[0001] 本发明涉及使配置于多个生产据点的多个同种生产设备运行的生产设备的运行方法以及运行系统。

[0002] 对于为了生产产品而需要多个大规模的生产设备的制造业而言，若将生产设备汇集于1处，则需要广阔的场地、或在发生了地震等较大的灾害的情况下存在生产完全停止的风险，所以存在使生产据点分散在国内、部分情况下在海外的各地来进行生产的情况。该情况下，在各个生产据点完成生产计划，并按照生产计划进行生产设备的运行。

[0003] 炼铁行业内的炼铁厂也存在配置于多处的情况。对于炼铁厂中集中有从上游工序到下游工序的生产设备的所谓联合炼铁厂而言，例如在各炼铁厂共通地部署有制造铁源的高炉、进行由高炉制造的铁水的成分调整的转炉、将熔化的铁固化成板状的铁坯的连续铸造设备、以及将铁坯进一步延伸为薄板状的热轧设备等生产设备的情况较多。目前为止，在各生产据点对每个生产设备进行这样的生产设备的运行中的异常判定，分别对异常进行应对。

[0004] 通常，对于生产设备而言，运行操作者边检查各运行数据，边进行运行。而且，在被判断为运行异常的情况下，以异常不扩大的方式变更运行条件来实现设备工作的稳定化。作为高炉的异常检测技术，例如存在专利文献1所记载的技术。具体而言，若高炉的通风性受到阻碍，则炉身压力变动，伴随与此，通过对设置于高炉炉体的炉身部的多个压力计数据进行主成分分析而得到的第二主成分以后的成分亦即Q统计量的值变大。因此，专利文献1所记载的技术对预先收集的正常时的Q统计量设定阈值，在Q统计量超过了阈值时判定为在高炉发生了运行异常。

[0005] 专利文献1：日本特开2017‑128805号公报

[0006] 近年，从基于企业经营合理化带来的人员削减、国内劳动人口减少这样的背景出发，运行操作者的人数也在减少。本来，在产生了运行异常时，需要在暂时停止运行等的基础上，迅速进行必要的应对来消除故障，但若运行操作者的人数较少，则伴随运行的大量作业集中于少数的运行操作者。另外，在这样的少人数下的运行应对中，异常时的运行技术的传承停滞，在即使生产设备存在异常也不会注意到该状况的状态下继续运行，其结果是，有时进一步导致较大的故障、长时间的停止运行和复原花费大量成本。另外，产品制造变得困难，导致产品销售数量减少。鉴于这样的背景，针对各种工序正在开发如上所述的异常检测技术。然而，重要的是可靠地运用这样的异常检测技术，使其反映于运行以不导致重大的设备故障。

[0018] 炼铁厂主要由制造作为产品基础的铁坯的上游工序设备、制造最终产品的下游工序设备、以及使电力、燃料气体、水等循环的能源设备构成。上游工序设备中包括储存生铁矿石、其他原料的原料堆场、由煤制造焦炭的焦炉、烧结细小铁矿石的烧结工厂、使这些原料高温燃烧来制造铁水的高炉、输送铁水的鱼雷车、用于输送鱼雷车的铁道设备、进行铁水的成分调整的预备处理设备、调整铁水中的碳含量来制成钢水的转炉、进行二次精炼的炉、将钢水最终固化为铁坯的连续铸造设备等生产设备。

[0019] 下游工序设备中包括加热铁坯来制造薄钢带的热轧设备、边反复进行钢带的加热、冷却边薄薄拉伸制造具有规定强度的钢板的冷轧设备、对在冷轧工序中得到的钢板实施镀敷处理的镀敷设备、进行卷起在热轧工序中得到的钢板并将板端彼此焊接等来制造管的造管设备、制造建筑用的被称为型钢的产品组的型钢制造设备等生产设备。

[0020] 能源设备中包括精制从高炉、焦炭得到的气体的设备、使用精制了的气体进行发电的发电设备、向发电设备输送气体的气体管、以及运送冷却各种炉、加热了的产品的水的送水管等生产设备。

[0021] 像这样存在多个生产设备，并且每一个都需要较大的场地用于设置，所以具备上游工序设备以及下游工序设备的联合炼铁厂需要非常宽广的场地面积。由此，就一个炼铁厂的铁钢产品的制造量而言，不满足需求，所以需要用多个炼铁厂制造铁钢产品。这种情况下，还存在为了容易向铁钢产品的用户供给产品而在大量需要铁钢产品的用户的邻近布局炼铁厂的情况、为了避免由大规模灾害导致的运行停止而在多个生产据点布局炼铁厂来制造铁钢产品的情况。

[0022] 在炼铁厂的各生产设备设置有多个测定生产设备的状况的传感器、测定制造的铁钢产品的状况的传感器，在每日的运行中，运行操作者基于由这样的传感器测定的数据，设定铁钢产品所需要的制造条件来进行运行。以下，以上游工序设备中的高炉的运行为例进行说明。

[0023] 一般，在高炉中，控制炉顶料仓的开度以使以适当的装入速度从炉顶装入作为原料的铁矿石、烧结矿、焦炭等，设定装入装置的倾斜度、转速并使其工作以成为设想的装入物分布。对于临时存积于布置于炉顶的炉顶料仓的原料而言，依次测定重量并管理装入量。另外，已装入的原料通过借助微波的轮廓仪来测定装入后的原料表面形状，进行分布是否正确的确认。在高炉中，从在处于炉腹部的圆周方向上设置有多个的风口吹入热风。吹入的热风边与下降的原料进行热交换，边向炉顶部流动。此时，若已装入的原料是设想那样的分布，则在炉体设置有多个的压力计的数据表示大致相同的举动。并且，到达了炉顶的气体通过布置于炉顶的探头来测定其温度、成分，确认炉内的气体流动是设想那样并且原料正常进行化学反应而制得铁水。

[0024] 对于从风口吹入的热风而言，进行风量、温度、水分、富氧量等的设定，并测定吹入压力。并且，从设置在风口内的喷枪吹入煤粉，并设定煤粉的吹入量。另外，在风口设置有用于监视炉内状况的照相机，依次拍摄风口内的图像。另外还测定风口的温度。并且，安装有用于监视炉体的温度的大量温度计，依次测定温度。并且，还测定流至用于冷却炉体的冷却板的冷却水的量、温度、冷却板的温度。另外，制造出的铁水与同时在炉内生成的矿渣一起从炉下部的出铁孔排出至炉外。还记录从出铁孔开始出铁的时刻以及出铁结束的时刻。从出铁孔排出的铁水和矿渣在铁水槽因比重差异而分离，铁水被注入至鱼雷车。

[0025] 另外，矿渣流入至矿渣处理设备并被水冷或者空冷而存积。铁水从高炉排出紧后，测定温度，还进行铁水所包含的硅的量的测定。并且，通过称重传感器测定已流入至鱼雷车的铁水的重量。另外还测定矿渣的碱度以及排出量。在最终产品制造设备等中，各生产线的运转速度、炉的温度、产品的加热时间、镀层的单位面积设定重量等制造条件、从传感器得到的产品的瑕疵、形状、其他的产品特性评价数据等可以视为运行数据组的一部分，高炉中所说的产品替换为铁水、矿渣即可。

[0026] 这样的运行条件、传感器数据、与产品有关的信息以运行操作者能够监视的方式汇集至控制用计算机(被称为工序计算机)，与一个时间戳(时间信息)一起被记录。在高炉的工序计算机的内部，以所记录的数据为基础，计算良好表示高炉的状态的通风阻力指数、气体利用率这样的指数等，与附随于各设备的传感器数据、根铁水、矿渣有关的测定数据、运行条件一起被记录。在处于远程地点的高炉也进行大致相同的运行，得到同样的运行数据组。

[0027] 以下，关于对使配置于多个生产据点的多个高炉运行的处理应用了本发明的、本发明的一个实施方式亦即生产设备的运行系统，参照附图进行说明。此外，本实施方式是对运行配置于多个生产据点的多个高炉的处理应用了本发明的实施方式，但本发明的应用范围并不限定于本实施方式，能够对所有使配置于多个生产据点的多个同种生产设备运行的处理广泛应用。

[0028] 〔结构〕

[0029] 首先，参照图1以及图2，对本发明的一个实施方式亦即生产设备的运行系统的结构进行说明。图1是表示本发明的一个实施方式亦即生产设备的运行系统的结构的框图。图2是表示图1所示的生产设备的运行系统的变形例的结构的框图。

[0030] 如图1所示，本发明的一个实施方式亦即生产设备的运行系统1是运行配置于多个生产据点的多个高炉(高炉A～高炉X)的系统，具备：高炉传感器2(高炉A传感器～高炉X传感器)，设置于每个高炉，测定表示高炉、由高炉制造的铁水的状况的数据；每个生产据点的工序计算机3，与高炉传感器2电连接；每个生产据点的边缘服务器计算机4，与工序计算机3电连接，以及全局数据服务器计算机5，经由电信线路而与各边缘服务器计算机4连接。

[0031] 这里，工序计算机3、边缘服务器计算机4、以及全局数据服务器计算机5由公知的信息处理装置构成。全局数据服务器计算机5配置于任意生产据点或者除生产据点以外的场所。其中，全局数据服务器计算机5的配置场所(数据累积地)并不物理性地限定于一处，也可以分为多处场所。此外，如图2所示，也可以将传感器数据处理专用计算机6a、PLC(Programmable Logic Controller)6b、DCS(Distributed Control System)6c等装置与高炉传感器2连接，经由这些装置将高炉传感器2和边缘服务器计算机4电连接。

[0032] 具有这样的结构的生产设备的运行系统1通过执行以下所示的设备监视处理，而能够不需要大量人力地高精度检测高炉的运行异常，并对高炉的运行异常迅速进行应对。以下，参照图3所示的流程图，对执行该设备监视处理时的生产设备的运行系统1的动作进行说明。

[0033] 〔设备监视处理〕

[0034] 图3是表示本发明的一个实施方式亦即设备监视处理的流程的流程图。图3所示的设备监视处理在开始高炉的运行的时间点开始，设备监视处理进入至步骤S1的处理。

[0035] 在步骤S1的处理中，工序计算机3将运行数据组汇集并发送至边缘服务器计算机4，边缘服务器计算机4将从工序计算机3发送的运行数据组保存于硬盘、光盘、USB存储器等数据存储单元。这里，运行数据组是指在同一时刻得到的高炉的运行数据以及元数据。运行数据是指由高炉传感器2测定的数据以及/或者基于由高炉传感器2测定的数据而计算出的各种指数。另外，元数据是指得到运行数据的时刻的高炉的运行条件数据、设定值、运行状况以及除所关注的运行数据以外的运行数据。此外，优选为运行数据以及元数据的项目数、项目名称以及单位在多个生产据点间全部相同而实现共通化。

[0036] 工序计算机3由于执行模型计算、各种仪器的控制、数据的收集、处理等而负荷较大。除此之外，若经由电信线路将运行数据组发送至全局数据服务器计算机5，则也考虑到因电信线路的繁忙状况而有可能产生待机时间，对高炉的运行造成影响。因此，在本实施方式中，在电信线路上的距离较近的位置设置边缘服务器计算机4，经由电信线路将工序计算机3和边缘服务器计算机4连接。而且，运行数据组暂时保存于边缘服务器计算机4，如后所述，全局数据服务器计算机5经由电信线路而累积保存于边缘服务器计算机4的运行数据组。此外，在生产设备的运行系统1为图2所示的结构的情况下，边缘服务器计算机4还保存从传感器数据处理专用计算机6a、PLC6b、DCS6c等装置发送的数据。由此，步骤S1的处理完成，设备监视处理进入至步骤S2的处理。

[0037] 在步骤S2的处理中，全局数据服务器计算机5经由电信线路在每个规定时间(在追随高炉的各传感器的变化的情况下例如为每1分钟)读取记录了保存于各边缘服务器计算机4的运行数据组的电子文件。此外，边缘服务器计算机4也可以在每个规定时间向全局数据服务器计算机5发送记录了运行数据组的电子文件。由此，步骤S2的处理完成，设备监视处理进入至步骤S3的处理。

[0038] 在步骤S3的处理中，全局数据服务器计算机5将在步骤S2的处理中读取的各高炉的运行数据组保存于硬盘、光盘、USB存储器等汇集数据记录装置。此时，全局数据服务器计算机5使各高炉的运行数据组的时刻同步，以便能够对同一时刻的各高炉的运行数据组彼此进行比较。另外，在运行数据组的数据项目的名称、单位不同的情况下，全局数据服务器计算机5通过变换为预先决定的名称、单位来统一名称、单位。由此，步骤S3的处理完成，设备监视处理进入至步骤S4的处理。

[0039] 在步骤S4的处理中，全局数据服务器计算机5通过分析保存于累积数据记录装置的各高炉的运行数据组来分析各高炉的运行状况。具体而言，高炉的运行状况能够从根据压力数据算出的通风阻力指数、根据压力数据算出的Q统计量、根据气体分析值算出的气体利用率、以及根据多个处于高炉的风口的图像数据的亮度计算的Q统计量的炉周方向上的偏差等得知。另外，也能够根据炉身压力与炉顶的压力之差除以炉的体积而得到的通风阻力来检测高炉的运行状况。另外，表示通过对从炉顶得到的气体成分进行分析而得到的CO与CO2的成分比的气体利用率等也是表示高炉的运行状况的一个指标。若着眼于高炉炉下部，则能够算出以高炉炉下部的热平衡计算为基础的反映高炉内的热状态的炉热指数，利用于比铁水温度更早地判断高炉内的反应的状况。此外，在运行数据组还存在能够得知高炉的运行状况的大量数据，根据将它们作为时间序列数据来处理时的移动平均值、标准偏差从预先求出的平均值的推移、多个数据彼此的加法、减法等也能够判断高炉的运行状况。

[0040] 全局数据服务器计算机5通过对各高炉的运行数据组执行上述的分析来算出表示各高炉的运行状况的指数。此外，优选为全局数据服务器计算机5在分析结束后将表示各高炉的运行状况的指数和运行数据组一起保存至汇集数据记录装置。另外，也可以使边缘服务器计算机4执行该步骤S4的处理，使边缘服务器计算机4将表示高炉的运行状况的指数包含于运行数据组。由此，步骤S4的处理完成，设备监视处理进入至步骤S5的处理。

[0041] 在步骤S5的处理中，全局数据服务器计算机5将表示各高炉的运行状况的指数、运行数据组以清楚其时间变化的方式显示于配置于各高炉的液晶显示装置等数据显示单元。此外，优选为全局数据服务器计算机5将表示各高炉的运行状况的指数、运行数据组同时显示于数据显示单元并能够对表示各高炉的运行状况的指数、运行数据组进行比较。另外，优选通过使显示数据的期间能够任意设定，从而能够参照从长期性的趋势到短期性的趋势，容易清楚各高炉的运行状况的推移。通过这样的处理，容易判断高炉的运行状况是否良好，并且容易推测高炉的运行状况将来如何变化。由此，步骤S5的处理完成，设备监视处理进入至步骤S6的处理。

[0042] 在步骤S6的处理中，全局数据服务器计算机5基于表示各高炉的运行状况的指数等来判定各高炉的运行状况的优劣。此时，全局数据服务器计算机5可以一并判定在高炉何处出现了异常以及什么种类的异常。具体而言，在高炉中，炉内的通风性良好对于持续稳定的运行是重要的。然而，在因某种理由而炉内的气体流动紊乱了的情况下，存在发生悬料、滑移、窜漏这样的异常的情况。“悬料”是原料未正常下降而停止的现象，在消除“悬料”时发生滑移、或从炉下部的风口吹入的高温气体因某种理由而急剧地向炉上部喷出。在高炉的炉体设置有多个炉身压力计，对炉身压力计的数据进行主成分分析而得到的Q统计量是表示从在运行状况正常时可以取得的压力数据的分布的脱离度的指标。因此，通过对Q统计量设定阈值而能够判定运行异常。另外，在判定为运行异常时，参照全部的炉身压力数据从而能够得知发生了压力紊乱的方向。这里，在作为算出Q统计量的前提的主成分分析中，各数据基于通过各数据的平均值以及标准偏差而标准化了的数据来进行模型化。因此，Q统计量的判断并非设备固有，而能够在设备共通的基准下进行异常判定。

[0043] 另外，作为判断高炉炉内的通风状态的指标，有通风阻力指数。通风阻力指数通过对风口的热风的吹入压力与炉顶的压力之差除以炉容积而得到的值进行计算而得到。若在通风阻力指数中也设定阈值，则能够判定运行异常。并且，取代风口的吹入压力而使用炉上部、中部、炉身下部的压力传感器的测定值，将区域分为上部、中部、下部进行评价，从而也能够得知在哪个部位发生了通风异常。然而，其他生产据点的生产设备的规格各自不同的情况较多。此时，即使通过相同的指数来评价运行状况，也有可能难以瞬间判断是否异常。因此，从规格不同的同种生产设备得到的指数用相同的尺度进行评价，从而能够降低错误判定的可能性。若对高炉进行思考，则可以想到由于高炉的体积、形状不同，而压力传感器、温度计的设置的位置、数量等也不同，所以得到的指数、变动幅度在各个生产设备不同。

[0044] 因此，将从运行数据得到的判定设备的运行状况的指数作为第一指数，计算在过去的生产状况中在被认为设备正常的期间得到的第一指数的平均值。将依次得到的第一指数除以该平均值来计算第二指数，从而容易对相互不同的同种生产设备的设备状况进行比较，能够瞬间判定异常。此外，用于算出平均值的数据的期间因生产设备的种类而异，为1个月～数个月左右，另外在受环境温度等影响的情况下，也可以还考虑季节变动要素而对1年左右的期间的第一指数计算平均值。另外，这样的向同一尺度的变换也可以是统计性的标准化、即从运行数据减去平均值而得到的值除以标准偏差这样的方法。在本说明书中，将这样的处理称为各种指标、运行数据的同一尺度化。上述的通风阻力指数、压力传感器之外的各种传感器观测量等也可以进行同一尺度化来进行利用。

[0045] 另外，优选为从高炉出来的铁水的温度大致恒定，但当在运行中发生了异常的情况下，有时铁水温度过度降低而铁水以及矿渣不能够从出铁孔排出。这样的故障被称为炉冷事故，恢复之前会花费较长时间，产品的制造也停滞，导致较大的减产。为了防止这样的事故，能够通过炉热指数TQ这样的指数来判定运行异常。炉热指数TQ能够通过以下所示的数式(1)算出。而且，与通风阻力指数的情况相同地对炉热指数TQ设定阈值，在炉热指数TQ低于阈值的情况下判定为运行异常。

[0046] TQ＝(Q1+Q2)‑(Q3+Q4+Q5+Q6)+(Q7‑Q8‑Q9)…(1)

[0047] 这里，Q1表示送风显热，Q2表示风口前端碳燃烧热，Q3表示送风水分分解热，Q4表示溶解损失反应热，Q5表示热损失，Q6表示PC(煤粉)分解热，Q7表示焦炭、熔融物带入显热，Q8表示发生气体带出显热，Q9表示焦炭带出显热。关于炉热指数，高炉的炉体的结构上的差异也带来影响，所以可以利用同一尺度化了的炉热指数以便能够与通风阻力指数相同地在各设备共通地进行比较。

[0048] 全局数据服务器计算机5预先准备多个这样的异常判定算法，依次评价从同一高炉得到的运行数据组。此外，也可以全局数据服务器计算机5对从当前运行得到的元数据和在其他生产据点得到的元数据也包含的过去的元数据进行比较，从而提取过去的运行条件进行与当前的运行条件的规定时间的变化类似的变化的期间，基于提取到的期间的生产设备的运行状况来判定生产设备有无运行异常。这里，作为元数据，除包含装入物分布、送风流量、富氧量、煤粉流量、焦炭比、送风水分、送风温度、送风压力等在内的运行条件之外，还可以举出操作条件等。在这些元数据中，在每个设备成为不同的尺度的元数据也包含被同一尺度化的数据而被保存，所以即使设备不同也能够用于异常诊断。

[0049] 另外，也可以人介入运行状况的判定。该情况下，预先准备在判定为运行异常时输入运行异常的输入装置。由此，能够使判断为运行异常的情况下的表示异常的标签与时间序列数据同步并与时间戳一起记录。该情况下，通过不同的标签，能够记录各种异常状态。另外，当在全局数据服务器计算机5上的异常判定处理负荷较高的情况下，也可以准备与全局数据服务器计算机5的正下方相连的异常判定用计算机，使异常判定用计算机执行异常判定处理。另外，也可以全局数据服务器计算机5将在步骤S6的处理中高炉的运行状况被判定为正常时的运行数据组作为学习数据进行学习，从而构建将运行数据组作为输入值、将高炉的运行状况的判定值作为输出值的学习模型，并基于通过将当前的运行数据组输入至学习模型而输出的高炉的运行状况的判定值，判定高炉的运行状况。

[0050] 并且，也可以使用上述的人输入的异常标签、和将在各设备的运行指标(除通风阻力指数、炉热指数之外)、运行数据以及运行条件中的至少一个元数据同一尺度化而得到的数据，来构建用于异常诊断的机器学习模型并判定高炉的运行状况。从各设备特有的运行数据以表示运行的指数等进行了共通化的基础上，进一步同一尺度化，从而能够实现基于利用了全部设备的数据的大量数据进行的模型化。由此，即使在各个设备发生频度较低，也能够构建基于全体数据进行的异常判定的机器学习模型。由此，步骤S6的处理完成，设备监视处理进入至步骤S7的处理。

[0051] 在步骤S7的处理中，全局数据服务器计算机5对各高炉的运行操作者通知与发生了运行异常的高炉、所发生的异常的种类、以及异常的发生部位有关的信息。例如在基于Q统计量、通风阻力的异常判定中怀疑由原料性状引起的可能性，在基于炉热指数的异常检测中怀疑排渣性的异常等。作为向运行操作者的异常传递单元，能够例示：在与相同的电信线路连接的专用的个人计算机、平板终端等准备表示异常信息的画面，在该画面显示异常信息的方法；用邮件等向运行操作者所具有的移动电话、智能手机终端告知的方法。此外，也可以全局数据服务器计算机5向各高炉的运行操作者通知持续运行状况良好的状态、或正朝向恶化的方向等判定。由此，步骤S7的处理完成，设备监视处理进入至步骤S8的处理。

[0052] 在步骤S8的处理中，未发生运行异常的高炉的运行操作者与被判定为运行异常的高炉的运行操作者进行联络，被判定为运行异常的高炉的运行操作者向未发生运行异常的高炉的运行操作者交出高炉的运行权。当在多个生产据点运行有高炉的情况下，其中包括熟练度较高的运行操作者的可能性变高。熟练度较高的操作者根据各种信息进行状况判断并与被判定为运行异常的高炉的运行操作者进行联络。在紧急度较低的情况下，被判定为运行异常的高炉的运行操作者按照熟练度较高的运行操作者的建议操作高炉。另一方面，在紧急度较高的情况下，向熟练度较高的运行操作者交出异常发生据点的高炉的操作权，熟练度较高的运行操作者操作高炉对异常进行应对。

[0053] 此外，在上述说明中，设想了在其他生产据点存在熟练度较高的运行操作者的情况，但也可以与存在高炉的生产据点分开地布置监视中心(例如铁钢厂家的总公司)，使与高炉有关的各种信息显示于监视中心。而且，也可以使熟练度较高的运行操作者常驻于监视中心，执行与上述相同的异常应对。另外，也可以在熟练度较高的运行操作者观看已显示的信息而判断为需要某种应对时，不等待高炉的运行异常判定地联络运行操作者来采取包括异常预防处理在内的各种应对。由此，步骤S8的处理完成，一系列的设备监视处理结束。

[0054] 以上，对应用了由本发明人完成的发明的实施方式进行了说明，但本发明并不由形成由本实施方式进行的本发明的公开的一部分的记述以及附图限定。即，由本领域技术人员等基于本实施方式而完成的其他实施方式、实施例、以及运用技术等全部包含在本发明的范畴内。

[0055] 工业上的可利用性

[0056] 根据本发明，能够提供一种能够不需要大量人力地高精度检测生产设备的运行异常并对运行异常迅速进行应对的生产设备的运行方法以及运行系统。

[0057] 附图标记说明

[0058] 1…生产设备的运行系统；2…高炉传感器；3…工序计算机；4…边缘服务器计算机；5…全局数据服务器计算机。