BR112021013235A2 - Método de determinação da especificação de produção, método de produção, e dispositivo de determinação da especificação de produção para material metálico - Google Patents
Método de determinação da especificação de produção, método de produção, e dispositivo de determinação da especificação de produção para material metálico Download PDFInfo
- Publication number
- BR112021013235A2 BR112021013235A2 BR112021013235-0A BR112021013235A BR112021013235A2 BR 112021013235 A2 BR112021013235 A2 BR 112021013235A2 BR 112021013235 A BR112021013235 A BR 112021013235A BR 112021013235 A2 BR112021013235 A2 BR 112021013235A2
- Authority
- BR
- Brazil
- Prior art keywords
- production
- metallic material
- specifications
- production specification
- performance data
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 73
- 239000007769 metal material Substances 0.000 title claims abstract description 26
- 239000000463 material Substances 0.000 claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000013459 approach Methods 0.000 claims abstract description 7
- 229910000831 Steel Inorganic materials 0.000 claims description 82
- 239000010959 steel Substances 0.000 claims description 82
- 230000008569 process Effects 0.000 claims description 38
- 239000000203 mixture Substances 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 2
- 238000001816 cooling Methods 0.000 description 35
- 238000012545 processing Methods 0.000 description 35
- 238000010438 heat treatment Methods 0.000 description 30
- 238000005096 rolling process Methods 0.000 description 22
- 238000005457 optimization Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 18
- 238000003062 neural network model Methods 0.000 description 18
- 238000003475 lamination Methods 0.000 description 15
- 238000009749 continuous casting Methods 0.000 description 13
- 238000005098 hot rolling Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000007670 refining Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 239000000047 product Substances 0.000 description 10
- 229910000859 α-Fe Inorganic materials 0.000 description 9
- 230000001771 impaired effect Effects 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 229910001566 austenite Inorganic materials 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000005266 casting Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000012535 impurity Substances 0.000 description 4
- 239000013077 target material Substances 0.000 description 4
- 229910052719 titanium Inorganic materials 0.000 description 4
- 229910052720 vanadium Inorganic materials 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 229910052804 chromium Inorganic materials 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 229910052748 manganese Inorganic materials 0.000 description 3
- 229910052759 nickel Inorganic materials 0.000 description 3
- 229910052758 niobium Inorganic materials 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000002244 precipitate Substances 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 229910052717 sulfur Inorganic materials 0.000 description 3
- 238000005303 weighing Methods 0.000 description 3
- 229910000805 Pig iron Inorganic materials 0.000 description 2
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 239000010953 base metal Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000000593 degrading effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000001953 recrystallisation Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910001208 Crucible steel Inorganic materials 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 229910001567 cementite Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- KSOKAHYVTMZFBJ-UHFFFAOYSA-N iron;methane Chemical compound C.[Fe].[Fe].[Fe] KSOKAHYVTMZFBJ-UHFFFAOYSA-N 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 150000004767 nitrides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005554 pickling Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000006104 solid solution Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000010301 surface-oxidation reaction Methods 0.000 description 1
- 238000009864 tensile test Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B3/00—Rolling materials of special alloys so far as the composition of the alloy requires or permits special rolling methods or sequences ; Rolling of aluminium, copper, zinc or other non-ferrous metals
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B3/00—Rolling materials of special alloys so far as the composition of the alloy requires or permits special rolling methods or sequences ; Rolling of aluminium, copper, zinc or other non-ferrous metals
- B21B3/02—Rolling special iron alloys, e.g. stainless steel
-
- 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
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C33/00—Making ferrous alloys
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Metallurgy (AREA)
- Materials Engineering (AREA)
- Organic Chemistry (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Heat Treatment Of Steel (AREA)
- General Factory Administration (AREA)
Abstract
método de determinação da especificação de produção, método de produção, e dispositivo de determinação da especificação de produção para material metálico. são fornecidos um método de determinação da especificação da produção, um método de produção, e um dispositivo de determinação da especificação da produção que tornam possível melhorar a robustez contra perturbações durante a produção de um material metálico. a presente invenção inclui: uma etapa para adquirir pelo menos uma peça de dados de resultados que foram estabelecidos após uma etapa prescrita durante a produção de um material metálico; e uma etapa para execução de análise retroativa com base na pelo menos uma peça de dados de resultado e um modelo de previsão que se refere às especificações de produção e propriedades do material e descobrindo especificações de produção para após a etapa prescrita de modo que os valores estimados para as propriedades do material se aproximem assintoticamente dos valores desejados.
Description
Relatório Descritivo da Patente de Invenção para "MÉTODO DE DETERMINAÇÃO DA ESPECIFICAÇÃO DE PRODUÇÃO, MÉTODO DE PRODUÇÃO, E DISPOSITIVO DE
DETERMINAÇÃO DA ESPECIFICAÇÃO DE PRODUÇÃO PARA MATERIAL METÁLICO". Referência cruzada para o pedido relativo
[001] O presente pedido reivindica prioridade sobre o Pedido de Patente Japonês No. 2019-006221 registrado em 17 de janeiro de 2019, cujo teor completo está incorporado aqui como referência. Campo técnico
[002] A presente descrição refere-se a um método de produção para um material metálico tal como um material de aço. Em mais detalhes, a presente descrição refere-se a um método de determinação da especificação de produção para um material metálico que atinge características desejadas, um método de produção para produzir um material metálico com as especificações de produção determinadas pelo método, e um dispositivo de determinação da especificação de produção. Antecedentes
[003] Materiais alongados com resistência aumentada e espessura reduzida estão sendo usados mais frequentemente como material de aço em estruturas tais como navios, estruturas marítimas, pontes, edifícios, tanques, e maquinário de construção para melhorar a eficiência do projeto das estruturas e reduzir a quantidade de material de aço usado. Tal material de aço precisa não apenas tem excelente capacidade de soldagem e propriedades mecânicas, incluindo resistência e tenacidade, mas também tem excelente absorção de energia de choque para garantir segurança estrutural da estrutura em relação a forças externas.
[004] Por exemplo, essas exigências estão se tornando mais estritas para estruturas tais como navios. A razão é que se o casco do navio for danificado por uma colisão com outro navio ou devido a encalhe, a carga, o combustível, e similares podem fluir para fora e causar danos tais como poluição marinha. Abordagens estruturais tais como estrutura dupla no casco do navio estão sendo usadas como técnicas para manter tais danos em um nível mínimo. Aplicar tal estrutura a todo um navio, entretanto, não é realista em termos de operabilidade e custos de produção. É, portanto, desejável fornecer as chapas de aço para o casco do navio com absorção de energia para evitar a destruição do casco do navio quando o navio colide.
[005] A Literatura de Patente (PTL) 1 descreve um material de aço que aumenta o alongamento uniforme e melhora a resistência à colisão pelo ajuste da fração de volume da fase ferrita para 75% ou mais em toda a direção da espessura da chapa, a dureza para Hv 140 ou mais e 160 ou menos, o tamanho médio de grão para 2 m ou mais e 40 m ou menos, e a proporção da fração de volume da fase ferrita na direção da espessura da chapa da parte da camada de superfície para 0,925 ou mais e 1,000 ou menos em relação à fração de volume da fase ferrita na direção da espessura da chapa da parte central.
[006] A PTL 2 descreve uma chapa de aço que tem uma absorção de energia de colisão melhorada pela execução do resfriamento acelerado após a laminação até uma redução cumulativa de laminação de 30% a 98% na região de fase única austenita e subsequentemente executando-se resfriamento a ar ou um processo de têmpera para obter uma chapa de aço tal que a razão de área de ferrita seja 85% ou mais, o tamanho médio de grão de ferrita seja 5 m a 40 m, e a densidade numérica de partículas de cementita dentro dos grãos de ferrita seja 50.000 por mm2 ou menos.
[007] A PTL 3 descreve um material de aço com absorção de colisão melhorada obtida executando-se o resfriamento acelerado após a laminação de passe final (laminação de acabamento) e então reaquecendo a uma temperatura constante e executando-se o resfriamento acelerado novamente para controlar o fator de empilhamento, o tamanho médio do grão, e o tamanho máximo do grão de ferrita, juntamente com o tamanho da fase secundária.
[008] O design automático de material foi também proposto. Por exemplo, a PTL 4 propõe um método para design de material usando- se um modelo de previsão e otimização de cálculo para reduzir a carga de trabalho para projetar materiais não metálicos. Lista de citações Literatura de Patente
[009] PTL 1 : JP 5953952 B2
[0010] PTL 2: JP 4772932 B2
[0011] PTL 3: JP 4476923 B2
[0012] PTL 4: JP 4393586 B2 Sumário Problema técnico
[0013] As técnicas conhecidas nas PTLs 1 a 3, entretanto, têm os seguintes problemas. Com os métodos descritos nas PTLs 1 a 3, uma chapa de aço tendo o grão de cristal e a dureza desejados é produzida por uma combinação de aquecimento, laminação a quente, resfriamento acelerado, e tratamento térmico. Resultados experimentais a nível de laboratório e dados de desempenho a partir das máquinas reais são usados para formular as diretrizes para o projeto organizacional semiempiricamente nesses métodos de produção de uma chapa de aço. Consequentemente, o material de aço desejado pode não ser sempre obtido se algum tipo de perturbação (tais como variação na composição química, nas dimensões ou na temperatura) ocorrer durante a produção. No caso da produção recente de material de aço de alta qualidade com maior resistência,
ductilidade e espessura, experiências ao nível de laboratório e produção experimental nas máquinas reais precisam ser repetidas para obter as diretrizes correspondentes. Além disso, o método descrito na PTL 4 não faz menção de produção de materiais metálicos, e não é levada em consideração a resistência contra perturbações durante a produção.
[0014] À luz dessas considerações, a presente descrição visa fornecer um método de determinação da especificação da produção, um método de produção, e um dispositivo de determinação da especificação da produção que pode aumentar a robustez contra perturbações durante a produção de um material metálico. Solução para o problema
[0015] Um método de determinação da especificação da produção de acordo com uma modalidade de presente descrição para resolver o problema mencionado acima inclui: obter pelo menos uma peça de dados de desempenho estabelecidos após um processo predeterminado durante a produção de um material metálico, e executar análise retroativa com base em pelo menos uma peça de dados de desempenho e um modelo de previsão que se referem a especificações de produção e características de material, e buscar especificações de produção para após o processo predeterminado de modo que um valor estimado para as características do material se aproximem assintoticamente de um valor desejado.
[0016] Um método de produção de acordo com uma modalidade da presente descrição é para produzir um material metálico para determinadas especificações de produção usando-se o método de determinação da especificação da produção mencionado anteriormente.
[0017] Um dispositivo de determinação da especificação da produção de acordo com uma modalidade da presente descrição inclui: uma interface de comunicação configurada para obter pelo menos uma peça de dados de desempenho estabelecidos após um processo predeterminado durante a produção de um material metálico; e um processador de pesquisa configurado para executar análise retroativa com base em pelo menos uma peça de dados de desempenho e um modelo de previsão que se referem a especificações de produção e características do material, e busca por especificações de produção para após o processo predeterminado de modo que um valor estimado para as características do material se aproximem assintoticamente de um valor desejado. Efeito vantajoso
[0018] O método de determinação da especificação da produção, método de produção e dispositivo de determinação da especificação da produção para um material metálico de acordo com as modalidades da presente descrição podem aumentar a robustez contra perturbações durante a produção. Breve descrição dos desenhos
[0019] Nos desenhos anexos:
[0020] a FIG. 1 é um diagrama esquemático ilustrando a configuração total de um sistema que inclui um dispositivo de determinação da especificação da produção de acordo com uma modalidade da presente descrição;
[0021] a FIG. 2 é um diagrama de blocos ilustrando o dispositivo de determinação da especificação da produção de acordo com uma modalidade da presente descrição;
[0022] a FIG. 3 é um fluxograma de um processo para criar um modelo de previsão de acordo com uma modalidade da presente descrição;
[0023] a FIG. 4 é um diagrama ilustrando uma vista geral de um modelo de rede neural;
[0024] a FIG. 5 é um fluxograma ilustrando o processo de otimização de acordo com uma modalidade da presente descrição;
[0025] a FIG. 6 é um gráfico ilustrando a precisão de previsão;
[0026] a FIG. 7 ilustra um exemplo de resultados de previsão obtidos por análise retroativa; e
[0027] a FIG. 8 é um gráfico ilustrando uma comparação entre um Exemplo e Exemplos Comparativos. Descrição detalhada Modalidades
[0028] Modalidades da presente invenção são descritas abaixo.
[0029] A FIG. 1 é um desenho esquemático ilustrando a configuração total de um sistema que inclui um dispositivo de determinação de especificação da produção 10 de acordo com uma modalidade da presente descrição. O material metálico que é o projeto alvo é uma chapa de aço no exemplo descrito na presente modalidade, mas o material metálico não é limitado a ser uma chapa de aço. O sistema de acordo com a presente modalidade ilustrado na FIG. 1 inclui um conversor 1, uma máquina de lingotamento contínuo 2, um forno de aquecimento 3, uma chapa de aço 4, um laminador 5, um dispositivo de resfriamento acelerado 6, uma chapa de aço de produto acabado 7, e o dispositivo de determinação de especificação da produção 10. Durante o processo de produção da chapa de aço, minério de ferro bruto é inicialmente carregado em um alto forno juntamente com calcário e coque para gerar ferro gusa fundido. Componentes, tais como carbono, do ferro gusa produzido no alto forno são ajustados no conversor 1, e o ajuste final do componente é executado pelo refino secundário. Na máquina de lingotamento contínuo 2, um material intermediário referido como aço de lingotamento contínuo (placa) é produzido lingotando-se o aço refinado. Subsequentemente, a placa é aquecida por um processo de aquecimento no forno de aquecimento 3 e subsequentemente submetida a um processo de laminação a quente no laminador 5 e a um processo de resfriamento no dispositivo de resfriamento acelerado 6 para produzir a chapa de aço de produto acabado 7. Após o processo de resfriamento, tratamentos tais como decapagem, laminação a frio, aquecimento e revestimento podem ser executados, se for adequado.
[0030] Em uma visão geral, o dispositivo de determinação de especificação da produção 10 de acordo com o presente sistema otimiza várias especificações de produção durante a produção da chapa de aço. A otimização de especificações de produção inclui o ajuste da composição química com o conversor 1, ajuste das dimensões da placa, da taxa de lingotamento, e do resfriamento secundário com a máquina de lingotamento contínuo 2, ajuste da temperatura de aquecimento da placa, tempo de permanência da placa no forno, e temperatura de extração da placa com o forno de aquecimento 3, ajuste das dimensões do produto acabado, condições de laminação, e condições de temperatura com o laminador 5, e ajuste do resfriamento com o dispositivo de resfriamento acelerado 6. O dispositivo de determinação da especificação da produção 10 executa análise retroativa com base em pelo menos uma peça de dados de desempenho, estabelecida após um processo predeterminado, e um modelo de previsão e deriva valores estimados para características do material da chapa de aço de produto acabado 7 após o resfriamento. O dispositivo de determinação da especificação da produção 10 executa o cálculo de controle por antecipação da quantidade de controle necessária de modo que os valores estimados assintoticamente se aproximem das características de material exigidas (valores desejados) e fornece valores de instrução para o conversor 1, a máquina de lingotamento contínuo 2, o forno de aquecimento 3, o laminador 5, e o dispositivo de resfriamento acelerado 6. Em outras palavras, o dispositivo de determinação da especificação da produção 10 de acordo com uma modalidade da presente descrição adquire pelo menos uma peça de dados de desempenho estabelecida após um processo predeterminado durante a produção de um material metálico, executa a análise retroativa com base na pelo menos uma peça de dados de desempenho e modelo de previsão, e otimiza as especificações da produção para após o processo predeterminado de modo que um valor estimado para as características do material assintoticamente se aproxima de um valor desejado. Por exemplo, o processo predeterminado pode ser um processo de refino secundário, e a pelo menos uma peça de dados de desempenho pode ser os dados de desempenho para o ajuste da composição química pelo conversor 1. As características do material podem, por exemplo, incluir o alongamento uniforme do material metálico. Pela inclusão do alongamento uniforme, o dispositivo de determinação da especificação da produção 10 pode, por exemplo, ser usado para satisfazer as exigências de absorção de energia no choque para garantir a segurança estrutural de uma estrutura em relação a forças externas. As características do material podem, por exemplo, incluir pelo menos um selecionado do grupo consistindo em limite de escoamento, resistência à tração, valor da tenacidade, dureza de superfície e dureza na seção transversal para satisfazer os padrões desejados da chapa de aço.
[0031] A FIG. 2 é um diagrama de blocos ilustrando o dispositivo de determinação da especificação da produção 10 de acordo com uma modalidade da presente descrição. O dispositivo de determinação da especificação da produção 10 otimiza as especificações de produção pela execução do processamento de estimativa das características do material em uma chapa de aço. O dispositivo de determinação da especificação da produção 10 inclui um corpo do dispositivo 200, uma interface de entrada 300, uma memória 400, uma interface de saída 500, e uma interface de comunicação 600. O corpo do dispositivo 200 transmite e recebe as informações necessárias pela comunicação por um barramento 205 com a interface de entrada 300, a memória 400, a interface de saída 500, e a interface de comunicação 600 e executa o processamento da informação. Na FIG. 2, o corpo do dispositivo 200 é conectado à interface de entrada 300, à memória 400, à interface de saída 500, e à interface de comunicação 600 pelo barramento 205 de uma maneira com fios, mas esta configuração não é limitadora. A conexão pode ser sem fios ou uma combinação de conexão com fios e sem fios. Detalhes das configurações do corpo do dispositivo 200 são fornecidas abaixo.
[0032] A interface de entrada 300 inclui qualquer interface para entrada que possa detectar operações pelo administrador do presente sistema, tais como um teclado, uma mesa digitalizadora, um “touchpad”, um mouse, ou similares. A interface de entrada 300 recebe operações pertencentes a instruções para o corpo do dispositivo 200 para vários processamentos.
[0033] A memória 400 é, por exemplo, um drive de disco rígido, , um drive de semicondutores, um drive de disco ótico, ou similares e é um dispositivo que armazena informações necessárias para o presente sistema. Por exemplo, a memória 400 armazena valores de desempenho das especificações de produção pertencentes às chapas de aço produzidas no passado (desempenho da especificação de produção). A memória 400 armazena valores de desempenho de características do material das chapas de aço após o resfriamento (desempenho das características do material), que correspondem ao desempenho da especificação da produção.
[0034] A interface de saída 500 inclui qualquer display adequado, tal como um display de cristal líquido ou um display EL orgânico. A interface de saída 500 pode mostrar telas de display com base nos dados e sinais de saída.
[0035] A interface de comunicação 600 recebe os dados de desempenho transmitidos pelo conversor 1, pela máquina de lingotamento contínuo 2, pelo forno de aquecimento 3, pelo laminador 5, e pelo dispositivo de resfriamento acelerado 6 e emite os dados de desempenho para o corpo do dispositivo 200. A interface de comunicação 600 transmite os dados pertencentes às especificações de produção otimizadas, emitidas pelo corpo do dispositivo 200, para o conversor 1, para a máquina de lingotamento contínuo 2, para o forno de aquecimento 3, para o laminador 5, e para o dispositivo de resfriamento acelerado 6.
[0036] O corpo do dispositivo 200 ilustrado na FIG. 2 inclui uma unidade de processamento aritmético 201, uma ROM 202, e uma RAM
204. A ROM 202 armazena um programa 203. A unidade de processamento aritmético 201, a ROM 202 e a RAM 204 são conectadas entre si pelo barramento 205.
[0037] A unidade de processamento aritmético 201 inclui um ou mais processadores, tais como um processador de uso geral, um processador dedicado especializado para processamento particular, e similares. A unidade de processamento aritmético 201 lê um programa 203 da ROM 202 e usa a RAM 204, que é um armazenamento temporário, para implementar funções particulares. A unidade de processamento aritmético 201 controla as operações de todo o corpo do dispositivo 200.
[0038] A unidade de processamento aritmético 201 inclui um leitor de informação 206, um pré-processador 207, um criador de modelo de previsão 208, um armazenamento de resultados 209, um leitor de informação 210, uma unidade de estimativa das características 211, um processador de otimização 212, e uma unidade de exibição/transmissão 213. Ao receber uma instrução para processamento da criação do modelo de previsão com base na operação da interface de entrada 300, a unidade de processamento aritmético 201 faz o leitor de informação 206, o pré-processador 207, o criador do modelo de previsão 208, e o armazenamento de resultados 209 funcionarem e criarem um modelo de previsão. Ao receber uma instrução para processar a estimativa com base na operação da interface de entrada 300, a unidade de processamento aritmético 201 faz o leitor de informação 210, a unidade de estimativa das características 211, o processador de otimização 212, e a unidade de exibição/transmissão 213 funcionarem e executarem o processamento para otimizar as especificações de produção. O processador de otimização é também referido como um processador de pesquisa que busca uma solução para o processamento de otimização.
[0039] A seguir, o processamento de informação executado pelo dispositivo de determinação da especificação da produção 10 de acordo com uma modalidade da presente descrição é descrito. Para otimizar as especificações da produção de uma chapa de aço no presente sistema, um modelo de previsão que se refere às características do material das chapas de aço e às especificações da produção é inicialmente criado. Aqui, um modelo de rede neural é criado como modelo de previsão na presente modalidade. A FIG. 3 ilustra um fluxograma para processamento de criação do modelo de previsão. Ao receber uma instrução para processamento de criação do modelo de previsão com base na operação da interface de entrada
300, a unidade de processamento aritmético 201 executa o processamento do fluxograma na FIG. 3.
[0040] Quando a instrução de criação do modelo de previsão é recebido, o leitor de informações 206 da unidade de processamento aritmético 201 lê o desempenho da especificação da produção a partir da memória 400. O leitor de informações 206 também lê o desempenho das características do material correspondentes ao desempenho da especificação da produção lidas da memória 400. Especificamente, o leitor de informações 206 identifica várias peças de informação pertencentes à chapa de aço com base no ID de um material laminado (etapa S201).
[0041] A seguir, o pré-processador 207 processa o desempenho da especificação da produção introduzido na etapa S201 para o processamento da criação de modelo de previsão (etapa S202). Especificamente, o pré-processador 207 normaliza o desempenho da especificação da produção entre 0 e 1 e remove o ruído de dados faltantes e dados anormais.
[0042] Subsequentemente, o criador de modelo de previsão 208 cria um modelo de previsão. Especificamente, o criador de modelo de previsão 208 ajusta hiperparâmetros usados no modelo de rede neural (etapa S203) e usa esses hiperparâmetros para aprender com o modelo de rede neural (S204).
[0043] Para otimizar os hiperparâmetros, o criador de modelo de previsão 208 inicialmente cria um modelo de rede neural, no qual vários dos hiperparâmetros são alterados em etapas, para dados de treinamento (aproximadamente várias dezenas de milhares de peças de desempenho de especificação de produção). O criador de modelo de previsão 208 então ajusta os hiperparâmetros de modo que a precisão da previsão seja a mais alta para os dados de verificação.
[0044] Os hiperparâmetros incluem, mas não estão limitados a, o número de camadas ocultas, o número de neurônios em cada camada oculta, a taxa de abandono (bloqueio da transmissão neuronal com uma certa probabilidade) em cada camada oculta, e uma função de ativação em cada camada oculta. O método para otimizar hiperparâmetros não é particularmente restrito. Uma pesquisa em grade que muda parâmetros em etapas, uma pesquisa randômica que seleciona parâmetros aleatoriamente, ou uma busca por otimização Bayesiana podem ser usadas.
[0045] A FIG. 4 ilustra o fluxo de processamento do modelo de rede neural no presente sistema. O modelo de rede neural de acordo com a presente modalidade inclui uma camada de entrada 301, uma camada intermediária 302, e uma camada de saída 303 nessa ordem a partir do lado de entrada.
[0046] O desempenho da especificação da produção normalizada entre 0 e 1 é armazenado na camada de entrada 301. Variáveis relativas às características do material da chapa de aço são preferivelmente selecionadas como variáveis explicativas do desempenho de especificação da produção armazenado, mas seu número e a altura da correlação com as características do material podem ser ajustados livremente.
[0047] A camada intermediária 302 inclui uma ou mais camadas ocultas, e um certo número ou mais de neurônios são dispostos em cada camada oculta. O número de camadas ocultas que configuram a camada intermediária 302 não é particularmente restrito, mas a experiência indica que muitas camadas ocultas reduzem a precisão da previsão. O número de camadas ocultas é, portanto, preferivelmente 10 ou menos. O número de neurônios dispostos em cada camada oculta está preferivelmente em uma faixa de 1 a 20 vezes o número de variáveis explicativas introduzidas.
[0048] A transmissão de um certo neurônio para um neurônio na camada oculta seguinte acontece através da pesagem de variáveis com fatores de pesagem e através de uma função de ativação. Uma função sigmoide, uma função tangente hiperbólica ou uma função rampa podem ser usadas como a função de ativação.
[0049] Na camada de saída 303, a informação de neurônio transmitida pela camada intermediária 302 é combinada e exibida como um valor estimado das características finais do material. O conhecimento é executado pela otimização gradativa dos fatores de pesagem no modelo de rede neural com base no valor estimado exibido por esse processamento e no desempenho das caraterísticas reais do material, que é um valor medido.
[0050] Após os fatores de pesagem do modelo de rede neural serem conhecidos, o criador do modelo de previsão 208 introduz dados de avaliação criados na etapa S202 ao modelo de rede neural para obter resultados de estimativa para os dados de avaliação.
[0051] Subsequentemente, o armazenamento de resultados 209 armazena dados do treinamento, os dados da avaliação, os parâmetros do modelo de rede neural, e os resultados da exibição do modelo de rede neural para os dados de treinamento e para os dados de avaliação na memória 400. O armazenamento de resultados 209 também transmite os dados de treinamento, os dados de avaliação, os parâmetros do modelo de rede neural, e os resultados da exibição do modelo de rede neural para os dados de treinamento e os dados de avaliação para a interface de saída 500 e os exibe através da interface de saída 500 (etapa S205). A interface de saída 500 exibe os resultados da estimativa em forma de tabela, por exemplo.
[0052] Ao receber uma instrução para processamento para otimizar as especificações de produção com base na operação da interface de entrada 300, a unidade de processamento aritmético 201 executa o processamento para otimizar as especificações de produção. O gatilho para a unidade de processamento aritmético 201 executar o processamento de otimização não é limitado à operação da interface de entrada 300. Por exemplo, a unidade de processamento aritmético 201 pode executar o processamento de otimização em resposta ao recebimento, pela interface de comunicação 600, de pelo menos uma peça de dados de desempenho estabelecidos após um processo predeterminado. A FIG. 5 é um fluxograma ilustrando o processamento para otimizar as especificações de produção.
[0053] Inicialmente, o leitor de informação 210 lê as especificações de produção estabelecidas previamente antes do processamento da otimização, e pelo menos uma peça de dados de desempenho estabelecidos após o processamento predeterminado, para uma chapa de aço ser submetida à estimativa (etapa S601). O leitor de informação 210 também adquire vários dados, pertencentes ao modelo de rede neural, armazenados na memória 400.
[0054] A seguir, a unidade de estimativa das características 211 executa a análise retroativa usando as especificações de produção lidas na etapa S601, a pelo menos uma peça de dados de desempenho estabelecido após o processo predeterminado, lida na etapa S601, e o modelo de previsão, e otimiza as especificações de produção. Especificamente, a unidade de estimativa das características 211 estima as características do material após a laminação para a chapa de aço (etapa S602). Subsequentemente, o processador de otimização 212 compara os valores estimados, estimados pelo modelo de previsão, das características do material após a laminação da chapa de aço com o valor alvo (valor desejado) das características do material (etapa S603). Quando o valor absoluto da diferença entre o valor estimado e o valor desejado é um certo limite ou mais, ou é menor que um certo número de convergências, o processador de otimização 212 altera uma porção das especificações de produção lidas na etapa S601 e estima novamente as características do material com o modelo de previsão na etapa S602. Durante o processamento de otimização, esses processos são repetidos para buscar as especificações de produção otimizadas. O método de otimização não é particularmente restrito. Por exemplo, um método de quadrados mínimos restritos ou similar pode ser usado.
[0055] Por esse desempenho repetido de análise retroativa usando pelo menos uma peça de dados de desempenho estabelecido após um processo predeterminado, especificações de produção mais adequadas produzidas pelo reajuste das especificações originais de produção podem ser obtidas.
[0056] As especificações de produção são alteradas dentro das faixas preferidas descritas abaixo, mas restrições do processo são também levadas em consideração. Exemplos incluem espessura da placa > espessura do produto acabado, e temperatura de aquecimento da placa > temperatura da chapa de aço na entrada da laminação > temperatura da chapa de aço durante a laminação > temperatura de acabamento da laminação > temperatura de entrada do resfriamento > temperatura de saída do resfriamento. Entretanto, qualquer restrição que seja consistente no processo de produção pode ser adotada.
[0057] Quando o valor absoluto da diferença entre o valor estimado e o valor desejado está dentro de um certo limite, ou alcança um certo número de convergências, então a etapa S603 é pulada, e a as especificações de produção otimizadas são exibidas pela interface de saída 500 (etapa S604). As especificações de produção otimizadas são transmitidas através da interface de comunicação 600 para os processos, entre o conversor 1, a máquina de lingotamento contínuo 2, o forno de aquecimento 3, o laminador 5, e o dispositivo de resfriamento acelerado 6, que estão após o processo predeterminado. A chapa de aço é então produzida com as especificações de produção otimizadas.
[0058] A seguir, as especificações de produção transmitidas pelo dispositivo de determinação da especificação de produção 10 durante a estimativa das características do material da presente descrição são descritas especificamente. A explicação abaixo pertence a uma modalidade da presente descrição, e a presente descrição não é de forma alguma limitada à explicação abaixo. Composição química
[0059] O material de aço usado para produzir uma chapa de aço da presente descrição tem a seguinte composição química, por exemplo: Em % em massa, C: 0,05% a 0,16%, Si: 0,10% a 0,50%, Mn: 0,80% a 2,50%, P: 0,05% ou menos, S: 0,02% ou menos, Cu: 1,0% ou menos, Ni: 2,0% ou menos, Cr: 1,0% ou menos, Mo: 1,0% ou menos, Nb: 0,1% ou menos, V: 0,1% ou menos, Ti: 0,1% ou menos, B: 0,005% ou menos, Ca: 0,005% ou menos, e W: 0,05% ou menos.
[0060] As razões para limitações no teor de cada componente na composição química mencionada anteriormente são explicadas abaixo. Note que a unidade "%" na explicação abaixo representa “%
em massa” a menos que especificado de forma diferente.
[0061] - C: 0,05 a 0,16%
[0062] C é um elemento que tem o efeito de aumentar a dureza da matriz e melhorar a resistência. Para produzir tal efeito, o teor de C precisa ser de 0,05% ou mais. Se o teor de C exceder 0,16%, entretanto, a dureza da matriz aumenta excessivamente, e o alongamento deteriora. O teor de C é, portanto, ajustado para 0,16% ou menos. O teor de C é preferivelmente de 0,07% a 0,15%.
[0063] - Si: 0,10% a 0,50 %
[0064] Si é um elemento que funciona como desoxidante e que se dissolve no aço para também aumentar a dureza da matriz pelo reforço da solução sólida. Para produzir tal efeito, o teor de Si precisa ser 0,10% ou mais. Se o teor de Si exceder 0,50%, entretanto, a dureza da matriz aumenta excessivamente, a ductilidade e a tenacidade degradam, e a quantidade de inclusões que se tornam o ponto de partida de vãos que acompanham a deformação local aumenta. O teor de Si é, portanto, ajustado para 0,50 % ou menos. O teor de Si é preferivelmente de 0,20% a 0,40%.
[0065] - Mn: 0,80% a 2,50%
[0066] Mn é um elemento que tem o efeito de aumentar a dureza da matriz e melhorar a resistência. Para produzir tal efeito, o teor de Mn precisa ser 0,80% ou mais. Se o teor de Mn exceder 2,50%, entretanto, a capacidade de soldagem degrada, e a dureza da matriz também aumenta excessivamente. Consequentemente, o teor de Mn é ajustado para 2,50% ou menos. O teor de Mn é preferivelmente 1,00% a 2,30%.
[0067] - P: 0,05% ou menos
[0068] P é um elemento incluído no aço como uma impureza inevitável. P segrega na borda do grão e tem efeitos adversos tais como redução da tenacidade do metal base e da porção soldada.
Consequentemente, a quantidade de P é preferivelmente reduzida tanto quanto possível, mas um teor de 0,05% ou menos é tolerável. O teor de P é, portanto, ajustado para 0,05% ou menos. Embora nenhum limite inferior seja ajustado para o teor de P, uma redução excessiva leva a um aumento nos custos de refino. Consequentemente, o teor de P é preferivelmente 0,001% ou mais.
[0069] - S: 0,02% ou menos
[0070] S é um elemento incluído no aço como uma impureza inevitável. S é um elemento presente no aço como uma inclusão de sulfeto, tal como MnS, e tem efeitos adversos tais como se tornar o ponto de partida de destruição. Portanto, a quantidade de S é preferivelmente reduzida tanto quanto possível, mas um teor de 0,02% ou menos é tolerável. O teor de S é, portanto, ajustado para 0,02% ou menos. O teor de S é preferivelmente 0,01% ou menos. Embora nenhum limite inferior seja ajustado para o teor de S, uma redução excessiva leva a um aumento nos custos de refino. Consequentemente, o teor de S é preferivelmente 0,0005% ou mais.
[0071] - Cu: 1,0% ou menos
[0072] Cu é um elemento que aumenta a dureza da matriz e tem o efeito de melhorar a resistência à corrosão atmosférica da chapa de aço. Cu pode ser adicionado livremente de acordo com as características desejadas. Se o teor de Cu exceder 1,0%, entretanto, a capacidade de soldagem é prejudicada, e ocorrem falhas mais facilmente durante a produção do material de aço. Consequentemente, quando Cu é adicionado, a quantidade é ajustada para 1,0% ou menos. O teor de Cu é mais preferivelmente 0,01% a 0,8%.
[0073] - Ni: 2,0% ou menos
[0074] Ni é um elemento que tem os efeitos de melhorar a tenacidade à baixa temperatura e a resistência à corrosão atmosférica, e também de suprimir a fragilização a quente quando o Cu é adicionado. Ni pode ser adicionado livremente de acordo com as características desejadas. Se o teor de Ni exceder 2,0%, entretanto, a capacidade de soldagem é prejudicada, e os custos do material de aço aumentam. Consequentemente, quando Ni é adicionado, a quantidade é ajustada para 2,0% ou menos. O teor de Ni é mais preferivelmente 0,01% a 1,5%.
[0075] - Cr: 1,0% ou menos
[0076] Cr é um elemento que aumenta a dureza da matriz e tem o efeito de melhorar a resistência à corrosão atmosférica. Cr pode ser adicionado livremente de acordo com as características desejadas. Se o teor de Cr exceder 1,0%, entretanto, a capacidade de soldagem e a tenacidade são prejudicadas. Consequentemente, quando Cr é adicionado, a quantidade é ajustada para 1,0% ou menos. O teor de Cu é mais preferivelmente 0,01% a 0,8%.
[0077] - Mo: 1,0% ou menos
[0078] Mo é um elemento que aumenta a dureza da matriz e pode ser adicionado livremente de acordo com as características desejadas. Se o teor de Mo exceder 1,0%, entretanto, a capacidade de soldagem e a tenacidade são prejudicadas. Consequentemente, quando Mo é adicionado, a quantidade é ajustada para 1,0% ou menos. O teor de Mo é mais preferivelmente 0,001% a 0,8 %.
[0079] - Nb: 0,1% ou menos
[0080] Nb é um elemento que tem o efeito de suprimir a recristalização da austenita e o refino da austenita no momento da laminação a quente, juntamente com a melhoria da resistência pela precipitação durante o processo de resfriamento a ar após a laminação a quente. Nb pode ser adicionado livremente de acordo com as características desejadas. Se o teor de Nb exceder 0,1%, entretanto, uma grande quantidade de NbC se precipita, e a tenacidade é prejudicada. Consequentemente, quando Nb é adicionado, a quantidade é ajustada para 0,1% ou menos. O teor de Nb é mais preferivelmente 0,001% a 0,08%.
[0081] - V: 0,1% ou menos
[0082] Como Nb, V é um elemento que tem o efeito de suprimir a recristalização de austenita e o refino da austenita no momento da laminação a quente, juntamente com a melhoria da resistência pela precipitação durante o processo de resfriamento a ar após a laminação a quente. V pode ser adicionado livremente de acordo com as características desejadas. Se o teor de V exceder 0,1%, entretanto, uma grande quantidade de VC se precipita, e a tenacidade é prejudicada. Consequentemente, quando V é adicionado, a quantidade é ajustada para 0,1% ou menos. O teor de V é mais preferivelmente 0,001% a 0,08%.
[0083] - Ti: 0,1% ou menos
[0084] Ti tem uma forte tendência para formar nitretos, fixando assim o N e reduzindo a quantidade de N soluto. Ti, portanto, tem o efeito de melhorar a tenacidade do metal base e da porção soldada. Quando Ti é adicionado juntamente com B, o Ti fixa o N, que pode suprimir a precipitação de B como BN. Consequentemente, Ti pode também aumentar a resistência pela promoção do efeito que B tem de melhorar a capacidade de endurecimento. Ti pode, portanto, ser adicionado livremente de acordo com as características desejadas. Se o teor de Ti exceder 0,1%, entretanto, uma grande quantidade de TiC se precipita, e a tenacidade é prejudicada. Consequentemente, quando Ti é adicionado, a quantidade é ajustada para 0,1% ou menos. O teor de Ti é mais preferivelmente 0,001% a 0,08%.
[0085] - B: 0,005% ou menos
[0086] B é um elemento que tem os efeitos de melhorar dramaticamente a capacidade de endurecimento, mesmo quando apenas uma pequena quantidade é adicionada, e aumentar a resistência. B pode ser adicionado de acordo com as características desejadas. Um teor de B excedendo 0,005%, entretanto, falha em aumentar esses efeitos e resulta em uma capacidade de soldagem degradada. Consequentemente, quando B é adicionado, a quantidade é ajustada para 0,005% ou menos. O teor de B é mais preferivelmente 0,0001% a 0,004%.
[0087] - Ca: 0,005% ou menos
[0088] Ca se liga ao S, suprimindo a formação de MnS ou similar, que se expande grandemente na direção de laminação. Ca exerce, assim, o controle morfológico de modo que as inclusões de sulfeto se tornam esféricas, contribuindo para a tenacidade melhorada da porção soldada e similares. Ca pode, portanto, ser adicionado de acordo com as características desejadas. Um teor de Ca excedendo 0,005%, entretanto, falha em aumentar esses efeitos e resulta em uma limpeza degradada do aço e numerosos defeitos de superfície, degradando assim as características de superfície. Consequentemente, quando o Ca é adicionado, a quantidade é ajustada para 0,005% ou menos. O teor de Ca é mais preferivelmente 0,0001% a 0,004%.
[0089] - W: 0.,05% ou menos
[0090] W aumenta a dureza da matriz e melhora a resistência à corrosão atmosférica. W pode, portanto, ser adicionado de acordo com as características desejadas. Um teor de W excedendo 0,05%, entretanto, leva a uma capacidade de soldagem degradada ou a um aumento no custo da liga. Consequentemente, quando W é adicionado, a quantidade é ajustada para 0,05% ou menos. O teor de W é mais preferivelmente 0,0001% a 0,03%.
[0091] A composição química da chapa de aço laminada a quente na presente descrição inclui os componentes mencionados anteriormente, com o saldo sendo Fe e as impurezas inevitáveis. Quando oxigênio (O) e N são incluídos como impurezas inevitáveis, o teor de O é preferivelmente mantido em 0,0050% ou menos, e o teor de N é preferivelmente mantido em 0,0050% ou menos. Se o teor de O excede 0,0050 %, a proporção de inclusões presentes na superfície da chapa de aço aumenta. Fraturas que se iniciam nas inclusões podem, portanto, ocorrer mais facilmente, e o alongamento pode deteriorar. Similarmente, se o teor de N exceder 0,0050%, a proporção de inclusões presentes na superfície da chapa de aço aumenta. Fraturas que se iniciam nas inclusões podem, portanto, ocorrer mais facilmente. Espessura da chapa
[0092] A “chapa de aço” na presente descrição refere-se a uma chapa de aço com uma espessura de 6 mm ou mais, de acordo com a definição regular no presente campo técnico. A área da seção transversal e a forma da seção transversal do material de aço produzido não são, entretanto, particularmente restritas. O material de aço produzido pode ser uma chapa de aço fina e pode ser aço moldado, uma vara, ou uma forma de tubo. Método de produção
[0093] Em uma modalidade da presente descrição, es tratamentos a seguir são executados sequencialmente no material de aço com a composição química descrita acima para produzir uma chapa de aço. (1) Conversor/refino (2) Lingotamento contínuo (3) Aquecimento (4) Laminação a quente (5) resfriamento Conversor/Refino
[0094] A composição descrita acima é alcançada por ajustes usando-se um método convencional na etapa de aço fundido até o início do lingotamento. Por exemplo, cada elemento de ligação é incluído no aço ao ser adicionado ao aço fundido durante o processo do conversor e/ou o processo de refino secundário. Nesse momento, metal puro e/ou ligas podem ser usados. Lingotamento contínuo
[0095] O aço fundido ajustado no processo do conversor mencionado anteriormente e/ou no processo de refino secundário é conformado em uma placa por lingotamento contínuo usando-se uma máquina de lingotamento contínuo do tipo de dobramento vertical ou do tipo curvado. Nesse momento, as condições de resfriamento do equipamento de resfriamento secundário e a taxa de lingotamento são alteradas para formar uma placa com a temperatura/forma desejadas. Aquecimento
[0096] Uma placa tendo a composição química mencionada anteriormente é aquecida a uma temperatura de 900°C a 1200°C. Se a temperatura de aquecimento for menor que 900°C, a resistência à deformação da placa no processo de laminação a quente a seguir aumenta, e a carga na máquina de laminação a quente aumenta, tornando a laminação a quente difícil. A temperatura de aquecimento é, portanto, ajustada para 900°C ou mais. A temperatura de aquecimento é preferivelmente ajustada para 950°C ou mais. Se a temperatura de aquecimento exceder 1200°C, entretanto, não apenas os grãos de cristal na porção mediana da chapa de aço embrutecem, degradando a tenacidade, mas a oxidação da superfície da placa também se torna significativa, e a irregularidade na interface substrato de aço-carepa se torna aguda. Consequentemente, a rugosidade da superfície tende a permanecer também no produto acabado. Tal rugosidade de superfície pode se tornar o ponto de partida de fratura dúctil devido à concentração de estresse. A temperatura de aquecimento é, portanto, ajustada para 1200°C ou menos. A temperatura de aquecimento é preferivelmente 1150°C ou menos. Quando uma placa é produzida por um método tal como lingotamento contínuo, a placa pode ser submetida diretamente ao processo de aquecimento sem ser resfriada ou pode ser submetida ao processo de aquecimento após ser resfriada. O método de aquecimento não é particularmente restrito. Por exemplo, a placa pode ser aquecida em um forno de aquecimento de acordo com um método convencional. Laminação a quente
[0097] A seguir, a placa aquecida é submetida à laminação a quente para produzir uma chapa de aço. Nesse momento, para garantir a tenacidade que é o desempenho básico de uma chapa de aço, os grãos de ferrita precisam ser refinados pelo refino dos grãos de austenita na porção média da chapa de aço. A redução cumulativa de laminação na laminação a quente é, portanto, ajustada para 50% ou mais. Em outras palavras, quando a redução cumulativa de laminação é menor que 50%, os grãos de ferrita não são refinados na porção média da chapa de aço, áreas com baixa fragilidade ocorrem localmente, e fraturas frágeis ocorrem mais facilmente. Outras condições relativas ao processo de laminação a quente não são particularmente restritas. Resfriamento
[0098] A seguir, a chapa de aço é resfriada após a laminação a quente ser completada. Durante o processo de resfriamento, a chapa de aço é preferivelmente resfriada até a temperatura ambiente. O resfriamento pode ser executado por qualquer método adequado, tal como resfriamento a ar ou resfriamento acelerado. Exemplos
[0099] Os efeitos vantajosos da presente descrição estão descritos abaixo em detalhes com base em exemplos, mas a presente descrição não é limitada a esses exemplos.
[00100] No sistema de acordo com a presente modalidade, a espessura da chapa de produto era 15 mm, e as especificações de produção para uma chapa de aço que apresentam excelente alongamento uniforme foram otimizadas. Como pré-conhecimento, dados de treinamento foram usados inicialmente para conhecimento pelo modelo de rede neural, e o desempenho da especificação de produção e o desempenho da característica do material foram ligados.
[00101] Como desempenho da especificação de produção, informações sobre a composição química (C, Si, Mn, P, S, Ni, Cr, V, Ti, Nb), as dimensões da placa (espessura, largura, comprimento), as dimensões de laminação (espessura, largura, comprimento), a temperatura de aquecimento da placa, a redução de laminação durante a laminação controlada, a temperatura da laminação controlada, a temperatura de acabamento da laminação, e a taxa de resfriamento após a laminação foram consideradas. Para o desempenho das características do material, testes de tração foram conduzidos usando corpos de prova de espessura total da JIS Z 2201 1B amostrados da região central na direção da largura da chapa de aço após o resfriamento, com a direção transversal da chapa correspondendo à direção de tração. O limite de escoamento (YS) e o alongamento total da espessura foram calculados e fornecidos para conhecimento. Um total de 470 amostras, com ruído tais como dados perdidos removidos, foram usados como o número de peças dos dados de treinamento. Os hiperparâmetros usados na rede neural foram buscados por otimização Bayesiana com base na distribuição de probabilidades Gaussiana e foram ajustados como a seguir:
[00102] - Número de fases (número de repetições do conhecimento): 813
[00103] - Número de neurônios na camada oculta: 328
[00104] - Razão de abandono (probabilidade de transmissão neuronal bloqueada): 0,3
[00105] - Número de camadas ocultas: 8
[00106] - Método de otimização dos fatores de pesagem para conhecimento: Adam
[00107] A FIG. 6 ilustra um gráfico de precisão da previsão. A precisão do conhecimento foi verificada por validação cruzada. O erro de previsão do modelo era = 2,44 %. A obtenção de uma resistência à tração de pelo menos 440 MPa foi ajustada como característica do material alvo. O alongamento alvo era de 30%.
[00108] No presente Exemplo, as características do material foram estimadas com o modelo de rede neural para uma placa de aço com uma composição química e tamanho de placa previamente estabelecidos, e a quantidade de controle necessária foi calculada para os processos subsequentes do forno de aquecimento em diante, de modo que as características do material estimadas assintoticamente se aproximassem das características do material alvo. Especificamente, a diferença entre o valor estimado e o valor alvo foi calculada para cada um entre o limite de escoamento, e o alongamento total da espessura, e cálculos foram feitos usando-se um método de quadrados mínimos sequenciais de modo que a soma das duas diferenças fosse minimizada. O número de repetições até a convergência foi ajustado para 500. Cada variável explicativa buscada por cálculo foi fornecida ao forno de aquecimento 3, ao laminador 5, e ao dispositivo de resfriamento acelerado 6 como valor de instrução.
[00109] A espessura da chapa de produto nos Exemplos Comparativos era também de 15 mm, e a laminação foi executada da mesma maneira que no Exemplo, exceto que o aço foi produzido dentro de faixas preferidas sem o uso do modelo de rede neural.
[00110] A FIG. 7 ilustra os limites superior e inferior das variáveis explicativas e os resultados da previsão obtidos pela análise retroativa no Exemplo. Na FIG. 7, a espessura da placa, a largura da placa, o comprimento da placa, e a composição química (C, Si, Mn, P, S, Ni,
Cr, V, Ti) correspondem a pelo menos uma peça dos dados de desempenho estabelecidos após um processo predeterminado durante a produção. Com base nos dados de desempenho, as outras especificações de produção, isto é, a espessura da laminação, a largura da laminação, o comprimento da laminação, a temperatura do forno de aquecimento, a redução de laminação no momento da laminação controlada, a temperatura da laminação controlada, a temperatura de acabamento da laminação, e a taxa de resfriamento, foram otimizados para reajustar as especificações de produção. Como resultado da otimização, o alongamento máximo na faixa dos limites superior e inferior das variáveis explicativas foi estimado em 26,9%. A FIG. 8 ilustra a relação entre o limite de escoamento (YS) e o alongamento uniforme (EL) no momento da produção real com as especificações de produção otimizadas obtidas pela análise retroativa. Uma chapa de aço com um maior alongamento uniforme que os Exemplos Comparativos, enquanto mantém o limite de escoamento, foi obtida usando-se o método do presente Exemplo.
[00111] De acordo com o método de determinação de especificação de produção em uma modalidade da presente descrição, as diretrizes de produção para uma chapa de aço com alto alongamento uniforme e excelente resistência à colisão podem ser previstas com precisão, e uma chapa de aço com as características de material alvo pode ser produzida, como indicado pelo Exemplo. Isto pode contribuir grandemente para melhorar a produtividade e melhorar a velocidade do desenvolvimento do material de aço. Uma vez que as especificações de produção são otimizadas usando-se pelo menos uma peça de dados de desempenho estabelecidos após um processo de produção predeterminado, especificações de produção que levam em consideração condições que mudam durante o processo de produção podem ser obtidas mesmo quando perturbações ocorrem durante o processo de produção. Em outras palavras, o método de determinação da especificação de produção de acordo com uma modalidade da presente descrição pode aumentar a robustez contra as perturbações durante a produção do material metálico. Além disso, o método de determinação da especificação da produção de acordo com uma modalidade da presente descrição permite a produção de uma chapa de aço tendo características de material alvo sem tentativas e erros de experiências repetidas e produção experimental nas máquinas reais. Isto pode contribuir grandemente para melhorar a produtividade e melhorar a velocidade de desenvolvimento do material de aço. Consequentemente, o método de determinação da especificação de produção em uma modalidade da presente descrição pode ser usado adequadamente em chapas de aço com excelente resistência à colisão, em particular em estruturas soldadas para as quais a segurança estrutural é fortemente exigida, tais como navios, estruturas marítimas, pontes, edifícios, tanques, e maquinário de construção.
[00112] Embora o assunto da presente descrição tenha sido explicado em relação aos desenhos anexos e aos exemplos, deve ser notado que várias mudanças e modificações serão aparentes para aqueles versados na técnica baseada na presente descrição. Portanto, tais mudanças e modificações devem ser entendidas como incluídas no escopo da presente descrição. Por exemplo, as funções e similares incluídas nos vários meios e etapas podem ser reordenadas de qualquer forma logicamente consistente. Além disso, meios e etapas podem ser combinados em um ou divididos.
[00113] Por exemplo, a presente descrição pode também ser incorporada como um programa que contém uma descrição do processamento para alcançar as funções do dispositivo de determinação da especificação da produção 10 descrito acima ou de um meio de armazenamento com o programa gravado no mesmo. Essas modalidades devem também ser entendidas como incluídas no escopo da presente descrição.
[00114] Exemplos de criação de modelos de previsão no dispositivo de determinação da especificação da produção 10 de acordo com a presente modalidade foram descritos, mas esses modelos de previsão podem ser implementados por outro dispositivo de processamento da informação. Nesse caso, o dispositivo de processamento da informação coleta o desempenho da especificação da produção e o desempenho da característica do material necessário para a criação do modelo de previsão e então cria o modelo de previsão. O dispositivo de processamento da informação transmite o modelo matemático criado ao dispositivo de determinação da especificação da produção 10.
[00115] Uma rede neural foi adotada como o algoritmo para criação de um modelo de previsão no dispositivo de determinação da especificação da produção 10 de acordo com a presente modalidade, mas esse exemplo não é limitador. Qualquer algoritmo adequado pode ser adotado. Por exemplo, métodos estatísticos e métodos de aprendizado de máquinas tais como regressão local, uma máquina de vetor de suporte, uma rede neural, um “random forest”, ou similares podem ser adotados como o algoritmo para criação do modelo de previsão. Em outras palavras, o modelo de previsão pode ser um modelo de aprendizado de máquinas incluindo um modelo de aprendizado profundo ou um modelo de aprendizado estatístico, que é treinado com base nos dados de desempenho para especificações do produto e características do material. Lista dos sinais de referência 1 Conversor 2 Máquina de lingotamento contínuo
3 Forno de aquecimento 4 Chapa de aço 5 Laminador 6 Dispositivo de resfriamento acelerado 7 Chapa de aço de produto acabado 10 Dispositivo de determinação da especificação da produção 200 Corpo do dispositivo 201 Unidade de processamento aritmético 202 ROM 203 Programa 204 RAM 205 Barramento 206 Leitor de informações 207 Pré-processador 208 Criador do modelo de previsão 209 Armazenagem de resultado 210 Leitor de informações 211 Unidade de estimativa da característica 212 Processador de otimização (processador de busca) 213 Display/unidade de transmissão 300 Interface de saída 301 Camada de entrada 302 Camada intermediária 303 Camada de saída 400 Memória 500 Interface de saída 600 Interface de comunicação
Claims (7)
1. Método de determinação da especificação da produção para um material metálico, caracterizado pelo fato de que compreende: obter pelo menos uma peça de dados de desempenho estabelecidos após um processo predeterminado durante a produção de um material metálico; e executar análise retroativa com base na pelo menos uma peça de dados de desempenho e um modelo de previsão que se refere às especificações de produção e às características do material, e buscar por especificações de produção para após o processo predeterminado de modo que o valor estimado para as características do material se aproxime assintoticamente de um valor desejado.
2. Método de determinação da especificação da produção, de acordo com a reivindicação 1, caracterizado pelo fato de que o processo predeterminado é um processo para ajuste de uma composição química do material metálico, e a pelo menos uma peça de dados de desempenho compreende dados de desempenho no ajuste da composição química.
3. Método de determinação da especificação da produção, de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de que o material metálico é uma chapa de aço.
4. Método de determinação da especificação da produção, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que as características do material compreendem alongamento uniforme.
5. Método de determinação da especificação da produção, de acordo com qualquer uma das reivindicações 1 a 4, caracterizado pelo fato de que o modelo de previsão e um modelo de aprendizado de máquina incluindo um modelo de aprendizado profundo ou um modelo de aprendizado estatístico, treinado com base nas especificações de produção e nos dados de desempenho das características do material.
6. Método de produção para produzir um material metálico para as especificações de produção determinadas caracterizado pelo fato de que usa o método de determinação da especificação da produção, como definido em qualquer uma das reivindicações 1 a 5.
7. Dispositivo de determinação da especificação da produção, caracterizado pelo fato de que compreende: uma interface de comunicação configurada para adquirir pelo menos uma peça de dados de desempenho estabelecidos após um processo predeterminado durante a produção de um material metálico; e um processador de busca configurado para executar análise retroativa com base na pelo menos uma peça de dados de desempenho e em um modelo de previsão que se refere às especificações de produção e às características do material, e que busca por especificações de produção para após o processo predeterminado de modo que um valor estimado para as características do material se aproxime assintoticamente de um valor desejado.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019006221A JP7056592B2 (ja) | 2019-01-17 | 2019-01-17 | 金属材料の製造仕様決定方法、製造方法、および製造仕様決定装置 |
JP2019-006221 | 2019-01-17 | ||
PCT/JP2019/006145 WO2020148917A1 (ja) | 2019-01-17 | 2019-02-19 | 金属材料の製造仕様決定方法、製造方法、および製造仕様決定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
BR112021013235A2 true BR112021013235A2 (pt) | 2021-09-14 |
BR112021013235B1 BR112021013235B1 (pt) | 2024-03-05 |
Family
ID=71613192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR112021013235-0A BR112021013235B1 (pt) | 2019-01-17 | 2019-02-19 | Método de determinação da especificação de produção, método de produção, e dispositivo de determinação da especificação de produção para material metálico |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220072593A1 (pt) |
EP (1) | EP3912740B1 (pt) |
JP (1) | JP7056592B2 (pt) |
KR (1) | KR102499916B1 (pt) |
CN (1) | CN113272079B (pt) |
BR (1) | BR112021013235B1 (pt) |
WO (1) | WO2020148917A1 (pt) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11156991B2 (en) | 2019-06-24 | 2021-10-26 | Nanotronics Imaging, Inc. | Predictive process control for a manufacturing process |
JP7283499B2 (ja) * | 2020-07-07 | 2023-05-30 | Jfeスチール株式会社 | 製造仕様決定支援装置、製造仕様決定支援方法、コンピュータプログラムおよびコンピュータ読み取り可能な記録媒体 |
JP7287416B2 (ja) * | 2020-07-07 | 2023-06-06 | Jfeスチール株式会社 | 厚鋼板の製造仕様決定支援装置および製造仕様探索方法、コンピュータプログラム、コンピュータ読み取り可能な記録媒体ならびに厚鋼板の製造方法 |
CN116018509A (zh) * | 2020-09-11 | 2023-04-25 | 杰富意钢铁株式会社 | 钢管压溃强度预测模型的生成方法、钢管的压溃强度预测方法、钢管的制造特性决定方法及钢管的制造方法 |
WO2022054336A1 (ja) * | 2020-09-11 | 2022-03-17 | Jfeスチール株式会社 | 鋼管圧潰強度予測モデルの生成方法、鋼管の圧潰強度予測方法、鋼管の製造特性決定方法、及び鋼管の製造方法 |
JP7200982B2 (ja) | 2020-09-14 | 2023-01-10 | Jfeスチール株式会社 | 材料特性値予測システム及び金属板の製造方法 |
JP7338599B2 (ja) * | 2020-09-29 | 2023-09-05 | Jfeスチール株式会社 | ブリスタースケールの発生予測方法、圧延機の制御方法およびブリスタースケールの発生予測モデルの生成方法 |
JP7513046B2 (ja) | 2021-06-16 | 2024-07-09 | Jfeスチール株式会社 | 表層硬度予測モデル及びこれを用いた鋼板の表層硬度を予測制御する方法、制御指令装置、鋼板製造ライン、並びに鋼板製造方法 |
CN113343576B (zh) * | 2021-06-22 | 2022-03-11 | 燕山大学 | 基于深度神经网络的钙处理过程中钙的收得率的预测方法 |
CN113695403B (zh) * | 2021-08-09 | 2022-08-23 | 燕山大学 | 一种基于温度均匀控制的无头轧制方法 |
CN114694144B (zh) * | 2022-06-01 | 2022-08-23 | 南京航空航天大学 | 一种基于深度学习的钢中非金属夹杂物的智能识别和评级方法 |
WO2024013794A1 (ja) * | 2022-07-11 | 2024-01-18 | 恒林日本株式会社 | 深層学習モデル生成装置、及び蓄電池の特性値算出装置 |
CN116362085B (zh) * | 2023-03-31 | 2024-01-30 | 东北大学 | 一种基于冷却壁热流强度的炉缸内衬侵蚀形貌识别方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5953952B2 (ja) | 1979-02-13 | 1984-12-27 | 住友化学工業株式会社 | セルロ−ス繊維用反応染料組成物 |
JPH08240587A (ja) * | 1995-03-03 | 1996-09-17 | Nippon Steel Corp | ニュ−ラルネットワ−クを用いた厚鋼板の材質予測方法 |
JP4393586B2 (ja) | 1996-08-08 | 2010-01-06 | 株式会社ブリヂストン | 多成分系材料の設計方法、最適化解析装置及び多成分系材料の最適化解析プログラムを記録した記録媒体 |
WO2003060812A2 (en) * | 2002-01-15 | 2003-07-24 | Suvajit Das | Computer-implemented system and method for measuring and improving manufacturing processes and maximizing product research and development speed and efficiency |
JP4476923B2 (ja) | 2005-12-15 | 2010-06-09 | 株式会社神戸製鋼所 | 衝突吸収性と母材靭性に優れた鋼板 |
US8002871B2 (en) * | 2008-02-01 | 2011-08-23 | Honeywell International Inc. | Methods and apparatus for an oxygen furnace quality control system |
JP5428292B2 (ja) * | 2008-10-30 | 2014-02-26 | Jfeスチール株式会社 | 高強度冷延鋼板の製造方法 |
WO2011062000A1 (ja) | 2009-11-20 | 2011-05-26 | 新日本製鐵株式会社 | 船体用厚鋼板及びその製造方法 |
EP2520992B1 (en) * | 2011-05-02 | 2014-04-16 | Autoform Engineering GmbH | Method and computer system for characterizing a sheet metal part |
US10843247B2 (en) * | 2014-10-10 | 2020-11-24 | Jfe Steel Corporation | Material property value estimating method, material property value estimating device, and steel-strip manufacturing method |
US9996074B2 (en) * | 2016-09-21 | 2018-06-12 | International Business Machines Corporation | System and predictive modeling method for smelting process control based on multi-source information with heterogeneous relatedness |
US20200024712A1 (en) * | 2016-09-30 | 2020-01-23 | Uacj Corporation | Device for predicting aluminum product properties, method for predicting aluminum product properties, control program, and storage medium |
JP6548691B2 (ja) * | 2016-10-06 | 2019-07-24 | 株式会社アドバンスド・データ・コントロールズ | 画像生成システム、プログラム及び方法並びにシミュレーションシステム、プログラム及び方法 |
US10281902B2 (en) * | 2016-11-01 | 2019-05-07 | Xometry, Inc. | Methods and apparatus for machine learning predictions of manufacture processes |
JP6491262B2 (ja) * | 2017-05-24 | 2019-03-27 | ヤフー株式会社 | モデル |
US10234848B2 (en) * | 2017-05-24 | 2019-03-19 | Relativity Space, Inc. | Real-time adaptive control of additive manufacturing processes using machine learning |
JP6512242B2 (ja) | 2017-06-23 | 2019-05-15 | マツダ株式会社 | 車両の前部構造及び前部組付方法 |
JP7137943B2 (ja) * | 2018-03-20 | 2022-09-15 | 株式会社日立ハイテク | 探索装置、探索方法及びプラズマ処理装置 |
-
2019
- 2019-01-17 JP JP2019006221A patent/JP7056592B2/ja active Active
- 2019-02-19 EP EP19910457.1A patent/EP3912740B1/en active Active
- 2019-02-19 WO PCT/JP2019/006145 patent/WO2020148917A1/ja unknown
- 2019-02-19 BR BR112021013235-0A patent/BR112021013235B1/pt active IP Right Grant
- 2019-02-19 KR KR1020217024454A patent/KR102499916B1/ko active IP Right Grant
- 2019-02-19 US US17/423,476 patent/US20220072593A1/en active Pending
- 2019-02-19 CN CN201980088469.6A patent/CN113272079B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113272079A (zh) | 2021-08-17 |
EP3912740A4 (en) | 2022-03-09 |
EP3912740B1 (en) | 2023-11-15 |
WO2020148917A1 (ja) | 2020-07-23 |
CN113272079B (zh) | 2023-03-14 |
KR20210110368A (ko) | 2021-09-07 |
BR112021013235B1 (pt) | 2024-03-05 |
EP3912740A1 (en) | 2021-11-24 |
US20220072593A1 (en) | 2022-03-10 |
JP7056592B2 (ja) | 2022-04-19 |
JP2020114597A (ja) | 2020-07-30 |
KR102499916B1 (ko) | 2023-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
BR112021013235A2 (pt) | Método de determinação da especificação de produção, método de produção, e dispositivo de determinação da especificação de produção para material metálico | |
JP5397569B2 (ja) | 均一伸びと穴拡げ性に優れた高強度冷延鋼板及びその製造方法 | |
KR20140098841A (ko) | 열연 강판 및 그 제조 방법 | |
BR112013024166B1 (pt) | Chapa de aço laminada a quente de alta resistência contendo bainita tendo capacidade de trabalho isotrópico e método de produção da mesma | |
US20200340073A1 (en) | Steel section having a thickness of at least 100mm and method of manufacturing the same | |
WO2022054500A1 (ja) | 材料特性値予測システム及び金属板の製造方法 | |
Hu et al. | Stabilizing austenite via intercritical Mn partitioning in a medium Mn steel | |
JP2012201956A (ja) | 冷延鋼板の製造条件決定方法、製造条件決定装置および製造条件決定プログラム | |
Du et al. | Construction of a machine-learning-based prediction model for mechanical properties of ultra-fine-grained Fe–C alloy | |
Theyssier | Manufacturing of advanced high-strength steels (AHSS) | |
BR112021013351A2 (pt) | Método de auxílio de desenho de material metálico e dispositivo de auxílio de desenho | |
Jack et al. | Sensitivity of mechanical properties of pipeline steels to microalloying additions and structural characteristics | |
JP2012219284A (ja) | 局部変形能に優れた高強度冷延鋼板とその製造方法 | |
JP7287416B2 (ja) | 厚鋼板の製造仕様決定支援装置および製造仕様探索方法、コンピュータプログラム、コンピュータ読み取り可能な記録媒体ならびに厚鋼板の製造方法 | |
CN113076629B (zh) | 高强度盘条热处理工艺控制方法 | |
WO2021033723A1 (ja) | 厚鋼板の製造設備及び製造方法 | |
JP5454488B2 (ja) | 均一変形能及び局部変形能に優れた高強度冷延鋼板 | |
Hernaut et al. | Development of high-performance steel plates at NLMK clabecq | |
Luo et al. | Microstructure simulation and experiment investigation of dynamic recrystallization for ultra high strength steel during hot forging | |
Cheng et al. | High strength, low carbon, Cu containing steel plates with tailored microstructure and low yield ratio | |
US20230138738A1 (en) | Hot stamping component | |
KR100815886B1 (ko) | 열연강판의 인장곡선 예측방법 | |
Koo et al. | Observation of Recrystallization Behavior of Nb-Microalloyed Wide Flange Beams during Hot-Rolling | |
ES2282032B1 (es) | Medida del endurecimiento austenitico y prediccion del grano ferritico final de aceros laminados en caliente. | |
Siwecki et al. | Practical and theoretical aspects of hot rolling of flat products |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B06W | Patent application suspended after preliminary examination (for patents with searches from other patent authorities) chapter 6.23 patent gazette] | ||
B06A | Patent application procedure suspended [chapter 6.1 patent gazette] | ||
B09A | Decision: intention to grant [chapter 9.1 patent gazette] | ||
B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 19/02/2019, OBSERVADAS AS CONDICOES LEGAIS |