[go: up one dir, main page]

JP2002521201A - 連続鋳造機の動作を監視して切迫したブレークアウトの発生を検出する多変量（ｍｕｌｔｉｖａｒｉａｔｅ）統計的モデルベースのシステム - Google Patents

連続鋳造機の動作を監視して切迫したブレークアウトの発生を検出する多変量（ｍｕｌｔｉｖａｒｉａｔｅ）統計的モデルベースのシステム

Info

Publication number
JP2002521201A
JP2002521201A JP2000560993A JP2000560993A JP2002521201A JP 2002521201 A JP2002521201 A JP 2002521201A JP 2000560993 A JP2000560993 A JP 2000560993A JP 2000560993 A JP2000560993 A JP 2000560993A JP 2002521201 A JP2002521201 A JP 2002521201A
Authority
JP
Japan
Prior art keywords
casting machine
mold
continuous casting
multivariate
model
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.)
Pending
Application number
JP2000560993A
Other languages
English (en)
Inventor
ヴィット ヴァキュリック，
アール．， ブレア マキュイッシュ，
ラジェンドラ， ケイ． ムタ，
Original Assignee
ドファスコ インコーポレイテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ドファスコ インコーポレイテッド filed Critical ドファスコ インコーポレイテッド
Publication of JP2002521201A publication Critical patent/JP2002521201A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
    • B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
    • B22D11/16—Controlling or regulating processes or operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Continuous Casting (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measuring Temperature Or Quantity Of Heat (AREA)

Abstract

(57)【要約】 連続鋳造における正常の動作を表すプロセスパラメータ（22）のオフライン測定を利用して、連続鋳造の動作の監視方法における多変量統計モデル（26）を開発する。オンラインプロセスパラメータ（31）からのインプットと共に多変量統計モデル(26）を利用して計算されたベクトル上のテスト統計値（34）が正常な鋳造動作である場合には、オンラインプロセスパラメータ（31）は即時測定され決定される。本発明の方法は、連続鋳造のブレークアウトの予測に利用されて、オペレータがこのブレークアウトなどを防止するための修正策(39)を講じるのに、有利である。修正策は、自動的に講じることもできる。

Description

【発明の詳細な説明】
【０００１】
【技術分野】
本発明は、特定の連続鋼鋳造機パラメータを監視するとともに、この情報を使
用して凝固した鋼シェルに亀裂が発生する可能性を実際に発生する前に予知して
、亀裂を回避する方策を講じることができるようにする方法に関する。
【０００２】
【背景技術】
鉄鋼業界において、連続鋼鋳造は、液体鋼を固体鋼の厚板または撚り鎖に転化
するプロセスである。この液体から固体への変態は、連続鋳造として周知のプロ
セスを通して実現される。このプロセスにおいて、液体鋼は、開放した銅製モー
ルドに連続的に注入される。このモールド壁に冷却水を内部から供給することで
、銅製モールドと接触した液体鋼が凝固し、鋳造撚り鎖の内部に液体鋼を含有す
る固体シェルを形成する。凝固した鋼シェルは、続いて、モールドから鋳造機の
追加冷却室に引っ張り込まれ、このとき、残りの内部の液体鋼は、制御された冷
却状態下で凝固する。
【０００３】 鋳造プロセスにおいて、凝固シェルの亀裂は、局所化された液体鋼がきちんと
凝固しないことで生じることがある。このような亀裂がモールドの縁に達すると
、溶融鋼が亀裂を通してこぼれ、鋳造機に大きな損害をもたらす。この現象は、
ブレークアウトとして知られる。ブレークアウトが生じると、保守費用および製
造損失が多大になり、製造の安全性に悪影響を与える危険な状態になることもあ
る。鋼がきちんと凝固しないときには鋳造速度を低下させることで、ブレークア
ウトを回避することができる。鋳造速度の低下により、鋼が凝固する時間がさら
にかかり、また生産性も低下する。ブレークアウトの発生を回避するために、鋼
シェルがきちんと凝固しないことを予知し、かつ修正策を講じるのに十分なリー
ドタイムをもたせることが重要である。
【０００４】 鋼製造業界における鋳造機は、通常、モールド温度示度(readings)において特
定パターンを検索するブレークアウト検出システムを使用する。これらのパター
ンマッチングシステムは、従来の鋳造機ブレークアウト経験に基づく。ブレーク
アウトの発生に先立って温度のパターンを特徴づける規則が開発される。モール
ド温度示度のパターンがこれらの規則にしたがう場合、ブレークアウトが発生す
る尤度は高い。これらの規則の条件を満たすと、一般的なブレークアウトシステ
ムは、ブレークアウトを防止するのに必要な方策を講じるか、あるいはこの方策
を自動的に講じるようオペレータに警報を発信する。これは、通常、鋳造速度を
遅くすることを意味する。しかしながら、鋳造機動作からプロセスデータすべて
のサブセットのみが、これらの規則を開発する際に使用される。これらの規則は
、通常、特定モールド温度示度について特定の差と、変化ばらつきのレートを見
つけることである。典型的な規則は、以下のタイプである。すなわち、 熱電対Ａの変化レートは、Ｙ連続示度りの摂氏Ｘ度より大きい。 熱電対Ｂからの示度は、Ｚ連続示度の熱電対Ｃからの示度より大きい。
【０００５】 現行の工業的ブレークアウト検出器は、所定のセットの規則を満たしたときに
のみ警報を発し、ブレークアウトがすぐにも生じる(imminent)ことを示す。これ
らのシステムは、警報であってもそうでなくても、二進信号を出力として与える
。該システムがいつ警報を発信しようとするか、または警報の厳密さについては
、示していない。場合によっては、ブレークアウトが発生しないようにするため
に反応するリードタイムが十分にないこともある。この結果、必然的に、ブレー
クアウトが検出されることなく発生する。これまで、どのタイプのブレークアウ
トにも検出可能な周知のシステムはなかった。多少のブレークアウトを有するこ
とは、連続鋳造機を動作する費用の一部と考えられている。
【０００６】 この種のパターンマッチング検出システムは、ヤマモト(Yamamoto)らによる米
国特許第４，５５６，０９９号、ブラゼック(Blazek)らによる米国特許第５，０
２０，５８５号、ナカムラ(Nakamura)らによる米国特許第５，５４８，５２０号
、あるいはアダミー(Adamy)による米国特許第５，９０４，２０２号に記載され
ている。
【０００７】 連続鋳造機のブレークアウト検出システムの分野において、本出願人は、従来
技術に加えて、プロセス監視および欠陥検出の分野における従来技術に着目して
いる。プロセスの正常動作を記述する多変量プロセスモデルの利用に基づくある
種の監視システムは、たとえば、１９９１年にクレスタ(Kresta),マクレガー(Ma
cGregor)およびマーリン(Marlin)による（およびその後その他による）カナディ
アン ジャーナル オブ ケモメトリックス第69号(Canadian Journal of Chemo
metrics, Vol. 69)に記載されている。このアプローチでは、新規データがリア
ルタイムでモデルに供給され、計算を行って予知エラーおよび概要、（潜像）、
変数を求める。次にこれらの計算データをテストして、該プロセスが正常に動作
しているかどうかを判定する。これは、基本的に、ワン(Wang)らにより採用され
る、米国特許第５，８５９，９６４号に記載されるようなウェハ製造具において
欠陥を検出するアプローチである。
【０００８】 公開された従来技術に記載される一般的な監視システムのフローチャートを図
１に示す。
【０００９】 かかるシステムは、典型的には、ビデオモニタを用いてフィールド機器からセ
ンサ信号にアクセスして出力表示を行うコンピュータ上で展開される。該システ
ムは、数学モデルに対する入力としてプロセス信号を獲得し、ブロック１０に示
すように出力値を計算する。ブロック１２は、次の工程で使用される予知エラー
等テスト統計の計算を行う。新たな観察が正常であるか否かの決定は、ブロック
１３でなされる。テスト統計についてしきい値テストがなされ、正常動作の集合
に属する新たな観察の尤度を求める。新規データが正常であるとされれば、該シ
ステムは、該プロセスをブロック１０から次のサンプル間隔で繰り返すが、尤度
が十分に低い場合、本プロセスについて修正策を講じるために信号が手動または
自動で発信される。ブロック１４は、テスト統計に対する貢献の判定を行う。適
切な方策を指示する情報が表示される。図中の最終ブロックであるブロック１５
は、修正策を講じ、上記で検出された欠陥を回避または緩和する。該システムは
、再びブロック１０で開始するこのアルゴリズムによりループを形成する。
【００１０】 このアプローチは、１９９５年のヴァキュリック(Vaculik)による連続鋳造プ
ロセスに適用可能であるかを判定するためにテストされた。このオフライン作業
の結果は、特定プロセスに対する該技術の適用性を示した。しかしながら、この
作業に含まれないものは、実用的なオンラインシステムを実施するのに必要な詳
細(details)である。本作業は、ブレークアウトを含む異常動作を検出するオン
ラインシステムの展開についての動機付けを与えた。該システムをその現行の形
態で実現するためには、いくつかの重大な改変が必要であった。これらの新規性
(novelties)は、従来技術から出発し、該システムの動作を首尾よく行うために
不可欠である。以下、これらを説明する。
【００１１】
【発明の開示】
本発明は、正常なプロセス動作の多変量モデルの応用に基づく、連続鋳造プロ
セスのオンライン監視および欠陥検出システムである。本発明の追加態様として
、具体的には、従来技術に見られないオンラインシステムの実施とモデル展開に
取り組む。
【００１２】 本発明によれば、鋳造プロセスを特徴づけるために、標準的なモールド温度を
超えて拡大したプロセス測定値のセットを使用することで多変量統計モデルを展
開することが提案されている。次に、正常動作に対する例外を検出して連続鋳造
プロセスにおけるブレークアウトを予知する監視システムの文脈においてこのモ
デルを使用し、ブレークアウトを回避するための修正策を講じることができる。
本システムは、鋳造プロセスからのセンサ入力を使用することでコンピュータ上
で実施され、入力データを与える。
【００１３】 本発明は、鋳造機モールドにおける鋼の誤った凝固の発生を予知することに関
する。この予知プロセスは、正常な鋳造機動作の多変量統計モデルに基づく。該
モデルは、統計モデリング技術である主成分解析（ＰＣＡ：Ｐｒｉｎｃｉｐａｌ
Ｃｏｍｐｏｎｅｎｔｓ Ａｎａｌｙｓｉｓ）を用いて展開される。ＰＣＡは、
データマトリクスをベクトルとスカラーの集合に分解する方法である。この方法
は、情報を損失することなくオリジナルデータをより少ない変数に投影するモデ
ルを生み出す。モデル結果を用いてテスト統計を計算し、これにより鋳造機の条
件を推測することができる。該状態が保証(warrant)する場合、本システムは、
修正策を講じることができるように警告および警報を発する。この方策は、オペ
レータにより手動で取ってもよく、あるいは、本システムからの出力信号により
自動的に制御されてもよい。
【００１４】 本発明は、オンライン実施の場合にのみ生じる以下の態様を含む。すなわち、 本プロセスにおいて、非静止性(non-stationarity)、すなわちドリフトに取り
組むために、特定の信号をフィルタリングする形態で前処理する入力データ、 紛失した、または無効の入力データを動的に補正する能力、 モデルをある動作方式(regime)から別の動作方式に動的に切り替える能力、 より小さい寸法で監視を容易に行うためのモデル出力の統合、 検出アルゴリズムと協働して不正警報率を減少させる警報論理の実施、 階層構造を使用することで、情報の提示を編成する、 視覚的および可聴表示を使用することで、本システム出力の提示を行う、そし
て 提示には、テスト統計のレベルに対するプロセスパラメータの影響(influence
)のグラフィカル表示が含まれる。
【００１５】 さらに、本発明は、オンライン実施を首尾よく行うための前提条件である(pre
requisite)、本システムのモデルを展開するために使用されるプロセスを含む。
このプロセスに対する、本システムの性能にとって重大な態様が多数存在する。
たとえば、 入力としてモデル内で使用されるプロセスパラメータの選択、これは、動的情
報をモデルに追加する遅れ変数の追加を含む。 モデルパラメータに適合するよう使用されるデータセットの選択、 ＰＣＡモデルにおける有意成分の数の選択、そして テスト統計の適当な検出しきい値の決定、が含まれる。
【００１６】 このシステムに固有であり、かつ上述した点を含むフローチャートを図２に示
す。図１との決定的な違いは、モデル展開とシステム実施という特徴である。
【００１７】 図２のフローチャートの監視システム実施部は、従来技術に記載され、図１に
示される一般的な事例と異なり、以下の工程が追加されている。 データ獲得とモデル計算の間で前処理するデータ（ステップ３２）、 モデル出力統合（ステップ３４）、 より強固なオンライン判定に対する警報論理（ステップ３６）、そして 特定の出力処理（ステップ３７）。
【００１８】 本発明をよりよく理解するために、添付図面を参照して好ましい実施形態を以
下説明する。
【００１９】
【発明を実施する最良の形態】
本発明は、正常なプロセス動作の多変量モデルの適用に基づく、連続鋳造プロ
セスのオンライン監視および欠陥検出システムである。上記で示すように、本発
明の追加態様には、モデルを展開するプロセスが含まれる。このプロセスの第１
の工程は、図２の符号２０で示され、どの変数がモデルに含まれるかを判定する
ものである。
【００２０】 変数選択 モデルにおいて入力として使用されるプロセスパラメータの選択は、連続鋳造
プロセスを理解することに基づく。モデルは以下の変数を使用することで展開さ
れた。 モールド熱電対示度、 遅れモールド熱電対示度、 熱電対の縦方向(vertical)の対の温度差、 鋳造機速度、 遅れ鋳造機速度、 モールド幅、 モールドレベル、 モールド発振周波数、 モールド冷却水温差（すなわち、モールドへの吸水口とモールドからの排水口
との）、 モールド冷却水流、 タンディッシュ重量、 タンディッシュ温度、および 計算された目詰まり指数。
【００２1】 上記の変数の一覧において、計算された目詰まり指数は、直接測定されない唯
一の入力である。これは、実際の位置と、タンディッシュからモールドに流れ込
むホットメタルの流れを制御する制御弁の予測位置との比から導出され、モール
ドレベルを調整する。
【００２２】 これらの変数は、連続鋳造機システムの動作を規定する。上記一覧の各変数は
、情報を含み、またはモールドにおける凝固プロセスの状態に影響を及ぼす。モ
ールド内の物質挙動は、シェルの完全性(integrity)にとって重要であるため、
モールドは、通常、多数の熱電対が装着されている。
【００２３】 図８は、典型的なモールド熱電対の構成を示す。可変幅ｗ、固定長さｌ、固定
高さｈを有するモールド５０が図示され、この結果得られる鋳造は、幅ｗおよび
長さｌで画定される断面を有し、モールドの上面からモールドの底面の鋳造方向
が、モールドの高さｈと平行に矢印５２で示されている。最小として、熱電対５
４は、モールド５０を囲んで２個のリングに分布され、上部リングの熱電対が５
４ｕとして表示され、下部リングの熱電対が５４ｌとして表示される。上部リン
グの熱電対５４ｕは、所定の上部高さで、モールド５０の幅および長さにしたが
って互いに等間隔で配置され、下部リングの熱電対５４ｌは、上部リングの熱電
対５４ｕから１５０ｍｍ程度下方の所定の下部高さで、モールド５０の幅および
長さにしたがって互いに等間隔で配置されている。下部熱電対５４ｌは、上部５
４ｕのすぐ下に配置されて縦方向の対を形成している。
【００２４】 データのサンプリングレートは、オンラインシステムが有効である１秒あたり
１回であり、好ましくは、１秒あたり２回である。
【００２５】 検知機器および自動インフラストラクチャの利用可能性は、鋳造機によって異
なる。最低限要件として、本システムには、多数の主要信号が使用可能である必
要がある。これらの主要信号は、 モールド幅、 縦方向の対を形成するようにモールドを囲んでリング状に配置された、熱電対
からのモールド熱電対示度、 遅れモールド熱電対示度、 縦方向の熱電対の対の温度差、 鋳造機速度、 遅れ鋳造機速度、 モールドレベル、 モールド冷却水流、 モールド冷却水温差（すなわち、モールドへの吸水口とモールドからの排水口
との）、 モールドレベル制御作動の尺度（たとえば、目詰まり指数）。
【００２６】 利用可能な信号がさらにあれば、これらをモデルの品質に追加して監視システ
ム性能を向上してもよい。
【００２７】 モデル開発 主成分解析（ＰＣＡ）は、線形方法であり、連続鋳造機の動作の全範囲を説明
するには相応しくない。オンラインシステムの実施において克服すべき主要な障
害は、モールド幅による活性熱電対の可変数、信号特性に対する速度変化の影響
および鋳造プロセスにおける鋼の様々な品位の挙動である。
【００２８】 鋳造機動作中、モールド（５０）の幅は、細面を出し入れすることにより変わ
る。モールドの幅広面に対する外側の熱電対により与えられる信号の関連性(rel
evance)は、モールド幅に依存している。
【００２９】 鋳造機の正常動作では、一定速度で鋳造を行うことが好ましいが、鋳造速度は
、種々の理由により変更可能であり、実際に変更されている。速度の変化は、実
際上、本プロセスに対する外乱として作用し、プロセス信号に一時的な効果をも
たらす。
【００３０】 鋼の品位および製法は、物質特性の変化によりプロセス挙動を決定づける。主
な懸念は、プロセス安定性に対する鋳造包晶(peritectic)品位（ミディアムカー
ボン）の作用およびこれらの品位がプロセス信号の可変性にどの程度影響するか
である。
【００３１】 これらの問題は、従来の作業では取り組まれず、オンラインシステムの文脈に
よってのみ生じる。
【００３２】 鋳造幅に応じて活性熱電対の数が変化するため、すなわち、最も幅広の製品で
は鋳造幅が小さい場合と比べて熱電対の活性化がより大きいため、これは、実際
上、モデルへの入力数を変え、モデルの構造に影響を及ぼす。このため、所定範
囲の鋳造幅ごとに別のＰＣＡモデルが必要となる。モデル数は、それぞれ異なる
数の活性熱電対を有する動作方式数によって定められる。
【００３３】 したがって、本システムに必要なモデル数は、鋳造機の幅範囲に亘って異なる
動作方式をカバーするために必要なモデル数によって定められる。カナダのオン
タリオ州ハミルトンにあるドファスコ(Dofasco)社の敷地内のＮｏ．１鋳造機で
の具体的な事例において、幅広の厚板用と細面の厚板用に２つのモデルが必要と
され、それぞれ動作速度の幅をカバーしている。オンラインシステムにおけるモ
デル選択は、測定されたモールド幅に基づく。
【００３４】 速度変化を補正するために、モデルに動的情報を追加する遅れ変数を追加して
、鋳造機の動的挙動を、本質的にプロセスの固定状態モデルであるものに組み込
んだ。データの動向を捕捉して変化する速度を補正するための新規アプローチが
開発された。これは、鋳造速度測定値の過去の示度をサンプリングし、これらを
入力パラメータとして使用してＰＣＡモデルを展開することによってなされた。
具体的には、前回の５個の連続サンプルを上回る速度（過去の２．５秒の動作を
カバーする）、７個のサンプルすなわち３．５秒前の速度、そして測定された１
０個のサンプルすなわち５秒前の速度を使用した。このアプローチは、鋳造プロ
セスの力学を効果的に説明するとともに、単一モデルを使用することで幅広と細
面の幅範囲のそれぞれについて鋳造機の全体的な動作速度範囲をカバーすること
が可能である。
【００３５】 訓練データセットの選択 図２において符号２２が付されたオフラインデータ集積および図２において符
号２４が付された訓練データセットを作成するための前処理は、正常な鋳造状態
を特徴とする図２において符号２６が付されたモデルを展開するために必要とさ
れる。データの区分とは、データ２２を正常動作と異常動作の時間に類別するこ
とをいう。正常動作のモデルを決定するために、トラブルのない動作の時間が多
数含まれる。正常動作のいくつかの具体的な基準を用いて区分を行う。これらに
は、 上部（５４ｕ）と下部（５４ｌ）の熱電対間の十分な温度間隔（＞１０℃）、 熱電対リングの両方における一定温度（＋／−１０℃）、そして 安定モールドレベル制御（＋／−５ｍｍ）が含まれる。
【００３６】 訓練データセットは、先の作業において考慮されるデータの制限された部分集
合と異なり、動作の範囲に跨るように、すなわち、全体の幅および速度状態の範
囲からのデータを含むように選択される（２４）。また、データは、動作の範囲
に亘って釣り合うようにする必要もある。これにより、モデルは、動作ウィンド
ウ全体に亘って等しく良好に適合して特定の状態に偏らないことを確実にする。
細面のモデルの場合、幅範囲は、８００ｍｍから１２００ｍｍに跨り、幅広モデ
ルの場合、この範囲は、１２００ｍｍから１６３０ｍｍである。両方の場合、速
度範囲は、６００ｍｍ／分から所与の幅範囲において最大記録速度である。
【００３７】 さらに、静的と動的の両方の動作条件をカバーするために、安定かつ一時動作
からのデータが含まれる。鋳造速度が跳ね上がったり跳ね下がったりしていた動
作期間からのデータを含むことで、プロセス挙動についての追加情報をもたらし
、本システムに、これを正常の変動として認識させることができる。同様に、モ
ールド幅が変化していた動作期間からのデータは、訓練データセットに含められ
た。これは、正常動作のデータ特性、すなわち、監視システムにおいて警報を発
すべきでないデータのみを訓練セットが含むという根本的な点をともなっている
。
【００３８】 上記で概説した基準を満たす個々のデータセットは、１５０秒の動作ウィンド
ウを引き継いだ３００個のサンプルを含む。そしてこれらのセットをつなぎ合わ
せることで、モデル展開に使用される観測の大きなマトリクスが構成される。
【００３９】 有意成分の数の選択 モデル展開活動２６の一部として、ＰＣＡからのスコアの出力ベクトルＴにお
ける有意成分の数の選択は、本システムの性能を決定する。成分数を決定する目
的は、モデルの情報コンテンツを最小数の成分で最大にすることである。有意成
分の数は、訓練データ２４により決定されるが、モデルがデータにおける変化量
の少なくとも８０％を説明するように選択される。オンラインシステムの５個の
誠意分を選択するように選択が行われ、これは、変動の８０％以上が説明された
ということに基づき、さらに成分を追加しても、その数を大幅に増やすことにな
らない。
【００４０】 検出しきい値を決定する 図１の符号２８が付されたテスト統計についての検出しきい値は、プロセスデ
ータ２２により決定される。理論上は、テスト統計は、既知の分布にしたがうが
、理論値を使用する場合、本システムは、過剰に警報を与える傾向がある。この
ため、検出値は、オフラインシミュレーションを使用することで導出される。シ
ミュレーションの目的において、正常動作と異常動作を区別してこのようにデー
タを識別することが必要とされる。次に、データを用いて、鋳造機の動作をシミ
ュレートし、モデル出力、次いでテスト統計を生成する。シミュレーション結果
は、テスト統計のレベルを示し、しきい値レベルの選択を可能にする。最終的な
目的は、本システムが正常動作条件下では警報を発せず、異常動作において常時
警報を発するようなレベルを見つけることである。実際上、これは、実現可能で
はないが、いずれの側で過ちを冒す(erring on either side)相対コストに基づ
いて最適レベルを決定することができる。本しきい値は、すべてのテスト統計に
ついて２％以下の長期警報率を与える。
【００４１】 オンラインシステム実施 モデル２６がオフラインで展開されると、監視システムのオンライン実施が必
要とされ、どのように入力を前処理し、モデル出力を利用して所望の結果を実現
するかにおいて進歩性を含む。
【００４２】 オンライン実施には、上述した種類のデータ３１をリアルタイムで１秒あたり
２回のサンプリングレートで処理するアクセスを有するコンピュータ上で稼働す
る、監視システムにおけるオフラインモデルの統合が含まれる。プロセスデータ
３１は、ステップ３２において前処理され、フィルタリング値、遅れおよび計算
データを与える。監視システムは、ステップ３３においてスコア値を計算し、訓
練データセット２４を用いてモデル２６を開発する。そして、モデル計算３３の
結果を取り、ステップ３４においてテスト統計を計算する。統計は、どのように
現行動作がモデル、すなわち訓練データセット２４に合致し、これにより鋳造機
の状態を推測するかについての情報を与える。この結果がステップ３７において
コンピュータ画面上にグラフィカルに提示され、可視および可聴信号を機器オペ
レータに与える。
【００４３】 かかるシステム６０の物理的な成分は、図７に模式的に示される。
【００４４】 連続鋳造機は、参照符号６２で全般的に示され、とりわけ熱電対５４、水流計
等を含む診断機器に結合され、プロセスデータ３１を与え、これが監視システム
コンピュータ６４に入力される。
【００４５】 監視システムコンピュータ６４は、多変量統計モデル２６を作成するために使
用されるプロセスパラメータ２２のオフライン測定値とプロセスデータ３１のオ
ンライン測定値の両方を獲得するデータ集積装置を備える。コンピュータ６４は
、主成分解析（ＰＣＡ）を用いて係数のマトリクスＰを計算するように構成され
る計算機を備え、スコアのベクトルＴを生成し、かつ前記ベクトルＴにおける重
要成分の選択数ｎを定義する。コンピュータ６４を用いてさらに計算を行うこと
で検出しきい値２８を生成し、オンラインプロセスデータ３１からテスト統計３
４を計算し、テスト統計と検出しきい値２８との比較３５を行う。コンピュータ
６４は、図２においてステップ３６で示すように、予め定義されたオフラインで
開発された基準３０に従って警報を発するように構成され、警報は、視覚表示装
置６６と、コンピュータ６４に結合された警笛６８と、を含む。
【００４６】 データは、連続的にサンプリングされ、モデル計算に使用することができる過
去の目盛りを記憶して必要に応じてデータをフィルタリングするようにも構成さ
れるコンピュータ６４に入力される。コンピュータ６４は、グラフィカルな診断
情報を含む視覚表示装置６６にデータを提供し、オペレータに本システム６０を
監視するとともに必要に応じて修正策を講じさせることができる。また、コンピ
ュータ６４は、制御手段も備え、これにより、予め定められた警報しきい値にし
たがって、オペレータの介入を何ら必要とすることなく鋳造機速度を自動的に調
整することがｄけいる。
【００４７】 図示のように、かかるシステムの実現において新規および非自明の特徴が多数
存在する。これらの特徴を以下の本文でさらに詳述する。
【００４８】 入力データの前処理 特定の信号をフィルタリングする形態において前処理３２を行い、本プロセス
において非静止またはズレ(shift)に取り組む。熱電対において絶対温度でズレ
を補正する方法が、オンライン実施に必要とされていた。これに取り組むために
案出された方法は、指数重み付け移動平均、すなわちＥＷＭＡ（Ｅｘｐｏｎｅｎ
ｔｉａｌｌｙ Ｗｅｉｇｈｔｅｄ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ）フィルタを
採用し、熱電対示度の平均を動的に計算する。この計算された平均は、熱電対温
度から抽出され、モデルにより使用されるズレ信号を生成する。また、この方法
は、冷却水の水流および水温にも使用される。上記の信号は、ズレを表す唯一の
ものであり、応用されたフィルタリングを有する。他の信号はフィルタリングさ
れないが、これが情報の損失につながると思われる。
【００４９】 紛失した、または無効の入力データ補正 オンラインシステム６０のためのもたらされる特徴の１つは、入力データの完
全セットの不在下で動作を続行する性能であった。センサがオフラインで取られ
るか、センサ欠陥、センサドリフトまたはその他の場合にセンサキャリブレーシ
ョン手順を含む種々の理由により、センサ信号が無効になることもある。システ
ム６０は、紛失として入力にタグをつけ、入力の残り(balance)と協働して、誤
警報に悩まされる異なる通常通り監視を行い、警報を与える。これは、モデルパ
ラメータを変更して紛失したデータの寄与を無視し、有効データからの寄与を増
大することによってモデルにおいて行われ、データの完全セットと一致する結果
を与える。紛失したまたは無効の要素を入力データベクトルにおいて補正する方
法としては、対応モデル係数を成分ごとにゼロに設定することがある。そして、
成分ごとの残りの係数をつり上げ(inflate)、これらの平方値の合計が１になる
ようにする。これは、紛失値を予測するためにモデルを使用し、次に予測された
値を紛失値の代わりに監視システムにおいて使用すると考えることができる。信
号がその正常状態に復帰したら、このようにタグが付けられ、監視システムにお
いて使用される。これは、入力信号のいずれのものについても実行可能であり、
ほとんどの場合、使用中に機能しなくなった熱電対に使用される。使用に関する
他の例として、センサがキャリブレートされているとき、および信号が紛失とし
てマークされている場合に有効タンディッシュ温度を受ける前に鋳造シーケンス
の開始時に、モールドレベル信号を紛失として処理することがある。
【００５０】 モデルスケジューリング 上述したように、動作の全範囲をカバーするためには、モデルが２個以上必要
となる。本システムにより随時使用されるモデルは、撚り鎖の実際の幅により決
定される。実際、すべてのモデルは、連続して計算され、幅は、検出、表示およ
び警報にどの出力が選択されるかを決定する。この方法は、２個の異なる動作体
系間で移行を円滑に行うものである。訓練テストの定義を続ける際、鋳造幅１２
００ｍｍにおいてモデルを幅広と小幅とで切り替える。
【００５１】 モデル出力の統合およびテスト より小さい寸法で監視を容易に行うために、図２においてステップ３３で表さ
れる、監視システムは、ステップ２６から、モデルＰに対する、ステップ３２か
ら、前処理された（オンライン）データ入力Ｚに基づいて、以下の式Ｔ＝ＰTＺ
にしたがって、ベクトルＴを形成する数またはスコアを計算する。式中、 Ｐは、ＰＣＡからのモデル係数のマトリクス、 Ｚは、現行の観測においてモデル入力として使用される変数のベクトル、 Ｔは、モデル出力として生成されるスコアのベクトルである。
【００５２】 ＰＣＡを使用した結果、ベクトルＴのスコアは、既知の統計特性を有し、異常
発生の確率または尤度をテストするために使用することができる。ＰＣＡで典型
として、第１のスコアは、情報の大部分を含み、このため、一変量の統計テスト
、すなわち、ホテリング（Ｈｏｔｅｌｌｉｎｇ）Ｔテストを一変量分布に対して
使用することでそれ自身についてテストされる。この信号は、監視システムでは
ＨＴ１として示され、図３に示す主要表示画面の上から三分の一のところにある
真ん中の図として見ることができる。情報をさらに要約するために、移行の重要
なスコアを組み合わせて多変量統計を形成し、これを、多変量分布に適応される
別のホテリングＴテストを用いて、単一の多変量統計分布に対してテストする。
この信号は、本システムではＨＴ２として示され、図３に示す主要表示画面の上
から三分の一のところにある最も右側の図として見ることができる。
【００５３】 これらの２つのテストに加えて、観測についての平方予知エラー（ＳＰＥ：Ｓ
ｑｕａｒｅｄ Ｐｒｅｄｉｃｔｉｏｎ Ｅｒｒｏｒ）もまた計算され、既知の一
変量統計分布を基にテストされる。この信号は、本システムではＳＰＥとして示
され、図３に示す主要表示画面の上から三分の一のところにある最も左側の図と
して見ることができる。
【００５４】 要するに、オンライン監視システムは、ＰＣＡモデルパラメータ２６に基づい
て、スコア３３のベクトルを入力データ３１における多数の変数から生成する。
これらのスコアおよび他の内部モデル計算から、監視システムは、次に、一変量
および多変量要約統計を生成（ステップ３４）し、これをステップ３５において
、履歴データ２０を用いてモデル開発中に開発されたしきい値（ステップ２８）
に対してテストする。
【００５５】 警報論理 上述したステップ３５〜の検出結果は、警報画面に送られ、ステップ３６にお
いて、正常挙動の最小しきい値が当てはまるかどうかさらに処理する。検出結果
にはフィルタリング論理が適用され、警報の有効性が確保される。警報論理は、
警報が視覚的および／または聴覚的警告を発する前に存続していたかを決定する
。システムオペレータ画面上で何らかの警報表示がある前に、いずれの警報状態
が少なくとも５サンプル（２．５秒）持続している必要がある。
【００５６】 本システムは、「正常」から「ブレークアウトの可能性が高い」までの鋳造状
態の範囲の定量信号を与える。これは、必要であれば、鋳造プロセスについて最
大量の情報と、適切な動作を取るための最大量のリードタイムをオペレータに与
える。本システムを調整して、モデルの結果に基づいて、以下のように３つの具
体的な警報レベルを与える。すなわち、 レベル１：鋳造状態が正常である。本システムは、いずれの従前の警報条件を
クリアおよびリセットする。 レベル２：鋳造状態は、正常からはずれており、ブレークアウトの状態が起こ
りうる。モデル結果を表示する視覚表示装置６６画面の背景色が黄色に変わる。 レベル３：鋳造状態は大幅にはずれ、ブレークアウトの可能性が高い。本シス
テムは、聴覚的警報をオペレータに与え、鋳造状態が改善されるまで鋳造速度を
遅くするよう要求する。また、モデル結果を表示する視覚表示装置６６画面の背
景色が赤色に変わる。
【００５７】 情報の提示 本システムのオペレータ画面は、階層表示を有する。最高位は、図３に一例を
示すが、いくつかの動作パラメータにしたがってテスト統計ＨＴ１、ＨＴ２およ
びＳＰＥの図を含む。画面構成は、画面の上から三分の一のところで異なる線グ
ラフで描かれているようになっている。各グラフの上は、以下の図を参照して説
明するようにそれぞれの第２レベル画面に対するアクセスを与える選択領域であ
る。画面の下から三分の二は、専ら、モールドレベルセンサからの情報を線グラ
フの形態で表示し、モールドの外周の周りに対をなして分布される個々のモール
ド熱電対からの情報を棒グラフの形態で表示している。さらに、画面の最上部に
は、他のデータを数値的に表示している。これらのデータは、鋳造速度、撚り鎖
幅、モールドレベル、鋳造長さを含む。また、センサ信号の傾向図に対する直接
のアクセスを可能とする選択領域もある。
【００５８】 次の第２レベルの画面には、テスト統計ごとに診断画面、図４、図５および図
６が含まれ、モデルに対する入力として使用されるプロセス変数の寄与を示す。
寄与は、寄与のレベルおよび感度を示す着色された符号化された棒グラフの形態
で示される。画面構成は、モールド熱電対および縦方向の対同士の差がモールド
の模式図の外周の周りに分布されているようになっている。他の変数は、画面上
でグループ化され、編成された提示をもたらしている。
【００５９】 また、第２レベルの画面は、図３に示す第１レベルの警報画面に戻るための選
択領域も含む。プロセス変数の傾向図に対するアクセスを与えるように、選択領
域も含まれる。
【００６０】 続く第３レベル（図示せず）は、グループ化されていても個別であっても、プ
ロセス変数の時間トレースで構成される。
【００６１】 本システムは、簡単なグラフィカル方式で情報を提示する。最上位画面では、
図３に示すように、テスト統計のそれぞれが、コンピュータ画面の上から三分の
一のところにグラフィカル傾向図として表示される。これらの図は、統計の過去
値を示し、信号の進捗状況の表示を経時的に行っている。図は、１．０の値が個
々のしきい値と対応するように正規化されている。信号ＳＰＥ、ＨＴ１、ＨＴ２
それぞれについて、値が０〜０．８の間であれば、鋳造機の状態は正常であると
みなされる。値が０．８〜１．０の間に入っていれば、警報が発信され、図の背
景が黄色に変わる。値が１．０を越えると、図の背景が赤色に変わり、聴覚的な
警報メッセージが発信される。
【００６２】 警報の場合、モデルに質問する(interrogate)ことによって診断情報を拾い集
める(glean)ことができる。本発明によれば、ステップ３８において、３つのと
うけいそれぞれについて貢献図が生成される。これらの図は、第２レベルの画面
の階層を形成し、どのオリジナルプロセス変数が警告または警報状態に寄与して
いるかを示す。この情報はグラフィカルに表示され、感情を害する(offending)
統計の図を選択することによってアクセスされる。図４乃至図６は、ＨＴ１、Ｈ
Ｔ２およびＳＰＥの貢献図の例をそれぞれ示す。この情報は、差し迫っているブ
レークアウトの位置を分離し、異常状態の原因を決定する際に非常に助けとなる
。この情報を利用して、次のレベルの画面階層におけるオリジナル変数の適切な
傾向図をオペレータに指し示し、必要に応じて、鋳造機の速度を遅くすることに
より補正動作を取り、モールドから発したシェル亀裂の出現を回避する（ステッ
プ３９）。
【００６３】 また、本システムは、出力信号も自動的に生成し、典型的には、鋳造機の速度
を制御することによって警報状態を回避または緩和することもできる。
【００６４】
【産業上の利用可能性】
本プロセスの多変量モデルを用いた鋳造機ブレークアウト予測システムの実現
は、上述したプロセス測定値のコンピュータに対する利用可能性を要する。コン
ピュータを使用して、モデル出力および統計を計算し、これらをしきい値と比較
して出力を生成し、これを、ブレークアウトを回避するために回避的動作を取る
ために使用することができる。かかるシステムの一例およびこれを開発するため
に要するステップが図２に示される。
【００６５】 履歴データを用いることで、モデル開発がオフラインで行われる。また、この
開発中に警報しきい値も決定される（ステップ３０）。鋳造機をモニタする本シ
ステムは、上述のように開発されたモデルを使用して、警報しきい値に対して確
認される値を計算するとともに、適切な出力を生成する。
【００６６】 ＰＣＡモデルを開発するために、データマトリクスＸは、その各列が、観測、
すなわち、同一例のプロセス変数の値を一度に含むように構成される。これらの
観測は、正常動作の各種期間から取られる。次に、ＰＣＡを用いて、マトリクス
Ｘ、TＸを分解し、重要成分の数を決定する。鋳造速度およびスチールスラブ幅
を含む広域に亘る正常動作データを用いて、モデルを生成する。この結果得られ
たモデルは、重み付けのセットを与え、これを用いることで、多変量観測ごとに
主要な成分値が生成される。
【００６７】 オンライン実施において、多変量統計モデルベースのブレークアウト予測シス
テムは以下のように動作する。プロセス測定値を０．５秒ごとに読み取る。これ
らのおよび従前のプロセス測定値を使用することで、多変量統計モデルに対する
入力としてデータが使用される。モデル出力を用いて、統計を計算し、鋳造条件
の現状の定量的測定を行う。この結果は、連続傾向としてオペレータにグラフィ
ック表示される。これらの傾向は、図３に示すようにある期間に亘って鋳造条件
の現状について定量信号を与える。
【００６８】 多変量統計モデルベースのブレークアウト予測システムの別の特徴は、鋳造動
作に関する診断情報を与える性能である。本システムが、ブレークアウトの条件
が増えていることを検出すると、正常動作と最も異なるプロセス測定値（または
その組み合わせ）を表示するグラフィック情報を表示する。図４、図５および図
６は、３つのテスト統計のグラフィック診断表示を示す。これらの診断表示は、
図３に示す、適切なオプションを主要警報画面上で選択することによってアクセ
スされる。
【００６９】 また、本システムは出力信号も生成し、通常、鋳造機の速度を制御することに
よって、警報状態を自動的に回避または緩和することもできる。
【００７０】 添付の請求の範囲内で、本発明の上述した実施形態にいくつかの変更を加えて
もよいことが理解されよう。当業者であれば、本方法を連続鋳造機以外の動作に
適用可能であり、かかる用途には、主成分解析（ＰＣＡ）以外の多変量統計モデ
ルを好適であり、かつ連続鋳造機の動作の監視に適用する際、有意義なテスト統
計も適用し得ることが理解されよう。
【００７１】 さらに、連続鋳造機の監視は、ブレークアウトを防止するために補正動作を取
るために実行してもよいが、スチール組成等の入力パラメータを変更する効果の
分析を可能とするためにも実行可能であり、これにより不当な実験を行うことな
く該動作が実行可能であることが理解されよう。
【図面の簡単な説明】
【図１】 図１は、モデルベースの監視システムの典型的な実施を示すフローチャートで
ある。
【図２】 図２は、本発明に係る連続鋳造機に対するモデルベースの監視システムの適用
を示すフローチャートである。
【図３】 図３は、本発明に係るシステムの主要な監視画面の描写である。
【図４】 図４は、プロセス変数のどれが、本発明に係るＨＴ１テスト統計のレベルに寄
与しているかについての情報を提供する画面の描写である。
【図５】 図５は、プロセス変数のどれが、本発明に係るＨＴ２テスト統計のレベルに寄
与しているかについての情報を提供する画面の描写である。
【図６】 図６は、プロセス変数のどれが、ＳＰＥテスト統計のレベルに寄与しているか
についての情報を提供する画面の描写である。
【図７】 図７は、本発明に係るオンラインシステムの基本成分を示す模式図である。
【図８】 図８は、連続鋳造モールドの模式図であって、該モールドにおける熱電対の位
置を表示している。
【符号の説明】 ６０ 監視システム ６２ 鋳造プロセス ６４ 監視システムコンピュータ ６６ 可視表示 ６８ 可聴表示
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ０１Ｋ 7/02 Ｇ０１Ｋ 7/02 Ｅ Ｇ０５Ｂ 23/02 Ｇ０５Ｂ 23/02 Ｖ (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ， ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，Ｋ Ｅ，ＬＳ，ＭＷ，ＳＤ，ＳＬ，ＳＺ，ＵＧ，ＺＷ)，Ｅ Ａ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ ，ＴＭ)，ＡＥ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ， ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＤ，Ｇ Ｅ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ，ＩＮ，ＩＳ ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ， ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，Ｍ Ｎ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ， ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ，ＹＵ，Ｚ Ａ，ＺＷ (72)発明者 ムタ， ラジェンドラ， ケイ． アメリカ合衆国 テキサス 77077， ヒ ューストン， エンクレイヴ パークウエ イ 1602， アパートメント 1504 Ｆターム(参考） 2F056 CL13 4E004 MC05 MC11 NC01 5H223 AA01 BB02 BB05 BB06 BB10 EE06 FF05

Claims (53)

    【特許請求の範囲】
  1. 【請求項１】 所定の鋳造機速度で動作する連続鋳造機の動作を監視する方
    法であって、 プロセスパラメータのオフライン測定値（２２）を獲得する工程と、 前記プロセスパラメータのオフライン測定値から訓練データ（２４）を選択し
    て、連続鋳造機（２４）の正常動作を表現する工程と、 前記訓練データ（２４）からの入力により、前記連続鋳造機の正常動作に対応
    する多変量統計モデル（２６）の展開工程と、 前記多変量統計モデル（２６）および前記プロセスパラメータのオフライン測
    定値（２２）からの検出しきい値（２８）の生成工程と、 前記連続鋳造機の動作中にプロセスパラメータのオンライン測定値（３１）を
    獲得する工程と、 前記オフライン多変量統計モデル（２６）にしたがって、前記オンラインプロ
    セスパラメータ（３１）が前記連続鋳造機の正常動作と一致するかを決定する工
    程と、 を含み、 前記多変量統計モデル（２６）を使用して、前記オンラインプロセスパラメー
    タ（３１）からの入力によりスコアの出力ベクトル（３３）を計算し、 前記スコアの１つについて少なくとも１つの一変量テスト統計を、および選択
    された数の前記スコアについて多変量テスト統計を計算することを含む、前記ス
    コアのベクトルからテスト統計を計算（３４）し、 前記少なくとも１つの一変量テスト統計および多変量テスト統計を前記検出し
    きい値（２８）と比較（３５）して、前記連続鋳造機が正常に動作しているか、
    さらに鋳造機速度を制御する修正策（３９）が必要であるかを表示する検出信号
    を生成することを特徴とする、 方法。
  2. 【請求項２】 前記多変量統計モデルは、主成分解析（ＰＣＡ）モデルであ
    る、請求項１記載の方法。
  3. 【請求項３】 前記少なくとも１つの一変量テスト統計は、平方予知エラー
    （ＳＰＥ）とホテリングＴからなる群から選択される、請求項１記載の方法。
  4. 【請求項４】 前記多変量テスト統計はホテリングＴである、請求項１記載
    の方法。
  5. 【請求項５】 前記スコアの出力ベクトル（３３）は統計的に有意な第１の
    スコアを含み、ホテリングＴ多変量テスト統計は前記第１のスコアから計算され
    る、請求項２記載の方法。
  6. 【請求項６】 前記スコアの出力ベクトル（３３）は、ｎ個の有意成分に限
    定され、ホテリングＴ多変量テスト統計は（ｎ−１）個のスコアから計算される
    、請求項２記載の方法。
  7. 【請求項７】 前記スコアの出力ベクトル（３３）は、前記訓練データ（２
    ４）の少なくとも８０％変動を説明するのに十分な多数の成分ｎに限定される、
    請求項１記載の方法。
  8. 【請求項８】 前記プロセスパラメータ（２０）は、モールド幅と、モール
    ド熱電対示度と、モールドレベルと、鋳造機速度と、モールド冷却水流と、モー
    ルド冷却水温差と、モールドレベル制御作動の尺度と、を含む、請求項１記載の
    方法。
  9. 【請求項９】 前記モールド温度熱電対示度は、第１の所定高さにおいて、
    連続鋳造機モールド（５０）の幅と長さに沿って間隔を開けて配置される熱電対
    （５４）から取られることで上部リングを画定し、第２の所定高さにおいて取ら
    れることで下部リングを画定し、前記上部リングと下部リングは、連続鋳造機の
    鋳造方向（５２）で縦方向に間隔を開けて配置される、請求項８記載の方法。
  10. 【請求項１０】 前記プロセスパラメータ（２０）は、前記上部リングと下
    部リングにおいてそれぞれ縦方向に間隔を開けた熱電対（５４）の対の温度差を
    さらに含む、請求項９記載の方法。
  11. 【請求項１１】 前記プロセスパラメータ（２０）は、前記熱電対の過去の
    示度をさらに含む、請求項８記載の方法。
  12. 【請求項１２】 前記プロセスパラメータ（２０）は、前記鋳造機速度の過
    去の示度をさらに含む、請求項８記載の方法。
  13. 【請求項１３】 前記鋳造機速度の過去の示度は、５個の連続サンプルから
    取られる測定値と、７個前のサンプルから取られる鋳造機速度と、１０個前のサ
    ンプルから取られる鋳造機速度と、を含む、請求項１２記載の方法。
  14. 【請求項１４】 前記モールドレベル制御作動の尺度は、ホットメタルのタ
    ンディッシュからモールドへの流し込みを制御するための制御弁の測定位置と前
    記制御弁の予測位置の比から計算される、請求項８記載の方法。
  15. 【請求項１５】 前記プロセスパラメータ（２０）は、モールド発振周波数
    、タンディッシュ重量およびタンディッシュ温度の群から選択される変数をさら
    に含む、請求項８記載の方法。
  16. 【請求項１６】 前記プロセスパラメータの測定値（２２，３１）は、１秒
    あたり１回以上のレートでサンプリングされる、請求項１記載の方法。
  17. 【請求項１７】 前記プロセスパラメータの測定値（２２，３１）は、１秒
    あたり２回以上のレートでサンプリングされる、請求項１６記載の方法。
  18. 【請求項１８】 オフラインプロセスパラメータの測定値は、前記連続鋳造
    機の正常動作と異常動作の時間に類別され、訓練データセット（２４）は、前記
    連続鋳造機の正常動作の時間中に取られる前記測定値から選択され、 上部と下部のモールド熱電対示度間に少なくとも１０℃の温度間隔があり、 前記上部と下部の熱電対示度からそれぞれ＋／−１０℃の一定温度があり、 ＋／−５ｍｍの安定モールドレベル制御がある、請求項９記載の方法。
  19. 【請求項１９】 前記訓練データセットは、少なくとも６０秒間持続する連
    続鋳造機の正常動作の時間に対応する、請求項１８記載の方法。
  20. 【請求項２０】 前記訓練データセットは、少なくとも１５０秒間持続する
    連続鋳造機の正常動作の時間に対応する、請求項１８記載の方法。
  21. 【請求項２１】 訓練データセットをいくつかつなぎ合わせる（２４）こと
    で、前記多変量統計モデルの展開のために大量の入力データのマトリクスを構成
    する、請求項１８記載の方法。
  22. 【請求項２２】 前記検出しきい値（２８）を選択して、すべてのテスト統
    計について２％以下の長期警報率を生成する、請求項１記載の方法。
  23. 【請求項２３】 熱電対示度、モールド冷却水流およびモールド冷却水温差
    の選択されたオンライン測定値をフィルタリング（３２）して、示度のズレを補
    正する、請求項１記載の方法。
  24. 【請求項２４】 フィルタリング（３２）は、指数重み付け移動平均、すな
    わちＥＷＭＡフィルタを採用して行われ、熱電対示度の平均を動的に計算する、
    請求項２３記載の方法。
  25. 【請求項２５】 適切なモデルパラメータをゼロに調整し、かつ残りのパラ
    メータを比例的に増減させることによって、任意の識別された紛失オンラインプ
    ロセスパラメータ（３１）にタグ付けし、補正して（３２）有効出力を提供する
    、請求項１記載の方法。
  26. 【請求項２６】 紛失オンラインプロセスパラメータは、故障した熱電対か
    らの測定値を含む、請求項２５記載の方法。
  27. 【請求項２７】 多変量統計モデルは、予め定義された鋳造幅範囲を有する
    連続鋳造機の正常動作にそれぞれが対応する訓練データセットからそれぞれ展開
    される、請求項１記載の方法。
  28. 【請求項２８】 前記連続鋳造機の異常動作にともない、かつプロセスパラ
    メータのオンライン測定値の所定の最小数のサンプルで存続する検出信号は、警
    報（３６）を誘発する、請求項１記載の方法。
  29. 【請求項２９】 前記警報は視覚的警報（３７）である、請求項２８記載の
    方法。
  30. 【請求項３０】 前記警報は可聴警報（３７）である、請求項２８記載の方
    法。
  31. 【請求項３１】 前記テスト統計は、グラフィカル表示される（３８）、請
    求項１記載の方法。
  32. 【請求項３２】 前記テスト統計のグラフィカル表示は、オンラインプロセ
    スパラメータが前記連続鋳造機の正常動作と一致するか否かを表示する貢献図の
    診断的グラフィカル表示をともなう、請求項３１記載の方法。
  33. 【請求項３３】 連続鋳造動作についての診断情報を提供するための、請求
    項１乃至３２のいずれか１項に記載の方法の使用。
  34. 【請求項３４】 連続鋳造機について前記所定の鋳造機速度を制御し、かつ
    凝固した金属シェルを通って溶融金属が亀裂を生じるブレークアウトを回避する
    ための、請求項１乃至３２のいずれか１項に記載の方法の使用。
  35. 【請求項３５】 所定の鋳造機速度で動作する連続鋳造機の動作を監視する
    システム（６０）であって、 連続鋳造機（２４）の正常動作を表現するために選択されたプロセスパラメー
    タのオフライン測定値（２２）を獲得し、かつ訓練データマトリクスＸを作成す
    るデータ集積装置と、 マトリクスＸTＸを分解し、選択した数の有意成分を決定して、前記連続鋳造
    機の正常動作に対応する多変量統計モデル（２６）を画定する計算装置と、 前記多変量統計モデル（２６）およびプロセスパラメータのオフライン測定値
    （２２）から検出しきい値（２８）を生成する計算装置と、 前記連続鋳造機の動作中にプロセスパラメータのオンライン測定値を獲得し、
    かつリアルタイム入力データベクトルＺを作成するデータ集積装置と、 前記多変量統計モデルおよび前記入力データベクトルＺを用いて、スコアの出
    力ベクトルＴを計算する計算装置と、 前記スコアの１つについて少なくとも１つの一変量テスト統計を、および選択
    された数の前記スコアについて多変量テスト統計を計算することを含む、前記ス
    コアのベクトルＴからテスト統計を計算する計算装置と、 前記一変量テスト統計および多変量テスト統計を前記検出しきい値（２８）と
    比較（３５）して、検出信号を生成する計算装置と、 前記検出信号と関連し、前記連続鋳造機の異常動作を知らせる表示手段と、 を備える、システム（６０）。
  36. 【請求項３６】 前記多変量統計モデルは、主成分解析（ＰＣＡ）モデルで
    ある、請求項３５記載のシステム（６０）。
  37. 【請求項３７】 前記少なくとも１つの一変量テスト統計は、平方予知エラ
    ー（ＳＰＥ）とホテリングＴからなる群から選択される、請求項３６記載のシス
    テム（６０）。
  38. 【請求項３８】 前記多変量テスト統計はホテリングＴである、請求項３６
    記載のシステム（６０）。
  39. 【請求項３９】 前記データ集積装置は、過去の示度を用いて遅れパラメー
    タ値を計算する計算装置を含む、請求項３５記載のシステム（６０）。
  40. 【請求項４０】 前記データ集積装置は、１秒あたり１回以上のレートでプ
    ロセスパラメータの測定値をサンプリングするように構成される、請求項３５記
    載のシステム（６０）。
  41. 【請求項４１】 前記データ集積装置は、１秒あたり２回以上のレートでプ
    ロセスパラメータの測定値をサンプリングするように構成される、請求項３５記
    載のシステム（６０）。
  42. 【請求項４２】 前記プロセスパラメータのオフライン測定値を正常動作と
    異常動作の時間に区分し、連続鋳造機の正常動作と一致する予め定義された基準
    にしたがって訓練データセットを作成する計算装置を有する、請求項３５記載の
    システム（６０）。
  43. 【請求項４３】 訓練データセットをいくつかつなぎ合わせることで、大量
    の入力データＸのマトリクスを構成する計算装置を含む、請求項４２記載のシス
    テム（６０）。
  44. 【請求項４４】 オンラインプロセスパラメータを集積する前記データ集積
    装置は、選択されたプロセスパラメータからの示度のズレを補正するフィルタリ
    ング装置と関連する、請求項３５記載のシステム（６０）。
  45. 【請求項４５】 前記リアルタイム入力データベクトルＺから紛失した所定
    のオンラインプロセスパラメータをタグ付けして、ベクトルＺの前記紛失した測
    定値を補正するデータマーキングツールを有する、請求項３５記載のシステム（
    ６０）。
  46. 【請求項４６】 予め定義された鋳造幅範囲に対応し、前記予め定義された
    鋳造幅範囲と関連する多変量統計モデルを選択するように構成される開始手段を
    有する、請求項３５記載のシステム（６０）。
  47. 【請求項４７】 前記検出信号により誘発され、前記連続鋳造機の異常動作
    が発生していることを表示する警報（６６，６８）を有する、請求項３５記載の
    システム（６０）。
  48. 【請求項４８】 前記警報は、その背景色が前記検出信号の程度に応じて変
    化するように構成される視覚表示画面（６６）を備える視覚的警報である、請求
    項４７記載のシステム（６０）。
  49. 【請求項４９】 可聴警報装置（６８）を有する、請求項４７記載のシステ
    ム（６０）。
  50. 【請求項５０】 前記テスト統計を表示する視覚表示画面（６６）を有する
    、請求項３５記載のシステム（６０）。
  51. 【請求項５１】 前記視覚表示画面（６６）は、それぞれの統計テストと関
    連する貢献図を表示するように構成される、請求項５０記載のシステム（６０）
    。
  52. 【請求項５２】 前記視覚表示画面（６６）は、オンラインプロセスパラメ
    ータの時間トレースを表示するように構成される、請求項５０記載のシステム（
    ６０）。
  53. 【請求項５３】 前記検出信号と動作可能に接続され、前記所定の鋳造機速
    度を自動調整する制御手段を有する、請求項３５記載のシステム（６０）。
JP2000560993A 1998-07-21 1999-07-20 連続鋳造機の動作を監視して切迫したブレークアウトの発生を検出する多変量（ｍｕｌｔｉｖａｒｉａｔｅ）統計的モデルベースのシステム Pending JP2002521201A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US9358398P 1998-07-21 1998-07-21
US60/093,583 1998-07-21
PCT/CA1999/000647 WO2000005013A1 (en) 1998-07-21 1999-07-20 Multivariate statistical model-based system for monitoring the operation of a continuous caster and detecting the onset of impending breakouts

Publications (1)

Publication Number Publication Date
JP2002521201A true JP2002521201A (ja) 2002-07-16

Family

ID=22239727

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000560993A Pending JP2002521201A (ja) 1998-07-21 1999-07-20 連続鋳造機の動作を監視して切迫したブレークアウトの発生を検出する多変量（ｍｕｌｔｉｖａｒｉａｔｅ）統計的モデルベースのシステム

Country Status (9)

Country Link
US (1) US6564119B1 (ja)
EP (1) EP1021263B1 (ja)
JP (1) JP2002521201A (ja)
AT (1) ATE281260T1 (ja)
AU (1) AU747265B2 (ja)
CA (1) CA2301829C (ja)
DE (1) DE69921602T2 (ja)
MX (1) MXPA00002784A (ja)
WO (1) WO2000005013A1 (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008512792A (ja) * 2004-09-10 2008-04-24 エクソンモービル リサーチ アンド エンジニアリング カンパニー 連続工業プロセスの運転における異常事象検出のための装置および方法
JP2008512801A (ja) * 2004-09-10 2008-04-24 エクソンモービル リサーチ アンド エンジニアリング カンパニー 異常事象検知技術の水素化分解装置への適用
JP2008512800A (ja) * 2004-09-10 2008-04-24 エクソンモービル リサーチ アンド エンジニアリング カンパニー 流動接触分解ユニットへの異常事象検知技術の適用
JP2008512791A (ja) * 2004-09-10 2008-04-24 エクソンモービル リサーチ アンド エンジニアリング カンパニー オレフィン回収トレインへの異常事象検知技術の適用
JP2011522704A (ja) * 2008-06-13 2011-08-04 エスエムエス・ジーマーク・アクチエンゲゼルシャフト 連続鋳造時に縦割れの発生を予測するための方法
KR20170048843A (ko) * 2015-10-27 2017-05-10 삼성에스디에스 주식회사 센서 데이터를 이용한 이상 감지 장치 및 방법
JP2018010608A (ja) * 2016-07-13 2018-01-18 横河電機株式会社 制御システム用のコンテキストベースのオペレータ支援の方法およびシステム
WO2018229870A1 (ja) * 2017-06-13 2018-12-20 三菱電機株式会社 工具寿命検出装置および工具寿命検出方法
JP2019179395A (ja) * 2018-03-30 2019-10-17 オムロン株式会社 異常検知システム、サポート装置および異常検知方法
WO2025069984A1 (ja) * 2023-09-27 2025-04-03 Ｊｆｅスチール株式会社 ブレークアウト予知方法及び連続鋳造機の操業方法

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7433743B2 (en) * 2001-05-25 2008-10-07 Imperial College Innovations, Ltd. Process control using co-ordinate space
JP2004047885A (ja) * 2002-07-15 2004-02-12 Matsushita Electric Ind Co Ltd 半導体製造装置のモニタリングシステム及びモニタリング方法
CA2414167A1 (en) * 2002-12-12 2004-06-12 Dofasco Inc. Method and online system for monitoring continuous caster start-up operation and predicting start cast breakouts
WO2004105101A2 (en) * 2003-05-16 2004-12-02 Tokyo Electron Limited A process system health index and method of using the same
US7729789B2 (en) * 2004-05-04 2010-06-01 Fisher-Rosemount Systems, Inc. Process plant monitoring based on multivariate statistical analysis and on-line process simulation
US7799273B2 (en) 2004-05-06 2010-09-21 Smp Logic Systems Llc Manufacturing execution system for validation, quality and risk assessment and monitoring of pharmaceutical manufacturing processes
US7444197B2 (en) 2004-05-06 2008-10-28 Smp Logic Systems Llc Methods, systems, and software program for validation and monitoring of pharmaceutical manufacturing processes
US6885907B1 (en) * 2004-05-27 2005-04-26 Dofasco Inc. Real-time system and method of monitoring transient operations in continuous casting process for breakout prevention
CA2469975C (en) * 2004-06-04 2013-09-17 Falconbridge Limited System and method for furnace monitoring and control
US20060047351A1 (en) * 2004-08-27 2006-03-02 Alan Hugo Process controller output and alarm setting evaluation
CN102393735B (zh) * 2005-04-04 2014-07-09 费舍-柔斯芒特系统股份有限公司 一种用于处理加工厂中收集的与过程参数有关的数据的方法
EP1907908A2 (en) * 2005-07-07 2008-04-09 MKS Instruments, Inc. Self-correcting multivariate analysis for use in monitoring dynamic parameters in process environments
CN100402190C (zh) * 2005-11-03 2008-07-16 上海梅山钢铁股份有限公司 一种连铸坯表面目标温度监控分析方法及其装置
DE102006002602A1 (de) 2006-01-13 2007-07-19 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Kalibrierungsverfahren und Kalibrierungssystem
US7818276B2 (en) * 2006-02-03 2010-10-19 Recherche 2000 Inc. Intelligent monitoring system and method for building predictive models and detecting anomalies
US7761172B2 (en) * 2006-03-21 2010-07-20 Exxonmobil Research And Engineering Company Application of abnormal event detection (AED) technology to polymers
US7720641B2 (en) * 2006-04-21 2010-05-18 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to delayed coking unit
US8014880B2 (en) * 2006-09-29 2011-09-06 Fisher-Rosemount Systems, Inc. On-line multivariate analysis in a distributed process control system
WO2008042758A2 (en) * 2006-09-29 2008-04-10 Fisher-Rosemount Systems, Inc. Multivariate monitoring and diagnostics of process variable data
WO2008042739A2 (en) * 2006-09-29 2008-04-10 Fisher-Rosemount Systems, Inc. On-line monitoring and diagnostics of a process using multivariate statistical analysis
WO2008133715A2 (en) * 2006-11-03 2008-11-06 Air Products And Chemicals, Inc. System and method for process monitoring
US7680553B2 (en) * 2007-03-08 2010-03-16 Smp Logic Systems Llc Methods of interfacing nanomaterials for the monitoring and execution of pharmaceutical manufacturing processes
WO2008137544A1 (en) 2007-05-02 2008-11-13 Mks Instruments, Inc. Automated model building and model updating
CN101332499B (zh) * 2007-06-28 2011-01-19 上海梅山钢铁股份有限公司 一种板坯连铸漏钢预报控制方法
WO2009012354A1 (en) * 2007-07-17 2009-01-22 Clemson University System and method to assess signal similarity with applications to diagnostics and prognostics
CN101344460B (zh) * 2007-08-10 2010-05-19 上海海事大学 水下机器人传感器故障诊断方法及系统
US20090149981A1 (en) * 2007-08-14 2009-06-11 Wayne Errol Evans System and methods for continuous, online monitoring of a chemical plant or refinery
GB0717991D0 (en) * 2007-09-15 2007-10-24 Curvaceous Software Ltd Multi-variable operations
US8494798B2 (en) * 2008-09-02 2013-07-23 Mks Instruments, Inc. Automated model building and batch model building for a manufacturing process, process monitoring, and fault detection
US8090676B2 (en) * 2008-09-11 2012-01-03 Honeywell International Inc. Systems and methods for real time classification and performance monitoring of batch processes
CN102216003A (zh) * 2008-11-04 2011-10-12 Sms西马格股份公司 用于在起动铸造过程时控制铸坯铸造设备中的铸坯的凝固的方法和装置
WO2010075166A1 (en) 2008-12-23 2010-07-01 Shell Oil Company System and method for monitoring an industrial production process
US9069345B2 (en) * 2009-01-23 2015-06-30 Mks Instruments, Inc. Controlling a manufacturing process with a multivariate model
AU2011207344B2 (en) * 2010-01-21 2015-05-21 Asthma Signals, Inc. Early warning method and system for chronic disease management
TWI405627B (zh) * 2010-05-07 2013-08-21 China Steel Corp Casting abnormal monitoring method
US8862250B2 (en) 2010-05-07 2014-10-14 Exxonmobil Research And Engineering Company Integrated expert system for identifying abnormal events in an industrial plant
EP2453330A1 (de) * 2010-11-13 2012-05-16 ABB Technology AG Intelligente Visualisierung der Überwachung von Prozess- und/oder Anlagegrössen
US8855804B2 (en) 2010-11-16 2014-10-07 Mks Instruments, Inc. Controlling a discrete-type manufacturing process with a multivariate model
US9541471B2 (en) 2012-04-06 2017-01-10 Mks Instruments, Inc. Multivariate prediction of a batch manufacturing process
US9429939B2 (en) 2012-04-06 2016-08-30 Mks Instruments, Inc. Multivariate monitoring of a batch manufacturing process
CN103984324B (zh) * 2014-05-26 2017-01-18 中冶南方工程技术有限公司 一种基于启发式算法簇的炼钢连铸动态调度方法
FR3023628A1 (fr) 2014-07-10 2016-01-15 Airbus Helicopters Procede et systeme de fusion d'indicateurs de surveillance d'un dispositif
WO2016116896A1 (en) * 2015-01-24 2016-07-28 Abb Technology Ltd. A method for controlling a process plant using transition data
US10228685B2 (en) * 2015-10-22 2019-03-12 Globalfoundries Inc. Use of multivariate models to control manufacturing operations
JP7009438B2 (ja) * 2016-07-07 2022-01-25 アスペン テクノロジー インコーポレイテッド 時系列パターンモデルを用いて主要パフォーマンス指標（ｋｐｉ）を監視するコンピュータシステム及び方法
US10712733B2 (en) * 2016-12-12 2020-07-14 Mitsubishi Electric Research Laboratories, Inc. Methods and systems for discovery of prognostic subsequences in time series
CN109570464B (zh) * 2019-01-21 2019-10-18 中南大学 一种模拟薄带连铸结晶器初始凝固的装置及方法
CN113319259B (zh) * 2021-06-07 2022-09-20 东北电力大学 一种基于空间-时序特征的黏结漏钢逻辑判断方法
CN114871395B (zh) * 2022-04-20 2024-04-02 河北敬业高品钢科技有限公司 薄带连铸中设备参数的控制方法及装置
CN116449788A (zh) * 2023-05-30 2023-07-18 湖南科技大学 一种钢厂铸坯生产过程故障检测与产能优化的方法
CN116944446B (zh) * 2023-07-27 2024-02-09 常州润来科技有限公司 一种水平连铸铜管坯工艺参数异常监测方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3478808A (en) * 1964-10-08 1969-11-18 Bunker Ramo Method of continuously casting steel
US4235276A (en) * 1979-04-16 1980-11-25 Bethlehem Steel Corporation Method and apparatus for controlling caster heat removal by varying casting speed
JPS6054138B2 (ja) * 1981-01-08 1985-11-28 新日本製鐵株式会社 連続鋳造鋳型における鋳造鋼の介在物検出方法
US4949777A (en) * 1987-10-02 1990-08-21 Kawasaki Steel Corp. Process of and apparatus for continuous casting with detection of possibility of break out
US5020585A (en) 1989-03-20 1991-06-04 Inland Steel Company Break-out detection in continuous casting
JPH04238662A (ja) * 1991-01-09 1992-08-26 Toshiba Mach Co Ltd ダイカストマシンの鋳造データ表示方法
US5257206A (en) * 1991-04-08 1993-10-26 Praxair Technology, Inc. Statistical process control for air separation process
DE4338607B4 (de) 1993-11-11 2005-10-06 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
SE9304246L (sv) * 1993-12-22 1995-06-23 Asea Brown Boveri Förfarande vid övervakning av multivariata processer
JP3035688B2 (ja) * 1993-12-24 2000-04-24 トピー工業株式会社 連続鋳造におけるブレークアウト予知システム
US5659667A (en) 1995-01-17 1997-08-19 The Regents Of The University Of California Office Of Technology Transfer Adaptive model predictive process control using neural networks
CA2217156C (en) 1995-04-03 2006-11-14 Siemens Aktiengesellschaft Device for early detection of break-outs during continuous casting
US5859964A (en) * 1996-10-25 1999-01-12 Advanced Micro Devices, Inc. System and method for performing real time data acquisition, process modeling and fault detection of wafer fabrication processes
US5819258A (en) 1997-03-07 1998-10-06 Digital Equipment Corporation Method and apparatus for automatically generating hierarchical categories from large document collections
DE19718262A1 (de) * 1997-04-30 1998-11-05 Schenck Panel Production Syste Verfahren und System zur Generierung eines Prozeßmodells eines technischen Problems
DE19725433C1 (de) * 1997-06-16 1999-01-21 Schloemann Siemag Ag Verfahren und Vorrichtung zur Durchbruchfrüherkennung beim Stranggießen von Stahl mit einer oszillierenden Kokille

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008512792A (ja) * 2004-09-10 2008-04-24 エクソンモービル リサーチ アンド エンジニアリング カンパニー 連続工業プロセスの運転における異常事象検出のための装置および方法
JP2008512801A (ja) * 2004-09-10 2008-04-24 エクソンモービル リサーチ アンド エンジニアリング カンパニー 異常事象検知技術の水素化分解装置への適用
JP2008512800A (ja) * 2004-09-10 2008-04-24 エクソンモービル リサーチ アンド エンジニアリング カンパニー 流動接触分解ユニットへの異常事象検知技術の適用
JP2008512791A (ja) * 2004-09-10 2008-04-24 エクソンモービル リサーチ アンド エンジニアリング カンパニー オレフィン回収トレインへの異常事象検知技術の適用
JP2011522704A (ja) * 2008-06-13 2011-08-04 エスエムエス・ジーマーク・アクチエンゲゼルシャフト 連続鋳造時に縦割れの発生を予測するための方法
KR101275035B1 (ko) 2008-06-13 2013-06-17 에스엠에스 지마크 악티엔게젤샤프트 연속 주조에서 길이방향 크랙의 발생을 예측하기 위한 방법
KR20170048843A (ko) * 2015-10-27 2017-05-10 삼성에스디에스 주식회사 센서 데이터를 이용한 이상 감지 장치 및 방법
KR102384742B1 (ko) * 2015-10-27 2022-04-07 삼성에스디에스 주식회사 센서 데이터를 이용한 이상 감지 장치 및 방법
JP2018010608A (ja) * 2016-07-13 2018-01-18 横河電機株式会社 制御システム用のコンテキストベースのオペレータ支援の方法およびシステム
WO2018229870A1 (ja) * 2017-06-13 2018-12-20 三菱電機株式会社 工具寿命検出装置および工具寿命検出方法
JPWO2018229870A1 (ja) * 2017-06-13 2020-01-09 三菱電機株式会社 工具寿命検出装置および工具寿命検出方法
JP2019179395A (ja) * 2018-03-30 2019-10-17 オムロン株式会社 異常検知システム、サポート装置および異常検知方法
WO2025069984A1 (ja) * 2023-09-27 2025-04-03 Ｊｆｅスチール株式会社 ブレークアウト予知方法及び連続鋳造機の操業方法
JP7704314B1 (ja) 2023-09-27 2025-07-08 Ｊｆｅスチール株式会社 ブレークアウト予知方法及び連続鋳造機の操業方法

Also Published As

Publication number Publication date
US6564119B1 (en) 2003-05-13
EP1021263A1 (en) 2000-07-26
DE69921602D1 (de) 2004-12-09
CA2301829A1 (en) 2000-02-03
CA2301829C (en) 2008-07-08
WO2000005013A1 (en) 2000-02-03
DE69921602T2 (de) 2005-12-01
ATE281260T1 (de) 2004-11-15
MXPA00002784A (es) 2005-08-16
AU4597899A (en) 2000-02-14
EP1021263B1 (en) 2004-11-03
AU747265B2 (en) 2002-05-09

Similar Documents

Publication Publication Date Title
JP2002521201A (ja) 連続鋳造機の動作を監視して切迫したブレークアウトの発生を検出する多変量（ｍｕｌｔｉｖａｒｉａｔｅ）統計的モデルベースのシステム
EP1428598B1 (en) Method and online system for monitoring continuous caster start-up operation and predicting start cast breakouts
JP5169096B2 (ja) 品質予測装置、品質予測方法及び製品の製造方法
US20170132910A1 (en) Method, apparatus, and system for monitoring manufacturing equipment
US11740592B2 (en) Control method, control apparatus, mechanical equipment, and recording medium
CA2497489A1 (en) Real-time system and method of monitoring transient operations in continuous casting process for breakout prevention
CN109365769A (zh) 一种基于混合模型判断的结晶器漏钢预报方法
Liu et al. Computer vision detection of mold breakout in slab continuous casting using an optimized neural network
CN102151814B (zh) 连铸生产中的粘结报警方法和系统
JP2020154720A (ja) 学習データ生成装置および学習データ生成方法
JP6536384B2 (ja) 状態推定方法、湯面レベル制御方法、プログラム及び状態推定装置
CN112001596A (zh) 一种时间序列数据异常点检测方法及系统
EP4078315A1 (en) Device and method for monitoring a system
CN108705058B (zh) 一种基于K-Means聚类预报结晶器漏钢的方法
Watzinger et al. MoldExpert–operational experience and future development
JPH11161327A (ja) プロセスの異常診断方法及び装置
JP6686947B2 (ja) 高炉炉況状態判定装置及び高炉の操業方法
JP2023115740A (ja) 異常検知装置、異常検知方法およびプログラム
David et al. Heuristic modeling of casting processes under the conditions uncertainty
KR101840419B1 (ko) 조질압연기 및 형상교정기 설비장애 예지 정비 시스템 및 방법
Normanton et al. Developments in online surface and internal quality forecasting of continuously cast semis
JP7232028B2 (ja) 運転監視装置および方法
JP7189859B2 (ja) プラント運転支援システム
JP2001287001A (ja) 連続鋳造設備におけるブレークアウト予知方法及びブレークアウト予知システム
Haapamäki et al. Data Mining Methods in Hot Steel Rolling for Scale Defect Prediction.

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060719

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20081211

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090107

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20090406

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20090413

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20090701