JP2022014435A - 鋼素材の表面欠陥推定方法および装置、鋼素材の製造仕様決定支援方法および装置、ならびに鋼素材の製造方法 - Google Patents
鋼素材の表面欠陥推定方法および装置、鋼素材の製造仕様決定支援方法および装置、ならびに鋼素材の製造方法 Download PDFInfo
- Publication number
- JP2022014435A JP2022014435A JP2021100631A JP2021100631A JP2022014435A JP 2022014435 A JP2022014435 A JP 2022014435A JP 2021100631 A JP2021100631 A JP 2021100631A JP 2021100631 A JP2021100631 A JP 2021100631A JP 2022014435 A JP2022014435 A JP 2022014435A
- Authority
- JP
- Japan
- Prior art keywords
- defect
- occurrence rate
- steel
- estimation
- steel material
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 191
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 147
- 239000010959 steel Substances 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004519 manufacturing process Methods 0.000 title claims description 43
- 239000002994 raw material Substances 0.000 title abstract 4
- 238000005266 casting Methods 0.000 claims abstract description 17
- 238000009749 continuous casting Methods 0.000 claims abstract description 7
- 239000000463 material Substances 0.000 claims description 70
- 238000004458 analytical method Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 11
- 239000000843 powder Substances 0.000 description 18
- 238000003860 storage Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000005206 flow analysis Methods 0.000 description 8
- 230000005499 meniscus Effects 0.000 description 8
- 238000007796 conventional method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000007654 immersion Methods 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007711 solidification Methods 0.000 description 3
- 230000008023 solidification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005345 coagulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000004397 blinking Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Landscapes
- Continuous Casting (AREA)
Abstract
Description
上記特許文献1に記載された技術では、推定された溶鋼の流動状態を基礎に表面欠陥の発生率を推定することが考えられるが、オンラインを前提とした流体解析での高精度な計算は不可能であり、実際に欠陥が発生する様子を詳細にシミュレートすることはできない。また、偏流場の流動状態と欠陥発生率に関する紐付や相関関係の解明はされていない。そのため、欠陥発生率を推定する際には流動状態と実際の表面欠陥の発生を比較した統計的方法に頼らざるを得ない。しかしながら、この方法では欠陥発生のメカニズムが考慮されていないことから、設備仕様を変更する度に溶鋼流動解析の計算結果と表面欠陥の発生の紐付けが必要となるため、膨大な欠陥データを収集し直さなくてはならない。
上記課題を解決し、上記の目的を実現するため開発した本発明にかかる鋼素材の表面欠陥推定方法は、鋼の連続鋳造機の鋳型内の溶鋼流動状態を用いて鋼素材の欠陥発生を推定する方法であって、前記鋳型に設けられたセンサーから取得した温度を含むセンサーデータと、時系列的に得られる操業条件とを用いて所定時間内の鋳型内における三次元の溶鋼の流動状態をリアルタイムで推定する流動状態推定ステップと、前記推定された溶鋼の流動状態のデータの一部若しくは全部をそのまま、あるいは加工して欠陥発生率推定用データとする推定用データ取得ステップと、前記欠陥発生率推定用データとあらかじめ求められた欠陥推定モデルとを比較して欠陥発生率を推定する欠陥発生率推定ステップと、推定した欠陥発生率を出力するステップと、を有するものである。
図1は、本発明の第1の実施形態にかかる表面欠陥推定装置を説明するブロック図である。本実施形態の表面欠陥推定装置1は溶鋼の流動状態推定装置2と表面欠陥の欠陥発生率推定装置3とを備える。それぞれの装置2、3は中央演算処理装置(CPU等)、メモリー(RAMやROM等)、記憶領域(ストレージ)を有するパソコン等の装置によって実現されるものとし、CPUの補助に画像処理装置(GPU)を用いても良い。また、表面欠陥推定装置1に記憶装置4を備えることが好ましい。図2は本実施形態にかかる鋼素材の表面欠陥推定方法の流れを示すフロー図である。
Estimation(A)=Incidence [%]
ここで、Aは加工された流動状態であり、各計算点における位置情報、三次元方向の流速等を列ベクトルの成分に含む、物理量数×計算点数の二次元行列である。Incidenceは欠陥の発生率または欠陥の種類や欠陥位置を表す。関数Estimationの構築には、別途数値流体解析によって得られた解析結果を用いる。解析には、オンラインの数値流体解析モデルと比較して、より高精度の数値流体解析モデルを用いる。ここで高精度とは、計算点数の増加やクーラン数の縮小、LES(Large Eddy Simulation)等に代表される鋳型内の流動解析を実施する際のより高度な物理モデル化を行う等、離散化誤差やモデル化誤差が小さい解析を指す。
2 流動状態解析装置
21 情報収集部
22 溶鋼流動推定部
23 第1出力部
3 欠陥発生率推定装置
31 入力部
32 データ加工部
33 欠陥発生率推定部
34 第2出力部
4 記憶装置
41 記憶領域
100 鋼素材の製造仕様決定支援装置
Claims (8)
- 鋼の連続鋳造機の鋳型内の溶鋼流動状態を用いて鋼素材の欠陥発生を推定する方法であって、
前記鋳型に設けられたセンサーから取得した温度を含むセンサーデータと、時系列的に得られる操業条件とを用いて所定時間内の鋳型内における三次元の溶鋼の流動状態をリアルタイムで推定する流動状態推定ステップと、
前記推定された溶鋼の流動状態のデータの一部若しくは全部をそのまま、あるいは加工して欠陥発生率推定用データとする推定用データ取得ステップと、
前記欠陥発生率推定用データとあらかじめ求められた欠陥推定モデルとを比較して欠陥発生率を推定する欠陥発生率推定ステップと、
推定した欠陥発生率を出力するステップと、を有する
鋼素材の表面欠陥推定方法。 - 推定する鋼素材の表面欠陥がパウダー性欠陥を含む、請求項1に記載の鋼素材の表面欠陥推定方法。
- 流動状態解析装置と、欠陥発生率推定装置とを備える鋼素材の表面欠陥推定装置であって、
前記流動状態解析装置は、
鋳型に設けられたセンサーから取得した温度を含むセンサーデータと、時系列的に得られる操業条件とを情報として取得する情報収集部と、
収集した前記情報をもとに所定時間内の鋳型内における三次元の溶鋼の流動状態をリアルタイムで推定する溶鋼流動推定部と、
前記推定された溶鋼の流動状態を、前記欠陥発生率推定装置に出力する第1出力部と、を有し、
前記欠陥発生率推定装置は、
入力された前記推定された溶鋼の流動状態を欠陥発生率推定用データに加工するデータ加工部と、
前記欠陥発生率推定用データとあらかじめ求められた欠陥推定モデルとを比較して欠陥発生率を推定する欠陥発生率推定部と、
推定した欠陥発生率を出力する第2出力部と、を有する
鋼素材の表面欠陥推定装置。 - 推定する鋼素材の表面欠陥がパウダー性欠陥を含む、請求項3に記載の鋼素材の表面欠陥推定装置。
- 請求項1または2に記載された鋼素材の表面欠陥推定方法によって推定した欠陥発生率を低減する鋼素材の製造仕様を探索するステップと、
探索した鋼素材の製造仕様を出力するステップと、を含む、鋼素材の製造仕様決定支援方法。 - 請求項3または4に記載の鋼素材の表面欠陥推定装置を用いた、鋼素材の製造仕様決定支援装置であって、
前記欠陥発生率推定部が、推定された欠陥発生率を低減する鋼素材の製造仕様を探索する機能を有し、
前記第2出力部が、探索された鋼素材の製造仕様を出力する機能を有する、鋼素材の製造仕様決定支援装置。 - 請求項1または2に記載された鋼素材の表面欠陥推定方法によって出力した欠陥発生率に基づき鋼の連続鋳造にかかる操業条件を変更するステップを含む、鋼素材の製造方法。
- 請求項5に記載の鋼素材の製造仕様決定支援方法を用いて探索した鋼素材の製造仕様に基づき鋼の連続鋳造にかかる操業条件を変更するステップを含む、鋼素材の製造方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020116082 | 2020-07-06 | ||
JP2020116082 | 2020-07-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022014435A true JP2022014435A (ja) | 2022-01-19 |
JP7367733B2 JP7367733B2 (ja) | 2023-10-24 |
Family
ID=80185378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021100631A Active JP7367733B2 (ja) | 2020-07-06 | 2021-06-17 | 鋼素材の表面欠陥推定方法および装置、鋼素材の製造仕様決定支援方法および装置、ならびに鋼素材の製造方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7367733B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024084824A1 (ja) * | 2022-10-17 | 2024-04-25 | Jfeスチール株式会社 | 欠陥発生要因推定装置、欠陥発生要因推定方法、欠陥発生要因推定モデルの学習方法、操業条件決定方法および鉄鋼製品の製造方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003181609A (ja) * | 1999-03-02 | 2003-07-02 | Jfe Engineering Kk | 連続鋳造における溶鋼の流動パターン推定・制御方法およびそのための装置 |
JP2015522428A (ja) * | 2012-07-24 | 2015-08-06 | ポスコ | 鋳片品質の予測装置及びその方法 |
-
2021
- 2021-06-17 JP JP2021100631A patent/JP7367733B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003181609A (ja) * | 1999-03-02 | 2003-07-02 | Jfe Engineering Kk | 連続鋳造における溶鋼の流動パターン推定・制御方法およびそのための装置 |
JP2015522428A (ja) * | 2012-07-24 | 2015-08-06 | ポスコ | 鋳片品質の予測装置及びその方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024084824A1 (ja) * | 2022-10-17 | 2024-04-25 | Jfeスチール株式会社 | 欠陥発生要因推定装置、欠陥発生要因推定方法、欠陥発生要因推定モデルの学習方法、操業条件決定方法および鉄鋼製品の製造方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7367733B2 (ja) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5003483B2 (ja) | 圧延ラインの材質予測および材質制御装置 | |
JP6816794B2 (ja) | 溶鋼の流動状態推定方法、流動状態推定装置、溶鋼の流動状態のオンライン表示装置および鋼の連続鋳造方法 | |
JP2002521201A (ja) | 連続鋳造機の動作を監視して切迫したブレークアウトの発生を検出する多変量(multivariate)統計的モデルベースのシステム | |
JP6443165B2 (ja) | 状態推定方法および状態推定装置 | |
CN103157772B (zh) | 一种连铸坯内部质量的预报方法 | |
CN104493121A (zh) | 一种大方坯连铸生产过程的凝固末端位置在线检测方法 | |
JP6536384B2 (ja) | 状態推定方法、湯面レベル制御方法、プログラム及び状態推定装置 | |
JP7367733B2 (ja) | 鋼素材の表面欠陥推定方法および装置、鋼素材の製造仕様決定支援方法および装置、ならびに鋼素材の製造方法 | |
CN107052292A (zh) | 一种基于热物性参数分布计算的连铸坯热跟踪计算方法 | |
CN110750868A (zh) | 一种在线预测连铸过程宏观偏析的方法及系统 | |
CN116050678A (zh) | 一种基于云计算的压铸产品加工测试系统及方法 | |
Ktari et al. | Digital twin of functional gating system in 3D printed molds for sand casting using a neural network | |
CN115828571A (zh) | 基于cpu+gpu异构并行的连铸坯在线温度场预测方法 | |
Ktari et al. | Intelligent approach based on FEM simulations and soft computing techniques for filling system design optimisation in sand casting processes | |
CN113573826B (zh) | 铸模内凝固壳厚推定装置及铸模内凝固壳厚推定方法 | |
CN116703254B (zh) | 模具机械零部件生产信息管理系统 | |
Ingle et al. | A literature survey of methods to study and analyze the gating system design for its effect on casting quality | |
Bhatt et al. | A systematic review on methods of optimizing riser and gating system based on energy Nexus approach | |
Malinowski | Casting production management system | |
CN115034121B (zh) | 一种基于组织性能智能预报模型的带钢工艺调控方法 | |
TKADLEČKOVÁ et al. | Testing of numerical model settings for simulation of steel ingot casting and solidification | |
JP2019217510A (ja) | 連続鋳造鋳型内可視化装置、方法、およびプログラム | |
JP6464949B2 (ja) | 状態推定方法、湯面レベル制御方法および状態推定装置 | |
JP6471632B2 (ja) | 鋳型内湯面形状推定方法、湯面レベル制御方法および装置 | |
JP2016022523A (ja) | 連続鋳造鋳型内の湯面変動の状態推定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220222 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230215 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230705 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230712 |
|
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: 20230912 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230925 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7367733 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |