JP7147904B2 - 形鋼の曲がり予測方法、形鋼の製造方法、学習済の機械学習モデルの生成方法および形鋼の曲率予測装置 - Google Patents

Description

本発明は、ウェブ及びフランジを有する形鋼の曲がり矯正工程後の曲がり曲率を予測する形鋼の曲がり予測方法、形鋼の製造方法、学習済の機械学習モデルの生成方法および形鋼の曲率予測装置に関する。

Ｈ形鋼に代表されるウェブ及びフランジを有する形鋼は、主として熱間圧延により製造される。しかし、熱間圧延において塑性変形が不均一に付与される場合や、冷却が不均一になる場合があり、これが原因で形鋼の長手方向全体又はその一部に曲がりや反りが発生し、まっすぐな形鋼が製造されない場合がある。このような曲がりや反りを除去し、まっすぐな形鋼にするため、形鋼出荷前に冷間での形状矯正が行われる。

図１は、形鋼の一例であるＨ形鋼１０及びＴ形鋼２０の断面形状を示す図である。図１（ａ）は、Ｈ形鋼１０の断面形状を示し、図１（ｂ）はＴ形鋼２０の断面形状を示す。図１（ａ）（ｂ）に示したウェブ高さＨ、フランジ幅Ｂ、ウェブ厚ｔｗ、及びフランジ厚ｔｆのうち少なくとも１つが異なる様々な断面寸法の形鋼が製造されている。このため、熱間圧延における塑性変形や冷却の不均一が生じやすく、製造される形鋼には、図１の断面からみて長手方向に沿って上下に変位量が異なる「反り」や、長手方向に沿って左右に変位量が異なる「曲がり」が発生する。

形鋼の曲がりや反りの矯正方法としては、上下に千鳥状に配置した複数のローラを用いてウェブを圧下するローラ矯正方法などが一般的である。しかし、ウェブに繰り返し曲げを付与して矯正する目的は主として反りの低減であって、曲がりに対しては十分な矯正効果が得られない。一方、形鋼の曲がりを矯正する手段としては、プレス装置を用いて形鋼に曲げモーメントを付与する方法が知られているが、オフラインでの経験に依存した作業となり、矯正作業に長時間を要するので生産能率が低いという課題がある。

これに対して、特許文献１には、フランジを冷間で圧延して延伸させることにより、形鋼の曲がりを効率良く矯正する曲がり矯正方法が開示されている。図２は、この曲がり矯正方法が実施できる曲がり矯正機３０の構成を示す断面模式図である。曲がり矯正機３０は、フランジ１２をウェブ１１とは反対側の面から押圧する外面ロール３２と、ウェブ１１の高さ方向端部からウェブ１１の両面側にそれぞれ張り出す両フランジ部（以下、「上フランジ部１２ｂ」及び「下フランジ部１２ａ」と記載する。）をウェブ１１側の面から押圧して、上フランジ部１２ｂと下フランジ部１２ａとを外面ロールとの間で挟圧する一対の矯正ロール３４とを有し、フランジ１２内外の対向する矯正ロール３４に所定の圧下力（以下、この圧下力を「圧延荷重」と記載する。）を加えてフランジ１２を圧延して曲がりを矯正する。この曲がり矯正機３０を用いた曲がり矯正方法によって形鋼の局所的な曲がりを矯正できる。また、この曲がり矯正方法は、形鋼を搬送しながら矯正できるので、矯正の処理効率の点で有利である。

この曲がり矯正方法を用いて形鋼を矯正するには、形鋼に矯正前の曲がりに応じて適切な圧延荷重を付与することが重要となる。特許文献２には、フランジに付与する圧延荷重と、曲がり矯正による曲がりの変化量との関係式を予め求めておき、曲がりを有する被矯正形鋼に曲がり矯正を施す際には、当該関係式を用いて被矯正形鋼の曲がりを矯正するために必要な圧延荷重を算出し、算出された圧延荷重をフランジに付与して圧延する曲がり矯正方法が開示されている。

特開２００２－２８２９４３号公報 特開２０１４－２０８３７１号公報

形鋼の製造工程で生じる曲がりを矯正するには、フランジを冷間で圧延して延伸させる特許文献１の曲がり矯正方法を用いることが好ましい。しかしながら、特許文献１に開示された方法では、曲がりを除去するために適切な圧延荷重を設定することが難しいという課題がある。この理由は、曲がり矯正に適した圧延荷重は、曲がり矯正前の形鋼の曲がり曲率によって異なり、また、同じ曲がり曲率であっても形鋼の断面寸法が違う場合には、それぞれに適した圧延荷重が異なるからである。

これに対して、特許文献２に開示された曲がり矯正方法によると、ウェブ高さ、フランジ幅、フランジ厚、及び降伏強さのうち少なくとも１つが異なる複数種の形鋼について、関係式をそれぞれ予め求めておき、被矯正形鋼の曲がりを矯正するために必要な圧延荷重の算出には、被矯正形鋼とウェブ高さ、フランジ幅、フランジ厚、及び降伏強度が同一である形鋼を基準形鋼とし、この基準形鋼について得られている関係式を用いることで、形鋼の断面寸法や材質の影響を考慮した圧延荷重を設定できるとされている。

しかしながら、ウェブ高さ、フランジ幅、フランジ厚および降伏強度が同じ形鋼であっても、例えばウェブ厚が異なる場合には、適切な圧延荷重が異なる。さらに、形鋼の断面寸法だけでなく、曲がり矯正前の形鋼が有する残留応力も曲がり矯正に適した圧延荷重に影響を与える。

特許文献２の圧延荷重設定方法は、曲がり矯正前の形鋼が有する残留応力の影響が考慮されていないので、同一の区分に属する形鋼に対して同じ圧延荷重を設定して曲がり矯正を行っても矯正後の形鋼の曲がり曲率が変動するという課題があった。本発明は、このような課題を解決するためになされたものであり、その目的は、矯正後の形鋼の曲がり曲率を高い精度で予測できる形鋼の曲がり予測方法を提供することである。

上記課題を解決するための手段は、以下の通りである。
（１）熱間圧延によりフランジを有する形鋼を造形する圧延工程および前記形鋼のフランジに冷間圧延による圧延荷重をかけて曲がりを矯正する曲がり矯正工程後の形鋼の曲がり予測方法であって、前記形鋼の材料属性パラメータの少なくとも１つと、前記圧延工程の操業パラメータの少なくとも１つと、前記曲がり矯正工程の入側における形鋼の曲がり曲率と、前記曲がり矯正工程の圧延荷重と、を曲がり曲率の予測を行う形鋼の入力データとして取得し、前記曲がり矯正工程後の形鋼の曲がり曲率を出力データとする機械学習モデルに前記入力データを入力して前記曲がり矯正工程後の形鋼の曲がり曲率を予測する、形鋼の曲がり予測方法。
（２）前記圧延工程は、仕上圧延工程と冷却工程とを含み、前記圧延工程の操業パラメータとして、前記仕上圧延工程の入側温度、前記仕上圧延工程の出側温度および前記冷却工程の出側温度のうちの少なくとも１つを用いる、（１）に記載の形鋼の曲がり予測方法。
（３）前記圧延工程の操業パラメータとして、前記仕上圧延工程の入側温度および前記仕上圧延工程の出側温度の少なくとも１つと前記冷却工程の出側温度とを用いる、（２）に記載の形鋼の曲がり予測方法。
（４）前記仕上圧延工程の入側温度、前記仕上圧延工程の出側温度および前記冷却工程の出側温度として前記形鋼のフランジの温度とウェブの温度とを用いる、（２）または（３）に記載の形鋼の曲がり予測方法。
（５）前記入力データのうち、曲がり矯正工程の圧延荷重を変更して前記曲がり矯正後の形鋼の曲がり曲率を予測し、予測された曲がり曲率が目標上限曲率以下となる前記圧延荷重を特定する、（１）から（４）の何れか１つに記載の形鋼の曲がり予測方法。
（６）（５）に記載の形鋼の曲がり予測方法で特定された圧延荷重で前記曲がり矯正工程を実施して形鋼を製造する、形鋼の製造方法。
（７）熱間圧延によりフランジを有する形鋼を造形する圧延工程および前記形鋼のフランジに冷間圧延による圧延荷重をかけて曲がりを矯正する曲がり矯正工程後の形鋼の曲がり曲率を出力する学習済の機械学習モデルの生成方法であって、過去の前記製造工程で製造された形鋼の材料属性パラメータの少なくとも１つと、前記圧延工程の操業パラメータの少なくとも１つと、前記曲がり矯正工程の入側における形鋼の曲がり曲率と、前記曲がり矯正工程の圧延荷重と、曲がり矯正工程後の形鋼の曲がり曲率と、を含むデータセットを教師データとして、前記曲がり矯正工程後の形鋼の曲がり曲率を出力データとする学習済の機械学習モデルを生成する、学習済の機械学習モデルの生成方法。
（８）前記機械学習モデルは、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およびサポートベクター回帰のいずれか１つである、（７）に記載の学習済の機械学習モデルの生成方法。
（９）熱間圧延によりフランジを有する形鋼を造形する圧延工程および前記形鋼のフランジに冷間圧延による圧延荷重をかけて曲がりを矯正する曲がり矯正工程後の曲がり曲率を算出する形鋼の曲率予測装置であって、前記形鋼の材料属性パラメータの少なくとも１つと、前記圧延工程の操業パラメータの少なくとも１つと、前記曲がり矯正工程の入側における形鋼の曲がり曲率と、前記曲がり矯正工程の圧延荷重と、を曲がり曲率の予測を行う形鋼の入力データとして取得し、前記曲がり矯正工程後の形鋼の曲がり曲率を出力データとする機械学習モデルに前記入力データを入力して前記曲がり矯正工程後の形鋼の曲がり曲率を算出する曲率演算部を有する、形鋼の曲率予測装置。
（１０）前記圧延工程は、仕上圧延工程と冷却工程とを含み、前記曲率演算部は、前記圧延工程の操業パラメータとして、前記仕上圧延工程の入側温度、前記仕上圧延工程の出側温度および前記冷却工程の出側温度のうちの少なくとも１つを取得する、（９）に記載の形鋼の曲率予測装置。
（１１）前記曲率演算部は、前記圧延工程の操業パラメータとして、前記仕上圧延工程の入側温度および前記仕上圧延工程の出側温度の少なくとも１つと、前記冷却工程の出側温度を取得する、（１０）に記載の形鋼の曲率予測装置。
（１２）前記曲率演算部は、前記仕上圧延工程の入側温度、前記仕上圧延工程の出側温度および前記冷却工程の出側温度として前記形鋼のフランジの温度とウェブの温度とを取得する、（１０）または（１１）に記載の形鋼の曲率予測装置。
（１３）前記曲率演算部は、前記入力データのうち、曲がり矯正工程の圧延荷重を変更して前記曲がり矯正後の形鋼の曲がり曲率を出力し、出力された曲がり曲率が目標上限曲率以下となる前記圧延荷重を特定する、（９）から（１２）の何れか１つに記載の形鋼の曲率予測装置。
（１４）熱間圧延によりフランジを有する形鋼を造形する圧延工程および前記形鋼のフランジに冷間圧延による圧延荷重をかけて曲がりを矯正する曲がり矯正工程後の曲がり曲率を算出するのに用いる学習済の機械学習モデルを生成する形鋼の曲率予測装置であって、前記形鋼の材料属性パラメータの少なくとも１つと、前記圧延工程の操業パラメータの少なくとも１つと、前記曲がり矯正工程の入側における形鋼の曲がり曲率と、前記曲がり矯正工程の圧延荷重と、曲がり矯正工程後の形鋼の曲がり曲率と、を含むデータセットを教師データとして取得し、前記曲がり矯正工程後の形鋼の曲がり曲率を出力データとする学習済の機械学習モデルを生成する曲率演算部を有する、形鋼の曲率予測装置。
（１５）前記機械学習モデルは、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およびサポートベクター回帰のいずれか１つである、（１４）に記載の形鋼の曲率予測装置。

本発明に係る形鋼の曲がり予測方法では、矯正前の形鋼が有する残留応力を考慮した機械学習モデルを用いて矯正工程後の形鋼の曲がり曲率を予測するので、残留応力を考慮していない従来の方法よりも高い精度で形鋼の曲がり曲率を予測できる。この曲がり曲率の予測方法を用いて形鋼の曲がり曲率が目標上限値以下となる圧延荷重を特定し、当該圧延荷重で曲がり矯正工程を実施することで、目標上限値以下となる曲がり曲率の形鋼を高い生産能率で製造できる。

形鋼の一例であるＨ形鋼１０及びＴ形鋼２０の断面形状を示す図である。 曲がり矯正機３０の構成を示す断面模式図である。 Ｈ形鋼１０の曲がりを説明する図である。 本実施形態に係る形鋼の製造方法が適用できる形鋼の製造設備１００の概要を説明する図である。 熱間圧延設備４０の構成を説明する図である。 Ｈ形鋼１０の温度測定位置を説明する断面模式図である。 曲率予測装置８０の機能ブロック図である。 Ｈ形鋼１０の残留応力を説明する図である 曲率演算部８２によって曲がり矯正機３０の圧延荷重を特定する処理を説明するフロー図である。

本実施形態に係る形鋼の曲がり予測方法で曲がり曲率が予測される形鋼は、例えば、図１（ａ）に示すＨ形鋼１０および図１（ｂ）に示すＴ形鋼２０であって熱間圧延により製造されるものであり、鋼板の溶接組立によって製造される形鋼は対象としない。これらの形鋼の断面寸法は、ウェブ高さＨ、フランジ幅Ｂ、ウェブ厚ｔｗ、及びフランジ厚ｔｆで示される。また、本実施形態に係る形鋼の曲がり予測方法で曲がり曲率が予測される形鋼は、Ｈ形鋼１０やＴ形鋼２０のように、フランジ１２とウェブ１１とが直角をなす断面形状の形鋼である。ただし、フランジ１２を圧延によって延伸できる形状であれば、フランジ１２がウェブ１１に対して傾斜していても当該形鋼の曲がりを矯正できる。このため、本実施形態に係る形鋼の曲がり予測方法で曲がり曲率が予測される形鋼は、フランジとウェブとが直角をなす形鋼に限らず、フランジとウェブとが一定の角度で傾斜している形鋼であればよい。

図３は、Ｈ形鋼１０の曲がりを説明する図である。Ｈ形鋼１０は、図２に示した曲がり矯正機３０によってフランジ１２が冷間圧延され、曲がりが矯正される。図３に示すように、曲率Ｃの曲がりを有するＨ形鋼１０を矯正するには、適切な圧延荷重を付与して曲がりの曲率半径方向内側のフランジ１２を圧延する必要がある。圧延荷重が適正値よりも小さい場合には、圧延によって生じるＨ形鋼１０の曲がりの変化量が少なすぎてまっすぐにならない。また、圧延荷重が適正値よりも大きい場合は、圧延によって生じるＨ形鋼１０の曲がりの変化量が多すぎて当初の曲がり方向とは逆方向の曲がりを発生させる。

このように、圧延荷重を変更して曲がり矯正を繰り返すことで最終的には曲がりのないＨ形鋼１０が得られるものの、曲がり矯正のパス数が増えることによって曲がり矯正に要する時間が長くなり、Ｈ形鋼１０の生産能率が低下する。したがって、曲がり矯正機３０で付与される圧延荷重を適切に設定することが形鋼の生産能率を向上させる上で重要になる。

本実施形態に係る形鋼の曲がり予測方法では、矯正前の形鋼が有する残留応力を考慮した学習済の機械学習モデルを用いて矯正工程後の形鋼の曲がり曲率を予測する。このように残留応力を考慮することで、残留応力を考慮していない方法よりも高い精度で形鋼の曲がり曲率を予測できる。そして、当該予測方法を用いることで、形鋼の曲がり曲率が目標上限値以下となる曲がり矯正機３０の圧延荷重を特定でき、これにより、曲がり矯正機３０の圧延荷重が適切な値に設定され、この結果、生産能率の高い形鋼の製造が実現する。以下、本発明の実施形態を、Ｈ形鋼１０の製造例を用いて詳細に説明する。

図４は、本実施形態に係る形鋼の製造方法が適用できる形鋼の製造設備１００の概要を説明する図である。形鋼の製造設備１００は、熱間圧延設備４０と、切断装置６８と、冷却床７０と、曲がり矯正機３０と、反り矯正機７２と、プロセスコンピュータ（プロコン）７８と、曲率予測装置８０とを有する。熱間圧延設備４０と、切断装置６８と、冷却床７０と、曲がり矯正機３０と、反り矯正機７２は、形鋼の製造工程を統括するプロセスコンピュータ７８と接続される。プロセスコンピュータ７８は、各設備の操業条件の設定や、各設備が備える計測機器から得られる実績データを収集する機能を備える。なお、各設備には、個別の制御用計算機や制御用コントローラ（不図示）が設置されてもよく、その場合にはプロセスコンピュータ７８は、個別の制御用計算機や制御用コントローラを介して、各設備の操業条件の指示と実績データの収集を行う。さらに、プロセスコンピュータ７８は、後述の曲率予測装置８０と接続され、曲がり矯正機３０における形鋼の曲がり曲率の予測に必要なデータの送受信を行う。

加熱炉（不図示）によって加熱された鋼片は、熱間圧延設備４０で圧延され、Ｈ形鋼の製品形状に造形、延伸されるとともに、水冷により所定の温度まで冷却される。図５は、熱間圧延設備４０の構成を説明する図である。熱間圧延設備４０は、粗圧延機４２、中間圧延機４４、仕上圧延機５２、水冷装置４９、５０および加速冷却装置５４を有する。熱間圧延設備４０では、所定の加熱温度（１１００～１３００℃）に加熱された鋼片を複数の圧延機により圧延されＨ形鋼に造形する圧延工程が実施される。具体的には、加熱された鋼片が粗圧延機４２にて断面Ｈ形状の粗造形材に圧延される。その後、粗造形材は、中間圧延機４４により中間圧延された後、仕上圧延機５２で仕上圧延され、図１（ａ）に示した断面形状のＨ形鋼に造形される。

粗圧延機４２では、粗圧延工程が実施される。粗圧延工程では、孔型ロールを用いて、５～３０パス程度の粗圧延が行われる。中間圧延機４４では、中間圧延工程が実施される。中間圧延機４４には、粗ユニバーサル圧延機４６とエッジャ圧延機４８とがそれぞれ１台以上組み合わされて用いられる場合が多い。中間圧延工程では、５～３０パス程度のリバース圧延が行われ、概ね製品となる断面形状に近い状態まで中間圧延される。

粗ユニバーサル圧延機４６は、水平な軸心に対して駆動されて回転する上下水平ロールと、垂直な軸心に対して自由回転する左右竪ロールの合計４つのロールを有する形鋼用の圧延機である。水平ロールの直径は５００～１５００ｍｍ程度であり、幅は圧延するＨ形鋼１０のウェブ高さに応じて適切な値に設定される。竪ロールの直径は４００～１０００ｍｍ程度である。これらのロールはそれぞれ圧下装置で位置調整が可能な構造となっており、上下水平ロール間や水平ロール側面と竪ロールの間隔が任意に設定できるようになっている。粗ユニバーサル圧延機４６は、ウェブ厚とフランジ厚を同時に圧下する機能を有し、フランジ１２が外側に最大１０°程度傾斜した状態で圧延できる装置である。

エッジャ圧延機４８は、上下２本の水平ロールを有する圧延機である。上下２本の水平ロールにはそれぞれのロールに孔型が設けられ、フランジ１２の先端を上下から圧下することでフランジ幅が調整される。上下ロールの直径は８００～１５００ｍｍ程度であり、上下２本のロールのどちらも駆動される。

仕上圧延機５２では、仕上圧延工程が実施される。仕上圧延工程では、通常、１パスで圧延が行われ、目標とする厚みや断面形状に造形される。仕上圧延機５２にはユニバーサル圧延機が用いられる。ユニバーサル圧延機は、中間圧延された圧延材を１パスで製品断面形状に造形できる。ロールの寸法や構成は粗ユニバーサル圧延機４６と同様であるが、フランジ１２が垂直になるように水平ロール側面と竪ロールの角度がほぼ垂直になるように設けられている。

この圧延工程内、もしくは、圧延工程後に、必要に応じてフランジ１２を冷却する冷却工程が実施される。冷却工程には、通過型の強制冷却方式の水冷装置が用いられる。Ｈ形鋼１０は、強度およびじん性等の鋼材特性を満足させるために、水冷装置で所定の冷却条件で冷却される。図５に示した例では、熱間圧延設備４０内に粗ユニバーサル圧延機４６の入側とエッジャ圧延機４８の出側に水冷装置４９が設けられ、エッジャ圧延機４８と仕上圧延機５２との間に水冷装置５０が設けられる。これらの水冷装置４９、５０によりフランジ１２の外面が水冷される。さらに、仕上圧延機５２の出側に加速冷却装置５４を設けて、加速冷却工程を実施してもよい。加速冷却工程によりＨ形鋼１０の鋼材を加速冷却することで鋼材の鋼組織が制御される。この鋼組織の制御により、製造されるＨ形鋼１０の強度が向上し、高強度のＨ形鋼１０が製造できる。

圧延の最終パスとなる仕上圧延機５２の入側および出側でのＨ形鋼１０の温度は概ね７００～１０００℃程度である。また、加速冷却装置５４の出側におけるＨ形鋼１０の温度は６００～４００℃程度となり、その後、切断装置６８に搬送される。このように、圧延工程では、粗圧延機４２、中間圧延機４４および仕上圧延機５２を用いるフランジ１２とウェブ１１を圧下により減厚する圧延工程に加えて、各水冷装置４９、５０および加速冷却装置５４を用いる冷却工程を含む。

本実施形態における形鋼の製造方法では、圧延工程の所定の位置に温度計が設置され、それぞれの位置においてＨ形鋼１０の温度が測定される。図５に示した例では、水冷装置５０の上流側および下流側、加速冷却装置５４の上流側および下流側にウェブ１１およびフランジ１２の表面温度を測定する温度計６０、６２、６４および６６が設置されている。ただし、温度計は、必ずしもこれらの全ての位置に設置しなくてよく、これらの位置の内の少なくとも１箇所に温度計を設け、当該位置におけるウェブ１１およびフランジ１２の表面温度を測定すればよい。温度計６０、６２、６４および６６によって測定されたウェブ１１およびフランジ１２の表面温度は、プロセスコンピュータ７８に出力される。

本実施形態では、仕上圧延機５２の入側に設置された温度計６０または温度計６２によって測定される温度を「仕上圧延工程の入側温度」とし、仕上圧延機５２の出側の温度計６４により測定される温度を「仕上圧延工程の出側温度」とし、加速冷却装置５４により最終的な冷却が行われる水冷工程の下流側に設置した温度計６６により測定される温度を「冷却工程の出側温度」とする。

図６は、Ｈ形鋼１０の温度測定位置を説明する断面模式図である。Ｈ形鋼１０の温度測定には、当該Ｈ形鋼１０が圧延工程で搬送される際に一定距離離れた位置から表面温度を測定できる放射温度計を用いることが好ましい。温度測定を行う部位は、フランジ１２とウェブ１１の両方の温度を測定することが好ましい。その際、測定の容易さを考慮して、フランジ１２については外面の表面温度、ウェブ１１については上面の表面温度を測定することが好ましい。フランジ１２の外面の高さ方向については任意の高さの表面温度を測定してよいが、フランジ１２の幅の中央となる位置（図６のＦｃ）の表面温度を測定することが好ましい。ウェブ１１の上面については、ウェブ１１の厚方向の任意の位置の表面温度を測定すればよいが、ウェブ１１の厚方向の中央となる位置（図６のＷｃ）の表面温度を測定することが好ましい。

なお、温度測定個所は必ずしもフランジ１２の外面やウェブ１１の上面の各１点としなくてもよく、例えば、赤外線サーモグラフィを用いてフランジ１２の外面やウェブ１１の上面の所定の範囲の温度分布を測定し、当該範囲内において算出された平均温度を用いてもよい。

再び、図４を参照する。熱間圧延設備４０で造形されたＨ形鋼１０は、その後、切断装置６８により、長手方向に２０～２００ｍ程度に延伸されたＨ形鋼１０の最先端部と最尾端部が切断されるとともに、製品として求められ長さである５～２５ｍ程度に切断される。切断装置６８によって所定の長さによって切断されたＨ形鋼１０は、冷却床７０で約１００℃以下まで空冷される。また、冷却床７０では、冷却されたＨ形鋼１０の曲がり曲率が測定される。この曲がり曲率が、曲がり矯正工程の入側の曲がり曲率である。測定された曲がり曲率は、プロセスコンピュータ７８に出力されるとともに、当該曲がり曲率が製品の目標上限曲率を超えているか否かが判定される。Ｈ形鋼１０の曲がり曲率が製品の目標上限曲率を超えている場合に、当該Ｈ形鋼１０は、曲がり矯正機３０に搬送される。一方、Ｈ形鋼１０の曲がり曲率が製品の目標上限曲率以下である場合には曲がり矯正を行わない場合がある。なお、曲がり矯正工程の入側の曲がり曲率の測定は、冷却床７０から曲がり矯正機３０の入側までの間であれば、いずれの位置で測定してもよい。

曲がり矯正機３０では、フランジ１２に冷間圧延による圧延荷重をかけてＨ形鋼１０の曲がりを矯正する曲がり矯正工程が実施される。図２に示すように、曲がり矯正機３０は、フランジ１２のウェブ１１とは反対側の面（フランジ外面）に対向して設けられる外面ロール３２と、フランジ１２のウェブ１１側の面（フランジ内面）に対向して設けられる一対の矯正ロール３４とを有する。

曲がり矯正工程では、曲がりの曲率半径方向内側のフランジ１２を外面ロール３２と矯正ロール３４とで挟圧し、所定の圧延条件でフランジ１２を圧延する。これにより、曲がりの曲率半径方向内側のフランジ１２が延伸され、Ｈ形鋼１０の曲がりが矯正される。

曲がり矯正工程が実施された後に、曲がり矯正工程後のＨ形鋼１０の曲がり曲率が測定される。測定された曲がり曲率は、プロセスコンピュータ７８に出力される。曲がり矯正工程後の曲がり曲率の測定には、曲がり矯正前の曲がり曲率測定装置と同程度の測定精度を有するものを用いるのが好ましい。

曲がり矯正工程後のＨ形鋼１０の曲がり曲率は、曲がり矯正機３０の出側あるいは反り矯正機７２の出側のいずれで測定されてもよい。また、製品の出荷前の検査工程でＨ形鋼１０の曲がり曲率を測定してもよい。曲がり矯正工程後のＨ形鋼１０は、必要に応じて反り矯正機７２によって長手方向の反り矯正が行われ、所定の品質を満足するか否かを検査する検査工程を経た後に製品となる。

プロセスコンピュータ７８は、形鋼の製造設備１００を構成する設備の動作を制御するための指令を出す。また、プロセスコンピュータ７８には、過去に形鋼の製造設備１００で製造されたＨ形鋼１０の材料属性パラメータ（ウェブ高さ、フランジ幅、フランジ厚、降伏強度等）、熱間圧延設備４０の操業パラメータ、曲がり矯正工程の入側におけるＨ形鋼１０の曲がり曲率、曲がり矯正機３０の圧延荷重および曲がり矯正工程後のＨ形鋼１０の曲がり曲率が格納されている。さらに、プロセスコンピュータ７８には、現在、形鋼の製造設備１００で製造されるＨ形鋼１０の材料属性パラメータ、熱間圧延設備４０の操業パラメータも格納され、曲がり矯正工程の入側におけるＨ形鋼１０の曲がり曲率および曲がり矯正工程後のＨ形鋼１０の曲がり曲率もこれらが測定され次第格納される。

図７は、曲率予測装置８０の機能ブロック図である。曲率予測装置８０は、Ｈ形鋼１０の材料属性パラメータと、熱間圧延設備４０の操業パラメータと、曲がり矯正工程の入側のＨ形鋼１０の曲がり曲率と、曲がり矯正機３０の圧延荷重を含む入力データを用いて、曲がり矯正工程後のＨ形鋼１０の曲がり曲率を予測する。さらに、曲率予測装置８０は、予測された曲がり曲率が目標上限曲率以下となる曲がり矯正機３０の圧延荷重を特定する。

曲率予測装置８０は、例えば、ワークステーションやパソコン等の汎用コンピュータである。曲率予測装置８０は、曲率演算部８２と、格納部８４と、入力部９０とを有する。曲率演算部８２は、例えば、ＣＰＵ等であって、格納部８４に保存されたプログラムやデータを用いて、曲率予測装置８０の有する機能を実現させるために所定の演算を実行する。具体的に曲率演算部８２は、格納部８４に格納されている学習済の機械学習モデルを用いて、Ｈ形鋼１０の曲がり矯正工程後の曲がり曲率を予測する。さらに曲率演算部８２は、予測された曲がり矯正工程後の曲がり曲率が目標上限曲率以下となる圧延荷重を特定し、当該荷重をプロセスコンピュータ７８に出力する。

格納部８４は、例えば、更新記録可能なフラッシュメモリ、内臓あるいはデータ通信端子で接続されたハードディスク、メモリーカード用の情報記録媒体およびその読み書き装置である。格納部８４には、曲率予測装置の有する機能を実現させるためのプログラムや、当該プログラム実行中に使用するデータ等が予め格納されている。具体的に格納部８４には、Ｈ形鋼１０の材料属性パラメータ、熱間圧延設備４０の操業パラメータ、曲がり矯正工程の入側の曲がり曲率、曲がり矯正機３０の圧延荷重および当該条件で製造されたＨ形鋼１０の曲がり矯正工程後の曲がり曲率を１セットとするデータセットが複数格納されるデータベース８８と、Ｈ形鋼１０の材料属性パラメータ、熱間圧延設備４０の操業パラメータ、曲がり矯正工程の入側の曲がり曲率および曲がり矯正機３０の圧延荷重を入力データとし、曲がり矯正工程後の曲がり曲率を出力データとする学習済みの機械学習モデル８６とが格納されている。データベース８８に格納されるデータセットは、プロセスコンピュータ７８を含む複数の装置から取得される情報で構成されるものであるが、これらは製造番号や製品番号など、対象とする形鋼を特定するために必要な情報を用いて１セットのデータセットとして対応付けられる。

入力部９０は、例えば、キーボード、マウス等の入力装置や、メモリーカード用の情報記録媒体の読み取り装置である。データベース８８に格納されるＨ形鋼１０の材料属性パラメータ、熱間圧延設備４０の操業パラメータ、曲がり矯正工程の入側におけるＨ形鋼１０の曲がり曲率、曲がり矯正機３０の圧延荷重および曲がり矯正工程後の曲がり曲率等はプロセスコンピュータ７８から曲率演算部８２に出力されるが、作業者９４が入力部９０からこれらの値を曲率演算部８２に入力してもよい。

次に、曲がり矯正工程後の曲がり曲率の予測に用いる学習済の機械学習モデルの生成方法について説明する。曲率演算部８２は、Ｈ形鋼１０の材料属性パラメータ（ウェブ高さ、フランジ幅、フランジ厚、降伏強度等）、熱間圧延設備４０の操業パラメータ、曲がり矯正工程の入側のＨ形鋼１０の曲がり曲率、曲がり矯正機３０の圧延荷重および当該条件で製造された矯正工程後のＨ形鋼１０の曲がり曲率をプロセスコンピュータ７８から取得し、これらを１セットとするデータセットを、Ｈ形鋼１０を特定する製造番号や製品番号等に対応つけて格納部８４のデータベース８８に格納する。データベース８８に格納されるデータセットの数は、少なくとも１００個以上であり、好ましくは５００個以上であり、より好ましくは７００個以上である。

なお、Ｈ形鋼１０が、熱間圧延後に切断装置によって切断される場合には、曲がり矯正工程後の複数のＨ形鋼１０について、同一の圧延工程の操業実績データが割り当てられて、これらのデータを１セットとしてデータベース８８に蓄積されてよい。ただし、圧延工程の温度や荷重実績など、製造するＨ形鋼１０の長手方向に複数点の実績データを採取する場合には、切断前のＨ形鋼１０の長手方向位置に対応する実績データを圧延工程の操業実績データとして割り当ててもよい。また、曲がり矯正工程後の長手方向の位置ごとの曲率の測定結果と、圧延工程において測定された実績データとの位置関係を対応付け、これらを１セットとしてデータベース８８に格納されてもよい。

曲率演算部８２は、予め格納されている機械学習モデルを格納部８４から読み出し、データベース８８に格納されているデータセットを教師データとして機械学習モデルを機械学習させて、学習済の機械学習モデルを生成する。なお、本実施形態に係る形鋼の曲がり予測方法で用いる機械学習モデルは、例えば、ニューラルネットワークである。しかしながら、機械学習モデルとしてはニューラルネットワークに限らず、決定木学習、ランダムフォレスト、サポートベクター回帰、ガウス過程、ｋ近傍法のいずれか１つを用いてよい。

本実施形態に係る形鋼の曲がり予測方法では、機械学習モデルを機械学習する教師データに、材料属性パラメータや曲がり矯正機３０の圧延荷重といった曲がり矯正機３０の矯正効果に直接影響する因子だけでなく、Ｈ形鋼１０を造形する圧延工程の操業パラメータである仕上圧延工程の入側温度、仕上圧延機の出側温度および冷却工程の出側温度のうちの少なくとも１つを用いて、圧延工程の後に形鋼内部に発生する残留応力が間接的に与える影響を取り入れている。これにより、当該教師データで機械学習された学習済の機械学習モデルは、曲がり矯正機に直接影響する因子だけでなく、圧延工程後に形鋼内部に発生する残留応力の影響が考慮された学習済の機械学習モデルになる。

例えば、形鋼の断面寸法や鋼種が同じであって残留応力が異なる例として、仕上圧延後に加速冷却装置５４を用いた水冷を行う場合と、当該水冷を行わない場合とがある。Ｈ形鋼１０は、フランジ１２がウェブ１１よりも厚い製品が多く、圧延中に薄いウェブ１１の温度は、厚いフランジ１２の温度よりも低くなる。フランジ１２の温度よりもウェブ１１の温度が低くなるほど、フランジ１２の長手方向に引張、ウェブ１１の長手方向に圧縮の大きな残留応力が生じる。また、圧延材の長さが長いほど圧延時間が長くなるので、ウェブ１１とフランジ１２の温度差が大きくなり、これにより、残留応力も大きくなる。

図８は、Ｈ形鋼１０の残留応力を説明する図である。図８を用いて、圧延工程の後にＨ形鋼１０の内部に発生する残留応力についてさらに説明する。圧延工程を終了して室温近傍まで冷却された形鋼には、主として圧延工程において生じる断面内の温度分布に起因し、室温まで冷却される際の熱収縮差によって残留応力が発生する。この場合の熱収縮差は、主として形鋼の長手方向の熱収縮差が問題になることが多い。

一般にＨ形鋼１０は、ウェブ厚ｔｗがフランジ厚ｔｆよりも薄く、ウェブの温度がフランジの温度よりも低い状態で圧延工程が行われる。また、その過程ではフランジに近いウェブ端部よりもウェブ中央部の方が放熱されやすいので、ウェブ中央部の温度がウェブ端部よりも低くなることが多い。一方、フランジは、フランジ中央部に比べてフランジ端部の温度が低くなる傾向にある。圧延工程においてＨ形鋼１０の内部にこのような温度分布が形成された状態から室温まで冷却されると、ウェブの熱収縮に比べてフランジの熱収縮の方が大きくなる。このため、ウェブには全体として長手方向に圧縮の残留応力が発生し、フランジには長手方向に引張の残留応力が発生する。

また、ウェブ中央部の熱収縮よりもウェブ端部の熱収縮の方が大きくなるので、ウェブ中央部には長手方向に圧縮の残留応力が発生し、ウェブ端部には長手方向に引張の残留応力が発生するといった残留応力の分布がウェブ内部に生じる。さらに、フランジ中央部の熱収縮に比べてフランジ端部の熱収縮の方が小さくなるので、フランジ中央部の長手方向に引張の残留応力が発生し、フランジ端部の長手方向に圧縮の残留応力が発生するといった残留応力の分布がフランジ内部にも生じる。そして、室温近傍まで冷却されたＨ形鋼１０の内部には、このような複数の要因により図９に例示するような残留応力が生じることになる。

実際の圧延工程では、圧延途中に塑性ひずみが付与されると共に、冷却工程においても複雑な熱履歴を経て製造されるので、圧延工程におけるＨ形鋼１０の内部の温度分布は、より複雑になる。さらに、冷却工程においてＨ形鋼１０の相変態が生じる場合には、相変態に伴う体積変化が、Ｈ形鋼１０の内部に形成される残留応力に影響することになる。なお、相変態は、冷却工程開始温度、冷却停止温度の他、冷却速度などの影響を受けるので、これらも形鋼の残留応力に影響を与える場合がある。

曲がり矯正工程において、フランジ１２の長手方向における引張残留応力が大きいと、曲がり矯正のためにフランジ１２を圧延する際の張力が大きくなるので延伸が促進される。すなわち、同じ圧延荷重で矯正しても、フランジ１２の長手方向における引張残留応力が大きいほど、矯正工程後の曲がり曲率の変化は大きくなる。

このように、残留応力は曲がり矯正工程の矯正効果に影響を与える。このため、当該残留応力の影響が考慮された学習済の機械学習モデルを用いることで、残留応力が考慮されていない学習済の機械学習モデルを用いた場合よりも高い精度で曲がり矯正後の形鋼の曲がり曲率を予測できる。

次に、教師データに用いるデータを説明する。本実施形態に係る形鋼の曲がり予測方法では、教師データに形鋼の材料属性パラメータの少なくとも１つと、圧延工程の操業パラメータの少なくとも１つと、曲がり矯正工程の入側における形鋼の曲がり曲率と、曲がり矯正工程の圧延荷重と、曲がり矯正後の形鋼の曲がり曲率とを用いる。

＜形鋼の材料属性パラメータ＞
形鋼の材料属性パラメータとは、形鋼の製品寸法に関するデータおよび製品の機械的特性に関するパラメータであり、例えば、ウェブ高さ、フランジ幅、フランジ厚、降伏強度等である。これらは、室温での寸法や機械的性質を示す値であり、熱間圧延中のような高温での物性等は含まない。曲がり矯正工程は、冷間でフランジ部を圧延する工程であり、室温での寸法や機械的性質が矯正効果に直接影響するからである。

形鋼の断面寸法は圧延される形鋼の残留応力の大きさや分布に影響を及ぼし、形鋼の鋼種は降伏応力の大小を通して残留応力の大きさに影響を及ぼす。また、形鋼の降伏応力は曲がり矯正工程におけるフランジの延伸量に直接影響する因子である。さらに形鋼の断面寸法もフランジ１２の延伸や曲がり変化に影響を与える。したがって、これらを形鋼の材料属性パラメータとして教師データに用いている。

具体的な寸法としては、ウェブ高さ、フランジ幅、ウェブ厚、フランジ厚が必要とされ、これらの寸法は製品規格の公称値を用いてもよく、実績の寸法を測定した値を用いてもよい。なお、形鋼の材料属性パラメータは、設定値としてプロセスコンピュータ７８に格納されている。従って、曲率演算部８２は形鋼の材料属性データをプロセスコンピュータ７８から取得できる。ただし、寸法や機械的性質などの実績値を用いる場合には、形鋼の製品の検査工程で得られた実績データを作業者９４が入力部９０から直接入力してもよい。

＜圧延工程の操業パラメータ＞
上述したように、圧延される形鋼の温度やその断面内の温度分布状況は、冷却後の形鋼の残留応力に影響を及ぼす。特に、フランジ１２及びウェブ１１を有する形鋼の場合には、フランジの厚みと幅、ウェブ１１の厚みと高さといった寸法が異なるので、熱間圧延設備４０で付与されるひずみは各部位で不均一となる。また、冷却工程においても位置によって冷却速度が異なるので温度偏差が生じやすく、室温まで冷却された後に大きな残留応力が生じやすい。したがって、矯正前の残留応力に応じて、適切に曲がり矯正工程の圧延荷重を設定できるように、教師データに、圧延工程における形鋼の温度を用いることが好ましい。圧延工程における形鋼の温度として、例えば、圧延材の加熱温度や、粗圧延、中間圧延、仕上圧延の圧延中の温度、加速冷却工程における冷却開始前後の温度などを１または２以上を用いてよい。

これらの温度のうち、仕上圧延工程の入側温度、仕上圧延工程の出側温度および冷却工程の出側温度のうちの少なくとも１つを用いることが好ましい。具体的には、図５に示した温度計６０または６２で測定される仕上圧延工程の入側温度、温度計６４で測定される仕上圧延工程の出側温度および温度計６６で測定される冷却工程の出側温度のうちの少なくとも１つである。さらに、仕上圧延工程の入側温度、仕上圧延工程の出側温度、冷却工程の出側温度から選択される２以上の温度を組み合わせて用いることがより好ましく、仕上圧延工程の入側温度および出側温度のいずれか１つと、冷却工程の出側温度とを組み合わせて用いるのがさらに好ましい。これら温度の組み合わせは、加速冷却工程で発生する残留応力の大きさと比較的よく対応するからである。すなわち、冷却速度が速い条件で温度の不均一が発生すると残留応力が大きくなることに対応する。なお、加速冷却を行わない場合であっても、加速冷却装置５４の下流側の温度計６６で測定される温度を冷却工程の出側温度としてもよい。加速冷却を行った場合と行わなかった場合との温度に差異が生じることで、残留応力の相違を明確にする効果が得られるからである。

また、Ｈ形鋼１０の温度としては、任意の部位の表面温度を用いてよい。ただし、フランジ１２の外面の温度とウェブ１１の温度として、概ね同一のタイミングで測定された温度情報を用いることが好ましい。圧延工程として少なくとも中間圧延工程以降では、フランジ１２とウェブ１１とで温度差が発生し、当該温度差が室温まで冷却された形鋼の残留応力に影響を与えるからである。この場合、温度測定の容易さから、フランジ１２の外面の表面温度とウェブ１１の上面の表面温度を組み合わせて用いることが好ましい。

なお、Ｈ形鋼１０のように左右対称にフランジを有する形鋼では、フランジ外面の両側から表面温度を測定してもよい。その場合には、フランジ外面の両側の表面温度をそれぞれ用いてもよく、両側の表面温度の平均値を用いてもよい。

また、これらの温度に加え、中間圧延工程における各パスの断面寸法またはパスごとの断面寸法の変化量や、各パスのフランジとウェブの圧下率、粗ユニバーサル圧延機４６の水平ロールと竪ロールに作用する圧延荷重、エッジャ圧延機４８の圧延荷重、圧延パス数、１パスあたりに要する圧延時間などから選択される１または２以上の操業パラメータを用いてよく、これらと上記温度を組み合わせて用いてもよい。これらの操業パラメータは、加工ひずみや温度偏差を通じて、冷却後の形鋼の残留応力に影響を与えるからである。

上記以外の圧延工程における操業パラメータとして、加熱炉や各圧延機の操業パラメータや圧延中または圧延後のＨ形鋼１０の冷却状態を表すデータ、各工程に要する時間や工程間の搬送に要する時間などの圧延工程の操業状態を示すパラメータを併せて用いてもよい。

＜曲がり矯正工程の圧延荷重＞
曲がり矯正工程の操業パラメータとして、曲がり矯正工程の圧延荷重を用いる。図２に示す曲がり矯正機３０において、例えば、フランジ１２をフランジ１２の外面側から支持する外面ロール３２を支持する軸受けとフレーム部の間にロードセルを設置し、当該ロードセルを用いて曲がり矯正工程の圧延荷重が測定される。また、フランジ１２の内面を圧下する矯正ロール３４に油圧圧下機構を適用している装置の場合には、油圧の実績値から曲がり矯正工程の圧延荷重を求めてよい。

曲がり矯正工程の操業パラメータとして圧延荷重を用いるのは、当該圧延荷重がフランジ１２の延伸量に直接影響を与え、曲がりの変化量に大きな影響を与えるからである。なお、Ｈ形鋼１０のフランジ幅によって矯正ロールとフランジ内面が接触する幅が異なるので、曲がり矯正工程の圧延荷重に加えてＨ形鋼１０のフランジ幅や矯正ロール３４とフランジ内面との接触幅を曲がり矯正工程の操業パラメータに含めてもよい。

＜曲がり矯正工程の入側の曲がり曲率と曲がり矯正工程後の曲がり曲率＞
曲がり矯正工程の入側における曲がり曲率と曲がり矯正工程後の曲がり曲率は、例えば、下記（１）、（２）の方法で実施される。

（１）形鋼を静止させた状態で、片方のフランジ外面の高さ方向中央付近にレーザー距離計を設置し、これを形鋼の長さ方向に直線上で走査してレーザー距離計からフランジ外面までの距離を連続的に測定したデータを収集する。
（２）測定した長手方向の位置とレーザー距離計によって測定された距離データとの関係を、最小二乗法などの近似化手法により円形状に近似して、近似した結果として得られる円の曲率半径の逆数として曲率を得る。

ただし、曲がり曲率の測定には、上記のように自動化された測定装置を、必ずしも用いなくてもよく、例えば、人手によりタコ糸などをＨ形鋼１０の先尾端に渡して、定規などにより読み取った曲がり量から曲がり曲率を算出してもよい。

また、Ｈ形鋼１０の長手方向について、所定長さ（例えば、１ｍなど）で区分して、区分された各区間での曲がり曲率を算出してもよい。また、区分された各区間での曲がり曲率を算出する場合には、曲がり曲率としてこれらの値の平均値を用いてよい。また、Ｈ形鋼１０の先端部または尾端部の所定長さの範囲の曲率を代表曲率としてもよい。さらに、長手方向に所定の長さに区切った区間ごとに曲率を求め、各区間の長さ方向位置と曲率とを２次元データとして用いてもよい。その場合には、形鋼の長さ方向の位置に対応した複数の曲率値が曲がり曲率の予測を行う機械学習モデルの入力データまたは出力データとなる。ただし、機械学習モデルとして深層学習を用いる場合には、このような２次元データをグラフにプロットした図を画像とし、当該画像データを入力データまたは出力データに用いてもよい。なお、Ｈ形鋼１０の曲がり曲率は、必ずしも形鋼を静止した状態で測定しなくてもよく、レーザー距離計を固定して、形鋼を長手方向に走行させた状態で測定してもよい。

次に、曲率予測装置８０による曲がり曲率の予測方法および曲がり矯正機３０の圧延荷重の特定方法について説明する。曲率予測装置８０の曲率演算部８２は、Ｈ形鋼１０の圧延工程が終了した後であって、Ｈ形鋼１０が曲がり矯正機３０に搬送される前に、矯正後の曲がり曲率の予測を行う。プロセスコンピュータ７８は、Ｈ形鋼１０の圧延工程が終了した後であって、曲がり矯正機３０に搬送される前に矯正工程後の曲がり曲率の予測に用いられる入力データ（材料属性パラメータ、圧延工程の操業パラメータ、曲がり矯正工程の入側の曲がり曲率、曲がり矯正機３０の圧延荷重の設定値）と製造されるＨ形鋼１０の目標上限曲率とを曲率演算部８２に送信する。なお、目標上限曲率は、製造される形鋼の断面寸法、長さ、鋼種、加速冷却の有無等の条件により個別に設定される。目標上限曲率は、例えば、ＪＩＳ規格の曲がり曲率公差の１／２またはそれ以下に設定される。

曲率演算部８２は、プロセスコンピュータ７８から入力データを取得すると、格納部から学習済の機械学習モデルを読み出し、当該機械学習モデルに入力データを入力することで曲がり矯正工程後の曲がり曲率の予測値を求める。曲率演算部８２は、算出された曲がり曲率の予測値と、目標上限曲率とを比較し、予測値が目標上限曲率以下であれば、入力データに用いた圧延荷重を曲がり矯正機３０の圧延荷重に特定して、特定された圧延荷重をプロセスコンピュータ７８に出力する。一方、曲がり曲率の予測値が目標上限曲率を超える場合には、曲がり矯正機の圧延荷重を変更して、再度、曲がり曲率の予測値を求める。曲率演算部８２は、この処理を、算出される曲がり曲率の予測値が目標上限曲率以下になるまで繰り返し実行する。

なお、圧延荷重を変更する単位および範囲は、予め格納部８４に格納されていてもよく、プロセスコンピュータ７８から曲率演算部８２に送信されてよい。また、圧延荷重の変更範囲内で目標上限曲率以下となる圧延荷重がない場合に、曲率演算部８２は、プロセスコンピュータ７８に圧延荷重が特定できないことを示す信号を出力してもよい。

このようにして、曲がり曲率の予測値が目標上限曲率以下となる圧延荷重を特定し、当該圧延荷重を曲がり矯正機３０の圧延荷重に設定することで、曲がり矯正工程後の曲がり曲率が過大となって、再度曲がり矯正を行うことが抑制される。これにより、曲がり矯正機３０での処理時間が短くなるので、Ｈ形鋼１０の製造装置における生産能率の向上が実現する。

曲率演算部８２は、Ｈ形鋼１０の製造後に、製造されたＨ形鋼１０の材料属性パラメータ（ウェブ高さ、フランジ幅、フランジ厚、降伏強度等）、熱間圧延設備４０の操業パラメータ、曲がり矯正工程の入側のＨ形鋼１０の曲がり曲率、曲がり矯正機３０の圧延荷重および当該条件で製造された矯正工程後のＨ形鋼１０の曲がり曲率をプロセスコンピュータ７８から取得し、これらを１セットとするデータセットを、Ｈ形鋼１０を特定する製造番号や製品番号等に対応つけてデータベース８８に格納する。曲率演算部８２は、データベース８８に格納した新たなデータセットを含む教師データを用いて、学習済の機械学習モデルを更新してもよい。

次に、曲率演算部８２による曲がり矯正機３０の圧延荷重を特定する処理を説明する。図９は、曲率演算部８２によって曲がり矯正機３０の圧延荷重を特定する処理を説明するフロー図である。図９に示したフローは、例えば、Ｈ形鋼１０の圧延工程が終了した後であって、曲がり矯正機３０に搬送される前の所定位置に到達したことを条件として開始する。

まず、曲率演算部８２は、プロセスコンピュータ７８から曲がり曲率を予測するのに用いる入力データおよび目標上限曲率を取得する（ステップＳ１０１）。曲率演算部８２は、格納部８４から学習済の機械学習モデルを読み出し（ステップＳ１０２）、当該学習済の機械学習モデルに入力データを入力して曲がり矯正工程後の曲がり曲率を算出する（ステップＳ１０３）。

曲率演算部８２は、算出した曲がり曲率の予測値が目標上限曲率以下か否かを判断する（ステップＳ１０４）。曲率演算部８２は、算出した曲がり曲率の予測値が目標上限曲率以下であると判断した場合に（ステップＳ１０４：Ｙｅｓ）、入力データに含まれる圧延荷重を曲がり矯正機３０の圧延荷重に特定し、当該圧延荷重をプロセスコンピュータ７８に出力し（ステップＳ１０５）、曲がり矯正機３０の圧延荷重を特定する処理は終了する。一方、曲率演算部８２は、算出した曲がり曲率の予測値が目標上限曲率を超えると判断した場合に（ステップＳ１０４：Ｎｏ）、入力データの圧延荷重を変更して（ステップＳ１０６）、再度、ステップＳ１０２～ステップＳ１０４までの処理を繰り返し実行する。

なお、ステップＳ１０６における圧延荷重を変更する単位および圧延荷重を変更できる圧延荷重の範囲は、ステップＳ１０１の処理時にプロセスコンピュータ７８から取得してよく、圧延荷重を変更できる圧延荷重の範囲内において目標上限曲率以下となる曲がり曲率の予測値が算出されなかった場合には、プロセスコンピュータ７８に圧延荷重が特定できないことを示す信号を出力して当該処理を終了する。

以上説明したように、本実施形態に係る形鋼の曲がり予測方法では、矯正前のＨ形鋼１０が有する残留応力を考慮した学習済の機械学習モデルを用いて矯正工程後のＨ形鋼１０の曲がり曲率を予測するので、残留応力を考慮していない従来の方法よりも高い精度でＨ形鋼１０の曲がり曲率を予測できる。この曲がり曲率の予測方法を用いて形鋼の曲がり曲率が目標上限値以下に矯正できる圧延荷重を特定し、当該圧延荷重で曲がり矯正工程を実施することで、目標上限値以下となる曲がり曲率のＨ形鋼１０を高い生産能率で製造できる。

なお、図７に示した例においては、曲率予測装置８０がプロセスコンピュータ７８に接続されている例で説明した。しかしながら、これに限らず、曲率予測装置８０の機能をプロセスコンピュータ７８が有する構成であってもよい。また、曲率演算部８２は学習済の機械学習モデルを格納部８４から読み出し、当該学習済の機械学習モデルに入力データを入力して矯正工程後の曲がり曲率を予測する例で説明した。しかしながら、これに限らず、曲率演算部８２は、機械学習モデルを格納部８４から読み出し、データベース８８に格納されているデータセットを用いて学習済の機械学習モデルを生成し、その後に当該学習済の機械学習モデルに入力データを入力して矯正工程後の曲がり曲率を予測してもよい。

以下、図４に示す形鋼の製造設備１００を用いてウェブ高さＨが４００～９００ｍｍ、フランジ幅Ｂが２００～４００ｍｍのＨ形鋼を製造した実施例を説明する。機械学習モデルとして、中間層を３層とし、ノード数を５個ずつとしたニューラルネットワークを用いて、材料属性パラメータ、圧延工程の操業パラメータ、曲がり矯正工程の入り側の曲がり曲率、曲がり矯正工程の圧延荷重を入力データとし、曲がり矯正工程後の曲がり曲率を出力データとする学習済の機械学習モデルを生成した。学習済の機械学習モデルを生成するのに用いた教師データは、材料属性パラメータ、圧延工程の操業パラメータ、曲がり矯正工程の入り側の曲がり曲率、曲がり矯正工程の圧延荷重および曲がり矯正工程後の曲がり曲率を１セットとするデータセット（９００セット）である。材料属性パラメータは、製品となるＨ形鋼のウェブ高さＨ、フランジ幅Ｂ、ウェブ厚ｔｗ、フランジ厚ｔｆ、鋼種符号、降伏応力の規格値である。圧延工程の操業パラメータは、仕上圧延工程の入側における長さ方向中央付近の断面におけるウェブ上面中央の表面温度とフランジ外面中央の表面温度である。また、活性化関数としてシグモイド関数を用いた。

この学習済の機械学習モデルを用いて、矯正後のＨ形鋼の曲がり曲率を予測した。予測された曲がり曲率と矯正後のＨ形鋼の曲がり曲率との差が、目標上限曲率の値の５％の範囲内となった場合に予測が的中したとし、予測された曲がり曲率と矯正後のＨ形鋼の曲がり曲率との差が上記範囲を超えた場合に予測が的中しないとして、実施例における予測された曲がり曲率の的中率（（的中数／予測数）×１００）を算出した。なお、目標上限曲率は０．００１／ｍである。

比較例として、材料属性パラメータ、曲がり矯正工程の入り側の曲がり曲率、曲がり矯正工程の圧延荷重および曲がり矯正工程後の曲がり曲率を１組とするデータセット（９００セット）を教師データとして、材料属性パラメータ、曲がり矯正工程の入り側の曲がり曲率、曲がり矯正工程の圧延荷重を入力データとし、曲がり矯正工程後の曲がり曲率を出力データとする学習済の機械学習モデルを生成した。比較例では、圧延工程の操業パラメータを用いていない点以外は、実施例と同じ条件で学習済の機械学習モデルの生成と、当該学習済の機械学習モデルを用いた矯正後のＨ形鋼の曲がり曲率の予測を行った。実施例と同様に、比較例で予測された曲がり曲率の的中率（（的中数／予測数）×１００）を算出した。

この結果、実施例の的中率は９６％であったのに対し、比較例の的中率は８４％であった。これにより、教師データに圧延工程の操業パラメータを含み、矯正前の形鋼が有する残留応力を考慮した学習済の機械学習モデルを用いて曲がり矯正工程後の形鋼の曲がり曲率を予測することで、高い精度で曲がり矯正工程後の曲がり曲率を予測できることが確認された。

また、実施例の曲がり曲率の予測方法を用いて、矯正後のＨ形鋼の曲がり曲率が０．００１／ｍ（目標上限曲率）以下となる曲がり矯正機の圧延荷重を、図９に示したフローに従って特定した。そして、曲がり矯正機の圧延荷重を特定された圧延荷重に設定して１００本のＨ形鋼を製造した。当該方法で製造されたＨ形鋼のすべての曲がり曲率は目標上限値の半分以下になり、曲がり矯正工程で繰り返し曲がり矯正をすることなく、目標上限曲率よりも十分に小さな曲がり曲率のＨ形鋼に矯正できることが確認された。

一方、比較例として特許文献２に開示された関係式を用いて曲がり矯正工程の圧延荷重を設定し、実施例と同様に１００本のＨ形鋼を製造した。その結果、５本のＨ形鋼が矯正後においても目標上限曲率である０．００１／ｍを超えており、プレス機による追加の曲がり矯正が必要になった。この結果から、本実施形態に係る曲がり予測方法を用いて曲がり矯正工程の圧延荷重を特定することで目標上限値以下となる曲がり曲率のＨ形鋼を高い生産能率で製造できることが確認された。

１０ Ｈ形鋼
１１ ウェブ
１２ フランジ
１２ａ 下フランジ部
１２ｂ 上フランジ部
２０ Ｔ形鋼
３０ 曲がり矯正機
３２ 外面ロール
３４ 矯正ロール
４０ 熱間圧延設備
４２ 粗圧延機
４４ 中間圧延機
４６ 粗ユニバーサル圧延機
４８ エッジャ圧延機
４９ 水冷装置
５０ 水冷装置
５２ 仕上圧延機
５４ 加速冷却装置
６０ 温度計
６２ 温度計
６４ 温度計
６６ 温度計
６８ 切断装置
７０ 冷却床
７２ 反り矯正機
７８ プロセスコンピュータ
８０ 曲率予測装置
８２ 曲率演算部
８４ 格納部
８６ 機械学習モデル
８８ データベース
９０ 入力部
９４ 作業者
１００ 形鋼の製造設備

Claims (15)

1. 熱間圧延によりフランジを有する形鋼を造形する圧延工程および前記形鋼のフランジに冷間圧延による圧延荷重をかけて曲がりを矯正する曲がり矯正工程後の形鋼の曲がり予測方法であって、
   前記形鋼の材料属性パラメータの少なくとも１つと、前記圧延工程の操業パラメータの少なくとも１つと、前記曲がり矯正工程の入側における形鋼の曲がり曲率と、前記曲がり矯正工程の圧延荷重と、を曲がり曲率の予測を行う形鋼の入力データとして取得し、
   前記曲がり矯正工程後の形鋼の曲がり曲率を出力データとする機械学習モデルに前記入力データを入力して前記曲がり矯正工程後の形鋼の曲がり曲率を予測する、形鋼の曲がり予測方法。
2. 前記圧延工程は、仕上圧延工程と冷却工程とを含み、
   前記圧延工程の操業パラメータとして、前記仕上圧延工程の入側温度、前記仕上圧延工程の出側温度および前記冷却工程の出側温度のうちの少なくとも１つを用いる、請求項１に記載の形鋼の曲がり予測方法。
3. 前記圧延工程の操業パラメータとして、前記仕上圧延工程の入側温度および前記仕上圧延工程の出側温度の少なくとも１つと前記冷却工程の出側温度とを用いる、請求項２に記載の形鋼の曲がり予測方法。
4. 前記仕上圧延工程の入側温度、前記仕上圧延工程の出側温度および前記冷却工程の出側温度として前記形鋼のフランジの温度とウェブの温度とを用いる、請求項２または請求項３に記載の形鋼の曲がり予測方法。
5. 前記入力データのうち、曲がり矯正工程の圧延荷重を変更して前記曲がり矯正後の形鋼の曲がり曲率を予測し、予測された曲がり曲率が目標上限曲率以下となる前記圧延荷重を特定する、請求項１から請求項４の何れか一項に記載の形鋼の曲がり予測方法。
6. 請求項５に記載の形鋼の曲がり予測方法で特定された圧延荷重で前記曲がり矯正工程を実施して形鋼を製造する、形鋼の製造方法。
7. 熱間圧延によりフランジを有する形鋼を造形する圧延工程および前記形鋼のフランジに冷間圧延による圧延荷重をかけて曲がりを矯正する曲がり矯正工程後の形鋼の曲がり曲率を出力する学習済の機械学習モデルの生成方法であって、
   前記形鋼の材料属性パラメータの少なくとも１つと、前記圧延工程の操業パラメータの少なくとも１つと、前記曲がり矯正工程の入側における形鋼の曲がり曲率と、前記曲がり矯正工程の圧延荷重と、曲がり矯正工程後の形鋼の曲がり曲率と、を含むデータセットを教師データとして、
   前記曲がり矯正工程後の形鋼の曲がり曲率を出力データとする学習済の機械学習モデルを生成する、学習済の機械学習モデルの生成方法。
8. 前記機械学習モデルは、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およびサポートベクター回帰のいずれか１つである、請求項７に記載の学習済の機械学習モデルの生成方法。
9. 熱間圧延によりフランジを有する形鋼を造形する圧延工程および前記形鋼のフランジに冷間圧延による圧延荷重をかけて曲がりを矯正する曲がり矯正工程後の曲がり曲率を算出する形鋼の曲率予測装置であって、
   前記形鋼の材料属性パラメータの少なくとも１つと、前記圧延工程の操業パラメータの少なくとも１つと、前記曲がり矯正工程の入側における形鋼の曲がり曲率と、前記曲がり矯正工程の圧延荷重と、を曲がり曲率の予測を行う形鋼の入力データとして取得し、前記曲がり矯正工程後の形鋼の曲がり曲率を出力データとする機械学習モデルに前記入力データを入力して前記曲がり矯正工程後の形鋼の曲がり曲率を算出する曲率演算部を有する、形鋼の曲率予測装置。
10. 前記圧延工程は、仕上圧延工程と冷却工程とを含み、
    前記曲率演算部は、前記圧延工程の操業パラメータとして、前記仕上圧延工程の入側温度、前記仕上圧延工程の出側温度および前記冷却工程の出側温度のうちの少なくとも１つを取得する、請求項９に記載の形鋼の曲率予測装置。
11. 前記曲率演算部は、前記圧延工程の操業パラメータとして、前記仕上圧延工程の入側温度および前記仕上圧延工程の出側温度の少なくとも１つと、前記冷却工程の出側温度を取得する、請求項１０に記載の形鋼の曲率予測装置。
12. 前記曲率演算部は、前記仕上圧延工程の入側温度、前記仕上圧延工程の出側温度および前記冷却工程の出側温度として前記形鋼のフランジの温度とウェブの温度とを取得する、請求項１０または請求項１１に記載の形鋼の曲率予測装置。
13. 前記曲率演算部は、前記入力データのうち、曲がり矯正工程の圧延荷重を変更して前記曲がり矯正後の形鋼の曲がり曲率を出力し、出力された曲がり曲率が目標上限曲率以下となる前記圧延荷重を特定する、請求項９から請求項１２の何れか一項に記載の形鋼の曲率予測装置。
14. 熱間圧延によりフランジを有する形鋼を造形する圧延工程および前記形鋼のフランジに冷間圧延による圧延荷重をかけて曲がりを矯正する曲がり矯正工程後の曲がり曲率を算出するのに用いる学習済の機械学習モデルを生成する形鋼の曲率予測装置であって、
    前記形鋼の材料属性パラメータの少なくとも１つと、前記圧延工程の操業パラメータの少なくとも１つと、前記曲がり矯正工程の入側における形鋼の曲がり曲率と、前記曲がり矯正工程の圧延荷重と、曲がり矯正工程後の形鋼の曲がり曲率と、を含むデータセットを教師データとして取得し、前記曲がり矯正工程後の形鋼の曲がり曲率を出力データとする学習済の機械学習モデルを生成する曲率演算部を有する、形鋼の曲率予測装置。
15. 前記機械学習モデルは、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およびサポートベクター回帰のいずれか１つである、請求項１４に記載の形鋼の曲率予測装置。

Images