JP7035731B2

JP7035731B2 - Predictive model generator, processing lot creation device, prediction model generation method, processing lot creation method, and program

Info

Publication number: JP7035731B2
Application number: JP2018068874A
Authority: JP
Inventors: 幾太郎森田; 優人枚田; 巧足立
Original assignee: Nippon Steel Corp
Current assignee: Nippon Steel Corp
Priority date: 2018-03-30
Filing date: 2018-03-30
Publication date: 2022-03-15
Anticipated expiration: 2038-03-30
Also published as: JP2019179442A

Description

本発明は、予測モデル生成装置、処理ロット作成装置、予測モデル生成方法、処理ロット作成方法、およびプログラムに関する。 The present invention relates to a predictive model generation device, a processing lot creation device, a prediction model generation method, a processing lot creation method, and a program.

鉄鋼業、半導体製造などの製造業では、製品を製造する際に、製造ロットを単位として材料を処理することが多くある。製造ロットは、製造工程の材料を経済的、効率的な観点から適切な規模にグループ化したものであり、同じ製造ロットに割り当てられた材料については連続して、または一括して製造工程の処理が実施される。具体的には、製造ロットは、例えば品質のばらつき低減、製造設備の準備作業削減による生産性向上やコスト削減の観点から、処理優先順や仕掛在庫量などの要素も考慮して決定される。また、同様に出荷などの製造以外の工程においても、搬送効率や処理優先順や仕掛在庫量などの要素を考慮してロットが決定される。そこで、以下では、製造工程において処理されるロットと製造工程以外の工程において処理されるロットを、まとめて処理ロットと呼ぶ。また、以下では、工程で処理される材料そのもの、あるいは、処理ロットを作成する際の最小単位にまとめたものを材料単位と呼ぶ。 In manufacturing industries such as steel industry and semiconductor manufacturing, when manufacturing products, materials are often processed in units of production lots. A production lot is a grouping of materials in the production process to an appropriate scale from an economical and efficient point of view, and the materials assigned to the same production lot are processed continuously or collectively in the production process. Is carried out. Specifically, the production lot is determined in consideration of factors such as processing priority and work-in-process inventory from the viewpoint of reducing quality variation, improving productivity by reducing preparatory work for manufacturing equipment, and reducing costs. Similarly, in processes other than manufacturing such as shipping, lots are determined in consideration of factors such as transport efficiency, processing priority order, and in-process inventory amount. Therefore, in the following, the lot processed in the manufacturing process and the lot processed in the process other than the manufacturing process are collectively referred to as a processing lot. Further, in the following, the material itself to be processed in the process or the minimum unit for producing a processing lot is referred to as a material unit.

上記のような処理ロットの決定にあたっては様々な要素を考慮する必要があるため、処理ロットを決定するための工程にかかる人手や時間も無視できない。そこで、処理ロットを自動的に決定する技術が提案されている。例えば、特許文献１には、鉄鋼業の連続鋳造プロセスにおいて自動的に処理ロット（キャスト）を決定するキャスト編成方法が記載されている。この方法では、鋳造する予定の仮スラブについて、製造の優先度、その他予めマスタ情報として登録された制約条件に基づいてキャストを決定する。 Since it is necessary to consider various factors when determining the processing lot as described above, the manpower and time required for the process for determining the processing lot cannot be ignored. Therefore, a technique for automatically determining a processing lot has been proposed. For example, Patent Document 1 describes a cast knitting method for automatically determining a processing lot (cast) in a continuous casting process of the steel industry. In this method, the cast of the temporary slab to be cast is determined based on the manufacturing priority and other constraints registered in advance as master information.

特開２０１５－３７８０６号公報Japanese Unexamined Patent Publication No. 2015-37806

上記の特許文献１の方法では、マスタ情報として登録された制約条件に基づく判断手順が予め決定されている。つまり、制約条件は、予め判断手順を定めた上で登録しなければならない。新規の制約条件を追加する場合には、その条件をマスタ情報と判断手順とによって表現し、さらに既存の制約条件との整合性をとらなければならない。従って、上記の特許文献１の技術は、制約条件が複雑になった場合にデータのメンテナンス工程が煩雑化するという点では、必ずしも利便性が高いものとはいえない。 In the method of Patent Document 1 described above, a determination procedure based on the constraint conditions registered as master information is determined in advance. That is, the constraint condition must be registered after the determination procedure is determined in advance. When adding a new constraint condition, the condition must be expressed by master information and judgment procedure, and must be consistent with the existing constraint condition. Therefore, the above-mentioned technique of Patent Document 1 is not always highly convenient in that the data maintenance process becomes complicated when the constraint conditions become complicated.

そこで、本発明は、処理ロットを自動的に決定するにあたり、データのメンテナンス工程を簡略化することが可能な、予測モデル生成装置、処理ロット作成装置、予測モデル生成方法、処理ロット作成方法、およびプログラムを提供することを目的とする。 Therefore, the present invention has a predictive model generation device, a processing lot creation device, a prediction model generation method, a processing lot creation method, and a processing lot creation method, which can simplify the data maintenance process in automatically determining the processing lot. The purpose is to provide a program.

本発明のある観点によれば、既に処理された材料単位に関する情報と、材料単位が割り当てられた処理ロットに関する情報とを含む実績データが入力される実績データ入力部と、材料単位の組み合わせが処理ロットに関して所定の条件を満たす場合に高くなる適合性スコアを目的変数とし、材料単位に関する情報を説明変数とする予測モデルを、回帰手法を用いて生成するモデル生成部とを備える予測モデル生成装置が提供される。
上記の構成によれば、処理ロットを自動的に作成するために利用可能な予測モデルが生成される。回帰手法を用いて予測モデルを生成する場合、制約条件に基づく判断手順を個々に決定しなくてもよいため、データのメンテナンスを簡略化することができる。 According to one aspect of the present invention, a combination of material units is processed with an actual data input unit in which actual data including information about already processed material units and information about processing lots to which material units are assigned is input. A predictive model generator equipped with a model generator that uses a regression method to generate a predictive model that uses a suitability score that is high when a predetermined condition is met for a lot as an objective variable and information about a material unit as an explanatory variable. Provided.
With the above configuration, a predictive model that can be used to automatically create processing lots is generated. When the prediction model is generated by using the regression method, it is not necessary to individually determine the judgment procedure based on the constraint conditions, so that the maintenance of the data can be simplified.

本発明の別の観点によれば、未処理の材料単位に関する情報を含む予定データが入力される予定データ入力部と、材料単位に関する情報を説明変数として回帰手法を用いて生成された予測モデルに基づいて、材料単位の組み合わせの適合性スコアを算出する適合性スコア算出部と、適合性スコアに基づいて材料単位を処理ロットに追加する処理ロット作成部とを備える処理ロット作成装置が提供される。
上記の構成によれば、予測モデルに従って算出される適合性スコアを用いて処理ロットを自動的に作成することができる。回帰手法を用いて予測モデルを生成する場合、制約条件に基づく判断手順を個々に決定しなくてもよいため、データのメンテナンスを簡略化することができる。 According to another aspect of the present invention, the schedule data input unit in which the schedule data including the information about the unprocessed material unit is input and the prediction model generated by the regression method using the information about the material unit as an explanatory variable. Based on this, a processing lot creation device including a compatibility score calculation unit that calculates a compatibility score of a combination of material units and a processing lot creation unit that adds a material unit to a processing lot based on the compatibility score is provided. ..
According to the above configuration, a processing lot can be automatically created using the suitability score calculated according to the prediction model. When the prediction model is generated by using the regression method, it is not necessary to individually determine the judgment procedure based on the constraint conditions, so that the maintenance of the data can be simplified.

本発明の別の観点によれば、既に処理された材料単位に関する情報と、材料単位が割り当てられた処理ロットに関する情報とを含む実績データが入力される実績データ入力ステップと、材料単位の組み合わせが処理ロットに関して所定の条件を満たす場合に高くなる適合性スコアを目的変数とし、材料単位に関する情報を説明変数とする予測モデルを、回帰手法を用いて生成するモデル生成ステップとを含む予測モデル生成方法が提供される。 According to another aspect of the invention, a combination of material units and a performance data entry step in which performance data is input that includes information about the material units that have already been processed and information about the processing lot to which the material units have been assigned. A prediction model generation method including a model generation step of generating a prediction model using a regression method with a conformity score that is high when a predetermined condition is satisfied for a processing lot as an objective variable and information about a material unit as an explanatory variable. Is provided.

本発明の別の観点によれば、未処理の材料単位に関する情報を含む予定データが入力される予定データ入力ステップと、材料単位に関する情報を説明変数として回帰手法を用いて生成された予測モデルに基づいて、材料単位の組み合わせの適合性スコアを算出する適合性スコア算出ステップと、適合性スコアに基づいて材料単位を処理ロットに追加する処理ロット作成ステップとを含む処理ロット作成方法が提供される。 According to another aspect of the present invention, the schedule data input step in which the schedule data including the information about the unprocessed material unit is input, and the prediction model generated by the regression method using the information about the material unit as the explanatory variable. Based on, a processing lot creation method is provided that includes a conformance score calculation step that calculates the suitability score of a combination of material units and a processing lot creation step that adds material units to the processing lot based on the suitability score. ..

本発明の別の観点によれば、既に処理された材料単位に関する情報と、材料単位が割り当てられた処理ロットに関する情報とを含む実績データが入力される実績データ入力部と、材料単位の組み合わせが処理ロットに関して所定の条件を満たす場合に高くなる適合性スコアを目的変数とし、材料単位に関する情報を説明変数とする予測モデルを、回帰手法を用いて生成するモデル生成部とを備える予測モデル生成装置としてコンピュータを動作させるためのプログラムが提供される。 According to another aspect of the present invention, the combination of the material unit and the performance data input unit in which the performance data including the information about the already processed material unit and the information about the processing lot to which the material unit is assigned is input. A predictive model generator including a model generator that uses a regression method to generate a predictive model that uses a conformance score that is high when a predetermined condition is met for a processing lot as an objective variable and information about a material unit as an explanatory variable. A program for operating the computer is provided as.

本発明の別の観点によれば、未処理の材料単位に関する情報を含む予定データが入力される予定データ入力部と、材料単位に関する情報を説明変数として回帰手法を用いて生成された予測モデルに基づいて、材料単位の組み合わせの適合性スコアを算出する適合性スコア算出部と、適合性スコアに基づいて材料単位を処理ロットに追加する処理ロット作成部とを備える処理ロット作成装置としてコンピュータを動作させるためのプログラムが提供される。 According to another aspect of the present invention, the schedule data input unit in which the schedule data including the information about the unprocessed material unit is input, and the prediction model generated by the regression method using the information about the material unit as the explanatory variable. A computer is operated as a processing lot creation device including a compatibility score calculation unit that calculates a compatibility score of a combination of material units based on the method, and a processing lot creation unit that adds a material unit to a processing lot based on the compatibility score. A program is provided to make it happen.

以上で説明したように、本発明によれば、処理ロットを自動的に決定するにあたり、データのメンテナンス工程を簡略化することができる。 As described above, according to the present invention, it is possible to simplify the data maintenance process in automatically determining the processing lot.

本発明の一実施形態において決定される処理ロットについて概念的に説明するための図である。It is a figure for conceptually explaining the processing lot determined in one Embodiment of this invention. 本発明の一実施形態に係る処理ロット決定装置の概略的な構成を示すブロック図である。It is a block diagram which shows the schematic structure of the processing lot determination apparatus which concerns on one Embodiment of this invention. 図２に示された処理ロット決定装置が実行する予測モデル生成方法の例を示すフローチャートである。It is a flowchart which shows the example of the prediction model generation method executed by the processing lot determination apparatus shown in FIG. 図２に示された処理ロット決定装置が実行する処理ロット作成方法の例を示すフローチャートである。It is a flowchart which shows the example of the processing lot creation method executed by the processing lot determination apparatus shown in FIG. 本発明の一実施形態を鋼材の圧延工程に適用した場合の実績データの例を示す図である。It is a figure which shows the example of the performance data when one Embodiment of this invention is applied to the rolling process of a steel material. 圧延工程の例における実績データの例を示す図である。It is a figure which shows the example of the actual data in the example of a rolling process. 圧延工程の例における前処理された実績データの例を示す図である。It is a figure which shows the example of the preprocessed actual data in the example of a rolling process. 本発明の一実施形態を鋼材の圧延工程に適用した場合の適合性スコア算出処理の例を示すフローチャートである。It is a flowchart which shows the example of the conformity score calculation process when one Embodiment of this invention is applied to the rolling process of a steel material. 本発明の一実施形態を鋼材の圧延工程に適用した場合の処理ロット作成処理の例を示すフローチャートである。It is a flowchart which shows the example of the processing lot making process at the time of applying one Embodiment of this invention to a rolling process of a steel material.

以下に添付図面を参照しながら、本発明の好適な実施形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。 Preferred embodiments of the present invention will be described in detail below with reference to the accompanying drawings. In the present specification and the drawings, components having substantially the same functional configuration are designated by the same reference numerals, and duplicate description will be omitted.

図１は、本発明の一実施形態において決定される処理ロットについて概念的に説明するための図である。図１に示された例では、材料単位１０Ａ～１０Ｅから、処理ロット２０Ａ，２０Ｂが決定されている。本明細書において、材料単位（図１の例では材料単位１０Ａ～１０Ｅ）は、ある工程に供給される材料の単位である。処理ロット（図１の例では処理ロット２０Ａ，２０Ｂ）は、工程において複数の材料単位を連続して処理することが可能であり、かつ連続して処理可能な材料単位が有限である場合に、同じ工程で連続して処理される材料単位からなるグループである。工程が製造工程である場合には、処理ロットを製造ロットともいう。 FIG. 1 is a diagram for conceptually explaining a processing lot determined in one embodiment of the present invention. In the example shown in FIG. 1, the processing lots 20A and 20B are determined from the material units 10A to 10E. In the present specification, the material unit (material unit 10A to 10E in the example of FIG. 1) is a unit of material supplied to a certain process. The processing lot (processing lots 20A and 20B in the example of FIG. 1) is a case where a plurality of material units can be continuously processed in a process and the number of continuously processing material units is finite. It is a group consisting of material units that are continuously processed in the same process. When the process is a manufacturing process, the processing lot is also referred to as a manufacturing lot.

例えば、鋼材の圧延工程では、連続鋳造機から供給されるスラブが材料単位を構成する。圧延設備は複数のスラブを連続して処理することが可能であるが、圧延ロールが摩耗するために、連続して処理可能なスラブの数は有限である。従って、圧延工程において処理ロットを決定することは有用である。他の例として、圧延工程の前工程である連続鋳造工程では、転炉で精錬された溶鋼が材料単位を構成する。連続鋳造機のタンディッシュが溶損するために、連続して処理可能な溶鋼の量は有限である。さらに他の例として、圧延工程の後工程である溶融めっき工程では、圧延工程で製造される薄鋼板のロールが材料単位を構成する。薄鋼板が通過すると、めっき槽内の溶融金属は少しずつ汚濁するため、連続して処理可能な薄鋼板の長さは有限である。鉄鋼の製造工程以外にも、各種の工程において、上記で説明したような材料単位および処理ロットを定義することができる。 For example, in the rolling process of steel materials, slabs supplied from a continuous casting machine constitute a material unit. The rolling equipment can process a plurality of slabs continuously, but the number of slabs that can be continuously processed is finite because the rolling rolls are worn. Therefore, it is useful to determine the processing lot in the rolling process. As another example, in the continuous casting process, which is a pre-process of the rolling process, molten steel refined in a converter constitutes a material unit. Since the tundish of the continuous casting machine is melted, the amount of molten steel that can be continuously processed is finite. As yet another example, in the hot-dip plating step, which is a subsequent step of the rolling step, the roll of the thin steel sheet manufactured in the rolling step constitutes a material unit. When the thin steel sheet passes through, the molten metal in the plating tank becomes polluted little by little, so the length of the thin steel sheet that can be continuously processed is finite. In addition to the steel manufacturing process, material units and processing lots as described above can be defined in various processes.

上記のような工程において処理ロットに材料単位を割り当てる場合、材料単位に関して卓越して支配的な条件があれば、その条件に従って自動的に処理ロットが決定する。例えば、製品の納期が卓越して支配的な条件である場合には、納期に基づいて自動的に処理ロットが決まるため、処理ロットを自動的に決定することは比較的容易である。その一方で、材料単位に関して卓越して支配的な条件がない場合、条件の組み合わせの自由度が高い分、自動的に適切な処理ロットを決定することは容易ではない。例えば、製品の品質やコスト、納期などの条件を総合的に考慮して処理ロットを決定することができる場合には、どの条件を優先するかを選択可能であるため、どのように適切な処理ロットを決定できるかは必ずしも明らかでない。本実施形態に係る処理ロット決定装置は、このような場合においても自動的に適切な処理ロットを決定することを容易にする。 When allocating a material unit to a processing lot in the above process, if there is an outstandingly dominant condition regarding the material unit, the processing lot is automatically determined according to the condition. For example, when the delivery date of a product is an outstandingly dominant condition, it is relatively easy to automatically determine the processing lot because the processing lot is automatically determined based on the delivery date. On the other hand, if there are no predominant conditions for the material unit, it is not easy to automatically determine an appropriate processing lot because of the high degree of freedom in combining the conditions. For example, if the processing lot can be determined by comprehensively considering conditions such as product quality, cost, and delivery date, it is possible to select which condition should be prioritized, so how appropriate processing is performed. It is not always clear if the lot can be determined. The processing lot determination device according to the present embodiment facilitates automatic determination of an appropriate processing lot even in such a case.

図２は、本発明の一実施形態に係る処理ロット決定装置の概略的な構成を示すブロック図である。処理ロット決定装置１００は、例えば、専用のコンピュータシステムにおいて実装されてもよいし、パーソナルコンピュータなどの汎用のコンピュータシステムにおいてアプリケーションソフトウェアとして実装されてもよい。あるいは、処理ロット決定装置１００の各構成要素は、ＬＡＮ（Local Area Network）やインターネットなどのネットワークを介して接続された複数のコンピュータに分散して実装されてもよい。 FIG. 2 is a block diagram showing a schematic configuration of a processing lot determination device according to an embodiment of the present invention. The processing lot determination device 100 may be implemented as application software in, for example, a dedicated computer system or a general-purpose computer system such as a personal computer. Alternatively, each component of the processing lot determination device 100 may be distributed and mounted on a plurality of computers connected via a network such as a LAN (Local Area Network) or the Internet.

図２に示された例において、処理ロット決定装置１００は、実績データ入力部１０２と、実績データ前処理部１０４と、モデル生成部１０６と、予定データ入力部１０８と、予定データ前処理部１１０と、適合性スコア算出部１１２と、処理ロット作成部１１４とを含む。これらの各部の機能は、プログラムに従って動作するプロセッサ、およびプロセッサにデータを入出力するためのインターフェースによって実現される。また、処理ロット決定装置１００は、入力データとして実績データ１２２および予定データ１２４を読み込み、出力データとして処理ロットデータ１２６を生成する。また、処理ロット決定装置１００は、中間データとしてモデルデータ１２８を生成する。これらのデータは、例えばコンピュータに内蔵されたメモリ、またはコンピュータに接続可能なリムーバブル記録媒体に記録される。以下、各部の機能についてさらに説明する。 In the example shown in FIG. 2, the processing lot determination device 100 includes an actual data input unit 102, an actual data preprocessing unit 104, a model generation unit 106, a scheduled data input unit 108, and a scheduled data preprocessing unit 110. And a conformity score calculation unit 112 and a processing lot creation unit 114. The functions of each of these parts are realized by a processor that operates according to a program and an interface for inputting / outputting data to / from the processor. Further, the processing lot determination device 100 reads the actual data 122 and the scheduled data 124 as input data, and generates the processing lot data 126 as output data. Further, the processing lot determination device 100 generates model data 128 as intermediate data. These data are recorded, for example, in a memory built in the computer or a removable recording medium that can be connected to the computer. Hereinafter, the functions of each part will be further described.

実績データ入力部１０２は、実績データ１２２を読み込む。実績データ１２２は、後述する例のように、処理ロット決定の対象になる工程において既に処理された材料単位に関する情報と、それらの材料単位が割り当てられた処理ロットに関する情報とを含む。実績データ前処理部１０４は、実績データ入力部１０２が読み込んだ実績データについて所定の前処理を実行する。前処理は、例えば後述する例のように、モデル生成部１０６の処理を容易にするために実施される。モデル生成部１０６は、実績データ前処理部１０４による前処理を経た実績データに基づいて、材料単位の組み合わせが処理ロットに関して所定の条件を満たす場合に高くなる適合性スコア（詳細は後述）を目的変数とし、材料単位に関する情報を説明変数とする予測モデルを、回帰手法を用いて生成し、モデルデータ１２８として出力する。 The actual data input unit 102 reads the actual data 122. The actual data 122 includes information about the material units already processed in the process to be processed lot determination and information about the processing lot to which those material units are assigned, as in the example described later. The actual data pre-processing unit 104 executes a predetermined pre-processing on the actual data read by the actual data input unit 102. The pre-processing is performed to facilitate the processing of the model generation unit 106, for example, as in the example described later. The model generation unit 106 aims at a conformity score (details will be described later) that is high when a combination of material units satisfies a predetermined condition for a processing lot based on the actual data that has been preprocessed by the actual data preprocessing unit 104. A prediction model with variables and information about material units as explanatory variables is generated using a regression method and output as model data 128.

モデル生成部１０６が出力したモデルデータ１２８は、例えば後述する例のように、処理ロット決定装置１００の内部で処理ロットの作成のために利用されてもよい。あるいは、モデルデータ１２８は、例えば通信回線を介して他の装置に送信されるか、またはリムーバブル記録媒体を介して他の装置に読み込まれて利用されてもよい。なお、上記で説明した実績データ入力部１０２、実績データ前処理部１０４、およびモデル生成部１０６は、処理ロットを自動的に決定するために利用できる予測モデルを生成する予測モデル生成装置として機能している。 The model data 128 output by the model generation unit 106 may be used for creating a processing lot inside the processing lot determination device 100, for example, as in an example described later. Alternatively, the model data 128 may be transmitted to another device, for example, via a communication line, or may be read and used by another device via a removable recording medium. The actual data input unit 102, the actual data preprocessing unit 104, and the model generation unit 106 described above function as a predictive model generation device that generates a predictive model that can be used to automatically determine a processing lot. ing.

一方、予定データ入力部１０８は、予定データ１２４を読み込む。予定データ１２４は、処理ロット決定の対象になる工程において未処理の材料単位に関する情報を含む。予定データ前処理部１１０は、予定データ入力部１０８が読み込んだ予定データについて所定の前処理を実行する。前処理は、例えば後述する例のように、適合性スコア算出部１１２の処理を容易にするために実施される。また、予定データ前処理部１１０が実行する前処理は、実績データ前処理部１０４が実行する前処理と対応していてもよい。適合性スコア算出部１１２は、予定データ前処理部１１０による前処理を経た予定データと、モデル生成部１０６によってモデルデータ１２８として出力された予測モデル（すなわち材料単位に関する情報を説明変数として回帰手法を用いて生成された予測モデル）とに基づいて、予定データ１２４に含まれる材料単位の組み合わせの適合性スコアを算出する。なお、モデルデータ１２８は、例えば通信回線を介して他の装置から受信されるか、または他の装置においてリムーバブル記録媒体に記録されたものであってもよい。 On the other hand, the schedule data input unit 108 reads the schedule data 124. Scheduled data 124 contains information about unprocessed material units in the process subject to processing lot determination. The schedule data pre-processing unit 110 executes predetermined pre-processing on the schedule data read by the schedule data input unit 108. The pre-processing is carried out to facilitate the processing of the suitability score calculation unit 112, for example, as in the example described later. Further, the pre-processing executed by the scheduled data pre-processing unit 110 may correspond to the pre-processing executed by the actual data pre-processing unit 104. The suitability score calculation unit 112 uses a regression method using the schedule data preprocessed by the schedule data preprocessing unit 110 and the prediction model output as model data 128 by the model generation unit 106 (that is, information on material units as explanatory variables). The suitability score of the combination of material units contained in the scheduled data 124 is calculated based on the prediction model) generated using. The model data 128 may be received from another device, for example, via a communication line, or may be recorded on a removable recording medium in the other device.

ここで、本実施形態において、適合性スコア算出部１１２によって算出される適合性スコアは、それぞれの材料単位を同一の処理ロットに含めた場合の適合性を表す。過去の処理において同一の処理ロットに含まれた材料単位の条件を適合性スコアに反映させることで、適切に処理ロット作成のための適合性スコアを算出することができ、そのような適合性スコアに基づいて材料単位を処理ロットに割り当てることで、工程を効率化することができる。例えば、鋼材の圧延工程では、加工後のコイル幅や厚み、硬度などが類似したスラブを同一の処理ロットに含めることで、圧延ロールの配置や圧延回数などを変更する回数を最小化できる。処理ロット作成部１１４は、適合性スコア算出部１１２によって算出された適合性スコアに基づいて材料単位を処理ロットに追加し、その結果として決定された処理ロットの情報を処理ロットデータ１２６として出力する。処理ロットデータ１２６は、例えばコンピュータに接続されたディスプレイに表示されたり、コンピュータに接続されたプリンタによって印刷されたりする他、工程に材料を供給する装置への指示入力の生成に用いられてもよい。なお、上記で説明した予定データ入力部１０８、予定データ前処理部１１０、適合性スコア算出部１１２、および処理ロット作成部１１４は、上述の予測モデル生成装置により生成された予測モデルを利用して処理ロットを自動的に作成する処理ロット作成装置として機能している。 Here, in the present embodiment, the suitability score calculated by the suitability score calculation unit 112 represents the suitability when each material unit is included in the same processing lot. By reflecting the conditions of the material units contained in the same processing lot in the past processing in the conformity score, it is possible to appropriately calculate the conformity score for creating the processing lot, and such conformity score. By allocating the material unit to the processing lot based on the above, the process can be streamlined. For example, in the rolling process of a steel material, by including slabs having similar coil width, thickness, hardness and the like after processing in the same processing lot, the number of times of changing the arrangement of rolling rolls and the number of times of rolling can be minimized. The processing lot creation unit 114 adds a material unit to the processing lot based on the compatibility score calculated by the compatibility score calculation unit 112, and outputs the information of the processing lot determined as a result as the processing lot data 126. .. The processing lot data 126 may be displayed, for example, on a display connected to a computer, printed by a printer connected to the computer, or used to generate instructional inputs to a device that supplies the material to the process. .. The schedule data input unit 108, the schedule data preprocessing unit 110, the suitability score calculation unit 112, and the processing lot creation unit 114 described above use the prediction model generated by the prediction model generation device described above. It functions as a processing lot creation device that automatically creates processing lots.

図３は、図２に示された処理ロット決定装置が実行する予測モデル生成方法の例を示すフローチャートである。図３に示された例では、まず、実績データ入力部１０２による実績データ入力ステップ（Ｓ１１）が実行される。上述のように、このステップでは実績データ１２２が読み込まれる。次に、実績データ前処理部１０４による実績データ前処理ステップ（Ｓ１２）が実行される。次に、モデル生成部１０６によるモデル生成ステップ（Ｓ１３）が実行される。さらに、モデル生成部１０６が実行するモデル保存ステップ（Ｓ１４）によって、モデルデータ１２８が保存される。 FIG. 3 is a flowchart showing an example of a predictive model generation method executed by the processing lot determination device shown in FIG. In the example shown in FIG. 3, first, the actual data input step (S11) by the actual data input unit 102 is executed. As described above, the actual data 122 is read in this step. Next, the actual data preprocessing step (S12) by the actual data preprocessing unit 104 is executed. Next, the model generation step (S13) by the model generation unit 106 is executed. Further, the model data 128 is saved by the model saving step (S14) executed by the model generation unit 106.

例えば、上記のような予測モデル生成処理は、工程において新たに処理ロット決定装置１００を導入する場合に実行される。この場合、工程において既に処理された材料単位が割り当てられた処理ロットに関する情報を含む実績データ１２２が所定の数の処理ロットまたは材料単位について蓄積された後で、図３に示されたステップＳ１１～Ｓ１４が実行される。あるいは、予測モデル生成処理は、工程において既に処理ロット決定装置１００が導入されている場合において、材料単位または処理ロットに関して新規の条件が追加された場合に実行されてもよい。この場合、新規の条件に対応する情報を含む実績データ１２２が所定の数の処理ロットまたは材料単位について蓄積された後で、図３に示されたステップＳ１１～Ｓ１４が実行される。 For example, the prediction model generation process as described above is executed when the processing lot determination device 100 is newly introduced in the process. In this case, after the actual data 122 including the information about the processing lot to which the material unit already processed in the process is assigned is accumulated for a predetermined number of processing lots or material units, the steps S11 to S11 shown in FIG. S14 is executed. Alternatively, the predictive model generation process may be executed when the processing lot determination device 100 has already been introduced in the process and new conditions are added for the material unit or the processing lot. In this case, after the actual data 122 including the information corresponding to the new condition is accumulated for a predetermined number of processing lots or material units, steps S11 to S14 shown in FIG. 3 are executed.

図４は、図２に示された処理ロット決定装置が実行する処理ロット作成方法の例を示すフローチャートである。図４に示された例では、まず、予定データ入力部１０８による予定データ入力ステップ（Ｓ２１）が実行される。上述のように、このステップでは予定データ１２４が読み込まれる。次に、予定データ前処理部１１０による予定データ前処理ステップ（Ｓ２２）が実行される。次に、適合性スコア算出部１１２による適合性スコア算出ステップ（Ｓ２３）が実行される。上述のように、このステップではモデルデータ１２８が読み込まれる。さらに、処理ロット作成部１１４が実行する処理ロット作成ステップ（Ｓ２４）によって処理ロットが作成され、その結果が処理ロットデータ１２６として出力される。 FIG. 4 is a flowchart showing an example of a processing lot creation method executed by the processing lot determination device shown in FIG. In the example shown in FIG. 4, first, the scheduled data input step (S21) is executed by the scheduled data input unit 108. As described above, the schedule data 124 is read in this step. Next, the scheduled data preprocessing step (S22) by the scheduled data preprocessing unit 110 is executed. Next, the suitability score calculation step (S23) by the suitability score calculation unit 112 is executed. As mentioned above, the model data 128 is read in this step. Further, a processing lot is created by the processing lot creation step (S24) executed by the processing lot creation unit 114, and the result is output as the processing lot data 126.

例えば、上記のような処理ロット作成処理は、図３に示したような予測モデル生成処理によってモデルデータ１２８が生成された後に、次工程の実施に先立って実行される。この場合、次工程において未処理の材料単位に関する情報を含む予定データ１２４に基づいて図４に示されたステップＳ２１～Ｓ２４を実行し、出力された処理ロットデータ１２６に従って材料単位を処理ロットに割り当て、次工程での処理を実施する。 For example, the processing lot creation process as described above is executed prior to the execution of the next step after the model data 128 is generated by the predictive model generation process as shown in FIG. In this case, in the next step, steps S21 to S24 shown in FIG. 4 are executed based on the scheduled data 124 including information about the unprocessed material units, and the material units are assigned to the processing lots according to the output processing lot data 126. , Carry out the processing in the next process.

上記のような本発明の一実施形態の構成によれば、処理ロットを自動的に作成するために利用可能な予測モデルが生成される。また、上記の構成によれば、予測モデルに従って算出される適合性スコアを用いて処理ロットを自動的に作成することができる。本実施形態では、回帰手法を用いて予測モデルを生成する場合、制約条件に基づく判断手順を個々に決定しなくてもよいため、データのメンテナンスを簡略化することができる。 According to the configuration of one embodiment of the present invention as described above, a predictive model that can be used to automatically create a processing lot is generated. Further, according to the above configuration, a processing lot can be automatically created using the suitability score calculated according to the prediction model. In the present embodiment, when the prediction model is generated by using the regression method, it is not necessary to individually determine the judgment procedure based on the constraint conditions, so that the data maintenance can be simplified.

（鋼材の圧延工程における適用例：実績データ）
図５は、本発明の一実施形態を鋼材の圧延工程に適用した場合の実績データ（図２および図３において実績データ１２２として示した）の例を示す図である。図示された例において、実績データは、スラブＩＤ、コイル幅、スラブ重量、炭素量、強度、納期、チャージＩＤ、ストランドＩＤ、鋳造時刻、処理ロットＩＤ、および処理時刻の情報を含む。以下、それぞれの項目について説明する。 (Application example in the rolling process of steel materials: actual data)
FIG. 5 is a diagram showing an example of actual data (shown as actual data 122 in FIGS. 2 and 3) when one embodiment of the present invention is applied to a rolling process of a steel material. In the illustrated example, the actual data includes slab ID, coil width, slab weight, carbon content, strength, delivery date, charge ID, strand ID, casting time, processing lot ID, and processing time information. Each item will be described below.

スラブＩＤは、鋼材の圧延工程における材料単位であるスラブのそれぞれに割り当てられる一意なＩＤである。コイル幅、スラブ重量、および炭素量は、処理仕様に分類される情報である。図示された例において、コイル幅は圧延工程終了後の実測値または圧延工程における設定値であり、スラブ重量および炭素量は連続鋳造工程の途中または終了後における実測値である。強度および納期は、注文仕様に分類される情報である。図示された例において、強度はコイルの仕様上の強度である。上記の炭素量は仕様上の強度が得られるように設定されているが、強度は炭素量以外の成分量によっても変化するため、炭素量とは別の情報として扱う。納期は、例えば処理ロットが決定されて圧延工程が開始された時刻から、要求される納期までの日数である。納期が短いスラブの場合、他の条件にかかわらず、圧延工程が他のスラブよりも優先された可能性がある。 The slab ID is a unique ID assigned to each of the slabs, which are material units in the rolling process of steel materials. Coil width, slab weight, and carbon content are information classified in the processing specifications. In the illustrated example, the coil width is the measured value after the rolling process or the set value in the rolling process, and the slab weight and the carbon amount are the measured values during or after the continuous casting process. Strength and delivery time are information classified in the order specifications. In the illustrated example, the strength is the strength of the coil specifications. The above carbon amount is set so that the strength in the specifications can be obtained, but since the strength changes depending on the amount of components other than the carbon amount, it is treated as information different from the carbon amount. The delivery date is, for example, the number of days from the time when the processing lot is determined and the rolling process is started to the required delivery date. For short delivery slabs, the rolling process may have been prioritized over other slabs, regardless of other conditions.

チャージＩＤ、ストランドＩＤ、および鋳造時刻は、前工程情報に分類される情報である。チャージＩＤは、連続鋳造機に溶鋼を供給する取鍋のチャージのそれぞれに割り当てられる一意なＩＤである。溶鋼の成分は取鍋ごとに調整されるため、チャージＩＤが同一のスラブの間では成分構成が同じになる。ストランドＩＤは、連続鋳造機が溶鋼を鋳型に流し込んで連続的に鋳造するためのストランドを複数有する場合に、それぞれのストランドに割り当てられる一意なＩＤである。ストランドごとに鋳型の幅を変えられるため、ストランドＩＤが同一のスラブの間ではスラブ幅、およびスラブ幅に対応して決定されるコイル幅が近い値になる可能性が高い。鋳造時刻は、それぞれのスラブが連続鋳造機で製造された時刻であり、例えば処理ロットが決定されて圧延工程が開始された時刻を基準にして表現される。スラブが製造されるのは圧延工程が開始されるよりも前であるため、図示された例において鋳造時刻はマイナスの値になっている。 The charge ID, the strand ID, and the casting time are information classified into the previous process information. The charge ID is a unique ID assigned to each of the charges of the ladle that supplies molten steel to the continuous casting machine. Since the composition of the molten steel is adjusted for each ladle, the composition of the components is the same between slabs having the same charge ID. The strand ID is a unique ID assigned to each strand when the continuous casting machine has a plurality of strands for pouring molten steel into a mold and continuously casting the molten steel. Since the width of the mold can be changed for each strand, it is highly possible that the slab width and the coil width determined corresponding to the slab width are close to each other among the slabs having the same strand ID. The casting time is the time when each slab is manufactured by the continuous casting machine, and is expressed based on, for example, the time when the processing lot is determined and the rolling process is started. Since the slab is manufactured before the rolling process is started, the casting time is a negative value in the illustrated example.

処理ロットＩＤおよび処理時刻は、処理ロット情報に分類される情報である。処理ロットＩＤは、圧延設備において連続して処理された処理ロットのそれぞれに割り当てられる一意なＩＤである。実績データにおいて処理ロットＩＤで示される処理ロットは、例えば、連続して圧延されるコイルの幅や厚みの差を可能な限り小さくする、納期を順守する、といったような、上記の実績データに含まれる各項目によって表現される諸々の条件を充足するように決定されたものである。処理時刻は、例えばそれぞれのスラブの圧延処理が開始された時刻であり、処理ロットが決定されて圧延工程が開始された時刻を基準にして表現される。 The processing lot ID and the processing time are information classified into the processing lot information. The processing lot ID is a unique ID assigned to each of the processing lots continuously processed in the rolling equipment. The processing lot indicated by the processing lot ID in the actual data is included in the above actual data such as, for example, minimizing the difference in width and thickness of the continuously rolled coils and observing the delivery date. It was decided to satisfy the various conditions expressed by each item. The processing time is, for example, the time when the rolling process of each slab is started, and is expressed based on the time when the processing lot is determined and the rolling process is started.

他の例において、実績データは、図示した例の情報に加えて、またはそれらの一部に代えて、スラブおよびコイルの厚み、幅、長さ、重量、化学成分、ならびに温度などの処理仕様、連続鋳造以外の前工程（具体的には、スラブ検査や表面研削など）の通過時刻などの前工程情報などを含んでもよい。例えば、圧延設備とは異なる場所にある複数の連続鋳造機で鋳造されたスラブが材料になる場合には、前工程情報として、どの連続鋳造機で鋳造されたかを示す情報が含まれてもよい。 In other examples, the actual data, in addition to or in place of the information in the illustrated examples, are processing specifications such as thickness, width, length, weight, chemical composition, and temperature of slabs and coils. Pre-process information such as the passing time of a pre-process (specifically, slab inspection, surface grinding, etc.) other than continuous casting may be included. For example, when a slab cast by a plurality of continuous casting machines in a place different from the rolling equipment is used as a material, information indicating which continuous casting machine was cast may be included as the pre-process information. ..

図６Ａおよび図６Ｂは、圧延工程の例における実績データおよびその前処理の例を示す図である。図６Ａに示した例では、スラブＩＤ、コイル幅、スラブ重量、炭素量、チャージＩＤ、ストランドＩＤ、処理ロットＩＤ、および処理時刻の情報を含む実績データのレコードが提供されている。図６Ｂに示した例では、図６Ａに示された２０件のレコードからなる実績データが、チャージＩＤ、ストランドＩＤ、平均コイル幅、合計スラブ重量、炭素量、処理ロットＩＤ、および最早処理時刻の情報を含む７件のレコードからなるデータに圧縮されている。実績データ前処理部１０４がこのようなデータ量の圧縮を実行することによって、モデル生成部１０６における計算回数を低減することができる。 6A and 6B are diagrams showing actual data in an example of a rolling process and an example of pretreatment thereof. In the example shown in FIG. 6A, records of actual data including slab ID, coil width, slab weight, carbon content, charge ID, strand ID, processing lot ID, and processing time information are provided. In the example shown in FIG. 6B, the actual data consisting of the 20 records shown in FIG. 6A is the charge ID, strand ID, average coil width, total slab weight, carbon content, processing lot ID, and earliest processing time. It is compressed into data consisting of 7 records including information. By performing such compression of the amount of data by the actual data preprocessing unit 104, the number of calculations in the model generation unit 106 can be reduced.

図示された例において、実績データ前処理部１０４は、上述のように溶鋼の成分がチャージＩＤごとに同じであること、およびコイル幅がストランドＩＤごとに近い値になることに基づいて、実績データのデータ量を圧縮する。より具体的には、実績データ前処理部１０４は、チャージＩＤおよびストランドＩＤの組み合わせが一意になるようにレコードを統合する。例えば、図６Ａに示された実績データのスラブＩＤがＳ０１，Ｓ０２，Ｓ０３の３件のレコードが、チャージＩＤがＣ１、ストランドＩＤがＮ１の１件のレコードに統合される。平均コイル幅は、統合されるレコードにおけるコイル幅の平均値である。合計スラブ重量は、統合されるレコードにおけるスラブ重量の合計値である。炭素量は、統合されるレコード（同じチャージＩＤを有する）では共通である。最早処理時刻は、統合されるレコードにおける処理時刻のうち最も早い（値が小さい）ものである。 In the illustrated example, the actual data preprocessing unit 104 is based on the fact that the composition of the molten steel is the same for each charge ID and the coil width is close to the value for each strand ID as described above. Compress the amount of data in. More specifically, the actual data preprocessing unit 104 integrates the records so that the combination of the charge ID and the strand ID is unique. For example, the three records whose slab IDs are S01, S02, and S03 of the actual data shown in FIG. 6A are integrated into one record whose charge ID is C1 and whose strand ID is N1. The average coil width is the average value of the coil widths in the integrated records. The total slab weight is the total slab weight in the records to be integrated. The carbon content is common in the integrated records (having the same charge ID). The earliest processing time is the earliest (smaller value) processing time in the records to be integrated.

なお、図６Ａおよび図６Ｂに示された例では同じチャージＩＤおよび同じストランドＩＤをもつスラブがすべて同じ処理ロットに含まれる（処理ロットＩＤが同一である）ように処理ロットが決定されているため、統合されるレコードでは処理ロットＩＤが共通である。他の例で、同じチャージＩＤおよび同じストランドＩＤをもつスラブが異なる処理ロットに含まれるように処理ロットが決定される場合には、例えば統合されるレコードにおいて最も多く含まれる処理ロットＩＤを代表処理ロットＩＤとして統合後のレコードに含めてもよい。 In the example shown in FIGS. 6A and 6B, the processing lot is determined so that all the slabs having the same charge ID and the same strand ID are included in the same processing lot (the processing lot ID is the same). , The processing lot ID is common to the records to be integrated. In another example, when the processing lot is determined so that slabs having the same charge ID and the same strand ID are included in different processing lots, for example, the processing lot ID most contained in the records to be integrated is represented. It may be included in the integrated record as a lot ID.

（鋼材の圧延工程における適用例：適合性スコアと予測モデル）
上記で説明した例のような実績データに基づいて、モデル生成部１０６は、例えば図７に示すようなフローでｉ番目のレコードとｊ番目のレコードとの間の適合性スコアＣ_ｉｊを算出する（レコード数をＭとして、ｉ，ｊ∈｛１，２，…，Ｍ｝）。適合性スコアＣ_ｉｊは、後述する予測モデルの目的変数になる。 (Application example in the rolling process of steel materials: suitability score and prediction model)
Based on the actual data as in the example described above, the model generation unit 106 calculates the compatibility score _Cij between the i-th record and the j-th record in the flow as shown in FIG. 7, for example. (I, j ∈ {1, 2, ..., M}, where M is the number of records). The suitability score _Cij is the objective variable of the prediction model described later.

図７に示された例において、モデル生成部１０６は、実績データのｉ番目のレコードとｊ番目のレコードとのそれぞれの組み合わせについて（Ｓ３１，Ｓ３２）、処理ロットＩＤが同一であるか否かを判定する（Ｓ３３）。ここで、２つのレコードの処理ロットＩＤが同一ではない場合、さらに、モデル生成部１０６は、それぞれのレコードに対応する処理単位(本実施形態では、スラブ、または、チャージＩＤおよびストランドＩＤの組み合わせで一意に特定可能になるように統合された単位)が割り当てられた処理ロット同士が所定の関係にあるか否かを判定する（Ｓ３４）。所定の関係は、例えば、処理ロット同士が時間的に近接していたり（具体的には、相次いで圧延工程が実施された処理ロットである）、処理ロット同士が条件的に類似していたりする（具体的には、コイル厚みなどが同じ、または近接する）ことである。過去の処理において材料単位が同一の処理ロットに含まれなくても、時間的に近接する、または条件的に類似する処理ロットに含まれていた場合、同様の材料単位を新たに処理する場合に同一の処理ロットに含めることが適切でありうる。ステップＳ３４では、このような観点を適合性スコアに反映させることができる。 In the example shown in FIG. 7, the model generation unit 106 determines whether or not the processing lot IDs are the same for each combination of the i-th record and the j-th record of the actual data (S31, S32). Judgment (S33). Here, when the processing lot IDs of the two records are not the same, the model generation unit 106 further uses a processing unit corresponding to each record (in this embodiment, a slab or a combination of a charge ID and a strand ID). It is determined whether or not the processing lots to which the unit (units integrated so as to be uniquely identifiable) are assigned have a predetermined relationship (S34). The predetermined relationship is, for example, that the processing lots are close to each other in time (specifically, the processing lots in which the rolling steps are carried out one after another), or the processing lots are conditionally similar to each other. (Specifically, the coil thickness and the like are the same or close to each other). Even if the material units are not included in the same processing lot in the past processing, if they are contained in processing lots that are close in time or conditionally similar, when similar material units are newly processed. It may be appropriate to include them in the same processing lot. In step S34, such a viewpoint can be reflected in the suitability score.

ｉ番目のレコードとｊ番目のレコードとの組み合わせが上記のステップＳ３３，Ｓ３４のいずれかに該当する場合、モデル生成部１０６は、ｉ番目のレコードとｊ番目のレコードとの最早処理時刻の差分に基づいて適合性スコアＣ_ｉｊを設定する（Ｓ３５）。具体的には、例えば、モデル生成部１０６は以下の式（１）によって適合性スコアＣ_ｉｊを設定する。処理時刻の差分が小さい場合、それぞれのレコードに対応する処理単位は過去の処理において同一の処理ロット内または連続する処理ロット間で近接する処理順序を有していたことになる。例えば鋼材の圧延工程では、加工後のコイル幅や厚み、硬度などが類似したスラブを同一の処理ロット内、または連続する処理ロット間で近接する処理順序に配置することで圧延ロールの配置や圧延回数などの変更幅を小さくできるため、近接する処理順序を有していた材料単位について適合性スコアＣ_ｉｊを高くし、同一の処理ロットに含めるようにすることは適切である。なお、ステップＳ３５では、必ずしも最早処理時刻の差分に基づいて適合性スコアＣ_ｉｊを設定しなくてもよく、処理時刻に基づく他の条件に従って適合性スコアＣ_ｉｊを設定してもよい。 When the combination of the i-th record and the j-th record corresponds to any of the above steps S33 and S34, the model generator 106 determines the difference in the earliest processing time between the i-th record and the j-th record. Based on this, the suitability score _Cij is set (S35). Specifically, for example, the model generation unit 106 sets the suitability score C _ij by the following equation (1). When the difference in processing time is small, it means that the processing unit corresponding to each record has a processing order close to each other in the same processing lot or between consecutive processing lots in the past processing. For example, in the rolling process of steel materials, rolling rolls are arranged and rolled by arranging slabs having similar coil width, thickness, hardness, etc. after processing in the same processing lot or in a processing order close to each other between consecutive processing lots. Since the change range such as the number of times can be reduced, it is appropriate to increase the suitability score _Cij for the material units having adjacent processing orders so that they are included in the same processing lot. In step S35, the suitability score C _ij may not necessarily be set based on the difference in the earliest processing time, and the suitability score C _ij may be set according to other conditions based on the processing time.

上記の式（１）において、ｔｐ_ｉ，ｔｐ_ｊはｉ番目のレコードおよびｊ番目のレコードのそれぞれの最早処理時刻である。式（１）の例において、適合性スコアＣ_ｉｊは、大きい（１００に近い）ほど、ｉ番目のレコードおよびｊ番目のレコードのそれぞれに対応するスラブが同じ処理ロットに含めることに適していることを意味する。なお、上記の式（１）で算出される適合性スコアＣ_ｉｊを、例えばｙ＝１００ｅ^{ｘ－１００}（ｅは自然対数の底）のような関数を用いて０≦Ｃ_ｉｊ≦１００の範囲の値に変換してもよい。また、上限を１００以外の値で設定することも可能である。 In the above equation (1), tp _i and tp _j are the earliest processing times of the i-th record and the j-th record, respectively. In the example of the formula (1), the larger the conformance score C _ij (closer to 100), the more suitable the slab corresponding to each of the i-th record and the j-th record is to be included in the same processing lot. Means. The suitability score C _ij calculated by the above equation (1) is in the range of 0 ≤ C _ij ≤ 100 by using a function such as y = 100e ^x-100 (e is the base of the natural logarithm). It may be converted to a value. It is also possible to set the upper limit to a value other than 100.

一方、ｉ番目のレコードとｊ番目のレコードとの組み合わせが上記のステップＳ３３，Ｓ３４のいずれかにも該当しない場合、モデル生成部１０６は適合性スコアＣ_ｉｊに０を設定する（Ｓ３６）。この結果、モデル生成部１０６が設定する適合性スコアＣ_ｉｊは、材料単位の組み合わせが同一の処理ロットに含まれる場合に高くなり、また、材料単位の組み合わせが、時間的に近接する、または条件的に類似する処理ロットに含まれる場合に高くなる。また、上記の例において、モデル生成部１０６が設定する適合性スコアＣ_ｉｊは、材料単位の組み合わせが、同一の処理ロット内または連続する処理ロット間で近接する処理順序（処理時刻によって表現される）を有する場合に高くなる。以上のような処理によって設定された適合性スコアＣ_ｉｊの例を表１に示す。 On the other hand, when the combination of the i-th record and the j-th record does not correspond to any of the above steps S33 and S34, the model generation unit 106 sets the suitability score C _ij to 0 (S36). As a result, the suitability score _Cij set by the model generation unit 106 becomes high when the combination of material units is contained in the same processing lot, and the combination of material units is close in time or a condition. Higher when included in similar processing lots. Further, in the above example, the suitability score _Cij set by the model generation unit 106 is expressed by a processing order (processing time) in which combinations of material units are close to each other within the same processing lot or between consecutive processing lots. ) Will be higher. Table 1 shows an example of the suitability score _Cij set by the above processing.

上述のように、モデル生成部１０６は、実績データに基づいて、適合性スコアＣ_ｉｊを目的変数とし、材料単位に関する情報を説明変数とする予測モデルを、回帰手法を用いて生成する。ここで、回帰手法は、予測したい目的変数ｙを説明変数Ｘの関数ｆ（Ｘ）で求める手法であり、簡単な手法としてはｙ＝ａＸ＋ｂとして予測を行う線形回帰手法が知られている。予測モデルは、回帰手法によって作成される例えば重回帰モデル、決定木（回帰木）、またはランダムフォレストなどのモデルである。式（２）に、モデル生成部１０６が生成する予測モデルの例を示す。 As described above, the model generation unit 106 generates a prediction model using the suitability score _Cij as the objective variable and the information about the material unit as the explanatory variable based on the actual data by using the regression method. Here, the regression method is a method of obtaining the objective variable y to be predicted by the function f (X) of the explanatory variable X, and as a simple method, a linear regression method of predicting with y = aX + b is known. A predictive model is a model created by a regression method, such as a multiple regression model, a decision tree (regression tree), or a random forest. Equation (2) shows an example of the prediction model generated by the model generation unit 106.

式（２）において、Ｘ_ｋｉ，Ｘ_ｋｊは、ｉ番目のレコードおよびｊ番目のレコードのそれぞれに含まれる説明変数Ｘ_ｋ（ｋ＝１，２，…，Ｎ）である。図６Ｂに示した鋼材の圧延工程の例ではＮ＝３であり、Ｘ_１＝平均コイル幅、Ｘ_２＝合計スラブ重量、Ｘ_３＝炭素量である。係数ｗ_ｋは、説明変数Ｘ_ｋのそれぞれについて設定され、説明変数Ｘ_ｋが適合性スコアＣ_ｉｊに与える影響の大きさを示す。式（２）の例では、ｉ番目のレコードとｊ番目のレコードとの間で、説明変数Ｘ_ｋの差分が小さいほど適合性スコアＣ_ｉｊが定数ｗ_０に近づく。上記の式（１）の場合と同様に、適合性スコアＣ_ｉｊを０≦Ｃ_ｉｊ≦１００の範囲の値に変換してもよい。 In the equation (2), X _ki and X _kj are explanatory variables X _k (k = 1, 2, ..., N) included in each of the i-th record and the j-th record. In the example of the rolling process of the steel material shown in FIG. 6B, N = 3, X ₁ = average coil width, X ₂ = total slab weight, and X ₃ = carbon content. The coefficient w _k is set for each of the explanatory variables X _k , and indicates the magnitude of the influence of the explanatory variable X _k on the suitability score C _ij . In the example of the equation (2), the smaller the difference between the explanatory variables X _k and the i-th record and the j-th record, the closer the suitability score C _ij approaches the constant w ₀ . As in the case of the above equation (1), the suitability score C _ij may be converted into a value in the range of 0 ≤ C _ij ≤ 100.

上記の例において、モデル生成部１０６は、十分な数の実績データが収集された時点で、実績データを目的変数（適合性スコアＣ_ｉｊ）および説明変数Ｘ_ｋのデータセットとして用いて、予測モデルのパラメータ、具体的には式（２）の例における定数ｗ_０および係数ｗ_ｋを最小二乗法などの公知の手法によって算出する。モデル生成部１０６は、算出された予測モデルのパラメータをモデルデータ１２８として出力する。 In the above example, the model generation unit 106 uses the actual data as a data set of the objective variable (fitness score C _ij ) and the explanatory variable X _k when a sufficient number of actual data are collected, and is a prediction model. The parameters of the above, specifically, the constant w ₀ and the coefficient w _k in the example of the equation (2) are calculated by a known method such as the minimum square method. The model generation unit 106 outputs the calculated parameters of the prediction model as model data 128.

（鋼材の圧延工程における適用例：処理ロットの作成）
モデル生成部１０６によって上記のような予測モデルが生成されると、適合性スコア算出部１１２による予定データ１２４に基づく適合性スコアの算出、および算出された適合性スコアに基づく処理ロット作成部１１４による処理ロットの作成が可能になる。ここで説明されている圧延工程の例において、予定データは上記で図６Ａに示した実績データと同様の情報（ただし、処理ロット情報を除く）を含み、予定データ前処理部１１０はこの予定データについて実績データ前処理部１０４と同様にデータ量の圧縮を実行する。従って、予定データ前処理部１１０から適合性スコア算出部１１２に提供される予定データは、図６Ｂに示した前処理後の実績データと同様の情報（ただし、処理ロット情報を除く）を含む。 (Application example in the rolling process of steel materials: creation of processing lots)
When the prediction model as described above is generated by the model generation unit 106, the suitability score calculation unit 112 calculates the suitability score based on the scheduled data 124, and the processing lot creation unit 114 based on the calculated suitability score. It is possible to create processing lots. In the example of the rolling process described here, the scheduled data includes the same information as the actual data shown in FIG. 6A above (however, the processing lot information is excluded), and the scheduled data preprocessing section 110 includes the scheduled data. The data amount is compressed in the same manner as in the actual data preprocessing unit 104. Therefore, the scheduled data provided from the scheduled data preprocessing unit 110 to the suitability score calculation unit 112 includes the same information as the actual data after preprocessing shown in FIG. 6B (however, excluding the processing lot information).

上記のような前処理後の予定データが入力されると、適合性スコア算出部１１２は、モデルデータ１２８として記録されている予測モデルのパラメータ、具体的には式（２）の例における定数ｗ_０および係数ｗ_ｋを読み込み、予測モデルを用いて適合性スコアＣ_ｉｊを算出する。具体的には、適合性スコア算出部１１２は、予定データのｉ番目のレコードおよびｊ番目のレコードのそれぞれに含まれる材料単位（例えば、スラブ）に関する情報を式（２）の説明変数Ｘ_ｋ（Ｘ_１＝平均コイル幅、Ｘ_２＝合計スラブ重量、Ｘ_３＝炭素量）に代入して適合性スコアＣ_ｉｊを算出する。上記で図６Ａ、図６Ｂおよび表１に例示した実績データ（チャージＩＤ：Ｃ１～Ｃ４）に基づく適合性スコアから予測モデルが生成された後に、新たに入力された予定データ（チャージＩＤ：Ｃ５～Ｃ７）に基づいて適合性スコア算出部１１２が算出する適合性スコアＣ_ｉｊの例を表２に示す。 When the schedule data after the preprocessing as described above is input, the suitability score calculation unit 112 determines the parameters of the prediction model recorded as the model data 128, specifically, the constant w in the example of the equation (2). ₀ and the coefficient w _k are read, and the suitability score C _ij is calculated using the prediction model. Specifically, the suitability score calculation unit 112 provides information on the material unit (for example, slab) included in each of the i-th record and the j-th record of the scheduled data in the explanatory variable X _k (2) of the equation (2). The compatibility score _Cij is calculated by substituting X ₁ = average coil width, X ₂ = total slab weight, X ₃ = carbon content). Scheduled data (charge ID: C5 to) newly input after the prediction model is generated from the suitability score based on the actual data (charge ID: C1 to C4) exemplified above in FIGS. 6A, 6B and Table 1. Table 2 shows an example of the suitability score _Cij calculated by the suitability score calculation unit 112 based on C7).

上記の例のように適合性スコア算出部１１２がｉ番目のレコードとｊ番目のレコードとの間の適合性スコアＣ_ｉｊを算出した（レコード数をＭとして、ｉ，ｊ∈｛１，２，…，Ｍ｝）場合に、処理ロット作成部１１４は、例えば図８に示すようなフローで処理ロットを作成する。 As in the above example, the suitability score calculation unit 112 calculated the suitability score _Cij between the i-th record and the j-th record (i, j ∈ {1, 2, with the number of records as M). ..., M}), the processing lot creation unit 114 creates a processing lot according to the flow shown in FIG. 8, for example.

図８に示された例において、処理ロット作成部１１４は、適合性スコアＣ_ｉｊが所定の閾値を超える材料単位の組み合わせを同一の処理ロット（ｎ番目の処理ロット）に追加する。具体的には、処理ロット作成部１１４は、ｎ＝１に初期化してから（Ｓ４１）、予定データのｉ番目（ｉ＝１，２，…，Ｍ－１；ただし既に処理ロットに割り当てられているものを除く）のレコードに対応する材料単位をｎ番目の処理ロットに追加した上で（Ｓ４２，４３）、ｊ番目（ｊ＝ｉ＋１，ｉ＋２，…，Ｍ；ただし既に処理ロットに割り当てられているものを除く）のレコードとの組み合わせについて（Ｓ４４）、適合性スコア算出部１１２によって算出された適合性スコアＣ_ｉｊが所定の閾値を超えていれば（Ｓ４５）、ｊ番目のレコードに対応する材料単位をｎ番目の処理ロット、すなわちｉ番目のレコードに対応する材料単位と同じ処理ロットに追加する（Ｓ４６）。 In the example shown in FIG. 8, the processing lot creation unit 114 adds a combination of material units having a compatibility score _Cij exceeding a predetermined threshold value to the same processing lot (nth processing lot). Specifically, the processing lot creation unit 114 is initialized to n = 1 (S41), and then the i-th (i = 1, 2, ..., M-1; of the scheduled data; however, it has already been assigned to the processing lot. After adding the material unit corresponding to the record (excluding the existing one) to the nth processing lot (S42,43), the jth (j = i + 1, i + 2, ..., M; however, it has already been assigned to the processing lot. Regarding the combination with the record (S44), if the suitability score _Cij calculated by the suitability score calculation unit 112 exceeds a predetermined threshold value (S45), it corresponds to the jth record. The material unit is added to the nth processing lot, that is, the same processing lot as the material unit corresponding to the i-th record (S46).

ここで、予測モデルが回帰手法を用いて適切に生成されていれば、適合性スコアＣ_ｉｊが高いほど、材料単位を同一の処理ロットに含めることがより適切である。従って、適合性スコアＣ_ｉｊの所定の閾値を予め設定し、その閾値を超える適合性スコアＣ_ｉｊが算出された材料単位の組み合わせを同一の処理ロットに追加することによって、処理ロットを適切に決定することができる。 Here, if the predictive model is properly generated using the regression method, the higher the suitability score _Cij , the more appropriate it is to include the material units in the same processing lot. Therefore, the processing lot is appropriately determined by setting a predetermined threshold value of the compatibility score C _ij in advance and adding the combination of the material units for which the compatibility score C _ij exceeding the threshold value is calculated to the same processing lot. can do.

ここで、既に述べたように、圧延工程では、圧延ロールが摩耗するために、連続して処理可能なスラブの数、すなわち１つの処理ロットに含めることが可能な材料単位の数は有限である。従って、処理ロット作成部１１４は、上記のステップＳ４６で材料単位をｎ番目の処理ロットに追加した点で、処理ロット内のスラブ数が上限に到達している場合（Ｓ４７）、その時点でｎ番目の処理ロットに含まれる材料単位を確定し、予定データのｉ番目のレコードの処理も終了する（ｉ＝ｉ＋１）。図示された例では、ｉ番目のレコードとｊ番目のレコードとの組み合わせがすべて探索された場合も、ｎ番目の処理ロットに含まれる材料単位を確定し、レコードの処理を終了する（ｎ＝ｎ＋１になる；Ｓ４８）。なお、次に説明する例のように、予定データのｉ＋１番目以降のレコードに対応する材料単位でｎ番目の処理ロットに割り当てられたものとの適合性スコアＣ_ｉｊに基づいて、ｎ番目の処理ロットにさらに材料単位を追加してもよい。予定データのすべてのレコードに対応する材料単位が処理ロットに追加されると処理ロット作成処理は終了する。 Here, as already mentioned, in the rolling process, the number of slabs that can be continuously processed, that is, the number of material units that can be included in one processing lot is finite because the rolling rolls are worn. .. Therefore, when the processing lot creation unit 114 has reached the upper limit of the number of slabs in the processing lot at the point where the material unit is added to the nth processing lot in step S46 above (S47), n at that time. The material unit included in the second processing lot is determined, and the processing of the i-th record of the scheduled data is also completed (i = i + 1). In the illustrated example, even when all combinations of the i-th record and the j-th record are searched, the material unit included in the n-th processing lot is determined, and the record processing is terminated (n = n + 1). Becomes; S48). As in the example described below, the nth processing is based on the compatibility score C _ij with the material assigned to the nth processing lot in the material unit corresponding to the i + 1th and subsequent records of the scheduled data. Additional material units may be added to the lot. The processing lot creation process ends when the material units corresponding to all the records of the scheduled data are added to the processing lot.

上記で表２に示した例で算出された適合性スコアＣ_ｉｊに基づいて処理ロットを作成する場合、例えば、まずＣ５－Ｎ１（チャージＩＤ－ストランドＩＤ；以下同様）のレコードに対応する材料単位を１番目の処理ロットに追加し（図８のステップＳ４１～Ｓ４３）、この処理ロットに追加する材料単位を探索する（ステップＳ４４～Ｓ４６）。適合性スコアＣ_ｉｊの閾値を５０とした場合、Ｃ５－Ｎ２（Ｃ_ｉｊ＝６０）およびＣ７－Ｎ１（Ｃ_ｉｊ＝７０）のレコードに対応する材料単位が１番目の処理ロットに追加されるが、Ｃ６－Ｎ１（Ｃ_ｉｊ＝４０）、Ｃ６－Ｎ２（Ｃ_ｉｊ＝３０）、およびＣ７－Ｎ２（Ｃ_ｉｊ＝５０）のレコードに対応する材料単位は追加されない。 When creating a processing lot based on the conformance score _Cij calculated in the example shown in Table 2 above, for example, first, the material unit corresponding to the record of C5-N1 (charge ID-strand ID; the same applies hereinafter). Is added to the first processing lot (steps S41 to S43 in FIG. 8), and the material unit to be added to this processing lot is searched for (steps S44 to S46). If the threshold of the suitability score C _ij is set to 50, the material units corresponding to the records of C5-N2 (C _ij = 60) and C7-N1 (C _ij = 70) are added to the first processing lot. , C6-N1 (C _ij = 40), C6-N2 (C _ij = 30), and C7-N2 (C _ij = 50) records corresponding material units are not added.

ここで、さらに、Ｃ５－Ｎ１のレコード以外で１番目の処理ロットに材料単位が割り当てられたレコード（Ｃ５－Ｎ２およびＣ７－Ｎ１）のそれぞれについて、これをｉ番目のレコードとして、適合性スコアＣ_ｉｊが閾値を超えるｊ番目のレコードを１番目の処理ロットに追加する。具体的には、Ｃ５－Ｎ２のレコードとの組み合わせでは、Ｃ７－Ｎ２（Ｃ_ｉｊ＝８０）のレコードが追加される。Ｃ７－Ｎ１のレコードとの組み合わせでは、既に処理ロットに追加されているレコード以外でＣ_ｉｊが閾値を超えるレコードは存在しない。ここまでのステップで、１番目の処理ロットに含まれる材料単位が確定する。 Here, further, for each of the records (C5-N2 and C7-N1) in which the material unit is assigned to the first processing lot other than the record of C5-N1, this is set as the i-th record, and the conformity score C. The jth record in which _ij exceeds the threshold value is added to the first processing lot. Specifically, in combination with the record of C5-N2, the record of C7-N2 ( _Cij = 80) is added. In combination with the record of C7-N1, there is no record whose _Cij exceeds the threshold value other than the record already added to the processing lot. In the steps up to this point, the material unit included in the first processing lot is determined.

次に、まだ処理ロットに追加されていないＣ６－Ｎ１のレコードに対応する材料単位を２番目の処理ロットに追加し（図８のステップＳ４２，Ｓ４３）、この処理ロットに追加する材料単位を探索する（ステップＳ４４～Ｓ４６）。ここでも適合性スコアＣ_ｉｊの閾値を５０とした場合、Ｃ６－Ｎ２（Ｃ_ｉｊ＝６０）のレコードに対応する材料単位が２番目の処理ロットに追加される。これですべてのレコードに対応する材料単位が処理ロットに追加されたため、処理ロット作成処理は終了する。この例で作成された処理ロット（処理ロットＩＤ：Ｈ３，Ｈ４）を表３に示す。 Next, the material unit corresponding to the record of C6-N1 that has not been added to the processing lot is added to the second processing lot (steps S42 and S43 in FIG. 8), and the material unit to be added to this processing lot is searched for. (Steps S44 to S46). Again, if the threshold of the suitability score C _ij is set to 50, the material unit corresponding to the record of C6-N2 (C _ij = 60) is added to the second processing lot. Now that the material units corresponding to all the records have been added to the processing lot, the processing lot creation process is complete. Table 3 shows the processing lots (processing lot IDs: H3 and H4) created in this example.

以上で説明したような本発明の一実施形態、および鋼材の圧延工程への適用例について、実際の圧延工程で得られたデータを用いて検証を実施した。具体的には、４２７６２本のスラブについて、項目数３０の実績データ（図６Ａの例に示したようなデータ）を用意し、これを前処理でチャージＩＤおよびストランドＩＤの組み合わせで統合して６６２５件のレコード（図６Ｂの例に示したようなデータ）を得た。これらのレコードを上記で図３に示したようなモデル生成処理に用いる訓練データと、図４に示したような処理ロット作成処理に用いる評価データとに分けて、交差検証を行い、それぞれについて上記の式（１）を用いて適合性スコアＣ_ｉｊを算出し（合計で７０５０９０通り）、その結果に基づいて予測モデルを評価した。 An embodiment of the present invention as described above and an example of application of a steel material to a rolling process were verified using data obtained in an actual rolling process. Specifically, for 42,762 slabs, actual data with 30 items (data as shown in the example of FIG. 6A) is prepared, and this is integrated by a combination of charge ID and strand ID in preprocessing to 6625. The records (data as shown in the example of FIG. 6B) were obtained. These records are divided into training data used for model generation processing as shown in FIG. 3 and evaluation data used for processing lot creation processing as shown in FIG. 4, and cross-validation is performed for each of the above records. The conformity score Cij was calculated using the equation (1) of (1) ( ₇₀₅₀₉₀ in total), and the prediction model was evaluated based on the result.

具体的には、訓練データを実績データ１２２として用いて、式（１）を用いて算出された適合性スコアＣ_ｉｊに基づいて、後述する２種類の予測モデルを生成した。その一方で、評価データの処理ロット情報をマスクしたものを予定データ１２４として用いて、生成された予測モデルに基づいて適合性スコアｐＣ_ｉｊを算出した。このようにして予測モデルを用いて算出された適合性スコアｐＣ_ｉｊと、マスクされていた処理ロット情報から式（１）を用いて算出された適合性スコアＣ_ｉｊとの間で、以下の式（３）によってＲ^２値を算出した。 Specifically, using the training data as the actual data 122, two types of prediction models described later were generated based on the suitability score _Cij calculated using the equation (1). On the other hand, the suitability score pC _ij was calculated based on the generated prediction model by using the masked lot information of the evaluation data as the scheduled data 124. The following equation is used between the suitability score pC _ij calculated using the prediction model in this way and the suitability score C _ij calculated using the formula (1) from the masked processing lot information. The ^R2 value was calculated according to (3).

実施例で生成された２種類の予測モデルと、それぞれの場合のＲ^２値とを表４に示す。いずれの場合もＲ^２値は高く、予測モデルが適合性スコアＣ_ｉｊを高い精度で予測できていることがわかる。 Table 4 shows the two types of prediction models generated in the examples and the ^R2 value in each case. In both cases, the ^R2 value is high, and it can be seen that the prediction model can predict the suitability score _Cij with high accuracy.

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範囲内において、各種の変形例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。 Although the preferred embodiments of the present invention have been described in detail with reference to the accompanying drawings, the present invention is not limited to these examples. It is clear that a person having ordinary knowledge in the field of technology to which the present invention belongs can come up with various modifications or modifications within the scope of the technical ideas described in the claims. , These are also naturally understood to belong to the technical scope of the present invention.

１００…処理ロット決定装置、１０２…実績データ入力部、１０４…実績データ前処理部、１０６…モデル生成部、１０８…予定データ入力部、１１０…予定データ前処理部、１１２…適合性スコア算出部、１１４…処理ロット作成部、１２２…実績データ、１２４…予定データ、１２６…処理ロットデータ、１２８…モデルデータ。 100 ... Processing lot determination device, 102 ... Actual data input unit, 104 ... Actual data preprocessing unit, 106 ... Model generation unit, 108 ... Scheduled data input unit, 110 ... Scheduled data preprocessing unit, 112 ... Conformity score calculation unit , 114 ... Processing lot creation unit, 122 ... Actual data, 124 ... Scheduled data, 126 ... Processing lot data, 128 ... Model data.

Claims

An actual data input unit for inputting actual data including information on a material unit already processed in a process to be processed lot determination and information on a processing lot to which the already processed material unit is assigned.
Based on the actual data, the conformity score that becomes higher when the information about the processing lot in the combination of the material units satisfies a predetermined condition is set as the objective variable, and the information about the already processed material units is used as the explanatory variable. A predictive model generator equipped with a model generator that generates a predictive model using a regression method.

The information about the processing lot includes the identification information of the processing lot.
The predictive model generator according to claim 1, wherein the suitability score is increased when the combination of the material units is included in the same processing lot specified in the information about the processing lot.

The information about the processing lot includes the identification information of the processing lot.
The suitability score is such that when the processing lots specified in the information about the processing lot are different from each other, the combination of the material units is included in the processing lots which are close in time, or the conditions are similar. The predictive model generator according to claim 1 or 2, which becomes higher when included in a processing lot.

The information about the processing lot includes information about the processing order of the material unit.
The predictive model generator according to any one of claims 1 to 3, wherein the suitability score is set based on information regarding the processing order of the material units .

Scheduled data input unit for inputting scheduled data including information on unprocessed material units in the process to be processed lot determination, and
A conformance score that is high when the information about the processing lot in the combination of the material units meets certain conditions , based on a predictive model generated using the regression method with the information about the already processed material units as the explanatory variables. The suitability score calculation unit that calculates
A processing lot creation device comprising a processing lot creation unit that adds the unprocessed material unit to the processing lot based on the suitability score.

The processing lot creation device according to claim 5, wherein the processing lot creation unit adds a combination of the material units whose suitability score exceeds a predetermined threshold value to the same processing lot.

An actual data input step in which actual data including information about a material unit already processed in a process to be processed lot determination and information about a processing lot to which the already processed material unit is assigned is input.
Based on the actual data, the conformity score that becomes higher when the information about the processing lot in the combination of the material units satisfies a predetermined condition is set as the objective variable, and the information about the already processed material units is used as the explanatory variable. A predictive model generation method including a model generation step for generating a predictive model using a regression method.

A scheduled data entry step in which scheduled data containing information about unprocessed material units is entered in the process for which the processing lot is determined .
A conformance score that is high when the information about the processing lot in the combination of the material units meets certain conditions , based on a predictive model generated using the regression method with the information about the already processed material units as the explanatory variables. The suitability score calculation step to calculate, and
A process lot creation method comprising a process lot creation step of adding the unprocessed material unit to a process lot based on the suitability score.

An actual data input unit for inputting actual data including information on a material unit already processed in a process to be processed lot determination and information on a processing lot to which the already processed material unit is assigned.
Based on the actual data, the conformity score that becomes higher when the information about the processing lot in the combination of the material units satisfies a predetermined condition is set as the objective variable, and the information about the already processed material units is used as the explanatory variable. A program for operating a computer as a predictive model generator equipped with a model generator that generates a predictive model using a regression method.

Scheduled data input unit for inputting scheduled data including information on unprocessed material units in the process to be processed lot determination, and
A conformance score that is high when the information about the processing lot in the combination of the material units meets certain conditions , based on a predictive model generated using the regression method with the information about the already processed material units as the explanatory variables. The suitability score calculation unit that calculates
A program for operating a computer as a processing lot creation device including a processing lot creation unit that adds the unprocessed material unit to a processing lot based on the suitability score.