KR102045553B1 - 가열로 에너지 사용량 예측 장치 - Google Patents

가열로 에너지 사용량 예측 장치 Download PDF

Info

Publication number
KR102045553B1
KR102045553B1 KR1020170176826A KR20170176826A KR102045553B1 KR 102045553 B1 KR102045553 B1 KR 102045553B1 KR 1020170176826 A KR1020170176826 A KR 1020170176826A KR 20170176826 A KR20170176826 A KR 20170176826A KR 102045553 B1 KR102045553 B1 KR 102045553B1
Authority
KR
South Korea
Prior art keywords
furnace
unit
information
heating furnace
modeling
Prior art date
Application number
KR1020170176826A
Other languages
English (en)
Other versions
KR20190075327A (ko
Inventor
이진희
Original Assignee
주식회사 포스코
재단법인 포항산업과학연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코, 재단법인 포항산업과학연구원 filed Critical 주식회사 포스코
Priority to KR1020170176826A priority Critical patent/KR102045553B1/ko
Publication of KR20190075327A publication Critical patent/KR20190075327A/ko
Application granted granted Critical
Publication of KR102045553B1 publication Critical patent/KR102045553B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems

Abstract

본 발명은, 압연공정에서 생산계획에 의해 주어지는 슬라브의 기본 정보들을 이용하여 가열로에서 사용되는 에너지의 사용량을 사전에 예측할 수 있는 가열로 에너지 사용량 예측 장치에 관한 것으로, 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치는 생산 계획에 의한 압연 공정 정보 중 슬라브 정보를 추출하는 추출부, 상기 추출부에 의해 추출된 슬라브 정보와 가열로에 투입되는 에너지 사용량의 관계를 모델링하는 모델링부, 상기 모델링부의 모델에 따라 상기 가열로에 투입되는 에너지 사용량을 예측하는 예측부를 포함할 수 있다.

Description

가열로 에너지 사용량 예측 장치{APPARATUS FOR PREDICTING THE ENERGY USAGE OF A HEATING FURNACE}
본 발명은 제철소 압연용 가열로에 투입되는 에너지 사용량을 예측하는 가열로 에너지 사용량 예측 장치에 관한 것이다.
일반적으로 열간 압연 라인은 피압연재를 가열하는 가열로, 가열된 피압연재를 압연하는 조밀 및 마감 밀, 피압연재를 냉각하는 냉각 장치 및 압연 후의 피압연재를 코일형으로 감는 권취기로 구성된다.
피압연재에 대해서 원하는 재질을 실현하기 위해, 가열로내의 분위기 온도가 조정되고 피압연재가 가열된다. 열간 압연 라인의 피압연재의 온도 이력은 피압연재의 재질(기계적 성질)에 영향을 주는데, 이러한 압연 처리를 위해 가열로에 에너지 공급이 필요하다.
가열로의 상태에 따라 운전자들이 개입하여 경험적으로 각 구역 별 열량공급을 제어하고는 있으나 이 방식의 경우 표준화된 방법이 정립되어 있지는 않아, 가열로 에너지 사용량 예측이 필요하다.
대한민국 공개특허공보 제10-2012-0095273호 대한민국 공개특허공보 제10-2016-0111477호
본 발명의 일 실시예에 따르면, 압연공정에서 생산계획에 의해 주어지는 슬라브의 기본 정보들을 이용하여 가열로에서 사용되는 에너지의 사용량을 사전에 예측할 수 있는 가열로 에너지 사용량 예측 장치가 제공된다.
상술한 본 발명의 과제를 해결하기 위해, 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치는 생산 계획에 의한 압연 공정 정보 중 슬라브 정보를 추출하는 추출부, 상기 추출부에 의해 추출된 슬라브 정보와 가열로에 투입되는 에너지 사용량의 관계를 모델링하는 모델링부, 상기 모델링부의 모델에 따라 상기 가열로에 투입되는 에너지 사용량을 예측하는 예측부를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 제철소에서의 실시간 부생가스 수급 운전을 최적화할 수 있고, 부생가스 별 수급 불균형에 따른 방산을 저감할 수 있으며, 수전 비용을 절감할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 개략적인 구성도이다.
도 2는 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 모델링 방법을 개략적으로 나타내는 플로우챠트이다.
도 3은 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 예측 실행 방법을 개략적으로 나타내는 플로우챠트이다.
도 4는 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 학습 모델의 개략적인 개념도이다.
도 5는 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 에너지 사용량 예측 그래프이다.
도 6은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 개략적인 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치(100)는 추출부(110), 모델링부(120) 및 예측부(130)를 포함할 수 있다.
추출부(110)는 생산 계획에 의한 압연 공정 정보 중 슬라브 정보를 추출할 수 있다. 즉, 추출부(110)는 압연 생산계획 전문 및 진행 이벤트 전문으로부터 모델에 사용되는 입력데이터들을 추출할 수 있다.
모델링부(120)는 학습 모델을 구비하고, 상기 학습 모델을 학습시켜 추출부(110)에 의해 추출된 슬라브 정보와 가열로에 투입되는 에너지 사용량의 관계를 모델링할 수 있다.
예측부(130)는 모델링부의 모델에 따라 상기 가열로에 투입되는 에너지 사용량을 예측할 수 있고, 가열로에 가스를 공급하는 가스 공급부의 동작을 제어할 수 있다.
도 2는 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 모델링 방법을 개략적으로 나타내는 플로우챠트이다.
도 1과 함께, 도 2를 참조하면, 추출부(110)는 압연 생산계획 전문 및 진행 이벤트 전문으로부터 학습 모델에 사용되는 입력데이터들을 추출하고(S1,S2) 가열로에 투입되는 에너지 정보를 출력데이터로 연계하여 학습 모델의 학습데이터로 입력한다(S3,S4). 이후, 모델링부(120)는 학습 모델의 출력과 실제값의 오차를 계산하여(S5), 현재 학습 모델의 오차가 이전 학습 모델의 오차보다 작으면(S6), 시험용 데이터를 현재 학습 모델에 적용하여(S7), 학습 모델의 출력값과 실제값간의 오차를 계산하고(S8), 현재 학습 모델의 오차가 이전 학습 모델의 오차이하 이면(S9), 즉 충분히 학습시켜 원하는 성능이 나오게 되면 학습을 중지시키고 모델의 상태를 저장하여 최종 모델로 선정한다(S10).
도 3은 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 예측 실행 방법을 개략적으로 나타내는 플로우챠트이다.
도 1과 함께 도 3을 참조하면,마찬가지로 생산계획 및 진행이벤트 전문이 실시간으로 입력되고 모델에 사용되는 입력데이터들이 추출된다(S11, S12, S13). 실제 가열로에 투입된 에너지와 학습 모델의 출력량을 비교하여(S14), 최종 예측 성능을 평가할 수 있다(S15). 오차가 한계 기준치를 벗어나서 증가하게 되는 구간의 데이터들만을 다시 추출하여 재학습시킴으로써 학습 모델을 수정 및 보완할 수 있다(S16, S17).
도 4는 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 학습 모델의 개략적인 개념도이다.
도 1과 함께, 도 4를 참조하면, 먼저, 추출부(110)는 압연공정의 슬라브에 관련된 수백개의 데이터 항목들을 이용해 소수의 에너지 사용량과 연관된 항목들을 추출하게 된다. 소수의 항목들을 추출하는 이유는 입력 항목이 많은 모델들은 입력수에 따라 모델의 복잡도가 상승하여 훨씬 많은 학습 데이터가 필요하게 되며 상대적으로 과적합한 특성을 보이게 될 뿐만 아니라 모델의 좋은 일반화 성능을 보장하기 어려우므로 되도록 작은 항목의 입력을 갖는 모델 구조를 만드는 것이 중요하다. 수백개 이상의 항목들 각각을 에너지 사용량과 비교하는 것은 항목들 사이에 존재하는 상호의존성에 기인하여 최적의 인자들을 선택할 수 없다. 그러므로 수백개의 데이터 항목을 한꺼번에 고려하여 항목들간의 상호의존성을 없앨 수 있는 방법의 선택이 중요하다.
본 발명의 추출부(110)는 수백개의 데이터 군으로부터 동시에 특성 벡터들을 구하고 특성 벡터들로부터 분산 성분들을 추출한 뒤 해당 성분들의 크기가 상대적으로 큰 항목들만을 이용하여 원래의 데이터 항목을 찾는 방법을 이용한다. 수학적인 방법으로 주성분분석(Principal Component Analysis; PCA) 또는 특이값 분해(Singular Value Decomposition; SVD) 등의 방법을 이용할 수 있다.
또한, 상기 가열로에 장입된 개별 슬라브들의 위치 정보는 에너지 사용량에 직접적인 연관관계가 있으므로, 개별 슬라브들의 위치 정보를 찾는 것은 대단히 중요하다. 본 발명의 모델링부(120)는 학습모델의 각 입력 노드의 위치가 가열로에서의 각 영역의 물리적인 위치와 동일하도록 구성한다. 기본적으로 가열로에 장입되는 슬라브의 매수와 학습모델 입력 노드의 총 개수는 일치하지 않는다. 입력 노드는 가열로에 장입될 수 있는 최대 매수를 충분히 크게 상정하여 정한다. 시간의 경과에 따라 슬라브가 가열로 내에서 놓여지는 위치가 변화되므로 학습모델의 입력단에서도 개별 슬라브에 할당되는 입력노드의 번호가 변경되도록 학습모델의 구조가 설계되어야 한다.
슬라브의 장입 및 추출은 동일 시각에 발생하지 않으며 또한 장입되는 슬라브의 연속적인 폭의 변화, 장입된 상태 및 후속공정인 압연라인의 상태에 따라서 비동기적으로 동작하는 경우도 있으며, 본 발명에서는 장입되는 슬라브들의 전체 폭의 합산과 추출되는 슬라브들의 전체 폭의 합산에 대한 정보를 실시간으로 비교함으로써 각 슬라브들의 가열로 내에서의 위치를 추정하며 이를 기반으로 적절한 학습모델의 입력단 번호를 부여하게 된다.
또한, 모델링부(120)는 정상적 또는 비정상적인 휴지에 의해 가열로 조업이 멈추는 경우 현재 슬라브들이 가열로의 어느 위치에 있는가를 버퍼에 저장하며 휴지가 끝나고 조업이 재개될 때 버퍼에 존재하는 정보를 기반으로 각 슬라브들을 학습모델의 정확한 입력노드에 일치시키는 작업을 우선적으로 수행하게 된다. 가열로 휴지와 재가동 사이에는 슬라브들이 불연속으로 존재하는 구간이 필연적으로 발생하게 되므로 버퍼에 저장된 기존 슬라브들의 위치정보와 가열로 장입 및 추출신호를 이용하여 전체 슬라브들의 정확한 물리적 위치를 실시간으로 추적하여 학습모델의 입력노드 번호들을 부여하게 된다.
도 5는 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 에너지 사용량 예측 그래프이다.
도 5를 참조하면 가는 실선의 파형이 가열로에 투입된 실제 에너지 패턴이고, 굵은 실선의 파형이 투입 예측 에너지 패턴을 각각 나타내며, 상기한 에너지 패턴의 하부의 그래프는 실측과 예측의 오차를 나타낸다.
상술한 오차 그래프를 참조하면, 본 발명의 일 실시예에 따른 가열로 에너지 사용량 예측 장치의 에너지 사용량 예측값이 상기 가열로에 투입된 실제 에너지 사용량과 거의 동일한 것을 알 수 있다.
도 6은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 하나 이상의 실시예를 구현하도록 구성된 컴퓨팅 디바이스(1100)를 포함하는 시스템(1000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(1100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.
컴퓨팅 디바이스(1100)는 적어도 하나의 프로세싱 유닛(1110) 및 메모리(1120)를 포함할 수 있다. 여기서, 프로세싱 유닛(1110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다.
또한, 컴퓨팅 디바이스(1100)는 추가적인 스토리지(1130)를 포함할 수 있다. 스토리지(1130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(1130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(1130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(1110)에 의해 실행되기 위해 메모리(1120)에 로딩될 수 있다.
또한, 컴퓨팅 디바이스(1100)는 입력 디바이스(들)(1140) 및 출력 디바이스(들)(1150)을 포함할 수 있다. 여기서, 입력 디바이스(들)(1140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(1150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(1100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(1140) 또는 출력 디바이스(들)(1150)로서 사용할 수도 있다.
또한, 컴퓨팅 디바이스(1100)는 네트워크(1200)을 통하여 다른 디바이스(예를 들어, 컴퓨팅 디바이스(1300))와 통신할 수 있게 하는 통신접속(들)(1160)을 포함할 수 있다. 여기서, 통신 접속(들)(1160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(1100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(1160)은 유선 접속 또는 무선 접속을 포함할 수 있다.
상술한 컴퓨팅 디바이스(1100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크에 의해 상호접속될 수도 있다.
본 명세서에서 사용되는 "구성요소", "모듈", "시스템", "인터페이스" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다. 예를 들어, 구성요소는 프로세서 상에서 실행중인 프로세스, 프로세서, 객체, 실행 가능물(executable), 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 컨트롤러 상에서 구동중인 애플리케이션 및 컨트롤러 모두가 구성요소일 수 있다. 하나 이상의 구성요소는 프로세스 및/또는 실행의 스레드 내에 존재할 수 있으며, 구성요소는 하나의 컴퓨터 상에서 로컬화될 수 있고, 둘 이상의 컴퓨터 사이에서 분산될 수도 있다.
상술한 바와 같이, 본 발명에 따르면, 운전되고 있는 상태에서 슬라브의 정보들이 모델에 입력되고 이들 데이터를 이용하여 온라인(on-line) 상에서 에너지 사용량을 자동으로 추정할 수 있으므로 가열로에 장입되는 슬라브들에 대한 에너지 사용 패턴을 사전에 예측함으로써 제철소에서의 실시간 부생가스 수급 운전을 최적화할 수 있다. 이를 통해 부생가스 별 수급 불균형에 따른 방산을 저감하는 효과와 경제적인 홀더 운영과 연동하여 발전을 가이던스 함으로써 수전 비용을 절감할 수 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.
100: 가열로 에너지 사용량 예측 장치
110: 추출부
120: 모델링부
130: 예측부

Claims (6)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 생산 계획에 의한 압연 공정 정보 중 슬라브 정보를 추출하는 추출부;
    상기 추출부에 의해 추출된 슬라브 정보와 가열로에 투입되는 에너지 사용량의 관계를 모델링하는 모델링부; 및
    상기 모델링부의 모델에 따라 상기 가열로에 투입되는 에너지 사용량을 예측하는 예측부를 포함하고,
    상기 모델링부는 추출된 슬라브 정보 중 슬라브의 위치 정보와 가열로에 투입되는 에너지 사용량의 관계를 모델링하며,
    상기 모델링부는 학습 모델의 입력 노드의 위치와 상기 가열로에서의 각 영역의 물리적 위치를 동일하게 구성하고,
    상기 추출부는 가열로에 장입되는 슬라브들의 전체 폭의 합산과 상기 가열로로부터 추출되는 슬라브 들의 전체 폭의 합산에 관한 정보를 비교하여 각 슬라브들의 상기 가열로 내에서의 위치를 추정하는 가열로 에너지 사용량 예측 장치.
  5. 생산 계획에 의한 압연 공정 정보 중 슬라브 정보를 추출하는 추출부;
    상기 추출부에 의해 추출된 슬라브 정보와 가열로에 투입되는 에너지 사용량의 관계를 모델링하는 모델링부; 및
    상기 모델링부의 모델에 따라 상기 가열로에 투입되는 에너지 사용량을 예측하는 예측부를 포함하고,
    상기 모델링부는 추출된 슬라브 정보 중 슬라브의 위치 정보와 가열로에 투입되는 에너지 사용량의 관계를 모델링하며,
    상기 모델링부는 학습 모델의 입력 노드의 위치와 상기 가열로에서의 각 영역의 물리적 위치를 동일하게 구성하고,
    상기 모델링부는 상기 가열로의 조업이 중단되면, 현재 슬라브들의 가열로내 위치를 버퍼에 저장하고, 조업이 재개되면 상기 버퍼에 존재하는 위치 정보를 기반으로 각 슬라브들을 상기 입력 노드에 일치시키는 가열로 에너지 사용량 예측 장치.
  6. 제5항에 있어서,
    상기 모델링부는 조업이 재개되면 상기 버퍼에 존재하는 위치 정보와 상기 가열로의 장입 및 추출 신호를 이용하여 슬라브들의 물리적 위치를 추적하는 가열로 에너지 사용량 예측 장치.
KR1020170176826A 2017-12-21 2017-12-21 가열로 에너지 사용량 예측 장치 KR102045553B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170176826A KR102045553B1 (ko) 2017-12-21 2017-12-21 가열로 에너지 사용량 예측 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170176826A KR102045553B1 (ko) 2017-12-21 2017-12-21 가열로 에너지 사용량 예측 장치

Publications (2)

Publication Number Publication Date
KR20190075327A KR20190075327A (ko) 2019-07-01
KR102045553B1 true KR102045553B1 (ko) 2019-11-18

Family

ID=67255677

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170176826A KR102045553B1 (ko) 2017-12-21 2017-12-21 가열로 에너지 사용량 예측 장치

Country Status (1)

Country Link
KR (1) KR102045553B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220145037A (ko) 2021-04-21 2022-10-28 브이앤씨테크 주식회사 산업용 온도제어장치 내 장입량 추정 시스템 및 그 추정 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100860652B1 (ko) * 2007-04-13 2008-09-26 현대제철 주식회사 압연제품 치입불 감시 장치 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5666338B2 (ja) 2011-02-18 2015-02-12 東芝三菱電機産業システム株式会社 エネルギー消費量予測装置
KR20130020148A (ko) * 2011-08-19 2013-02-27 재단법인 포항산업과학연구원 열연 코일의 생산에 필요한 전력 사용량 추정 방법 및 장치
WO2015111199A1 (ja) 2014-01-24 2015-07-30 東芝三菱電機産業システム株式会社 圧延ラインのエネルギー消費量予測装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100860652B1 (ko) * 2007-04-13 2008-09-26 현대제철 주식회사 압연제품 치입불 감시 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220145037A (ko) 2021-04-21 2022-10-28 브이앤씨테크 주식회사 산업용 온도제어장치 내 장입량 추정 시스템 및 그 추정 방법

Also Published As

Publication number Publication date
KR20190075327A (ko) 2019-07-01

Similar Documents

Publication Publication Date Title
Liu et al. Robust modeling method for thermal error of CNC machine tools based on ridge regression algorithm
Ashyralyev et al. Optimal control problem for impulsive systems with integral boundary conditions
He et al. Detecting chaos in fractional-order nonlinear systems using the smaller alignment index
Al-Behadili et al. Multi-objective biased randomised iterated greedy for robust permutation flow shop scheduling problem under disturbances
US20160140009A1 (en) Specifying method and specifying apparatus
TWI666598B (zh) 存貨管理系統與存貨管理方法
JP7320885B2 (ja) 製造プロセスのためのシステム、方法、および媒体
Shardt et al. Modelling the strip thickness in hot steel rolling mills using least‐squares support vector machines
Ji et al. Scheduling of no-wait stochastic distributed assembly flowshop by hybrid PSO
KR102045553B1 (ko) 가열로 에너지 사용량 예측 장치
Zheng et al. Bridge the gap between ADMM and Stackelberg game: Incentive mechanism design for big data networks
Mitra et al. Blast furnace charging optimization using multi-objective evolutionary and genetic algorithms
Ozay et al. Smarter security in the smart grid
Chang et al. A comparison of classifiers for intelligent machine usage prediction
US20210311440A1 (en) Systems, Methods, and Media for Manufacturing Processes
Novoa-Hernández et al. Approximation models in robust optimization over time-an experimental study
Ding et al. A novel block-shifting simulated annealing algorithm for the no-wait flowshop scheduling problem
KR102045549B1 (ko) 열연코일 냉각온도 예측 방법, 열연코일 냉각 제어 장치 및 방법
Husnoo et al. Fedisa: A semi-asynchronous federated learning framework for power system fault and cyberattack discrimination
Zhang et al. Dynamic model and fuzzy robust control of uncertain closed-loop supply chain with time-varying delay in remanufacturing
Fu et al. Identification of MIMO systems using radial basis function networks with hybrid learning algorithm
Cai et al. An entropy-robust optimization of mobile commerce system based on multi-agent system
US20210192779A1 (en) Systems, Methods, and Media for Manufacturing Processes
JP2014222434A (ja) 重み行列更新装置、その動作方法およびコンピュータプログラム
CN113993343A (zh) 制冷设备的节能控制方法、装置、终端及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant