JP2022042843A - 鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 - Google Patents
鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 Download PDFInfo
- Publication number
- JP2022042843A JP2022042843A JP2020148466A JP2020148466A JP2022042843A JP 2022042843 A JP2022042843 A JP 2022042843A JP 2020148466 A JP2020148466 A JP 2020148466A JP 2020148466 A JP2020148466 A JP 2020148466A JP 2022042843 A JP2022042843 A JP 2022042843A
- Authority
- JP
- Japan
- Prior art keywords
- steel
- hydrogen
- amount
- steel strip
- continuous hot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 511
- 239000010959 steel Substances 0.000 title claims abstract description 511
- 239000001257 hydrogen Substances 0.000 title claims abstract description 335
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 335
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 328
- 238000000034 method Methods 0.000 title claims abstract description 128
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 32
- 238000007747 plating Methods 0.000 claims abstract description 144
- 230000009466 transformation Effects 0.000 claims abstract description 83
- 238000000137 annealing Methods 0.000 claims abstract description 50
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 238000003303 reheating Methods 0.000 claims description 71
- 230000008569 process Effects 0.000 claims description 62
- 239000000203 mixture Substances 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 2
- 238000007637 random forest analysis Methods 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 abstract description 51
- 238000001816 cooling Methods 0.000 description 79
- 239000007789 gas Substances 0.000 description 64
- 210000004894 snout Anatomy 0.000 description 17
- 238000005275 alloying Methods 0.000 description 16
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 14
- 229910052725 zinc Inorganic materials 0.000 description 14
- 239000011701 zinc Substances 0.000 description 14
- 229910001566 austenite Inorganic materials 0.000 description 13
- 229910001335 Galvanized steel Inorganic materials 0.000 description 11
- 239000008397 galvanized steel Substances 0.000 description 11
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 10
- 238000005246 galvanizing Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000002791 soaking Methods 0.000 description 7
- 238000005097 cold rolling Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 150000002431 hydrogen Chemical class 0.000 description 6
- 229910052757 nitrogen Inorganic materials 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000005098 hot rolling Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 239000012535 impurity Substances 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000001590 oxidative effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 229910000734 martensite Inorganic materials 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000002436 steel type Substances 0.000 description 3
- 238000005496 tempering Methods 0.000 description 3
- 229910000859 α-Fe Inorganic materials 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 229910052796 boron Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 229910052804 chromium Inorganic materials 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 229910052748 manganese Inorganic materials 0.000 description 2
- 229910052750 molybdenum Inorganic materials 0.000 description 2
- 229910052759 nickel Inorganic materials 0.000 description 2
- 229910052758 niobium Inorganic materials 0.000 description 2
- 238000005554 pickling Methods 0.000 description 2
- 239000002244 precipitate Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000010453 quartz Substances 0.000 description 2
- 238000001953 recrystallisation Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 239000006104 solid solution Substances 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 229910052719 titanium Inorganic materials 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 229910052720 vanadium Inorganic materials 0.000 description 2
- 229910052726 zirconium Inorganic materials 0.000 description 2
- LPLLVINFLBSFRP-UHFFFAOYSA-N 2-methylamino-1-phenylpropan-1-one Chemical compound CNC(C)C(=O)C1=CC=CC=C1 LPLLVINFLBSFRP-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000132539 Cosmos Species 0.000 description 1
- 235000005956 Cosmos caudatus Nutrition 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000010960 cold rolled steel Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 150000001247 metal acetylides Chemical class 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 150000004767 nitrides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Landscapes
- Coating With Molten Metal (AREA)
- Heat Treatments In General, Especially Conveying And Cooling (AREA)
- Heat Treatment Of Sheet Steel (AREA)
- Heat Treatment Of Strip Materials And Filament Materials (AREA)
Abstract
Description
鋼帯の焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備における、前記再加熱工程の下流側における鋼帯の鋼中水素量予測方法であって、
入力データとして、前記連続式溶融めっき設備の操業パラメータから選択した1以上のパラメータと、前記焼鈍工程及び前記再加熱工程の少なくとも1つにおいて測定された変態率情報と、を取得する入力データ取得ステップと、
前記再加熱工程の下流側における鋼帯の鋼中水素量に関する情報を出力データとする、機械学習により学習された鋼中水素量予測モデルを用いて、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測することと、を含む。
上記の鋼帯の鋼中水素量予測方法を用いて、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測し、予測した鋼中水素量が予め設定された上限値を超える場合には、鋼中水素量が前記上限値以下になるように、前記連続式溶融めっき設備の操業パラメータから選択した1以上の操業パラメータを再設定すること、を含む。
鋼帯の焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備における、鋼帯の製造方法であって、
入力データとして、前記連続式溶融めっき設備の操業パラメータから選択した1以上のパラメータと、前記焼鈍工程及び前記再加熱工程の少なくとも1つにおいて測定された変態率情報と、を取得することと、
前記再加熱工程の下流側における鋼帯の鋼中水素量に関する情報を出力データとする、機械学習により学習された鋼中水素量予測モデルを用いて、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測することと、
予測した鋼中水素量が予め設定された上限値を超える場合には、鋼中水素量が前記上限値以下になるように、前記連続式溶融めっき設備の操業パラメータから選択した1以上の操業パラメータを再設定することと、を含む。
鋼帯の焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備における、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測するための鋼帯の鋼中水素量予測モデルの生成方法であって、
少なくとも前記連続式溶融めっき設備の操業実績データから選択した1以上の操業実績データと、前記焼鈍工程及び前記再加熱工程の少なくとも1つにおいて測定された変態率情報の実績データと、を入力実績データとして取得することと、
前記入力実績データに基づく前記再加熱工程の下流側における鋼帯の鋼中水素量に関する情報を出力実績データとした、複数の学習用データを取得することと、
取得した複数の学習用データを用いた機械学習によって、鋼帯の鋼中水素量予測モデルを生成することと、を含む。
鋼帯の焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備における、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測する鋼中水素量予測装置であって、
前記連続式溶融めっき設備の操業パラメータから選択した1以上のパラメータと、前記焼鈍工程及び前記再加熱工程の少なくとも1つにおいて測定された変態率情報と、を取得する取得部と、
前記再加熱工程の下流側における鋼帯の鋼中水素量に関する情報を出力データとする、機械学習により学習された鋼中水素量予測モデルを用いて、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測する予測部と、を含む。
本実施形態において、連続式溶融めっき設備は、焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備(CGL)を対象とする。以下、図面を参照して連続式溶融めっき設備が具体的に説明される。
焼鈍工程を実施する加熱帯6、均熱帯7、冷却帯8の各内部には、水素、窒素、水蒸気を含む混合ガスが供給され、これにより焼鈍工程の雰囲気が制御されている。焼鈍工程の雰囲気に含まれる水素は、焼鈍工程において鋼帯に侵入する水素量に影響を与えるため、投入するガスの組成及び流量を測定し、必要に応じて調整及び制御が行われる。
変態率計20は、熱処理工程における鋼帯の内部組織として、オーステナイト相(γ相)の全体に対する比率を測定する計測器である。連続式溶融めっき設備においては、鋼板の組織を特定のオーステナイト相(γ相)とフェライト相(α相)の2相状態から、相変態を利用して組織制御が行われる場合が多い。そのため、変態率計20としては、X線回折を利用した変態率計20を用いることができる。γ相とα相は結晶構造が異なるため、X線を当てるとそれぞれから固有の角度で回折ピークが生じる。これは、この回折ピーク強度から変態率(γ率)を定量化する方法である。例えば、SMS社製のX-CAPと呼ばれる製品を使用することができる。また、磁気検出器、すなわち鋼帯の磁気変態率を測定する装置として、磁場を発生する駆動コイルと、鋼帯を通過した磁場を測定する検出コイルとから構成される磁気変態率測定装置を用いて、オーステナイト相率を測定する方法が用いられてよい。具体的には、特開2019-7907号公報に記載された装置を用いることができる。
鋼中水素量に関する情報は、上記溶融亜鉛めっき設備のサンプル採取設備において採取される鋼帯のサンプル材から試験片を採取して、オフラインの鋼中水素量測定装置により測定される拡散性水素量の値を用いる。鋼中水素量測定装置としては、鋼中に含まれる水素量として、0.01~10ppmの範囲で測定できる任意の測定装置を用いることができる。具体的には、ガスクロマトグラフによる昇温水素分析法による測定装置を用いることができる。
図3は、本実施形態に係る鋼帯の鋼中水素量予測モデルの生成方法を示す。
連続式溶融めっき設備における操業パラメータとして、変態率計20によって測定される変態率情報以外のパラメータであって、鋼帯の鋼中水素量に影響を与える任意の操業パラメータを用いることができる。連続式溶融めっき設備における操業パラメータとしては、主に鋼帯の熱履歴に関連する操業パラメータ、鋼帯が通板される連続式溶融めっき設備の雰囲気ガスに関連する操業パラメータに大別される。
図2に示した焼鈍工程、めっき工程及び再加熱工程における鋼帯の熱履歴の例を用いると、以下のような連続式溶融めっき設備における操業パラメータを用いることができる。
本実施形態に係る連続式溶融めっき設備における操業パラメータとして、上記のような鋼帯の熱履歴に関連する操業パラメータの他に、鋼帯が通板される連続式溶融めっき設備の雰囲気ガスに関連する操業パラメータを選択してよい。
本実施形態では、以上の連続式溶融めっき設備の操業パラメータから選択した1以上の操業パラメータを、鋼帯の鋼中水素量予測モデルの入力とする。
本実施形態では、オーステナイト相の比率を測定する変態率計20を、連続式溶融めっき設備の焼鈍工程又は再加熱工程の少なくともいずれかに設置して、変態率計20による測定結果を変態率情報として、上記鋼中水素量予測モデルの学習用データの一つとする。
本実施形態においては、上記鋼中水素量予測モデルの入力データとして、更に、鋼帯の成分組成に関する鋼帯の属性パラメータから選択した1以上のパラメータを有することが好ましい。鋼帯の成分組成によって、熱処理工程における相変態挙動及び内部組織が影響を受けるからである。また、連続式溶融めっき設備によって製造する溶融亜鉛めっき鋼板として、各種の成分組成を有する鋼帯の鋼中水素量を予測する鋼中水素量予測モデルを生成することができ、鋼中水素量予測モデルの適用範囲が拡大するからである。
図4は、上記のような鋼中水素量予測方法を用いた鋼帯の鋼中水素量制御方法を示す。
図5は、鋼中水素量予測装置の構成を示す図である。鋼中水素量予測装置は、取得部と、出力部と、記憶部と、予測部と、を有する。
2 溶接機
3 電解清浄装置
4 入側ルーパー
5 予熱帯
6 加熱帯
7 均熱帯
8 冷却帯
8A 第1の冷却帯
8B 第2の冷却帯
11 最終冷却帯
11A 第1の最終冷却帯
11B 第2の最終冷却帯
12 出側ルーパー
13 調質圧延設備
14 検査設備
15 テンションリール
16 亜鉛めっき槽
17 合金化帯
18 保熱帯
19 スナウト
20 変態率計
21 ワイピング装置
22 シンクロール
Claims (8)
- 鋼帯の焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備における、前記再加熱工程の下流側における鋼帯の鋼中水素量予測方法であって、
入力データとして、前記連続式溶融めっき設備の操業パラメータから選択した1以上のパラメータと、前記焼鈍工程及び前記再加熱工程の少なくとも1つにおいて測定された変態率情報と、を取得する入力データ取得ステップと、
前記再加熱工程の下流側における鋼帯の鋼中水素量に関する情報を出力データとする、機械学習により学習された鋼中水素量予測モデルを用いて、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測することと、を含む、鋼帯の鋼中水素量予測方法。 - 前記入力データ取得ステップは、前記入力データとして、更に、鋼帯の成分組成に関する鋼帯の属性パラメータから選択した1以上のパラメータを取得する、請求項1に記載の鋼帯の鋼中水素量予測方法。
- 請求項1又は2に記載の鋼帯の鋼中水素量予測方法を用いて、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測し、予測した鋼中水素量が予め設定された上限値を超える場合には、鋼中水素量が前記上限値以下になるように、前記連続式溶融めっき設備の操業パラメータから選択した1以上の操業パラメータを再設定すること、を含む、鋼帯の鋼中水素量制御方法。
- 鋼帯の焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備における、鋼帯の製造方法であって、
入力データとして、前記連続式溶融めっき設備の操業パラメータから選択した1以上のパラメータと、前記焼鈍工程及び前記再加熱工程の少なくとも1つにおいて測定された変態率情報と、を取得することと、
前記再加熱工程の下流側における鋼帯の鋼中水素量に関する情報を出力データとする、機械学習により学習された鋼中水素量予測モデルを用いて、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測することと、
予測した鋼中水素量が予め設定された上限値を超える場合には、鋼中水素量が前記上限値以下になるように、前記連続式溶融めっき設備の操業パラメータから選択した1以上の操業パラメータを再設定することと、を含む、鋼帯の製造方法。 - 鋼帯の焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備における、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測するための鋼帯の鋼中水素量予測モデルの生成方法であって、
少なくとも前記連続式溶融めっき設備の操業実績データから選択した1以上の操業実績データと、前記焼鈍工程及び前記再加熱工程の少なくとも1つにおいて測定された変態率情報の実績データと、を入力実績データとして取得することと、
前記入力実績データに基づく前記再加熱工程の下流側における鋼帯の鋼中水素量に関する情報を出力実績データとした、複数の学習用データを取得することと、
取得した複数の学習用データを用いた機械学習によって、鋼帯の鋼中水素量予測モデルを生成することと、を含む、鋼帯の鋼中水素量予測モデルの生成方法。 - 前記機械学習として、ニューラルネットワーク、決定木学習、ランダムフォレスト、及び、サポートベクター回帰から選択される手法が用いられる、請求項5に記載の鋼帯の鋼中水素量予測モデルの生成方法。
- 鋼帯の焼鈍工程、めっき工程及び再加熱工程を含む製造工程を実行する連続式溶融めっき設備における、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測する鋼中水素量予測装置であって、
前記連続式溶融めっき設備の操業パラメータから選択した1以上のパラメータと、前記焼鈍工程及び前記再加熱工程の少なくとも1つにおいて測定された変態率情報と、を取得する取得部と、
前記再加熱工程の下流側における鋼帯の鋼中水素量に関する情報を出力データとする、機械学習により学習された鋼中水素量予測モデルを用いて、前記再加熱工程の下流側における鋼帯の鋼中水素量を予測する予測部と、を含む、鋼帯の鋼中水素量予測装置。 - ユーザの操作に基づく入力情報を取得する入力部と、前記予測部によって予測された鋼中水素量を表示する表示部を有する端末装置を、さらに含み、
前記取得部は、前記入力部から取得した入力情報により、前記連続式溶融めっき設備の操業パラメータの一部又は全部を更新し、
前記表示部は、前記予測部が前記更新された操業パラメータを用いて予測した前記鋼中水素量を表示する、請求項7に記載の鋼帯の鋼中水素量予測装置。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020148466A JP7031707B1 (ja) | 2020-09-03 | 2020-09-03 | 鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 |
MX2023002633A MX2023002633A (es) | 2020-09-03 | 2021-06-15 | Metodo para predecir el contenido de hidrogeno en el acero de la tira de acero, metodo para controlar el contenido de hidrogeno en el acero, metodo de fabricacion, metodo para formar un modelo de prediccion del contenido de hidrogeno en el acero, y dispositivo que predice el contenido de hidrogeno en el acero. |
KR1020237003778A KR20230031944A (ko) | 2020-09-03 | 2021-06-15 | 강대의 강중 수소량 예측 방법, 강중 수소량 제어 방법, 제조 방법, 강중 수소량 예측 모델의 생성 방법 및 강중 수소량 예측 장치 |
US18/041,695 US20230313355A1 (en) | 2020-09-03 | 2021-06-15 | Method of predicting hydrogen content in steel of steel strip, method of controlling hydrogen content in steel, manufacturing method, method of forming prediction model of hydrogen content in steel, and device that predicts hydrogen content in steel |
PCT/JP2021/022749 WO2022049859A1 (ja) | 2020-09-03 | 2021-06-15 | 鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 |
EP21863918.5A EP4194583A4 (en) | 2020-09-03 | 2021-06-15 | METHOD FOR PREDICTING THE AMOUNT OF HYDROGEN ABSORBED IN A STEEL STRIP, METHOD FOR MANUFACTURING |
CN202180051818.4A CN116096928A (zh) | 2020-09-03 | 2021-06-15 | 钢带的钢中氢量预测方法、钢中氢量控制方法、制造方法、钢中氢量预测模型的生成方法及钢中氢量预测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020148466A JP7031707B1 (ja) | 2020-09-03 | 2020-09-03 | 鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7031707B1 JP7031707B1 (ja) | 2022-03-08 |
JP2022042843A true JP2022042843A (ja) | 2022-03-15 |
Family
ID=80641663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020148466A Active JP7031707B1 (ja) | 2020-09-03 | 2020-09-03 | 鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7031707B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005315703A (ja) * | 2004-04-28 | 2005-11-10 | Nippon Steel Corp | 鋼材の材質予測方法 |
JP2019044203A (ja) * | 2017-08-29 | 2019-03-22 | Jfeスチール株式会社 | 耐食性及び耐水素脆性に優れた二相ステンレス鋼 |
JP6631765B1 (ja) * | 2018-05-01 | 2020-01-15 | 日本製鉄株式会社 | 亜鉛系めっき鋼板及びその製造方法 |
-
2020
- 2020-09-03 JP JP2020148466A patent/JP7031707B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005315703A (ja) * | 2004-04-28 | 2005-11-10 | Nippon Steel Corp | 鋼材の材質予測方法 |
JP2019044203A (ja) * | 2017-08-29 | 2019-03-22 | Jfeスチール株式会社 | 耐食性及び耐水素脆性に優れた二相ステンレス鋼 |
JP6631765B1 (ja) * | 2018-05-01 | 2020-01-15 | 日本製鉄株式会社 | 亜鉛系めっき鋼板及びその製造方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7031707B1 (ja) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3642379B1 (en) | Zinc-coated steel sheet with high resistance spot weldability | |
CN103827341B (zh) | 热浸镀锌钢板及其制造方法 | |
CN107406929B (zh) | 热轧钢板 | |
JP6295893B2 (ja) | 耐水素脆化特性に優れた超高強度冷延鋼板およびその製造方法 | |
CN103987868B (zh) | 具有980MPa以上的最大拉伸强度、材质各向异性少且成形性优异的高强度热浸镀锌钢板、高强度合金化热浸镀锌钢板及它们的制造方法 | |
CN106715726B (zh) | 高强度熔融镀锌钢板的制造方法和制造设备 | |
US20100104891A1 (en) | Zinc-plated high-tension steel sheet excellent in press formability and method for production thereof | |
CN105814229B (zh) | 高强度合金化热镀锌钢板的制造方法 | |
MA44120B1 (fr) | Procédé pour la production d'une tôle d'acier à haute résistance ayant une ductilité et une aptitude au formage améliorées et tôle d'acier ainsi obtenue | |
JP7342812B2 (ja) | 鋼帯の材質予測方法、材質制御方法、製造方法および材質予測モデルの生成方法 | |
CN105531388A (zh) | 高强度热浸镀锌钢板及其制造方法 | |
CN107109575A (zh) | 镀覆性、加工性及耐延迟断裂特性优异的高强度钢板及其制造方法 | |
US20220119909A1 (en) | Steel sheet and method for producing same | |
WO2022054500A1 (ja) | 材料特性値予測システム及び金属板の製造方法 | |
JP7028375B1 (ja) | ドロス欠陥予測方法、ドロス欠陥低減方法、溶融亜鉛めっき鋼板の製造方法、合金化溶融亜鉛めっき鋼板の製造方法、ドロス欠陥予測モデルの生成方法、ドロス欠陥予測装置、およびドロス欠陥予測端末システム | |
KR102283932B1 (ko) | 열적 처리된 강판의 제조를 위한 동적 조정 방법 | |
US20230321706A1 (en) | Steel strip and method of producing same | |
JP7031707B1 (ja) | 鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 | |
WO2022049859A1 (ja) | 鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 | |
JP7088244B2 (ja) | 鋼帯の鋼中水素量予測方法、鋼中水素量制御方法、製造方法、鋼中水素量予測モデルの生成方法及び鋼中水素量予測装置 | |
WO2022209364A1 (ja) | 連続焼鈍設備、連続焼鈍方法、冷延鋼板の製造方法及びめっき鋼板の製造方法 | |
RU2727385C1 (ru) | Способ динамического подстраивания для изготовления термообработанной листовой стали | |
WO2024070279A1 (ja) | 連続焼鈍設備、連続焼鈍方法、冷延鋼板の製造方法及びめっき鋼板の製造方法 | |
JP2019173166A (ja) | 溶融亜鉛めっき鋼板の製造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210910 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210910 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211214 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220125 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7031707 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |