質特性の減点値を
操業データのランク値と減点値との関係を用いて求める
ことと、品質特性項目ごとに各減点値を合計してその満
点値から減算することによりその評価値を求めること、
および操業データ項目ごとに各減点の合計値を求めさら
に高い順に並べかえることにより、各品質特性項目の評
点表示と操業データの操作指示を重要度の順に行なう品
質診断において、操業データのランク分けのデータと品
質特性項目ごとの評点悪化度とその悪化パターンを各操
業データのランク区間と重みで表現したデータからなる
知識テーブルと称するデータファイルをエディタで修正
することと、その知識テーブルから上記品質診断処理を
行なう知識ベースを自動生成することを特徴とする品質
診断知識修正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP307089A JPH0750492B2 (ja) | 1989-01-10 | 1989-01-10 | 品質診断知識修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP307089A JPH0750492B2 (ja) | 1989-01-10 | 1989-01-10 | 品質診断知識修正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02183335A true JPH02183335A (ja) | 1990-07-17 |
| JPH0750492B2 JPH0750492B2 (ja) | 1995-05-31 |
Family
ID=11547075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP307089A Expired - Fee Related JPH0750492B2 (ja) | 1989-01-10 | 1989-01-10 | 品質診断知識修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0750492B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04201314A (ja) * | 1990-11-30 | 1992-07-22 | Fanuc Ltd | 射出成形機の成形条件出し方法 |
| JPH05287343A (ja) * | 1991-05-31 | 1993-11-02 | Nippon Steel Corp | 鋼板品質設計装置 |
| JPH05287342A (ja) * | 1991-05-31 | 1993-11-02 | Nippon Steel Corp | 鋼板品質設計装置 |
| CN114865794A (zh) * | 2022-06-01 | 2022-08-05 | 南京瑞普思科技有限公司 | 智能变电站配置文件可视化分析系统 |
-
1989
- 1989-01-10 JP JP307089A patent/JPH0750492B2/ja not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04201314A (ja) * | 1990-11-30 | 1992-07-22 | Fanuc Ltd | 射出成形機の成形条件出し方法 |
| JPH05287343A (ja) * | 1991-05-31 | 1993-11-02 | Nippon Steel Corp | 鋼板品質設計装置 |
| JPH05287342A (ja) * | 1991-05-31 | 1993-11-02 | Nippon Steel Corp | 鋼板品質設計装置 |
| CN114865794A (zh) * | 2022-06-01 | 2022-08-05 | 南京瑞普思科技有限公司 | 智能变电站配置文件可视化分析系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0750492B2 (ja) | 1995-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wei et al. | A quantitative measure for degree of automation and its relation to system performance and mental load | |
| JP2000510265A (ja) | 予測、制御および最適化のための動的および定常状態プロセスをモデル化する方法および装置 | |
| KR950007882B1 (ko) | 퍼지 추론 시스템용 멤버쉽 함수 및 퍼지 추론 규정을 자동적으로 발생시키는 장치 및 방법 | |
| CN116742618A (zh) | 基于混合专家系统及时间序列的电能量预测方法和系统 | |
| JP2019192199A (ja) | ロボットの人間の顔の表情学習及び表情具現の方法 | |
| CN112288291A (zh) | 一种基于改进cream的船舶引航员人因可靠性预测方法 | |
| JPH02183335A (ja) | 品質診断知識修正方法 | |
| Kato et al. | Falsification of cyber-physical systems with reinforcement learning | |
| CN118709571B (zh) | 考虑老化趋势的电缆剩余寿命预测方法及系统 | |
| JPH0535308A (ja) | フアジイメンバシツプ関数の同定装置及び同定方法 | |
| JPH02112063A (ja) | 品質診断方法 | |
| JP2696972B2 (ja) | フアジイ・ルール発生装置および方法，ならびに確認装置および方法 | |
| JPH0750491B2 (ja) | 品質診断知識調整方法 | |
| JPH0575968B2 (ja) | ||
| Yadav et al. | Forecasting time-between-failures of software using fuzzy time series approach | |
| JP7287414B2 (ja) | 物流ルール学習装置、物流ルール実行装置、物流ルール学習方法、及び物流ルール学習プログラム | |
| CN112598157B (zh) | 电力负荷的预测方法和装置 | |
| CN115292901A (zh) | 变压器运行状态的评估方法和装置 | |
| JP2000181894A (ja) | ニューラルネットワークの学習方法 | |
| JPH0575969B2 (ja) | ||
| JPH0310301A (ja) | 品質診断知識学習方法 | |
| JPH07272183A (ja) | 運転支援装置 | |
| JP3085365B2 (ja) | 工程手順自動調整方法、工程手順自動調整システムおよび工程手順自動調整プログラムを記録した記録媒体 | |
| JP3276035B2 (ja) | 神経回路網モデルの逐次型加速化学習方法 | |
| JPH0663791B2 (ja) | プロセス診断方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |