KR20030053773A

KR20030053773A - 가열로의 추출 목표 온도 최적화 시스템

Info

Publication number: KR20030053773A
Application number: KR1020010083775A
Authority: KR
Inventors: 김영일; 강덕홍
Original assignee: 주식회사 포스코; 재단법인 포항산업과학연구원
Priority date: 2001-12-24
Filing date: 2001-12-24
Publication date: 2003-07-02
Also published as: KR100832975B1

Abstract

본 발명은 압연공정의 운전 정보를 적용하여 슬라브의 추출 목표온도를 공정 변화에 따라 자동으로 산출하는 가열로의 추출 목표 온도 최적화 시스템에 관한 것으로서, 본 발명은 가열로 추출 후 압연공정까지 끝마친 슬라브의 모델 개발에 필요한 과거 실적 데이타들을 수집하는 학습데이타수집부와, 조합이 완료되는 시점에 압연 공정 관련 설정치를 산출하고 룩업테이블방식으로 초기추출목표온도를 산출하는 예측데이타수집부와, 상기 학습데이타수집부에서 수집되 과거 실적데이타를 통해 최적해를 구할 수 있는 신경망모델을 구하고, 이렇게 구해진 최적해모델에 상기 예측데이타수집부에서 제공된 초기추룰목표온도를 포함하는 압연예정 조업정보데이타를 적용하여 최적의 추출목표온도를 산출하는 추출목표온도산출부로 이루어진다.

Description

가열로의 추출 목표 온도 최적화 시스템{SYSTEM FOR OPTIMIZATING TARGET DISCHARGE TEMPERATURE OF REHEATING FURNACE}

본 발명은 슬라브의 압연 공정에 관한 것으로, 보다 상세하게는 슬라브에 대한 압연과정이 적절히 이루어질 수 있도록 가열하는 가열로의 추출 목표온도를 압연 공정 정보를 바탕으로 최적으로 산출하는 가열로의 추출 목표 온도 최적화 방법에 관한 것이다.

일반적으로, 가열로는 압연공정에 들어가기 전 압연처리가 잘 이루어질 수 있도록 슬라브를 가열하는 것으로서, 기존에는 슬라브에 대한 가열로에서의 추출목표온도를 압연되기전 소재의 두께, 물성치, 구성성분의 비율에 의한 종의 구분에 의한 재질 정보와 제품의 크기 정보를 바탕으로 다음의 표 1과 같이 룩업테이블(look-up table)을 작성하였다.

소재제품	220(두께)	230	250
소재제품	종1	종2	...	종N	종1	종2	...	종N	종1	종2	...	종N
일반강	0.2~0.3	1160	1165		1130
	0.3~0.45	1155	1160
	0.45~
특수강	0.2~0.25	1200
	0.25~0.35	1190
	0.35~0.45	1165
	0.45~	1140

즉, 상기 표 1과 같은 룩업테이블에서 정해진 대략적인 온도를 목표온도로 하여 가열로를 가동시킨다.

그리고, 이렇게 가열된 슬라브는 압연공정을 거쳐 소정의 제품으로 나오게 된다.

그러나, 이러한 기존의 방식으로 결정된 가열로의 추출목표온도에는 압연공정의 운전 정보는 전혀 감안되어 있지 않기 때문에, 생산량을 늘리거나 혹은 압연공정에서 돌발상황이 발생하는 경우에는 조업자가 자신의 경험이나 지식에 의존하여 추출온도를 적절히 조절하여 가열로를 운전시켰다.

따라서, 압연공정의 운전 정보가 변하는 경우 조업이 안정되지 못하는 문제점이 있었다.

본 발명은 상술한 종래의 문제점을 해결하기 위하여 제안된 것으로서, 그 목적은 압연공정의 운전 정보를 적용하여 슬라브의 추출 목표온도를 공정 변화에 따라 자동으로 산출하는 가열로의 추출 목표 온도 최적화 방법을 제공하는데 있다.

도 1은 본 발명에 의한 가열로의 추출 목표 온도 최적화 시스템을 도시한 블럭구성도이다.

도 2는 학습용 신경망모델을 나타낸 도면이다.

도 3은 최적화 신경망 모델을 나타낸 도면이다.

*도면의 주요 부분에 대한 부호의 설명*

100 : 학습데이타수집부

200 : 추출온도산출부

300 : 예측데이타수집부

본 발명은 상술한 목적을 달성하기 위한 구성수단으로서, 가열로의 추출 목표 온도 최적화 시스템은

가열로 추출 후 압연공정까지 끝마친 슬라브의 모델 개발에 필요한 과거 실적 데이타들을 수집하는 학습데이타수집부;

조합이 완료되는 시점에 압연 공정 관련 설정치를 산출하고 룩업테이블방식으로 초기추출목표온도를 산출하는 예측데이타수집부; 및

상기 학습데이타수집부에서 수집된 과거 실적데이타를 통해 최적해를 구할 수 있는 신경망모델을 구하고, 이렇게 구해진 최적해모델에 상기 예측데이타수집부에서 제공된 초기추룰목표온도를 포함하는 압연예정 조업정보데이타를 적용하여 최적의 추출목표온도를 산출하는 추출목표온도산출부로 이루어지는 것을 특징으로 한다.

이하, 첨부한 도면을 참조하여 본 발명에 의한 가열로의 추출 목표 온도 최적화 방법에 대하여 상세하게 설명한다.

도 1에 도시된 바와 같이, 먼저 모델을 만들거나 갱신하기 위해 필요한, 소재, 제품정보와, 압연정보를 수집하는 학습데이타수집부(100)와, 상기 학습데이타수집부에서 수집된 과거 실적데이타를 통해 최적해를 구할 수 있는 신경망모델을 구하고, 이렇게 구해진 최적해모델에 상기 예측데이타수집부에서 제공된 초기추룰목표온도를 포함하는 압연예정 조업정보데이타를 적용하여 최적의 추출목표온도를 산출하는 추출온도산출부(200)와, 조합이 완료되는 시점에 압연 공정 관련 설정치를 산출하고 룩업테이블방식으로 초기추출목표온도를 산출하는 예측데이타 수집부(300)로 이루어진다.

상기에서, 학습데이타수집부(100)는 가열로 추출 후 압연공정까지 끝마친 슬라브의 모델 개발에 필요한 과거 실적 데이타들을 수집하여 추출온도산출부(200)에 신경망 학습데이타로 제공하는 것으로, 신경망 학습에 필요한 데이타를 수집하는 수집모듈(110)과, 수집된 데이타를 추출온도산출부(200)로 전달하는 데이타 전송모듈(130)를 구비하고 있다.

그리고, 추출온도산출부(200)는 상기 학습데이타수집부(100) 및 예측데이타수집부(300)와 데이타를 주고 받기 위한 통신인터페이스모듈(210)과, 상기 통신인터페이스모듈(210)을 통해 수신된 데이타를 가공하거나 데이터베이스화하는 데이터관리자모듈(220)과, 학습데이타를 통해 학습하여 최적의 결과를 구할 수 있는 신경망모델을 구하는 학습망모델(231)과 상기 학습망(231)에서 학습을 통해 얻어져 예측용 데이타를 통해 최적의 추출온도를 출력하는 최적화모델(232)로 이루어진 신경망모듈(230)과, 실적 관리용 데이타 및 최적해 관리용 데이타를 저장하는 데이타베이스(240)를 구비한 것으로서, 상기 추출온도산출부(200)는 퍼스널컴퓨터과 상기 퍼스널 컴퓨터에 설치된 프로그램에 의해 구현된다. 상기 데이타베이스(240)관리 데이타는 실적관리용 제1테이블(241)과, 최적회관리용 제2테이블(242)로 이루어지며, 상기 제1테이블(241)에는 강종기준(장입로, 두께, 최종 코일사이즈등)에 대한추출온도 실적(평균,편차)등이 저장되어, 제2테이블(242)에는 상기 최적화모델(232)에 의해서 산출된 최적 추출 목표온도값을 저장하는 것으로, 강종, 장입로, 슬라브 두께, 최종 코일 사이즈, 각 스탠드 통과수 및 압하량, 가열로 추출후 체류시간, 각 스탠드 통과별 디스케일링 패턴, 장입온도에 따른 계산된 최적온도가 저장된다.

그리고, 예측데이타수집부(300)는 조합이 완료되는 시점에 압연공정 관련 설정치를 산출하는 제1모듈(310)과, 상기 계산모듈(310)로부터 압연정보를 얻어 일반소재, 제품정보를 바탕으로 룩업테이블방식으로 추출목표온도를 산정하여 이상 설정된 예측데이타를 추출온도산출부(200)로 전송하는 제2모듈(320)과, 상기 추출온도산출부(200)로부터 산출된 최적 추출온도를 가열로 공정에 적용하는 제3모듈(330)과, 상기 추출온도산출부(200)로부터 산출된 최적읜 추출목표온도데이타를 저장하고 관리하는 데이타베이스(340)를 포함한다.

상기 장치에 의해 가열로에 장입되기 전의 소재에 대하여 기존 조업 정보를 바탕으로 얻어진 모델에 기반하여 추출목표온도를 산정하는 과정은 다음과 같이 이루어진다.

먼저, 학습데이타수집부(100)의 데이타수집모듈(120)에서 가열로 추출후 압연공정을 끝마친 슬라브의 모델 개발에 필요한 데이터를 수집하여, 데이타전송모듈(130)을 통해 추출온도산출부(200)로 전달한다.

상기 추출온도산출부(200)는 이렇게 얻어진 학습데이타를 통신인터페이스모듈(210)를 통해 수신하여, 데이타관리자모듈(220)을 통해 가공처리를 거친 후, 신경망모듈(230)의 최적화모델(232)이 아닌 신경망모델(231)의 학습에 이용하여, 최적화모델(230)을 갱신한다.

그리고, 실제 가열로 조업이 시작되면, 예측데이타수집부(300)에서 최적 추출온도 예측에 필요한 데이타가 수집되는데, 이 경우 압연 실적 정보가 없으므로 조합이 완료되는 시점에 압연공정관련 설정치를 제1모듈(310)에서 산출하여 압연정보를 얻고, 초기 추출목표를 얻기 위해서 일반 소재, 제품 정보를 바탕으로 제2모듈(320)에서 룩업테이블방식으로 초기 추출목표온도를 구한다. 이들 데이타는 추출온도산출부(200)로 전달되고, 추출온도산출부(200)의 최적화모델(232)에 적용되어 현 조업 상황에 가장 적절한 추출 목표온도가 얻어진다. 이렇게 얻어진 추출목표온도는 데이타관리자모듈(220)을 통해 관리용 데이타베이스(240)에 저장되고, 그 다음 예측데이타수집부(300)의 제3모듈(320)으로 보내져, 가열로 공정의 추출목표온도로 설정되어 조업에 반영된다. 또한, 이후 동일한 조업 조건이 발생시 반복되는 계산을 피하기 위하여, 상기 최적화모듈(230)을 통해 얻어진 최적해는 관리용 데이타베이스(240)의 제2테이블(242)에 저장되어, 동일조건 발생시 상기 데이타베이스(240)의 검색을 통해 바로 얻을 수 있도록 한다.

도 3은 학습용 신경망모델(231)의 구조를 보인 것으로, 상기신경망모델(231)은 학습데이타수집부(100)에서 수집된 압연 실적 정보를 입력노드로 인가하고, 출력노드에 실적 추출목표온도를 인가하여, 상기 실적 목표치를 추종하도록 가중치를 설정하는 것이다.

이때, 입력노드로 인가되는 압연실적정보로는 각 스탠드 통과수, 압하량, 온/오프시간, 디스케일링 패턴 및 가열로 추출후 경과시간등이 되고, 가열로 실적/소재정보 데이타로는 가열로 모델계산 추출온도, 가열로 장입온도, 강종정보를 얻어서 모델의 독립변수로 활용하고, 종속변수로는 압연공정 이후의 추출목표온도를 얻어서 이 온도가 목표로 하는 추출온도목표치를 추종하도록 한다.

도 4는 상기와 같은 신경망 학습에 의해서 얻어진 최적화모델(232)을 나타낸 도면으로서, 이때 입력노드로는 압연예정 조업정보데이타(각 스탠드 통과수, 각 스탠드 압하량, 가열로 추출시간, 각 스탠드 통과별 디스케일링 패턴)과 가열로/소재정보데이타(초기추출목표온도, 장입온도, 강종정보)가 인가되어, 상기 예측데이타수집부(300)에서 인가된 초기추출목표를 보정하여 최적의 추출목표온도를 출력한다. 즉, 최적화모델(232)에서는 장입예정 소재에 대한 압연실적이 없으므로 압연조업예정 정보를 압연실적 정보 대신 활용하고, 제2모듈(320)에서 룩업테이블방식으로 얻어진 추출목표온도를 초기치로 활용하여 최적화프로그램에서 이 값을 바꾸면서 예측 RDT온도가 허용오차한도내에 있는 추출온도를 최적치로 얻을 수 있도록 한다.

상술한 바와 같이, 본 발명은 압연정보를 감안한 추출목표온도 산정이 이루어짐으로서 가열로 및 공정의 에너지 저감이 기대되고, 적절한 추출목표온도 산정에 의해 조업의 안정성도 향상시킬 수 있는 우수한 효과가 있는 것이다.

Claims

가열로의 추출 목표 온도 최적화 시스템에 있어서,

가열로 추출 후 압연공정까지 끝마친 슬라브의 모델 개발에 필요한 과거 실적 데이타들을 수집하는 학습데이타수집부;

조합이 완료되는 시점에 압연 공정 관련 설정치를 산출하고 룩업테이블방식으로 초기추출목표온도를 산출하는 예측데이타수집부; 및

상기 학습데이타수집부에서 수집된 과거 실적데이타를 통해 최적해를 구할 수 있는 신경망모델을 구하고, 이렇게 구해진 최적해모델에 상기 예측데이타수집부에서 제공된 초기추룰목표온도를 포함하는 압연예정 조업정보데이타를 적용하여 최적의 추출목표온도를 산출하는 추출목표온도산출부로 이루어지는 것을 특징으로 하는 가열로의 추출 목표 온도 최적화 시스템.
제 1 항에 있어서, 상기 추출목표온도산출부는

상기 학습데이타수집부 및 예측데이타수집부에서 수집된 데이타를 전달받기 위한 통신인터페이스모듈;

상기 통신인터페이스모듈을 통해 수신된 데이타를 가공하거나 데이터베이스화하는 데이터관리자모듈;

상기 학습데이타수집부에서 수집된 데이타로 학습하여 최적해를 구하는 신경망모델을 구축하고, 학습된 신경망에 상기 예측데이타수집부에서 전달된 초기추출목표온도를 포함하는 가열로/소재정보 및 압연예정 정보에 근거하여 최적의 추출목표온도를 산출하는 신경망모듈; 및

상기 데이타관리자모듈의 제어에 따라서, 실적 데이타 및 상기 신경망 모듈에서 구해진 최적해 데이타를 저장하는 데이타베이스로 이루어지는 것을 특징으로 하는 가열로의 추출 목표 온도 최적화 시스템.
제 2 항에 있어서, 상기 신경망모듈은

학습시 입력노드에 압연실적데이타를 인가하고 출력노드로 실적 추출온도가 얻어지도록 가중치를 산출하고,

상기와 같이 산출된 가중치가 적용된 신경망의 입력노드에 압연예정 조업정보 및 룩업테이블방식으로 산출된 초기추출목표온도를 포함한 가열로/소재정보를 인가하여 보정된 최적의 추출목표온도를 출력하도록 구성된 것을 특징으로 하는 가열로의 추출 목표 온도 최적화 시스템.
제 3 항에 있어서, 상기 신경망의 입력노드로 인가되는 압연데이타는 각스탠드 통과수, 각 스탠드 압하량, 가열로 추출시각, 각 스탠드 통과별 디스케일링 패턴이 포함되고, 가열로/소재정보에는 룩업테이블방식으로 산출된 추출목표온도, 장입온도, 강종정보가 포함되는 것을 특징으로 하는 가열로의 추출 목표 온도 최적화 시스템.