KR20230156758A - 냉간 압연기의 압연 조건 설정 방법, 냉간 압연 방법, 강판의 제조 방법, 냉간 압연기의 압연 조건 설정 장치, 및 냉간 압연기 - Google Patents
냉간 압연기의 압연 조건 설정 방법, 냉간 압연 방법, 강판의 제조 방법, 냉간 압연기의 압연 조건 설정 장치, 및 냉간 압연기 Download PDFInfo
- Publication number
- KR20230156758A KR20230156758A KR1020237034735A KR20237034735A KR20230156758A KR 20230156758 A KR20230156758 A KR 20230156758A KR 1020237034735 A KR1020237034735 A KR 1020237034735A KR 20237034735 A KR20237034735 A KR 20237034735A KR 20230156758 A KR20230156758 A KR 20230156758A
- Authority
- KR
- South Korea
- Prior art keywords
- cold rolling
- rolling
- rolling mill
- mill
- cold
- Prior art date
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 225
- 238000005097 cold rolling Methods 0.000 title claims abstract description 204
- 238000000034 method Methods 0.000 title claims abstract description 73
- 229910000831 Steel Inorganic materials 0.000 title claims description 129
- 239000010959 steel Substances 0.000 title claims description 129
- 238000004519 manufacturing process Methods 0.000 title claims description 10
- 239000000463 material Substances 0.000 claims abstract description 56
- 239000010731 rolling oil Substances 0.000 description 48
- 238000012545 processing Methods 0.000 description 36
- 238000003062 neural network model Methods 0.000 description 27
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 26
- 230000008569 process Effects 0.000 description 26
- 238000006243 chemical reaction Methods 0.000 description 25
- 238000003860 storage Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 16
- 229910052742 iron Inorganic materials 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 239000002826 coolant Substances 0.000 description 11
- 239000000839 emulsion Substances 0.000 description 11
- 238000012806 monitoring device Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 239000003921 oil Substances 0.000 description 7
- 235000019198 oils Nutrition 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011176 pooling Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000011550 stock solution Substances 0.000 description 4
- 239000004094 surface-active agent Substances 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000001050 lubricating effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 229910000976 Electrical steel Inorganic materials 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000003963 antioxidant agent Substances 0.000 description 2
- 239000002199 base oil Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000314 lubricant Substances 0.000 description 2
- 239000002736 nonionic surfactant Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 239000002436 steel type Substances 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 239000005069 Extreme pressure additive Substances 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000003078 antioxidant effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 239000010960 cold rolled steel Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000012045 crude solution Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000010696 ester oil Substances 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- -1 fatty acid esters Chemical class 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000002563 ionic surfactant Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 239000006148 magnetic separator Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000008041 oiling agent Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 235000015112 vegetable and seed oil Nutrition 0.000 description 1
- 239000008158 vegetable oil Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- B21B37/16—Control of thickness, width, diameter or other transverse dimensions
- B21B37/24—Automatic variation of thickness according to a predetermined programme
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B1/00—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations
- B21B1/22—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length
-
- 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
- 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
- B21B37/16—Control of thickness, width, diameter or other transverse dimensions
- B21B37/165—Control of thickness, width, diameter or other transverse dimensions responsive mainly to the measured thickness of the product
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B1/00—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations
- B21B1/22—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length
- B21B2001/221—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length by cold-rolling
-
- 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
- B21B37/28—Control of flatness or profile during rolling of strip, sheets or plates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
- B21B45/0239—Lubricating
- B21B45/0245—Lubricating devices
- B21B45/0248—Lubricating devices using liquid lubricants, e.g. for sections, for tubes
- B21B45/0251—Lubricating devices using liquid lubricants, e.g. for sections, for tubes for strips, sheets, or plates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
- B21B45/0269—Cleaning
- B21B45/029—Liquid recovering devices
- B21B45/0296—Recovering lubricants
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
- Metal Rolling (AREA)
Abstract
본 발명에 관련된 냉간 압연기의 압연 조건 설정 방법에서는, 예측 모델은, 냉간 압연기의 입측에 있어서의 압연재의 냉간 압연 전 데이터를 포함하는 과거의 압연 실적 데이터를 다차원 데이터로 변환한 제 1 다차원 데이터를 설명 변수로 하고, 냉간 압연기의 출측에 있어서의 압연재의 냉간 압연 후 데이터를 목적 변수로 하여 생성된 것이고, 냉간 압연기의 입측에 있어서의 압연 대상재의 냉간 압연 전 데이터와 냉간 압연기의 목표 압연 조건을 포함하는 정보로부터 생성한 제 2 다차원 데이터를 예측 모델에 입력함으로써, 냉간 압연기의 출측에 있어서의 상기 압연 대상재의 압연 후의 형상을 추정하는 스텝과, 추정된 압연 후의 형상이 소정 조건을 만족하도록 냉간 압연기의 목표 압연 조건을 변경하는 스텝을 포함한다.
Description
본 발명은, 냉간 압연기의 압연 조건 설정 방법, 냉간 압연 방법, 강판의 제조 방법, 냉간 압연기의 압연 조건 설정 장치, 및 냉간 압연기에 관한 것이다.
일반적으로, 냉연 박강판 등의 압연재를 냉간 압연할 때에는, 압연재의 길이 방향 및 폭 방향의 두께 정밀도를 양호하게 유지하면서 압연재의 형상 (또는 평탄도) 을 양호하게 함으로써, 압연재의 통판성을 안정화시킨 상태에서 냉간 압연이 실시되는 것이 바람직하다. 한편, 경량화에 의한 연비 억제 등을 목적으로 하여, 고부하, 또한 압연 전 판두께가 얇은 박물 경질재 등의 난압연재의 니즈가 높아지고 있다. 이와 같은 난압연재의 냉간 압연시에는, 압연 부하를 억제하기 위해, 난압연재는 전공정의 열간 압연으로 박인 (薄引) 된 후에 냉간 압연 공정으로 보내진다.
최근, 냉간 압연기의 제어 인자의 대부분은 냉간 압연기에 탑재된 액추에이터에 의해 자동 제어되어, 오퍼레이터가 냉간 압연기의 제어 인자를 설정할 기회는 점점 줄어들고 있다. 그런데, 상기와 같은 난압연재의 냉간 압연시에는, 길이 방향을 따라 판 크라운 (폭 방향의 두께 분포) 이 크게 변동되는 경우가 있다. 길이 방향을 따라 판 크라운이 크게 변동되었을 때에는, 압연 하중 (및 부수하여 계산되는 선진율이나 토크) 을 비롯하여, 냉간 압연기의 롤 갭, 워크 롤 벤더나 중간 롤 시프트, 및 서멀 크라운에 의한 롤 팽창으로 대표되는 롤 휨 보정에 대한 변동이 자동 제어에 의해 흡수할 수 없는 경우가 많다.
따라서, 이와 같은 경우에는, 오퍼레이터는, 냉간 압연기의 설비 제약을 만족시키면서, 또한 생산성을 저해하지 않도록, 패스 스케줄이나 형상 제어 액추에이터를 설정한다. 이 때문에, 최근, 오퍼레이터의 경험이나 주관에 의해 냉간 압연기의 조업 속도, 나아가서는 생산성이 좌우되기 쉽게 되어 있다. 이와 같은 배경으로부터, 특허문헌 1 에는, 뉴럴 네트워크를 사용하여 과거의 조업 조건을 학습하고, 학습 결과를 사용하여 냉간 압연기의 밀 셋업을 실시하는 방법이 제안되어 있다. 또한, 특허문헌 2 에는, 냉간 압연기의 입측에서 측정된 판두께 프로파일을 사용하여 에지 드롭의 피드 포워드 제어를 실시하는 방법이 제안되어 있다.
그러나, 특허문헌 1 에 기재된 방법에서는, 밀 셋업 시점에서 냉간 압연기가 최적의 조업 조건이 되었다고 해도, 길이 방향을 따라 판 크라운이 변동된 경우에는, 냉간 압연기의 출측에 있어서의 압연재의 형상이 크게 변동되고, 형상 불량에 의한 압연 속도의 제한이나, 최악의 경우, 압연재의 파단이 발생할 가능성이 있다. 한편, 특허문헌 2 에 기재된 방법에서는, 판두께 프로파일이 길이 방향의 일단면만인 것 및 선형 회귀식을 사용하여 에지 드롭을 예측하고 있는 점에서, 동일하게 길이 방향을 따라 판 크라운이 변동하는 경우에 대응할 수 없다.
본 발명은, 상기 과제를 감안하여 이루어진 것으로서, 그 목적은, 고부하, 또한 압연 전 판두께가 얇은 난압연재를 압연할 때에도 냉간 압연의 안정성을 확보하면서 양호한 생산성으로 냉간 압연하는 압연 조건을 설정 가능한 냉간 압연기의 압연 조건 설정 방법 및 압연 조건 설정 장치를 제공하는 것에 있다. 또한, 본 발명의 다른 목적은 고부하, 또한 압연 전 판두께가 얇은 난압연재를 냉간 압연할 때에도 냉간 압연의 안정성을 확보하면서 양호한 생산성으로 냉간 압연 가능한 냉간 압연 방법 및 냉간 압연기를 제공하는 것에 있다. 또한, 본 발명의 다른 목적은, 강판을 양호한 수율로 제조 가능한 강판의 제조 방법을 제공하는 것에 있다.
본 발명에 관련된 냉간 압연기의 압연 조건 설정 방법은, 압연 대상재의 냉간 압연 후의 상태를 예측하는 예측 모델을 사용하여 그 압연 대상재를 냉간 압연할 때의 냉간 압연기의 목표 압연 조건을 설정하는 냉간 압연기의 압연 조건 설정 방법으로서, 상기 예측 모델은, 상기 냉간 압연기의 입측에 있어서의 압연재의 냉간 압연 전 데이터를 포함하는 과거의 압연 실적 데이터를 다차원 데이터로 변환한 제 1 다차원 데이터를 설명 변수로 하고, 상기 냉간 압연기의 출측에 있어서의 압연재의 냉간 압연 후 데이터를 목적 변수로 하여 생성된 것이고, 상기 냉간 압연기의 입측에 있어서의 상기 압연 대상재의 냉간 압연 전 데이터와 상기 냉간 압연기의 목표 압연 조건을 포함하는 정보로부터 생성한 제 2 다차원 데이터를 상기 예측 모델에 입력함으로써, 상기 냉간 압연기의 출측에 있어서의 상기 압연 대상재의 압연 후의 형상을 추정하는 스텝과, 추정된 상기 압연 후의 형상이 소정 조건을 만족하도록 상기 냉간 압연기의 목표 압연 조건을 변경하는 스텝을 포함한다.
상기 냉간 압연 전 데이터에는, 상기 냉간 압연기의 입측에 있어서의 강판의 두께 정보 및 온도 정보 중 적어도 일방이 포함되면 된다.
상기 냉간 압연 후 데이터에는, 상기 냉간 압연기의 출측에 있어서의 강판의 형상으로부터 산출되는 형상 파라미터가 포함되면 된다.
본 발명에 관련된 냉간 압연 방법은, 본 발명에 관련된 냉간 압연기의 압연 조건 설정 방법을 사용하여 변경된 냉간 압연기의 목표 압연 조건을 사용하여 압연 대상재를 냉간 압연하는 스텝을 포함한다.
본 발명에 관련된 강판의 제조 방법은, 본 발명에 관련된 냉간 압연 방법을 사용하여 강판을 제조하는 스텝을 포함한다.
본 발명에 관련된 냉간 압연기의 압연 조건 설정 장치는, 압연 대상재의 냉간 압연 후의 상태를 예측하는 예측 모델을 사용하여 압연 대상재를 냉간 압연할 때의 냉간 압연기의 목표 압연 조건을 설정하는 냉간 압연기의 압연 조건 설정 장치로서, 상기 예측 모델은, 상기 냉간 압연기의 입측에 있어서의 압연재의 냉간 압연 전 데이터를 포함하는 과거의 압연 실적 데이터를 다차원 데이터로 변환한 제 1 다차원 데이터를 설명 변수로 하고, 상기 냉간 압연기의 출측에 있어서의 압연재의 냉간 압연 후 데이터를 목적 변수로 하여 생성된 것이고, 상기 냉간 압연기의 입측에 있어서의 상기 압연 대상재의 냉간 압연 전 데이터와 상기 냉간 압연기의 목표 압연 조건을 포함하는 정보로부터 생성한 제 2 다차원 데이터를 상기 예측 모델에 입력함으로써, 상기 냉간 압연기의 출측에 있어서의 상기 압연 대상재의 압연 후의 형상을 추정하는 수단과, 추정된 상기 압연 후의 형상이 소정 조건을 만족하도록 상기 냉간 압연기의 목표 압연 조건을 변경하는 수단을 구비한다.
상기 냉간 압연 전 데이터에는, 상기 냉간 압연기의 입측에 있어서의 강판의 두께 정보 및 온도 정보 중 적어도 일방이 포함되면 된다.
상기 냉간 압연 후 데이터에는, 상기 냉간 압연기의 출측에 있어서의 강판의 형상으로부터 산출되는 형상 파라미터가 포함되면 된다.
본 발명에 관련된 냉간 압연기는 본 발명에 관련된 냉간 압연기의 압연 조건 설정 장치를 구비한다.
본 발명에 관련된 냉간 압연기의 압연 조건 설정 방법 및 압연 조건 설정 장치에 의하면, 고부하, 또한 압연 전 판두께가 얇은 난압연재를 냉간 압연할 때에도 냉간 압연의 안정성을 확보하면서 양호한 생산성으로 냉간 압연하는 압연 조건을 설정할 수 있다. 또한, 본 발명에 관련된 냉간 압연 방법 및 냉간 압연기에 의하면, 고부하, 또한 압연 전 판두께가 얇은 난압연재를 냉간 압연할 때에도 냉간 압연의 안정성을 확보하면서 양호한 생산성으로 냉간 압연할 수 있다. 또한, 본 발명에 관련된 강판의 제조 방법에 의하면, 강판을 양호한 수율로 제조할 수 있다.
도 1 은, 본 발명의 일 실시형태인 냉간 압연기의 구성을 나타내는 모식도이다.
도 2 는, 도 1 에 나타내는 연산 유닛의 구성을 나타내는 블록도이다.
도 3 은, 다차원 배열 정보의 일례를 나타내는 도면이다.
도 4 는, 형상 제어 예측 모델의 구성예를 나타내는 도면이다.
도 5 은, 다차원 배열 정보를 일차원 정보로 변환하는 처리의 흐름을 나타내는 플로 차트이다.
도 6 은, 예측 모델 실행부의 처리의 흐름을 나타내는 플로 차트이다.
도 2 는, 도 1 에 나타내는 연산 유닛의 구성을 나타내는 블록도이다.
도 3 은, 다차원 배열 정보의 일례를 나타내는 도면이다.
도 4 는, 형상 제어 예측 모델의 구성예를 나타내는 도면이다.
도 5 은, 다차원 배열 정보를 일차원 정보로 변환하는 처리의 흐름을 나타내는 플로 차트이다.
도 6 은, 예측 모델 실행부의 처리의 흐름을 나타내는 플로 차트이다.
이하, 도면을 참조하여, 본 발명의 일 실시형태인 냉간 압연기의 압연 조건 설정 방법, 냉간 압연 방법, 강판의 제조 방법, 냉간 압연기의 압연 조건 설정 장치, 및 냉간 압연기에 대해 설명한다. 또한, 이하에 나타내는 실시형태는, 본 발명의 기술 사상을 구체화하기 위한 장치나 방법을 예시한 것으로서, 구성 부품의 재질, 형상, 구조, 배치 등을 이하에 나타내는 실시형태에 한정하는 것은 아니다. 또한, 도면은 모식적인 것이다. 이 때문에, 두께와 평면 치수의 관계나 비율 등은 현실의 것과는 상이한 것에 유의해야 하며, 도면 상호간에 있어서도 서로의 치수의 관계나 비율이 상이한 부분이 포함되어 있다.
〔냉간 압연기의 구성〕
먼저, 도 1 을 참조하여, 본 발명의 일 실시형태인 냉간 압연기의 구성에 대해 설명한다. 또한, 본 명세서 중에서는「냉간 압연」을 간단히「압연」이라고 기재하는 경우가 있고, 본 명세서에 있어서「냉간 압연」과「압연」은 동의이다. 또한, 이하의 설명에서는, 냉간 압연기에 의해 압연되는 압연재 (압연 대상재) 로서 강판을 예로 든다. 단, 압연재는, 강판에 한정되지 않고, 알루미늄판 등의 그 밖의 금속판에서도 적용 가능하다.
도 1 은, 본 발명의 일 실시형태인 냉간 압연기의 구성을 나타내는 모식도이다. 도 1 에 나타내는 바와 같이, 본 발명의 일 실시형태인 냉간 압연기 (1) 는, 강판 (S) 의 입측 (도 1 의 지면을 향하여 좌측) 으로부터 출측 (도 1 의 지면을 향하여 우측) 을 향하여 순서대로 제 1 압연 스탠드 ∼ 제 5 압연 스탠드 (#1STD ∼ #5STD) 의 5 기의 압연 스탠드를 구비하는 냉간 탠덤 압연기이다. 이 냉간 압연기 (1) 에 있어서, 이웃하는 압연 스탠드 사이에는, 도시하지 않은 텐션 롤 및 디퍼렌셜 롤, 판후계 및 형상계가 적절히 설치되어 있다. 압연 스탠드의 구성이나 강판 (S) 의 반송 장치 등은 특별히 한정되지 않고, 적절히 공지된 기술을 적용할 수 있다.
냉간 압연기 (1) 의 각 압연 스탠드에는 에멀션 압연유 (이후의 설명에서「에멀션 압연유」를 간단히「압연유」라고 칭하는 경우가 있다) (OL) 가 공급된다. 냉간 압연기 (1) 는, 압연유 저류 탱크로서, 더티 탱크 (회수용 탱크) (2) 및 클린 탱크 (3) 를 구비하고, 이들 탱크로부터 공급된 압연유 (OL) 가 공급 라인 (11) 을 통하여 각 압연 스탠드에 공급된다.
더티 탱크 (2) 에는, 제 1 ∼ 제 5 압연 스탠드의 하방에 배치된 오일 팬 (5) 에 의해 회수된 압연유, 즉 냉간 압연에서 사용된 압연유가 복귀 배관 (6) 을 통하여 유입된다.
클린 탱크 (3) 에 저류되는 압연유 (OL) 는, 온수 (희석수) 와 압연유의 원액 (계면 활성제가 첨가되어 있다) 을 혼합함으로써 생성된 압연유이다. 이 혼합된 온수와 압연유의 원액은, 교반기 (7) 의 교반 날개의 회전수를 조정함으로써, 요컨대 교반 정도를 조정함으로써, 목적으로 하는 원하는 평균 입자경이나 농도 범위를 갖는 압연유 (OL) 가 된다.
압연유의 원액으로는, 통상의 냉간 압연에 사용되는 것을 적용할 수 있고, 예를 들어, 천연 유지, 지방산 에스테르 및 탄화수소계 합성 윤활유 중 어느 것을 기유로 한 것을 사용할 수 있다. 또한, 이들 압연유에는, 유성 향상제, 극압 첨가제 및 산화 방지제 등의 통상의 냉간 압연유에 사용되는 첨가제를 첨가해도 된다.
압연유에 첨가되는 계면 활성제로는, 이온계 및 비이온계 중 어느 것을 사용해도 되고, 통상의 순환식 쿨런트 시스템 (순환식 압연유 공급 방식) 에서 사용되는 것을 사용하면 된다. 그리고, 압연유의 원액을 바람직하게는 농도 2 ∼ 8 질량%, 보다 바람직하게는 농도 3 ∼ 6.0 질량% 로 희석하고, 계면 활성제를 사용하여 물에 기름이 분산된 O/W 에멀션 압연유로 하면 된다. 또한, 압연유의 평균 입자경은, 바람직하게는 15 ㎛ 이하, 보다 바람직하게는 3 ∼ 10 ㎛ 로 한다.
조업 개시 이후는, 더티 탱크 (2) 에 회수된 압연유가, 철분량 제어 장치 등으로 이루어지는 철분 제거 장치 (8) 를 통해 클린 탱크 (3) 에 유입된다. 더티 탱크 (2) 에 회수된 압연유에는, 압연 롤과 강판 (S) 사이의 마찰로 발생한 마모분 (철분) 이 함유되어 있다. 그래서, 철분 제거 장치 (8) 는, 회수된 압연유의 유용 철분이 클린 탱크 (3) 에 저류되는 압연유 (OL) 로서 허용되는 유용 철분이 되도록 마모분을 제거한다.
철분 제거 장치 (8) 를 통한 더티 탱크 (2) 측으로부터 클린 탱크 (3) 측으로의 압연유의 이동은, 연속적으로 실시되어도 되고, 간헐적으로 실시되어도 된다. 철분 제거 장치 (8) 로는, 전자 필터나 마그넷 세퍼레이터 등의 마그넷 필터를 사용하여 철분을 흡착하여 제거하는 것이 바람직하지만, 이것에 한정되지 않는다. 철분 제거 장치 (8) 는, 원심 분리 등의 방법을 사용한 공지의 장치여도 된다.
그런데, 압연 스탠드에 공급된 압연유의 일부는, 강판 (S) 에 의해 계외로 반출되거나, 증발에 의해 없어지거나 한다. 이 때문에, 클린 탱크 (3) 내의 압연유 (OL) 의 저류 레벨이나 농도가 소정 범위 내가 되도록, 클린 탱크 (3) 는 원액 탱크 (도시하지 않음) 로부터 압연유의 원액이 적절히 보급 (공급) 되는 구성으로 되어 있다. 또한, 압연유의 희석을 위한 온수도 적절히 클린 탱크 (3) 에 보급 (공급) 된다. 또한, 클린 탱크 (3) 내의 에멀션 압연유 (OL) 의 저류 레벨이나 농도는, 도시하지 않은 센서로 측정 가능하게 되어 있다.
다음으로, 냉간 압연기 (1) 의 압연유 공급 계통에 대해 상세를 설명한다. 냉간 압연기 (1) 의 압연유 공급 계통은, 더티 탱크 (2), 철분 제거 장치 (8), 클린 탱크 (3) 및 클린 탱크 (3) 로부터 압연유 (OL) 를 빨아 올리는 펌프 (9) 를 구비하고 있다. 또한, 클린 탱크 (3) 와 펌프 (9) 사이에 이물 제거를 위한 스트레이너를 배치해도 된다.
냉간 압연기 (1) 의 압연유 공급 계통은, 클린 탱크 (3) 에 일단부를 접속한 공급 라인 (11) 과, 공급 라인 (11) 의 타단부 (압연기측) 에서 분기하여, 각 압연 스탠드에 대응하는 위치에 각각 배치된 5 세트의 윤활용 쿨런트 헤더 (12) 및 5 세트의 냉각용 쿨런트 헤더 (13) 를 구비하고 있다.
각 윤활용 쿨런트 헤더 (12) 는, 압연 스탠드의 입측에 배치되고, 각각 형성된 스프레이 노즐로부터 롤 바이트를 향하여 윤활유로서의 압연유 (OL) 를 분사함으로써, 롤 바이트나 워크 롤에 윤활유를 공급한다. 냉각용 쿨런트 헤더 (13) 는, 압연 스탠드의 출측에 배치되고, 각각 형성된 스프레이 노즐로부터 압연 롤을 향하여 압연유 (OL) 를 분사함으로써, 압연 롤을 냉각한다.
이와 같은 구성에 의해, 클린 탱크 (3) 내의 에멀션 압연유 (OL) 가, 펌프 (9) 에 의해 공급 라인 (11) 에 압송되고, 각 압연 스탠드에 배치된 윤활용 쿨런트 헤더 (12) 및 냉각용 쿨런트 헤더 (13) 에 공급되어, 각각 형성된 스프레이 노즐로부터 분사 부위에 공급된다. 또한, 압연 롤에 공급된 에멀션 압연유 (OL) 는, 강판 (S) 에 의해 계 외로 반출되거나, 증발에 의해 없어지거나 한 것을 제외하고, 오일 팬 (5) 으로 회수되고, 복귀 배관 (6) 을 통해 더티 탱크 (2) 내로 되돌아간다. 그 후, 더티 탱크 (2) 내에 저류된 에멀션 압연유의 일부는, 철분 제거 장치 (8) 를 사용하여 냉간 압연에 의해 발생한 유용 철분이 일정량 제거된 후에 클린 탱크 (3) 내로 되돌아간다.
이상의 압연유 공급 계통에 의해, 마모분의 제거 처리가 실시된 압연유가, 압연 롤에 대해 순환 공급되게 된다. 즉, 공급된 에멀션 압연유가 순환 사용된다. 또한, 클린 탱크 (3) 는, 종래의 순환 급유 방식에서의 순환용 압연유 탱크에 대응하여, 상기 서술한 바와 같이, 적절히 클린 탱크 (3) 에 압연유의 원액이 보급 (공급) 된다.
〔형상 제어 예측 모델〕
다음으로, 도 1 ∼ 도 6 을 참조하여, 본 발명의 일 실시형태인 형상 제어 예측 모델에 대해서 설명한다.
본 발명의 일 실시형태인 형상 제어 예측 모델과 관련된 기능은, 도 1 에 나타내는 압연 제어 장치 (100), 연산 유닛 (200) 및 강판 정보 측정 장치 (300) 에 의해 실현된다.
압연 제어 장치 (100) 는, 연산 유닛 (200) 으로부터의 제어 신호에 기초하여 냉간 압연기 (1) 의 압연 조건을 제어한다.
도 2 는, 도 1 에 나타내는 연산 유닛 (200) 의 구성을 나타내는 블록도이다. 도 2 에 나타내는 바와 같이, 연산 유닛 (200) 은, 연산 장치 (210), 입력 장치 (220), 기억 장치 (230), 및 출력 장치 (240) 를 구비하고 있다.
연산 장치 (210) 는, 버스 (250) 를 통해 입력 장치 (220), 기억 장치 (230) 및 출력 장치 (240) 와 유선 접속되어 있다. 단, 연산 장치 (210), 입력 장치 (220), 기억 장치 (230), 및 출력 장치 (240) 는, 이 접속의 양태에 한정되지 않고, 무선에 의해 접속되어도 되고, 유선 접속과 무선 접속을 조합한 양태로 접속되어도 된다.
입력 장치 (220) 는, 압연 제어 장치 (100) 에 의한 냉간 압연기 (1) 의 제어 정보나 강판 정보 측정 장치 (300) 에 의해 측정된 압연 입측 강판 정보 (냉간 압연기 (1) 의 입측에 있어서의 강판 (S) 에 관한 정보 (예를 들어, 강종, 압연 전의 판두께, 판폭 등)) 및 조업 감시 장치 (400) 로부터의 정보가 입력되는 입력 포트로서 기능한다. 조업 감시 장치 (400) 로부터의 정보로는, 형상 제어 예측 모델의 실행 지령 정보, 압연 대상의 강판 (S) 에 관한 정보 (전공정 조건, 강종, 사이즈) 및 냉간 압연 전에 프로세스 컴퓨터 또는 오퍼레이터에 의해 설정된 냉간 압연 조건 정보 (수치 정보, 문자 정보 및 화상 정보) 가 포함된다.
기억 장치 (230) 는, 예를 들어, 하드 디스크 드라이브, 반도체 드라이브, 광학 드라이브 등에 의해 구성되고, 본 시스템에 있어서 필요한 정보 (후술하는 예측 모델 생성부 (214) 및 예측 모델 실행부 (215) 의 기능의 실현에 필요한 정보) 를 기억하는 장치이다.
예측 모델 생성부 (214) 의 기능의 실현에 필요한 정보로는, 예를 들어, 강판 정보 측정 장치 (300) 에 의해 측정된 압연 입측 강판 정보, 강판 (S) 의 요구 특성 (강종, 제품의 판두께, 판폭 등) 이나 냉간 압연기 (1) 의 설비 제약, 강판 (S) 의 용접점 통과 후의 압연 정보 (코일 정보, 형상 액추에이터 위치를 포함한다), 압연 스탠드에서 사용되는 쿨런트 성상, 압연 조건 (목표 압연 속도를 포함한다) 등의 냉간 압연에 관련되는 설명 변수, 및 압연 출측 강판 정보 (출측 강판 형상의 1 ∼ 4 차 성분, 급준도, 에지 드롭 비율 (강판 단부의 판두께 감소율) 등의 형상 파라미터를 포함한다) 등의 냉간 압연에 관련되는 목적 변수를 나타내는 정보가 포함된다.
또한, 출측 강판 형상의 1 ∼ 4 차 성분인 Λ1 ∼ Λ4 는 이하에 나타내는 수식 (1) ∼ (4) 를 사용하여 산출할 수 있다. 즉, 대칭 성분을 나타내는 형상 파라미터 Λ2, Λ4 는 이하에 나타내는 수식 (1), (2) 로부터 산출되고, 비대칭 성분을 나타내는 형상 파라미터 Λ1, Λ3 은 이하에 나타내는 수식 (3), (4) 로부터 산출된다. 단, 수식 (1) ∼ (4) 에 있어서의 파라미터 λ1 ∼ λ4 는, 강판 형상 Y 로서 신장률을 취하고, 폭 방향에는 판폭으로 무차원한 좌표 x (-1 ≤ x ≤ 1) 를 취하고, 강판 형상 Y 를 이하의 수식 (5) 로 나타내는 4 차식 함수로 근사했을 때의 계수를 나타낸다. 또, 급준도란, 압연 후의 강판 (S) 의 파형의 높이 δ 와 그 피치 P 를 사용하여 λ = δ/P 로 정의되는 값이다.
예측 모델 실행부 (215) 의 기능의 실현에 필요한 정보로는, 예를 들어, 예측 모델 생성부 (214) 에 의해 생성된 강판 (S) 의 압연 상태마다의 형상 제어 예측 모델 및 형상 제어 예측 모델에 입력되는 각종 정보 및 형상 제약 조건을 들 수 있다. 여기서, 형상 제약 조건이란, 냉간 압연기 (1) 의 출측에 있어서의 강판 형상의 합격 여부를 판정하는 기준이 되는 조건이고, 예를 들어, 상기 서술한 출측 강판 형상의 1 ∼ 4 차 성분, 급준도, 에지 드롭 비율의 각각에 대해 합격으로 판정되는 범위가 미리 적절히 설정된다.
출력 장치 (240) 는, 연산 장치 (210) 로부터의 제어 신호를 압연 제어 장치 (100) 에 대해 출력하는 출력 포트로서 기능한다.
조업 감시 장치 (400) 는, 액정 디스플레이나 유기 디스플레이 등의 임의의 표시 장치를 구비하고 있다. 조업 감시 장치 (400) 는, 압연 제어 장치 (100) 로부터 냉간 압연기 (1) 의 조업 상태를 나타내는 각종 정보를 수신하고, 수신한 정보를 오퍼레이터가 냉간 압연기 (1) 의 조업 상태를 감시하기 위한 운전 화면 (조업 화면) 에 표시한다.
연산 장치 (210) 는, RAM (Random Access Memory) (211), ROM (Read Only Memory) (212), 및 연산 처리부 (213) 를 구비하고 있다.
ROM (212) 은, 컴퓨터 프로그램인 예측 모델 생성 프로그램 (212a) 및 예측 모델 실행 프로그램 (212b) 을 기억하고 있다.
연산 처리부 (213) 는, 연산 처리 기능을 갖고, 버스 (250) 를 통해 RAM (211) 및 ROM (212) 과 접속되어 있다.
RAM (211), ROM (212), 및 연산 처리부 (213) 는, 버스 (250) 를 통하여 입력 장치 (220), 기억 장치 (230), 및 출력 장치 (240) 에 접속되어 있다.
연산 처리부 (213) 는, 기능 블록으로서, 예측 모델 생성부 (214) 및 예측 모델 실행부 (215) 를 구비하고 있다.
예측 모델 생성부 (214) 는, 냉간 압연기 (1) 에 있어서의 과거의 압연 실적 중, 강판 (S) 의 압연 전 데이터 및 압연 조건과, 과거의 압연 실적 중, 각 압연 전 데이터에 대응하는 강판 (S) 의 압연 후 데이터를 결부시키는 기계 학습 수법에 의한 형상 제어 예측 모델을 생성하는 처리부이다. 기계 학습 수법에 의한 형상 제어 예측 모델로서, 본 실시형태에서는 뉴럴 네트워크 모델을 사용한다. 단, 기계 학습 수법은, 뉴럴 네트워크에 한정되지 않고, 다른 공지된 기계 학습 수법을 채용해도 상관없다.
예측 모델 생성부 (214) 는, 학습용 데이터 취득부 (214a), 전처리부 (214b), 제 1 데이터 변환부 (214c), 모델 생성부 (214d), 및 결과 보존부 (214e) 를 구비하고 있다. 예측 모델 생성부 (214) 는, 조업 감시 장치 (400) 로부터 형상 제어 예측 모델의 생성의 지시를 받았을 때에, ROM (73) 에 기억되어 있는 예측 모델 생성 프로그램 (212a) 을 실행함으로써, 학습용 데이터 취득부 (214a), 전처리부 (214b), 제 1 데이터 변환부 (214c), 모델 생성부 (214d), 및 결과 보존부 (214e) 로서 기능한다. 형상 제어 예측 모델은, 예측 모델 생성부 (214) 가 실행할 때마다 갱신된다.
학습용 데이터 취득부 (214a) 는, 형상 제어 예측 모델의 생성을 위한 사전 처리로서, 과거의 압연 실적 데이터 중, 강판 정보 측정 장치 (300) 로부터의 압연 입측 강판 정보와 압연 조건을 입력 실적 데이터 (설명 변수) 로 하고, 압연 출측 강판 정보를 출력 실적 데이터 (목적 변수) 로 한, 복수의 학습용 데이터를 취득한다. 구체적으로는, 학습용 데이터 취득부 (214a) 는, 압연기 입측에서 측정된 강판 (S) 의 폭 방향 및 길이 방향의 판두께 정보 및 온도 정보 중 적어도 일방과 당해 코일에서의 과거의 압연 실적을 입력 실적 데이터로 하고, 그 입력 실적 데이터를 사용한 냉간 압연시의 냉간 압연기 (1) 의 출측에 있어서의 강판 형상으로부터 산출되는 형상 파라미터를 출력 실적 데이터로 한, 복수의 학습용 데이터를 취득한다. 학습용 데이터 취득부 (214a) 는, 기억 장치 (230) 로부터 상기의 입력 실적 데이터 및 출력 실적 데이터를 취득하여 학습용 데이터를 작성한다. 각 학습용 데이터는, 입력 실적 데이터와 출력 실적 데이터의 세트로 이루어진다. 학습용 데이터는 기억 장치 (230) 에 기억된다. 학습용 데이터 취득부 (214a) 는, 기억 장치 (230) 에 학습용 데이터를 기억시키지 않고, 전처리부 (214b) 나 모델 생성부 (214d) 에 학습용 데이터를 공급해도 된다.
입력 실적 데이터에는, 설명 변수를 시간 방향으로 연결한 다차원 배열 정보가 포함된다. 본 실시형태에서는, 다차원 배열 정보로서, 도 3(a) ∼ (c) 에 나타내는 바와 같은 정보를 채용한다.
도 3(a) 는, 강판 정보 측정 장치 (300) 의 측정점이 하나인 경우의 예를 나타낸다. 이 경우, 학습용 데이터 취득부 (214a) 는, 강판 (S) 의 길이 방향에 대해 연속적으로 측정된 측정점에 대하여, 강판 (S) 의 폭 방향으로 데이터를 복제하고, 세로열 (수직 방향) 이 폭 방향, 가로열 (수평 방향) 이 채취 피치가 되는 배열을 작성하며, 또한 당해 코일의 정보 및 과거의 압연 실적으로부터 선택되는 설명 변수를 연결시킨 다차원 배열 정보를 작성하여 입력 실적 데이터로 한다. 세로열, 가로열, 및 설명 변수의 열수는 특별히 한정되지 않는다.
도 3(b) 는, 강판 정보 측정 장치 (300) 의 측정점을 강판 (S) 의 폭 방향에 대해 주사하는 경우의 예를 나타낸다. 이 경우, 학습용 데이터 취득부 (214a) 는, 강판 (S) 의 길이 방향에 대해 연속적, 또한, 파상으로 측정된 측정점에 대하여, 강판 (S) 의 길이 방향으로 데이터를 복제한다. 도 3 의 (a) 에 나타낸 예와 마찬가지로, 설명 변수를 연결시킨 다차원 배열 정보가 작성되어, 입력 실적 데이터가 된다.
도 3(c) 는, 강판 정보 측정 장치 (300) 의 측정점이 강판 (S) 의 폭 방향으로 복수 있는 경우의 예를 나타낸다. 이 경우, 학습용 데이터 취득부 (214a) 는, 강판 (S) 의 길이 방향에 대해 연속적으로 측정된 측정점군에 대하여, 도 3(a) 에 나타낸 예와 마찬가지로, 설명 변수를 연결시킴으로써 다차원 배열 정보를 작성하여 입력 실적 데이터로 한다.
또한, 강판 정보 측정 장치 (300) 에 의해 측정되는 정보는 판두께 및 온도 정보 중 적어도 일방으로 한다. 판후계의 측정 수법은 특별히 한정되지 않고, 접촉식이어도 되고 비접촉식 (γ 선, X 선 등) 이어도 된다. 온도계도 마찬가지로 한정되지 않고, 접촉식이어도 되고 방사 온도계와 같은 비접촉식이어도 된다. 또한, 강판 정보 측정 장치 (300) 가 온도계인 경우는, 강판 (S) 에 온도를 부여하기 위한 강판 가열 장치를 상류측에 설치해도 된다.
또한, 기억 장치 (230) 에 과거의 압연 실적 데이터가 기억되어 있지 않은 경우 (예를 들어, 과거에 실적이 없는 압연 조건이나 강종 조건인 경우) 나 샘플량이 적은 경우에는, 학습용 데이터 취득부 (214a) 는, 오퍼레이터에 대해 1 회 또는 복수 회, 형상 제어 예측 모델을 사용하지 않고 냉간 압연을 실행하도록 요구한다. 또한, 기억 장치 (230) 에 기억되어 있는 학습용 데이터의 수가 많을수록 형상 제어 예측 모델에 의한 예측 정밀도가 높아진다. 이 때문에, 학습용 데이터의 수가 미리 설정한 임계값 미만인 경우, 학습용 데이터 취득부 (214a) 는, 데이터수가 임계값에 이를 때까지 오퍼레이터에 대하여, 형상 제어 예측 모델을 사용하지 않고 냉간 압연을 실행하도록 요구해도 된다.
전처리부 (214b) 는, 학습용 데이터 취득부 (214a) 가 취득한 학습용 데이터를 형상 제어 예측 모델 생성용으로 가공한다. 구체적으로는, 전처리부 (214b) 는, 학습용 데이터를 구성하는 압연 실적 데이터를 뉴럴 네트워크 모델에 판독 입력시키기 위해, 필요에 따라 0 ∼ 1 의 사이에서 입력 실적 데이터의 치역 (値域) 을 표준화 (정규화) 한다.
입력 실적 데이터는 다차원 정보이다. 이 때문에, 제 1 데이터 변환부 (214c) 는, 콘볼루션 뉴럴 네트워크를 사용하여 특징량을 남긴 상태에서 입력 실적 데이터를 차원 압축하여, 일차원 정보로 한다 (도 4 참조). 입력 실적 데이터는, 일차원 정보로 된 상태에서 도 4 에 나타내는 뉴럴 네트워크 모델의 입력층 (501) 에 결합된다.
여기서, 도 5 를 참조하여, 제 1 데이터 변환부 (214c) 의 처리예에 대해서 설명한다. 도 5 는, 다차원 배열 정보를 일차원 정보로 변환하는 처리의 흐름을 나타내는 플로 차트이다. 도 5 에 나타낸 바와 같이, 다차원 배열 정보를 일차원 정보로 변환하는 처리, 즉 다차원 배열 정보의 격납 방법은, 복수의 필터의 입출력이 다단으로 연결된 구조를 갖고 있다. 즉, 다차원 배열 정보를 일차원 정보로 변환하는 처리는, 입력측으로부터 순서대로, 제 1 콘볼루션 스텝 S1, 제 1 풀링 스텝 S2, 제 2 콘볼루션 스텝 S3, 제 2 풀링 스텝 S4, 및 전체 결합 스텝 S5 를 포함한다.
제 1 콘볼루션 스텝 S1 에서는, 제 1 데이터 변환부 (214c) 가 가로 64 × 세로 64 의 다차원 배열 정보를 입력으로 하여, 콘볼루션 연산에 의해 64 × 64 의 제 1 특징 맵을 출력한다. 제 1 특징 맵은 입력 배열의 어느 지점에 어떠한 국소적인 특징이 있는지를 나타낸다. 콘볼루션 연산에서는, 예를 들어, 가로 3 × 세로 3 픽셀, 32 채널의 필터로 하고, 필터의 적용 간격을 1, 주변을 0 으로 매립하는 (패딩) 길이를 1 로 한다.
제 1 풀링 스텝 S2 에서는, 제 1 데이터 변환부 (214c) 가 제 1 콘볼루션 스텝 S1 에 의해 출력된 제 1 특징 맵을 입력으로 하고, 제 1 특징 맵의 가로 3 × 세로 3 픽셀 내에서의 최대값을 새로운 1 픽셀로 한다. 제 1 데이터 변환부 (214c) 는, 이와 같은 조작을 픽셀을 어긋나게 하면서 맵 전체에 걸쳐 실시한다. 이로써, 제 1 풀링 스텝 S2 에서는, 제 1 데이터 변환부 (214c) 는, 제 1 특징 맵을 압축한 제 2 특징 맵을 출력한다.
제 2 콘볼루션 스텝 S3 에서는, 제 1 데이터 변환부 (214c) 가, 제 2 특징 맵을 입력으로 하고, 콘볼루션 연산에 의해 제 3 특징 맵을 출력한다. 콘볼루션 연산에서는, 예를 들어, 가로 3 × 세로 3 픽셀, 32 채널의 필터로 하고, 필터의 적용 간격을 1, 주변을 0 으로 매립하는 (패딩) 길이를 1 로 한다.
제 2 풀링 스텝 S4 에서는, 제 1 데이터 변환부 (214c) 가, 제 2 콘볼루션 스텝 S3 에 의해 출력된 제 3 특징 맵을 입력으로 하고, 제 3 특징 맵의 가로 3 × 세로 3 픽셀 내에서의 최대값을 새로운 1 픽셀로 한다. 제 1 데이터 변환부 (214c) 는, 이와 같은 조작을 픽셀을 어긋나게 하면서 맵 전체에 걸쳐 실시한다. 이로써, 제 2 풀링 스텝 S4 에서는, 제 1 데이터 변환부 (214c) 는, 제 3 특징 맵을 압축한 제 4 특징 맵을 출력한다.
전체 결합 스텝 S5 에서는, 제 1 데이터 변환부 (214c) 가 제 2 풀링 스텝 S4 에 의해 출력된 제 4 특징 맵의 정보를 일렬로 배열한다. 그리고, 전체 결합 스텝 S5 로부터 출력된 100 개의 뉴런은 도 4 에 나타내는 뉴럴 네트워크 모델의 입력층 (501) 이 된다. 또한, 콘볼루션의 수법이나 출력 뉴런수는 상기에 한정되지 않는다. 또한, 콘볼루션 뉴럴 네트워크의 수법으로는 GoogleNet 이나 VGG16, MOBILENET, EFFICIENTNET 등의 기지의 모델을 사용해도 된다.
도 2 로 되돌아간다. 모델 생성부 (214d) 는, 전처리부 (214b) 가 취득한 복수의 학습용 데이터를 사용한 기계 학습 (제 1 데이터 변환부 (77C) 에서 변환된 정보도 포함한다) 에 의해, 압연 입측 강판 정보나 설명 변수 (당해 코일 정보나 과거 압연 실적) 를 입력 실적 데이터로서 포함하고, 압연 출측 강판 정보를 출력 실적 데이터로 하는 형상 제어 예측 모델을 생성한다.
본 실시형태에서는, 기계 학습의 수법으로는 뉴럴 네트워크를 채용하기 때문에, 모델 생성부 (214d) 는, 형상 제어 예측 모델로서 뉴럴 네트워크 모델을 생성한다. 즉, 모델 생성부 (214d) 는, 형상 제어 예측 모델 생성용으로 가공된 학습용 데이터에 있어서의, 입력 실적 데이터 (압연 입측 강판 정보를 포함하는 압연 실적 데이터) 와 출력 실적 데이터 (압연 출측 강판 정보) 를 결부시키는 형상 제어 예측 모델로서의 뉴럴 네트워크 모델을 생성한다. 뉴럴 네트워크 모델은, 예를 들어, 함수식으로 표현된다.
구체적으로는, 모델 생성부 (214d) 는, 뉴럴 네트워크 모델에 사용되는 하이퍼파라미터의 설정을 실시함과 함께, 하이퍼파라미터를 사용한 뉴럴 네트워크 모델에 의한 학습을 실시한다. 하이퍼파라미터의 최적화 계산으로서, 모델 생성부 (214d) 는, 먼저 학습용 데이터에 대하여, 하이퍼파라미터 내의 몇 개를 단계적으로 변경한 뉴럴 네트워크 모델을 생성하고, 검증용 데이터에 대한 예측 정밀도가 가장 높아지는 하이퍼파라미터를 선택한다.
하이퍼파라미터로서 통상, 히든층의 수, 각 히든층의 뉴런수, 각 히든층에 있어서의 드롭아웃률 (뉴런의 전달을 어느 일정한 확률로 차단한다), 각 히든층에 있어서의 활성화 함수, 및 출력수가 설정되지만, 이것에 한정되지 않는다. 또한, 하이퍼파라미터의 최적화 수법은 특별히 한정되지 않지만, 파라미터를 단계적으로 변경하는 그리드 서치나, 파라미터를 랜덤으로 선택하는 랜덤 서치, 혹은 베이즈 최적화에 의한 탐색을 사용할 수 있다.
또한, 모델 생성부 (214d) 는 연산 장치 (210) 의 일부로서 장착되어 있지만, 구성은 이것에 한정되지 않는다. 예를 들어, 형상 제어 예측 모델을 미리 생성하여 보존해 두고, 그것들을 적절히 판독 출력해도 상관없다.
도 4 에 나타내는 바와 같이, 본 실시형태에 있어서의 형상 제어 예측 모델로서의 뉴럴 네트워크 모델은, 입력측으로부터 순서대로, 입력층 (501), 중간층 (502), 및 출력층 (503) 을 구비하고 있다.
도 3 에서 작성된 다차원 배열 정보는, 학습용 데이터 취득부 (214a) 에 의해 콘볼루션 뉴럴 네트워크를 사용하여 특징량을 남긴 상태에서 차원 압축되고, 일차원 정보로 된 상태에서 입력층 (501) 에 격납된다.
중간층 (502) 은 복수의 히든층으로 구성되고, 각각의 히든층에는 복수의 뉴런이 배치되어 있다. 중간층 (502) 내에 구성되는 히든층의 수나 각 히든층에 배치되는 뉴런의 수는 특별히 한정되지 않는다. 중간층 (502) 에서는, 어느 뉴런으로부터 계속되는 히든층으로의 뉴런의 전달은, 가중 계수에 의한 변수의 가중치 부여와 함께, 활성화 함수를 통하여 실시된다. 활성화 함수에는 시그모이드 함수나 하이퍼볼릭 탄젠트 함수, 혹은 램프 함수를 사용할 수 있다.
출력층 (503) 은, 중간층 (502) 에 의해 전달된 뉴런의 정보가 결합되고, 최종적인 냉간 압연에 대한 형상 제약 판정값으로서 출력된다. 출력층 (503) 내에 구성되는 출력수는 특별히 한정되지 않는다. 이 출력된 결과와, 과거의 강판 (S) 의 냉간 압연시의 압연 실적 (압연 입측 강판 정보 및 조업 조건) 과 그 때의 압연 제약 실적 (판 형상 판정) 에 기초하여, 뉴럴 네트워크 모델 내의 가중 계수가 서서히 최적화됨으로써 학습이 실시된다.
뉴럴 네트워크 모델의 가중 계수가 학습된 후, 모델 생성부 (214d) 는, 평가용 데이터 (형상 제어 예측 모델을 사용한 압연 대상이 되는 강판 (S) 의 압연 조건 실적) 를, 이 가중 계수가 학습된 뉴럴 네트워크 모델에 입력하여, 평가용 데이터에 대한 추정 결과를 얻는다.
도 2 로 되돌아간다. 결과 보존부 (214e) 는, 학습용 데이터, 평가용 데이터, 뉴럴 네트워크 모델의 파라미터 (가중치 계수), 학습용 데이터에 대한 뉴럴 네트워크 모델의 출력 결과 및 평가용 데이터에 대한 뉴럴 네트워크 모델의 출력 결과를 기억 장치 (230) 에 기억시킨다.
예측 모델 실행부 (215) 는, 강판 (S) 의 냉간 압연 중에, 예측 모델 생성부 (214) 에서 생성된 형상 제어 예측 모델을 사용하여 압연 대상의 강판 (S) 의 압연 조건에 대응하는 냉간 압연 후의 강판 (S) 의 형상 파라미터를 예측한다. 그리고, 예측 모델 실행부 (215) 는, 압연 대상의 강판 (S) 에 있어서의 목표 압연 조건을 결정한다.
상기 처리를 실시하기 위해, 예측 모델 실행부 (215) 는, 정보 판독부 (215a), 제 2 데이터 변환부 (215b), 압연 형상 예측부 (215c), 압연 조건 결정부 (215d), 및 결과 출력부 (215e) 를 구비하고 있다. 여기서, 예측 모델 실행부 (215) 는, 입력 장치 (220) 를 통해서 압연 제어 장치 (100) 로부터 냉간 압연이 실시되고 있음을 알리는 신호를 받았을 때에, ROM (212) 에 기억되어 있는 예측 모델 실행 프로그램 (212b) 을 실행함으로써, 정보 판독부 (215a), 제 2 데이터 변환부 (215b), 압연 형상 예측부 (215c), 압연 조건 결정부 (215d), 및 결과 출력부 (215e) 로서 기능한다.
정보 판독부 (215a) 는, 기억 장치 (230) 로부터 조업 감시 장치 (400) 에서 프로세스 컴퓨터 그리고 오퍼레이터에 의해 설정된 압연 대상의 강판 (S) 의 압연 조건을 판독 입력한다.
제 2 데이터 변환부 (215b) 는, 형상 제어 예측 모델로의 입력 데이터가 되는 다차원 배열 정보를 일차원 정보로 콘볼루션하는 처리를 실시한다. 제 2 데이터 변환부 (215b) 의 처리는, 제 1 데이터 변환부 (214c) 의 처리와 동일하므로, 처리의 상세한 설명은 생략한다. 제 1 데이터 변환부 (214c) 및 제 2 데이터 변환부 (215b) 를 하나의 처리부로서 서브루틴화해도 된다.
압연 형상 예측부 (215c) 는, 제 2 데이터 변환부 (215b) 에서 콘볼루션된 후의 일차원 정보를 형상 제어 예측 모델에 입력하여 압연 대상의 강판 (S) 의 냉간 압연기 출측에 있어서의 형상 파라미터를 예측한다.
압연 조건 결정부 (215d) 는, 강판 (S) 의 형상 파라미터가, 별도 설정되어 있는 형상 제약 판정 임계값 이내가 되도록 설명 변수 중의 목표 압연 조건을 설정 변경하여 상기의 정보 판독부 (215a), 제 2 데이터 변환부 (215b), 및 압연 형상 예측부 (215c) 의 처리의 실행에 반복하여 되돌리는 처리를 실시한다.
결과 출력부 (215e) 는, 강판 (S) 의 압연 후의 형상 파라미터가 미리 설정한 형상 제약 판정 임계값 이내가 되면 작동하고, 결정한 압연 대상의 강판 (S) 의 압연 조건 (형상 제어 액추에이터량) 을 출력한다.
다음으로, 도 6 을 참조하여, 예측 모델 실행부 (215) 의 처리에 대해 설명한다.
도 6 은, 예측 모델 실행부 (215) 의 처리의 흐름을 나타내는 플로 차트이다. 도 6 에 나타내는 바와 같이, 형상 제어 예측 모델을 실행할 때에는, 먼저, 예측 모델 실행부 (215) 의 정보 판독부 (215a) 가, 스텝 S11 의 처리로서, 압연 대상의 강판 (S) 의 요구 특성에 대응하는 형상 제어 예측 모델로서의 뉴럴 네트워크 모델을 기억 장치 (230) 로부터 판독 입력한다.
다음으로, 정보 판독부 (215a) 가, 스텝 S12 의 처리로서, 상위 계산기로부터 입력 장치 (220) 를 통하여 기억 장치 (230) 에 기억되어 있는 요구되는 형상 제약 판정 임계값을 판독 입력한다. 다음으로, 정보 판독부 (215a) 는, 스텝 S13 의 처리로서, 상위 계산기로부터 입력 장치 (220) 를 통하여 기억 장치 (230) 에 기억되어 있는 압연 대상의 강판 (S) 의 압연 조건을 판독 입력한다.
다음으로, 압연 형상 예측부 (215c) 가, 스텝 S14 의 처리로서, 스텝 S11 의 처리에서 판독 입력된 형상 제어 예측 모델로서의 뉴럴 네트워크 모델을 사용하여, 스텝 S13 의 처리에서 판독 입력된 압연 대상의 강판 (S) 의 압연 조건을 다차원 배열화한 입력 실적 데이터로서, 대응하는 냉간 압연 중의 강판 (S) 에 대한 형상 파라미터를 구한다. 또한, 뉴럴 네트워크 모델에 의한 예측 결과는 도 4 에 나타내는 뉴럴 네트워크 모델의 출력층 (503) 에 출력된다.
다음으로, 압연 조건 결정부 (215d) 가, 스텝 S15 의 처리로서, 스텝 S14 의 처리에서 구해진 강판 (S) 의 형상 파라미터가 스텝 S12 의 처리에서 판독된 형상 제약 판정 임계값 이내인지의 여부를 판정한다. 또한, 계산의 수속이 충분하지 않은 경우에는, 실제로 스텝 S15 의 처리에서 실행 가능한 계산 시간의 범위 내에서 수속의 반복 횟수에 상한을 형성해도 된다. 형상 파라미터가 형상 제약 판정 임계값 이내인 것은 본 발명에 있어서의 소정 조건을 만족하는 것에 상당한다.
그리고, 형상 파라미터가 형상 제약 판정 임계값 이내인 경우 (스텝 S15 : Yes) 는, 예측 모델 실행부 (215) 는 일련의 처리를 종료한다. 한편, 형상 파라미터가 형상 제약 판정 임계값 이내가 아닌 경우에는 (스텝 S15 : No), 예측 모델 실행부 (215) 는 처리를 스텝 S16 의 처리로 진행한다.
스텝 S16 의 처리에서는, 압연 조건 결정부 (215d) 가, 스텝 S13 의 처리에서 판독된 압연 대상의 강판 (S) 의 압연 조건 (예를 들어, 형상 제어 액추에이터 조작량) 의 일부를 변경하고, 스텝 S17 의 처리로 이행한다. 스텝 S17 의 처리에서는, 결과 출력부 (215e) 가, 출력 장치 (240) 를 통해 변경된 압연 조건의 일부에 관한 정보를 압연 제어 장치 (100) 에 전송한다.
스텝 S16 의 처리에서 압연 조건의 일부가 변경되어 있을 때에는, 스텝 S17 의 처리에서는, 압연 조건 결정부 (215d) 는, 스텝 S17 의 처리에서 압연 조건의 일부, 구체적으로는 워크 롤이나 중간 롤의 벤더량이나 시프트량의 조작량이 변경된 압연 대상의 강판 (S) 의 압연 조건을, 최적화된 강판 (S) 의 압연 조건으로서 결정한다. 그리고 압연 조건 결정부 (215d) 는, 그때의 압연 조건에 기초하여 형상 제어 액추에이터의 조작량을 결정한다. 압연 제어 장치 (100) 는, 냉간 압연 단계에 있어서 결과 출력부 (215e) 로부터 전송된 형상 제어 액추에이터에 관한 정보에 기초하여 압연 조건을 변경한다.
압연 조건의 변경량의 산출 방법으로서, 압연 조건 결정부 (215d) 는, 스텝 S14 의 처리에서 구해진 형상 파라미터와 스텝 S12 의 처리에서 판독 입력된 형상 제약 판정 임계값의 차이에 기초하여, 압연 대상인 강판 (S) 의 적절한 압연 조건을 산출한다. 그리고, 압연 조건 결정부 (215d) 는, 산출한 압연 조건과 스텝 S13 의 처리에서 판독 입력된 압연 대상의 강판 (S) 의 압연 조건을 비교하여 스텝 S17 의 처리에 있어서 압연 조건을 변경한다.
스텝 S13 의 처리로 되돌아가면, 압연 형상 예측부 (215c) 는, 압연 조건의 일부가 변경된 압연 대상의 강판 (S) 의 압연 조건을 판독 입력한다. 또한, 스텝 S14 의 처리에 있어서, 압연 형상 예측부 (215c) 는, 형상 제어 예측 모델로서의 뉴럴 네트워크 모델에 의해, 스텝 S13 의 처리에서 판독된 일부가 변경된 압연 대상의 강판 (S) 의 압연 조건에 대응하는 냉간 압연 후의 강판 (S) 의 형상 파라미터를 구한다. 또한, 스텝 S15 의 처리에 있어서, 압연 조건 결정부 (215d) 는, 스텝 S14 의 처리에서 구해진 형상 파라미터가 스텝 S12 의 처리에서 판독 입력된 형상 제약 판정 임계값 이내인지의 여부를 판정한다. 그리고, 그 판정 결과가 YES 가 될 때까지 스텝 S13, 스텝 S14, 스텝 S15, 스텝 S16 및 스텝 S17 의 일련의 처리를 반복하여 실행한다. 이로써, 예측 모델 실행부 (215) 에 의한 처리 (형상 제어 결정 스텝) 는 종료한다.
이상의 설명으로부터 분명한 바와 같이, 본 실시형태에서는, 예측 모델 생성부 (214) 가, 과거의 강판 (S) 의 압연 실적과 그 압연 실적에 대응하는 과거의 형상 제어 실적을 결부시키는 기계 학습 수법에 의한 형상 제어 예측 모델을 생성한다. 또한, 예측 모델 실행부 (215) 는, 강판 (S) 의 냉간 압연 중에, 생성된 형상 제어 예측 모델에 의해 압연 대상인 강판 (S) 의 형상 파라미터를 구한다. 그리고, 예측 모델 실행부 (215) 는, 구해진 형상 파라미터가 형상 제약 판정 임계값 이내가 되도록 압연 대상인 강판 (S) 의 압연 조건을 결정한다. 이로써, 오퍼레이터의 경험이나 주관에 의하지 않는, 압연 조업에 있어서의 각종 제약을 만족시키는 형상 제어가 실시되어, 냉간 압연 중의 형상 불량이나 파단 등의 트러블의 발생을 억제하면서 생산성을 유지할 수 있다. 또한, 본 실시형태에 의하면, 냉간 압연 중의 강판 (S) 의 형상 예측에 사용하는 설명 변수로서, 압연 실적 데이터로부터 채취되는 수치 정보를 연결하고 다차원 배열 정보를 입력 데이터로서 사용하므로, 냉간 압연 중에 발생하는 제약에 대해 기여가 큰 인자를 뉴럴 네트워크 모델 상에서 식별할 수 있다.
<변형예>
이상, 본 발명의 실시형태에 대해서 설명해 왔지만, 본 발명은 이것에 한정되지 않고 다양한 변경, 개량을 실시할 수 있다. 예를 들어, 본 실시형태에서는, 형상 제어 예측 모델에 의한 강판 (S) 의 형상 예측의 반복 및 압연 조건의 결정을 코일 전체 길이에 걸쳐 실시하는 것으로 했지만, 일부에서 실시하는 것으로 해도 된다. 또한, 냉간 압연기 (1) 로는, 4 단식에 한정되지 않고, 2 단식 (2Hi) 이나 6 단식 (6Hi) 등의 다중 압연기여도 되고, 압연 스탠드의 수에도 특별히 한정은 없다. 또한, 클러스터 압연기나 센지미어 압연기여도 된다.
또한, 연산 유닛 (200) 에 의해, 형상 제어 액추에이터의 변경 상하 한계값을 초과하는 이상한 제어량이 산출되는 경우나 제어량을 산출할 수 없는 경우에, 압연 제어 장치 (100) 는, 연산 유닛 (200) 으로부터의 지령에 기초하는 제어를 실행할 수 없다. 그래서, 압연 제어 장치 (100) 는, 연산 유닛 (200) 으로부터의 제어량이 이상으로 판정되거나, 연산 유닛 (200) 으로부터 제어량이 공급되지 않거나 한 경우 등에는, 본 실시를 실시하지 않도록 하면 된다.
또한, 도 2 에 나타내는 구성예에서는, 출력 장치 (240) 와 조업 감시 장치 (400) 는 접속되어 있지 않지만, 양자는 통신 가능하게 접속되어 있어도 된다. 이로써, 예측 모델 실행부 (215) 의 처리 결과 (특히 압연 형상 예측부 (215c) 에 의한 압연 중의 강판 (S) 의 형상 예측 정보, 및 압연 조건 결정부 (215d) 에 의해 결정된 변경 후의 압연 조건) 를 조업 감시 장치 (400) 의 운전 화면에 표시할 수 있다.
실시예
이하, 본 발명을 실시예에 기초하여 설명한다.
도 1 에 나타내는 실시형태의 전체 5 압연 스탠드로 이루어지는 냉간 탠덤 압연기를 사용하고, 모재 두께 2.0 ㎜, 판폭 1000 ㎜ 의 2.5 mass% Si 를 함유하는 전기 강판용 소재 강판을 압연재로 하여 마무리 두께 0.300 ㎜ 까지 냉간 압연하는 실험을 실시하였다. 압연유의 원액으로는, 합성 에스테르유에 식물 유지가 첨가된 기유에 대해 유성제 및 산화 방지제를 각각 1 질량% 씩 첨가하고, 또 계면 활성제로서 논이온계 계면 활성제를 오일에 대한 농도로 3 질량% 만 첨가한 것을 사용하였다. 또, 순환 사용되는 에멀션 압연유는, 압연유의 농도 3.5 질량%, 평균 입자경 5 ㎛, 온도 55 ℃ 의 에멀션 압연유로 조제하였다. 사전 학습으로서, 먼저, 학습용 데이터 (3000 건 정도의 과거의 강판의 압연 실적 데이터) 를 사용하여 뉴럴 네트워크 모델에 의한 학습을 실시하고, 과거의 강판의 압연 실적과 과거의 강판의 압연 실적을 결부시켜, 강판 형상의 예측에 사용하는 뉴럴 네트워크 모델을 작성하였다.
발명예에서는, 과거의 강판의 압연 실적 데이터로서, 압연 입측에서 실측된 강판의 폭 방향의 길이 강판 정보 실적에 더하여, 강판의 변형 저항, 압연 패스 스케줄 (압연 하중·장력·강판 형상·판두께 정밀도), 에멀션 성상, 워크 롤의 치수·크라운·거침도 정보, 벤더량, 및 워크 롤 시프트량으로 이루어지는 정보를 사용하였다. 또한, 상기 압연 실적 데이터를 복제·연결한 다차원 배열 정보를 입력 실적 데이터로서 사용하였다. 과거의 강판의 압연 실적 데이터로서, 압연 출측 강판 형상 실적이 학습되었다. 냉간 탠덤 압연기로 롤 갭의 조정을 실시하여, 강판의 용접점이 통과한 후, 압연 제어 장치 (100) 가 온이 된 단계에서, 생성된 뉴럴 네트워크 모델에 의한 냉간 압연 후의 강판의 형상을 예측하였다. 그리고, 예측된 형상이 소정의 형상 제약 판정 임계값 이내가 되도록 압연 조건을 순차 변경하여, 압연 조건을 설정하였다.
비교예에서도 발명예와 마찬가지로, 모재 두께 1.8 ㎜, 판폭 1000 ㎜ 의 2.8 mass% Si 를 함유하는 전기 강판용 소재 강판 (압연 대상) 을 판두께 0.3 ㎜ 까지 냉간 압연하는 실험을 실시하였다. 표 1 에 나타내는 번호 1, 3, 5, 7, 9, 11 의 비교예에서는, 과거의 강판의 압연 실적 데이터를 시간 방향으로 복제하지 않고 일차원 배열로 한 입력 데이터를 사용하여 과거의 강판 형상 실적 데이터를 결부시켜, 강판 형상의 예측에 사용하는 뉴럴 네트워크 모델을 생성하였다.
발명예 및 비교예의 100 코일 압연 후의 강판의 파단 발생수를 표 1 에 나타낸다. 표 1 에 나타낸 바와 같이, 비교예에서는 충분한 학습이 이루어지지 않았기 때문에, 입측 판 크라운이 크게 변동되었을 때에 조업 제약을 초과하여, 수축 파단 등의 트러블이 발생하였다.
이상으로부터, 본 발명에 관련된 냉간 압연 방법 및 냉간 압연기를 사용하여, 강판의 압연 중의 형상을 적절히 예측하고, 그 예측된 형상 파라미터가 미리 설정된 형상 제약 판정 임계값 이내가 되도록 압연 조건을 순차 변경하여 압연 후의 강판 형상을 결정하는 것이 바람직한 것이 확인되었다. 또, 이로써, 본 발명을 적용함으로써, 냉간 압연 중의 형상 불량이나 판 파단 등의 트러블의 발생을 억제할 수 있을 뿐만 아니라, 압연 공정이나 다음 공정 이후의 생산성의 향상이나 품질의 향상에 크게 기여할 수 있는 것이 확인되었다.
이상, 본 발명자들에 의해 이루어진 발명을 적용한 실시형태에 대해 설명했지만, 본 실시형태에 의한 본 발명의 개시의 일부를 이루는 기술 및 도면에 의해 본 발명은 한정되지 않는다. 즉, 본 실시형태에 기초하여 당업자 등에 의해 이루어지는 다른 실시형태, 실시예, 및 운용 기술 등은 모두 본 발명의 범주에 포함된다.
본 발명에 의하면, 고부하, 또한, 압연 전 판두께가 얇은 난압연재를 압연할 때에도 냉간 압연의 안정성을 확보하면서 양호한 생산성으로 냉간 압연하는 압연 조건을 설정 가능한 냉간 압연기의 압연 조건 설정 방법 및 압연 조건 설정 장치를 제공할 수 있다. 또, 본 발명에 의하면, 고부하, 또한, 압연 전 판두께가 얇은 난압연재를 냉간 압연할 때에도 냉간 압연의 안정성을 확보하면서 양호한 생산성으로 냉간 압연 가능한 냉간 압연 방법 및 냉간 압연기를 제공할 수 있다. 또, 본 발명에 의하면, 강판을 양호한 수율로 제조 가능한 강판의 제조 방법을 제공할 수 있다.
1 : 냉간 압연기
2 : 더티 탱크 (회수용 탱크)
3 : 클린 탱크
5 : 오일 팬
6 : 복귀 배관
7 : 교반기
8 : 철분 제거 장치
9 : 펌프
11 : 공급 라인
12 : 윤활용 쿨런트 헤더
13 : 냉각용 쿨런트 헤더
100 : 압연 제어 장치
200 : 연산 유닛
210 : 연산 장치
211 : RAM (Random Access Memory)
212 : ROM (Read Only Memory)
212a : 예측 모델 생성 프로그램
212b : 예측 모델 실행 프로그램
213 : 연산 처리부
214 : 예측 모델 생성부
214a : 학습용 데이터 취득부
214b : 전처리부
214c : 제 1 데이터 변환부
214d : 모델 생성부
214e : 결과 보존부
215 : 예측 모델 실행부
215a : 정보 판독부
215b : 제 2 데이터 변환부
215c : 압연 형상 예측부
215d : 압연 조건 결정부
215e : 결과 출력부
220 : 입력 장치
230 : 기억 장치
240 : 출력 장치
300 : 강판 정보 측정 장치
400 : 조업 감시 장치
501 : 입력층
502 : 중간층
503 : 출력층
S : 강판
2 : 더티 탱크 (회수용 탱크)
3 : 클린 탱크
5 : 오일 팬
6 : 복귀 배관
7 : 교반기
8 : 철분 제거 장치
9 : 펌프
11 : 공급 라인
12 : 윤활용 쿨런트 헤더
13 : 냉각용 쿨런트 헤더
100 : 압연 제어 장치
200 : 연산 유닛
210 : 연산 장치
211 : RAM (Random Access Memory)
212 : ROM (Read Only Memory)
212a : 예측 모델 생성 프로그램
212b : 예측 모델 실행 프로그램
213 : 연산 처리부
214 : 예측 모델 생성부
214a : 학습용 데이터 취득부
214b : 전처리부
214c : 제 1 데이터 변환부
214d : 모델 생성부
214e : 결과 보존부
215 : 예측 모델 실행부
215a : 정보 판독부
215b : 제 2 데이터 변환부
215c : 압연 형상 예측부
215d : 압연 조건 결정부
215e : 결과 출력부
220 : 입력 장치
230 : 기억 장치
240 : 출력 장치
300 : 강판 정보 측정 장치
400 : 조업 감시 장치
501 : 입력층
502 : 중간층
503 : 출력층
S : 강판
Claims (9)
- 압연 대상재의 냉간 압연 후의 상태를 예측하는 예측 모델을 사용하여 압연 대상재를 냉간 압연할 때의 냉간 압연기의 목표 압연 조건을 설정하는 냉간 압연기의 압연 조건 설정 방법으로서,
상기 예측 모델은, 상기 냉간 압연기의 입측에 있어서의 압연재의 냉간 압연 전 데이터를 포함하는 과거의 압연 실적 데이터를 다차원 데이터로 변환한 제 1 다차원 데이터를 설명 변수로 하고, 상기 냉간 압연기의 출측에 있어서의 압연재의 냉간 압연 후 데이터를 목적 변수로 하여 생성된 것이고,
상기 냉간 압연기의 입측에 있어서의 상기 압연 대상재의 냉간 압연 전 데이터와 상기 냉간 압연기의 목표 압연 조건을 포함하는 정보로부터 생성한 제 2 다차원 데이터를 상기 예측 모델에 입력함으로써, 상기 냉간 압연기의 출측에 있어서의 상기 압연 대상재의 압연 후의 형상을 추정하는 스텝과,
추정된 상기 압연 후의 형상이 소정 조건을 만족하도록 상기 냉간 압연기의 목표 압연 조건을 변경하는 스텝을 포함하는, 냉간 압연기의 압연 조건 설정 방법. - 제 1 항에 있어서,
상기 냉간 압연 전 데이터에는, 상기 냉간 압연기의 입측에 있어서의 강판의 두께 정보 및 온도 정보 중 적어도 일방이 포함되는, 냉간 압연기의 압연 조건 설정 방법. - 제 1 항 또는 제 2 항에 있어서,
상기 냉간 압연 후 데이터에는, 상기 냉간 압연기의 출측에 있어서의 강판의 형상으로부터 산출되는 형상 파라미터가 포함되는, 냉간 압연기의 압연 조건 설정 방법. - 제 1 항 내지 제 3 항 중 어느 한 항에 기재된 냉간 압연기의 압연 조건 설정 방법을 사용하여 변경된 냉간 압연기의 목표 압연 조건을 사용하여 압연 대상재를 냉간 압연하는 스텝을 포함하는, 냉간 압연 방법.
- 제 4 항에 기재된 냉간 압연 방법을 사용하여 강판을 제조하는 스텝을 포함하는, 강판의 제조 방법.
- 압연 대상재의 냉간 압연 후의 상태를 예측하는 예측 모델을 사용하여 압연 대상재를 냉간 압연할 때의 냉간 압연기의 목표 압연 조건을 설정하는 냉간 압연기의 압연 조건 설정 장치로서,
상기 예측 모델은, 상기 냉간 압연기의 입측에 있어서의 압연재의 냉간 압연 전 데이터를 포함하는 과거의 압연 실적 데이터를 다차원 데이터로 변환한 제 1 다차원 데이터를 설명 변수로 하고, 상기 냉간 압연기의 출측에 있어서의 압연재의 냉간 압연 후 데이터를 목적 변수로 하여 생성된 것이고,
상기 냉간 압연기의 입측에 있어서의 상기 압연 대상재의 냉간 압연 전 데이터와 상기 냉간 압연기의 목표 압연 조건을 포함하는 정보로부터 생성한 제 2 다차원 데이터를 상기 예측 모델에 입력함으로써, 상기 냉간 압연기의 출측에 있어서의 상기 압연 대상재의 압연 후의 형상을 추정하는 수단과,
추정된 상기 압연 후의 형상이 소정 조건을 만족하도록 상기 냉간 압연기의 목표 압연 조건을 변경하는 수단을 구비하는, 냉간 압연기의 압연 조건 설정 장치. - 제 6 항에 있어서,
상기 냉간 압연 전 데이터에는, 상기 냉간 압연기의 입측에 있어서의 강판의 두께 정보 및 온도 정보 중 적어도 일방이 포함되는, 냉간 압연기의 압연 조건 설정 장치. - 제 6 항 또는 제 7 항에 있어서,
상기 냉간 압연 후 데이터에는, 상기 냉간 압연기의 출측에 있어서의 강판의 형상으로부터 산출되는 형상 파라미터가 포함되는, 냉간 압연기의 압연 조건 설정 장치. - 제 6 항 내지 제 8 항 중 어느 한 항에 기재된 냉간 압연기의 압연 조건 설정 장치를 구비하는, 냉간 압연기.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JPJP-P-2021-102407 | 2021-06-21 | ||
JP2021102407A JP7468466B2 (ja) | 2021-06-21 | 2021-06-21 | 冷間圧延機の圧延条件設定方法、冷間圧延方法、鋼板の製造方法、冷間圧延機の圧延条件設定装置、及び冷間圧延機 |
PCT/JP2022/003791 WO2022269974A1 (ja) | 2021-06-21 | 2022-02-01 | 冷間圧延機の圧延条件設定方法、冷間圧延方法、鋼板の製造方法、冷間圧延機の圧延条件設定装置、及び冷間圧延機 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230156758A true KR20230156758A (ko) | 2023-11-14 |
Family
ID=84543800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020237034735A KR20230156758A (ko) | 2021-06-21 | 2022-02-01 | 냉간 압연기의 압연 조건 설정 방법, 냉간 압연 방법, 강판의 제조 방법, 냉간 압연기의 압연 조건 설정 장치, 및 냉간 압연기 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20240149317A1 (ko) |
EP (1) | EP4309816A1 (ko) |
JP (1) | JP7468466B2 (ko) |
KR (1) | KR20230156758A (ko) |
CN (1) | CN117377538A (ko) |
MX (1) | MX2023015323A (ko) |
TW (1) | TWI802366B (ko) |
WO (1) | WO2022269974A1 (ko) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4784320B2 (ja) | 2006-01-26 | 2011-10-05 | Jfeスチール株式会社 | 冷間圧延におけるエッジドロップの検出・制御方法及び装置 |
JP6705519B1 (ja) | 2019-02-12 | 2020-06-03 | Jfeスチール株式会社 | 製造設備の設定条件決定方法、圧延機のミルセットアップ設定値の決定方法、圧延機のミルセットアップ設定値の決定装置、製造物の製造方法および圧延材の製造方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4463031A (en) | 1982-10-15 | 1984-07-31 | Nobuo Someya | Process for preparing a bacteriological inhibitor for water |
CN1105296A (zh) * | 1993-10-05 | 1995-07-19 | 日立有限公司 | 辊轧机控制方法及装置 |
JP3508245B2 (ja) * | 1994-11-04 | 2004-03-22 | Jfeスチール株式会社 | 圧延条件推定モデルによる圧延条件の推定方法 |
JP2020131248A (ja) * | 2019-02-21 | 2020-08-31 | Jfeスチール株式会社 | 圧延荷重予測方法、圧延荷重予測装置、及び圧延制御方法 |
JP7059990B2 (ja) | 2019-08-27 | 2022-04-26 | Jfeスチール株式会社 | 形状予測モデルの生成方法、圧延形状予測方法、金属板の圧延方法、金属板の製造方法、及び金属板の圧延設備 |
CN113172097B (zh) * | 2021-05-27 | 2022-07-29 | 燕山大学 | 一种基于深度自编码的冷轧带材板形模式识别方法及*** |
-
2021
- 2021-06-21 JP JP2021102407A patent/JP7468466B2/ja active Active
-
2022
- 2022-02-01 WO PCT/JP2022/003791 patent/WO2022269974A1/ja active Application Filing
- 2022-02-01 MX MX2023015323A patent/MX2023015323A/es unknown
- 2022-02-01 EP EP22827898.2A patent/EP4309816A1/en active Pending
- 2022-02-01 CN CN202280037943.4A patent/CN117377538A/zh active Pending
- 2022-02-01 US US18/281,496 patent/US20240149317A1/en active Pending
- 2022-02-01 KR KR1020237034735A patent/KR20230156758A/ko unknown
- 2022-04-12 TW TW111113748A patent/TWI802366B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4784320B2 (ja) | 2006-01-26 | 2011-10-05 | Jfeスチール株式会社 | 冷間圧延におけるエッジドロップの検出・制御方法及び装置 |
JP6705519B1 (ja) | 2019-02-12 | 2020-06-03 | Jfeスチール株式会社 | 製造設備の設定条件決定方法、圧延機のミルセットアップ設定値の決定方法、圧延機のミルセットアップ設定値の決定装置、製造物の製造方法および圧延材の製造方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI802366B (zh) | 2023-05-11 |
MX2023015323A (es) | 2024-01-23 |
JP2023001595A (ja) | 2023-01-06 |
JP7468466B2 (ja) | 2024-04-16 |
TW202300249A (zh) | 2023-01-01 |
US20240149317A1 (en) | 2024-05-09 |
EP4309816A1 (en) | 2024-01-24 |
WO2022269974A1 (ja) | 2022-12-29 |
CN117377538A (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI776731B (zh) | 冷軋機的軋製條件計算方法、冷軋機的軋製條件計算裝置、冷軋方法、冷軋機及鋼板的製造方法 | |
DE102020210967A1 (de) | Verfahren und System zur Optimierung eines Produktionsprozesses in einer Produktionsanlage der metallerzeugenden Industrie, der Nicht-Eisen-Industrie oder der Stahlindustrie zur Herstellung von Halbzeugen oder Fertigerzeugnissen, insbesondere zur Überwachung von Produktqualitäten von gewalzten oder geschmiedeten Metallerzeugnissen | |
JP2021030300A (ja) | 熱延工程での反り予測方法、反り制御方法、熱延鋼板の製造方法、反り予測モデルの生成方法、及び熱延設備 | |
KR20230156758A (ko) | 냉간 압연기의 압연 조건 설정 방법, 냉간 압연 방법, 강판의 제조 방법, 냉간 압연기의 압연 조건 설정 장치, 및 냉간 압연기 | |
JP7040696B1 (ja) | 冷間圧延機の圧延条件算出方法、冷間圧延機の圧延条件算出装置、冷間圧延方法、冷間圧延機、及び鋼板の製造方法 | |
WO2022172525A1 (ja) | 冷間圧延機のチャタリング検出方法、冷間圧延機のチャタリング検出装置、冷間圧延方法、冷間圧延機、及び鋼板の製造方法 | |
JP7047988B1 (ja) | 冷間圧延機のチャタリング検出方法、冷間圧延機のチャタリング検出装置、冷間圧延方法、冷間圧延機、及び鋼板の製造方法 | |
EP2476031A2 (de) | Verfahren zum überwachen einer walze in einer anlage zum walzen von metall | |
Lakshmanan et al. | Data modelling and remaining useful life estimation of rolls in a steel making cold rolling process | |
WO2024018665A1 (ja) | 冷間圧延機の圧延条件設定方法、冷間圧延方法、鋼板の製造方法、冷間圧延機の圧延条件設定装置および冷間圧延機 | |
JP6965993B2 (ja) | 圧延方法、金属板の製造方法及び圧延装置 | |
TWI844298B (zh) | 冷軋機的軋製條件設定方法、冷軋方法、鋼板的製造方法、冷軋機的軋製條件設定裝置及冷軋機 | |
JP7020530B1 (ja) | 冷間圧延設備、冷間圧延方法、及び金属板の製造方法 | |
JP7524885B2 (ja) | 高温鋼材の割れ判定方法、高温鋼材の圧延方法及び高温鋼材の割れ判定モデルの生成方法 | |
JP6421642B2 (ja) | 調質圧延方法 | |
WO2024135050A1 (ja) | 粗圧延材の幅予測方法、粗圧延材の幅制御方法、熱延鋼板の製造方法、及び粗圧延材の幅予測モデルの生成方法 | |
JPH0824908A (ja) | ステンレス鋼および高合金鉄帯体の圧延方法 | |
JP2023086616A (ja) | 高温鋼材の割れ判定方法、高温鋼材の圧延方法及び高温鋼材の割れ判定モデルの生成方法 | |
KR20220161169A (ko) | 플랜트 제어 장치, 플랜트 제어 방법 및 프로그램 | |
GUO et al. | TOWARD INNOVATIVE MILL DESIGN WITH NOVEL HARDWARE AND SOFTWARE DEVELOPMENTS |