JP7622673B2 - 品質要因解析装置及び製鉄所の操業方法 - Google Patents

Description

本開示は、品質要因解析装置及び製鉄所の操業方法に関する。

従来、操業条件が品質に影響する製造プロセスにおいて、操業条件などから製品の品質を予測する様々な手法が提案されている。例えば特許文献１は、操業データから製品品質を予測する装置であって、操業変数の局所領域ごとに操業と品質との関係を表す関数式を有することで、高精度に品質を予測する装置を開示する。

また、例えば特許文献２は、品質異常の原因推定支援方法であって、品質評価指標と製造工程との相関関係と、決定木学習によって選定された温度・圧力・水量の数値情報又は文字情報がオペレータに表示されることによって、品質異常の原因を、オペレータの経験度合いに左右されることなく推定する方法を開示する。

また、例えば特許文献３は、複数製造工程に対する異常工程推定方法であって、工程ごとに正常状態における特徴を機械学習によって相関モデルを生成し、正常状態からの乖離を異常度合と判定することによって、異常工程を精度よく推定することができる方法を開示する。

特開２０１２－１３７８１３号公報 特開２０１４－１７９０６０号公報 特開２０１９－４９９４０号公報

ここで、上記の従来手法は、品質異常の原因を特定するために、製品品質データと製造条件データから品質と製造条件の相関に基づく関係に着目することで原因推定を行っている。しかしながら、相関関係があれば必ず因果関係があるということにはならない。

例えば製造条件と品質の間に交絡がある場合、製造条件及び品質に関する変数間に多重共線性が生じて擬相関が起こり得るため、従来手法では因果関係が無いにも関わらず原因候補と推定することがあった。ここで、「製造条件と品質の間に交絡がある」とは、製造条件の変数と品質の変数の両方に影響を与える外部変数が存在することを意味する。このような場合に、従来手法によって品質異常の要因と推定された製造条件を変更しても、品質不良及び異常状態が改善しない又は悪化してしまうことがある。

以上の問題を解決すべくなされた本開示の目的は、高精度に品質要因を推定可能な品質要因解析装置及び製鉄所の操業方法を提供することにある。ここで、品質要因は、品質異常及び品質向上などの品質の変化の原因となる因子である。

本開示の一実施形態に係る品質要因解析装置は、
製品の品質特性を表す品質因子、前記品質特性を得るための製造プロセスの操作量を表す操作因子、及び、前記操作量と前記品質特性との関係に影響し得る中間的な因子を表す中間因子を含む因子を用いて前記品質特性の要因を解析する品質要因解析装置であって、
過去に製造された前記製品における前記品質因子、前記操作因子及び前記中間因子に関する製造データを蓄積するデータベースと、
前記製造データから前記品質因子、前記操作因子及び前記中間因子の値の範囲を表す初期の確率分布を算出する初期化部と、
前記因子の一部に対して計測又は設定によって確定された条件を読み取る条件読取部と、
前記確定された条件、前記初期の確率分布及び前記因子の間の関係に基づいて条件付確率を算出し、前記条件付確率に基づいて前記因子の確率分布を更新する因果推論部と、
前記因子の少なくとも１つについて、前記初期の確率分布及び更新された確率分布を表示させる表示制御部と、を備える。

本開示の一実施形態に係る製鉄所の操業方法は、
前記製品を鋼材とする、上記の品質要因解析装置が更新した前記操作因子の確率分布に基づいて、前記鋼材の製造条件を決定することを含む。

本開示によれば、高精度に品質要因を推定可能な品質要因解析装置及び製鉄所の操業方法を提供することができる。

図１は、本開示の一実施形態に係る品質要因解析装置の概略を示す構成図である。 図２は、演算処理部の処理を示すフローチャートである。 図３は、初期化の処理を示すフローチャートである。 図４は、データベースに格納されている製造データの例である。 図５は、因果接続表を例示する図である。 図６は、因果ダイアグラムを例示する図である。 図７は、因子の確率分布を表す図である。 図８は、条件付確率テーブルを例示する図である。 図９は、実施例における実験データのグラフである。 図１０は、実施例における従来手法による結果を示すグラフである。 図１１は、実施例における因果接続表である。 図１２は、実施例における因果ダイアグラムと確率分布を示す図である。 図１３は、実施例における条件付確率テーブルである。 図１４は、実施例における品質要因解析装置の解析結果を示す図である。 図１５は、実施例における因果ダイアグラムを示す図である。 図１６は、実施例における不良率１００％と設定した場合を示す図である。 図１７は、実施例におけるＭｎ（マンガン濃度）の確率分布を示す図である。 図１８は、実施例における不良率ゼロと設定した場合を示す図である。 図１９は、実施例における不良率ゼロの場合のＭｎの確率分布を示す図である。 図２０は、製造コストの分布を示すグラフである。

以下、図面を参照して本開示の一実施形態に係る品質要因解析装置及び製鉄所の操業方法が説明される。

本実施形態に係る品質要因解析装置は、製品の品質特性を表す品質因子、品質特性を得るための製造プロセスの操作量を表す操作因子、及び、操作量と品質特性との関係に影響し得る中間的な因子を表す中間因子を含む因子を用いて品質特性の要因を解析する。品質要因解析装置が対象とする製品は限定されないが、本実施形態において、鉄鋼プロセスによって製造される鋼材を対象として例示する。品質要因解析装置が実行する処理は、製鉄所の操業方法の一部として行われる。

（構成）
図１は、本実施形態に係る品質要因解析装置１０の構成例を示す図である。ここで、図１には、品質要因解析装置１０の他に、品質要因解析装置１０の使用者４０と、解析結果などを使用者４０に表示する表示装置２０と、使用者４０から入力を受け付ける入力装置３０が示されている。

品質要因解析装置１０は、品質要因解析を実行するための各種演算処理を行う演算処理部１０１と、品質要因解析プログラム１０２を記憶する記憶部（ＲＯＭ１０３）と、各種演算処理の結果及び演算値などを一時的に記憶する一時記憶部（ＲＡＭ１０４）と、バス１０５と、過去に製造された製品における因子に関する製造データ（製造実績データ）を蓄積するデータベース１１０と、を備える。

演算処理部１０１は、ＲＯＭ１０３に記憶された品質要因解析プログラム１０２を読み込んで実行し、品質要因解析に必要な各種演算処理を実行する。演算処理部１０１は、１つ以上のプロセッサである。プロセッサは、例えば汎用のプロセッサ又は特定の処理に特化した専用プロセッサであるが、これらに限られず任意のプロセッサとすることができる。例えば品質要因解析装置１０がコンピュータであって、演算処理部１０１はＣＰＵで実現されてよい。

このような演算処理部１０１は、品質要因解析プログラム１０２の実行によって機能する機能ブロックとして、初期化部１０６、条件読取部１０７、因果推論部１０８と、表示制御部１０９と、を備える。

（処理）
図２は、演算処理部１０１の処理を示すフローチャートである。演算処理部１０１は、概要として、初期化（ステップＳ２０１）、条件読取（ステップＳ２０２）、因果推論（ステップＳ２０３）、結果表示（ステップＳ２０４）及び終了判定（ステップＳ２０５）の処理を実行する。初期化（ステップＳ２０１）の処理は初期化部１０６で実行される。条件読取（ステップＳ２０２）の処理は条件読取部１０７で実行される。因果推論（ステップＳ２０３）の処理は因果推論部１０８で実行される。結果表示（ステップＳ２０４）及び終了判定（ステップＳ２０５）の処理は表示制御部１０９で実行される。演算処理部１０１は、入力装置３０を介して使用者４０からの開始指示を受け取ると、品質要因解析の処理を開始する。

（初期化）
初期化部１０６は、図３に記載のフローチャートに基づき処理（ステップＳ２０１－１からステップＳ２０１－４）を実行し、因子の値の範囲を表す初期の確率分布を算出する。

初期化部１０６は製造データの読み込みを実行する（ステップＳ２０１－１）。初期化部１０６は、データベース１１０に格納されている過去に製造された多数の鋼材における加熱条件、圧延条件、冷却条件、素材の化学成分、走査型電子顕微鏡等により撮像し読み取った鋼材のミクロ組織の特徴量、強度などの鋼材の材質要求値、引張試験等による材質特性値などを因子として抽出する。ここで、本実施形態において素材はスラブである。また、過去に製造された多数の鋼材のデータである製造データは、図４に示すように製品ごとの因子をまとめた製造データとして管理されている。行は過去に製造された製品を表す。また、列は因子を表す。

上記のように、因子は、製品の品質特性を表す品質因子、品質特性を得るための製造プロセスの操作量を表す操作因子、及び、操作量と品質特性との関係に影響し得る中間的な因子を表す中間因子を含む。例えば、強度などの鋼材の材質要求値は、製品である鋼材の品質特性を表すものであって、品質因子に対応する。また、例えば加熱条件、圧延条件、冷却条件、素材の化学成分などは、鋼材の製造条件であって、操作因子又は中間因子（品質因子以外の因子）に対応する。本実施形態のような製鉄所の操業方法の一部として行われる品質要因解析において、品質要因解析装置１０は、品質因子として、鋼材の強度、延性、靱性、表面疵、介在物及び内質の少なくとも１つを表す因子を用いてよい。ここで、内質は例えば中心偏析、ポロシティなどである。また、品質要因解析装置１０は、操作因子として、鋼材の製造条件のうち加熱条件、圧延条件、冷却条件及び素材の化学成分の少なくとも１つを用いてよい。ただし、以下において、説明及び図示の便宜上、因子及び因子の値について数字（１、２、３…）及び文字（Ａ、Ｂ、Ｃ）を用いて抽象的に表現することがある。

初期化部１０６は、因子間の因果関係を表現した因果接続表を読み込む（ステップＳ２０１－２）。因果接続表は、例えば使用者４０によって予め用意されて、データベース１１０に格納されている。図５は、因果接続表を例示する図である。因果接続表は、行が原因の因子、列が結果の因子を表し、行列が交差するセルに１が示されていれば因果関係があることを意味する。図５の例において、因子Ａから因子Ｂ、因子Ａから因子Ｃ、因子Ｂから因子Ｃへの因果関係がある。初期化部１０６は、読み込んだ因果接続表に基づき因果関係を図示した因果ダイアグラムを生成して、データベース１１０に記憶させてよい。図６は、因果ダイアグラムを例示する図である。図６の例において、因果ダイアグラムは、因果関係のある因子が矢印で結ばれており、矢印の元に原因となる因子が示され、矢印の先に結果となる因子が示されている。因果ダイアグラムは、表示制御部１０９によってデータベース１１０から読みだされ、表示装置２０に表示されてよい。

初期化部１０６は、各因子のヒストグラムの計算をする（ステップＳ２０１－３）。初期化部１０６は、各因子の確率分布（発生確率）も算出する。図７は、因子の確率分布を表す図である。例えば図４における因子Ａ、因子Ｂ及び因子Ｃの度数及び確率分布は、図７のような表形式でそれぞれ表現される。ここで、１列目が各因子の値の範囲、２列目が度数、３列目が確率分布を表す。

初期化部１０６は、条件付確率を取得する（ステップＳ２０１－４）。図８は、条件付確率テーブルを例示する図である。初期化部１０６は、図４の製造データ、図５又は図６で表現される因果関係及び図７で表現される各因子の確率分布に基づいて条件付確率テーブルを生成することによって、ステップＳ２０１－４の処理を実行できる。ここで、条件付確率は、ある因子について条件が満たされる（ある事象が起こる）場合における、別の因子の確率分布を表現したものである。図８の条件付確率テーブルは、因子Ａがある事象が起こる因子、因子Ｂが別の因子であって、因子Ａの値が特定の範囲である場合における、因子Ｂが値ａ、ｂ又はｃをとり得る確率を示す。図５に示したように、因子Ａから因子Ｂへの因果関係が存在している。例えば因子Ａが１．２以上１．４未満のとき、因子Ｂの値がａとなる条件付確率が０．５、ｂとなる条件付確率が０．５である。また、初期化部１０６は、データベース１１０から条件付確率テーブルを読み込むことによって、ステップＳ２０１－４の処理を実行してよい。つまり、条件付確率テーブルは初期化部１０６によって生成されるのでなく、予め準備されてデータベース１１０に格納されていてよい。このとき、条件付確率テーブルの値は、物理学等の科学理論、実験で得られた経験則、日々の操業から得た人の経験則等をもとに設定されてよい。

（条件読取）
条件読取部１０７は、因子の一部に対して計測又は設定によって確定された条件を読み取る。本実施形態において、条件読取部１０７は、条件読取の処理（図２のステップＳ２０２）として、入力装置３０から入力された因子の観測情報を読み込む。観測情報（確定情報）は、例えば、因子Ａの値が１．０であるというような確定された因子の値についての情報である。条件読取部１０７は、１つ以上の因子についての観測情報を読み込む。条件読取部１０７が、全ての因子についての観測情報を読み込む必要はない。ここで、複数の因子についての観測情報が読み込まれた場合に、各因子についてステップＳ２０２からステップＳ２０４の処理が実行される。

（因果推論）
因果推論部１０８は、条件読取部１０７が読み取った確定された条件、初期化部１０６によって算出された初期の確率分布及び因子の間の関係に基づいて条件付確率を算出し、条件付確率に基づいて因子の確率分布を更新する。本実施形態において、因果推論部１０８は、図２のステップＳ２０３に対応する処理として、ステップＳ２０２で読み込んだ観測情報に基づいて、以下に説明する式に従うベイズ推論によって、Ｓ２０１で算出した確率分布を更新する。

因果推論部１０８は、ある因子（ここでは因子Ｕと呼ぶ）に対して、設定によって確定された条件（観測情報）が与えられた場合に、下記の式（１）に従うベイズ推論によって、因子Ｕの原因となる因子（ここでは因子Ｓと呼ぶ）の確率分布を更新する。更新された因子Ｓのヒストグラムは、因子Ｕが観測情報の通りである場合における、因子Ｕの原因の因子Ｓの値の推論値を意味する。

ここで、Ｐ（Ｓ｜Ｕ＝ｕ）は、因子Ｕの値がｕと確定したときの因子Ｓの事後確率である。Ｐ（Ｕ＝ｕ｜Ｓ）は因子Ｓと因子Ｕの尤度関数である。Ｐ（Ｓ）は因子Ｓの事前確率である。また、Ｐ（Ｕ＝ｕ）は因子Ｕの観測情報である。

また、因果推論部１０８は、ある因子（ここでは因子Ｕと呼ぶ）に対して、設定によって確定された条件（観測情報）が与えられた場合に、下記の式（２）に従うベイズ推論によって、因子Ｕの結果となる因子（ここでは因子Ｔと呼ぶ）の確率分布を更新する。更新された因子Ｔのヒストグラムは、因子Ｕが観測情報の通りである場合における、因子Ｕの結果の因子Ｔの値の推論値を意味する。

ここで、Ｐ（Ｔ｜Ｕ＝ｕ）は、因子Ｕの値がｕと確定したときの因子Ｔの事後確率である。Ｐ（Ｔ｜Ｕ）は因子Ｔと因子Ｕの尤度関数である。また、Ｐ（Ｕ＝ｕ）は因子Ｕの観測情報である。

ここで、因果推論部１０８は、データベース１１０から図５又は図６で表現される因果関係を取得することによって、因子Ｕの原因の因子Ｓ及び因子Ｕの結果の因子Ｔを特定することができる。因果推論部１０８は、観測情報が与えられる因子Ｕに対する原因の因子Ｓ及び結果の因子Ｔの全てについて、上記の式（１）及び式（２）に従って、確率分布を更新する。ここで、因果推論部１０８は、因子間の因果関係が多段に設定されるような場合に、再帰的に（全ての原因と結果の因子をたどりながら）確率分布を更新する。

（結果表示）
表示制御部１０９は、因子の少なくとも１つについて、初期の確率分布及び更新された確率分布を表示させる。本実施形態において、表示制御部１０９は、図２のステップＳ２０４に対応する処理として、ステップＳ２０３で更新された各因子の確率分布を、因果ダイアグラムとともに、表示装置２０に表示させる。つまり、本実施形態において、表示制御部１０９は、因果ダイアグラムの表示によって因子の間の関係を視覚的に示し、使用者４０が容易に因子の間の関係を把握できるようにする。

（終了判定）
表示制御部１０９は、図２のステップＳ２０５に対応する分岐処理として、入力装置３０から使用者４０の終了指示があった場合に一連の処理を終了させる。そうでない場合に、再び図２のステップＳ２０２の処理が行われる。例えば使用者４０の終了指示がなく、複数の因子についての観測情報が読み込まれた場合に、再度のステップＳ２０２の処理において別の因子についての観測情報が読み込まれる。

（操業方法）
品質要因解析装置１０は、鋼材の機械的特性（例えば強度など）並びに内部及び表面の性質（例えば疵及び欠陥の有無など）の少なくとも１つを表す品質因子と、鋼材の製造条件である操作因子と、中間因子との間の関係を解析できる。品質要因解析装置１０は、解析結果（更新した操作因子の確率分布）を上位システムに出力してよい。上位システムは、例えば鋼材の製造を管理するプロセスコンピュータを備えて構成され、製鉄所の操業方法を実行する。例えば品質因子に対して所望の結果を観測情報として与えた場合に、品質要因解析装置１０が原因となる操作因子を特定して、確率分布を更新することができる。上位システムは、所望の品質の鋼材を製造するために、品質要因解析装置１０が更新した操作因子の確率分布に基づいて、鋼材の製造条件を決定してよい。

以下、本実施形態に係る品質要因解析装置１０の効果を説明するために、厚板鋼材の製造に適用した実施例が説明される。

（実施例１）
鋼材商品の強度は、鉄鋼ミクロ組織の特徴である炭窒化物の析出形態、固相の種類等によって決まる。鉄鋼ミクロ組織の特徴は、製造の冷却過程おける鋼材温度変化量［℃］に影響される。ここで、様々に条件を振った実験データを製造データとして用いて、冷却時の鋼材温度変化量・析出物の大きさ・強度の関係性を解析する実験が行われた。

様々に条件を振った５００サンプルに対して連続する識別番号であるサンプル連番が与えられた。図９は、横軸をサンプル連番として、縦軸をその識別番号を有するサンプルの因子の値とする実験データのグラフである。「Ａ」は温度変化量である。「Ｂ」は析出物半径の逆数である。「Ｘ」は鋼材の強度である。これらの数値は－１から１の範囲に含まれるように正規化が行われている。強度について基準値（－０．１２）以上を示すサンプルが品質合格、すなわち「良」と判定される。図９の例では、サンプルの総数が５００であるところ、基準値を下回るサンプルが１４９個あり、２９．８％の不良率であった。

従来の相関に基づく方法では、まず、「Ａ」及び「Ｂ」が強度である「Ｘ」に与える影響を把握するために、「Ｘ」を目的変数、「Ａ」及び「Ｂ」を説明変数とする線形回帰モデルをつくる。図７のデータに基づいて、Ｘ＝０．７８×Ａ＋１．０３×Ｂという回帰式が得られる。従来の方法では、「Ｘ」の最小値が－０．６７であるため、「Ｘ」を１．０だけ上げて合格率（「良」である比率）を高めるように説明変数が調整される。このとき、１．０を「Ａ」の回帰係数０．７８で除した値が１．２８であるため、「Ａ」の狙い値を１．２８だけ上げる。図１０は、調整後の（「Ａ」の狙い値を１．２８だけあげた）結果である。図１０における「Ｘ」の平均値は０．０４であって、図９における調整前の「Ｘ」の平均値である０．０５からほとんど変化しない。また、図１０において、基準値を下回るサンプルが依然として１０８個あり、２１．６％の不良率であった。

従来の相関に基づく方法で意図通りに不良率を改善できない理由は、因子Ｂが因子Ａから影響を受けるという現象を考慮できないためと考えられる。つまり、因子Ａの変更が因子Ｂに影響しており、因子Ａの変更による因子Ｘ（強度）の改善が、影響された因子Ｂによる因子Ｘへの改悪で打ち消され、結果として「Ｘ」が改善されていないと考えられる。

同じ例において品質要因解析装置１０による要因解析が行われた。初期化部１０６は、図１１に示される因果接続表と図９のデータを読み込み、因子Ａ、因子Ｂ、因子Ｘ、因子Ｙに対する因果ダイアグラムと各因子の確率分布、条件付確率テーブルを算出した。図１２は、本実施例における因果ダイアグラムと確率分布を示す図である。図１３は本実施例における条件付確率テーブルである。ここで、因子Ｙは良・不良の判定を表す因子である。

次に、条件読取部１０７は「因子Ｙにおける不良率が０％」という観測情報を取得する。因果推論部１０８は、ベイズ推論に基づいて「因子Ｙにおける不良率が０％」を観測情報としたときの各因子の確率分布を更新する。表示制御部１０９は、図１４のように、更新の前後の確率分布を表示させる。図１４によれば、不良率を０％にするためには、因子Ａの平均値を０．１５あげるだけでなく、因子Ａの分布の幅を狭めて、かつ、因子Ｂの平均値を０．２下げる必要があることが視覚的に示されている。ここで、図１４の「ＯＫ」が「良」に対応し、「ＮＧ」が「不良」に対応する。

以上のように、品質要因解析装置１０は、従来技術に比べて高精度に品質要因を推定できる。

（実施例２）
本実施例では、厚板鋼材の強度・靱性の不良リスクを例として、製造プロセスの不良原因の解析と改善の方法が説明される。本実施例における因子は、図１５の因果ダイアグラムで示されるように、圧延条件の因子として、鋼材の仕上幅［ｍｍ］、仕上厚［ｍｍ］、制御圧延中の圧延材の厚み［ｍｍ］を含み得る。また、本実施例における因子は、温度条件の因子として、加熱炉抽出温度、制御圧延温度、仕上温度、冷却温度を含み得る。また、本実施例における因子は、スラブの化学成分濃度の因子として、炭素、シリコン、マンガン、リン、サルファ－、銅、ニッケル、クロム、モリブテン、ニオブ、バナジウム、チタン、ボロン、アルミ、窒素、水素、酸素、カルシウムを含み得る。また、本実施例における因子は、製品の金属学因子として、炭化物析出量、鉄組織への元素固溶量、マルテンサイト分率を含み得る。また、本実施例における因子は、材質の因子として、引張強度、靱性を意味するシャルビー試験により算出される遷移温度、試験片ばらつき及び試験条件ばらつきを除いた引張強度と遷移温度を含み得る。また、本実施例における因子は、材質要求値の因子として、引張強度の上限値、引張強度の下限値、遷移温度の下限値を含み得る。また、本実施例における因子は、不良リスク因子として、引張強度の要求割れリスク、遷移温度の要求割れリスクを含み得る。ここで、図１５において、黒塗りの四角は各因子の確率分布を簡略化して示したものである。

本実施例では、（１）不良リスク診断、（２）不良要因の推定、（３）不良率ゼロの操業アクションの決定という３つ段階で、因果関係に基づいて品質要因を推定する。これらの３つの段階のそれぞれで、上記の実施形態における条件読取（ステップＳ２０２）、因果推論（ステップＳ２０３）及び結果表示（ステップＳ２０４）の処理が実行される。

（不良リスク診断）
品質不良リスク診断は、圧延条件、温度条件、スラブの化学成分濃度の全ての条件が与えられたとき、その条件下で製造するとどれくらいの確率で不良が発生しそうか、というリスクを算出することである。上記の実施形態における初期化の処理の後に、条件読取の処理として、圧延条件、温度条件、スラブの化学成分濃度の各因子の条件が入力される。因子の値は１つの確定値ではなく、操業バラツキを考慮した分布として与えられる。上記の実施形態における因果推論の処理によって、金属学因子、材質の因子、材質要求値の因子、不良リスク因子が推論され、各因子の確率分布が更新される。図１５は、このような推論によって、不合格の確率（ＮＧ）及び合格の確率（ＯＫ）が表示された様子を示す。

図１５は、現操業における圧延条件、温度条件、スラブの化学成分濃度のばらつき（確率分布）で、最終的な不良率が２６．６２６％となり得ること（品質不良リスク診断の結果）を示している。

（不良要因の推定）
不良要因の推定では、不良要因を特定するために、条件読取の処理として、不良率が１００％であると設定する。図１６はこのような設定を行った場合を示す図である。上記の実施形態における因果推論の処理によって、入力された条件に基づき各因子の確率分布が更新される。結果表示の処理によって、各因子について、更新の前後の確率分布が表示される。

図１７は、一例として、スラブの化学成分濃度の因子であるＭｎ（マンガン濃度）の確率分布を示したものである。横軸は、－５．５～＋５．５に正規化されたＭｎ濃度である。縦軸は、各Ｍｎ濃度となる確率を示している。更新前を表すグラフのＭｎ量の確率分布は０．５～１．５にピークがある。一方、更新後を表すグラフのＭｎ量の確率分布は、－２．５～－１．５にピークがある。よって、不良の原因の一つはＭｎ量が３単位ほど少ないためと推測できる。ここで、１単位は、横軸の正規化された濃度の１つの区間に対応する。

（不良率ゼロの操業アクション）
不良率ゼロの操業アクションでは、合格率が１００％であるように、換言すると不良率がゼロであると設定する。図１８はこのような設定を行った場合を示す図である。上記の実施形態における因果推論の処理によって、入力された条件に基づき各因子の確率分布が更新される。結果表示の処理によって、各因子について、更新の前後の確率分布が表示される。

図１９は、不良率ゼロの場合のＭｎの確率分布を示す図である。横軸は、－５．５～＋５．５に正規化されたＭｎ濃度である。縦軸は、各Ｍｎ濃度となる確率を示している。更新前を表すグラフのＭｎ量の確率分布は、平均－０．２５、標準偏差２．１５である。一方、更新後を表すグラフのＭｎ量の確率分布は、平均０．６３、標準偏差１．６９である。このことから、不良率を減らすためには、Ｍｎ量の狙いを現行より０．８９（＝０．６３－（－０．２５））増やして、さらに０．４６（＝２．１５－１．６９）だけレンジを狭めるように制御する必要があることが分かる。

ここで、本実施例において、スラブの化学成分濃度に基づいて製造コスト分布が更新されて、他の因子とともに表示される。製造コスト分布は、例えば図２０のように表示される。横軸が正規化された費用で０～１０の値で表現され、縦軸は確率を表す。更新前のグラフ（左軸の数値を使用）と更新後のグラフ（右軸の数値を使用）を比較すると、更新前と比べて更新後の値が大きい。そのため、Ｍｎの狭レンジ化によって、コストが増大し得ることも推定することができる。

以上のように、品質要因解析装置１０は高精度に品質要因を推定できる。また、品質要因解析装置１０は、不良要因の推定も、不良率ゼロの操業アクションも、同様の操作によって容易に実行することが可能であり、さらにコストについての変動も解析することが可能である。

本開示に係る実施形態について、諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形又は修正を行うことが容易であることに注意されたい。従って、これらの変形又は修正は本開示の範囲に含まれることに留意されたい。例えば、各構成部又は各ステップなどに含まれる機能などは論理的に矛盾しないように再配置可能であり、複数の構成部又はステップなどを１つに組み合わせたり、或いは分割したりすることが可能である。本開示に係る実施形態は装置が備えるプロセッサにより実行されるプログラム又はプログラムを記録した記憶媒体としても実現し得るものである。本開示の範囲にはこれらも包含されるものと理解されたい。

１０ 品質要因解析装置
２０ 表示装置
３０ 入力装置
４０ 使用者
１０１ 演算処理部
１０２ 品質要因解析プログラム
１０３ ＲＯＭ
１０４ ＲＡＭ
１０５ バス
１０６ 初期化部
１０７ 条件読取部
１０８ 因果推論部
１０９ 表示制御部
１１０ データベース

Claims (6)

1. 製品の品質特性を表す品質因子、前記品質特性を得るための製造プロセスの操作量を表す操作因子、及び、前記操作量と前記品質特性との因果関係に影響し得る中間的な因子を表す中間因子を含む因子を用いて前記品質特性の要因を解析する品質要因解析装置であって、
   過去に製造された前記製品における前記品質因子、前記操作因子及び前記中間因子に関する製造データと前記因子の間の因果関係を表現した因果接続表を蓄積するデータベースと、
   前記因果接続表を読み込み、前記製造データから前記品質因子、前記操作因子及び前記中間因子の値の範囲を表す初期の確率分布を算出する初期化部と、
   前記因子の一部に対して計測又は設定によって確定された条件を読み取る条件読取部と、
   前記確定された条件、前記初期の確率分布及び前記因子の間の因果関係に基づいて条件付確率を算出し、前記条件付確率に基づいて前記因子の確率分布を更新する因果推論部と、
   前記因子の少なくとも１つについて、前記初期の確率分布及び更新された確率分布を表示させる表示制御部と、を備える、品質要因解析装置。
2. 前記表示制御部は前記因子の間の因果関係を視覚的に表示させる、請求項１に記載の品質要因解析装置。
3. 前記製品は鋼材であって、
   前記因子の間の因果関係は、前記鋼材の機械的特性並びに内部及び表面の性質の少なくとも１つを表す前記品質因子と、前記鋼材の製造条件である前記操作因子と、前記中間因子との間の因果関係である、請求項１又は２に記載の品質要因解析装置。
4. 前記品質因子は、前記鋼材の強度、延性、靱性、表面疵、介在物及び内質の少なくとも１つを表す、請求項３に記載の品質要因解析装置。
5. 前記操作因子は、前記鋼材の製造条件のうち加熱条件、圧延条件、冷却条件及び素材の化学成分の少なくとも１つである、請求項３又は４に記載の品質要因解析装置。
6. 請求項３から５のいずれか一項に記載の品質要因解析装置が更新した前記操作因子の確率分布に基づいて、前記鋼材の製造条件を決定することを含む、製鉄所の操業方法。

Images