KR102308703B1 - System for Predicting Timing of Closing Hole of Blast Furnace - Google Patents

System for Predicting Timing of Closing Hole of Blast Furnace Download PDF

Info

Publication number
KR102308703B1
KR102308703B1 KR1020190178111A KR20190178111A KR102308703B1 KR 102308703 B1 KR102308703 B1 KR 102308703B1 KR 1020190178111 A KR1020190178111 A KR 1020190178111A KR 20190178111 A KR20190178111 A KR 20190178111A KR 102308703 B1 KR102308703 B1 KR 102308703B1
Authority
KR
South Korea
Prior art keywords
time
blast furnace
tap
target
information
Prior art date
Application number
KR1020190178111A
Other languages
Korean (ko)
Other versions
KR20210085254A (en
Inventor
정아영
윤지현
Original Assignee
주식회사 포스코아이씨티
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 포스코아이씨티 filed Critical 주식회사 포스코아이씨티
Priority to KR1020190178111A priority Critical patent/KR102308703B1/en
Publication of KR20210085254A publication Critical patent/KR20210085254A/en
Application granted granted Critical
Publication of KR102308703B1 publication Critical patent/KR102308703B1/en

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B7/00—Blast furnaces
    • C21B7/12—Opening or sealing the tap holes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0454—
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B2300/00—Process aspects
    • C21B2300/04—Modeling of the process, e.g. for control purposes; CII

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

고로의 노황정보를 기초로 고로 출선구에서의 폐공시각을 자동으로 예측할 수 있는 발명의 일 측면에 따른 고로 출선구의 폐공시각 예측 시스템은, 고로의 출선구에서 수행되는 출선작업의 경과를 표시하는 탭(TAP)을 생성하는 탭 생성부; 상기 탭 생성부에 의해 생성된 탭들 중 폐공시각 예측대상이 되는 타겟 탭의 생성이전에 종료된 타 탭들의 출선소요시간 정보, 상기 고로의 노황정보, 및 상기 타겟 탭의 설정정보 중 적어도 하나를 변수로 하는 폐공시각 예측모델을 기초로 상기 타겟 탭의 폐공시각을 예측하는 폐공시각 예측부; 및 상기 예측된 폐공시각을 기초로 상기 출선구에서 출선되는 용선을 수송하기 위한 용선수송차량의 용선 스케쥴을 편성하는 용선스케쥴 편성부를 포함하는 것을 특징으로 한다. The system for predicting the closing time of the blast furnace outlet according to an aspect of the invention that can automatically predict the closing time at the outlet of the blast furnace based on the old information of the blast furnace is, a tap generating unit generating a tap (TAP); Among the taps generated by the tap generating unit, at least one of information on the required time for departure of other taps that were completed before the generation of the target tap, which is the target tap for predicting closing time, information on the old age of the blast furnace, and setting information of the target tap as a variable a closing time prediction unit for predicting the closing time of the target tap based on the closing time prediction model of And it characterized in that it comprises a charter schedule organizing unit for organizing the charter schedule of the chartered transport vehicle for transporting the chartered boat to be drawn from the churning port on the basis of the predicted closing time.

Description

고로 출선구의 폐공시각 예측 시스템{System for Predicting Timing of Closing Hole of Blast Furnace}System for Predicting Timing of Closing Hole of Blast Furnace

본 발명은 제철소 생산관리 시스템에 관한 것으로서, 보다 구체적으로 고로에서의 출선에 관한 것이다.The present invention relates to a production management system for a steel mill, and more particularly, to a blast furnace in a blast furnace.

제철소 생산관리 시스템 중 고로에서는 코크스와 열풍의 연소를 통해 소결광을 녹여 용선(쇳물)을 생산한다. 고로에서 출선되는 용선은 특수 내화처리 차량인 용선수송차(Torpedo Ladle Car: TLC)에 실려 전배제 공장(미도시)으로 운송되어 부유물과 슬러지가 제거된 후 제강공정으로 운반된다.In the blast furnace, among the steel mill production management systems, molten iron (molten iron) is produced by melting sinter through the combustion of coke and hot air. The chartered iron from the blast furnace is loaded onto a Torpedo Ladle Car (TLC), a special refractory treatment vehicle, and transported to the total exclusion plant (not shown), where the float and sludge are removed and then transported to the steelmaking process.

제강공정에서 용선 배출을 완료한 용선수송차는 후배제 공정(미도시)으로 이동하여 용선수송차 내에 남은 잔재를 모두 배출한 후 다시 고로로 이동하여 용선을 싣는 과정을 반복하게 된다.The charter truck, which has completed discharging of the molten iron in the steelmaking process, moves to the subsequent elimination process (not shown), discharges all the remaining remnants in the charter truck, and then moves back to the blast furnace and repeats the process of loading the molten iron.

이때, 용선스케쥴은 현업 전문가의 경험 즉, 용선수급계획과 과거 고로에서의 조업실적 데이터를 이용하여 편성되고 행선지시는 작업자의 수작업에 의해 실시되고 있다. 구체적으로, 현업 전문가는 과거 조업실적 데이터 중 일정 시간 이내의 개공부터 폐공까지 소요시간(이하, '출선소요시간'이라 함)을 단순통계적으로 계산하여 용선스케쥴을 편성하였다.At this time, the charter schedule is organized using the experience of the field experts, that is, the charter supply plan and the operation performance data in the past blast furnace, and the destination is performed manually by the operator. Specifically, the field expert organized the charter schedule by simply statistically calculating the required time from opening to closing within a certain period of time (hereinafter referred to as 'required time for departure') among past operation performance data.

하지만, 상술한 종래기술의 경우 용선스케쥴 편성이 현업 전문가의 경험을 기초로 한 단순통계 방법에 의해 결정되기 때문에 작업자의 숙련도에 따라 개/폐공 판단에 편차자 존재할 수 있고, 이로 인해 최적의 용선스케쥴일 편성될 수 없다는 문제점이 있다.However, in the case of the prior art described above, since the charter schedule is determined by a simple statistical method based on the experience of field experts, there may be deviations in the judgment of open/closed depending on the skill level of the operator, and thus the optimal charter schedule There is a problem that the work cannot be organized.

또한, 최적의 용선스케쥴 편성이 어렵기 때문에 고로 주위에 대기하는 용선수송차의 댓수가 증가할 수 밖에 없고, 이로 인해 잠열 손실량이 증가하게 되어 원가 증가 및 생산성이 저하된다는 문제점도 있다.In addition, since it is difficult to organize an optimal charter schedule, the number of chartered trucks waiting around the blast furnace is inevitably increased.

또한, 고로에서의 출선량은 각 고로의 노황에 따라 변동됨에도 불구하고, 기존의 방법은 고로의 노황에 따라 변동되는 저선량 및 출선속도 등을 반영할 수도 없어 출선소요시간을 정확하게 예측할 수 없고, 정량적인 성능개선 효과를 파악하기도 어렵다는 문제점이 있다.In addition, despite the fact that the amount of evacuation in the blast furnace varies according to the age of each blast furnace, the existing method cannot reflect the low dose and evacuation speed that change according to the age of the blast furnace. There is a problem in that it is difficult to understand the effect of improving performance.

본 발명은 상술한 문제점을 해결하기 위한 것으로서, 고로의 노황정보를 기초로 고로 출선구에서의 폐공시각을 자동으로 예측할 수 있는 고로 출선구의 폐공시각 예측 시스템을 제공하는 것을 그 기술적 과제로 한다.The present invention is to solve the above problems, and it is a technical task of the present invention to provide a system for predicting the closing time of the blast furnace outlet, which can automatically predict the closing time at the outlet of the blast furnace based on the old information of the blast furnace.

또한, 본 발명은 고로의 노황정보 및 출선속도를 기초로 현재시각에서 폐공시각까지의 잔여시간을 실시간으로 예측할 수 있는 고로 출선구의 폐공시각 예측 시스템을 제공하는 것을 다른 기술적 과제로 한다.Another technical task of the present invention is to provide a system for predicting the closing time of the blast furnace outlet, which can predict in real time the remaining time from the current time to the closing time based on the old age information and the line speed of the blast furnace.

또한, 본 발명은 예측된 고로의 폐공시각을 기초로 용선수송차의 용선스케쥴을 편성할 수 있는 고로 출선구의 폐공시각 예측 시스템을 제공하는 것을 또 다른 기술적 과제로 한다.In addition, it is another technical task of the present invention to provide a system for predicting the closing time of the blast furnace exit which can organize the charter schedule of the chartered transport vehicle based on the predicted closing time of the blast furnace.

상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 고로 출선구의 폐공시각 예측 시스템은, 고로의 출선구에서 수행되는 출선작업의 경과를 표시하는 탭(TAP)을 생성하는 탭 생성부; 상기 탭 생성부에 의해 생성된 탭들 중 폐공시각 예측대상이 되는 타겟 탭의 생성이전에 종료된 타 탭들의 출선소요시간 정보, 상기 고로의 노황정보, 및 상기 타겟 탭의 설정정보 중 적어도 하나를 변수로 하는 폐공시각 예측모델을 기초로 상기 타겟 탭의 폐공시각을 예측하는 폐공시각 예측부; 및 상기 예측된 폐공시각을 기초로 상기 출선구에서 출선되는 용선을 수송하기 위한 용선수송차량의 용선 스케쥴을 편성하는 용선 스케쥴 편성부를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, there is provided a system for predicting closing time of a blast furnace outlet, comprising: a tap generating unit that generates a tap (TAP) indicating the progress of a tapped operation performed at the outlet of a blast furnace; Among the taps generated by the tap generating unit, at least one of information on the time required for departure of other taps that were completed before the generation of the target tap, which is a target tap for predicting closure time, information on the old age of the blast furnace, and setting information of the target tap as a variable a closing time prediction unit for predicting the closing time of the target tap based on the closing time prediction model of And it characterized in that it comprises a charter schedule organizing unit for organizing the charter schedule of the chartered transport vehicle for transporting the chartered boat to be drawn from the churning port on the basis of the predicted closing time.

본 발명에 따르면, 각 고로의 노황정보에서 도출된 유효인자를 기초로 생성된 폐공시각 예측모델에 해당 고로에서 실시간으로 변화되는 노황정보및 출선정보를 입력함으로써 고로 출선구의 폐공시각을 실시간으로 정확하게 예측할 수 있다는 효과가 있다.According to the present invention, the closing time of the blast furnace exit is accurately measured in real time by inputting the aging information and departure information that are changed in real time in the corresponding blast furnace into the closure time prediction model generated based on the effective factors derived from the aging information of each blast furnace. It has a predictable effect.

또한, 본 발명에 따르면, 각 고로의 출선구 별로 폐공시각을 예측하고, 예측된 폐공시각을 기초로 전체 고로를 대상으로 용선수송차의 용선스케쥴을 편성할 수 있기 때문에, 용선수송차의 가동댓수를 저감시킬 수 있으며, 이로 인해 고로 생산성 향상 및 온도 감소를 방지할 수 있다는 효과가 있다.In addition, according to the present invention, since it is possible to predict the closing time for each exit of each blast furnace and organize the charter schedule of the chartered car for all blast furnaces based on the predicted closing time, the number of movable charter trucks is reduced. This has the effect of improving the productivity of the blast furnace and preventing the temperature decrease.

또한, 본 발명에 따르면, 현재시각에서 폐공시각까지의 잔여시간을 실시간으로 예측함으로써, 폐공작업을 수행할 작업자가 긴 대기시간 없이도 정확한 타이밍에 폐공을 수행할 수 있어 작업자의 작업능률을 향상시킴과 동시에 고로 생산성을 향상시킬 수 있다는 효과가 있다.In addition, according to the present invention, by predicting the remaining time from the current time to the closing time in real time, the worker to perform the closing work can perform the closing at the correct timing without a long waiting time, thereby improving the work efficiency of the worker and At the same time, there is an effect that the blast furnace productivity can be improved.

도 1은 본 발명의 일 실시예에 따른 고로 출선구의 폐공시각 예측 시스템의 구성을 개략적으로 보여주는 블록도이다.
도 2a는 본 발명의 일 실시예에 따른 탭의 형상을 보여주는 도면이다.
도 2b는 타 탭의 출선소요시간 정보를 설명하기 위한 개념도이다.
도 3은 본 발명의 일 실시예에 따른 잔여시간 예측모델의 구성을 개략적으로 보여주는 도면이다.
도 4는 본 발명의 일 실시예에 따른 폐공시각 예측모델의 성능지표의 예를 보여주는 도면이다.
도 5는 잔여시간 예측모델을 통해 예측된 잔여시간과 실제잔여시간을 비교하여 보여주는 그래프이다.1 is a block diagram schematically showing the configuration of a system for predicting closing time of a blast furnace outlet according to an embodiment of the present invention.
2A is a view showing a shape of a tab according to an embodiment of the present invention.
2B is a conceptual diagram for explaining information on time required for outgoing of other taps.
3 is a diagram schematically showing the configuration of a residual time prediction model according to an embodiment of the present invention.
4 is a view showing an example of the performance index of the closed time prediction model according to an embodiment of the present invention.
5 is a graph showing a comparison between the remaining time predicted through the remaining time prediction model and the actual remaining time.

명세서 전체에 걸쳐서 동일한 참조번호들은 실질적으로 동일한 구성요소들을 의미한다. 이하의 설명에서, 본 발명의 핵심 구성과 관련이 없는 경우 및 본 발명의 기술분야에 공지된 구성과 기능에 대한 상세한 설명은 생략될 수 있다. 본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.Like reference numerals refer to substantially identical elements throughout. In the following description, detailed descriptions of configurations and functions known in the art and cases not related to the core configuration of the present invention may be omitted. The meaning of the terms described herein should be understood as follows.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.Advantages and features of the present invention and methods of achieving them will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in a variety of different forms, and only these embodiments allow the disclosure of the present invention to be complete, and common knowledge in the technical field to which the present invention belongs It is provided to fully inform the possessor of the scope of the invention, and the present invention is only defined by the scope of the claims.

본 발명의 실시예를 설명하기 위한 도면에 개시된 형상, 크기, 비율, 각도, 개수 등은 예시적인 것이므로 본 발명이 도시된 사항에 한정되는 것은 아니다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 또한, 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.The shapes, sizes, proportions, angles, numbers, etc. disclosed in the drawings for explaining the embodiments of the present invention are exemplary, and thus the present invention is not limited to the illustrated matters. Like reference numerals refer to like elements throughout. In addition, in describing the present invention, if it is determined that a detailed description of a related known technology may unnecessarily obscure the subject matter of the present invention, the detailed description thereof will be omitted.

본 명세서에서 언급된 '포함한다', '갖는다', '이루어진다' 등이 사용되는 경우 '~만'이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별히 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함한다.When 'including', 'having', 'consisting', etc. mentioned in this specification are used, other parts may be added unless 'only' is used. When a component is expressed in the singular, the case in which the plural is included is included unless otherwise explicitly stated.

구성 요소를 해석함에 있어서, 별도의 명시적 기재가 없더라도 오차 범위를 포함하는 것으로 해석한다.In interpreting the components, it is interpreted as including an error range even if there is no separate explicit description.

위치 관계에 대한 설명일 경우, 예를 들어, '~상에', '~상부에', '~하부에', '~옆에' 등으로 두 부분의 위치 관계가 설명되는 경우, '바로' 또는 '직접'이 사용되지 않는 이상 두 부분 사이에 하나 이상의 다른 부분이 위치할 수도 있다.In the case of a description of the positional relationship, for example, when the positional relationship of two parts is described as 'on', 'on', 'on', 'beside', etc., 'right' Alternatively, one or more other parts may be positioned between the two parts unless 'directly' is used.

시간 관계에 대한 설명일 경우, 예를 들어, '~후에', '~에 이어서', '~다음에', '~전에' 등으로 시간적 선후 관계가 설명되는 경우, '바로' 또는 '직접'이 사용되지 않는 이상 연속적이지 않은 경우도 포함할 수 있다.In the case of a description of a temporal relationship, for example, 'immediately' or 'directly' when a temporal relationship is described with 'after', 'following', 'after', 'before', etc. It may include cases that are not continuous unless this is used.

제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않는다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있다.Although the first, second, etc. are used to describe various components, these components are not limited by these terms. These terms are only used to distinguish one component from another. Accordingly, the first component mentioned below may be the second component within the spirit of the present invention.

"적어도 하나"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및 제 3 항목 중에서 적어도 하나"의 의미는 제1 항목, 제2 항목 또는 제3 항목 각각 뿐만 아니라 제1 항목, 제2 항목 및 제3 항목 중에서 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미할 수 있다. The term “at least one” should be understood to include all possible combinations from one or more related items. For example, the meaning of “at least one of the first, second, and third items” means each of the first, second, or third items as well as two of the first, second and third items. It may mean a combination of all items that can be presented from more than one.

본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하고, 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시할 수도 있다.Each feature of the various embodiments of the present invention may be partially or wholly combined or combined with each other, technically various interlocking and driving are possible, and each of the embodiments may be implemented independently of each other or may be implemented together in a related relationship. may be

이하, 첨부된 도면을 참조하여 본 발명에 따른 실시예를 구체적으로 설명한다.Hereinafter, an embodiment according to the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 고로 출선구의 폐공시각 예측 시스템의 구성을 개략적으로 보여주는 블록도이다. 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 고로 출선구 폐공시각 예측 시스템(100)은 고로(105)의 출선구(105)에서의 폐공시각을 예측한다.1 is a block diagram schematically showing the configuration of a system for predicting closing time of a blast furnace outlet according to an embodiment of the present invention. As shown in FIG. 1 , the system 100 for predicting closing time at the outlet of a blast furnace according to an embodiment of the present invention predicts the time of closing at the outlet 105 of the blast furnace 105 .

이를 위해, 고로 출선구 폐공시각 예측 시스템(100)은 탭 생성부(110), 유효인자 도출부(120), 폐공시각 예측모델 생성부(130), 폐공시각 예측부(140), 및 용선 스케쥴 편성부(150)를 포함한다. 또한, 본 발명에 따른 고로 출선구 폐공시각 예측 시스템(100)은 잔여시간 예측모델 생성부(160), 잔여시간 예측부(170), 및 성능지표 산출부(180)를 더 포함할 수 있다.To this end, the blast furnace exit time prediction system 100 includes a tap generation unit 110, an effective factor derivation unit 120, a closing time prediction model generation unit 130, a closing time prediction unit 140, and a charter schedule. It includes a knitting unit 150 . In addition, the blast furnace outlet closing time prediction system 100 according to the present invention may further include a residual time prediction model generation unit 160 , a remaining time prediction unit 170 , and a performance indicator calculation unit 180 .

탭 생성부(110)는 고로(105)의 출선구(105a~105d)에서 수행되는 출선작업의 경과를 나타내는 탭(Tap)을 생성하여 운전자의 단말기(미도시) 상에 표시한다. 일 실시예에 있어서, 탭 생성부(110)는 각 고로(105)의 출선구(105a~105d)에서 수행되는 출선작업 별로 탭을 생성할 수 있다.The tap generating unit 110 generates a tap indicating the progress of the tap work performed at the tap ports 105a to 105d of the blast furnace 105 and displays it on the driver's terminal (not shown). In an embodiment, the tap generating unit 110 may generate a tap for each tap operation performed at the tap ports 105a to 105d of each blast furnace 105 .

탭 생성부(110)에 의해 생성되는 탭의 일 예가 도 2a에 도시되어 있다. 도 2a에서 알 수 있듯이, 탭(200)은 출선구의 개공을 나타내는 개공 인디케이터(I1), 출선구의 폐공을 나타내는 폐공 인디케이터(I2), 및 개공 인디케이터(I1)와 폐공 인디케이터(I2)를 연결하여 해당 탭(200)에서 출선작업의 경과를 나타내는 출선작업 경과 인디케이터(I3)로 구성될 수 있다.An example of a tap generated by the tap generating unit 110 is illustrated in FIG. 2A . As can be seen from FIG. 2A , the tab 200 connects the opening indicator I1 indicating the opening of the outlet, the closing indicator I2 indicating the closed hole of the outlet, and the opening indicator I1 and the closing indicator I2. Thus, the tap 200 may be configured as a progress indicator I3 indicating the progress of the tapped work.

일 실시예에 있어서, 탭 생성부(110)는 특정 출선구의 개공이 감지되면 해당 출선구에 대한 탭(200)을 생성하고, 해당 출선구에서 출선작업이 진행됨에 따라 출선작업 경과 인디케이터(I3)의 색상을 변경시키며, 해당 출선구의 폐공이 감지되면 폐공 인디케이터(I2)의 색상을 변경시킴으로써 운전자가 해당 출선구에서 출선작업이 완료되었음을 인지할 수 있도록 할 수 있다.In one embodiment, the tap generating unit 110 generates a tap 200 for the corresponding outlet when the opening of a specific outlet is detected, and as the tap work progresses at the corresponding outlet, the tap work progress indicator I3 ), and when a closed hole of the corresponding outlet is detected, the color of the closed hole indicator I2 is changed so that the driver can recognize that the running work is completed at the corresponding outlet.

다시 도 1을 참조하면, 유효인자 도출부(120)는 고로로부터 노황정보를 수집하고, 수집된 노황정보로부터 각 탭의 폐공시각 예측을 위한 폐공시각 예측모델에 이용될 유효인자를 도출한다.Referring back to FIG. 1 , the effective factor derivation unit 120 collects old age information from the blast furnace, and derives an effective factor to be used in a closing time prediction model for predicting the closing time of each tap from the collected old yellow information.

일 실시예에 있어서, 유효인자 도출부(120)는 각 고로로부터 수집되는 다양한 노황정보들 중 고로의 저선량 정보, 고로의 풍량정보, 고로의 압력정보, 고로의 철광석양과 코크스 양의 비(Ore/Coke비), 및 고로의 산소부화량, 고로의 위치별 및 단별 압력, 고로의 위치별 및 단별 온도, 및 출선속도 중 적어도 하나를 폐공시각 예측모델에 이용할 유효인자로 도출할 수 있다.In one embodiment, the effective factor derivation unit 120 is configured to include low dose information of the blast furnace, air volume information of the blast furnace, pressure information of the blast furnace, and the ratio (Ore/ Coke ratio), oxygen enrichment amount of the blast furnace, pressure for each position and stage of the blast furnace, temperature for each position and stage of the blast furnace, and ship speed can be derived as effective factors to be used in the closing time prediction model.

여기서, 고로의 저선량 정보는 고루 하부에 생성 및 잔류하는 용성과 슬래그 양을 의미하는 것으로서, 고로의 저선량 정보는 폐공시각 예측 대상이 되는 타겟 탭의 개공시각부터 미리 정해진 기준시간 단위(예컨대, 30분 단위)로 산출된 저선량 기울기, 타겟 탭의 개공시각 이전인 참조시각(예컨대, 개공시각으로부터 2시간 이전)부터 타겟 탭의 개공시각까지 저선량 최대값, 타겟 탭의 개공시각부터 상기 기준시간 단위로 산출된 저선량 평균값, 타겟 탭의 개공시각부터 상기 기준시간 단위로 산출된 저선량 최대값, 및 타겟 탭의 개공시각부터 상기 기준시간 단위로 산출된 저선량 최소값 중 적어도 하나를 포함할 수 있다.Here, the low-dose information of the blast furnace means the amount of solubility and slag generated and remaining at the bottom of the blast furnace, and the low-dose information of the blast furnace is a predetermined reference time unit (eg, 30 minutes) from the opening time of the target tap, which is the target of the closing time prediction. unit), the maximum value of low dose from the reference time (eg, 2 hours before the opening time) before the opening time of the target tap to the opening time of the target tap, calculated by the reference time unit from the opening time of the target tap It may include at least one of the average value of the low dose, the maximum value of the low dose calculated from the opening time of the target tap in units of the reference time, and the minimum value of the low dose calculated in the units of the reference time from the opening time of the target tap.

고로의 풍량정보는 고로 내로 취입하는 열풍의 양을 의미하는 것으로서, 타겟 탭의 참조시각부터 타겟 탭의 개공시각까지 상기 고로의 풍량 최대값 및 최소값 중 적어도 하나를 포함할 수 있다.The air volume information of the blast furnace means the amount of hot air blown into the blast furnace, and may include at least one of the maximum and minimum air volume values of the blast furnace from the reference time of the target tap to the opening time of the target tap.

고로의 압력정보는 고로의 풍압정보 및 고로의 노정압 정보를 포함할 수 있다. 고로의 풍압정보란 풍구를 통하여 노내로 취입되는 열풍의 압력을 의미하고, 고로의 노정압 정보는 노정에서 노외로 배출되는 가스압력을 의미한다. 이러한 실시예에 따르는 경우 고로의 풍압정보는 타겟 탭의 참조시각부터 타겟 탭의 개공시각까지 고로의 풍압 최대값 및 타겟 탭의 개공시각부터 상기 기준시간 단위로 산출된 풍압 최소값 중 적어도 하나를 포함할 수 있다. 또한, 고로의 노정압 정보는 타겟 탭의 참조시각부터 타겟 탭의 개공시각까지 고로의 노정압 최소값을 포함할 수 있다.The pressure information of the blast furnace may include wind pressure information of the blast furnace and furnace top pressure information of the blast furnace. The wind pressure information of the blast furnace means the pressure of the hot air blown into the furnace through the tuyere, and the furnace top pressure information of the blast furnace means the gas pressure discharged from the furnace top to the outside. According to this embodiment, the wind pressure information of the blast furnace includes at least one of the maximum wind pressure value of the blast furnace from the reference time of the target tap to the opening time of the target tap, and the minimum wind pressure value calculated in units of the reference time from the opening time of the target tap. can Also, the furnace top pressure information of the blast furnace may include a minimum furnace top pressure value of the blast furnace from the reference time of the target tap to the opening time of the target tap.

고로의 철광석양과 코크스 양의 비(Ore/Coke비)는 타겟 탭의 참조시각부터 타겟 탭의 개공시각까지 고로의 철광석양과 코크스 양의 비의 표준편차, 타겟 탭의 개공시각부터 상기 기준시간 단위로 산출된 고로의 철광석양과 코크스 양의 비의 기울기, 타겟 탭의 참조시각부터 타겟 탭의 개공시각까지 고로의 철광석양과 코크스 양의 비의 최소값 중 적어도 하나를 포함할 수 있다.The ratio (Ore/Coke ratio) of the amount of iron ore to the amount of coke in the blast furnace is the standard deviation of the ratio of the amount of iron ore to the amount of coke in the blast furnace from the reference time of the target tap to the opening time of the target tap, and the standard deviation from the opening time of the target tap to the above reference time unit. It may include at least one of the calculated slope of the ratio of the amount of iron ore to the amount of coke of the blast furnace, and a minimum value of the ratio of the amount of iron ore to the amount of coke in the blast furnace from the reference time of the target tap to the opening time of the target tap.

고로의 산소부화량 정보는 고로내 환원을 위해 취입되는 산소량을 의미하는 것으로서, 타겟 탭의 참조시각부터 타겟 탭의 개공시각까지 산소부화량의 최대값 및 최소값 중 적어도 하나를 포함할 수 있다.The oxygen enrichment amount information of the blast furnace means the amount of oxygen introduced for reduction in the blast furnace, and may include at least one of the maximum and minimum values of the oxygen enrichment amount from the reference time of the target tap to the opening time of the target tap.

상술한 바와 같은 유효인자 도출부(120)는 각 탭 별로 폐공시각이 예측되는 시점(이하, '예측시점'이라 함)별로 유효인자를 도출할 수 있다. 이에 따라, 본 발명은 노황정보 중 각 예측시점 별로 폐공시각에 영향을 미칠 수 있는 유효인자들을 이용하여 폐공시각을 예측할 수 있기 때문에, 폐공시각 예측 정확도를 향상시킬 수 있다.As described above, the effective factor derivation unit 120 may derive the effective factor for each time point at which the closing time is predicted for each tap (hereinafter, referred to as 'prediction time point'). Accordingly, since the present invention can predict the closing time by using effective factors that can affect the closing time for each prediction time of the old age information, it is possible to improve the prediction accuracy of the closing time.

유효인자 도출부(120)는 도출된 유효인자들을 폐공시각 예측모델 생성부(130)로 전달한다.The effective factor derivation unit 120 transmits the derived effective factors to the closed time prediction model generation unit 130 .

페공시각 예측모델 생성부(130)는 유효인자 도출부(120)로부터 전송된 유효인자들, 탭 생성부(110)에 의해 생성된 탭으로부터 수집되는 출선소요시간 정보, 및 탭 생성부(110)에 의해 생성된 탭으로부터 수집되는 탭 설정정보 중 적어도 하나를 이용하여 각 탭에서의 폐공시각 예측을 위한 폐공시각 예측모델을 생성한다.The empty time prediction model generation unit 130 includes the effective factors transmitted from the effective factor derivation unit 120 , the time required for departure collected from the taps generated by the tap generation unit 110 , and the tap generation unit 110 . ) to generate a closed time prediction model for predicting closed air time in each tap using at least one of the tap setting information collected from the taps generated by .

이때, 출선소요시간 정보는 폐공시각 예측대상이 되는 타겟 탭의 생성이전에 종료된 타 탭들의 출선소요시간 정보를 의미하고, 탭의 설정정보는 폐공시각 예측대상이 되는 타겟 탭에 대응되는 타겟 출선구에서의 용선수송차량대수 및 타겟 출선구에서의 이론 출선량 중 적어도 하나를 포함한다.In this case, the departure time information means the departure time information of other taps that have been completed before the generation of the target tap, which is the target of the closure time prediction, and the setting information of the tap is the target exit corresponding to the target tap that is the target of the closing time prediction. It includes at least one of the number of chartered vehicles in the port and the theoretical amount in the target port.

일 실시예에 있어서, 폐공시각 예측모델 생성부(130)는 상술한 유효인자들, 출선소요시간 정보, 및 탭 설정정보 중 적어도 하나를 빅데이터 분석을 통해 학습함으로써 유효인자, 출선소요시간 정보, 및 탭 설정정보 별로 회귀계수를 산출하고, 산출된 회귀계수를 각 인자들에 승산하는 형태의 폐공시각 예측모델을 생성할 수 있다. 이때, 유효인자, 출선소요시간 정보, 및 탭 설정정보는 각 고로 별로 상이하기 때문에, 폐공시각 예측모델 생성부(130)는 각 고로 별로 폐공시각 예측모델을 생성할 수 있다. In an embodiment, the closing time prediction model generation unit 130 learns at least one of the above-described effective factors, time required for departure information, and tap setting information through big data analysis, so that effective factors, time required for departure information, and calculating a regression coefficient for each tap setting information, and generating a closed time prediction model in the form of multiplying the calculated regression coefficient by each factor. At this time, since the effective factor, the time required for departure, and the tap setting information are different for each blast furnace, the closing time prediction model generating unit 130 may generate the closing time prediction model for each blast furnace.

일 예로, 폐공시각 예측모델 생성부(130)는 아래의 수학식 1과 같이 정의되는 폐공시각 예측모델을 생성할 수 있다.As an example, the closed time prediction model generation unit 130 may generate a closed time prediction model defined as in Equation 1 below.

Figure 112019135594203-pat00001
Figure 112019135594203-pat00001

수학식 1에서, Y는 특정 예측시점에서 타겟 탭의 폐공시각을 나타내고, X1은 해당 예측시점에서 획득된 출선소요시간 정보를 나타내고, X2는 해당 예측시점에서 획득된 타겟 탭의 설정정보를 나타내며, X3는 해당 예측시점에서 획득된 고로의 철광석양과 코크스 양의 비를 나타내며, X4는 해당 예측시점에서 획득된 고로의 압력정보를 나타내고, X5는 해당 예측시점에서 획득된 고로의 저선량 정보를 나타내며, X6는 해당 예측시점에서 획득된 고로의 풍량 최대값과 풍량 최소값의 편차를 나타내며, X7은 해당 예측시점에서 획득된 고로의 산소부화량 최대값과 산소부화량 최소값간의 편차를 나타내며, a0 내지 a7은 각 예측시점 별로 설정되는 예측 회귀계수를 나타낸다.In Equation 1, Y represents the closing time of the target tap at a specific prediction time, X 1 represents the departure time information obtained at the corresponding prediction time, and X 2 is the setting information of the target tap obtained at the prediction time. X 3 represents the ratio of the iron ore amount to the coke amount of the blast furnace obtained at the prediction time, X 4 represents the pressure information of the blast furnace obtained at the prediction time, and X 5 is the low dose of the blast furnace obtained at the prediction time. information, X 6 represents the deviation between the maximum and minimum air volume values of the blast furnace obtained at the predicted time, and X 7 represents the deviation between the maximum oxygen enrichment value and the minimum oxygen enrichment value of the blast furnace obtained at the predicted time point. and a0 to a7 represent prediction regression coefficients set for each prediction time.

상술한 수학식 1에서 기재된 고로의 철광석양과 코크스 양의 비, 고로의 압력정보, 고로의 저선량 정보, 고로의 풍량 최대값과 풍량 최소값의 편차, 고로의 산소부화량 최대값과 산소부화량 최소값간의 편차에 대한 설명은 상술한 유효인자 도출부(120)의 설명 부분에서 이미 기재하였기 때문에 구체적인 설명은 생략한다.The ratio between the iron ore amount and the coke amount of the blast furnace described in Equation 1 described above, the pressure information of the blast furnace, the low dose information of the blast furnace, the deviation of the maximum air volume and the minimum air volume of the blast furnace, and the maximum value of the oxygen enrichment amount and the minimum value of the oxygen enrichment amount Since the description of the deviation has already been described in the description of the effective factor derivation unit 120 described above, a detailed description thereof will be omitted.

수학식 1에서 출선소요시간 정보는 폐공시각 예측대상이 되는 타겟 탭을 제외한 타 탭의 출선소요시간을 의미하는 것으로서, 미리 정해진 개수(예컨대 10개)의 타 탭들의 출선소요시간 평균값, 타 탭들 중 가장 최근에 종료된 탭의 폐공시각과 타겟 탭의 개공시각 간의 차이, 가장 최근에 종료된 탭의 개공시각과 타겟 탭의 개공시각 간의 차이, 타겟 탭의 개공시각에 가장 최근에 종료된 탭의 출선소요시간을 합산한 값, 및 타겟 탭의 진행 중 종료된 타 탭의 폐공시각과 타겟 탭의 개공시각 간의 차이 중 적어도 하나를 포함할 수 있다.In Equation 1, the departure time information means the departure time of other taps except for the target tap that is the target of the closure time prediction. The difference between the closing time of the most recently closed tap and the opening time of the target tap, the difference between the opening time of the most recently closed tap and the opening time of the target tap, the opening of the most recently closed tap at the opening time of the target tap It may include at least one of a value obtained by summing the required time, and a difference between the closing time of another tap, which is finished while the target tap is in progress, and the opening time of the target tap.

타 탭의 출선소요시간 정보를 도 2b를 참조하여 보다 구체적으로 설명한다. 도 2b는 타 탭의 출선소요시간 정보를 설명하기 위한 개념도이다. 도 2b에서는 하나의 고로가 4개의 출선구(출선구1~출선구4)를 가지는 것으로 가정하였고, 설명의 편의를 위해 각 출선구(출선구1~출선구4)에 대해 각각 1개의 탭(210~240)이 생성된 것으로 가정하였다.Departure time information of other tabs will be described in more detail with reference to FIG. 2B . 2B is a conceptual diagram for explaining information on time required for outgoing of other taps. In Fig. 2b, it is assumed that one blast furnace has four outlets (Exit 1 ~ Outlet 4), and for convenience of explanation, one tap ( 210-240) was assumed to be generated.

도 2b에서 출선구 1에 대해 생성된 타겟 탭(210)을 기준으로, 타 탭의 출선소요시간정보는 타 탭(220~240)들 중 가장 최근에 종료된 탭(220)의 폐공시각(220b)과 타겟 탭(210)의 개공시각(210a) 간의 차이(D1), 가장 최근에 종료된 탭(220)의 개공시각(220a)과 타겟 탭(210)의 개공시각(210a) 간의 차이(D2), 타겟 탭(210)의 개공시각(210a)에 가장 최근에 종료된 탭(220)의 출선소요시간(t)을 합산한 값, 및 타겟 탭(210)의 진행 중 종료된 타 탭(230)의 폐공시각(230b)과 타겟 탭(210)의 개공시각(210a) 간의 차이(D3) 중 적어도 하나를 포함할 수 있다.Based on the target tap 210 generated for the outlet 1 in FIG. 2b , the departure time information of the other tap is the closing time 220b of the most recently terminated tap 220 among the other taps 220 to 240 . ) and the difference (D1) between the opening time (210a) of the target tab (210), the difference (D2) between the opening time (220a) of the most recently ended tab (220) and the opening time (210a) of the target tab (210) ), a value obtained by adding the time t of the most recently closed tap 220 to the opening time 210a of the target tap 210 , and the other tap 230 that is closed while the target tap 210 is in progress. ) may include at least one of the difference D3 between the closing time 230b of the target tab 210 and the opening time 210a of the target tab 210 .

한편, 상술한 수학식 1에서 타겟 탭의 설정정보는 타겟 탭에 대응되는 타겟 출선구에서의 용선수송차량대수 및 타겟 출선구에서의 이론 출선량 중 적어도 하나를 포함할 수 있다.Meanwhile, in Equation 1 above, the setting information of the target tap may include at least one of the number of chartered vehicles at the target outlet corresponding to the target tap and the theoretical amount of ships at the target outlet.

다시 도 1을 참조하면, 폐공시각 예측부(140)는 폐공시각 예측모델 생성부(130)에 의해 생성된 폐공시각 예측모델에 각 예측시점에서 도출된 노황정보의 유효인자, 타 탭의 출선소요시간 정보, 및 타겟 탭의 설정정보를 입력함으로써 각 예측시점에서 타겟 탭의 폐공시각을 예측한다. 일 실시예에 있어서, 폐공시각 예측부(140)는 미리 정해진 제1 예측주기마다 폐공시각을 예측할 수 있다.Referring back to FIG. 1, the closing time prediction unit 140 is an effective factor of old age information derived at each prediction time in the closing time prediction model generated by the closing time prediction model generation unit 130, and the departure requirements of other taps. By inputting time information and setting information of the target tap, the closing time of the target tap is predicted at each prediction time. In an embodiment, the closing time prediction unit 140 may predict the closing time for each predetermined first prediction period.

본 발명에서 폐공시각 예측부(140)가 제1 예측주기마다 폐공시각을 새롭게 예측하는 이유는, 해당 고로의 노황정보가 시간이 경과함에 따라 변화되기 때문에 노황정보를 기초로 예측되는 폐공시각 또한 시간이 경과함에 따라 변화될 수 있기 때문이다. 이에 따라, 폐공시각 예측부(140)는 각 예측시점 마다 해당 예측시점에서 획득된 노황정보의 유효인자, 타 탭의 출선소요시간 정보, 및 타겟 탭의 설정정보를 페공시각 예측모델에 입력하기 때문에, 시간의 경과에 따라 변화되는 노황정보를 반영하여 폐공시각을 정확하게 예측할 수 있게 된다.In the present invention, the reason that the closing time prediction unit 140 newly predicts the closing time for each first prediction period is that since the old age information of the blast furnace changes over time, the closing time predicted based on the old age information is also time This is because it may change over time. Accordingly, the closing time prediction unit 140 at each prediction time enters the effective factor of old age information obtained at the corresponding prediction time, the departure time information of other tabs, and the setting information of the target tab to the closing time prediction model. Therefore, it is possible to accurately predict the closing time by reflecting the aging information that changes over time.

폐공시각 예측부(140)는 타겟 탭에 대한 폐공시각이 예측되면, 예측된 폐공시각을 도 2a에 도시된 바와 같이 타겟 탭(200)에 함께 표시할 수 있다.When the closing time for the target tap is predicted, the closing time prediction unit 140 may display the predicted closing time on the target tab 200 together as shown in FIG. 2A .

다시 도 1을 참조하면, 용선스케쥴 편성부(150)는 폐공시각 예측부(140)에 의해 각 고로의 출선구에서 수행되는 출선작업 별로 폐공시각이 예측되면, 예측된 폐공시각을 기초로 각 출선구에서 출선되는 용선을 수송하기 위한 용선수송차량의 스케쥴을 편성한다.Referring back to FIG. 1 , the charter ship schedule organizing unit 150 predicts the closing time for each depot operation performed at the outlet of each blast furnace by the closing time predicting unit 140, based on the predicted closing time. Organize the schedule of charter transport vehicles for transporting chartered boats from the port.

구체적으로, 용선스케쥴 편성부(150)는 각 탭 별로 미리 설정된 기본 폐공시각을 기초로 용선수송차량들의 이동정보가 기록되어 있는 기준 스케쥴 상에서 기본 폐공시각을 폐공시각 예측부(140)에 의해 예측된 폐공시각으로 갱신함으로써 용선수송차량의 용선 스케쥴을 편성할 수 있다.Specifically, the charter schedule organizer 150 calculates the default closing time on the reference schedule in which the movement information of chartered vehicles is recorded based on the default closing time preset for each tab. By updating to the closing time, it is possible to organize the charter schedule of the chartered transport vehicle.

기준 스케쥴 상에서 각 용선수송차량들의 이동정보는 용선수송차량이 이동해야 할 목적지 정보가 기준 폐공시각을 기준으로 하여 미리 정해진 시간 간격마다 입력되어 있기 때문에, 용선스케쥴 편성부(150)가 기준 스케쥴 상에 기록된 기준 폐공시각을 갱신함으로써, 기준 폐공시각 이후에 기록된 다른 시간 들도 미리 정해진 시간만큼 쉬프트되어 최종 용선스케쥴이 편성된다.Since the movement information of each chartered vehicle on the reference schedule is input at predetermined time intervals based on the reference closing time as the destination information to which the chartered transportation vehicle should move, the charter schedule organizer 150 is on the reference schedule. By updating the recorded reference closing time, the other times recorded after the reference closing time are also shifted by a predetermined time, and the final charter schedule is organized.

상술한 바와 같이, 본 발명에 따르면 고로에서 도출된 유효인자들을 기초로 폐공시각 예측모델을 생성하고, 폐공시각 예측모델에 실시간으로 변화되는 각 고로의 노황정보를 입력하여 각 고로 출선구 별로 폐공시각을 실시간으로 정확하게 예측할 수 있게 된다. 이에 따라, 정확하게 예측된 폐공시각을 기초로 용선수송차량의 용선 스케쥴을 편성할 수 있기 때문에, 고로 주위에 대기하는 용선수송차량의 댓수를 감소시킬 수 있고, 이로 인해 잠열 손실량 또한 감소하게 되어 원가를 절감할 수 있게 되고 생산성을 향상시킬 수 있게 된다.As described above, according to the present invention, the closing time prediction model is generated based on the effective factors derived from the blast furnace, and the aging information of each blast furnace that is changed in real time is input to the closing time prediction model, and the closing time for each blast furnace outlet can be accurately predicted in real time. Accordingly, since it is possible to organize the charter schedule of the charter transport vehicle based on the accurately predicted closing time, it is possible to reduce the number of chartered transport vehicles waiting around the blast furnace. can be saved and productivity can be improved.

잔여시간 예측모델 생성부(160)는 유효인자 도출부(120)에 의해 도출된 노황정보 중 적어도 일부의 유효인자를 이용하여 현재시점부터 폐공까지의 잔여시간을 예측하기 위한 잔여시간 예측모델을 생성한다.The remaining time prediction model generation unit 160 generates a remaining time prediction model for predicting the remaining time from the current time to the closure by using at least some effective factors among the old age information derived by the effective factor deriving unit 120 . do.

일 실시예에 있어서, 잔여시간 예측모델(160)은 도 3에 도시된 바와 같이, CNN(Convolutional Neural Network)기반의 제1 신경망 네트워크(310)와 RNN(Recurrent Neural Network)기반의 제2 신경망 네트워크(320)를 결합함으로써 잔여시간 예측모델(300)을 생성할 수 있다.In one embodiment, the residual time prediction model 160 is a first neural network 310 based on a Convolutional Neural Network (CNN) and a second neural network network based on a Recurrent Neural Network (RNN) as shown in FIG. 3 . By combining ( 320 ), the residual time prediction model ( 300 ) can be generated.

이러한 실시예에 따르는 경우, 제1 신경망 네트워크(310)는 컨벌루션 레이어(Convolution layer)를 활용한 복수개의 컨벌루션 LSTM(Long Short-Term Memory, 310a, 310b), 선형화 레이어(310c), 차원축소 레이어(310d)로 구성되고, 제2 신경망 네트워크는 복수개의 LSTM(320a, 320b), 정규화 레이어(320c), 및 차원축소 레이어(320d)로 구성된다. 이때, 선형화 레이어(310c)는 Flatter/ReLu함수로 구현될 수 있고, 정규화 레이어(320c)는 Dropout 함수로 구현될 수 있으며, 차원숙소 레이어(310d, 320d)는 Dense함수로 구현될 수 있다.According to this embodiment, the first neural network 310 includes a plurality of convolutional Long Short-Term Memory (LSTMs, 310a, 310b) using a convolution layer, a linearization layer 310c, a dimension reduction layer ( 310d), and the second neural network includes a plurality of LSTMs 320a and 320b, a normalization layer 320c, and a dimension reduction layer 320d. In this case, the linearization layer 310c may be implemented as a Flatter/ReLu function, the normalization layer 320c may be implemented as a Dropout function, and the dimensional accommodation layers 310d and 320d may be implemented as a Dense function.

잔여시간 예측모델은 제1 신경망 네트워크(310) 및 제2 신경망 네트워크(320)를 결합하는 결합 레이어(330) 및 결합된 결과를 차원축소하는 차원축소 레이어(340)를 포함한다. 이때, 결합 레이어(330)는 콘캣(Concat)함수로 구현될 수 있다.The residual time prediction model includes a combination layer 330 that combines the first neural network 310 and the second neural network 320 , and a dimension reduction layer 340 that reduces the dimensions of the combined result. In this case, the coupling layer 330 may be implemented as a Concat function.

잔여시간 예측모델 생성부(160)는 도 3에 도시된 바와 같은 구조를 갖는 잔여시간 예측모델을 노황정보 중 고로의 위치별 및 단별 온도, 고로의 위치별 및 단별 압력, 및 출선속도 중 적어도 하나로 구성된 학습 데이터 셋을 이용하여 학습시킨다. 이때, 고로의 위치별 및 단별 온도와 압력은 단별로 구분되어 있기 때문에 제1 신경망 네트워크의 입력값(Input1)으로 활용되고, 출선속도는 시계열 딥러닝 알고리즘인 제2 신경망 네트워크의 입력값(Input2)으로 활용된다.The residual time prediction model generation unit 160 converts the residual time prediction model having the structure as shown in FIG. 3 to at least one of the temperature for each location and each stage of the blast furnace, the pressure for each position and each stage of the blast furnace, and the ship speed among the furnace information. It trains using the configured training data set. At this time, since the temperature and pressure for each location and each stage of the blast furnace are separated by stage, it is used as the input value of the first neural network (Input1), and the output speed is the input value of the second neural network, which is a time-series deep learning algorithm (Input2). is used as

잔여시간 예측부(170)는 잔여시간 예측모델을 이용하여 각 탭 별로 현재시점에서 폐공까지의 잔여시간을 예측한다. 구체적으로, 잔여시간 예측부(170)는 도 3에 도시된 바와 같은 구조를 갖는 잔여시간 예측모델의 제1 신경망 네트워크(310)에 현재시점에서 획득된 고로의 위치별 및 단별 온도 및 고로의 위치별 및 단별 압력을 입력값(Input1)으로 입력하고, 제2 신경망 네트워크(320)에 현재시점에서 획득된 출선속도를 입력(Input2)값으로 입력함으로써 현재시점에서 폐공까지의 잔여시간(Output)을 예측한다.The remaining time prediction unit 170 predicts the remaining time from the current time to the closure for each tap by using the remaining time prediction model. Specifically, the residual time prediction unit 170 is the first neural network 310 of the residual time prediction model having the structure as shown in FIG. 3 , the temperature and the location of the blast furnace for each location and stage obtained at the current time. By inputting star and stage pressures as input values (Input1), and inputting the output speed obtained at the current time to the second neural network 320 as an input value (Input2), the remaining time from the current time to closing (Output) predict

일 실시예에 있어서, 잔여시간 예측부(170)는 미리 정해진 제2 예측주기마다 잔여시간을 예측할 수 있다. 이때, 잔여시간이 예측되는 제2 예측주기는 폐공시각이 예측되는 제1 예측주기보다 짧게 설정될 수 있다. 예컨대, 폐공시각 예측을 위한 제1 예측주기가 30분단위로 설정되는 경우 잔여시간 예측을 위한 제2 예측주기는 10분단위로 설정될 수 있다.In an embodiment, the remaining time prediction unit 170 may predict the remaining time for each predetermined second prediction period. In this case, the second prediction period in which the remaining time is predicted may be set shorter than the first prediction period in which the closing time is predicted. For example, when the first prediction period for predicting the closing time is set in units of 30 minutes, the second prediction period for predicting the remaining time may be set in units of 10 minutes.

본 발명에서 잔여시간 예측주기를 폐공시각 예측주기보다 짧게 설정하는 이유는, 잔여시간 예측은 고로 출선구에서 폐공작업을 수행할 작업자에게 실제 폐공작업 개시를 안내하기 위한 것이기 때문에 폐공시각 예측보다 정확하게 예측될 필요가 있고, 예측주기가 짧게 설정될 수록 폐공까지의 잔여시간이 보다 정확하게 예측될 수 있기 때문이다.The reason for setting the remaining time prediction period shorter than the closing time prediction period in the present invention is that the remaining time prediction is to guide the actual start of the closing work to the operator who will perform the closed work at the exit of the blast furnace, so it is predicted more accurately than the prediction of the closing time This is because, as the prediction period is set shorter, the remaining time until closing can be predicted more accurately.

다시 도 1을 참조하면, 성능지표 산출부(180)는 각 탭 별로 폐공시각 예측부(140)에 의해 예측된 폐공시각과 실제 폐공시각을 비교하여 폐공시각 예측모델의 성능지표를 산출한다. 일 실시예에 있어서, 성능지표 산출부(180)는 예측된 폐공시각과 실제 폐공시각간의 차이가 제1 시간(예컨대, 30분) 이내이면 제1 값(예컨대, 1)을 할당하고, 제1 시간을 초과하면 제2 값(예컨대, 0)을 할당함으로써, 각 폐공시각 예측모델 별로 성능지표를 산출할 수 있다. 성능지표 산출부(180)에 의해 산출된 성능지표의 일 예가 도 4에 도시되어 있다.Referring back to FIG. 1 , the performance indicator calculating unit 180 compares the closing time predicted by the closing time prediction unit 140 for each tap with the actual closing time to calculate the performance index of the closing time prediction model. In one embodiment, the performance indicator calculation unit 180 allocates a first value (eg, 1) if the difference between the predicted closing time and the actual closing time is within a first time (eg, 30 minutes), and the first When the time is exceeded, by allocating a second value (eg, 0), a performance index can be calculated for each closed time prediction model. An example of the performance index calculated by the performance index calculation unit 180 is shown in FIG. 4 .

성능지표 산출부(180)는 산출된 성능지표를 유효인자 도출부(120)로 제공함으로써, 유효인자 도출부(120)가 유효인자 도출시 성능지표 산출부(180)에 의해 산출된 성능지표를 추가로 이용하여 유효인자를 도출하도록 함으로써, 폐공시각에 영향을 주는 인자들을 보다 정확하게 도출할 수 있도록 한다.The performance index calculation unit 180 provides the calculated performance index to the effective factor derivation unit 120, so that when the effective factor derivation unit 120 derives the effective factor, the performance index calculated by the performance index calculation unit 180 is calculated. By using additionally to derive effective factors, it is possible to more accurately derive factors affecting the closing time.

또한, 성능지표 산출부(180)는 각 탭 별로 잔여시간 예측부(170)에 의해 예측된 잔여시간을 실제 잔여시간과 비교함으로써 잔여시간 예측모델의 성능지표를 산출할 수도 있을 것이다. 이러한 실시예에 따르는 경우 성능지표 산출부(180)는 도 5에 도시된 바와 같이 잔여시간 예측부(170)에 의해 예측된 잔여시간(510)을 실제 잔여시간(520)과 비교한 그래프 형태로 생성하여 시스템 운영자에게 제공할 수 있다.Also, the performance indicator calculating unit 180 may calculate the performance indicator of the residual time prediction model by comparing the remaining time predicted by the remaining time predicting unit 170 for each tap with the actual remaining time. According to this embodiment, the performance indicator calculation unit 180 compares the remaining time 510 predicted by the remaining time prediction unit 170 with the actual remaining time 520 as shown in FIG. 5 in the form of a graph. It can be created and provided to the system operator.

본 발명이 속하는 기술분야의 당업자는 상술한 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.Those skilled in the art to which the present invention pertains will understand that the above-described present invention may be embodied in other specific forms without changing the technical spirit or essential characteristics thereof.

그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. The scope of the present invention is indicated by the following claims rather than the above detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts should be interpreted as being included in the scope of the present invention. do.

100: 폐공시각 예측 시스템 110: 탭 생성부
120: 유효인자 도출부 130: 폐공시각 예측모델 생성부
140: 폐공시각 예측부 150: 용선스케쥴 편성부
160: 잔여시간 예측모델 생성부 170: 잔여시간 예측부
180: 성능지표 산출부100: closing time prediction system 110: tap generating unit
120: effective factor derivation unit 130: closure time prediction model generation unit
140: closure time prediction unit 150: charter schedule organization unit
160: Remaining time prediction model generation unit 170: Remaining time prediction unit
180: performance indicator calculation unit

Claims (15)

고로의 출선구에서 수행되는 출선작업의 경과를 표시하는 탭(TAP)을 생성하는 탭 생성부;
상기 탭 생성부에 의해 생성된 탭들 중 폐공시각 예측대상이 되는 타겟 탭의 생성이전에 종료된 타 탭들의 출선소요시간 정보, 상기 고로의 노황정보, 및 상기 타겟 탭의 설정정보 중 적어도 하나를 변수로 하는 폐공시각 예측모델을 기초로 상기 타겟 탭의 폐공시각을 예측하는 폐공시각 예측부; 및
상기 예측된 폐공시각을 기초로 상기 출선구에서 출선되는 용선을 수송하기 위한 용선수송차량의 용선 스케쥴을 편성하는 용선스케쥴 편성부를 포함하고,
상기 타 탭들의 출선소요시간 정보는, 미리 정해진 개수의 타 탭들의 출선소요시간 평균값, 상기 타 탭들 중 가장 최근에 종료된 탭의 폐공시각과 상기 타겟 탭의 개공시각 간의 차이, 상기 가장 최근에 종료된 탭의 개공시각과 상기 타겟 탭의 개공시각 간의 차이, 상기 타겟 탭의 개공시각에 상기 가장 최근에 종료된 탭의 출선소요시간을 합산한 값, 및 상기 타겟 탭의 진행 중 종료된 타 탭의 폐공시각과 상기 타겟 탭의 개공시각 간의 차이 중 적어도 하나를 포함하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.a tap generating unit for generating a tap (TAP) for displaying the progress of the tap work performed at the outlet of the blast furnace;
Among the taps generated by the tap generating unit, at least one of information on the required time for departure of other taps that were completed before the generation of the target tap, which is the target tap for predicting closing time, information on the old age of the blast furnace, and setting information of the target tap as a variable a closing time prediction unit for predicting the closing time of the target tap based on the closing time prediction model of and
Comprising a charter schedule organizing unit for organizing the charter schedule of the chartered transport vehicle for transporting the chartered ship from the outlet based on the predicted closing time,
The departure time information of the other taps includes an average value of the outgoing time of a predetermined number of other taps, a difference between the closing time of the most recently closed tap among the other taps and the opening time of the target tap, and the most recent ending. The difference between the opening time of the tap and the opening time of the target tap, the sum of the opening time of the target tap and the time required for the outgoing of the most recently closed tap, and the number of other taps that have been terminated while the target tap is in progress The system for predicting the closing time of the blast furnace outlet, characterized in that it includes at least one of a difference between the closing time and the opening time of the target tap. 제1항에 있어서,
상기 노황정보 및 상기 타겟 탭에 대응되는 타겟 출선구에서의 출선속도를 이용하여 상기 타겟 탭에서 현재시점부터 폐공까지의 잔여시간을 예측하는 잔여시간 예측부를 더 포함하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
and a remaining time predictor for predicting the remaining time from the current time to the closure at the target tap by using the old age information and the departure speed at the target exit corresponding to the target tap. Closing time prediction system. 제2항에 있어서,
상기 잔여시간의 예측주기는 상기 폐공시각의 예측주기보다 짧게 설정되는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.3. The method of claim 2,
The prediction period of the remaining time is set shorter than the prediction period of the closing time. 제2항에 있어서,
상기 잔여시간 예측부는 CNN(Convolutional Neural Network)기반의 제1 신경망 네트워크에 상기 노황정보를 입력하여 획득한 제1 결과값과 RNN(Recurrent Neural Network)기반의 제2 신경망 네트워크에 상기 출선속도를 입력하여 획득한 제2 결과값을 콘캣(Concat)함수로 병합하여 상기 잔여시간을 예측하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.3. The method of claim 2,
The residual time prediction unit by inputting the first result value obtained by inputting the old age information to a first neural network based on a CNN (Convolutional Neural Network) and the outgoing speed to a second neural network based on a Recurrent Neural Network (RNN). The system for predicting the closing time of the blast furnace exit, characterized in that the remaining time is predicted by merging the obtained second result value into a Concat function. 제4항에 있어서,
상기 제1 신경망 네트워크는 컨벌루션 레이어(Convolution layer)를 활용한 복수개의 컨벌루션 LSTM(Long Short-Term Memory)으로 구성되고, 상기 제2 신경망 네트워크는 복수개의 LSTM으로 구성된 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.5. The method of claim 4,
The first neural network is composed of a plurality of convolutional Long Short-Term Memory (LSTM) utilizing a convolution layer, and the second neural network is composed of a plurality of LSTMs. visual prediction system. 제1항에 있어서,
상기 노황정보는, 상기 고로의 저선량 정보, 상기 고로의 풍량정보, 상기 고로의 압력정보, 상기 고로의 철광석양과 코크스 양의 비, 상기 고로의 산소부화량, 상기 고로의 단별 및 위치별 온도정보, 상기 고로의 단별 및 위치별 압력정보, 및 상기 고로의 출선구에서의 출선속도 중 적어도 하나를 포함하는 것을 특징으로 하는 고로 출선구의 폐공 시각 예측 시스템.According to claim 1,
The furnace sulfur information includes low dose information of the blast furnace, air volume information of the blast furnace, pressure information of the blast furnace, a ratio of iron ore to coke amount in the blast furnace, oxygen enrichment amount of the blast furnace, temperature information for each stage and location of the blast furnace, The closed hole time prediction system of the blast furnace outlet, characterized in that it includes at least one of pressure information for each stage and location of the blast furnace, and a line speed at the outlet of the blast furnace. 제1항에 있어서,
상기 폐공시각 예측모델은 수학식
Figure 112019135594203-pat00002
로 정의되고,
상기 수학식에서 Y는 특정 예측시점에서 예측된 상기 타겟 탭의 폐공시각을 나타내고, X1은 상기 예측시점에서 획득된 출선소요시간 정보를 나타내고, X2는 상기 예측시점에서 획득된 상기 타겟 탭의 설정정보를 나타내며, X3는 상기 예측시점에서 획득된 상기 고로의 철광석양과 코크스 양의 비를 나타내며, X4는 상기 예측시점에서 획득된 상기 고로의 압력정보를 나타내고, X5는 상기 예측시점에서 획득된 상기 고로의 저선량 정보를 나타내며, X6는 상기 예측시점에서 획득된 상기 고로의 풍량 최대값과 풍량 최소값의 편차를 나타내며, X7은 상기 예측시점에서 획득된 상기 고로의 산소부화량 최대값과 산소부화량 최소값간의 편차를 나타내는 것을 특징으로 하며, a0 내지 a7은 각 예측시점 별로 설정되는 예측 회귀계수를 나타내는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
The closing time prediction model is
Figure 112019135594203-pat00002
is defined as
In the above equation, Y denotes the closing time of the target tap predicted at a specific prediction time, X 1 denotes the time required for departure obtained at the prediction time, and X 2 is the setting of the target tap obtained at the prediction time. information, X 3 represents the ratio of the amount of iron ore to the coke amount of the blast furnace obtained at the prediction time, X 4 represents the pressure information of the blast furnace obtained at the prediction time, X 5 is obtained at the prediction time represents the low-dose information of the blast furnace, X 6 represents the deviation of the maximum air volume value and the minimum air volume value of the blast furnace obtained at the predicted time, and X 7 represents the maximum oxygen enrichment amount of the blast furnace obtained at the predicted time point and It is characterized in that it represents the deviation between the minimum values of the oxygen enrichment amount, and a0 to a7 represent the prediction regression coefficients set for each prediction time. 제1항에 있어서,
상기 노황정보는, 상기 타겟 탭의 개공시각부터 미리 정해진 기준시간 단위로 산출된 저선량 기울기, 상기 타겟 탭의 개공시각 이전인 참조시각부터 상기 타겟 탭의 개공시각까지 저선량 최대값, 상기 타겟 탭의 개공시각부터 상기 기준시간 단위로 산출된 저선량 평균값, 상기 타겟 탭의 개공시각부터 상기 기준시간 단위로 산출된 저선량 최대값, 및 상기 타겟 탭의 개공시각부터 상기 기준시간 단위로 산출된 저선량 최소값 중 적어도 하나를 포함하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
The old age information includes a low-dose gradient calculated in units of a predetermined reference time from the opening time of the target tap, a low-dose maximum value from a reference time before the opening time of the target tap to the opening time of the target tap, and the opening of the target tap. At least one of the low dose average value calculated from time to the reference time unit, the low dose maximum value calculated from the opening time of the target tap in the reference time unit, and the low dose minimum value calculated in the reference time unit from the opening time of the target tab Closing time prediction system of the blast furnace outlet, characterized in that it comprises a. 제1항에 있어서,
상기 노황정보는 상기 타겟 탭의 개공시각 이전인 참조시각부터 상기 타겟 탭의 개공시각까지 상기 고로의 풍량 최대값 및 최소값 중 적어도 하나를 포함하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
and the desolation information includes at least one of the maximum and minimum air volume values of the blast furnace from a reference time before the opening time of the target tap to an opening time of the target tap. 제1항에 있어서,
상기 노황정보는 상기 타겟 탭의 개공시각 이전인 참조시각부터 상기 타겟 탭의 개공시각까지 상기 고로의 풍압 최대값, 상기 타겟 탭의 개공시각부터 미리 정해진 기준시간 단위로 산출된 풍압 최소값, 및 상기 타겟 탭의 개공시각 이전인 참조시각부터 상기 타겟 탭의 개공시각까지 상기 고로의 노정압 최소값 중 적어도 하나를 포함하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
The yellowing information includes the maximum wind pressure value of the blast furnace from the reference time before the opening time of the target tap to the opening time of the target tap, the minimum wind pressure calculated in units of a predetermined reference time from the opening time of the target tap, and the target and at least one of the minimum furnace top pressure values of the blast furnace from a reference time before the opening time of the tap to the opening time of the target tap. 제1항에 있어서,
상기 노황정보는 상기 타겟 탭의 개공시각 이전인 참조시각부터 상기 타겟 탭의 개공시각까지 상기 고로의 철광석양과 코크스 양의 비의 표준편차, 상기 타겟 탭의 개공시각부터 미리 정해진 기준시간 단위로 산출된 상기 고로의 철광석양과 코크스 양의 비의 기울기, 상기 타겟 탭의 개공시각 이전인 참조시각부터 상기 타겟 탭의 개공시각까지 상기 고로의 철광석양과 코크스 양의 비의 최소값 중 적어도 하나를 포함하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
The yellowing information is the standard deviation of the ratio of iron ore and coke amount of the blast furnace from a reference time before the opening time of the target tap to the opening time of the target tap, calculated in units of a predetermined reference time from the opening time of the target tap At least one of the slope of the ratio of the iron ore sunset amount and the coke amount of the blast furnace, and the minimum value of the ratio of the iron ore sunset amount and the coke amount of the blast furnace from a reference time before the opening time of the target tap to the opening time of the target tap A system for predicting the closing time of the blast furnace exit. 제1항에 있어서,
상기 노황정보는 상기 타겟 탭의 개공시각 이전인 참조시각부터 상기 타겟 탭의 개공시각까지 상기 고로의 산소부화량의 최대값 및 최소값 중 적어도 하나를 포함하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
Prediction of closing time of the blast furnace outlet, characterized in that the desulfurization information includes at least one of a maximum value and a minimum value of the oxygen enrichment amount of the blast furnace from a reference time before the opening time of the target tap to an opening time of the target tap system. 삭제delete 제1항에 있어서,
상기 타겟 탭의 설정정보는 상기 타겟 탭에 대응되는 타겟 출선구에서의 용선수송차량대수 및 상기 타겟 출선구에서의 이론 출선량 중 적어도 하나를 포함하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
The setting information of the target tab includes at least one of the number of chartered vehicles at the target exit corresponding to the target tab and the theoretical amount of departure at the target exit. . 제1항에 있어서,
상기 용선스케쥴 편성부는 각 탭 별로 미리 설정된 기본 폐공시각을 기초로 용선수송차량들의 이동정보가 기록된 기준 스케쥴 상에서 상기 기본 폐공시각을 상기 각 탭 별로 예측된 폐공시각으로 갱신함으로써 상기 용선스케쥴을 편성하는 것을 특징으로 하는 고로 출선구의 폐공시각 예측 시스템.According to claim 1,
The charter schedule organizing unit organizes the charter schedule by updating the basic closing time to the predicted closing time for each tap on the reference schedule in which movement information of chartered transport vehicles is recorded based on the default closing time preset for each tab. Closing time prediction system of the blast furnace exit, characterized in that.
KR1020190178111A 2019-12-30 2019-12-30 System for Predicting Timing of Closing Hole of Blast Furnace KR102308703B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190178111A KR102308703B1 (en) 2019-12-30 2019-12-30 System for Predicting Timing of Closing Hole of Blast Furnace

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190178111A KR102308703B1 (en) 2019-12-30 2019-12-30 System for Predicting Timing of Closing Hole of Blast Furnace

Publications (2)

Publication Number Publication Date
KR20210085254A KR20210085254A (en) 2021-07-08
KR102308703B1 true KR102308703B1 (en) 2021-10-01

Family

ID=76893539

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190178111A KR102308703B1 (en) 2019-12-30 2019-12-30 System for Predicting Timing of Closing Hole of Blast Furnace

Country Status (1)

Country Link
KR (1) KR102308703B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115044725A (en) * 2022-07-14 2022-09-13 广东韶钢松山股份有限公司 Blast furnace taphole control method, device, equipment and storage medium

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002167615A (en) * 2000-11-28 2002-06-11 Nippon Steel Corp Method for optimizing operating plan of torpedo-car
JP2016191974A (en) 2015-03-30 2016-11-10 Ｊｆｅスチール株式会社 Transportation plan creation device and transportation plan creation method

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07150210A (en) * 1993-11-30 1995-06-13 Nippon Steel Corp Device for preliminarily announcing completion of iron tapping
KR101223104B1 (en) * 2010-10-28 2013-01-17 재단법인 포항산업과학연구원 Method and apparatus for monitoring an operation of iron ＆ steel-making furnace

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002167615A (en) * 2000-11-28 2002-06-11 Nippon Steel Corp Method for optimizing operating plan of torpedo-car
JP2016191974A (en) 2015-03-30 2016-11-10 Ｊｆｅスチール株式会社 Transportation plan creation device and transportation plan creation method

Also Published As

Publication number Publication date
KR20210085254A (en) 2021-07-08

Similar Documents

Publication Publication Date Title
CN101520656B (en) On-line multi-mode time optimization scheduling method for steelmaking and continuous casting production
CN110647124B (en) Steelmaking, continuous casting and hot rolling integrated production planning method and system considering casting and rolling coordination
KR102308703B1 (en) System for Predicting Timing of Closing Hole of Blast Furnace
Bai et al. Energy-efficient locomotive operation for Chinese mainline railways by fuzzy predictive control
JP6930507B2 (en) Hot metal temperature prediction method, hot metal temperature prediction device, blast furnace operation method, operation guidance device, hot metal temperature control method, and hot metal temperature control device
CN102758032B (en) Method for real-time predication of blast furnace pipeline fault probability
Otsuka et al. A hybrid expert system combined with a mathematical model for blast furnace operation
KR20200017602A (en) System and method for predicting quantity of remanign molten iron in blast furnace
KR102149053B1 (en) Modeling system and method for predicting component
KR102167985B1 (en) System and method for perdicting closure time of tap hole of blast furnace
Cateni et al. The importance of variable selection for neural networks-based classification in an industrial context
Sun et al. The optimal dynamic schedule of iron-making process based on effective heuristic approach
Carayannis Artificial intelligence and expert systems in the steel industry
CN104268363B (en) Torpedo ladle quantity calculation method applied to steel and iron works
JP6277991B2 (en) Slag component estimation method, solvent calculation method and hot metal pretreatment method
JP7456592B2 (en) Graphite nodularization treatment device, learning device, and method for determining magnesium input amount
JP2020105607A (en) Continuous casting operation support device, continuous casting operation support method, and program
CN112287283B (en) Blast furnace running state evaluation method and device and storage medium
JP2014001423A (en) Operation schedule generation method and operation schedule generation device of steel mill
CN117363838A (en) Smelting control method and system for continuous dephosphorization and sulfur, electronic equipment and medium
CN117519127A (en) Method, device, equipment and medium for determining operation route of ladle car
JP7163771B2 (en) Cast knitting device, cast knitting method, and program
KR20230011401A (en) Molten iron temperature control method, operation guidance method, blast furnace operation method, molten iron manufacturing method, molten iron temperature control device and operation guidance device
JP2008156740A (en) Method for allotting molten iron and apparatus therefor
CN115719140A (en) Dynamic scheduling method and system for hot metal tank of converter steel plant under one-tank operation of hot metal interface

Legal Events

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