金属材料的品质预测模型生成方法、金属材料的品质预测方法、金属材料的制造方法、品质预测模型生成方法、数据加工方法、金属材料的品质预测模型生成装置、金属材料的品质预测装置以及数据加工装置与流程
本发明涉及金属材料的品质预测模型生成方法、金属材料的品质预测方法、金属材料的制造方法、品质预测模型生成方法、数据加工方法、金属材料的品质预测模型生成装置、金属材料的品质预测装置以及数据加工装置。
背景技术:
1、在专利文献1中公开了如下方法:使用对考虑材料的长度方向的品质判定位置而将材料的制造时的制造条件数据和最终工序中的品质数据关联起来的数据进行学习的模型,预测材料的品质。
2、现有技术文献
3、专利文献
4、专利文献1:日本专利第7207547号公报
技术实现思路
1、发明所要解决的课题
2、已知材料的品质、特别是金属材料的抗拉强度、屈服点应力等机械特性会受到金属材料所经历的温度、其随时间变化的较大影响。这是因为,金属组织的状态根据金属材料的温度而发生各种变化,并且与金属材料的机械特性具有密切的关系。因此,为了高精度地预测金属材料的品质,需要将以想要预测品质的金属材料的位置(部位)处的该金属材料的温度等为代表的制造条件数据与该金属材料的品质数据充分精确地建立关联。
3、然而,在现有技术中,虽然有效利用了在金属材料的加工方向即长度方向上精细地收集到的制造条件数据,但是没有有效利用在与长度方向垂直的方向即宽度方向上精细地收集到的制造条件数据。
4、在现有技术中,具体而言,在金属材料的制造的各工序中,未考虑金属材料的宽度方向的端部的切除、以预先任意确定的宽度位置为边界的金属材料的分割。另外,在现有技术中,未考虑由金属材料的轧制产生的塑性变形而引起的宽度方向的长度的变大的变化、由在各工序中对应于对金属材料赋予的长度方向的张力而产生的塑性变形所引起的宽度方向的长度的变小的变化。因此,在现有技术中,金属材料的品质的预测精度的提高存在局限性。
5、本发明是鉴于上述情况而完成的,其目的在于提供能够高精度地预测材料相对于任意制造条件的品质的金属材料的品质预测模型生成方法、金属材料的品质预测方法、金属材料的制造方法、品质预测模型生成方法、数据加工方法、金属材料的品质预测模型生成装置、金属材料的品质预测装置以及数据加工装置。
6、用于解决课题的手段
7、为了解决上述课题并达成目的,本发明的金属材料的品质预测模型生成方法包括:第一收集步骤,将各工序中的金属材料的制造条件按作为所述金属材料的长度方向和宽度方向上的规定范围的、所述各工序的每个规定范围进行收集;第二收集步骤,将所述各工序的最终工序中的所述金属材料的品质按所述最终工序的每个规定范围进行评价并收集;第三收集步骤,收集所述各工序中的所述金属材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述金属材料的长度方向和宽度方向的尺寸中的至少一者以上;保存步骤,将在所述第一收集步骤中收集到的所述各工序中的所述金属材料的制造条件与在所述第二收集步骤中收集到的所述最终工序中的所述金属材料的品质,按所述最终工序的每个规定范围进行关联并保存;以及模型生成步骤,根据在所述保存步骤中保存的所述最终工序的每个规定范围的制造条件,生成预测所述最终工序的每个规定范围的品质的品质预测模型,所述保存步骤基于所述第三收集步骤中收集到的、所述金属材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述金属材料的长度方向和宽度方向的尺寸中的至少一者以上,确定与所述最终工序的规定范围对应的所述各工序的规定范围,并将确定的各工序的规定范围中的所述金属材料的制造条件与所述最终工序中的所述金属材料的品质,按所述最终工序的每个规定范围进行关联并保存。
8、另外,在上述发明中,本发明的金属材料的品质预测模型生成方法的所述各工序的规定范围中的所述金属材料的长度方向的规定范围基于所述各工序中的与搬运方向相应的所述金属材料的移动距离来决定,所述各工序的规定范围中的所述金属材料的宽度方向的规定范围基于在所述各工序中预先确定的范围分割距离来决定。
9、另外,在上述发明中,本发明的金属材料的品质预测模型生成方法在所述第三收集步骤中,作为所述各工序中的所述金属材料的宽度方向的切断位置,收集包括所述各工序中的所述金属材料的宽度方向的端部的切除、以及以预先确定的宽度位置为边界的所述金属材料的分割在内的切断位置。
10、另外,在上述发明中,本发明的金属材料的品质预测模型生成方法在所述第三收集步骤中,作为所述各工序中的所述金属材料的宽度方向的尺寸,收集包括由在所述各工序中的所述金属材料的轧制而产生的塑性变形所引起的宽度方向的长度的变大的变化、以及由在所述各工序中对应于对所述金属材料赋予的长度方向的张力而产生的塑性变形所引起的宽度方向的长度的变小的变化在内的尺寸。
11、另外,在上述发明中,本发明的金属材料的品质预测模型生成方法在所述第一收集步骤中,作为所述各工序中的所述金属材料的制造条件,按所述各工序的每个规定范围,收集包括所述金属材料的温度、所述金属材料的轧制前后的板厚、对所述金属材料赋予的张力以及所述金属材料的伸长率中的至少一者以上在内的制造条件。
12、另外,在上述发明中,本发明的金属材料的品质预测模型生成方法的所述模型生成步骤使用包括线性回归、局部回归、主成分回归、pls(partial least squaresregression:偏最小二乘)回归、逻辑回归、支持向量机、决策树、回归树、随机森林、梯度提升树、神经网络在内的统计分析方法以及机器学习方法来生成所述品质预测模型。
13、另外,在上述发明中,本发明的金属材料的品质预测模型生成方法包括:重新保存步骤,将所述第一收集步骤中收集到的所述各工序中的所述金属材料的制造条件与所述第二收集步骤中收集到的所述最终工序中的所述金属材料的品质,按每个规定范围进行关联并重新保存;以及模型重新生成步骤,根据在所述重新保存步骤中重新保存的每个所述规定范围的制造条件,重新生成对每个所述规定范围的品质进行预测的品质预测模型,所述规定范围中的所述金属材料的长度方向的规定范围为重要度指标成为最大的制造条件所属的工序中的、所述金属材料的长度方向的规定范围,所述重要度指标是针对按成为所述模型生成步骤中生成的所述品质预测模型的输入的每个制造条件而输出的品质的指标,所述规定范围中的所述金属材料的宽度方向的规定范围基于在所述最终工序中预先确定的范围分割距离来决定。
14、为了解决上述的课题并达成目的,本发明的金属材料的品质预测方法包括品质预测步骤,所述品质预测步骤使用通过上述的金属材料的品质预测模型生成方法生成的品质预测模型,按最终工序的每个规定范围,预测在任意的制造条件下制造的金属材料的品质。
15、为了解决上述的课题并达成目的,本发明的金属材料的品质预测方法包括品质预测步骤,所述品质预测步骤使用通过上述的金属材料的品质预测模型生成方法生成的品质预测模型,按每个规定范围,预测在任意的制造条件下制造的金属材料的品质。
16、为了解决上述的课题并达成目的,本发明的金属材料的制造方法包括:重要度指标计算步骤,使用通过上述的金属材料的品质预测模型生成方法生成的品质预测模型,按成为品质预测模型的输入的每个制造条件,计算重要度指标,所述重要度指标表示对成为输出的品质的预测造成的影响;制造条件推定步骤,将所述重要度指标高的制造条件推定为成为对金属材料的品质造成影响的因子的制造条件;品质预测步骤,使用在输入中包括成为对所推定的金属材料的品质造成影响的因子的制造条件的所述品质预测模型,预测成为输出的品质;制造条件决定步骤,以使所预测的品质落入预先设定的范围的方式,决定成为对所述金属材料的品质造成影响的因子的制造条件;以及金属材料制造步骤,基于所决定的制造条件来制造金属材料。
17、为了解决上述课题并达成目的,本发明的品质预测模型生成方法包括:第一收集步骤,将各工序中的材料的制造条件按作为所述材料的长度方向和宽度方向上的规定范围的、所述各工序的每个规定范围记载收集;第二收集步骤,将所述各工序的最终工序中的所述材料的品质按所述最终工序的每个规定范围进行评价并收集;第三收集步骤,收集所述各工序中的所述材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述材料的长度方向和宽度方向的尺寸中的至少一者以上;保存步骤,将所述第一收集步骤中收集到的所述各工序中的所述材料的制造条件与所述第二收集步骤中收集到的所述最终工序中的所述材料的品质,按所述最终工序的每个规定范围进行关联并保存;以及模型生成步骤,根据在所述保存步骤中保存的所述最终工序的每个规定范围的制造条件,生成对所述最终工序的每个规定范围的品质进行预测的品质预测模型,所述保存步骤基于所述第三收集步骤中收集到的、所述材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述材料的长度方向和宽度方向的尺寸中的至少一者以上,确定与所述最终工序的规定范围对应的所述各工序的规定范围,并将确定的各工序的规定范围中的所述材料的制造条件与所述最终工序中的所述材料的品质,按所述最终工序的每个规定范围进行关联并保存。
18、为了解决上述课题并达成目的,本发明的数据加工方法包括:第一收集步骤,将各工序中的金属材料的制造条件按作为所述金属材料的长度方向和宽度方向上的规定范围的、所述各工序的每个规定范围进行收集;第二收集步骤,将所述各工序的最终工序中的所述金属材料的品质按所述最终工序的每个规定范围进行评价并收集;第三收集步骤,收集所述各工序中的所述金属材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述金属材料的长度方向和宽度方向的尺寸中的至少一者;以及保存步骤,将所述第一收集步骤中收集到的所述各工序中的所述金属材料的制造条件与所述第二收集步骤中收集到的所述最终工序中的所述金属材料的品质,按所述最终工序的每个规定范围进行关联并保存,所述保存步骤基于所述第三收集步骤中收集到的、所述金属材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述金属材料的长度方向和宽度方向的尺寸中的至少一者以上,确定与所述最终工序的规定范围对应的所述各工序的规定范围,并将确定的各工序的规定范围中的所述金属材料的制造条件与所述最终工序中的所述金属材料的品质,按所述最终工序的每个规定范围进行关联并保存。
19、为了解决上述课题并达成目的,本发明的金属材料的品质预测模型生成装置具备:第一收集部,将各工序中的金属材料的制造条件按作为所述金属材料的长度方向和宽度方向上的规定范围的、所述各工序的每个规定范围进行收集;第二收集部,将所述各工序的最终工序中的所述金属材料的品质按所述最终工序的每个规定范围进行评价并收集;第三收集部,收集所述各工序中的所述金属材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述金属材料的长度方向和宽度方向的尺寸中的至少一者以上;保存部,将由所述第一收集部收集到的所述各工序中的所述金属材料的制造条件与由所述第二收集部收集到的所述最终工序中的所述金属材料的品质,按所述最终工序的每个规定范围进行关联并保存;以及模型生成部,根据由所述保存部保存的所述最终工序的每个规定范围的制造条件,生成对所述最终工序的每个规定范围的品质进行预测的品质预测模型,所述保存部基于由所述第三收集部收集到的、所述金属材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述金属材料的长度方向和宽度方向的尺寸中的至少一者以上,确定与所述最终工序的规定范围对应的所述各工序的规定范围,并将确定的各工序的规定范围中的所述金属材料的制造条件与所述最终工序中的所述金属材料的品质,按所述最终工序的每个规定范围进行关联并保存。
20、另外,在上述发明中,本发明的金属材料的品质预测模型生成装置的所述保存部将由所述第一收集部收集到的所述各工序中的所述金属材料的制造条件与由所述第二收集部收集到的所述最终工序中的所述金属材料的品质,按每个规定范围进行关联并重新保存,所述模型生成部根据重新保存的每个所述规定范围的制造条件,重新生成对每个所述规定范围的品质进行预测的品质预测模型,所述规定范围中的所述金属材料的长度方向的规定范围为重要度指标成为最大的制造条件所属的工序中的、所述金属材料的长度方向的规定范围,所述重要度指标是针对按成为所述模型生成部中生成的所述品质预测模型的输入的每个制造条件而输出的品质的指标,所述规定范围中的所述金属材料的宽度方向的规定范围基于在所述最终工序中预先确定的范围分割距离来决定。
21、为了解决上述的课题并达成目的,本发明的金属材料的品质预测装置具备品质预测部,所述品质预测部使用由上述的金属材料的品质预测模型生成装置生成的品质预测模型,按最终工序的每个规定范围,预测在任意的制造条件下制造的金属材料的品质。
22、为了解决上述的课题并达成目的,本发明的金属材料的品质预测装置具备品质预测部,所述品质预测部使用由上述的金属材料的品质预测模型生成装置生成的品质预测模型,按每个规定范围,预测在任意的制造条件下制造的金属材料的品质。
23、为了解决上述课题并达成目的,本发明的数据加工装置具备:第一收集部,将各工序中的金属材料的制造条件按作为所述金属材料的长度方向和宽度方向上的规定范围的、所述各工序的每个规定范围进行收集;第二收集部,将所述各工序的最终工序中的所述金属材料的品质按所述最终工序的每个规定范围进行评价并收集;第三收集部,收集所述各工序中的所述金属材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述金属材料的长度方向和宽度方向的尺寸中的至少一者以上;以及保存部,将由所述第一收集部收集到的所述各工序中的所述金属材料的制造条件与由所述第二收集部收集到的所述最终工序中的所述金属材料的品质,按所述最终工序的每个规定范围进行关联并保存,所述保存部基于由所述第三收集部收集到的、所述金属材料的长度方向和宽度方向的切断位置、以及在所述各工序中变化的所述金属材料的长度方向和宽度方向的尺寸中的至少一者以上,确定与所述最终工序的规定范围对应的所述各工序的规定范围,并将确定的各工序的规定范围中的所述金属材料的制造条件与所述最终工序中的所述金属材料的品质,按所述最终工序的每个规定范围进行关联并保存。
24、发明效果
25、根据本发明,除了金属材料的长度方向以外,还在宽度方向上分割规定范围,由此能够制作考虑了金属材料的宽度方向上的制造条件的变动的学习用数据。由此,即使是长度方向上的同一位置,也能够使品质预测模型适当地反映金属材料的宽度方向的制造条件的差异,因此能够生成高精度的品质预测模型。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com