JP7485918B2 - 炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 - Google Patents
炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 Download PDFInfo
- Publication number
- JP7485918B2 JP7485918B2 JP2020068684A JP2020068684A JP7485918B2 JP 7485918 B2 JP7485918 B2 JP 7485918B2 JP 2020068684 A JP2020068684 A JP 2020068684A JP 2020068684 A JP2020068684 A JP 2020068684A JP 7485918 B2 JP7485918 B2 JP 7485918B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- status
- furnace
- reactor
- evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims description 395
- 238000000034 method Methods 0.000 title claims description 141
- 238000012360 testing method Methods 0.000 claims description 53
- 230000007423 decrease Effects 0.000 claims description 38
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 description 81
- 238000012545 processing Methods 0.000 description 78
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 52
- 238000010586 diagram Methods 0.000 description 33
- 230000006870 function Effects 0.000 description 31
- 229910052742 iron Inorganic materials 0.000 description 26
- 238000012986 modification Methods 0.000 description 25
- 230000004048 modification Effects 0.000 description 25
- 238000003860 storage Methods 0.000 description 24
- 239000007789 gas Substances 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 10
- 229910000831 Steel Inorganic materials 0.000 description 8
- 239000000571 coke Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 239000002994 raw material Substances 0.000 description 8
- 239000010959 steel Substances 0.000 description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 7
- 229910052799 carbon Inorganic materials 0.000 description 7
- 230000005484 gravity Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000012854 evaluation process Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000000491 multivariate analysis Methods 0.000 description 6
- 238000006722 reduction reaction Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 229910000805 Pig iron Inorganic materials 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 235000019738 Limestone Nutrition 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000006028 limestone Substances 0.000 description 3
- 239000008400 supply water Substances 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N iron oxide Inorganic materials [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 1
- 235000013980 iron oxide Nutrition 0.000 description 1
- VBMVTYDPPZVILR-UHFFFAOYSA-N iron(2+);oxygen(2-) Chemical class [O-2].[Fe+2] VBMVTYDPPZVILR-UHFFFAOYSA-N 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Blast Furnaces (AREA)
Description
|x-μ|>3σ ・・・(式1)
を異常状態として管理する手法が普及している。ここで、xは炉況を示す各変数、μはその平均値、σはその分散値である。しかしながら、炉況の判断では、対象となる多数の変数について総合的な判断が要求されるため、このような手法を各変数に単純に適用するだけでは、異常を見逃す可能性がある。
多変量解析とは、複数の変数(項目、属性、次元数)を持つデータ(多変量データ)を利用し、その変数間の相互の関係性を捉えるために用いられる統計的手法の総称であり、重回帰分析や判別分析、正準相関分析、主成分・因子分析、クラスタ分析、多次元尺度法、フェース分析、数量化分析、コンジョイント分析等の手法がある。複雑なデータが持つ傾向や特徴を要約したり、結果に影響する相関関係を明らかにして原因発見や推定・予測を行ったり、因果関係のモデル化等に有効とされている。
1980年代に、AIを活用したエキスパートシステムが多くの高炉で構築され、適用された。エキスパートシステムとは、熟練者のノウハウをもとに操業を診断するシステムであり、ルールベースシステムが基本となる。即ち、高炉の操業に関するノウハウを専門家が整理し、IF-THENルールとして定式化して知識ベースに格納しておき、操業上の問題が与えられると、推論エンジンにより知識ベースから適当なルールを実行して問題を解く。
エキスパートシステムのこのような課題を改善するために、事例ベース推論(Case-based Reasoning、CBR)が提案された。事例ベース推論とは、過去の事例を用いて問題を解くという推論モデルである。過去の事例を用いるという点ではエキスパートシステムと似ているが、IF-THENルールとして定式化することなく、過去の事例をそのまま格納する点で異なっている。
過去事例検索システム(例えば、LOM(Large Scale Database-based Online Modeling))もこの考え方に立脚しており、過去の類似事例を事例ベースに則って検索するものである。
炉況の判断を完全にコンピュータに行わせるには、現状では限界もある。したがって、コンピュータ処理は、多種多様なデータを適切に表現するに留めて、最終的な炉況の判断を人が行う際の補助として用いるという考え方もある。
(1)ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング部と、
異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定部と、
個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定部と、
新たに取得されたデータセットである対象データセットに含まれる複数の操業変数とパターン評価値との相関関係に基づいて対象データセットに対応する高炉の炉況を示す炉況値を決定する炉況値決定部と、
を備えることを特徴とする炉況評価装置。
(2)評価値決定部は、パターン評価値として個別評価値の平均値である評価平均値を操業パターン毎に算出する、(1)に記載の炉況評価装置。
(3)クラスタリング部は、対象データセットを複数の操業パターンの何れか1つに分類し、
炉況値決定部は、対象データセットが分類された操業パターンのパターン評価値である評価平均値を炉況値に決定する、(2)に記載の炉況評価装置。
(4)炉況値決定部は、各操業パターンのパターン評価値である各評価平均値、及び、各操業パターンのクラスタ重心位置と対象データセットとのユークリッド距離を用いて、炉況値を決定する、(2)に記載の炉況評価装置。
(5)炉況値決定部は、対象データセットに含まれる複数の操業変数のそれぞれと、各操業パターンの対応する個別代表値との間の相関関係に応じて、対象データセットに含まれる操業変数のそれぞれに対応する変数評価値を算出し、変数評価値の平均値を炉況値に決定する、(1)に記載の炉況評価装置。
(6)炉況値に基づいて高炉の炉況を判定し、判定された高炉の炉況を示す炉況情報として記憶する炉況判定部と、
炉況情報を出力する炉況情報出力部と、
をさらに備えることを特徴とする(1)~(5)の何れか一つに記載の炉況評価装置。
(7)炉況判定部は、
炉況値と、対象データセットより前の時刻に取得された過去データセットに対応する炉況値である過去炉況値とを比較し、
過去炉況値からの炉況値の減少量が減少しきい値以下であると判定したときに、高炉の炉況が正常であることを示す炉況情報を記憶し、
過去炉況値からの炉況値の減少量が減少しきい値超であると判定したときに、高炉の炉況が正常ではないことを示す炉況情報を記憶する、(6)に記載の炉況評価装置。
(8)炉況判定部は、
過去炉況値からの炉況値の減少量が減少しきい値超であり、且つ、炉況値が炉況しきい値以上であると判定したときに、高炉の炉況が異常になる可能性があることを示す炉況情報を記憶し、
過去炉況値からの炉況値の減少量が減少しきい値超であり、且つ、炉況値が炉況しきい値未満であると判定したときに、高炉の炉況が異常であることを示す炉況情報を記憶する、(7)に記載の炉況評価装置。
(9)炉況判定部は、
炉況値が炉況しきい値以上であるか否かを判定し、
炉況値が炉況しきい値以上であると判定したときに、高炉の炉況が正常であることを示す炉況情報を記憶し、
炉況値が炉況しきい値未満であると判定したときに、高炉の炉況が異常であることを示す炉況情報を記憶する、(6)に記載の炉況評価装置。
(10)評価値決定部は、操業変数毎に規定された点数化規則に基づいて、個別評価値を決定する、(1)~(9)の何れか一つに記載の炉況評価装置。
(11)複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定するクラスタリング判定部を更に有する、(1)~(10)の何れか一つに記載の炉況評価装置。
(12)クラスタリング部は、それぞれが複数の操業パターンの何れかに関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを複数の操業パターンの何れか1つに分類し、
クラスタリング判定部は、複数のテストデータセットが分類された操業パターンと、テストデータセットが関連付けられた操業パターンと、の一致度に応じて、複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、(11)に記載の炉況評価装置。
(13)クラスタリング判定部は、複数の操業パターンのそれぞれに分類されたテストデータセットの数と、複数の操業パターンのそれぞれに関連付けられたテストデータセットの数の一致度に応じて、複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、(12)に記載の炉況評価装置。
(14)クラスタリング部は、それぞれが高炉の炉況の良否を示す順位に関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを複数の操業パターンの何れか1つに分類し、
炉況値決定部は、複数のテストデータセットのそれぞれの炉況値を決定し、
クラスタリング判定部は、複数のテストデータセットのそれぞれに関連づけられた順位と、複数のテストデータセットの炉況値の順番の一致度に応じて、複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、(11)に記載の炉況評価装置。
(15)複数のデータセットが所望の操業パターンにクラスタリングされていないと判定されたときに、クラスタリング部がクラスタリングを実行するときの設定であるクラスタリング設定を変更するクラスタリング修正部を更に有し、
クラスタリング部は、変更されたクラスタリング設定により複数のデータセットを再度クラスタリングする、(11)~(14)の何れか一つに記載の炉況評価装置。
(16)クラスタリング設定は、クラスタリング部がクラスタリングするときの手法であるクラスタリング手法及びクラスタリング部がクラスタリングするときの条件であるクラスタリング条件の少なくとも一方を含む、(15)に記載の炉況評価装置。
(17)クラスタリング設定は、複数のデータセットに含まれる操業変数の種類及び数の少なくとも一方を含む、(15)又は(16)に記載の炉況評価装置。
(18)クラスタリング設定は、クラスタリング部によってクラスタリングされる操業パターンの数を含む、(15)~(17)の何れか一つに記載の炉況評価装置。
(19)ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定工程と、
個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
新たに取得されたデータセットである対象データセットに含まれる複数の操業変数とパターン評価値との相関関係に基づいて対象データセットに対応する高炉の炉況を示す炉況値を決定する炉況値決定工程と、
を備えることを特徴とする炉況評価方法。
(20)炉況値に基づいて、高炉の炉況を判定し、判定された高炉の炉況を示す炉況情報として記憶する炉況判定工程と、
炉況情報を出力する炉況情報出力工程と、
をさらに備えることを特徴とする(19)に記載の炉況評価方法。
(21)ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定工程と、
個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
新たに取得されたデータセットである対象データセットに含まれる複数の操業変数とパターン評価値との相関関係に基づいて対象データセットに対応する高炉の炉況を示す炉況値を決定する炉況値決定工程と、
をコンピュータに実行させることを特徴とする炉況評価プログラム。
(22)炉況値に基づいて高炉の炉況を判定し、判定された高炉の炉況を示す炉況情報として記憶する炉況判定工程と、
炉況情報を出力する炉況情報出力工程と、
をさらにコンピュータに実行させることを特徴とする(21)に記載の炉況評価プログラム。
(23)新たに取得されたデータセットである対象データセットに対応する高炉の炉況を示す炉況値を、対象データセットに含まれる複数の操業変数と、予め用意された複数の操業パターンのパターン評価値と、の相関関係に基づいて決定するよう、コンピュータを機能させるための学習済みモデルの生成方法であって、
ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
異なる操業変数のそれぞれについて、操業パターン毎に個別代表値を決定する代表値決定工程と、
個別代表値に基づいて、複数の操業変数のそれぞれの個別評価値を操業パターン毎に決定し、個別評価値または個別評価値を用いて操業パターン毎に算出される値をパターン評価値として決定する評価値決定工程と、
を備えることを特徴とする学習済みモデルの生成方法。
なお、通気抵抗指数(K値)は、次式で与えられる。
図3は、炉況評価装置1の概略構成の一例を示す図である。
図5は、炉況評価装置1により実行される評価値決定処理のフローチャートである。図5に示す評価値決定処理は、予め記憶部12に記憶されているプログラムに基づいて、主に処理部15により炉況評価装置1の各要素と協働して実行される。図5に示す評価値決定処理を実行することにより、新たに取得されたデータセットである対象データセットに対応する高炉の炉況を示す炉況値を決定するよう、コンピュータを機能させるための学習済みモデルが生成される。生成された学習済みモデルによって、コンピュータは、対象データセットに含まれる複数の操業変数と、予め用意された複数の操業パターンのパターン評価値との相関関係に基づいて炉況値を決定するように機能する。
median(x)±cMAD(x) ・・・(式3)
に属さない数値を特定し、特定した数値を含むデータセットを除去してもよい。ここで、xは操業変数、cは2~3程度の定数、median(x)はxの中央値、MAD(x)は
median(|x-median(x)|) ・・・(式4)
である。
なお、数値範囲は、これに限定されるものではなく、これ以外のものでもよい。例えば、数値範囲は、操業変数の平均値及び分散値に基づくものでもよい。
なお、クラスタリング手法は、これに限定されるものではなく、これ以外のものでもよい。例えば、クラスタリング手法は、k-means法以外の非階層型クラスタリング手法でもよく、凝集法等の階層型クラスタリング手法でもよい。
(1)分類対象の中からk個の分類対象を無作為に選択し、クラスタの重心c0とする(図7(a)、(b))。
(2)各分類対象について、k個の重心c0とのユークリッド距離をそれぞれ算出し、最も近い重心c0に係るクラスタに割り当てる(図7(c))。
(3)各クラスタについて、重心cを再計算する。
(4)各分類対象について、k個の重心cとのユークリッド距離をそれぞれ算出し、最も近い重心cに係るクラスタに割り当てる(図7(d))。
(5)各クラスタの重心cの位置がほぼ定まり、収束判定条件を満たすまで、(3)、(4)を繰り返す。
なお、点数化規則は、これらに限定されるものではなく、これら以外のものでもよい。例えば、点数化規則は、数値の平均的なものからk点、(k-1)点、・・・、1点とするものでもよい。
通気抵抗指数(K値) :数値の小さなものから5点、4点、・・・、1点
送風圧力変動 :数値の小さなものから5点、4点、・・・、1点
ソリューションロスカーボン:数値の小さなものから5点、4点、・・・、1点
溶銑温度 :数値の大きなものから5点、4点、・・・、1点
炉体総合熱負荷 :数値の小さなものから5点、4点、・・・、1点
図9に示す操業パターン管理テーブルは、操業パターンC1に属する操業状況が最も好ましいことを示す。
図10は、炉況評価装置1により実行される炉況判定処理のフローチャートである。図10に示す炉況判定処理は、予め記憶部12に記憶されているプログラムに基づいて、主に処理部15により炉況評価装置1の各要素と協働して実行される。
なお、炉況値の決定方法は上記に限定されず、炉況値決定部156は、例えば各操業パターンのパターン評価値である各評価平均値、及び、各操業パターンのクラスタ重心位置と対象データセットとのユークリッド距離を用いて、炉況値を決定することができる。このとき、対象データセットを複数の操業パターンの何れか1つに分類すること(S202)は必須ではない。
また、表示部14においては、炉況値などが時間推移のグラフで表示されてもよい。
炉況評価装置1は、複数の操業変数を総括して単一の指標に定量化し、単一の指標に基づいて高炉の操業状況を評価し、その結果を出力することにより、高炉の操業状況を容易に判断することが可能となる。
なお、本発明は、上記実施形態や実施例に限定されるものではない。
例えば、炉況評価装置1は、個別評価値の平均値である評価平均値をパターン評価値、ひいては炉況値として使用するが、実施形態に係る炉況評価装置は、個別評価値等に関連する他の数値を炉況値として使用してもよい。例えば、実施形態に係る炉況評価装置は、評価平均値ではなく評価平均値の順位を炉況値として使用してもよい。例えば図8に示す例では、操業パターンC1、C2、C3の順に、算出された評価平均値は小さくなるから、評価平均値の順位である「3」、「2」及び「1」を操業パターンC1、C2、C3のそれぞれの炉況値として使用してもよい。
また、実施形態に係る炉況評価装置は、対象データセットに含まれる操業変数と、操業パターンのそれぞれの個別代表値との間の相関関係から算出される変数評価値を用いて炉況値を算出してもよい。
また、炉況評価装置1は、炉況値の減少量を減少しきい値と比較して高炉の炉況を判定するが、実施形態に係る炉況評価装置は、炉況値を炉況しきい値と比較して高炉の炉況を判定してもよい。
また、実施形態に係る炉況評価装置は、所望の操業パターンに複数のデータセットがクラスタリングされたか否かを判定する処理を実行した上で、評価値決定処理を実行してもよい。所望の操業パターンとは、例えば熟練工の経験に基づく総合的な炉況判断との乖離が少ない分類方法をいう。
図18は、炉況評価装置2により実行される変形例4に係る評価値決定処理のフローチャートである。図18に示す評価値決定処理は、予め記憶部12に記憶されているプログラムに基づいて、主に処理部25により炉況評価装置2の各要素と協働して実行される。
炉況評価装置2は、パターン評価値を決定するときに、所望の操業パターンにデータセットをクラスタリングされたか否かを判定することで、少なくとも意図しないクラスタリングがなされることを防止できる。さらには、熟練工が所望するデータセットにデータセットをクラスタリングすることが可能になる。
なお、所望の操業パターンに複数のデータセットがクラスタリングされたか否かを判定する処理は、図18に示す処理に限定されるものではない。
一般に、テストデータセットのクラスタリング作業は、テストデータセットの順位付け作業よりも判断が難しく、オペレータの作業負荷が大きい。変形例5に係る炉況評価処理では、オペレータは、テストデータセットをクラスタリングすることなく、テストデータセットを順位付けするだけで所望のクラスタリングを実現し得るので、変形例5に係る炉況評価処理は、オペレータの負荷を低減できる。
また、炉況評価装置1は、評価値決定処理及び炉況判定処理の双方を実行するが、実施形態に係る評価値決定装置が評価値決定処理を実行し、実施形態に係る炉況判定装置が炉況判定処理を実行してもよく、評価値決定装置及び炉況判定装置を有する炉況評価装置も、本発明の範囲に含まれる。
図22は、評価値決定装置3の概略構成の一例を示す図である。
図23は、評価値決定装置3により実行される評価値決定処理のフローチャートである。図23に示す評価値決定処理は、予め記憶部12に記憶されているプログラムに基づいて、主に処理部35により評価値決定装置3の各要素と協働して実行される。
図24は、炉況判定装置4の概略構成の一例を示す図である。
また、変形例に係る炉況評価装置、及び炉況判定装置は、2つ以上の判定基準に基づいて炉況判定処理を実行してもよい。
炉況評価装置1は、現在時刻における高炉の操業状況を評価したが、将来の所定時刻における高炉の操業状況を予測してもよい。高炉の操業状況の予測は、例えば、現在時刻におけるデータセットに類似する過去時刻におけるデータセットを特定し、特定したデータセットから所定時刻経過後におけるデータセットを特定することにより行うことができる。また例えば、いわゆる高炉数学モデル等のシミュレーションにより所定の操業条件での操業変数を算出して将来の所定時刻のデータセットを取得し、当該データセットについて炉況を判定してもよい。
また、炉況評価装置1は、図3に示される各部を備えるとしたが、その一部については、不図示のサーバ装置が備えてもよい。サーバ装置は、例えば、炉況評価装置1の記憶部12に相当する記憶部を備え、この記憶部に記憶されているプログラム、データ等を炉況評価装置1に送信し、炉況評価装置1に処理を実行させてもよい。あるいは、サーバ装置は、炉況評価装置1の記憶部12及び処理部15に相当する記憶部及び処理部を備え、この記憶部に記憶されているプログラム、データ等を用いて処理を実行し、その結果のみを炉況評価装置1に提供してもよい。
また、炉況評価装置1は、炉況判定部157及び炉況情報出力部158を有するが、実施形態に係る炉況評価装置は、クラスタリング部152~炉況値決定部156と同一又は対応する構成する構成を有していればよい。実施形態に係る炉況評価装置は、クラスタリング部152~炉況値決定部156と同一又は対応する構成する構成を有することで、新たに取得されたデータセットである対象データセットに対応する高炉の炉況を示す炉況値を決定する。
(態様1)
過去に高炉の操業状況を表す複数の操業変数の組として取得された複数のデータセットを分類して得られる複数の操業パターンと、複数の操業パターンのそれぞれに属するデータセットから算出された複数の操業パターンのそれぞれの評価値とを対応させて記憶する記憶部と、
第1の時刻に高炉から取得されるデータセットに基づいて特定される第1の操業パターンの評価値に基づいて算出される第1の時刻における操業状況の評価値と、第1の時刻より前の第2の時刻における記憶部に記憶される第2の操業パターンの評価値に基づいて算出される第2の時刻における操業状況の評価値とを比較して第1の時刻における操業状況を評価する炉況評価部と、
炉況評価部による評価結果を表示する表示部と、
を備えることを特徴とする炉況評価装置。
(態様2)
過去に高炉から取得された複数のデータセットを複数のクラスタに分類し、分類された複数のクラスタの各々について、当該クラスタに属する複数のデータセットの重心を算出して操業パターンとすると共に、当該クラスタに属する複数のデータセットに基づく点数を算出して操業パターンの評価値とする操業パターン作成部をさらに備える、(態様1)に記載の炉況評価装置。
(態様3)
操業パターン作成部は、分類された複数のクラスタの各々について、当該クラスタに属する複数のデータセットについて操業変数毎に当該操業変数の平均値を算出し、算出された平均値に基づいて当該操業変数の点数を算出し、操業変数毎に算出された点数の平均値を算出して操業パターンの評価値とする、(態様2)に記載の炉況評価装置。
(態様4)
操業パターン作成部は、複数のクラスタ全体について、操業変数毎に、対応する点数化規則に従って、算出された平均値を点数化することにより、当該操業変数の点数を算出する、(態様3)に記載の炉況評価装置。
(態様5)
点数化規則は、対応する操業変数の特性に応じて規定される、(態様4)に記載の炉況評価装置。
(態様6)
炉況評価部は、第1の時刻における操業状況の評価値が第2の時刻における操業状況の評価値を下回り且つその差分が第1のしきい値を上回った場合に、第1の時刻における操業状況は第1の状況にあると評価する、(態様1)~(態様5)のいずれか一つに記載の炉況評価装置。
(態様7)
炉況評価部は、第1の時刻における操業状況の評価値が第2のしきい値を下回った場合に、第1の時刻における操業状況は第1の状況よりも悪い第2の状況にあると評価する、(態様6)に記載の炉況評価装置。
(態様8)
過去に高炉の操業状況を表す複数の操業変数の組として取得された複数のデータセットを分類して得られる複数の操業パターンと、複数の操業パターンのそれぞれに属するデータセットから算出された複数の操業パターンのそれぞれの評価値とを対応させて記憶する記憶部を備える炉況評価装置の制御方法であって、炉況評価装置が、
第1の時刻に高炉から取得されるデータセットに基づいて第1の操業パターンを特定し、
特定された第1の操業パターンの評価値に基づいて第1の時刻における操業状況の評価値を算出し、
第1の時刻より前の第2の時刻における記憶部に記憶される第2の操業パターンの評価値に基づいて第2の時刻における操業状況の評価値を算出し、
算出された第1の時刻における操業状況の評価値と、算出された第2の時刻における操業状況の評価値とを比較して第1の時刻における操業状況を評価し、
評価結果を表示する、
ことを特徴とする制御方法。
(態様9)
過去に高炉の操業状況を表す複数の操業変数の組として取得された複数のデータセットを分類して得られる複数の操業パターンと、複数の操業パターンのそれぞれに属するデータセットから算出された複数の操業パターンのそれぞれの評価値とを対応させて記憶する記憶部を備え炉況評価装置の制御プログラムであって、炉況評価装置に、
第1の時刻に高炉から取得されるデータセットに基づいて第1の操業パターンを特定し、
特定された第1の操業パターンの評価値に基づいて第1の時刻における操業状況の評価値を算出し、
第1の時刻より前の第2の時刻における記憶部に記憶される第2の操業パターンの評価値に基づいて第2の時刻における操業状況の評価値を算出し、
算出された第1の時刻における操業状況の評価値と、算出された第2の時刻における操業状況の評価値とを比較して第1の時刻における操業状況を評価し、
評価結果を表示する、
ことを実行させることを特徴とする制御プログラム。
3 評価値決定装置
4 炉況判定装置
100、200 炉況評価システム
101 高炉
102 センサ
151 データセット取得部
152 クラスタリング部
153 代表値決定部
154 評価値決定部
155 対象データセット取得部
156 炉況値決定部
157 炉況判定部
158 炉況情報出力部
251 クラスタリング判定部
252 クラスタリング修正部
Claims (18)
- ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング部と、
前記異なる操業変数のそれぞれについて、前記操業変数のそれぞれを代表する値である個別代表値を前記操業パターン毎に決定する代表値決定部と、
前記個別代表値に基づいて、前記複数の操業変数のそれぞれの個別評価値を前記操業パターン毎に決定し、前記個別評価値を用いてパターン評価値を前記操業パターン毎に算出する評価値決定部と、
前記パターン評価値のうち、現在時刻におけるデータセットのパターン評価値に基づいて現在時刻の炉況値を決定し、現在時刻におけるデータセットの直前時刻におけるデータセットのパターン評価値に基づいて直前時刻の炉況値を決定する炉況値決定部と、
現在時刻の炉況値と直前時刻の炉況値とを比較し、現在時刻の炉況を判断する炉況判定部と、
を備えることを特徴とする炉況評価装置。 - 前記評価値決定部は、前記パターン評価値として前記個別評価値の平均値である評価平均値を前記操業パターン毎に算出する、請求項1に記載の炉況評価装置。
- 前記クラスタリング部は、前記現在時刻におけるデータセットを前記複数の操業パターンの何れか1つに分類し、
前記炉況値決定部は、前記現在時刻におけるデータセットが分類された操業パターンのパターン評価値である前記評価平均値を前記炉況値に決定する、請求項2に記載の炉況評価装置。 - 前記炉況値決定部は、前記各操業パターンのパターン評価値である各評価平均値、及び、前記各操業パターンのクラスタ重心位置と前記現在時刻におけるデータセットとのユークリッド距離を用いて、前記炉況値を決定する、請求項2に記載の炉況評価装置。
- 前記炉況値決定部は、前記現在時刻におけるデータセットに含まれる複数の操業変数のそれぞれと、前記各操業パターンの対応する個別代表値との間の相関関係に応じて、前記現在時刻におけるデータセットに含まれる操業変数のそれぞれに対応する変数評価値を算出し、前記変数評価値の平均値を前記炉況値に決定する、請求項1に記載の炉況評価装置。
- 前記炉況判定部は、
前記直前時刻の炉況値からの前記現在時刻の炉況値の減少量が減少しきい値以下であると判定したときに、前記高炉の炉況が正常であることを示す炉況情報を記憶し、
前記直前時刻の炉況値からの前記現在時刻の炉況値値の減少量が前記減少しきい値超であると判定したときに、前記高炉の炉況が正常ではないことを示す炉況情報を記憶する、請求項1~5の何れか一項に記載の炉況評価装置。 - 前記炉況判定部は、
前記直前時刻の炉況値からの前記現在時刻の炉況値の減少量が前記減少しきい値超であり、且つ、前記現在時刻の炉況値値が炉況しきい値以上であると判定したときに、前記高炉の炉況が異常になる可能性があることを示す炉況情報を記憶し、
前記直前時刻の炉況値からの前記現在時刻の炉況値の減少量が前記減少しきい値超であり、且つ、前記現在時刻の炉況値が炉況しきい値未満であると判定したときに、前記高炉の炉況が異常であることを示す炉況情報を記憶する、請求項6に記載の炉況評価装置。 - 前記評価値決定部は、前記操業変数毎に規定された点数化規則に基づいて、前記個別評価値を決定する、請求項1~7の何れか一項に記載の炉況評価装置。
- 前記複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定するクラスタリング判定部を更に有する、請求項1~8何れか一項に記載の炉況評価装置。
- 前記クラスタリング部は、それぞれが前記複数の操業パターンの何れかに関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを前記複数の操業パターンの何れか1つに分類し、
前記クラスタリング判定部は、前記複数のテストデータセットが分類された操業パターンと、前記テストデータセットが関連付けられた操業パターンと、の一致度に応じて、前記複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、請求項9に記載の炉況評価装置。 - 前記クラスタリング判定部は、前記複数の操業パターンのそれぞれに分類された前記テストデータセットの数と、前記複数の操業パターンのそれぞれに関連付けられた前記テストデータセットの数の一致度に応じて、前記複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、請求項10に記載の炉況評価装置。
- 前記クラスタリング部は、それぞれが前記高炉の炉況の良否を示す順位に関連付けられたテスト用のデータセットである複数のテストデータセットのそれぞれを前記複数の操業パターンの何れか1つに分類し、
前記炉況値決定部は、前記複数のテストデータセットのそれぞれの炉況値を決定し、
前記クラスタリング判定部は、前記複数のテストデータセットのそれぞれに関連づけられた順位と、前記複数のテストデータセットの前記炉況値の順番の一致度に応じて、前記複数のデータセットが所望の操業パターンにクラスタリングされたか否かを判定する、請求項9に記載の炉況評価装置。 - 前記複数のデータセットが所望の操業パターンにクラスタリングされていないと判定されたときに、前記クラスタリング部がクラスタリングを実行するときの設定であるクラスタリング設定を変更するクラスタリング修正部を更に有し、
前記クラスタリング部は、変更されたクラスタリング設定により前記複数のデータセットを再度クラスタリングする、請求項9~12の何れか一項に記載の炉況評価装置。 - 前記クラスタリング設定は、前記クラスタリング部がクラスタリングするときの手法であるクラスタリング手法及び前記クラスタリング部がクラスタリングするときの条件であるクラスタリング条件の少なくとも一方を含む、請求項13に記載の炉況評価装置。
- 前記クラスタリング設定は、前記複数のデータセットに含まれる操業変数の種類及び数の少なくとも一方を含む、請求項13又は14に記載の炉況評価装置。
- 前記クラスタリング設定は、前記クラスタリング部によってクラスタリングされる操業パターンの数を含む、請求項13~15の何れか一項に記載の炉況評価装置。
- ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
前記異なる操業変数のそれぞれについて、前記操業変数のそれぞれを代表する値である個別代表値を前記操業パターン毎に決定する代表値決定工程と、
前記個別代表値に基づいて、前記複数の操業変数のそれぞれの個別評価値を前記操業パターン毎に決定し、前記個別評価値を用いてパターン評価値を前記操業パターン毎に算出する評価値決定工程と、
前記パターン評価値のうち、現在時刻におけるデータセットのパターン評価値に基づいて現在時刻の炉況値を決定し、現在時刻におけるデータセットの直前時刻におけるデータセットのパターン評価値に基づいて直前時刻の炉況値を決定する炉況値決定工程と、
現在時刻の炉況値と直前時刻の炉況値とを比較し、現在時刻の炉況を判断する炉況判定工程と、
を備えることを特徴とする炉況評価方法。 - ある時刻の高炉の操業状況を示す異なる操業変数の組であるデータセットが、異なる時刻について取得されており、当該複数のデータセットを複数の操業パターンにクラスタリングするクラスタリング工程と、
前記異なる操業変数のそれぞれについて、前記操業変数のそれぞれを代表する値である個別代表値を前記操業パターン毎に決定する代表値決定工程と、
前記個別代表値に基づいて、前記複数の操業変数のそれぞれの個別評価値を前記操業パターン毎に決定し、前記個別評価値を用いてパターン評価値を前記操業パターン毎に算出する評価値決定工程と、
前記パターン評価値のうち、現在時刻におけるデータセットのパターン評価値に基づいて現在時刻の炉況値を決定し、現在時刻におけるデータセットの直前時刻におけるデータセットのパターン評価値に基づいて直前時刻の炉況値を決定する炉況値決定工程と、
現在時刻の炉況値と直前時刻の炉況値とを比較し、現在時刻の炉況を判断する炉況判定工程と、
をコンピュータに実行させることを特徴とする炉況評価プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020068684A JP7485918B2 (ja) | 2020-04-06 | 2020-04-06 | 炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020068684A JP7485918B2 (ja) | 2020-04-06 | 2020-04-06 | 炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021165414A JP2021165414A (ja) | 2021-10-14 |
JP7485918B2 true JP7485918B2 (ja) | 2024-05-17 |
Family
ID=78021566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020068684A Active JP7485918B2 (ja) | 2020-04-06 | 2020-04-06 | 炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7485918B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2023190234A1 (ja) * | 2022-03-29 | 2023-10-05 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013140548A (ja) | 2012-01-06 | 2013-07-18 | Nippon Steel & Sumitomo Metal | 操業状況評価装置、操業状況評価方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 |
JP2016060931A (ja) | 2014-09-17 | 2016-04-25 | 新日鐵住金株式会社 | 高炉羽口状態観察方法及び高炉羽口状態観察装置 |
JP2018014093A (ja) | 2016-07-06 | 2018-01-25 | Jfeスチール株式会社 | プロセスの状態診断方法及び状態診断装置 |
JP2020015934A (ja) | 2018-07-24 | 2020-01-30 | 日本製鉄株式会社 | 画像判定学習装置、画像判定学習プログラム、及び画像判定学習方法、並びに高炉監視装置 |
KR20200013143A (ko) | 2018-07-17 | 2020-02-06 | 현대제철 주식회사 | 고로의 용선온도 예측 장치 및 방법 |
-
2020
- 2020-04-06 JP JP2020068684A patent/JP7485918B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013140548A (ja) | 2012-01-06 | 2013-07-18 | Nippon Steel & Sumitomo Metal | 操業状況評価装置、操業状況評価方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 |
JP2016060931A (ja) | 2014-09-17 | 2016-04-25 | 新日鐵住金株式会社 | 高炉羽口状態観察方法及び高炉羽口状態観察装置 |
JP2018014093A (ja) | 2016-07-06 | 2018-01-25 | Jfeスチール株式会社 | プロセスの状態診断方法及び状態診断装置 |
KR20200013143A (ko) | 2018-07-17 | 2020-02-06 | 현대제철 주식회사 | 고로의 용선온도 예측 장치 및 방법 |
JP2020015934A (ja) | 2018-07-24 | 2020-01-30 | 日本製鉄株式会社 | 画像判定学習装置、画像判定学習プログラム、及び画像判定学習方法、並びに高炉監視装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021165414A (ja) | 2021-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | Modeling of the thermal state change of blast furnace hearth with support vector machines | |
Fang et al. | Soft sensors based on adaptive stacked polymorphic model for silicon content prediction in ironmaking process | |
CN111831719A (zh) | 一种高炉炼铁的生产过程智能控制方法及系统 | |
JP2022014169A (ja) | 操業ガイダンス方法、高炉の操業方法、溶銑の製造方法、操業ガイダンス装置 | |
JP7485918B2 (ja) | 炉況評価装置、炉況評価方法、及び炉況評価プログラム、並びに、学習済みモデルの生成方法 | |
CN107622279A (zh) | 高炉内部状态的分类方法 | |
JP5583614B2 (ja) | 高炉操業状態制御システム、操業制御装置、高炉操業状態制御方法およびプログラム | |
CN102758032B (zh) | 一种实时预测高炉发生管道概率的方法 | |
Wu et al. | Integrated soft sensing of coke-oven temperature | |
Cardoso et al. | Prediction of silicon content in the hot metal using Bayesian networks and probabilistic reasoning | |
JP2023106037A (ja) | 運転支援装置、運転支援方法及びプログラム | |
Mohana Rao et al. | APPLICATION OF MULTIVARIATE CONTROL CHART FOR IMPROVEMENT IN QUALITY OF HOTMETAL-A CASE STUDY. | |
CN102925602A (zh) | 高炉操作炉型维护方法 | |
Tunckaya | Performance assessment of permeability index prediction in an ironmaking process via soft computing techniques | |
Agrawal et al. | Advances in thermal level measurement techniques using mathematical models, statistical models and decision support systems in blast furnace | |
KR20200013143A (ko) | 고로의 용선온도 예측 장치 및 방법 | |
CN116306272A (zh) | 一种基于大数据的转炉热损失率预测方法 | |
JP5583615B2 (ja) | 高炉操業特徴量演算装置、高炉操業特徴量演算方法及びプログラム | |
CN114185976A (zh) | 一种高炉可视化智能感知平台 | |
Kumar et al. | Blast furnace health Index based on historical data | |
CN116324323A (zh) | 生成预测熔化炉的能量效率的学习完毕预测模型的方法、预测熔化炉的能量效率的方法以及计算机程序 | |
Wang et al. | Real-time Blast Furnace Monitoring based on Temporal Sub-mode Recognition | |
TWI781626B (zh) | 高爐鐵水溫度預測方法與系統 | |
EP4170441B1 (en) | Method and system for ironmaking plant optimization | |
Hu et al. | Blast furnace thermal state prediction based on multiobjective evolutionary ensemble neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221205 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231027 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240126 |
|
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: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240415 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7485918 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |