KR100904006B1

KR100904006B1 - 공정 모델을 이용하여 강을 제조하기 위한 aod법

Info

Publication number: KR100904006B1
Application number: KR1020020070375A
Authority: KR
Inventors: 라마제더노베르트; 디미트로브슈테판; 슈타인스요하네스; 차이유요우; 뮐러요하네스
Original assignee: 지멘스 브이에이아이 메탈스 테크놀로지스 게엠베하 앤드 컴퍼니
Priority date: 2001-11-13
Filing date: 2002-11-13
Publication date: 2009-06-22
Also published as: EP1310573B1; BRPI0206891B1; AT411068B; EP1310573A2; EP1310573A3; ATA17842001A; BR0206891A; KR20030040135A; ES2396053T3

Abstract

야금설비에서 용탕을 제조하기 위한 방법, 특히 용탕을 정련하기 위한 방법은, 실제 공정변수, 제어변수 및 공정 최종변수 사이에서 적어도 하나의 가변 공정변수에 대한 거동을 설명하는 공정 모델에 따라 진행되고 야금설비를 제어하는 연산공학을 이용하여 다음과 같은 단계로 수행된다.

이 공정 모델에서는 용탕의 온도 및 용탕의 화학 조성과 같은 실제 공정변수의 특정 시간(t_i)까지 상승한 데이터를 이용하여, 실제 공정변수의 최고점에서 연산공학으로 직접 시뮬레이션하여 나중 시점(t_i+dt)에 대한 공정 변수를 산출한다.

- 시뮬레이션한 공정변수가 바람직한 설정치에서 벗어난 경우, 연산공학을 이용한 공정 모델을 이용하여 실제 공정변수를 변화시키기 위한 보정 방안을 예측하고, 이에 상응하여 실제 공정변수를 변화시킨다.

- 나중 시점(t_i+dt)시 실제 공정변수가 연속 상승한 데이터를 이용하여 이 방법을 반복한다(도 1).

시뮬레이션, 야금설비, 용탕

Description

공정 모델을 이용하여 강을 제조하기 위한 AOD법{AOD PROCESS FOR PRODUCING A STEEL USING A PROCESS MODEL}

도 1 내지 도 2b는 본 발명에 따른 방법 원리의 구조를 간단하게 나타낸 입체단면도이다.

도 3 내지 도 6은 탈탄(DeC-공정), 환원, 합금 물질 첨가 및 냉각에 관한 본 발명에 따른 공정을 나타내는 입체단면도이다.

도 7 및 도 8은 하기 예의 공정 진행을 통한 온도추이 및 화학 분석값을 나타내는 도면이다.

본 발명은 야금설비에서 용탕을 제조하기 위한 방법, 특히 용탕을 정련하는, 주로 예를 들면 합금, 스테인리스강 또는 고급강과 같은 강을 제조하기 위한 방법에 관한 것으로, 이 방법은 하나의 공정 모델에 따라 진행되고 야금설비를 제어하는 연산공학에 기초한다.

강 제조산업에서는 가장 효율적이면서도 비용이 적게 드는 공정을 유도할 수 있는 방법을 처음부터 필요로 했다. 따라서 본 발명은 특히 소정 양의 용융된 선 철을 정련함으로써 강을 제조하기 위한 방법에 관한 것이며, 선철에는 일반적 원소 이외에 경우에 따라서는 예를 들어 크롬 및 니켈 등과 같이 서로 상이한 특성을 만들기 위해 필요한 합금 원소가 포함된다.

산소를 함유한 선철 용탕처럼 용탕을 탈탄할 때 온도 및 압력이 일정하면 금속, 탄소 및 산소 사이에 균형이 이루어진다. 이처럼 균형이 이루어지면, 용탕에서 탄소가 얼마나 제거될 수 있는지가 결정되는 동시에 예컨대 크롬 및 철과 같은 금속 성분을 산화시킬 수 있다. 이러한 정련 공정시에는 용탕 내에서의 열역학적 거동뿐만 아니라, 용융욕에 함유된 원소들 및 점차 형성되는 가스 분위기 사이에서 이루어지는 균형 역시 산소와 불활성 가스(희석가스)의 혼합으로 영향을 받을 수 있다.

AT 339 938 B를 통해 용융된 금속으로부터 다량으로 탈탄하는 것을 효율적으로 실행하는 프로그램을 알 수 있는데, 이 프로그램은 초기 온도, 예비 용탕의 화학적 초기 조성 및 중량에 대한 정보를 기초로 한다. 이때 설정치는 경제적으로 유리한 조건하에서 얻을 수 있다. 이 경우에 희석제로서 선택되는 모든 임의의 기체는 탈탄시에 불활성 상태가 된다. 초기 정보들을 이용하고 이 프로그램을 이용하여 산출되는 다수의 계수 때문에, 용융욕에 존재하는 모든 원소의 열역학적인 거동이 욕 조성의 함수이다. 프로그램은 이러한 계수들을 사용하여, 탄소와 상이한 금속 원소들, 그리고 산화물과 균형을 이루는 일산화탄소 부분압을 산출한다. 이 경우, 탈탄이 이루어지는 동안 나타나는 온도 및 화학 조성 등을 고려할 수 없으므로, 계속 변화하는 실제값이 최종 상품에 어떤 영향도 미칠 수 없다는 단점이 있 다.

특허 EP 0545 379 B1에는, 잘 알려져 있는 화학 조성 및 온도를 지닌 소정의 용탕의 탈탄을 조정함으로써 강을 정련하기 위한 방법이 기재되어 있다. 이 방법은 다음의 단계들을 갖는다.

- 제1 뉴런 회로 단계에서는 뉴런 회로가 상당히 정확한 출력값을 제공할 수 있을 때까지, 각 공정 시기가 시작될 때의 욕의 조성과 중량 및 온도, 각 공정 시기가 진행되는 동안 사용될 산소 대 희석가스의 기체 비율, 그리고 각 공정 시기의 종료때 도달하는 최종 온도 등의 데이터로부터 입력 및 출력 데이터를 분석한다. 이 때 출력값은 욕의 온도를 일정한 설정 온도치로 상승시키기 위해 욕 내로 투입되어야 하는 산소 계산값을 나타낸다.

- 제2 뉴런 회로 단계에서는 뉴런 회로가 산소 계산치의 상당히 정확한 출력값을 제공할 수 있을 때까지, 각 공정 시기가 시작될 때의 욕의 조성, 중량 및 온도, 그리고 각 공정 시기의 종료때 도달하는 최종 온도 등의 데이터로부터 입력 및 출력 데이터를 분석한다. 이로써 탄소 레벨을 예비 설정된 산소 대 희석가스의 비율에 상응하게, 예비 선택된 설정 레벨로 낮출 수 있다.

- 플럭스를 3가지의 다른 뉴런 회로에서 고려함으로써, 산소의 투입 종료시 욕의 탄소 함유랑, 온도 및 최종 조성을 산출해낼 수 있다.

이 경우에는 전체 처리 시간 내내, 산출된 온도값 및 분석값들의 타당성을 계속 파악하거나 검사할 수 없다는 단점이 있다. 특히 용융 괴상물의 용융 상태(내화 온도의 변화, 내화 강도의 변화, 반응 체적의 변화 등)를 함께 고려하면, 이 런 방법으로는 공정의 효율화를 꾀할 수 있다 하더라도 전반적으로 어렵다.

EP 0857 222 B1에 따른 발명은 크롬을 다량으로 함유한 강을 제조하기 위해 강욕을 탈탄하기 위한 방법에 관한 것이다. 이 방법에서는 탈탄 속도가 계속 측정되고, 투입되는 산소의 양은 측정된 수치들에 따라 조절된다. 이때 탈탄 속도는 배기가스내의 일산화탄소(CO)와 이산화 탄소(CO₂) 함유량 및 배기가스 유출에 의해 결정된다. 이러한 배기가스 조성의 측정은 가능하지만 상당히 부정확하다. 배기가스가 흐를 때 측정헤드는 용융도가니 입구에 가까이 위치해야 한편으로는 배기가스의 정보를 비교적 빨리 얻을 수 있고, 다른 한편으로는 용융도가니 입구 영역에 신선한 공기가 들어감으로써 배기가스 조성의 변조를 최소화/예방할 수 있다. 합금강을 만드는 데 이러한 방법은 그다지 적합하지 않은데, 이는 금속의 산화를 고려할 수 없고 이러한 방법으로는 확인할 수도 없기 때문이다.

DE 33 11 232 C2에 의한 방안의 경우, 산소 및 희석가스를 통한 용탕의 정련이 컴퓨터로 제어된다. 이때 가스 유출량은 산출된 값을 사용하여 금속의 산화 정도를 산정함으로써 확정된다.

DE 33 11 232 C2에 기재된 방법은 용탕을 탈탄하는 데는 적합하지만, 탈탄 반응으로부터 금속 산화로 넘어가는 지점에 도달할 때의 시점을 정확히 결정하는 데 사용되는 모델로 인하여 부적합하다. 그 결과 크롬의 용융 손실이 많아지고, 이로써 환원물질(페로실리콘, 석회석)이 추가로 필요하게 될 뿐만 아니라 전로의 수명 역시 줄어든다.

AOD(Argon Oxygen Decarburization, 산소 아르곤 탈탄) 강의 제조 방법에서 통상적으로 이루어지는 공정은 다음과 같다.

장입이 이루어지는 동안(특히 스테인리스강 제조의 경우), 측정(온도, 화학 분석을 위한 표본 추출)이 이루어진다.

- 하부랜스(sublance)를 사용하는 경우, 측정을 위해 공정을 중단할 필요는 없다[온도 표시는 측정용 헤드를 강 욕에 담근 직후 나타난다. 표본을 추출하는 경우에는 실험실의 분석 결과를 (약 3~6분간) 기다려야 한다.]

- 하부랜스를 사용하지 않는 경우, 측정을 위해서는 AOD 공정을 중단해야 한다. 손으로 측정하는 경우에는, 온도도 역시 헤드를 강 욕에 담근 직후 나타난다. 표본 추출시에는 전술한 경우와 마찬가지로 분석 결과를 약 3~6분간 기다려야 한다.

이러한 2가지 측정 방법은, 강 욕에 대한 정보(온도, 화학적 분석)가 어떤 점에 한해서만 생긴다는 단점이 있다. 또한, 인력을 사용하여 측정할 때에는 어떻게 측정하든지 공정이 중단된다(측정을 위해서는 전로를 옮겨야 한다). 이 때문에 각 단계마다 시간을 늘려야 마모에 대한 저항성이 커지고, 전로를 옮김으로써 야기되는 강 욕의 온도가 낮아질 수 있다.

너무 높거나 너무 낮은 온도는 측정이 이루어진 다음에야 보정할 수 있다.

본 발명의 목적은 특히 예를 들어 AOD 공정의 경우처럼 종래에는 조정하기 어려웠던 생산 공정에 대해, 생산 증가, 에너지 절약, 각 단계마다의 시간(ttt- time)의 단축, 플럭스의 효율화 및 생산 공정에서 사용할 수 있는 내화성 소재의 수명 연장을 꾀할 수 있는 방법을 제공하는 데 있다. 본 발명은 특히 크롬-니켈-합금 스테인리스강과 같은 합금강을 제조할 때에도 적용할 수 있다.

본 발명의 목적은 다음의 처리 단계들에 의해 달성된다.

- 이 공정 모델에서는 용탕의 온도 및 용탕의 화학 조성과 같은 실제 공정변수가 특정시간(t_i)까지 상승한 데이터를 이용하여, 실제 공정변수의 최고점때 연산공학으로 직접 시뮬레이션함으로써 나중 시점(t_i+dt)에 대한 공정변수, 주로 공정 최종변수를 산출한다.

- 시뮬레이션한 공정 변수가 바람직한 설정치에서 벗어난 경우, 연산공학을 이용한 공정 모델을 이용하여 실제 공정변수를 변화시키기 위한 보정 방안을 예측하고, 이에 상응하여 실제 공정변수를 변화시킨다.

- 나중 시점(t_i+dt)시 실제 공정변수가 계속 상승한 데이터를 이용하여 이 방법을 반복한다.

본 발명에 따르면 특정 시점에 적어도 용탕의 온도 또는 화학 조성에 대한 측정이 이루어진 다음, 측정치를 지닌 공정 모델을 기초로 나중 시점(주로 최종 시점)에 대한 값이 산출되며, 측정치에 의해 높게 계산된 값이 바람직한 소정의 값에서 벗어난 경우에는 공정 변수에 대한 보정 조치가 취해진다. 이것은 바로 이루어지거나 또는 나중 시점에도 이루어질 수 있다. 예를 들어 장입 종료 후의 온도가 너무 높다면 냉각용 스크랩을 첨가함으로써 보정할 수 있다. 이것은 바로 측정 시점에 이루어지거나, 또는 야금학적인 이유에서 공정에 유리하다면 약간 늦춰서 이루어질 수 있다.

측정이 이루어진 후 측정 데이터의 처리가 빠를수록, 본 발명에 따른 방법의 실행은 더욱 잘 실현될 수 있다. 온도 측정뿐만 아니라 화학적 분석에 있어서도, 측정시에 측정된 데이터를 처리하는 측정 방법들은 잘 알려져 있다(WO 97/22859 및 WO 02/48661). 이와 같이 용탕의 온도(㎳) 및 다수의 측정치들의 평균을 낸 온도(s)를 활용할 수 있다. 활용 가능한 화학적 분석의 수치는, 예를 들면 0.05s 내지 1s이고, 약 100번 측정하여 평균을 낸 값은 5s 내지 10s이다.

공정 모델을 이용하여 특정한 시점(t₁)에 상승한 실제 공정변수 데이터의 타당성을 검증하고, 공정 변수의 시뮬레이션를 위해 타당성 있는 데이터만을 활용하며, 타당성이 없는 데이터는 포기하는 것이 바람직하다. 데이터를 포기하는 경우, 최종적으로 규정된 타당성 있는 데이터들을 기초로 시뮬레이션을 계속한다. 이로써 예를 들면 측정 오류 때문에 발생하는 오류 데이터들에도 불구하고, 지연없이 본 방법의 목적을 달성하면서 이 방법을 종료할 수 있다.

장애가 발생하여 측정 오류가 일어날 수 있다. 예를 들어 측정 센서의 슬래그 점적(spot)이나, 측정 센서를 이용하여 용탕을 관찰할 수 있는 야금용기의 입구를 덮는 것 등이 이러한 장애들에 해당된다. 후자의 경우, 지나간 상태를 꾸준히 계속 측정한다. 이러한 영구적인 측정값은 특정 시기에만 허용된다. 그 시간의 지속은 방법의 진행, 측정값 및 이미 수행된 방법의 추이에 좌우된다. 영구적인 측정값이 허용되지 않는 것으로, 즉 타당성이 없다고 인정된다면, 문제를 해결하기 위해 직접 개입하여, 예를 들면 막혀서 용탕을 관찰할 수 없게 된 입구를 강제로 열거나, 경우에 따라서는 윈도우를 깨끗이 세척할 수 있다.

특정 시간에 공정의 이상적인 경로에 의해 미리 결정된 값의 소정의 대역폭을 벗어나는 측정값들은 타당성 검사를 통해 제거할 수 있다. 이러한 대역폭은 소정의 이상치의 치수(±10%), 주로 ±5% 내에서 움직인다. 이상적인 공정 경로 또는 소정 시간시의 이상값은 경험치 또는 산정된 수치를 근거로 확정된다. 새로운 측정치가 대역폭을 벗어나지 않으면, 즉 새로운 측정치가 타당하다고 수용된다면, 이 새로운 측정치에 의해 다시 공정의 이상적인 경로가 경험치 또는 산정치를 기초로 하여 윤곽을 드러내고, 시뮬레이션은 이러한 새로운 방법의 진행을 기초로 하여 계속된다. 그 결과 선행해서 그 사이에 지나간 공정의 이상적인 경로들 중 하나의 대역폭 밖에 있는 측정치는 최종적으로 수용되고 타당한 것으로 인정된다. 이로써 시스템은 자체 학습(self-learning)이 가능해진다.

모든 가변 공정 변수의 경우, 자체의 공정 모델 모듈을 사용하는 것이 바람직하다. 공정 모델에서 예를 들어 탈탄, 탈황, 온도 산정 및 합금 원소들을 함유한 합금 등과 같이 특정 기능을 담당하는 그 자체로 완결된 부분을 공정 모델 모듈이라 할 수 있다. 그러나 개별적인 작용들이 상호 영향을 미치는 한, 공정 모델 모듈들은 이러한 영향을 고려하기 위해 상호 결부된다.

공정 모델 자체 또는 적어도 하나의 공정 모델 모듈은 선호되는 실시예에 따 르면 자발적인 정보 처리 능력을 지니고 있다. 또한, 본 발명의 목적은 자체 처리 능력을 지닌 시스템에 의해 달성된다. 이 시스템은 입력된 사전 정보를 기초로 하여, 확실하면서 가능한한 효율적인 공정 유도를 위해 독자적으로 상황에 맞게 지시를 내린다. 독자적으로 주어지는 지시들은 또한 실제 데이터와 계속 비교되면서 타당성을 검증받는다.

입력된 사전 정보(공정 정보)는 생산이 이루어지는 동안 공정에서 획득된 정보에 의해 독자적으로 계속 개선된다. 자체적으로 만들어지는 이러한 공정 정보를 데이터 기억 유닛이 새로운 사전 정보로 넘겨받는다. 즉 공정의 또다른 적응 또는 효율화를 위한 기초가 계속 개선되는 것이다.

본 발명에 따른 방법을 실행함에 있어서, 품질이 상이한 경우 기존의 작동 방식(예를 들어 오랜 기간의 경험을 통해 얻어진 노하우)으로 효율화시켜, 각각의 품질마다 공정에 유리한 변화들(가령 O₂의 환원, 공정온도 추이를 더욱 낮은 값으로 효율화시키는 것, 기체양의 환원/효율화, 공정시간의 단축...)을 맡아서 저장하는 것이 바람직하다. 이를 계속하면 공정 효율화 단계들이 더욱 빨리 진행된다. 이러한 과정은 특히 뉴런 회로를 이용하여 실행된다.

방법을 효율적으로 수행하기 위해, 실제 공정변수가 연속으로 이어지는 2개의 최고점 사이의 시간차는 공정 지속 시간 중 적어도 일부분 동안 대단히 작게 유지된다. 시간차는 극히 작은 것이 바람직하다. 즉 실제 공정변수는 계속 상승한다.

대단히 양호한 최종 결과들을 얻을 수 있는 특히 간단한 공정 모델은, 배기가스의 화학조성 및 장입된 물질의 화학조성뿐만 아니라 경우에 따라서는 슬래그의 화학조성 역시 실제 공정변수들로 상승한다는 특징을 지닌다.

배기가스의 화학조성 및 장입된 물질의 화학조성뿐만 아니라 경우에 따라서는 슬래그의 화학조성 역시 공정변수들로 추가로 상승하는 것이 바람직하다.

완성된 용탕의 특성을 말해주는 특성값을 나타내는 공정 최종 변수를 가능한한 소정 이상치에 일치시키기 위해서는, 흐름(flow), 압력, 온도, 및 기체들의 조성 및/또는 공정 모델에서 플럭스의 양, 조성 및 장입 속도와 같은 조정 가능한 공정 변수들의 효율을 최대한으로 높이는 것이 바람직하다.

본 발명에 따른 방법은 방법이 수행되는 동안 이루어지는 특정 시점의 실제 상황에 대한 정보를 기초로 한다. 전술한 바와 같이, 적어도 가장 중요한 공정 단계들에 대한 실제상황의 영구적인 정보는 본 발명에 따른 효율적인 방법을 가져온다. 실제 상태, 즉 실제 공정변수의 정보를 기초로 하여, 예컨대 산소 유출, 불활성 가스 방출, 첨가 시점, 화학 조성 및 플럭스의 양 등과 같은 공정 변수들이 효율적으로 변한다. 실제 상황의 정보가 있으면 목표 지점에 정확히 닿을 수 있다. 예를 들어 용탕의 화학 조성 및 온도에 대한 정보만 있으면 이미, 더 첨가해야 하는 부족한 물질들 및 기체양을 적시에 양 및 분석에 꼭 맞게 장입할 수 있다.

특히 AOD 공정용 강 욕을 제조하기 위한 용융의 진행은 다음과 같이 이루어진다.

이 모델의 경우, 공정 변수 y=f(제어변수, 영향을 미칠 수 없는 공정 변수) 를 위한 정적 공정 거동은 각각의 고급 제품의 기준에 따라 형성된다. 이로부터 산정된 공정 변수(y^*)는 제조할 제품의 특성을 말해주는 통상적인 변수로서, 실제로 나타나는 최종 변수(y)로부터는 다소 벗어난다.

공정 모델을 모델 적응으로 개선함으로써, 모델 거동을 가능한한 실제 공정 거동에 일치시킬 수 있다.

공정 최적화 장치로 실행되는 효율화 방법을 이용하여, 양호한 공정 거동을 유도하는 제어변수를 찾을 수 있다. 예를 들어 강 욕의 온도가 너무 높으면, 산소 공급을 줄이거나 냉각 스크랩 또는 합금 원소들에 대한 첨가 시점을 바꿀 수 있다.

공정 모델은 퍼센트가 일정할 때 불안정한 정보를 근거로 하기 때문에, 이미 획득한 공정 데이터들에 의거하여 적용되고 변화된다. 이러한 적용은 지난 공정 상태의 데이터를 근거로 하는 공정 모델 적용과 함께 이루어진다. 공정 결과들의 조절은 타당성을 시험함으로써 이루어진다.

공정 모델 함수로는 다음의 함수들을 구비한다.

야금학 방정식

알고리즘, 변수

내부 모델 인터페이스의 확정

구조, 내부 진행

공정 모델을 시작하기 전에 예비 용탕 및 슬래그의 상태를 아는 것이 필요하다.

초기 분석, 플럭스 분석 및 장입된 기체량 등은 어렵지 않게 정확하게 정해질 수 있고, 언제라도 활용 가능하다. 강 욕 온도에 대한 정보, 배기가스 조성 및 강 욕의 분석은 스냅샷(snapshot)을 기초로 하고, 스냅샷은 예를 들어 WO 97/22859 또는 WO 02/48661에 의해 이루어지는 것처럼, 금속 욕용으로 연속 작업하는 온도 측정 및 분석 시스템에 의해 실현된다.

이러한 정보들을 알아야 기존 모델들을 최대한 효율적으로 만들고 보충할 수 있게 된다. 예를 들어 본 발명에 의해 구상된 AOD 모델은 이 점을 고려하여, 실제 상태를 알고 난 후 공정 모델 변수를 적응시키고/변화시킴으로써, 추구되는 설정치에 실제로 도달하도록 이루어졌다. 이러한 처리 방법을 이용하여, FF-소비를 줄이고 관류량을 효율화시키며 ttt-시간을 단축할 수 있다. 뿐만 아니라 의도적인 이용 계획을 통해 플럭스의 양을 효율화시킬 수 있다.

세부적인 모델 설명

도 1에 도시한 AOD 전로(1)에 따르면, 산소 및 희석 가스(불활성 가스)는 상부랜스(toplance)(2)에 의해서뿐만 아니라 전로(1)의 강 욕 레벨(4) 아래에 제공되는 노즐(3)에 의해서도 전로 내부(5)로 장입된다. 전로(1)는 제강 전로에서 통상적으로 이루어지는 것처럼, 기울어지게 할 수 있도록 장착된다(도시되지 않음). 전로(1)는 또한 강 욕(7)의 온도 측정을 위한 장치(6) 및 강 욕(7)의 화학적 분석을 규정하기 위한 장치(8)를 구비한다. 이 외에도 측정 장치(9, 10)를 이용하여, 상부랜스(2) 및 노즐(3)에 의해 장입된 기체들의 관류량을 확인할 수 있다. 전로(1)로부터 나오는 배기가스는 화학 조성에 관한 한 이와 마찬가지로 분석장치(11)로 분석되고, 이러한 분석장치(11)는 배기가스 굴뚝(도시하지 않음)에 구비된다.

방법을 실행하기 전에, 전로(1) 내에 장입된 강 욕(7)에 의해 중량, 화학적 분석 및 온도가 확인된다. 예비 용탕 위에 놓여 있는 슬래그(12)에 의해서도 중량, 화학 조성 및 온도가 결정될 수 있다. 또한 계획적으로 투입되는 플럭스에 의해서도 중량, 화학 조성 및 온도를 알 수 있다.

강의 품질 및 출탕 상태에 대한 표시는 출탕 시점시의 강 원소들의 모든 한계값 및 목표값뿐만 아니라 출탕 온도도 포함한다.

모델 산출을 위해서는 다음의 데이터를 실제 공정변수로 여기는 것이 바람직하다.

1. 노즐(3): Ar, N₂, O₂, 공기, CH₄ 또는 C_nH_m(N㎥/h)에 대한 관류량 = f(t)

2. 상부랜스(2): Ar, N₂, O₂에 대한 관류량 = f(t)

3. 상부랜스(2)의 위치 = f(t)

4. 물질 첨가제: 종류, 화학 조성, 속도, 중량, 온도 = f(t)

5. 강 욕(7)의 화학적 분석 = 함수(t)

6. 강 욕(7) 온도 = 함수(t)

7. 전로 위치(기울기 정도) = f(t)

8. 배기가스: 화학 조성, 온도, 양 = f(t)

강 욕(7)에서 온도 및 원소의 농도는 다음의 정의에 의해 결정된다.

농도[설정치(should), 강 욕에서의 원소 x][%;t] = 농도[실측치(is), 강 욕에서의 원소 x][%, t-Dt] + f[기체량(Nl/min), 기체 종류, 강 욕의 사용 중량(t₀), 플럭스의 중량, 수율, 온도; t-Dt]. 농도(실수값, 플럭스에서 원소 x)[%]

여기서,

f(..,t), g(...,t)는 시간에 따른 함수를,

f는 시간을,

should는 설정치를,

is는 실측치를,

플럭스는 합금 원소, 냉각 스크랩, 슬래그 형성자, ....

를 의미한다.

1. 강 욕에서 원소 x의 농도:

전체 농도(설정치, 원소 x) = 100%

농도(원소 x)(%;t) = f(기체량(Nl/min), 기체 종류, 강 욕의 사용 중량(t₀), 플럭스 중량, 수율, 온도; t-Dt). 농도(실제값, 플럭스의 원소 x)[%]

2. 강 욕 온도의 결정:

온도 설정치(t) = 온도 실측치(t-Dt) + g(산화, 기체량(Nl/min), 열손실, 배기가스 손실; t-Dt)

t-Dt......측정은 시점(t-Dt)에 이루어진다. 이때 Dt는 2가지의 계산 단계 사이에 있는 시간 단계이다. Dt가 작을수록 설정 커브는 좀더 정확해질 수 있다.

시간 간격이 짧은 경우에는, 측정 데이터가 강 욕의 실제 상태를 나타낼 필요가 있다.

모델을 산출하는 동안 강, 슬래그, 배기가스를 위한 원소들(%) 및 온도(℃)치(구성 성분, 양) 및 시점(i) 때의 열균형은 모델이 시작된 후 주기적으로 산출된다.

기체상, 강 및 슬래그가 균형을 이룬다.

이때 균형을 이루기 위해, 각 시기마다 각각의 원소/각각의 물질에 대한 총량(kg 또는 Mol)이 제시된다.

원소 x에 대한 균형 방정식은 다음과 같다:

중량 xⁱ⁺¹ = 중량 xⁱ + ∑첨가제_k* x_k* 수율_k - 중량 x_산화 - 중량 x_증기

x_k는 첨가제 k의 x 함유량,

수율 _k는 플럭스 k의 수율,

중량 x_산화는 시점 Dt에 산화되는 물질 x의 중량,

중량 x_증기는 시점 Dt에 나타나는 증발 손실을 나타낸다.

산화 및 환원산물들은 슬래그상 및 기체상에서 고려될 수 있다.

중요한 반응들(이것들은 데이터뱅크에 있음)은 다음과 같다:

1/2 O₂→ [O]

[C] + [O] → CO_기체

CO_기체 + 1/2O_2기체→ CO₂

Fe + [O] → (FeO)

[Mn] + [O] → (MnO)

[Mo] + 2[O] → (MoO₂)

2[Al] + 3[O] → (Al₂O₃)

2[P] + 5[O] → (P₂O₅)

반복 및 계산 과정의 진행은 논리적인 도면에 따라 도 3 및 도 4에 도시한다. 도 3은 탈탄 공정에서, 도 4는 환원 공정에서 중요하다. 이러한 공정들의 기초는 다음의 산출 형태들이다.

CrO₃ + 2Al → 2[Cr] + Al₂O₃

CrO₃ + 3Si → 2[Cr] + 3/2SiO₂

2FeO + Si → 2[Fe] + SiO₂

3FeO + 2Al→3[Fe] + Al₂O₃

2MnO + Si→2[Mn] + SiO₂

3MnO + 2Al → 2[Mn] + Al₂O₃

합금 및 냉각 연산

1. 합금 물질

합금 물질의 산정은 주로 2가지 목적을 추구한다.

a) 분석의 조절

b) 출탕 중량의 도달

예비 용탕의 상태(강 욕의 화학적 분석, 중량, 온도)에서 출발하여, 모든 필요한 첨가물은 의도적인 출탕 분석으로 산정된다.

사전 산출을 위한 합금 물질의 선택은 다음의 기준에 따라 결정된다:

- 비용의 효율화, 즉 각각의 합금 원소에 대한 비용의 최소화.

- 탄소의 2% 이상(C > 2%) 첨가는 단계 1, 2a, 2b에서만 허용된다.

- 크롬첨가: 단계 1 및 2a(50%), 2b(50%), 환원[정밀조정]에서 허용된다.

- 니켈첨가: 단계 2c(90%)에서 허용되고, 나머지는 단계 3(30%), 단계 4 (20%), 환원(20%)에서 첨가된다.

- 망간 첨가: 단계 2b(100% HCMn)에서 허용되거나,

단계 2b(50%)에서 첨가되고, 나머지는 SiMn과 함께 (활용 가능하다면) 환원상에서 첨가된다.

- 질량 구성을 위해 중성의 추가 첨가물은 출탕 분석으로 산정된다.

서로 다른 단계들 사이에서 합금 물질의 첨가 시점을 옮기면 바람직한 온도를 유지할 수 있다.

합금 산정을 위한 논리적인 설명은 도 5에서 알 수 있다.

2. 냉각

냉각을 위해서는 우선적으로 FeNi 또는 Ni, 석회 및/또는 스크랩이 사용된다.

석회/돌로(Dolo) 소비

석회 및 돌로의 전체 소비는 전체 공정이 이루어지는 동안 Si 입력 및 SiO₂ 입력에 따른다.

SiO₂(㎏/t) = ∑SiO_2j(%) + j_첨가 + 2.14^*(∑Si%^*j_첨가 ^* + Si_환원)

석회/돌로 소비의 산정에 대한 논리적인 설명은 도 6에서 재현한다.

이 공정 모델의 경우 주로 다음의 모델 함수들이 사용된다:

+ 욕 레벨 산정

+ 장입 모델

+ 열 모델 산정

+ 분석 산정

+ 질소 모델

+ DeC-모델

+ DeC-모델(출탕의 정밀 조정)

+ 환원 모델

+ DeS-모델

+ 중성 플럭스 모델

+ 합금 모델

+ 출탕 모델

+ 온도 모델

+ T-조절 모델 함수

+ 리블로우(Reblow) 모델

모델 산정의 결과들은 강 욕 온도, 슬래그 온도, 강 욕의 분석 및 배기가스 측정의 실제치와 계속 비교된다.

예:

하기의 공정 진행은, 사용된 조강으로부터 시작하여 완성품에 이르기까지 품질 AISI 304의 제조를 보여준다. 도 7 및 도 8은 이러한 공정 진행에서 나타나는 온도 변화의 추이 및 (C, Mn, Cr, Ni의 경우) 화학적 분석의 변화 추이를 도시한다.

연속적인 온도 및 분석 측정과 연관된 AOD 공정 모델

AISI 304용 공정 진행: 1. 장입하기(슬래그 형성자를 첨가하지 않음) 2. 온도 측정(수동 또는 연속적인 T-측정 시스템을 이용함) 3. 상부랜스를 구비한 제1 블로우 단계 4. 제1 블로우 단계 전체가 진행되는 동안 이루어지는 온도 및 강 욕 분석의 연속적인 측정 5. 상부랜스를 구비하지 않은 제2 블로우 단계 내지 제4 블로우 단계 6. 제2 블로우 단계 내지 제4 블로우 단계 전체가 진행되는 동안 이루어지는 온도 및 강 욕 분석의 연속적인 측정 7. 제5 블로우 단계 8. 제5 블로우 단계 전체가 진행되는 동안 이루어지는 온도 및 강 욕 분석의 연속적인 측정 9. 환원 및 탈황 단계 10. 환원 및 탈황 단계 전체가 진행되는 동안 이루어지는 온도 및 강욕 분석의 연속적인 측정 11. 분석 목표 및 목표 온도에 도달했을 때, 출탕이 이루어지는 동안 합금제를 레이들에 첨가함으로써 규소(Si)-정밀 보정이 이루어질 수 있는 출탕

표1: 블로우 도식 AISI 304
	O₂-랜스 [N㎥/분]	O₂-노즐 [N㎥/분]	N₂-랜스 [N㎥/분]	Ar-랜스 [N㎥/분]	C목표함유량 [%]	목표온도 [℃]
단계 1	100	30	15	-	0.6	1710
단계 2	-	60	20	-	0.4	1740
단계 3	-	45	45	-	0.2	1760
단계 4	-	20	60	-	0.08	1750
단계 5	-	12	48	-	0.04	1750
환원 및 탈황	-	-	-	45	-	1665

탄소 제거 효율(CRE) CRE 단계 1: 평균 78% CRE 전체: 평균 68%

1. 장입(단계 1)

사용 중량: 강 86.5t

슬래그 0.6t

분석

C	1.8
Si	0.14
Mn	0.59
P	0.023
S	0.024
Cr	19.03
Ni	7.14

현재 시간의 온도 t=O: 1538℃

매질 소비: 표 1 참조

첨가: 돌로마이트(dolomite) 1500㎏

석회 2000㎏

FeNi 1500㎏

단계 1 후의 온도: 1709℃

단계 1의 처리 시간: 11.25분

2. 탈탄 단계 2(단계 2)

단계 1 후의 분석

C	0.507
Si	0.0
Mn	0.49
P	0.023
S	0.022
Cr	18.39
Ni	7.91

매질 소비: 표 1 참조

첨가: 석회 1000㎏

FeNi 1000㎏

단계 2 후의 온도: 1743℃

단계 2의 처리 시간: 4.83분

3. 탈탄 단계 3(단계 3)

단계 2 후의 분석

C	0.347
Si	0
Mn	0.475
P	0.023
S	0.022
Cr	17.77
Ni	8.34

매질 소비: 표 1 참조

첨가: 석회 1500㎏

단계 3 후의 온도: 1760℃

단계 3의 처리 시간: 5.66분

4. 탈탄 단계 4(단계 4)

단계 3 후의 분석

C	0.199
Si	0
Mn	0.457
P	0.023
S	0.021
Cr	17.426
Ni	8.395

매질 소비: 표 1 참조

첨가: 석회 480㎏

분쇄기(shredder) 1000㎏

단계 4 후의 온도: 1749℃

단계 4의 처리 시간: 7.92분

5. 탈탄 단계 5(단계 5)

단계 4 후의 분석

C	0.119
Si	0
Mn	0.462
P	0.0238
S	0.0209
Cr	17.197
Ni	8.431

매질 소비: 표 1 참조

첨가:

단계 5 후의 온도: 1752℃

단계 5의 처리 시간: 16.08분

6. 환원 및 탈황 단계

단계 5 후의 분석

C	0.0397
Si	0
Mn	0.453
P	0.024
S	0.0208
Cr	16.853
Ni	8.479

매질 소비: 표 1 참조

첨가: CaF2 710㎏

SiMn 900㎏

FeSi 1602㎏

Nimet 90㎏

냉각재(ss) 500㎏

환원 및 탈환 단계 후의 온도: 1660℃

7. 출탕

분석

C	0.0558
Si	0.5933
Mn	1.2516
P	0.0251
S	0.0003
Cr	18.485
Ni	8.0788

출탕 온도: 1660℃

출탕 중량: 90.5t

슬래그: 9.478t

도 7 및 도 8에 도시한 입체단면도의 커브 추이를 통해, 설정 커브와 거의 완벽하게 일치하고 있음을 알 수 있다. 이것은 실제 공정 진행이 소정의 이상적인 공정 진행에 따라 이루어지고, 목표값들이 극미한 편차들을 갖는 것은 단지 측정의 부적확성 때문일 수 있음을 의미한다. 이것이 본 발명에 의해 제공된 방안으로 공정에 개입함으로써 이루어질 수 있다면, 측정 결과 및 이에 근거를 두고 구성되는 시뮬레이션를 기초로 하여, 예상되는 결과들의 사전 산정, 목표값들의 편차를 예상할 수 있다.

또한, 이러한 역학 모델을 위한 학습 효과가 이미 수행된 공정 진행을 기초로 하여 생길 수 있다.

Claims

하나의 공정 모델에 따라 진행되고 야금설비를 제어하는 연산 공학을 기초로 하여 합금, 스테인레스강 또는 고급강을 제조하기 위한 아르곤 산소 탈탄법(argon oxygen decarburization process, AOD법)에 있어서,

상기 공정 모델은 실제 공정변수, 제어변수 및 공정 최종 변수 사이에서 적어도 하나의 가변 공정변수에 대한 거동을 설명하며,

상기 아르곤 산소 탈탄법은,

상기 공정 모델에서 용탕의 온도 및 용탕의 화학 조성과 같은 실제 공정변수가 특정시간(t_i)까지 상승한 데이터를 이용하여, 실제 공정변수의 최고점에서 연산공학으로 직접 시뮬레이션함으로써 나중 시점(t_i+dt)에 대한 공정 변수를 산출하는 단계,

시뮬레이션한 공정 변수가 바람직한 설정치에서 벗어난 경우, 연산공학을 이용한 공정 모델을 이용하여 실제 공정변수를 변화시키기 위한 보정 방안을 예측하고, 이에 상응하도록 실제 공정변수를 변화시키는 단계, 및

나중 시점(t_i+dt)에 실제 공정변수가 계속 상승한 데이터를 이용하여 상기 두 가지 단계를 반복하는 단계를 포함하는 것

을 특징으로 하는 아르곤 산소 탈탄법.
제1항에서,

상기 공정 모델을 이용하여 특정 시점(t₁)에 상승한 실제 공정변수의 데이터의 타당성을 검증하고, 공정 변수의 시뮬레이션를 위해 타당성 있는 데이터만을 활용하고 타당성이 없는 데이터를 포기하며, 데이터를 포기하는 경우, 최종적으로 규정된 타당성 있는 데이터들을 기초로 시뮬레이션을 계속하는 것을 특징으로 하는 아르곤 산소 탈탄법.
제2항에서,

상기 데이터들은 공정 변수의 시뮬레이션를 위해 타당하다고 제시되고, 경험치 또는 산정치를 기초로 하는 공정의 이상적인 경로의 대역폭(±10%)에 있는 것을 특징으로 하는 아르곤 산소 탈탄법.
제2항 또는 제3항에서,

타당하다고 인정된 테이터를 사용하여 새로운 이상적인 경로를 생성하고, 이를 다시 공정에 이용하는 것을 특징으로 하는 아르곤 산소 탈탄법.
제1항에서,

각각의 가변 공정 변수의 경우, 자체의 공정 모델 모듈이 적용되는 것을 특징으로 하는 아르곤 산소 탈탄법.
제1항에서,

상기 공정 모델 또는 공정 모델의 적어도 하나의 모듈은 지능적인 자체 효율화 함수를 가지는 것을 특징으로 하는 아르곤 산소 탈탄법.
제1항에서,

실제 공정변수가 연속으로 이어지는 2개의 최고점 사이의 시간차는 공정 지속 시간 중 적어도 일부분 동안 극히 작은 것을 특징으로 하는 아르곤 산소 탈탄법.
제1항에서,

배기가스의 화학 조성 및 장입된 물질의 화학 조성이 실제 공정변수들로서 상승하는 것을 특징으로 하는 아르곤 산소 탈탄법.
제1항에서,

흐름(flow), 압력, 온도, 및 기체들의 조성, 또는 공정 모델에서 플럭스의 양, 조성 및 장입 속도와 같은 조정 가능한 공정 변수들을 효율화시키는 것을 특징으로 하는 아르곤 산소 탈탄법.
삭제
삭제
삭제
제1항에서,

상기 나중 시점(t_i+dt)에 대한 공정 변수를 산출하는 것은 공정 최종 변수를 산출하는 것인, 아르곤 산소 탈탄법.
제2항에서,

상기 데이터들은 공정 변수의 시뮬레이션를 위해 타당하다고 제시되고, 경험치 또는 산정치를 기초로 하는 공정의 이상적인 경로의 대역폭(±5%)에 있는 것을 특징으로 하는 아르곤 산소 탈탄법.
제6항에서,

상기 공정 모델 또는 공정 모델의 적어도 하나의 모듈은 뉴런 회로(neural network)를 사용하는 것을 특징으로 하는 아르곤 산소 탈탄법.
제8항에서,

슬래그의 화학 조성이 추가적으로 실제 공정변수로서 상승하는 것을 특징으로 하는 아르곤 산소 탈탄법.
제16항에서,

흐름(flow), 압력, 온도, 그리고 기체들의 조성, 및 공정 모델에서 플럭스의 양, 조성 및 장입 속도와 같은 조정 가능한 공정 변수들을 효율화시키는 것을 특징으로 하는 아르곤 산소 탈탄법.