JP7207624B1 - 溶鉄の不純物濃度の予測方法、溶鉄の製造方法、学習済の機械学習モデルの作成方法及び溶鉄の不純物濃度の予測装置 - Google Patents
溶鉄の不純物濃度の予測方法、溶鉄の製造方法、学習済の機械学習モデルの作成方法及び溶鉄の不純物濃度の予測装置 Download PDFInfo
- Publication number
- JP7207624B1 JP7207624B1 JP2022554549A JP2022554549A JP7207624B1 JP 7207624 B1 JP7207624 B1 JP 7207624B1 JP 2022554549 A JP2022554549 A JP 2022554549A JP 2022554549 A JP2022554549 A JP 2022554549A JP 7207624 B1 JP7207624 B1 JP 7207624B1
- Authority
- JP
- Japan
- Prior art keywords
- impurity concentration
- molten iron
- charge
- scrap
- iron
- 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.)
- Active
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 604
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 302
- 239000012535 impurity Substances 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000010801 machine learning Methods 0.000 title claims description 42
- 238000004519 manufacturing process Methods 0.000 title claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 62
- 238000007670 refining Methods 0.000 claims abstract description 18
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 claims description 50
- 238000010891 electric arc Methods 0.000 claims description 23
- 239000010949 copper Substances 0.000 description 54
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 53
- 229910052802 copper Inorganic materials 0.000 description 52
- 238000002156 mixing Methods 0.000 description 36
- 230000008569 process Effects 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 20
- 239000000203 mixture Substances 0.000 description 19
- 238000005457 optimization Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 12
- 229910000831 Steel Inorganic materials 0.000 description 11
- 239000010959 steel Substances 0.000 description 11
- 230000000052 comparative effect Effects 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 7
- 238000002844 melting Methods 0.000 description 7
- 230000008018 melting Effects 0.000 description 7
- ODINCKMPIJJUCX-UHFFFAOYSA-N Calcium oxide Chemical compound [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 239000002893 slag Substances 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 4
- 238000007664 blowing Methods 0.000 description 4
- 239000003575 carbonaceous material Substances 0.000 description 4
- 238000011109 contamination Methods 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 235000012255 calcium oxide Nutrition 0.000 description 3
- 239000000292 calcium oxide Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013329 compounding Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- MYMOFIZGZYHOMD-UHFFFAOYSA-N Dioxygen Chemical compound O=O MYMOFIZGZYHOMD-UHFFFAOYSA-N 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 229910001882 dioxygen Inorganic materials 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- 229910000805 Pig iron Inorganic materials 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000009749 continuous casting Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 150000002505 iron Chemical class 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C5/00—Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
- C21C5/52—Manufacture of steel in electric furnaces
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27B—FURNACES, KILNS, OVENS, OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
- F27B3/00—Hearth-type furnaces, e.g. of reverberatory type; Tank furnaces
- F27B3/10—Details, accessories, or equipment peculiar to hearth-type furnaces
- F27B3/28—Arrangement of controlling, monitoring, alarm or the like devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C5/00—Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
- C21C5/52—Manufacture of steel in electric furnaces
- C21C2005/5288—Measuring or sampling devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)
- Carbon Steel Or Casting Steel Manufacturing (AREA)
Abstract
Description
[1] アーク電気炉設備において精錬された溶鉄の不純物濃度の予測方法であって、種類ごとに区分される複数の鉄系スクラップのそれぞれの装入量と、前チャージにおける溶鉄の不純物濃度、前チャージの残湯量及び不純物の市場取引価格情報のうちの少なくとも1つと、を不純物濃度予測モデルに入力して、後チャージにおける溶鉄の不純物濃度を出力する、溶鉄の不純物濃度の予測方法。
[2] 前記不純物濃度予測モデルは、前記鉄系スクラップのそれぞれの装入量と、前記前チャージにおける溶鉄の不純物濃度、前記前チャージの残湯量及び不純物の市場取引価格情報のうちの少なくとも1つと、を説明変数とし、後チャージにおける溶鉄の不純物濃度を目的変数とする重回帰モデルである、[1]に記載の溶鉄の不純物濃度の予測方法。
[3] 前記不純物濃度予測モデルは、前記鉄系スクラップのそれぞれの装入量と、前記前チャージにおける溶鉄の不純物濃度及び前記前チャージの残湯量及び不純物の市場取引価格情報のうちの少なくとも1つと、を入力データとし、後チャージにおける溶鉄の不純物濃度を出力データとする学習済の機械学習モデルである、[1]に記載の溶鉄の不純物濃度の予測方法。
[4] [1]から[3]のいずれかに記載の溶鉄の不純物濃度の予測方法を用いる溶鉄の製造方法であって、前記鉄系スクラップは、鉄系スクラップ全体の不純物濃度の平均値よりも不純物濃度が高い低級スクラップと、前記平均値よりも不純物濃度が低い高級スクラップとを含み、前記不純物濃度の予測方法で予測される後チャージにおける溶鉄の不純物濃度が、予め定められた溶鉄の不純物濃度の目標値となるように、前記低級スクラップの装入量を決定する、溶鉄の製造方法。
[5] アーク電気炉設備において精錬される溶鉄の精錬後の不純物濃度の予測に用いる学習済の機械学習モデルの作成方法であって、種類ごとに区分される複数の鉄系スクラップのそれぞれの装入量と、前チャージにおける溶鉄の不純物濃度、前チャージの残湯量及び不純物の市場取引価格情報のうちの少なくとも1つと、を入力データとし、後チャージにおける溶鉄の不純物濃度の実績値を出力データとする機械学習モデルに、過去のアーク電気炉設備を用いた精錬における前記入力データと後チャージの溶鉄における不純物濃度の実績値とを含むデータセットを入力して学習済の機械学習モデルを作成する、学習済の機械学習モデルの作成方法。
[6] アーク電気炉設備において精錬された溶鉄の不純物濃度の予測装置であって、種類ごとに区分される複数の鉄系スクラップのそれぞれの装入量と、前チャージにおける溶鉄の不純物濃度、前チャージの残湯量及び不純物の市場取引価格情報のうちの少なくとも1つと、を不純物濃度予測モデルに入力して、後チャージにおける溶鉄の不純物濃度を出力する不純物濃度予測部を有する、溶鉄の不純物濃度の予測装置。
[7] 前記不純物濃度予測モデルは、前記鉄系スクラップのそれぞれの装入量と、前記前チャージにおける溶鉄の不純物濃度、前記前チャージの残湯量及び不純物の市場取引価格情報のうちの少なくとも1つと、を説明変数とし、後チャージにおける溶鉄の不純物濃度を目的変数とする重回帰モデルである、[6]に記載の溶鉄の不純物濃度の予測装置。
[8] 前記不純物濃度予測モデルは、前記鉄系スクラップのそれぞれの装入量と、前記前チャージにおける溶鉄の不純物濃度及び前記前チャージの残湯量及び不純物の市場取引価格情報のうちの少なくとも1つと、を入力データとし、後チャージにおける溶鉄の不純物濃度を出力データとする学習済の機械学習モデルである、[6]に記載の溶鉄の不純物濃度の予測装置。
[9] 前記鉄系スクラップは、鉄系スクラップ全体の不純物濃度の平均値よりも不純物濃度が高い低級スクラップと、前記平均値よりも不純物濃度が低い高級スクラップとを含み、前記不純物濃度予測部は、出力された後チャージにおける溶鉄の不純物濃度が予め定められた溶鉄の不純物濃度の目標値となるように、前記低級スクラップの装入量を決定する、[6]から[8]のいずれかに記載の溶鉄の不純物濃度の予測装置。
(1)直流式アーク電気炉設備1の炉体2の内部に鉄系スクラップ12を装入する。
(2)上部電極3と炉底電極4との間で直流電流を通電し、上部電極3と炉底電極4との間または上部電極3と炉体内の鉄系スクラップ12との間で発生するアークによる加熱(アーク加熱)によって鉄系スクラップ12を溶解して溶鉄13を製造する。
(3)上記(2)に代えて、酸素吹き込みランス6からの酸素ガスと炭材吹き込みランス7からの炭材との酸化反応による加熱、及び/または、バーナー8による加熱との併用により、炉体2の内部に装入した鉄系スクラップ12を溶解して溶鉄13を製造する。
1チャージ目の残湯量は、「残湯量=鉄系スクラップ装入量(装入時に計量)×歩留(0.925)-出湯量(出湯時に計量)」によって算出する。
2チャージ目以降の残湯量は、「残湯量=前チャージ残湯量+鉄系スクラップ装入量(装入時に計量)×歩留(0.925)-出湯量(出湯時に計量)」によって算出する。
最終チャージの残湯量は、「残湯量=前チャージ残湯量+鉄系スクラップ装入量(装入時に計量)×歩留(0.925)-出湯量(出湯時に計量)」によって算出する。
(i)ヘビースクラップ;
ギロチンシャー、ガス溶断、重機などでサイジングしたものであり、厚み、寸法、単重によりHS、H1~H4に区分される。本実施例では、「H2:厚さ3mm以上、6mm未満、幅または高さ500mm以下×長さ1200mm以下のもの」を使用した。
(ii)新断屑;
鋼板加工製品を製造する際に発生する切り屑及び打ち抜き屑であり、形状、酸化の程度によって、プレスA、プレスB、バラA、バラBなどに区分される。本実施例では、「プレスA:3辺の総和が1800mm以下で最大辺800mm以下であって、表面処理していない薄鋼板で酸化していないもの」、及び、「バラA:幅または高さ500mm以下×長さ1200mm以下であって、表面処理していない薄鋼板で酸化していないもの」を組み合わせて使用した。
計画されている精錬順に不純物濃度予測モデルを用いて後チャージの溶鉄の銅濃度を順々に予測し、この予測値に基づいて後チャージのヘビースクラップの装入量を決定するという方法である。なお、前チャージの残湯量は予定されている残湯量である70トンを用いた。
前チャージの溶鉄の銅濃度の実績値及び前チャージの残湯量の実績値を用いて、後チャージの溶鉄の銅濃度を予測し、この予測値に基づいて後チャージの低級スクラップ(ヘビースクラップ)の装入量を決定するという方法である。
2 炉体
3 上部電極
4 炉底電極
5 炉蓋
6 酸素吹き込みランス
7 炭材吹き込みランス
8 バーナー
9 出湯口
10 出湯用扉
11 底開きバケット
12 鉄系スクラップ
13 溶鉄
20 電気炉制御装置
21 プロセスコンピュータ
22 不純物濃度予測装置
30 制御部
31 不純物濃度予測部
32 更新部
40 格納部
41 機械学習モデル
42 データベース
50 入力部
60 オペレーター
Claims (9)
- アーク電気炉設備において精錬された溶鉄の不純物濃度の予測方法であって、
種類ごとに区分される複数の鉄系スクラップのそれぞれの装入量と、前チャージにおける溶鉄の不純物濃度と残湯量、及び、不純物の市場取引価格情報のうちの少なくとも1つと、を不純物濃度予測モデルに入力して、後チャージにおける溶鉄の不純物濃度を出力する、溶鉄の不純物濃度の予測方法。 - 前記不純物濃度予測モデルは、前記鉄系スクラップのそれぞれの装入量と、前記前チャージにおける溶鉄の不純物濃度と残湯量、及び、不純物の市場取引価格情報のうちの少なくとも1つと、を説明変数とし、後チャージにおける溶鉄の不純物濃度を目的変数とする重回帰モデルである、請求項1に記載の溶鉄の不純物濃度の予測方法。
- 前記不純物濃度予測モデルは、前記鉄系スクラップのそれぞれの装入量と、前記前チャージにおける溶鉄の不純物濃度と残湯量、及び、不純物の市場取引価格情報のうちの少なくとも1つと、を入力データとし、後チャージにおける溶鉄の不純物濃度を出力データとする学習済の機械学習モデルである、請求項1に記載の溶鉄の不純物濃度の予測方法。
- 請求項1から請求項3のいずれか一項に記載の溶鉄の不純物濃度の予測方法を用いる溶鉄の製造方法であって、
前記鉄系スクラップは、鉄系スクラップ全体の不純物濃度の平均値よりも不純物濃度が高い低級スクラップと、前記平均値よりも不純物濃度が低い高級スクラップとを含み、
前記不純物濃度の予測方法で予測される後チャージにおける溶鉄の不純物濃度が、予め定められた溶鉄の不純物濃度の目標値となるように、前記低級スクラップの装入量を決定する、溶鉄の製造方法。 - アーク電気炉設備において精錬される溶鉄の精錬後の不純物濃度の予測に用いる学習済の機械学習モデルの作成方法であって、
種類ごとに区分される複数の鉄系スクラップのそれぞれの装入量と、前チャージにおける溶鉄の不純物濃度と残湯量、及び、不純物の市場取引価格情報のうちの少なくとも1つと、を入力データとし、後チャージにおける溶鉄の不純物濃度の実績値を出力データとする機械学習モデルに、過去のアーク電気炉設備を用いた精錬における前記入力データと後チャージの溶鉄における不純物濃度の実績値とを含むデータセットを入力して学習済の機械学習モデルを作成する、学習済の機械学習モデルの作成方法。 - アーク電気炉設備において精錬された溶鉄の不純物濃度の予測装置であって、
種類ごとに区分される複数の鉄系スクラップのそれぞれの装入量と、前チャージにおける溶鉄の不純物濃度と残湯量、及び、不純物の市場取引価格情報のうちの少なくとも1つと、を不純物濃度予測モデルに入力して、後チャージにおける溶鉄の不純物濃度を出力する不純物濃度予測部を有する、溶鉄の不純物濃度の予測装置。 - 前記不純物濃度予測モデルは、前記鉄系スクラップのそれぞれの装入量と、前記前チャージにおける溶鉄の不純物濃度と残湯量、及び、不純物の市場取引価格情報のうちの少なくとも1つと、を説明変数とし、後チャージにおける溶鉄の不純物濃度を目的変数とする重回帰モデルである、請求項6に記載の溶鉄の不純物濃度の予測装置。
- 前記不純物濃度予測モデルは、前記鉄系スクラップのそれぞれの装入量と、前記前チャージにおける溶鉄の不純物濃度と残湯量、及び、不純物の市場取引価格情報のうちの少なくとも1つと、を入力データとし、後チャージにおける溶鉄の不純物濃度を出力データとする学習済の機械学習モデルである、請求項6に記載の溶鉄の不純物濃度の予測装置。
- 前記鉄系スクラップは、鉄系スクラップ全体の不純物濃度の平均値よりも不純物濃度が高い低級スクラップと、前記平均値よりも不純物濃度が低い高級スクラップとを含み、
前記不純物濃度予測部は、出力された後チャージにおける溶鉄の不純物濃度が予め定められた溶鉄の不純物濃度の目標値となるように、前記低級スクラップの装入量を決定する、請求項6から請求項8のいずれか一項に記載の溶鉄の不純物濃度の予測装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021167375 | 2021-10-12 | ||
JP2021167375 | 2021-10-12 | ||
PCT/JP2022/028300 WO2023062905A1 (ja) | 2021-10-12 | 2022-07-21 | 溶鉄の不純物濃度の予測方法、溶鉄の製造方法、学習済の機械学習モデルの作成方法及び溶鉄の不純物濃度の予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7207624B1 true JP7207624B1 (ja) | 2023-01-18 |
JPWO2023062905A1 JPWO2023062905A1 (ja) | 2023-04-20 |
Family
ID=84939303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022554549A Active JP7207624B1 (ja) | 2021-10-12 | 2022-07-21 | 溶鉄の不純物濃度の予測方法、溶鉄の製造方法、学習済の機械学習モデルの作成方法及び溶鉄の不純物濃度の予測装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7207624B1 (ja) |
KR (1) | KR20240058140A (ja) |
CN (1) | CN118056023A (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005272859A (ja) * | 2004-03-22 | 2005-10-06 | Sanyo Special Steel Co Ltd | 電気炉の操業方法 |
JP2012092435A (ja) * | 2010-09-29 | 2012-05-17 | Jfe Steel Corp | 鉄スクラップを利用した製鋼方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10168510A (ja) | 1996-12-09 | 1998-06-23 | Topy Ind Ltd | スクラップの使用量比率を求めるシステム |
-
2022
- 2022-07-21 JP JP2022554549A patent/JP7207624B1/ja active Active
- 2022-07-21 CN CN202280066850.4A patent/CN118056023A/zh active Pending
- 2022-07-21 KR KR1020247010961A patent/KR20240058140A/ko unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005272859A (ja) * | 2004-03-22 | 2005-10-06 | Sanyo Special Steel Co Ltd | 電気炉の操業方法 |
JP2012092435A (ja) * | 2010-09-29 | 2012-05-17 | Jfe Steel Corp | 鉄スクラップを利用した製鋼方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2023062905A1 (ja) | 2023-04-20 |
CN118056023A (zh) | 2024-05-17 |
KR20240058140A (ko) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104593532B (zh) | 一种炼铁系统炉料优化方法 | |
DE102010002523A1 (de) | Stahlerzeugungseinrichtung | |
CN110766452B (zh) | 一种测算废钢金属收得率的方法 | |
JP7207624B1 (ja) | 溶鉄の不純物濃度の予測方法、溶鉄の製造方法、学習済の機械学習モデルの作成方法及び溶鉄の不純物濃度の予測装置 | |
WO2023062905A1 (ja) | 溶鉄の不純物濃度の予測方法、溶鉄の製造方法、学習済の機械学習モデルの作成方法及び溶鉄の不純物濃度の予測装置 | |
Anderson | Educated use of DRI/HBI improves EAF energy efficiency and yield and downstream operating results | |
CN111440916B (zh) | 一种利用高锰铁水转炉生产超低锰钢的方法 | |
CN104178596B (zh) | 电弧炉返回吹氧法冶炼不锈钢的工艺 | |
Hartley et al. | Steelworks control of residuals | |
Geldenhuys | Feasibility of fluxless smelting of titaniferous magnetite ore in a pilot-plant open-arc dc furnace | |
Dudek | The model for the calculation of the dispersed iron ore resource purchase cost in the world class manufacturing (WCM) logistics pillar context | |
POD et al. | Ladle-nozzle opening and genetic programming | |
Vercoulen et al. | Decarbonizing the East Asian steel industry in 2050 | |
Koptsev | Analyzing the energy balance of an arc steelmaking furnace at the Magnitogorsk Metallurgical Combine and choosing its operating regimes | |
Cavaliere et al. | Integration of Open Slag Bath Furnace with Direct Reduction Reactors for New-Generation Steelmaking. Metals 2022, 12, 203 | |
CN106591683A (zh) | 冷轧辊工具钢的加工方法 | |
Zhunusov et al. | Melting Ferrochrome Using Chrome-Ore Briquettes | |
CN116579456A (zh) | 一种转炉炉料成本优化的方法 | |
Steinberg | Development of a control strategy for the open slag bath furnaces at Highveld Steel and Vanadium Corporation Ltd | |
Persson | Partitioning of Zn and Cr in Basic Oxygen Steelmaking | |
Logar et al. | Session V | |
Togobitskaya et al. | Automated system for monitoring and controlling the slag regime in blast-furnace smelting | |
Ubieto | Energy System Analysis in the Swedish Iron and Steel Industry | |
Belonozhko et al. | Decrease in Consumption of Ferrous Alloys for Alloying of Pipe Steel With Controlled Nitrogen Content at Taganrog Iron & Steel Factory (AO TAGMET) | |
Azeitona | Iron and Steel industry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220921 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220921 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221018 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221117 |
|
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: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7207624 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |