KR102293631B1 - 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치 - Google Patents

금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치 Download PDF

Info

Publication number
KR102293631B1
KR102293631B1 KR1020207019070A KR20207019070A KR102293631B1 KR 102293631 B1 KR102293631 B1 KR 102293631B1 KR 1020207019070 A KR1020207019070 A KR 1020207019070A KR 20207019070 A KR20207019070 A KR 20207019070A KR 102293631 B1 KR102293631 B1 KR 102293631B1
Authority
KR
South Korea
Prior art keywords
corrosion
amount
metal material
prediction
predicting
Prior art date
Application number
KR1020207019070A
Other languages
English (en)
Other versions
KR20200092385A (ko
Inventor
마사타카 오모다
카즈히로 나카츠지
다이스케 미즈노
유스케 요시나리
Original Assignee
제이에프이 스틸 가부시키가이샤
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 제이에프이 스틸 가부시키가이샤 filed Critical 제이에프이 스틸 가부시키가이샤
Publication of KR20200092385A publication Critical patent/KR20200092385A/ko
Application granted granted Critical
Publication of KR102293631B1 publication Critical patent/KR102293631B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G01N17/006—Investigating resistance of materials to the weather, to corrosion, or to light of metals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

금속 재료의 부식량 예측 방법은, 부식량 데이터를 이용하여 금속 재료의 부식량을 예측하는 것이고, 부식량을 예측하고 싶은 금속 재료의 사용 기간과, 사용 기간 내의 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터를 포함하는 예측 요구점을 입력하는 예측 요구점 입력 스텝과, 부식량 데이터에 있어서의 복수의 환경 파라미터와, 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출 스텝과, 유사도를 고려하여, 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축 스텝과, 잠재 변수 및 유사도를 이용하여 구축한 예측식에 기초하여, 예측 요구점에 있어서의 금속 재료의 부식량을 예측하는 부식량 예측 스텝을 포함한다.

Description

금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치{METHOD FOR PREDICTING CORROSION LOSS OF METAL MATERIAL, METHOD FOR SELECTING METAL MATERIAL, AND DEVICE FOR PREDICTING CORROSION LOSS OF METAL MATERIAL}
본 발명은, 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치에 관한 것이다.
비특허문헌 1에 나타내는 바와 같이, 종래부터 대기 부식 환경에 있어서의 금속 재료의 부식량은, 경험식으로서 이하의 식 (1)로 나타나는 것이 알려져 있다.
Figure 112020068445069-pct00001
여기에서, 상기식 (1)에 있어서, Y는 금속 재료의 부식량, X는 금속 재료의 사용 기간, A는 금속 재료의 초기 1년간의 부식량을 나타내는 파라미터, B는 부식에 의해 형성되는 녹층의 효과에 의한 부식 속도의 감쇠를 나타내는 파라미터이다. 이들 파라미터 A, B의 값은, 금속 재료의 종류나 대기 부식 환경에 따라 변화한다. 그 때문에, 현재는, 장기 부식량을 예측할 때에, 대상이 되는 대기 부식 환경에 있어서 금속 재료를 복수 기간 폭로하고, 부식량의 경시 변화를 상기식 (1)에서 외삽(外揷)하는 수법이 많이 이용되고 있다.
그런데, 금속 재료의 부식량은, 금속이 갖는 내식 성능과 대기 부식 환경 인자, 예를 들면 온도, 상대 습도, 젖음 시간, 강우량, 비래 염분량(amount of airborne sea salt) 및 SO2 농도 등이 복잡하게 작용함으로써 정해진다. 그래서, 이하에 나타내는 바와 같이, 상기의 환경 인자를 이용하여 정식화함으로써, 금속 재료의 부식량을 예측하는 기술이 제안되어 있다.
예를 들면 비특허문헌 2에서는, 탄소강, 아연, 구리 및 알루미늄에 대해서, 부식량의 로그(log)를, 온도, 상대 습도 및 비래 염의 로그로 중회귀(multiple regress)한 항과, 온도, 상대 습도 및 SO2량의 로그로 중회귀한 항과의 합에 의해 산출하고 있다.
또한, 특허문헌 1에서는, 연간 젖음 시간, 연평균 풍속, 비래 염분량, 황 산화물량, 부식 반응의 활성화 에너지 및 온도를 파라미터로 하여, 부식 지표 Z를 하기식 (2)와 같이 나타내고, 이 부식 지표 Z의 2차 함수를 장기 부식량의 산출에 이용하고 있다.
Figure 112020068445069-pct00002
여기에서, 상기식 (2)에 있어서, TOW는 연간 젖음 시간(h), W는 연평균 풍속(m/s), C는 비래 염분량(mdd), S는 황 산화물량(mdd), Eα는 부식 반응의 활성화 에너지(J/mol), R은 기체 정수(J/(K/㏖)), T는 연평균 기온(K), α, κ, δ, ε은 정수이다. 또한, 상기한 「mdd」는, 단위 일수 및 단위 면적당에 포집된 NaCl의 양이고, 「㎎ NaCl·dm－2·day－1」의 약어이다.
또한, 특허문헌 2에서는, 비래 염분량 C를 예측하는 기술이 제안되어 있다. 또한, 특허문헌 3에서는, 경험식으로서 알려진 상기식 (1)의 파라미터 A를, 온도, 상대 습도, 비래 염분량 및 젖음 확률을 파라미터로 하여 하기식 (3)에 의해 산출하고, 파라미터 B를 실험실적 시험에 의해 파라미터 A의 함수로서 산출하는 부식 예측 기술이 제안되어 있다.
Figure 112020068445069-pct00003
여기에서, 상기식 (3)에 있어서, T는 온도(℃), H는 상대 습도(％), Sa는 비래 염분량(㎎/d㎡/day(＝mdd)), Pw(T, H)는 젖음 확률, α, β, γ는 강종에 따라서 설정되는 계수이다.
또한, 특허문헌 4에서는, 옥외의 대기 부식 환경에 있어서, 경험식으로서 알려진 상기식 (1)의 파라미터 A를, 온도, 젖음 시간 및 비래 염분량을 파라미터로 하여 하기식 (4)에 의해 산출하고, 파라미터 B를 0.3∼0.6의 범위로 설정하는 부식 예측 기술이 제안되어 있다.
Figure 112020068445069-pct00004
여기에서, 상기식 (4)에 있어서, T는 온도(℃), TOW는 젖음 시간(h), Sa는 비래 염분량(㎎/d㎡/day(＝mdd)), α, β, γ는 계수이다.
또한, 특허문헌 5에서는, 대기 환경에 있어서의 강재의 판두께 감소량을 예측할 때에, 경험식으로서 알려진 상기식 (1)의 파라미터 A를 하기식 (5)에 의해, 파라미터 B를 하기식 (6)에 의해 산출하는 기술이 제안되어 있다.
Figure 112020068445069-pct00005
Figure 112020068445069-pct00006
여기에서, 상기식 (5) 및 상기식 (6)에 있어서, CR0는, 환경 인자를 파라미터로 하는 강재 제조 직후의 초기 부식 속도를 나타내는 함수이고, CR1은, 환경 인자를 파라미터로 하는 강재 제조로부터 1년 후의 부식 속도를 나타내는 함수이다. 또한, 여기에서의 환경 인자란, 연평균 온도(℃), 연평균 습도(％), 연평균 풍속(m/sec), 비래 염분량(㎎/d㎡/day(＝mdd)), 황 산화물량(㎎/d㎡/day(＝mdd))인 것을 나타내고 있다.
또한, 특허문헌 6에서는, 금속 재료의 부식 속도를 예측할 때에, 부식 속도를 목적 변수로 하여 그의 부식 속도에 영향을 주는 환경 인자와 지형 인자를 설명 변수로 하는 중회귀 분석을 행하는데에 있어서, 적어도 설명 변수의 하나로서 상대 습도 0％∼100％에 따라서 가중치를 부여한 가상 젖음 시간을 포함하고, 이 가상 젖음 시간을, 변화하는 상대 습도에 따라서 상이한 가중 계수를 변화하는 상대 습도에 대응한 시간에 곱셈하여 얻어진 곱셈값을 총합하여 구하고, 측정한 금속 재료의 부식 속도에 기초하여 중회귀 분석법에 의해 부식 속도 추정식을 작성하는 수법이 제안되어 있다.
또한, 특허문헌 7에서는, 금속 재료의 열화 예측에 중회귀 분석을 사용하는데에 있어서, 중회귀식을 최적화하는 열화 예측 매핑 장치가 제안되어 있다.
일본특허 제3909057호 공보 일본특허 제4143018호 공보 일본특허 제4706254호 공보 일본특허 제5895522호 공보 일본특허 제5066160호 공보 일본특허 제5066955호 공보 일본특허 제5684552호 공보
「내후성 강재의 교량으로의 적용에 관한 공동 연구 보고서(XVIII)」, 건설성 토목 연구소, (사)강재 구락부, (사)일본교량건설협회, 헤이세이 5년 3월 ISO　9223：1992　"Corrosion of metals and alloys-Corrosivity of atmospheres-Classification, determination and estimation"
여기에서, 특허문헌 1∼5에서는, 부식량 및 부식 속도와 각 환경 파라미터와의 관계를 평가함으로써, 설명 변수로서 채용하는 환경 파라미터를 선정하여 정식화하고 있다. 그러나, 부식량, 부식 속도 및 각 환경 파라미터는, 복잡하게 상관 관계를 갖고 있다. 예를 들면, 부식량과 온도와의 관계는 비선형이고, 비래 염분량과 SO2 농도와는 의사 (疑似) 상관을 갖고 있다. 이러한 관계성 중에서, 특허문헌 1∼5와 같이 정식화한 경우, 높은 정밀도의 예측은 바랄 수 없다.
또한, 특허문헌 6은, 젖음 시간에 착안하여 가중치를 부여하는 것을 특징으로 하고 있다. 이와 같이 가중치를 부여함으로써 정밀도는 올라가기는 하지만, 다수 있는 환경 파라미터 중에서 젖음 시간에만 가중치를 부여해도 유효한 정밀도 향상은 바랄 수 없다. 또한, 특허문헌 6의 수법에서는, 현재 데이터를 보유하고 있는 기간에서만 부식 예측이 가능하고, 장기 부식 예측을 할 수는 없다.
또한, 특허문헌 7은, 다수 있는 환경 파라미터로부터 복수의 환경 파라미터를 선정하고, 중회귀를 반복 행하여 최량의 식으로 함으로써 예측 정밀도 향상을 도모하고 있지만, 부식량 및 부식 속도의 관계는, 중회귀로 얻어지는 각 환경 파라미터와의 1차식으로 간단히 표현할 수 없다. 따라서, 특허문헌 7의 수법에서는 큰 정밀도 향상은 바랄 수 없다.
본 발명은, 상기에 감안하여 이루어진 것으로서, 대기 부식 환경에 있어서의 장기 부식 예측을 정밀도 높게 행할 수 있는 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치를 제공하는 것을 목적으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해서, 본 발명에 따른 금속 재료의 부식량 예측 방법은, 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터를 이용하여 금속 재료의 부식량을 예측하는 금속 재료의 부식량 예측 방법으로서, 부식량을 예측하고 싶은 상기 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터를 포함하는 예측 요구점을 입력하는 예측 요구점 입력 스텝과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출 스텝과, 상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축 스텝과, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측 스텝을 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 예측 방법은, 상기 발명에 있어서, 상기 부식량 예측 스텝은, 상기 금속 재료의 소정 기간의 부식량을 나타내는 제1 파라미터를 예측하는 초기 부식량 예측 스텝과, 상기 금속 재료의 부식 속도의 감쇠를 나타내는 제2 파라미터를 예측하는 감쇠 예측 스텝과, 상기 금속 재료의 사용 기간과, 상기 제1 파라미터와, 상기 제2 파라미터에 기초하여 상기 금속 재료의 상기 소정 기간보다도 긴 기간의 부식량을 예측하는 장기 부식량 예측 스텝을 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 예측 방법은, 상기 발명에 있어서, 상기 초기 부식량 예측 스텝은, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점의 환경 파라미터하에 있어서의, 상기 금속 재료의 소정 기간의 부식량을 예측하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 예측 방법은, 상기 발명에 있어서, 상기 감쇠 예측 스텝은, 부식량을 예측하고 싶은 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 유사도에 기초하여, 상기 제2 파라미터를 예측하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 예측 방법은, 상기 발명에 있어서, 상기 복수의 환경 파라미터는, 온도와, 상대 습도, 절대 습도, 젖음 시간 및 강우량 중 적어도 하나와, 비래 염분량, SOX 농도 및 NOX 농도 중 적어도 하나를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 예측 방법은, 상기 발명에 있어서, 상기 금속 재료는, 철강 재료인 것을 특징으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 금속 재료의 선정 방법은, 상기한 금속 재료의 부식량 예측 방법을 이용하여, 사용 환경에 따른 금속 재료를 선정하는 것을 특징으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 금속 재료의 부식량 예측 장치는, 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터가 보존되는 데이터 베이스와, 부식량을 예측하고 싶은 상기 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터를 포함하는 예측 요구점이 입력되는 입력부와, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출부와, 상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축부와, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측부를 구비하는 것을 특징으로 한다.
본 발명에 의하면, 대기 부식 환경에 있어서, 금속 재료의 장기 부식 예측을 정밀도 높게 행할 수 있어, 사용 환경에 따른 최적의 금속 재료를 선정하는 것이 가능해진다. 또한, 본 발명에 의하면, 지역을 선택하는 일 없이, 어떠한 지역에서도 금속 재료의 부식량을 정밀도 높게 예측할 수 있다.
도 1은, 대기 부식 환경에 있어서, 온도(연평균)와 부식량(연간)과의 관계를 나타내는 그래프이다.
도 2는, 대기 부식 환경에 있어서, SO2 농도(연평균)와 비래 염분량(연평균)과의 의사(擬似) 상관 관계를 나타내는 그래프이다.
도 3은, 본 발명의 실시 형태에 따른 금속 재료의 부식량 예측 장치의 구성을 나타내는 블록도이다.
도 4는, 본 발명의 실시 형태에 따른 금속 재료의 부식량 예측 방법의 흐름을 나타내는 플로우차트이다.
도 5는, 종래 기술에 따른 금속 재료의 부식량 예측 방법에 의해 얻은, 금속 재료의 1년 후의 부식량 예측값과 부식량 실측값과의 사이의 오차를 나타내는 그래프이다.
도 6은, 본 발명의 실시 형태에 따른 금속 재료의 부식량 예측 방법에 의해 얻은, 금속 재료의 1년 후의 부식량 예측값과 부식량 실측값과의 사이의 오차를 나타내는 그래프이다.
도 7은, 본 발명의 실시 형태에 따른 금속 재료의 부식량 예측 방법에 의해 얻은, 금속 재료의 9년 후의 부식량 예측값과 부식량 실측값과의 사이의 오차를 나타내는 그래프이다.
(발명을 실시하기 위한 형태)
이하, 본 발명의 실시 형태에 따른 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치에 대해서, 도면을 참조하면서 설명한다. 또한, 본 발명은 이하의 실시 형태에 한정되는 것은 아니다.
본 발명자들은, 상기 목적을 달성하기 위해 예의 검토한 결과, 각 대기 부식 환경에 있어서의 금속 재료의 초기 1년간의 부식량을 나타내는 파라미터 A(제1 파라미터)와, 녹층에 의한 부식 속도의 감쇠를 나타내는 파라미터 B(제2 파라미터)를 각각 나누어 예측하고, 또한 예측에 있어서, 각 환경 파라미터에 가중치를 부여한 데이터로부터 예측함으로써, 예측 정밀도가 향상되는 것을 발견하여, 본 발명을 완성시켰다.
금속 재료의 부식 속도는, 일반적으로 경시적으로 감쇠해 간다. 이는, 금속 재료 표면에 생성되는 부식 생성물(예를 들면 녹층)에 의한 보호 효과에 의한 것이다. 또한, 이 보호 효과는, 주위의 환경이나 금속 재료의 종류에 따라 크게 상이하다. 이와 같이, 금속 재료의 부식 속도는, 여러 가지의 환경이나 금속 재료가 갖는 내식성 등의, 매우 많은 요소가 서로 얽힌다. 그 때문에, 임의의 환경 및 기간에 있어서의 금속 재료의 부식량을, 각 환경 파라미터와 부식량과의 관계의 원리 원칙으로부터 정밀도 좋게 예측하는 것은 매우 곤란하고, 예를 들면 데이터 베이스에 축적된 부식량 및 각 환경 파라미터의 데이터군으로부터 통계적으로 예측하는 것이 현실적이고, 정밀도 향상에도 연결된다.
한편, 일반적으로, 축적된 부식량과 각 환경 파라미터의 데이터군 중에, 장기간의 데이터는 많지 않다. 예를 들면 부식량을 예측하는 임의의 기간이 수십년과 같이 장기간으로 되는 경우, 기간을 변수로 하여 예측에 집어넣어 직접 부식량을 예측하면, 임의의 장기간의 부식량을, 기간이 떨어진 데이터로부터 예측하게 되기 때문에, 정밀도가 저하해 버린다. 그래서, 본 발명에서는, 금속 재료의 초기 1년간의 부식량을 나타내는 파라미터 A와, 녹층에 의한 부식 속도의 감쇠를 나타내는 파라미터 B를 각각 나누어 예측함으로써, 정밀도의 향상을 도모했다.
여기에서, 임의의 기간에 있어서의 금속 재료의 부식량에 관련된 주요 환경 파라미터로서는, 예를 들면 온도, 상대 습도, 절대 습도, 젖음 시간, 강우량, 비래 염분량, SOX 농도 및 NOX 농도 등을 들 수 있다. 이들 환경 파라미터 중에는, 예를 들면 도 1에 나타낸 온도와 부식량과의 관계와 같이, 비선형의 관계를 갖는 것이 존재한다. 또한, 예를 들면 도 2에 나타낸 비래 염분량과 SO2 농도와의 관계와 같이, 환경 파라미터끼리가 다중 공선성을 나타내는 것도 존재한다. 금속 재료의 부식에 영향을 미치는 환경 파라미터가 복수 존재하는 것에 더하여, 이 2점이, 임의의 환경 및 기간에 있어서의 금속 재료의 부식량을 정밀도 좋게 예측하는 것을 곤란하게 하고 있는 요인으로 되어 있다.
부식량에 대하여 환경 파라미터가 비선형의 관계를 갖는 것에 관해서는, 예측을 하고 싶은 임의의 환경 및 기간과의 유사성에 의해 각 샘플에 가중치를 부여하고, 또한 국소적으로 중회귀 분석을 행함으로써 예측 정밀도를 개선할 수 있다. 또한, 상기한 「샘플」이란, 데이터 베이스에 보존된 부식량 및 각 환경 파라미터의 데이터군(후기하는 부식량 데이터)을 의미하고 있다.
또한, 환경 파라미터끼리가 다중 공선성을 갖는 것에 관해서는, 각 환경 파라미터에 대하여 독립성을 갖는 파라미터로 차원 압축하고, 새로운 파라미터를 만들어 냄으로써 해결할 수 있다. 그리고, 이들을 동시에 실현하는 수법의 하나로서, 이하의 참고문헌 1에 나타내는 「국소 가중 부분 최소 제곱법(L-PLS: Locally weighted partial least squares)」이 있다.
참고문헌 1: 김 상홍, 오카지마 료타, 카노우 마나부, 하세베 신지, 「고정밀도의 국소 PLS 모델 구축을 위한 샘플 선택」, 제54회 자동 제어 연합회 강연회, 54(2011), p.1594
본 발명에서는, 각 대기 부식 환경에 있어서의 금속 재료의 초기 1년간의 부식량을 나타내는 파라미터 A와, 녹층에 의한 부식 속도의 감쇠를 나타내는 파라미터 B를, 예측 요구점과의 유사성(유사도)을 샘플마다 구하고, 그의 유사도를 이용하여 가중치 부여를 행하고, 국소 회귀함으로써 예측하는 수법을 이용한다. 또한, 각 환경 파라미터를 차원 압축함으로써 새로운 파라미터를 만들어 내고(잠재 변수의 도출), 국소 회귀의 설명 변수로 한다. 또한 그 때, 유사도를 이용한 가중치 부여를 이용한 잠재 변수와 목적 변수의 내적(內積)이 최대가 되도록 잠재 변수를 결정하고, 국소적인 중회귀를 행한다. 이하, 본 발명의 구체적인 실시 형태에 대해서, 도면을 참조하면서 설명한다.
(부식량 예측 장치)
본 발명의 실시 형태에 따른 금속 재료의 부식량 예측 장치의 구성에 대해서, 도 3을 참조하면서 설명한다. 부식량 예측 장치(1)는, 입력부(10)와, 데이터 베이스(20)와, 연산부(30)와, 표시부(40)를 구비하고 있다.
입력부(10)는, 예를 들면 키보드, 마우스 포인터, 숫자 키 패드 등의 입력 장치에 의해 실현된다. 후기하는 바와 같이, 연산부(30)에는, 이 입력부(10)를 통하여, 후기하는 예측 요구점이 입력된다.
데이터 베이스(20)에는, 금속 재료의 부식량의 실적값인 부식량 데이터가 보존되어 있다. 부식량 데이터에는, 금속 재료(예를 들면 철강 재료)의 사용 기간과, 당해 사용 기간에 있어서의 금속 재료의 부식량과, 당해 금속 재료의 사용 환경에 있어서의 연평균의 복수의 환경 파라미터가 포함된다. 또한, 「복수의 환경 파라미터」에는, 온도(기온)와, 상대 습도, 절대 습도, 젖음 시간 및 강우량 중 적어도 하나와, 비래 염분량, SOX 농도 및 NOX 농도 중의 적어도 하나가 포함된다. 또한, 이들 환경 파라미터는, 예를 들면 연평균의 데이터이다. 또한, 데이터 베이스(20)에는, 강종마다의 부식량 데이터가 보존되어 있다.
연산부(30)는, 예를 들면 CPU 등에 의해 실현되고, 유사도 산출부(31)와, 차원 압축부(32)와, 부식량 예측부(33)를 구비하고 있다. 또한, 유사도 산출부(31), 차원 압축부(32) 및 부식량 예측부(33)의 상세에 대해서는 후기한다.
표시부(40)는, 예를 들면 LCD 디스플레이, CRT 디스플레이 등의 표시 장치에 의해 실현되고, 연산부(30)로부터 입력되는 표시 신호를 기초로, 금속 재료의 부식량의 예측 결과를 표시한다.
(부식량 예측 방법)
본 발명의 실시 형태에 따른 금속 재료의 부식량 예측 방법에 대해서, 도 4를 참조하면서 설명한다. 부식량 예측 방법에서는, 예측 요구점 입력 스텝과, 제1 유사도 산출 스텝과, 제1 차원 압축 스텝과, 초기 부식량 예측 스텝(제1 파라미터 예측 스텝)과, 제2 유사도 산출 스텝과, 제2 차원 압축 스텝과, 감쇠 예측 스텝(제2 파라미터 예측 스텝)과, 장기 부식량 예측 스텝을 행한다.
예측 요구점 입력 스텝에서는, 입력부(10)를 통하여, 연산부(30)에 예측 요구점이 입력된다(스텝 S1). 이 예측 요구점은, 부식량을 예측하고 싶은 금속 재료의 사용 기간과, 이 사용 기간 내의 금속 재료의 사용 환경을 나타내는, 연평균의 복수의 환경 파라미터를 포함하고 있다.
계속하여, 제1 유사도 산출 스텝에서는, 유사도 산출부(31)에 의해, 데이터 베이스(20)에 보존되어 있는, 사용 기간이 1년인 금속 재료의 부식량 데이터에 있어서의 복수의 환경 파라미터와, 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출한다(스텝 S2). 본 스텝에 있어서, 유사도 산출부(31)는, 예를 들면 후기하는 식 (8)에 의해 상기 유사도를 산출한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속하여, 제1 차원 압축 스텝에서는, 차원 압축부(32)에 의해, 제1 유사도 산출 스텝에서 산출된 유사도를 고려하여, 부식량 데이터에 있어서의 복수의 환경 파라미터(설명 변수)를, 잠재 변수로 차원 압축한다(스텝 S3). 본 스텝에 있어서, 차원 압축부(32)는, 예를 들면 후기하는 식 (7)에 의해 상기 잠재 변수를 산출한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속하여, 초기 부식량 예측 스텝에서는, 부식량 예측부(33)에 의해, 제1 차원 압축 스텝에서 산출된 잠재 변수 및, 제1 유사도 산출 스텝에서 산출된 유사도를 이용하여 구축한 예측식에 기초하여, 예측 요구점의 환경 파라미터하에 있어서의, 금속 재료의 초기 1년간의 부식량을 예측한다(스텝 S4). 이 금속 재료의 초기 1년간의 부식량은, 상기식 (1)의 파라미터 A(제1 파라미터)인 것을 의미하고 있다. 본 스텝에 있어서, 부식량 예측부(33)는, 예를 들면 후기하는 식 (10)에 나타내는 예측식을 구축하고, 이 예측식에 기초하여 금속 재료의 초기 1년간의 부식량을 예측한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속하여, 제2 유사도 산출 스텝에서는, 유사도 산출부(31)에 의해, 부식량을 예측하고 싶은 금속 재료의 사용 기간을 고려하여, 금속 재료의 부식량 데이터에 있어서의 복수의 환경 파라미터와, 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출한다(스텝 S5). 본 스텝에 있어서, 유사도 산출부(31)는, 예를 들면 후에 기재하는 식 (13)에 의해 상기 유사도를 산출한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속하여, 제2 차원 압축 스텝에서는, 차원 압축부(32)에 의해, 제2 유사도 산출 스텝에서 산출된 유사도 및 부식량을 예측하고 싶은 금속 재료의 사용 기간을 고려하여, 부식량 데이터에 있어서의 복수의 환경 파라미터(설명 변수)를, 잠재 변수로 차원 압축한다(스텝 S6). 본 스텝에 있어서, 차원 압축부(32)는, 예를 들면 후기하는 식 (12)에 의해 상기 잠재 변수를 산출한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속하여, 감쇠 예측 스텝에서는, 부식량 예측부(33)에 의해, 제2 차원 압축 스텝에서 산출된 잠재 변수 및, 제2 유사도 산출 스텝에서 산출된 유사도를 이용하여 구축한 예측식에 기초하여, 금속 재료의 부식 속도의 감쇠를 나타내는 파라미터를 예측한다(스텝 S7). 이 금속 재료의 부식 속도의 감쇠를 나타내는 파라미터는, 상기식 (1)의 파라미터 B(제2 파라미터)인 것을 의미하고 있다. 본 스텝에 있어서, 부식량 예측부(33)는, 예를 들면 후기하는 식 (16)에 나타내는 예측식을 구축하고, 이 예측식에 기초하여 금속 재료의 부식 속도의 감쇠를 나타내는 파라미터를 예측한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속하여, 장기 부식량 예측 스텝에서는, 금속 재료의 사용 기간과, 초기 부식량 예측 스텝에서 산출된 파라미터 A와, 감쇠 예측 스텝에서 산출된 파라미터 B에 기초하여 금속 재료의 일년보다도 긴 기간의 부식량(장기 부식량)을 예측한다(스텝 S8). 본 스텝에 있어서, 부식량 예측부(33)는, 상기식 (1)에 기초하여 상기 장기 부식량을 예측한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
이상과 같이, 본 실시 형태에 따른 부식량 예측 장치(1)를 이용한 금속 재료의 부식량 예측 방법에 의하면, 대기 부식 환경에 있어서, 금속 재료의 장기 부식 예측을 정밀도 높게 행할 수 있고, 사용 환경에 따른 최적의 금속 재료를 선정하는 것이 가능해진다.
또한, 종래 기술, 예를 들면 특허문헌 1∼5와 같이 설명 변수로서 채용하는 환경 파라미터를 선정하여 정식화해 버리면, 어느 지역에서는 예측 정밀도가 높지만, 어느 지역에서는 예측 정밀도가 낮다고 하는 바와 같이 부식량을 예측하고자 하는 지역에 따라 예측 정밀도에 차이가 생겨 버린다. 한편, 본 실시 형태에 따른 금속 재료의 부식량 예측 방법에 의하면, 데이터 베이스(20) 내에, 부식량을 예측하고자 하는 지역의 것과 유사한 부식량 데이터가 있으면 예측 가능하기 때문에, 어느 지역에서도 금속 재료의 부식량을 정밀도 높게 예측할 수 있다.
(실시예)
(실시예 1)
이하, 실시예를 들어 본 발명을 보다 상세하게 설명한다. 본 실시예에서는, 우괘(rain falling) 환경에 있어서의 탄소강의 연간 부식량(초기 1년간의 부식량)을 예측했다. 여기에서, 본 실시예의 내용은, 상기한 부식량 예측 방법 중, 예측 요구점 입력 스텝, 제1 유사도 산출 스텝, 제1 차원 압축 스텝 및 초기 부식량 예측 스텝에 상당한다.
본 실시예에서는, 데이터 베이스에 보존되어 있는, 세계 각지의 70지역에 있어서의 탄소강의 연간 부식량과 연평균의 각 환경 파라미터의 데이터군(부식량 데이터)을 이용하여, 연간 부식량의 예측을 행했다. 예측 정밀도의 검증은, 교차 검증(Cross-validation)을 이용하여, 상대 평균 제곱 오차(rRMSE: relative root means square of error)의 비교에 의해 행했다. 또한, 비교예로서, 비특허문헌 1의 ISO9223에 나타난 「Dose-response function」을 이용하여 연간 부식량의 예측을 행했다.
「Dose-response function」은, 온도(℃), 상대 습도(％), 비래 염분량(mmd(Cl－환산)), SO2 농도(mmd(SO2 환산))의 4개의 환경 파라미터로부터 부식량을 산출하는 식이다. 여기에서, 상기한 「mmd」는, 단위 일수 및 단위 면적당에 포집된 Cl－ 또는 SO2의 양이고, 「㎎·m－2·day－1」의 약어이다. 본 발명예에 의한 예측에 있어서도 동일한 4개의 환경 파라미터를 이용했다. 여기에서, 상기한 바와 같이, 설명 변수끼리가 상관을 갖는 경우, 다중 공선성에 의해 예측 정밀도가 악화되는 것이 알려져 있다. 상기한 L-PLS에서는, 설명 변수로서 사용하는 각 환경 파라미터가 상관을 갖고 있기 때문에, 차원 압축에 의해 상관을 배제하고, 새로운 파라미터(잠재 변수)를 작성한다. 여기에서, L-PLS는, 상기한 참고문헌 1에 나타난 순서에 따라서 계산하고 있다. 4개의 환경 파라미터를 잠재 변수(파라미터 t)로 압축하기 위한 식은, 하기식 (7)과 같이 나타낼 수 있다.
Figure 112020068445069-pct00007
여기에서, 상기식 (7)에 있어서, T는 온도(℃), RH는 상대 습도(％), Cl은 비래 염분량(mg/㎡/day(＝mmd)(Cl－ 환산)), SO2는 SO2 농도(mg/㎡/day(＝mmd)(SO2 환산)), w1∼w4는 계수이다. 또한, 상기식 (7)에서는, 일 예로서 4개의 환경 파라미터만을 이용하고 있지만, 실제로는, 부식량의 예측을 하고자 하는 지역에 있어서 부식에 관계하는 것이 예상되는 환경 파라미터에 대해서는 모두 포함시키는 것이 바람직하다.
본 발명예에서는, 먼저 부식량을 예측하고 싶은 탄소강의 사용 기간과, 이 사용 기간 내의 탄소강의 사용 환경을 나타내는 연평균의 복수의 환경 파라미터를 포함하는 예측 요구점을, 부식량 예측 장치의 연산부에 입력했다(도 4의 「예측 요구점 입력 스텝」).
계속하여, 부식량을 구하고 싶은 예측 요구점의 환경 파라미터와, 부식량의 예측을 위해 참조하는 부식량 데이터의 환경 파라미터 i의 유사도 ωi를, 하기식 (8)에 나타내는 바와 같은 유클리드 거리를 이용하여 산출했다(도 4의 「제1 유사도 산출 스텝」). 또한, 각 환경 파라미터에 따라 데이터의 확산이 상이하기 때문에, 수치는 정규화를 실시했다.
Figure 112020068445069-pct00008
여기에서, ωi는 국소화 파라미터, 우측 아래의 첨자가 q인 환경 파라미터는 부식량을 예측하고 싶은 예측 요구점의 환경 파라미터, 우측 아래의 첨자가 i인 환경 파라미터는 데이터 베이스로부터 참조한 부식량 데이터의 환경 파라미터, σ는 하기식 (9)의 표준 편차이다. 또한, φ는 조정 파라미터이고, 예를 들면 φ＝1을 기준으로 하여 적절하게 조정하여 값은 결정된다.
Figure 112020068445069-pct00009
계속하여, 상기식 (8)에서 산출한 유사도 ωi와, 부식량 데이터의 환경 파라미터 및 부식량으로부터, 참고문헌 1(2.1장)에 나타난 순서에 따라서, 유사도 ωi를 가중치로 하여 관련된 잠재 변수와 목적 변수(부식량)의 내적이 최대가 되도록, 상기식 (7)의 계수 w1∼w4를 결정했다. 그리고, 결정한 계수 w1∼w4를 이용하여, 상기식 (7)에 의해 각 환경 파라미터의 잠재 변수를 산출했다(도 4의 「제1 차원 압축 스텝」).
계속하여, 하기식 (10)에 나타내는 부식량의 예측식을 국소 회귀에 의해 구축하고, 하기식 (10)에 기초하여, 예측 요구점의 환경 파라미터하에 있어서의 탄소강의 연간 부식량(초기 1년간의 부식량)을 예측했다(도 4의 「초기 부식량 예측 스텝」).
Figure 112020068445069-pct00010
여기에서, Y는 부식량의 예측값, α는 계수(회귀 계수)이다. 또한, 상기식 (10)에서는 기재를 생략했지만, 상기식 (10)에 정수항을 포함시키거나, 혹은 복수의 잠재 변수를 이용하는 것도 가능하다.
이와 같이, 본 발명예에서는, 부식량을 예측하고 싶은 예측 요구점이 입력될 때마다, 예측 요구점과 각 부식량 데이터와의 유사도의 산출, 잠재 변수의 계수의 산출, 예측식의 구축을 행한다.
비교예(Dose-response function)에 의한 부식량의 예측 결과를 도 5에, 본 발명예에 의한 부식량의 예측 결과를 도 6에 나타낸다. 동 도면에 나타내는 바와 같이, 비교예에서는 rRMSE가 0.40인 것에 대하여, 본 발명예에서는 rRMSE가 0.18로 되었다. 따라서, 본 발명의 수법을 이용함으로써, 종래의 수법과 비교하여 부식량의 예측 오차를 절반 이하로 개선할 수 있었다.
(실시예 2)
본 실시예에서는, 헌하(軒下; under the eaves) 환경에 있어서의 탄소강의 장기(9년) 부식량을 예측했다. 여기에서, 본 실시예의 내용은, 상기한 부식량 예측 방법의 전체 스텝에 상당한다.
본 실시예에서는, 헌하 환경을 대상으로 하여, 데이터 베이스에 보존되어 있는, 세계 55지역의 1년간, 55지역의 3년간, 39지역의 5년간, 38지역의 7년간, 38지역의 9년간의 부식량과 연평균의 각 환경 파라미터의 데이터군(부식량 데이터)을 이용하여, 실시예 1과 동일한 수법으로, JIS 내후성 강에 대해서, 초기 1년간의 부식량을 나타내는 파라미터 A(상기식 (1) 참조)를 산출했다(도 4의 예측 요구점 입력 스텝, 제1 유사도 산출 스텝, 제1 차원 압축 스텝 및 초기 부식량 예측 스텝).
계속하여, 7년간의 장기 부식 시험 결과에 가중치를 부여하여, 녹층에 의한 부식 속도의 감쇠를 나타내는 파라미터 B를 산출하고, 상기식 (1)에 의해 JIS 내후성 강의 9년 후의 부식량을 예측했다. 9년 후의 부식량의 예측에서는, 먼저 상기식 (1)을 하기식 (11)에 나타내는 바와 같이 변형하고, 파라미터 B 및 사용 기간 X를 이용하여 좌변의 초기 1년간의 부식량의 로그로부터 9년 후의 부식량의 로그의 차를 산출했다.
Figure 112020068445069-pct00011
상기식 (11)의 좌변의 예측에는 L-PLS를 이용한다. 구체적으로는, 4개의 환경 파라미터와 사용 기간 X의 로그의 곱을 취함으로써, 시간 인자를 고려한 새로운 환경 파라미터를 작성하여, 이들 새로운 환경 파라미터를, 하기식 (12)에 나타내는 바와 같이 잠재 변수(파라미터 u)로 압축한다.
Figure 112020068445069-pct00012
여기에서, 상기식 (12)에 있어서, T는 온도(℃), RH는 상대 습도(％), Cl은 비래 염분량(㎎/㎡/day(＝mmd)(Cl－ 환산)), SO2는 SO2 농도(㎎/㎡/day(＝mmd)(SO2 환산)), v1∼v4는 계수이다.
계속하여, 부식량을 구하고 싶은 예측 요구점의 환경 파라미터와, 부식량의 예측을 위해 참조하는 부식량 데이터의 환경 파라미터 i의 유사도 ωi를, 하기식 (13)에 나타내는 바와 같은 유클리드 거리를 이용하여 산출했다(도 4의 「제2 유사도 산출 스텝」). 또한, 각 환경 파라미터에 따라 데이터의 확산이 상이하기 때문에, 수치는 정규화를 실시했다.
Figure 112020068445069-pct00013
여기에서, ωi는 국소화 파라미터, 우측 아래의 첨자가 q인 환경 파라미터는 부식량을 예측하고 싶은 예측 요구점의 환경 파라미터, 우측 아래의 첨자가 i인 환경 파라미터는 데이터 베이스로부터 참조한 부식량 데이터의 환경 파라미터, σ는 하기식 (14)의 표준 편차이다. 또한, φ는 조정 파라미터이고, 예를 들면 φ＝1을 기준으로 하여 적절히 조정하여 값은 결정된다.
Figure 112020068445069-pct00014
계속하여, 상기식 (13)에서 산출한 유사도 ωi와, 부식량 데이터의 환경 파라미터 및 부식량으로부터, 참고문헌 1(2.1장)에 나타난 순서에 따라서, 유사도 ωi를 가중치로 하여 관련된 잠재 변수와 목적 변수(부식량)의 내적이 최대가 되도록, 상기식 (12)의 계수 v1∼v4를 결정했다. 그리고, 결정한 계수 v1∼v4를 이용하여, 상기식 (12)에 의해 각 환경 파라미터의 잠재 변수를 산출했다(도 4의 「제2 차원 압축 스텝」).
계속하여, 하기식 (15)에 나타내는 부식량의 예측식을 국소 회귀에 의해 구축하고, 예측하고 싶은 환경 파라미터에 있어서의 부식량의 로그의 차를 산출했다.
Figure 112020068445069-pct00015
여기에서, 상기식 (15)에 있어서, β는 계수(회귀 계수)이다. 또한, 상기식 (15)에서는 기재를 생략했지만, 상기식 (15)에 정수항을 포함시키거나, 혹은 복수의 잠재 변수를 이용하는 것도 가능하다.
이와 같이, 본 발명예에서는, 부식량을 예측하고 싶은 예측 요구점이 입력될 때마다, 예측 요구점과 각 부식량 데이터와의 유사도의 산출, 잠재 변수의 계수의 산출, 예측식의 구축을 행한다.
계속하여, 상기식 (12) 및 상기식 (15)에 기초하여, 상기식 (11)의 파라미터 B를, 하기식 (16)에 의해 산출했다(도 4의 「감쇠 예측 스텝」).
Figure 112020068445069-pct00016
계속하여, 산출한 파라미터 A 및 파라미터 B를 이용하여, 상기식 (1)에 의해 9년 후의 부식량 Y를 산출했다(도 4의 장기 부식량 예측 스텝). 그리고, 실시예 1과 마찬가지로, 교차 검증(Cross-validation)을 이용하여, 상대 평균 제곱 오차(rRMSE: relative root means square of error)의 비교에 의해 예측 정밀도의 검증을 행했다.
본 발명예에 의한 부식량의 예측 결과를 도 7에 나타낸다. 동 도면에 나타내는 바와 같이, 본 발명예에서는, 9년과 같은 장기 부식량도, 실시예 1과 동 정도의 오차(rRMSE: 0.19)로 되어, 정밀도 좋게 예측 가능했다. 또한, 정밀도 검증은 불가능하지만, 본 발명예를 이용함으로써, 데이터 베이스에 보존되어 있지 않은 장기 부식량도 예측 가능하다. 참고로, 50년 후의 부식량의 예측값을, 각 환경 파라미터와 함께 표 1에 나타낸다.
Figure 112020068445069-pct00017
(실시예 3)
실시예 3에서는, 본 발명에 의해 철강 재료의 장기 부식량을 예측한 후에, 장기 부식량 및 비용의 관점에서, 교량 분야에 있어서의 최적의 철강 재료를 선정했다.
철강 재료를 적용하는 지역 1∼3의 각 환경 파라미터(온도, 상대 습도, 비래 염분량 및 SO2 농도)를 표 2에 나타낸다. 동 표에 나타낸 환경에 있어서, 표 3에 나타낸 화학 성분을 갖는 「JIS G 3114」로 규정된 내후성 강 및 강종 A, B에 대하여, 본 발명을 이용하여, 50년 후의 부식량의 예측을 행했다. 이 「50년」이라는 기간은, 교량에 있어서 허용되는 부식량의 기준이 「50년 후에 0.3㎜ 이하」로 하는 규정에 기초하고 있다.
Figure 112020068515810-pct00030
Figure 112020068445069-pct00019
본 발명에 의한 50년 후의 부식량의 예측을 표 4에 나타낸다. 동 표에 나타내는 바와 같이, 부식량은, JIS 내후성 강＞강종 A＞강종 B의 순으로 작아지기 때문에, 단순히 내식성의 관점에서 생각하면, 강종 B를 사용하는 것이 가장 바람직하다. 한편, 동 표에 나타내는 바와 같이, 각 철강 재료를 사용할 때의 비용은, 강종 B＞강종 A＞JIS 내후성 강의 순으로 작아진다.
그 때문에, 내식성과 비용의 양쪽을 고려하면, 예를 들면 지역 1에서는, 부식의 기준(0.3㎜ 이하)을 만족하고, 또한 비용이 가장 저렴한 강종 A를 사용하는 것이 가장 바람직한 것을 알 수 있다. 또한, 지역 2에서는, 부식의 기준을 유일하게 만족하는 강종 B를 사용하는 것이 가장 바람직한 것을 알 수 있다. 또한, 지역 3에서는, 어느 철강 재료도 부식의 기준을 만족시키지 않기 때문에, 예를 들면 도장 등, 그 외의 방식 조치를 실시할 필요가 있는 것을 알 수 있다. 이와 같이, 본 발명에 따른 부식량 예측 방법을 이용함으로써, 사용 환경에 따른 최적의 금속 재료를 선정하는 것이 가능해진다.
Figure 112020068445069-pct00020
이상, 본 발명에 따른 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치에 대해서, 발명을 실시하기 위한 형태 및 실시예에 의해 구체적으로 설명했지만, 본 발명의 취지는 이들 기재에 한정되는 것은 아니고, 청구의 범위의 기재에 기초하여 폭넓게 해석되지 않으면 안된다. 또한, 이들 기재에 기초하여 여러 가지로 변경, 개변 등을 한 것도 본 발명의 취지에 포함되는 것은 말할 필요도 없다.
여기에서, 상기한 실시 형태에서는, 금속 재료의 초기 1년간의 부식량(파라미터 A)과, 금속 재료의 부식 속도의 감쇠를 나타내는 파라미터(파라미터 B)를 각각 나누어 예측하고, 초기 1년간의 부식량을 기준으로 하여 장기 부식량을 예측하고 있었지만, 장기 부식량을 예측할 때의 기준은 초기 1년간의 부식량에는 한정되지 않는다.
즉, 초기 부식량 예측 스텝에 있어서, 미리 정하는 임의의 소정 기간(초기 기간)에 있어서의 금속 재료의 부식량을 예측하고, 장기 부식량 예측 스텝에 있어서, 상기한 소정 기간의 부식량을 기준으로 하여 장기 부식량을 예측해도 좋다.
예를 들면 초기 부식량으로서 1.5년의 부식량이 A’로서 주어진 경우, 그로부터 X년 후의 부식량의 예측식은, 상기식 (1)을 확장하여, 하기식 (17)과 같이 서술 가능하다고 생각된다.
Figure 112020068445069-pct00021
이것을 일반화하면, 어느 초기 기간 X0년의 부식량을 A’, X0년을 기준으로 한 감쇠 파라미터를 B’로 하여, 하기식 (18)을 얻을 수 있다. 이 식 (18)을 이용함으로써, X0년간을 기준으로 한 부식량으로서, X＞X0의 기간의 부식량을 산출할 수 있다.
Figure 112020068445069-pct00022
금속 재료의 임의의 초기 기간의 부식량 A’와, 감쇠 파라미터 B’를 각각 나누어 예측하고, 상기식 (18)에 나타내는 바와 같이, 초기 기간 이후의 경과년수 X’를 감쇠 파라미터 B’로 거듭제곱함으로써, 초기 기간 이후의 장기 부식량을 예측할 수 있다. 단, 상기식 (1)의 초기 부식량 A는, 1년간의 부식량을 전제로 하고 있다. 그 때문에, 상기식 (18)의 X0의 기간은, 1년간으로부터 크게 어긋난 경우는 상정하고 있지 않고, 반년간으로부터 2년간 정도인 것이 현실적인 실용 범위라고 생각된다.
1 : 부식량 예측 장치
10 : 입력부
20 : 데이터 베이스
30 : 연산부
31 : 유사도 산출부
32 : 차원 압축부
33 : 부식량 예측부
40 : 표시부

Claims (8)

  1. 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터를 이용하여 금속 재료의 부식량을 예측하는 금속 재료의 부식량 예측 방법으로서,
    부식량을 예측하고 싶은 상기 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터를 포함하는 예측 요구점을 입력하는 예측 요구점 입력 스텝과,
    상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출 스텝과,
    상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축 스텝과,
    상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측 스텝
    을 포함하는 것을 특징으로 하는 금속 재료의 부식량 예측 방법.
  2. 제1항에 있어서,
    상기 부식량 예측 스텝은,
    상기 금속 재료의 소정 기간의 부식량을 나타내는 제1 파라미터를 예측하는 초기 부식량 예측 스텝과,
    상기 금속 재료의 부식 속도의 감쇠를 나타내는 제2 파라미터를 예측하는 감쇠 예측 스텝과,
    상기 금속 재료의 사용 기간과, 상기 제1 파라미터와, 상기 제2 파라미터에 기초하여 상기 금속 재료의 상기 소정 기간보다도 긴 기간의 부식량을 예측하는 장기 부식량 예측 스텝
    을 포함하는 것을 특징으로 하는 금속 재료의 부식량 예측 방법.
  3. 제2항에 있어서,
    상기 초기 부식량 예측 스텝은, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점의 환경 파라미터하에 있어서의, 상기 금속 재료의 소정 기간의 부식량을 예측하는 것을 특징으로 하는 금속 재료의 부식량 예측 방법.
  4. 제2항에 있어서,
    상기 감쇠 예측 스텝은, 부식량을 예측하고 싶은 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 유사도에 기초하여, 상기 제2 파라미터를 예측하는 것을 특징으로 하는 금속 재료의 부식량 예측 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 복수의 환경 파라미터는, 온도와, 상대 습도, 절대 습도, 젖음 시간 및 강우량 중 적어도 하나와, 비래 염분량, SOX 농도 및 NOX 농도 중 적어도 하나를 포함하는 것을 특징으로 하는 금속 재료의 부식량 예측 방법.
  6. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 금속 재료는, 철강 재료인 것을 특징으로 하는 금속 재료의 부식량 예측 방법.
  7. 제1항 내지 제4항 중 어느 한 항에 기재된 금속 재료의 부식량 예측 방법을 이용하여, 사용 환경에 따른 금속 재료를 선정하는 것을 특징으로 하는 금속 재료의 선정 방법.
  8. 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터가 보존되는 데이터 베이스와,
    부식량을 예측하고 싶은 상기 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내는 복수의 환경 파라미터를 포함하는 예측 요구점이 입력되는 입력부와,
    상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출부와,
    상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축부와,
    상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측부
    를 구비하는 것을 특징으로 하는 금속 재료의 부식량 예측 장치.
KR1020207019070A 2018-01-05 2018-12-20 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치 KR102293631B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2018-000561 2018-01-05
JP2018000561 2018-01-05
PCT/JP2018/047021 WO2019135361A1 (ja) 2018-01-05 2018-12-20 金属材料の腐食量予測方法、金属材料の選定方法および金属材料の腐食量予測装置

Publications (2)

Publication Number Publication Date
KR20200092385A KR20200092385A (ko) 2020-08-03
KR102293631B1 true KR102293631B1 (ko) 2021-08-24

Family

ID=67143654

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207019070A KR102293631B1 (ko) 2018-01-05 2018-12-20 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치

Country Status (5)

Country Link
US (1) US11467082B2 (ko)
JP (1) JP6566172B1 (ko)
KR (1) KR102293631B1 (ko)
CN (1) CN111542746B (ko)
WO (1) WO2019135361A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7104326B2 (ja) * 2018-09-27 2022-07-21 日本電信電話株式会社 腐食性評価装置とその方法
WO2020162098A1 (ja) * 2019-02-08 2020-08-13 Ｊｆｅスチール株式会社 金属材料の腐食量予測モデルの生成方法、金属材料の腐食量予測方法、金属材料の選定方法、金属材料の腐食量予測プログラムおよび金属材料の腐食量予測装置
CN114729875A (zh) * 2019-11-18 2022-07-08 杰富意钢铁株式会社 金属材料的腐蚀量测绘方法、金属材料的选定方法及金属材料的腐蚀量测绘装置
CN113466406A (zh) * 2021-06-08 2021-10-01 重庆科技学院 一种页岩气集输干线点蚀预测方法
WO2023233465A1 (ja) * 2022-05-30 2023-12-07 三菱電機株式会社 腐食環境診断システム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008224405A (ja) 2007-03-13 2008-09-25 Tokyo Electric Power Co Inc:The 腐食速度評価方法
JP2012013673A (ja) 2010-05-31 2012-01-19 Tohoku Electric Power Co Inc 劣化予測マッピング装置及び劣化予測マッピング方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS476254Y1 (ko) 1966-08-22 1972-03-04
GB9812422D0 (en) * 1998-06-10 1998-08-05 Copipe Systems Limited Apparatus and method for sensing corrosivity in a pipeline
EP1408324A4 (en) * 2001-07-12 2011-01-26 Nippon Steel Corp METHOD FOR PREDICTING THE CORROSION STRENGTH OF WEATHERPROOF STEEL
EP1319928A1 (en) * 2001-12-14 2003-06-18 3M Innovative Properties Company Indicator for perishable goods with preceding period data input, interrupt, variable recording, Arrhenius equation, data transmission
JP4143018B2 (ja) 2003-10-31 2008-09-03 新日本製鐵株式会社 耐候性鋼の腐食減耗量予測方法、予測装置、及び鋼構造物適用鋼種の選定方法
JP4706254B2 (ja) 2003-12-26 2011-06-22 Ｊｆｅスチール株式会社 鋼材の寿命予測方法
US20070047857A1 (en) * 2005-08-26 2007-03-01 Tsutomu Hamada Sleeve for hydrodynamic bearing device, hydrodynamic bearing device and spindle motor using the same, and method for manufacturing sleeve
KR101011546B1 (ko) * 2006-01-13 2011-01-27 제이에프이 스틸 가부시키가이샤 예측식 작성장치 및 예측식 작성방법
JP5103589B2 (ja) * 2007-09-14 2012-12-19 株式会社国際電気通信基礎技術研究所 コミュニケーションロボット
WO2010016265A1 (ja) * 2008-08-08 2010-02-11 住友電気工業株式会社 腐食試験方法
CN101477025B (zh) * 2008-12-11 2011-08-31 西安交通大学 基于图像处理的藏展材料的快速评估方法
AU2010204512B2 (en) * 2009-01-19 2015-06-18 Bp Corporation North America Inc. Method and system for predicting corrosion rates using mechanistic models
JP5066160B2 (ja) 2009-11-25 2012-11-07 株式会社神戸製鋼所 鋼材の板厚減少量予測方法
JP5895522B2 (ja) 2011-02-28 2016-03-30 Ｊｆｅスチール株式会社 屋外環境における鋼材の腐食量予測方法
US9176108B2 (en) * 2012-07-26 2015-11-03 Southwest Research Institute Method and device for measuring corrosion metal loss
KR20140070978A (ko) * 2012-12-03 2014-06-11 부산대학교 산학협력단 부식 환경에서의 시간경과에 따른 부식량 예측방법
US9134222B1 (en) * 2013-03-25 2015-09-15 The Boeing Company System and method for stress corrosion testing
CN204389359U (zh) * 2015-02-10 2015-06-10 广东电网公司电力科学研究院 一种酸性海洋气溶胶对钢大气腐蚀影响的模拟加速试验装置
JPWO2017199569A1 (ja) * 2016-05-18 2018-05-31 三菱電機株式会社 耐食性診断器、熱交換器、空気調和機、及び耐食性診断器の製造方法、並びに診断方法
KR101896115B1 (ko) * 2016-10-31 2018-09-06 한국생산기술연구원 유류 설비의 부식 속도 예측 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008224405A (ja) 2007-03-13 2008-09-25 Tokyo Electric Power Co Inc:The 腐食速度評価方法
JP2012013673A (ja) 2010-05-31 2012-01-19 Tohoku Electric Power Co Inc 劣化予測マッピング装置及び劣化予測マッピング方法

Also Published As

Publication number Publication date
CN111542746A (zh) 2020-08-14
KR20200092385A (ko) 2020-08-03
CN111542746B (zh) 2023-06-27
JP6566172B1 (ja) 2019-08-28
JPWO2019135361A1 (ja) 2020-01-16
WO2019135361A1 (ja) 2019-07-11
US20210072144A1 (en) 2021-03-11
US11467082B2 (en) 2022-10-11

Similar Documents

Publication Publication Date Title
KR102293631B1 (ko) 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치
US10871593B2 (en) Method for increasing the spatial resolution of a weather forecast
CN111680870B (zh) 目标运动轨迹质量综合评估方法
JP6939995B2 (ja) 金属材料の腐食量予測モデルの生成方法、金属材料の腐食量予測方法、金属材料の選定方法、金属材料の腐食量予測プログラムおよび金属材料の腐食量予測装置
JP4143018B2 (ja) 耐候性鋼の腐食減耗量予測方法、予測装置、及び鋼構造物適用鋼種の選定方法
KR20220084404A (ko) 금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치
CN113348471A (zh) 一种大气污染预测中对区域边界优化的方法
CN112816352A (zh) 工程结构损伤识别方法、装置、计算机设备及存储介质
WO2020234921A1 (ja) 予測式導出方法及び予測式導出装置
US7885666B2 (en) Method and apparatus for determining the new sample points of the location determination system in a wireless environment
CN109214710B (zh) 基于三因子的雾霾数值预报结果的评价方法及系统
CN108304649B (zh) 一种高层建筑形变预测方法
CN106679911A (zh) 一种基于多尺度数据融合理论的梁型结构损伤识别方法
CN114970341B (zh) 基于机器学习的低轨卫星轨道预报精度提升模型建立方法
US20240151633A1 (en) Method for predicting amount of corrosion in steel, system for predicting amount of corrosion in steel, program for predicting amount of corrosion in steel and method for proposing steel
Odetoye et al. A review of biofuels research in Nigeria
JP2002286863A (ja) 台風による風害評価システム
Aggarwal et al. Application of Partial Least Squares regression to assess the hygrothermal performance of wood-frame walls in Canada under historical and future climates
Rezai Sabzevar Moisture variation impacts on vertical displacement of tall mass-timber buildings: case study: UBC Brock Commons Tallwood House
Akylas et al. Surface fluxes under shear‐free convection
Fan et al. A Prediction Model of Tunnel Surrounding Rock Deformation Based on Induced Ordered Weighted Averaging Theory and its Application
Andersson et al. Assimilation of operational data
JP2022188698A (ja) 風況予測装置および風況予測方法
RIZAL et al. Forecasting Using SARIMA and Bayesian Structural Time Series Method for Range Seasonal Time
Mell et al. Computation of discretization error bounds on the fatigue damage of a shear plate

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant