KR102384015B1 - Apparatus for leveling hot plate - Google Patents

Apparatus for leveling hot plate Download PDF

Info

Publication number
KR102384015B1
KR102384015B1 KR1020200143165A KR20200143165A KR102384015B1 KR 102384015 B1 KR102384015 B1 KR 102384015B1 KR 1020200143165 A KR1020200143165 A KR 1020200143165A KR 20200143165 A KR20200143165 A KR 20200143165A KR 102384015 B1 KR102384015 B1 KR 102384015B1
Authority
KR
South Korea
Prior art keywords
plate
artificial intelligence
model
intelligence models
learning
Prior art date
Application number
KR1020200143165A
Other languages
Korean (ko)
Inventor
정영진
이중형
조원우
Original Assignee
주식회사 포스코
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코 filed Critical 주식회사 포스코
Priority to KR1020200143165A priority Critical patent/KR102384015B1/en
Application granted granted Critical
Publication of KR102384015B1 publication Critical patent/KR102384015B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21D1/00—Straightening, restoring form or removing local distortions of sheet metal or specific articles made therefrom; Stretching sheet metal combined with rolling
    • B21D1/02—Straightening, restoring form or removing local distortions of sheet metal or specific articles made therefrom; Stretching sheet metal combined with rolling by rollers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Straightening Metal Sheet-Like Bodies (AREA)

Abstract

The present invention is to provide a plate straightening device using a roll straightening model that utilizes the production history of a plate to be straightened and deep learning-based artificial intelligence technology. The plate straightening device according to one embodiment of the present invention comprises: an input value setting unit for setting material and flatness information stored in a database in advance, performance information of a plate corresponding to a plate number, and a roll gap value as input values according to the plate number from a straightener control PC that controls a straightener that straightens the plate; a model generating unit for generating a plurality of artificial intelligence models that receive the input values and output a roll gap value of the straightener; a learning unit for learning the artificial intelligence models; and a model selecting unit for outputting a roll gap value by selecting some of the artificial intelligence models learned by the learning unit as a final model according to preset criteria. According to an embodiment of the present invention, there is an effect of increasing straightening efficiency and productivity.

Description

판재 교정 장치{Apparatus for leveling hot plate}Plate straightening device {Apparatus for leveling hot plate}

본 발명은 판재 교정 장치에 관한 것이다.The present invention relates to a plate straightening device.

철강사에서 제조한 열연/냉연/표면처리 제품은 코일 형태로 권취되어 보관될 수 있다. 이렇게 보관된 코일, 또는 코일이 특정 길이로 절단된 시트재는 특정 형상의 블랭크로 재단되며, 재단된 블랭크는 부품사에서 제품으로 가공될 수 있다. 이러한 일련의 과정 중 제품에 형상 불량이 발생될 수 있다.Hot-rolled/cold-rolled/surface-treated products manufactured by steel companies can be wound and stored in the form of coils. The stored coil or the sheet material in which the coil is cut to a specific length is cut into a blank of a specific shape, and the cut blank may be processed into a product by a parts company. During this series of processes, shape defects may occur in the product.

통상적으로 상기 형상 불량을 완화시키기 위하여 언코일링 공정, 시트 공정 앞, 블랭킹 공정 앞/뒤에서 롤러 레벨러나 텐션 레벨러와 같은 장치를 이용하여 교정을 실시할 수 있다.In general, in order to alleviate the shape defect, correction may be performed using a device such as a roller leveler or a tension leveler before/after the uncoiling process, the sheet process, and the blanking process.

그러나, 현재 판재를 교정하는 과정에서, 판재의 두께를 기초로 롤러 레벨러의 롤 위치를 초기 설정하고 작업자가 교정 결과를 보면서 반복적 시행착오를 하면서 상기 롤 위치를 최적화시키는 수단이 이용될 뿐이다.However, in the process of calibrating the current sheet material, only a means is used to initially set the roll position of the roller leveler based on the thickness of the sheet material and to optimize the roll position while the operator repeats trial and error while viewing the calibration result.

대한민국 공개특허공보 제10-2014-0084661호Republic of Korea Patent Publication No. 10-2014-0084661

본 발명의 일 실시예에 따르면, 교정 대상 판재의 생산이력과 딥러닝 기반의 인공 지능 기술을 활용하는 롤 교정 모델을 이용한 판재 교정 장치가 제공된다.According to an embodiment of the present invention, there is provided an apparatus for straightening a plate using a roll correction model using a production history of a plate to be corrected and an artificial intelligence technology based on deep learning.

상술한 본 발명의 과제를 해결하기 위해, 본 발명의 일 실시예에 따른 판재 교정 장치는 판재를 교정하는 교정기를 제어하는 교정기 제어 PC로부터의 판 번호에 따라 사전에 데이터 베이스에 저장된 재질 및 평탄도 정보와 상기 판 번호에 해당하는 판재의 실적 정보 및 롤 갭값를 입력값으로 설정하는 입력값 설정부, 상기 입력값을 입력받아 상기 교정기의 롤 갭값을 출력하는 복수의 인공 지능 모델을 생성하는 모델 생성부, 상기 복수의 인공 지능 모델을 학습시키는 학습부, 사전에 설정된 기준에 따라 상기 학습부에 의해 학습된 복수의 인공 지능 모델 중 일부를 최종 모델로 선정하여 롤 갭값을 출력하는 모델 선정부를 포함할 수 있다. In order to solve the problems of the present invention described above, the plate material straightening device according to an embodiment of the present invention is the material and flatness stored in the database in advance according to the plate number from the straightener control PC that controls the straightener to correct the plate material and flatness An input value setting unit that sets the information and the performance information and the roll gap value of the plate material corresponding to the plate number as input values, receiving the input value and generating a plurality of artificial intelligence models for outputting the roll gap value of the straightener part, a learning unit for learning the plurality of artificial intelligence models, and a model selection unit for outputting a roll gap value by selecting some of the plurality of artificial intelligence models learned by the learning unit as a final model according to a preset criterion can

본 발명의 일 실시예에 따르면, 교정 효율 및 생산성을 높일 수 있는 효과가 있다.According to an embodiment of the present invention, there is an effect of increasing the calibration efficiency and productivity.

도 1은 본 발명의 일 실시예에 따른 판재 교정 장치의 개략적인 구성도이다.
도 2는 본 발명의 일 실시예에 따른 판재 교정 장치의 입력값을 설정하는 순서도이다.
도 3은 본 발명의 일 실시예에 따른 판재 교정 장치의 인공 지능 모델의 생성 및 학습을 나타내는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 판재 교정 장치의 인공 지능 모델의 선정을 나타내는 도면이다.1 is a schematic configuration diagram of a plate straightening apparatus according to an embodiment of the present invention.
Figure 2 is a flowchart for setting the input value of the plate straightening apparatus according to an embodiment of the present invention.
Figure 3 is a flow chart showing the creation and learning of the artificial intelligence model of the plate material straightening apparatus according to an embodiment of the present invention.
Figure 4 is a view showing the selection of the artificial intelligence model of the plate straightening apparatus according to an embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. Hereinafter, preferred embodiments will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art can easily practice the present invention.

도 1은 본 발명의 일 실시예에 따른 판재 교정 장치의 개략적인 구성도이다.1 is a schematic configuration diagram of a plate straightening apparatus according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 판재 교정 장치(100)는 입력값 설정부(110), 데이터 베이스(120), 모델 생성부(130), 학습부(140) 및 모델 선정부(150)를 포함할 수 있다.Referring to FIG. 1 , the plate material straightening apparatus 100 according to an embodiment of the present invention includes an input value setting unit 110 , a database 120 , a model generating unit 130 , a learning unit 140 , and a model line Government 150 may be included.

입력값 설정부(110)는 교정기의 해당 판재를 교정하는 롤 갭값, 교정 대상 판재의 실적 정보와 데이터 베이스(120)에 저장된 재질 및 평탄도 데이터를 모델 생성부(130)의 복수의 인공 지능 모델의 입력값으로 설정할 수 있다.The input value setting unit 110 is a plurality of artificial intelligence models of the roll gap value for correcting the corresponding plate of the straightener, the material and flatness data stored in the data base 120 and the performance information of the plate to be calibrated, the model generating unit 130 . can be set as an input value of

도 2는 본 발명의 일 실시예에 따른 판재 교정 장치의 입력값을 설정하는 순서도이다.Figure 2 is a flowchart for setting the input value of the plate straightening apparatus according to an embodiment of the present invention.

도 1과 함께 도 2를 참조하면, 상기 교정기의 해당 판재를 교정하는 롤 갭값는 상기 교정기의 입측 및 출측의 롤 갭값일 수 있고, 상기 교정 대상 판재의 실적 정보는 판재의 치수 검사 실적, 재료 성분 및 가열/압연/냉각 실적 등을 포함할 수 있다.Referring to FIG. 2 together with FIG. 1, the roll gap value for correcting the corresponding plate of the straightener may be the roll gap values of the entry and exit sides of the straightener, and the performance information of the straightening target plate material is the dimensional inspection performance of the plate, material components and heating/rolling/cooling performance and the like.

입력값 설정부(110)는 판재를 교정하는 교정기의 동작을 제어하는 교정기 제어 PC로부터의 교정 조건 요청 메세지에 포함된 판재의 판번호에 따라 데이터 베이스(120)에 재질 및 평탄도 데이터를 요청할 수 있다. The input value setting unit 110 may request material and flatness data from the database 120 according to the plate number of the plate included in the calibration condition request message from the straightener control PC that controls the operation of the straightener to calibrate the plate. there is.

상기 평탄도 데이터는 판재 제품의 변형량을 측정하여 도출할 수 있으며, 상기 평탄도 데이터를 이용하여 판재의 선후단부 L만곡, 폭방향 C만곡, 최대파고, 웨이브(Wave)를 정의하는 평탄도 지표를 도출할 수 있다. The flatness data can be derived by measuring the amount of deformation of the plate material, and using the flatness data, the L curve at the front and rear end of the board, C curve in the width direction, the maximum wave height, and a flatness index defining a wave can be derived

판재의 치수 검사 실적 중 판재의 두께는 두께계를 통하여 실측되어진 값을 폭방향으로 길이방향 3포인트에서 판의 실제 두께를 측정하여 상기 3포인트에서의 평균을 내어 사용할 수 있으며, 판재의 폭은 폭계에서 실측되어진 길이방향 값의 평균을 활용할 수 있다. The thickness of the plate among the dimensional inspection results of the plate can be used by measuring the actual thickness of the plate at 3 points in the width direction in the longitudinal direction and averaging the values at the 3 points, and the width of the plate is the width gauge. The average of the measured longitudinal values can be used.

상기 재질 데이터는 항복강도, 인장강도, 연신율를 포함할 수 있으며, 판의 변형 저항 정도를 나타내는 강도(항복강도, 인장강도, 연신율)의 경우 판이 생산되어 교정을 실시하기 전까지 시편을 채취하여 해당 판을 인장실험을 통하여 강도값을 얻기에는 시간적으로 부족하다. 따라서 이 문제점을 해결하기 위해서 성분, 제조조건, 사이즈 등에 따라 물성 데이터를 데이터 베이스(120)에 저장하고 해당 판재의 제조조건, 성분, 사이즈 등에 가장 유사한 값을 선택하여 강도(항복강도, 인장강도, 연신율)를 선정할 수 있다.The material data may include yield strength, tensile strength, and elongation, and in the case of strength (yield strength, tensile strength, elongation) indicating the degree of deformation resistance of a plate, a specimen is collected until the plate is produced and the plate is calibrated. Time is insufficient to obtain strength values through tensile tests. Therefore, in order to solve this problem, physical property data is stored in the database 120 according to the component, manufacturing condition, size, etc., and the most similar value is selected for the manufacturing condition, component, size, etc. of the corresponding plate material and strength (yield strength, tensile strength, elongation) can be selected.

도 3은 본 발명의 일 실시예에 따른 판재 교정 장치의 인공 지능 모델의 생성 및 학습을 나타내는 순서도이다.Figure 3 is a flow chart showing the creation and learning of the artificial intelligence model of the plate material straightening apparatus according to an embodiment of the present invention.

도 1 내지 도 3을 참조하면, 모델 생성부(130)는 입력값 설정부(110)로부터의 입력값을 입력받는 복수의 인공 지능 모델을 생성할 수 있다. 복수의 인공 지능 모델은 딥러닝(deep learning) 기반의 MLP(Multilayer perceptron)기법을 활용하여 입력층 + 은닉층 + 출력층으로 구성할 수 있다. 이때 은닉층은 은닉층 개수 및 각 은닉층의 노드 조합수를 예를 들어 100가지로 구성하여 복수의 인공 지능 모델을 구성할 수 있다 (S10, S20). 예를 들어, 모델 생성부(130)는 히든 레이어를 1~5개, 노드 개수를 50~200개로 설정하여 복수의 인공 지능 모델을 생성할 수 있다. 1 to 3 , the model generating unit 130 may generate a plurality of artificial intelligence models receiving input values from the input value setting unit 110 . A plurality of artificial intelligence models can be composed of an input layer + a hidden layer + an output layer by using a multilayer perceptron (MLP) technique based on deep learning. In this case, the number of hidden layers and the number of combinations of nodes in each hidden layer may be configured as 100, for example, to configure a plurality of artificial intelligence models (S10, S20). For example, the model generator 130 may generate a plurality of artificial intelligence models by setting the number of hidden layers to 1 to 5 and the number of nodes to 50 to 200.

학습부(140)는 입력값 설정부(110)로부터의 전체 입력값들 중 60%를 트레이닝 세트(Training set) 설정하고, 20%를 검증 세트(Validation set)로 설정하며, 20%를 테스트 세트(Test set)로 설정하여 상기 트레이닝 세트로 모델 생성부(130)의 복수의 인공 지능 모델을 학습시킬 수 있다 (S30). The learning unit 140 sets 60% of the total input values from the input value setting unit 110 as a training set, sets 20% as a validation set, and sets 20% as a test set (Test set) may be set to train a plurality of artificial intelligence models of the model generating unit 130 with the training set (S30).

학습부(140)는 에포크가 사전에 설정된 학습 횟수 이하일때까지(S40), 복수의 인공 지능 모델의 모델 학습(S50), 모델 성능 평가(S60) 및 모델 정합성 판단(S70)동작을 반복할 수 있다. The learning unit 140 repeats the operation until the epoch is less than or equal to the preset number of learning (S40), model learning (S50), model performance evaluation (S60), and model consistency determination (S70) of a plurality of artificial intelligence models. there is.

보다 상세하게는, 인공지능(AI) 기법에서 입력층과 출력층의 관계는 연결강도(weights) Wij로 규정되는데, 연결 강도는 동일 트레이닝 세트를 이용하여 반복적으로 갱신시키시키는 것을 모델 학습이라고 하며, 이때 학습 횟수를 에포크라고 말한다. More specifically, in the artificial intelligence (AI) technique, the relationship between the input layer and the output layer is defined by weights W ij , and it is called model learning to repeatedly update the connection strength using the same training set, In this case, the number of learning times is called epochs.

이렇게 학습된 모델은 검증 셋을 이용하여 에러를 계산하게 되고 학습 에러와 검증 에러가 최소가 되는 지점을 찾는 것이 모델 정합성 판단이라고 하며, 최적 인공 지능 모델은 에러가 최소가 됐을때의 연결강도를 갖는 모델을 일컫는다. The model trained in this way calculates the error using the validation set, and finding the point where the learning error and the validation error are minimized is called model consistency judgment. refers to the model.

그러나 학습을 하면 할수록 학습 오차는 점점 줄어들게 되지만 실제 오차는 어느 지점을 지난 후에는 점점 증가하는 현상이 발생하는데 이를 과적합(overfitting)이라고 하며 모델 정합성에서 이 오차를 평가하여 학습 횟수를 결정하게 된다. 이에 따라 테스트 셋을 이용하여 최적 인공 지능 모델의 성능을 최종 평가하게 된다. 복수의 인공 지능 모델은 교정 후 판재의 최대 파고와 C 만곡의 예측값을 각각 도출할 수 있다. However, as the learning progresses, the learning error gradually decreases, but the actual error gradually increases after a certain point. Accordingly, the performance of the optimal artificial intelligence model is finally evaluated using the test set. A plurality of artificial intelligence models can derive the predicted values of the maximum wave height and C curve of the plate material after calibration, respectively.

모델 선정부(150)는 상기 에포크가 설정된 학습 횟수 이하이면 최적의 인공 지능 모델을 선정할 수 있다(S80).The model selector 150 may select an optimal artificial intelligence model when the number of epochs is equal to or less than the set number of learning (S80).

도 4는 본 발명의 일 실시예에 따른 판재 교정 장치의 인공 지능 모델의 선정을 나타내는 도면이다.Figure 4 is a view showing the selection of the artificial intelligence model of the plate straightening apparatus according to an embodiment of the present invention.

도 1 및 도 4를 참조하면, 모델 선정부(150)는 상기 복수의 인공 지능 모델 중 최적 모델 후보군을 10~20개 정도를 선택할 수 있다.1 and 4 , the model selector 150 may select about 10 to 20 optimal model candidates from among the plurality of artificial intelligence models.

여기서 모델의 현장 적용성 및 안전성을 높이기 위해서 도출되어진 후보군 모델의 도출 값중에 상ㆍ하위 20%를 제외하고 평균을 취하여 값을 도출(최대파고, C만곡)할 수 있다. 도출된 값은 최대파고와 C만곡을 최소화하는 최적의 롤갭값으로 변경될 수 있다. 모델 선정부(150)는 도출되어진 최적의 롤갭값을 전문을 통하여 상기 교정기 제어 PC로 송신하고, 상기 교정기 제어 PC는 교정기의 롤갭을 설정하여 판재의 교정 작업을 수행할 수 있게 제어할 수 있다. Here, in order to increase the field applicability and safety of the model, it is possible to derive the value (maximum wave height, C curve) by excluding the upper and lower 20% of the derived values of the derived candidate group model and taking the average. The derived value can be changed to an optimal roll gap value that minimizes the maximum wave height and C curve. The model selection unit 150 transmits the derived optimal roll gap value to the straightener control PC through a message, and the straightener control PC sets the roll gap of the straightener to control the plate material to be corrected.

상술한 바와 같이, 본 발명에 따르면, 본 발명의 일 실시예에 따른 판재 교정 장치의 인공 지능 모델은 교정 대상 판의 생산 이력(항복강도, 판변형, 두께)은 물론 실적 기반의 교정 조건을 고려하여 도출된 모델로써, 작업자의 경험이 모델에 포함되어 있어 교정기의 교정 효율 및 생산성을 높일 수 있는 효과를 가진다. As described above, according to the present invention, the artificial intelligence model of the plate straightening device according to an embodiment of the present invention considers the production history (yield strength, plate deformation, thickness) of the plate to be calibrated as well as performance-based calibration conditions As a model derived from this, the operator's experience is included in the model, which has the effect of increasing the calibration efficiency and productivity of the calibrator.

이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.The present invention described above is not limited by the above-described embodiments and the accompanying drawings, but is limited by the claims described below, and the configuration of the present invention may vary within the scope without departing from the technical spirit of the present invention. Those of ordinary skill in the art to which the present invention pertains can easily recognize that it can be easily changed and modified.

100: 판재 교정 장치
110: 입력값 설정부
120: 데이터 베이스
130: 모델 생성부
140: 학습부
150: 모델 선정부100: plate straightening device
110: input value setting unit
120: database
130: model generation unit
140: study unit
150: model selection unit

Claims (6)

판재를 교정하는 교정기를 제어하는 교정기 제어 PC로부터의 판 번호에 따라 사전에 데이터 베이스에 저장된 재질 및 평탄도 정보와 상기 판 번호에 해당하는 판재의 실적 정보 및 롤 갭 값을 입력값으로 설정하는 입력값 설정부;
상기 입력값을 입력받아 학습하여 상기 교정기에 의해 교정되는 판재의 최대파고와 C만곡을 조정하는 롤 갭값을 출력하는 복수의 인공 지능 모델을 생성하는 모델 생성부;
상기 복수의 인공 지능 모델을 학습시키는 학습부; 및
사전에 설정된 기준에 따라 상기 학습부에 의해 학습된 복수의 인공 지능 모델 중 일부를 최종 모델로 선정하여 롤 갭값을 출력하는 모델 선정부
를 포함하는 판재 교정 장치.
Input to set the material and flatness information stored in the database in advance according to the plate number from the straightener control PC that controls the straightener for straightening the plate, the performance information of the plate corresponding to the plate number, and the roll gap value as input values value setting unit;
a model generating unit for generating a plurality of artificial intelligence models that receive and learn the input value and output a roll gap value for adjusting the maximum wave height and C curve of the plate corrected by the straightener;
a learning unit for learning the plurality of artificial intelligence models; and
A model selection unit that selects some of the plurality of artificial intelligence models learned by the learning unit as a final model according to a preset criterion and outputs a roll gap value
A plate straightening device comprising a.
 제1항에 있어서,
상기 판재의 실적 정보는 해당 판재의 치수 검사 실적, 재료 성분 및 가열/압연/냉각 실적을 포함하는 판재 교정 장치.
According to claim 1,
The performance information of the plate material is a plate material straightening device including the dimensional inspection results, material components, and heating / rolling / cooling performance of the plate material.
 제1항에 있어서,
상기 데이터 베이스는 상기 판재의 후판 조업 정보에 따라 판재의 재질을 시험한 시험 실적에 따른 재질 및 평탄도를 저장하는 판재 교정 장치.
According to claim 1,
The database is a plate material straightening device for storing the material and flatness according to the test results of testing the material of the plate material according to the operation information of the plate material.
 제3항에 있어서,
상기 입력값 설정부는 상기 데이터 베이스에 저정된 재질 및 평탄도 데이터들 중 상기 판재의 판 번호에 해당하는 판재의 재질에 가장 근접한 재질 및 평탄도 데이터를 제공받는 판재 교정 장치.
4. The method of claim 3,
The input value setting unit receives the material and flatness data closest to the material of the plate material corresponding to the plate number of the plate from among the material and flatness data stored in the database, the plate material straightening device.
 제1항에 있어서,
상기 모델 생성부의 상기 복수의 인공 지능 모델은 상기 학습부에 의해 학습되어 판재의 교정 후 최대 파고 및 C 만곡을 각각 예측하는 판재 교정 장치.
According to claim 1,
The plurality of artificial intelligence models of the model generating unit are learned by the learning unit, and the sheet material straightening device for predicting the maximum wave height and C curve after calibration of the sheet material, respectively.
 제5항에 있어서,
상기 모델 선정부는 상기 복수의 인공 지능 모델 중 사전에 설정된 에포크가 설정된 학습 횟수 이하인 상기 기준을 만족하는 일부의 인공 지능 모델을 선정하고, 선정된 인공 지능 모델들이 예측한 최대 파고 및 C 만곡에 따른 롤갭값을 상기 교정기 제어 PC에 출력하는 판재 교정 장치.6. The method of claim 5,
The model selector selects some artificial intelligence models that satisfy the criteria in which the preset epoch is less than or equal to the set number of learning among the plurality of artificial intelligence models, and rolls according to the maximum wave height and C curve predicted by the selected artificial intelligence models A sheet material straightening device for outputting a gap value to the straightening machine control PC.
KR1020200143165A 2020-10-30 2020-10-30 Apparatus for leveling hot plate KR102384015B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200143165A KR102384015B1 (en) 2020-10-30 2020-10-30 Apparatus for leveling hot plate

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200143165A KR102384015B1 (en) 2020-10-30 2020-10-30 Apparatus for leveling hot plate

Publications (1)

Publication Number Publication Date
KR102384015B1 true KR102384015B1 (en) 2022-04-07

Family

ID=81210801

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200143165A KR102384015B1 (en) 2020-10-30 2020-10-30 Apparatus for leveling hot plate

Country Status (1)

Country Link
KR (1) KR102384015B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116748297A (en) * 2023-06-25 2023-09-15 张家港宏昌钢板有限公司 Leveling treatment method for warped steel plate

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070033951A (en) * 2004-10-14 2007-03-27 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 Method of controlling the material of rolling, forging or straightening line and its device
KR101228802B1 (en) * 2010-12-28 2013-01-31 주식회사 포스코 Method of Leveling Set-up Using High Temperature Strength Model For Rolling Plate
KR20140084661A (en) 2012-12-27 2014-07-07 주식회사 포스코 Apparatus for leveling hot plate
KR102098506B1 (en) * 2018-11-30 2020-04-07 주식회사 포스코 Method for setting roll-gap of roll leveler

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070033951A (en) * 2004-10-14 2007-03-27 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 Method of controlling the material of rolling, forging or straightening line and its device
KR101228802B1 (en) * 2010-12-28 2013-01-31 주식회사 포스코 Method of Leveling Set-up Using High Temperature Strength Model For Rolling Plate
KR20140084661A (en) 2012-12-27 2014-07-07 주식회사 포스코 Apparatus for leveling hot plate
KR102098506B1 (en) * 2018-11-30 2020-04-07 주식회사 포스코 Method for setting roll-gap of roll leveler

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116748297A (en) * 2023-06-25 2023-09-15 张家港宏昌钢板有限公司 Leveling treatment method for warped steel plate
CN116748297B (en) * 2023-06-25 2024-05-14 张家港宏昌钢板有限公司 Leveling treatment method for warped steel plate

Similar Documents

Publication Publication Date Title
JP4752764B2 (en) Material control method and apparatus for rolling, forging or straightening line
JP7059990B2 (en) Shape prediction model generation method, rolling shape prediction method, metal plate rolling method, metal plate manufacturing method, and metal plate rolling equipment
USRE47557E1 (en) Method and computer system for characterizing a sheet metal part
KR102384015B1 (en) Apparatus for leveling hot plate
CN109834136A (en) The method of automatic flattening weld assembly
US6438442B1 (en) Method for automatic conducting of a straightening process
US10814366B2 (en) Coil width control method and apparatus
RU2003129160A (en) METHOD FOR CONTROL AND MANAGEMENT OF TECHNICAL PROCESS
JP2021183354A (en) Method for predicting bend of shaped steel, method for manufacturing shaped steel, method for generating learned machine learning model and device for predicting curvature of shaped steel
CN110487653B (en) Method for testing relation between surface quality and strain of high-strength steel plate bending
JP7135962B2 (en) Steel plate finishing delivery side temperature control method, steel plate finishing delivery side temperature control device, and steel plate manufacturing method
JP4983589B2 (en) Control device for cold continuous rolling equipment
KR100660231B1 (en) Method for decision optimal target shape of plate in continous rolling process
KR101877341B1 (en) Method for aligning a straightening roller of a straightening roller system
JP7513064B2 (en) Method for generating shape control actuator setting model for rolling equipment, method for setting shape control actuator for rolling equipment, method for controlling shape of steel plate, method for manufacturing steel plate, and shape control device for rolling equipment
US6438443B1 (en) Method and device for pre-setting the planeness of a roller strip
JP7207448B2 (en) Method for calculating corrected position of steel plate and method for manufacturing steel plate
WO2006106938A1 (en) Drawing/rolling control method
CN115427166B (en) Method for determining necking limit strain of metal plate
JP6206422B2 (en) Steel plate shape correction device and shape correction method
JP2755893B2 (en) Rolling control method and apparatus
JP4162622B2 (en) Edge drop control method in cold rolling
JPWO2021206134A5 (en)
JP2021133415A (en) Model learning method, flying plate thickness changing method, steel plate manufacturing method, model learning device, flying plate thickness changing device and steel plate manufacturing device
JP6870358B2 (en) Arithmetic logic unit and arithmetic method

Legal Events

Date Code Title Description
GRNT Written decision to grant