KR20210113785A - 전기로 환경에서 동적 프로그래밍을 이용한 효과적인 작업 패턴 탐색 방법 및 이를 기록한 기록매체 - Google Patents

전기로 환경에서 동적 프로그래밍을 이용한 효과적인 작업 패턴 탐색 방법 및 이를 기록한 기록매체 Download PDF

Info

Publication number
KR20210113785A
KR20210113785A KR1020200028947A KR20200028947A KR20210113785A KR 20210113785 A KR20210113785 A KR 20210113785A KR 1020200028947 A KR1020200028947 A KR 1020200028947A KR 20200028947 A KR20200028947 A KR 20200028947A KR 20210113785 A KR20210113785 A KR 20210113785A
Authority
KR
South Korea
Prior art keywords
tap
product quantity
tap position
electric furnace
candidates
Prior art date
Application number
KR1020200028947A
Other languages
English (en)
Other versions
KR102414201B9 (ko
KR102414201B1 (ko
Inventor
속쩜머란 이은
류관희
오효석
Original Assignee
충북대학교 산학협력단
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 충북대학교 산학협력단 filed Critical 충북대학교 산학협력단
Priority to KR1020200028947A priority Critical patent/KR102414201B1/ko
Publication of KR20210113785A publication Critical patent/KR20210113785A/ko
Application granted granted Critical
Publication of KR102414201B1 publication Critical patent/KR102414201B1/ko
Publication of KR102414201B9 publication Critical patent/KR102414201B9/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
    • C21C5/00—Manufacture of carbon-steel, e.g. plain mild steel, medium carbon steel or cast steel or stainless steel
    • C21C5/52—Manufacture of steel in electric furnaces
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/20—Recycling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 전기로 환경에서 작업 패턴 탐색 방법에 관한 것으로서, 탭 시퀀스를 포함하는 이전 작업 데이터를 데이터베이스에 저장하는 단계 및 제품 이름, 초기 탭 위치, 작업 기간을 포함하는 입력 파라미터가 입력되면, 상기 데이터베이스를 기반으로 동적 프로그래밍을 이용하여 최적의 작업 패턴을 탐색하는 단계를 포함한다.
본 발명에 의하면, 동적 프로그래밍을 이용하여 전기로 환경에서 최적의 작업 패턴을 찾음으로써, 전기로 환경에서 작업 효율을 향상시킬 수 있는 효과가 있다.

Description

전기로 환경에서 동적 프로그래밍을 이용한 효과적인 작업 패턴 탐색 방법 및 이를 기록한 기록매체 {Method for finding effective working pattern using dynamic programming in electric furnace, and recording medium thereof}
본 발명은 전기로 환경에서 효율적인 작업 패턴을 탐색하는 방법에 관한 것이다.
철이나 비철금속을 생산하기 위해서는 고온에서 철이나 비철금속 광석을 녹여야 한다. 이를 위하여, 전력을 사용하여 화학 물질과 스크랩을 태워 금속 생산을 지원하는 서브머지드 아크로(submerged-arc furnace)가 개발되어 사용되고 있다. 일반적으로, 서브머지드 아크 컨테이너의 전체 공정으로 에너지가 전달될 때 3 개의 전극이 작동한다.
철과 비철금속 산업의 역사에서, 서브머지드 아크로(SAF, Submerged-Arc Furnace)는 용해된 금속 제품을 생산하는 핵심 요소로 취급되었다. 서브머지드 아크로의 중요한 특징 중 하나는 코크스, 슬래그, 그리고 다른 화학 물질들을 특정 제품 생산을 위해 재활용하는 것이다. SAF는 금속 물질 생산을 위한 최선의 방법으로 인정되어, 세계철강협회는 전기아크로(Electric Arc Furnace) 시장을 2019년 기준 매출액 10억3000만 달러에서 2024년 14억2000만 달러로 약 6.7%의 상승세로 전망하고 있다.
자동차 및 관련 분야에 사용되는 철, 철합금, 비철금속을 생산하기 위한 전기 아크로 산업은 막대한 전력을 소비하기 때문에, 전력 소비를 제어하고 전력 소비를 감소시키는 기술에 대한 요구가 매우 크다. 다시 말해서, 전기 아크로 산업에 막대한 전력이 사용되므로 비싼 전기요금에 따른 생산비용 증가라는 문제가 존재한다.
이러한 문제 해결을 위해, 최근 전기로 산업에서 다양한 방법을 통해 전력 소비를 줄이고 환경을 보호하기 위한 해결책을 찾는 연구가 많이 있어 왔다. 이러한 연구 중에서 가장 많이 이용되는 방법 중 하나는 투입 재료를 줄이고 작동 온도를 추적하는 것이다. 그러나, 전기 아크로 환경의 특성은 고온으로 인해 내부를 파악하기 어렵고 센서 또는 그에 내장된 장치를 설치하는 것 역시 쉽지 않다.
탭 위치(tap position)는 실제 물리적 외관이 아닌 개념적 논리(conceptual logic)이다. 철이나 비철금속 제조업자가 전류를 조정하거나 전기 아크로 컨테이너 내 연소물질의 성능을 안정화시키는데 탭 위치는 중요하다. 그러나 현재 탭 위치 이동은 철강 및 비철금속 업체가 수동으로 관리하고 있어서 목표 달성을 위한 효과적인 방법을 파악하는 데 상당한 어려움이 있다. 따라서 탭 위치를 어떻게 조절할 때 최상의 작업 패턴을 얻을 수 있는지 아는 것이 매우 의미가 있다.
또한, 비철계는 특정 제품 생산을 위해 많은 에너지와 열을 소비하도록 개발된다. 그러나 이는 높은 전력 소비를 유발하여 생산원가에 부담으로 작용한다.
이와 같이 전기로 환경에서 전기 에너지를 줄이기 위한 다양한 연구와 시도가 있었다. 예를 들어, 선형 회귀와 유전자 프로그래밍을 이용하여 에너지 소비량에 관한 모든 개별 매개변수를 연구함으로써 해결책을 탐구하는 방법 등이다. 그 외에도 시간대별 전력 가격을 연구하여 에너지 비용을 절약하기 위해 원자재를 녹이는데 최적의 전력 활용 시기를 예측하고자 하는 시도가 있었다. 그러나, 종래에는 시간에 의존하는 전기 에너지와 탭 순서에 따라 전기로 환경의 전력 소비를 저감하는 방법은 제안되지 않았다.
대한민국 공개특허 10-2017-0030036
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 사용자가 제품 수량당 전력 최적화를 위해 제어하는 탭 위치의 순서를 탐색함으로써, 제조업체가 전력 소비를 최소화하고 생산 횟수를 최적화하는 데 도움이 되는 가장 적절한 작업 패턴을 찾는 방법을 제공하는데 그 목적이 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
이와 같은 목적을 달성하기 위한 본 발명의 전기로 환경에서 작업 패턴 탐색 방법에서, 탭 시퀀스를 포함하는 이전 작업 데이터를 데이터베이스에 저장하는 단계 및 제품 이름, 초기 탭 위치, 작업 기간을 포함하는 입력 파라미터가 입력되면, 상기 데이터베이스를 기반으로 동적 프로그래밍을 이용하여 최적의 작업 패턴을 탐색하는 단계를 포함한다.
상기 최적의 작업 패턴을 탐색하는 단계는, 탭 위치가 i이고, 현재 시간이 j에서의 현재 탭 위치를 (i, j)라고 표기할 때, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 최고의 제품 수량과 요소 전력을 선택하는 단계, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 선택된 요소 전력을 제품 수량으로 나누어서 제품 수량 당 전력을 각각 산출하는 단계 및 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 산출된 제품 수량 당 전력 중에서 최소값을 선택하는 단계를 포함하는 방식으로 최적의 작업 패턴을 탐색할 수 있다.
상기 최고의 제품 수량과 요소 전력을 선택하는 단계에서, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 요소 전력의 최소값과, 제품 수량의 최대값을 선택할 수 있다.
또는, 상기 최고의 제품 수량과 요소 전력을 선택하는 단계에서, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 요소 전력의 평균값과, 제품 수량의 평균값을 선택할 수 있다.
본 발명에 의하면, 동적 프로그래밍을 이용하여 전기로 환경에서 최적의 작업 패턴을 찾음으로써, 전기로 환경에서 작업 효율을 향상시킬 수 있는 효과가 있다.
도 1은 탭 이동의 제한을 설명하기 위한 도면이다.
도 2는 하루 동안의 잡 사이클 정보를 예시한 도면이다.
도 3은 하루 동안의 탭 위치 시퀀스를 예시한 것이다.
도 4는 작업 사이클의 탭 시퀀스를 보여주는 도면이다.
도 5는 탭 시퀀스와 이동 제한을 나타낸 도면이다.
도 6 및 도 7은 본 발명의 일 실시예에 따른 탭 분석 과정을 설명하기 위한 예시도이다.
도 8은 작업 사이클을 갖는 작업 패턴의 경향을 보여주는 그래프이다.
도 9는 탭 시퀀스의 이동 경로를 도시한 것이다.
도 10은 (j-1) 시간에서 최적의 세 후보 탭 위치를 찾는 첫번째 단계를 보여주는 도면이다.
도 11은 동적 프로그래밍 접근방식에서 작업의 흐름을 보여준다.
도 12는 탭 이동을 보여주는 도면이다.
도 13은 이동 제한 조건을 설명하기 위한 도면이다.
도 14는 탭 시퀀스 선택 방식을 설명하기 위한 도면이다.
도 15는 다수의 후보들 중에서 최고의 제품 수량(product quantity, pq)과 요소 전력(element power, ep)을 선택하는 과정을 설명하기 위한 도면이다.
도 16은 본 발명의 일 실시예에 따른 실험 결과가 예시된 도표이다.
도 17은 제품 A(Product A)에 대한 실험 결과에서 탭 위치 11, 시간 4708(초)에서 27 후보가 선정된 경우를 보여주고 있다.
도 18은 도 17의 예시에서 세 후보들 중에 최고의 PPQ를 선정하는 과정을 보여주는 도면이다.
도 19는 본 발명에서 최고의 EP 또는 PQ를 찾기 위한 제1 방법을 설명하기 위한 도면이다.
도 20은 본 발명에서 최고의 EP 또는 PQ를 찾기 위한 제2 방법을 설명하기 위한 도면이다.
도 21은 본 발명에서 최고의 EP 또는 PQ를 찾기 위한 제3 방법을 설명하기 위한 도면이다.
도 22는 본 발명에서 최고의 EP 또는 PQ를 찾기 위한 제4 방법을 설명하기 위한 도면이다.
도 23은 본 발명의 일 실시예에 따른 전기로 환경에서 작업 탐색 방법을 보여주는 흐름도이다.
도 24는 본 발명의 일 실시예에 따른 최적의 작업 패턴을 탐색하는 방법을 보여주는 흐름도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 갖는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 발명은 전기로 환경에서 동적 프로그래밍을 이용한 작업 패턴 탐색 방법에 대한 것이다.
본 발명의 전기로 환경에서 작업 패턴 탐색 방법을 수행하는 주체는 전기로 환경에서 작업 패턴 탐색 방법을 수행하는 제반 컴퓨터 장치라고 할 수 있으며, 또는 전기로 환경에서 작업 패턴 탐색 방법을 수행하는 시스템 또는 장치를 전반적으로 제어하는 제어부나 프로세서(processor)일 수 있다. 즉, 본 발명의 전기로 환경에서 작업 패턴 탐색 방법은 일종의 소프트웨어인 알고리즘으로 구성될 수 있으며, 소프트웨어는 전기로 환경에서 작업 패턴 탐색 방법을 수행하는 시스템, 장치의 제어부 또는 프로세서(processor)에서 실행될 수 있다.
본 발명에서 전기로 환경에서 동적계획법을 이용하여 효과적인 작업 패턴을 찾는 것은 제품 수량당 최적의 전력을 보장하기 위한 탭 위치 시퀀스(tap position seqeunce)의 이동과 관련이 있다. 그러므로 탭 위치를 정의하는 것이 중요하다. 기본적으로 탭은 실제 물리적 외형이 아닌 개념적 논리이다. 아크로 컨테이너의 연소물질 성능을 안정화하기 위해 철을 제조하는 사용자(제강사)가 전류를 조정할 수 있도록 하기 위해서는 탭이 필수적이다. 게다가 탭의 수도 공장마다 다양하다. 본 발명의 명세서에서는 설명의 편의를 위하여, 용광로 제조업체가 제어하는 14개의 탭 위치를 예시하며, 모든 탭 위치에는 1에서 14까지 라벨이 붙어 있다.
탭의 이동에는 현재 위치에서 약간의 제약이 있다.
도 1은 탭 이동의 제한을 설명하기 위한 도면이다.
도 1에서, 1초 후 탭 위치의 가능한 움직임을 명확히 보여준다. 예를 들어, 현재 탭 위치는 i 위치에서 표시되고, 그 결과 도달 가능한 방향은 세 가지가 있다. 첫째, 현재 탭 위치는 이전 탭 위치 번호인 i-1로 이동할 수 있다. 둘째로, 현재 탭 위치는 i + 1인 다음 레벨의 탭 위치 번호로 이동할 수 있다. 마지막으로, 현재 탭 위치는 1초 후에 동일한 위치에 가만히 있을 가능성도 있다. 전체적으로 탭 위치 이동 패턴은 하나의 작업 사이클과 다른 작업 사이클에서 각각 다르다.
탭 위치의 시퀀스(sequence)를 회사의 시계열 데이터에 의한 탭 이동의 경향에 대해서 설명하면 다음과 같다.
기본적으로 시퀀스는 특정 제품을 생산하기 위해 용광로 공장에서 작업하는 주기를 나타낸다. 따라서 시퀀스, 잡 사이클(job cycle) 및 워킹 사이클(working cycle)이라는 용어는 서로 바꾸어 사용할 수 있다. 다음으로 모든 시퀀스는 1, 2, 3과 같은 숫자로 정의되며, 일반적으로 서로 다른 시간 슬롯 내에 하루에 3 ~ 5 개의 시퀀스가 있다.
도 2는 하루 동안의 잡 사이클 정보를 예시한 도면이다.
도 2에서 하루 동안의 잡 사이클 정보를 제공하며, 왼쪽에서 오른쪽으로 방향으로 표시된 박스는 시작 시간과 종료 시간으로 구성된 철탕(chultang) 기간을 나타낸다. 철탕 기간은 잡 사이클의 한 기간을 결정하기 위해 제조업체에서 정의한 용어이다. 그 외에도, 종료 시간에서 다음 시작 시간에서 1 초를 뺀 시간까지의 차이를 비철탕(non-chultang) 기간이라고 한다. 대체로 철탕 기간과 비철탕 기간의 조합은 하나의 잡 사이클 시간을 공식화할 수 있다.
도 2에서 보는 바와 같이, 첫 번째 잡 사이클은 8:07 부터 12:59:59(13:00-1 초)이다. 이러한 첫 번째 잡 사이클이 순서 번호 1로 정의되고, 다음에 2, 3, 4, 5와 같은 동일한 분류 방식으로 순서 번호가 정의된다.
또한 시퀀스는 작동 시간 정보뿐만 아니라 사용된 재료의 양, 제품 수량, 전압, 전류, 임피던스, 전기 포드 인덱스(electric pod index, EPI)와 같은 생산 정보도 제공한다.
일반적으로, 탭은 제강 작업자가 전기를 퍼니스 작업에 전달할 때, 전력에 영향을 미치는 전류를 제어할 수 있는 하나의 특정 레벨로 수동 설정된다. 이를 염두에 두고 탭 시퀀스는 최적의 전력 소비를 얻는 솔루션이 되는데 중요한 역할을 한다. 하나의 잡 사이클에서 탭 시퀀스의 추상화를 단순화하기 위해 도 3과 같이 시각화할 수 있다.
도 3은 하루 동안의 탭 위치 시퀀스를 예시한 것이다. 즉, 도 3은 하루에 생산된 특정 제품의 탭 순서를 나타낸다.
도 3에서 첫 번째 열은 시퀀스 번호의 정보이며, 도 3의 실시예에서는 1에서 4까지 4 개의 시퀀스가 있다.
두 번째 열에는 제품 이름이 표시되고, 세 번째 열에는 작업 주기의 시작 시간이 표시되고, 네 번째 열은 작업 주기의 종료 시간이 표시된다.
다섯 번째 열은 작업 영역에서 작업자의 탭 위치 변경 및 제어와 관련하여 한 번의 작업 주기로 소비 된 총 전력을 나타낸다.
여섯 번째 열은 작업 사이클 시간의 출력인 제품 수량이고, 일곱 번째 열은 총 전력량을 총 제품 수량으로 나눈 결과인 제품 수량 당 전력이다.
그리고, 마지막 열은 개념적 프레임 워크에서 탭 위치 이동 패턴으로 사용되는 탭 위치 시퀀스이다.
탭 위치는 사용자가 전류 수준을 제어하여 금속 재료를 녹이는 논리적인 개념이다. 또한 탭 위치는 탭 번호와 같은 일부 정보로 구성된다. 예를 들어 탭 위치 번호의 범위는 1, 2, 3 등이다. 탭 위치 정보와 함께 요소 전력도 표시된다. 다음으로 주요 요인 중 하나는 제품 수량이다. 여기에서 제품 수는 제품 출력을 수동으로 기록하는 데이터 운영자에 의해 제공된다. 그 후, 정보는 일정 기간 동안 컴퓨터 시스템에 입력된다.
탭 위치 순서의 패턴을 아는 것은 제품 수량 당 최적의 전력 값으로 탭 위치를 제어하는 방법에 있어서 중요하다.
도 4는 작업 사이클의 탭 시퀀스를 보여주는 도면이다. 도 4는 시각화 객체가 작업 패턴의 주요 목표를 나타내는 데 유용한 방식으로 탭 시퀀스의 특성을 보여주는 큰 그림을 보여주고 있다. 예를 들어 탭 번호를 나타내기 위해 원으로 표시하는데, 체류 시간과 개별 탭 위치의 지속 시간이 다르기 때문에 각 원의 크기가 동일하지 않다. 즉, 원이 클수록 탭 위치의 유지 시간이 길어진다. 그리고, 색상 스펙트럼은 탭 위치 번호를 효과적으로 구별하는 데 도움이 된다.
탭 시퀀스를 생성하기 위해 시계열의 실시간 빅 데이터가 시작 시간부터 종료 시간까지 1 초마다 탭 정보를 1 개의 작업주기 내에서 얻는 것을 목표로 사용된다.
탭 시퀀스는 주로 통계 분석 및 고급 컴퓨터 알고리즘과 같은 여러 방법에서 작업 패턴을 분석하기위한 초기 단계를 보여주는 핵심 역할을 한다. 본 발명에서는 적어도 하나의 탭 위치에 있어야 하는 하나의 작업 사이클을 고려하여 분석을 점검한다. 또한, 작업 중 및 작업 후 등 다양한 시점에 여러 소스에서 데이터를 수집한다. 예를 들어, 탭 위치 번호는 PLC(programmable logic controller)에서 수신하는 반면, 제품 및 원자재 수는 철강 작업자가 기록한다. 여기서, 사용자가 종이에 기록한 데이터를 PLC의 디지털 데이터와 일치시켜야 한다.
탭 순서의 패턴을 분석하기 위해, 이전 단계는 탭 위치의 주파수, 탭 위치의 체류 시간, 탭 간 연결 및 소비된 전기량에 대한 탭 위치의 특성을 분석한다. 탭 시퀀스는 또한 움직임에 관한 독특한 특성을 가지고 있다. 탭 위치 i를 다음 탭 위치 i+1로 이동하거나, 탭 위치 i를 이전 탭 위치 i-1로 이동하거나, 탭 위치 i를 탭 위치 i 자체에서 동일하게 유지하는 방식으로, 탭 위치 i가 1 초 후 세가지 방식으로 이동한다. 표기법 i는 탭 위치의 번호를 나타낸다.
도 5는 탭 시퀀스와 이동 제한을 나타낸 도면이다.
도 5의 실시예에서 하나의 작업 사이클 내에 많은 탭 위치로 구성되어 있는 것을 확인할 수 있다.
도 5에서 상단의 간단한 시각화는 다양한 탭 위치 번호에 대해 다양한 색상을 가진 원으로 표시되어 있으며, 일련의 탭 위치 노드를 확인할 수 있다.
그리고, 중단의 표는 탭 시퀀스의 분석 출처인 몇 가지 정보를 제공한다.
표에서 첫 번째 행은 시간 목록이고 기호는 j이다.
두 번째 행은 1에서 14까지의 탭 번호를 나타내는 데 사용되는 탭 위치 번호이며, Tap Position을 나타내는 TP와 위치 번호를 나타내는 i의 TPi로 표기한다.
세 번째 행은 짧은 EPI의 요소 전력이다. 요소 전력의 데이터는 실시간으로 기계에서 수집된다.
마지막 행은 초당 제품 수량이다. 이 숫자는 기계에서 생성된 데이터와 공장에서 관리자가 기록한 수치를 바탕으로 산술적인 계산을 통해 생성된다.
또한, 도 5는 정상적인 상황에서 탭 이동의 특성을 강조한다. 즉, 도 5에 예시된 이동과 다른 이동이 있다면, 새로운 이동은 비정상적인 것으로 간주된다. 예를 들어, 탭 위치 번호 9가 1초 후에 12번으로 이동하면, 이 경우 데이터를 생성할 때 시스템 오류가 일부 발생할 수 있다.
본 발명의 일 실시예에서 하루의 작업 사이클 수는 1에서 5 사이일 수 있다. 그리고, 본 발명의 실험을 수행하기 위해 데이터 수집 후 11개월 이내에 1055회의 작업 주기가 있으며, 2018년 10월부터 2019년 8월까지의 데이터셋을 추출하였다.
도 6 및 도 7은 본 발명의 일 실시예에 따른 탭 분석 과정을 설명하기 위한 예시도이다.
도 6 및 도 7은 k번째 작업 사이클에서 시간 j에서의 탭 위치 i인 경우를 예시하고 있다.
PPQ(Power per Product Quantity)는 요소 전력(Element power, EP)을 제품 생산량(Product Qunatity, PQ)로 나눈 것이다.
도 6 및 도 7에서 요소 전력을 epk,i,j라 하고, 제품 생산량을 pqk,i,j라 하면, pqk,i,j=epk,i,j/ppqk,i,j이다.
도 7에서 다수의 후보들 가운데 최고의 제품 생산량(pq)과 요소 전력(ep)을 선택하여, 탭 위치를 이동시킨다.
이제 본 발명에서 동적 프로그래밍(dynamic programming)을 이용한 최적의 작업 패턴을 찾는 과정을 설명하기로 한다.
도 8은 작업 사이클을 갖는 작업 패턴의 경향을 보여주는 그래프이다.
도 8의 그래프에서 왼쪽 수직열은 탭 위치 번호이고, 상단 수평 행은 시간(초)을 나타낸다.
도 8에서 상단 수평 행은 시계열 순서를 초 단위로 표시하며, 왼쪽 수직 열은 탭 위치 번호를 표시한다. 그리고, 각 시퀀스에는 시작 시간과 종료 시간이 있다.
도 8의 그래프는 시간의 시작부터 마지막 기간까지 많은 경로를 통과할 수 있다는 것을 보여준다. 그러나, 이동의 제약으로 인해 하나의 길을 따라 가는 것이 필요하다. 도 8에서 빨간색 선은 탭 위치 이동 경로를 묘사하고 있는데, 이는 1050개의 작동 탭 위치 시퀀스 중 하나에 불과하다. 따라서 1초부터 다음 1초까지 다른 경로를 선택할 가능성을 점검하는 것이 필요하다. 본 발명에서는 최적의 탭 시퀀스를 탐색함에 있어서, 동적 프로그래밍 접근법이라고 하는 반복적인 알고리즘을 이용한다.
도 9는 탭 시퀀스의 이동 경로를 도시한 것이다.
도 9에서는 탭 위치를 나타내기 위해 사용되는 여러 가지 색상의 원이 있는 탭 시퀀스의 패턴을 보여주고 있다.
도 9의 그래프에서 한 눈에 다섯가지 색의 동그라미를 확인할 수 있다.
첫번째 파란색 원은 10번 탭이고, 오렌지 원은 9번 탭이고, 녹색 원은 8번 탭이고, 검붉은 색 원은 11번 탭이고, 보라색 원은 12번 탭을 나타낸다.
도 9의 그래프에서 중앙을 기준으로 두가지 형태의 이동 형태를 보이는 것을 확인할 수 있다. 즉, 시작에서 중반까지 기간을 보면, 탭 위치가 작은 번호의 탭으로 바뀐다. 예를 들어, 탭 위치 10번에서 탭 위치 9번으로 이동하고, 계속해서 탭 위치 8번으로 이동한다. 그 후, 탭 위치 8번에서 9번으로 이동하고, 9번에서 10번으로 이동한다. 그리고, 중반부터 끝까지의 기간에는 새로운 흐름이 나타나고 있는데 탭 위치 번호가 높은 번호로 변경되는 경향이 있다. 예를 들어 탭 위치 10번에서 탭 위치 11번으로 이동한 후, 탭 위치 12번으로 이동한다. 탭 위치 11번과 12번은 자주 서로 변경되면서, 마침내 원래의 탭 위치 10번으로 이동한다.
본 발명은 에너지 사용의 높은 효율과 제품 수량의 최대치를 얻기 위해 최선의 작업 패턴을 찾기 위한 동적 프로그래밍 알고리즘 접근법에 기초한다.
동적 프로그래밍 알고리즘은 연구 분야의 많은 문제를 해결하기 위해 사용되어 왔다. 이 알고리즘의 가장 두드러진 테마는 문제를 많은 하위 문제로 분리하는 것이며, 중요한 것은 그 결과가 저장되어 다음 번에 재사용된다는 것이다. 결과적으로 런타임은 최고의 최적화 방법 중 하나로 간주된다. 본 발명에서는 전기 아크로 환경에서 탭 위치의 움직임을 조사하기 위해 작업 탭 시퀀스의 보편적 패턴을 선택하기 위하여 동적 프로그래밍을 이용한다.
에너지 소비를 절약하기 위한 가장 중요한 구성 요소는 EPI(Electric pod index)를 제어하고 탭 이동을 조정하는 것이다. 이를 위해, 본 발명은 최선의 작업 패턴 사이클을 선정한다. 본 발명의 일 실시예에서 생산품의 상태가 안정적인지 여부를 결정하기 위해 전압, 전류, 저항의 변화에 따라 14개의 탭 위치가 조정되며, 더욱이, 전력 공급이 생산 사이클에 도움이 될 수 있도록 탭 위치를 갱신하는 과정을 여러 차례 반복하였다.
동적 프로그래밍에 의해 해결되는 문제를 설명하기 위해, 의사 코드도 제공된다. 주 알고리즘은 최소 총 요소 전력 및 최대 제품 수량을 찾아 제품 수량당 더 나은 결과를 제공하는 주 목표와 일치하도록, 적절한 후보를 조사하기 위해 상향식 접근에 초점을 맞추는 것이다. 입력 파라미터는 초기 탭 위치, 총 시간 및 제품 이름으로 구성된다. 이러한 매개변수는 알고리즘 구현에 매우 중요하다. 알고리즘의 출력은 제품 수량당 양호한 전력을 얻기 위한 총 요소 전력 및 초당 총 생산량이다.
Input:productName, inititalTap, T // T is duration
Output: better value of ppq
Begin
Lists of TPQ, TEP // Initialize the lists with the base case
FOR j = 1 to T // iterate the time from second one to the given T
FOR i = 1 to tapSize // iterate from tap one to the last tap
FOR k = -1 to 1 // ad-hoc index for storing the candidate

// obtain candidate of total product quantity of each step
tpq = TPQ[i+k][j-1] + bc_pq[i+k][j-1]
// obtain candidate of total element power of each step
tep = TEP[i+k][j-1] + bc_ep[i+k][j-1]
// obtain candidate of power per produt quantity of each step
ppq[k+1] = tpq / tep
// call search findMinIndex to get the minimum index
minIndex = findMinIndex(ppq[0], ppq[1], ppq[2])
// calculate the total product quantity
TPQ[i][j]= TPQ[i+k][j-1] + bc_pq[minIndex +1][j-1]
TEP[i][j]= TEP[i+k][j-1] + bc_ep[minIndex +1][j-1]
PPQ[i][j] = TEP[i][j] / TPQ[i][j];
listMinPath[j-1] = i + minIndex;
RETURN PPQ[tapSize][T]
end
findMinIndex(ppq1, ppq2, ppq2)
IF ppq1 < ppq2
RETURN ppq1 < ppq3 ? -1 : 1
ELSE
RETURN ppq2 < ppq3 ? 0 : 1
표 1의 의사코드에서는, 여러 후보 중에서 최적의 제품 수량(product quantity, pq)과 요소 전력(element power, ep)을 찾아내는 것으로 시작한다.
도 10은 (j-1) 시간에서 최적의 세 후보 탭 위치를 찾는 첫번째 단계를 보여주는 도면이다.
도 10에서 처음에는 시간 (j-1)과 탭 위치(i-1)에서 많은 후보 중에서 최고의 제품 수량과 최고의 요소 전력을 선택한다. 그리고, 최고의 후보를 찾아낸 후, 알고리즘은 각각 이전의 총 제품 수량과 총 요소 전력 결과를 합한다. 그러면 첫번째 제품 수량당 전력(power per product quntity, ppq)은 총 요소 전력을 총 제품 수량으로 나눈 결과다.
다음, 시간(j-1)과 탭 위치(i)에서도 동일한 방법이 수행되며, 이에 따라 또 다른 최고의 제품 수량, 요소 전력, ppq를 얻는다.
다음, 알고리즘은 시간(j-1)과 탭 위치(i+1)에서의 후보를 찾는다.
이에 따라 알고리즘은 최소지수(minimum index)를 얻기 위해 3개의 ppq 중 최소치를 확인한다. 최소지수(minIndex)를 획득하는 것은 각각 시간 (j-1)과 위치(i-1)에서의 총 제품 수량과 시간(j-1)과 위치 (i-1)에서의 총 요소 전력을 합산한 최종 최적 제품 수량과 최고의 요소 전력을 찾는 데 사용될 수 있다.
minIndex를 얻은 후 함수는 세 가지 주요 부분의 조합으로 구성된다. 먼저, 최고 후보의 생산량을 더한 TPQ [i + k] [j-1](k = -1, 0, 1)의 결과인 TPQ [i] [j]로 표시되는, 탭 위치 i와 시간 j에서의 제품 수량 당 총 전력을 찾는다.
둘째, 탭 위치 i 및 시간 j - 1에서 제품 수량 당 전력의 계산은 탭 위치 i 및 시간 j에서의 제품 수량 당 전력을 더한다.
셋째, 탭 위치 i + 1 및 시간 j - 1에서 제품 수량 당 전력과, 탭 위치 i 및 시간 j에서 제품 수량당 전력이 추가된다.
마지막으로 최소값을 기준으로 세 가지 결과 중 하나가 선택된다.
도 11은 동적 프로그래밍 접근방식에서 작업의 흐름을 보여준다.
일반적으로 영점 값은 수평축과 수직축 모두 초기화된다.
도 11에서 왼쪽 첫 번째 열은 탭 번호를 나타낸다. 전술한 바와 같이, 0은 탭 번호의 기본값이다. 첫 번째 상단 행은 시간(초)을 나타낸다. 마찬가지로, 시간은 0초에서 시작하여 86864초까지 이어진다. 여기서 화살표는 탭 번호의 이동 방향을 가리키는데 사용된다.
도 12는 탭 이동을 보여주는 도면이다.
도 12에서 보는 바와 같이, 이전 탭이 출발하는 경로는 세가지가 있다. 즉, (1) (i-1, j-1) 위치의 녹색 원, (2) (i, j-1) 위치의 주황색 원, (3) (i + 1, j-1) 위치의 파란색 원에서 출발할 수 있다.
도 13은 이동 제한 조건을 설명하기 위한 도면이다.
도 13을 참조하면, 탭 위치의 이동은 D1, D2, D3의 탭 이동 방향으로 이동할 수 있다.
즉, D1은 다음 탭 위치로 이동하는 것이고, D2는 이전 탭 위치로 이동하는 것이고, D3는 같은 탭 위치에 머무는 것이다.
도 14는 탭 시퀀스 선택 방식을 설명하기 위한 도면이다.
도 14에서 보는 바와 같이, 탭 시퀀스 선택에 있어서 세가지 경우를 고려해야 한다.
즉, 도 14에서 (a)는 탭 (i-1, j-1)에서 탭 (i, j)로 이동하는 경우이고, (b)는 탭 (i, j-1)에서 탭 (i, j)로 이동하는 경우이고, (c)는 탭 (i+1, j-1)에서 탭 (i, j)로 이동하는 경우이다.
본 발명은 최소 전력 소비와 최대 제품량을 고려하여 최적의 제품량 당 전력을 산출하는 최고의 후보를 선택하는 것이다.
세 개의 후보 중에서 최고의 PPQ(power per product quantity)를 선택하는 방법은 다음과 같다.
먼저, 다수의 후보들 중에서 최고의 제품 수량(product quantity, pq)과 요소 전력(element power, ep)을 선택한다.
그리고, 세 개의 후보 중에서 최고의 PPQ(power per product quantity)를 선택한다.
도 15는 다수의 후보들 중에서 최고의 제품 수량(product quantity, pq)과 요소 전력(element power, ep)을 선택하는 과정을 설명하기 위한 도면이다.
도 15의 실시예에서 탭 i-1은 103개의 후보가 있고, 탭 i는 178개의 후보가 있고, 탭 i+1은 108개의 후보가 있다.
전력 요소 및 제품 수량에 가장 적합한 3개의 후보를 선택할 수 있으며, 최상의 3개의 후보가 선택되면,이 3 가지 후보 중 최고를 선택하여 제품 수량 당 전력을 찾을 수 있다.
다음 표 2는 최고의 PPQ를 찾기 위한 방정식에 사용되는 표기법을 정리한 것이다.
Term Description
Figure pat00001
 optimal total electric power of last tap number (
Figure pat00002
) in a tap sequence from 1 second to (
Figure pat00003
) second
Figure pat00004
 optimal total electric power of last tap number
Figure pat00005
in a tap sequence from 1 second to (
Figure pat00006
) second
Figure pat00007
 optimal total electric power of last tap number (
Figure pat00008
) in a tap sequence from 1 second to (
Figure pat00009
) second
Figure pat00010
 optimal total product quantity of last tap number (
Figure pat00011
) in a tap sequence from 1 second to (
Figure pat00012
) second
Figure pat00013
 optimal total product quantity of last tap number (
Figure pat00014
) in a tap sequence from 1 second to (
Figure pat00015
) second
Figure pat00016
 optimal total product quantity of last tap number (
Figure pat00017
) in a tap sequence from 1 second to (
Figure pat00018
) second
Figure pat00019
 the best one among product quantity candidates stored at tap number (
Figure pat00020
) and (
Figure pat00021
) second
Figure pat00022
 the best one among product quantity candidates stored at tap number (
Figure pat00023
) and (
Figure pat00024
) second
Figure pat00025
 the best one among product quantity candidates stored at tap number (
Figure pat00026
) and (
Figure pat00027
) second
Figure pat00028
 the best one among electric power candidates stored at tap number (
Figure pat00029
) and (
Figure pat00030
) second
Figure pat00031
 the best one among electric power candidates stored at tap number
Figure pat00032
and (
Figure pat00033
) second
Figure pat00034
 the best one among electric power candidates stored at tap number (
Figure pat00035
) and (
Figure pat00036
) second
Figure pat00037
 Total element power for storing temporary candidate
Figure pat00038
 Total product quantity for storing temporary candidate
먼저 각 후보의 TPQ[i,j]와 TEP[i,j]를 구한다.
그리고, PPQ(Power per product quantity)의 최소값은 TEP[i,j]/TPQ[i,j]로 구한다.
본 발명에서 후보가 3이므로 최소, 최대, 평균 운영으로 통계분석에 근거해 하나를 적절히 선정해야 한다.
첫 번째 그룹 후보의 결과는 tep1과 tpq1인 임시 변수에 저장된다. 그 후, 그 결과는 향후 사용을 위해 ppq1에 들어간다.
두 번째와 세 번째 그룹 후보는 첫 번째 그룹과 같은 방식으로 계산된다.
마지막에, ppq1, ppq2, ppq3의 3개의 제품 수량당 전력 후보가 있다. 그리고, 세 후보들 중에서 최소값을 산출하고, 최종적으로 제품 수량당 최소 전력을 구한다.
모든 것을 종합하면, 본 발명에서 제안된 방법은 다음과 같은 방정식의 형태로 나타낼 수 있다.
For k = 0, -1, 1 w.r.t (i+k)th tap
Figure pat00039
(1)
Figure pat00040
(2)
Figure pat00041
(3)
수학식 (1)~(3)은 k값을 0을 설정하는 것으로부터 시작하며, 총 제품 수량과 총 요소전력은 이전 총 제품 수량과 총 요소전력에 최고의 후보 제품 수량과 후보 요소 전력을 합한 결과이다. 다음, 제품 수량당 전력은 총 요소 전력을 총 제품 수량으로 나눈 값이다.
다음, 표 3은 목적함수의 표기법을 정리한 것이다.

TermDescription
Figure pat00042
total power per product quantity at tap position
Figure pat00043
and time
Figure pat00044
Figure pat00045
total element power at tap position
Figure pat00046
and time
Figure pat00047
total product quantity at tap position
Figure pat00048
and time
Figure pat00049
Figure pat00050
total duration time
Figure pat00051
total element power at tap position
Figure pat00052
+
Figure pat00053
and time
Figure pat00054
Figure pat00055
minimum index which is generated by the minimum index of power per product quantity at tap position
Figure pat00056
and time
Figure pat00057
where k can be -1, 0, 1
Figure pat00058
the best candidate of element power at tap position
Figure pat00059
and time
Figure pat00060
Figure pat00061
total product quantity at tap position
Figure pat00062
and time
Figure pat00063
Figure pat00064
the best candidate of product quantity at tap position
Figure pat00065
and time
Figure pat00066
본 발명에서 목적 함수는
Figure pat00067
의 최소값을 구하는 것이다. 이때, 설명의 편의를 위하여, 예를 들어
Figure pat00068
의 조건을 가정하여 설명하기로 한다.
Figure pat00069
일 때 다음과 같이 나타낼 수 있다.
Figure pat00070
(4)
Figure pat00071
(5)
그리고, 재귀함수는 다음과 같다.
Figure pat00072
(6)
Figure pat00073
(7)
본 발명의 동적 프로그래밍 접근법에서 프로그램을 예시하면 다음 표 4와 같다.
Figure pat00074
이러한 동적 프로그래밍 접근법에 의하면, 1 초에서 T까지 반복하고, 탭 위치 1에서 14까지 루프(loop)한다.
그리고, 이전 탭 위치 (i-1, i, i + 1)에서 가장 좋은 pq 및 ep를 찾는다.
그리고, 위의 후보 중에서 가장 좋은 ppq를 찾는다. 그리고, 세 ppq 중에서 최소 지수를 산출한다.
그리고, ppq [i] [j] = TEP [i] [j] / TPQ [i] [j]를 계산하고, 마지막으로 PPQ [tapSize] [T]를 반환한다.
본 발명에서 최상의 PQ 및 EP 찾기를 정리하면 다음과 같다.
1단계: 최적의 값 찾기
이전에 계산된 최적 값을 더 작은 하위 문제에 사용한다.
그리고, 선택된 후보를 얻기 위해 선택한 항목을 기록한다.
2단계: 최적의 솔루션 재구성
기록된 값을 사용하여 솔루션을 재구성한다.
도 16은 본 발명의 일 실시예에 따른 실험 결과가 예시된 도표이다.
도 16에서 제품 이름, 실험 시작일, 실험 종료일, 작업 사이클, 최소 기간(초), 최대 기간(초), 평균 기간(초)의 실험 결과가 표시되어 있다.
도 17은 제품 A(Product A)에 대한 실험 결과에서 탭 위치 11, 시간 4708(초)에서 27 후보가 선정된 경우를 보여주고 있다.
도 18은 도 17의 예시에서 세 후보들 중에 최고의 PPQ를 선정하는 과정을 보여주는 도면이다.
도 18에서 세 후보들의 PPQ를 비교해 보면, 4708초의 12번 탭 위치에서 PPQ[12][4708]=4.5175로 최소값을 나타내는 것을 확인할 수 있다.
이와 같은 방식으로 본 발명에서는 세 후보들 중에서 최고의 PPQ를 선택할 수 있다.
본 발명에서 최고의 EP 또는 PQ를 찾기 위해서 몇가지 방법을 제시한다.
도 19는 본 발명에서 최고의 EP 또는 PQ를 찾기 위한 제1 방법을 설명하기 위한 도면이다.
도 19를 참조하면, 제1 방법은 다음과 같다.
(1) 동일한 제품에서 주어진 시간(초)에 관련된 많은 후보들 중에서 EP(element power, 요소 전력)의 최소값을 찾는다.
(2) 동일한 제품에서 주어진 시간(초)에 관련된 많은 후보들 중에서 PQ(product quntity, 제품 수량)의 최대값을 찾는다.
(3) i는 탭 위치 번호이고, j는 시간(초)이라고 할 때, 현재 탭 위치가 (i, j)에 있다고 가정한다.
(4) 이전 탭 위치인 (i-1, j-1), (i, j-1) 및 (i+1, j-1)의 탭 위치 중에서 가장 적합한 후보를 선택한다. 즉, 세 개의 탭 위치에서 최소 요소전력 값을 찾고, 다음 세 개의 탭 위치에서 최고의 제품 수량을 찾는다.
도 20은 본 발명에서 최고의 EP 또는 PQ를 찾기 위한 제2 방법을 설명하기 위한 도면이다.
도 20을 참조하면, 제2 방법은 다음과 같다.
(1) 동일한 제품에서 주어진 시간(초)에 관련된 많은 후보들 중에서 EP(element power, 요소 전력)의 평균값을 찾는다.
(2) 동일한 제품에서 주어진 시간(초)에 관련된 많은 후보들 중에서 PQ(product quntity, 제품 수량)의 평균값을 찾는다.
(3) i는 탭 위치 번호이고, j는 시간(초)이라고 할 때, 현재 탭 위치가 (i, j)에 있다고 가정한다.
(4) 이전 탭 위치인 (i-1, j-1), (i, j-1) 및 (i+1, j-1)의 탭 위치 중에서 가장 적합한 후보를 선택한다. 즉, 세 개의 탭 위치에서 최소 요소전력 값을 찾고, 다음 세 개의 탭 위치에서 최고의 제품 수량을 찾는다.
도 21은 본 발명에서 최고의 EP 또는 PQ를 찾기 위한 제3 방법을 설명하기 위한 도면이다.
도 21을 참조하면, 제3 방법은 다음과 같다.
(1) 각 초당 PPQ(power per product quantity, 제품 수량당 전력)를 계산한다.
(2) 동일한 제품의 주어진 시간(초) 내에 후보 데이터베이스에 저장된 데이터셋에서 다수의 후보들 중에서 가장 작은 PPQ인 최소 PPQ를 선택한다.
(3) 최소 PPQ와 같은 열에 있는 요소 전력 및 제품 수량 쌍을 추출한다.
도 22는 본 발명에서 최고의 EP 또는 PQ를 찾기 위한 제4 방법을 설명하기 위한 도면이다.
도 22를 참조하면, 제4 방법은 다음과 같다.
(1) 각 초당 PPQ(power per product quantity, 제품 수량당 전력)를 계산한다.
(2) PPQ의 평균값을 계산하여 하나의 변수에 저장한다.
(3) PPQ 값을 기반으로 레코드를 내림차순으로 정렬한다.
(4) PPQ 값이 평균값보다 작거나 같은 레코드를 하나만 선택한다.
(5) (4) 단계에서 PPQ와 동일한 레코드를 갖는 EP 및 PQ를 선택한다.
이상에서 설명한 본 발명의 전기로 환경에서의 작업 탐색 방법을 정리하면 다음과 같다.
도 23은 본 발명의 일 실시예에 따른 전기로 환경에서 작업 탐색 방법을 보여주는 흐름도이다.
도 23을 참조하면, 본 발명의 전기로 환경에서 작업 탐색 방법은, 먼저 탭 시퀀스를 포함하는 이전 작업 데이터를 데이터베이스에 저장한다(S100).
그리고, 제품 이름, 초기 탭 위치, 작업 기간을 포함하는 입력 파라미터가 입력되면, 데이터베이스를 기반으로 동적 프로그래밍을 이용하여 최적의 작업 패턴을 탐색한다(S200).
S200에 대하여 도면을 참조하여 상세히 설명하면 다음과 같다.
도 24는 본 발명의 일 실시예에 따른 최적의 작업 패턴을 탐색하는 방법을 보여주는 흐름도이다.
탭 위치가 i이고, 현재 시간이 j에서의 현재 탭 위치를 (i, j)라고 표기할 때, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 최고의 제품 수량과 요소 전력을 선택한다(S210).
그리고, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 선택된 요소 전력을 제품 수량으로 나누어서 제품 수량 당 전력을 각각 산출한다(S220).
그리고, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 산출된 제품 수량 당 전력 중에서 최소값을 선택한다(S230).
본 발명의 일 실시예에서 최고의 제품 수량과 요소 전력을 선택하는 단계(S120)에서, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 요소 전력의 최소값과, 제품 수량의 최대값을 선택할 수 있다.
또는, 본 발명의 다른 실시예에서 최고의 제품 수량과 요소 전력을 선택하는 단계(S210)에서, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 요소 전력의 평균값과, 제품 수량의 평균값을 선택할 수 있다.
한편, 본 발명의 실시예에 따른 전기로 환경에서 작업 패턴 탐색 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
예컨대, 컴퓨터가 읽을 수 있는 기록매체로는 롬(ROM), 램(RAM), 시디-롬(CD-ROM), 자기 테이프, 하드디스크, 플로피디스크, 이동식 저장장치, 비휘발성 메모리(Flash Memory), 광 데이터 저장장치 등이 포함된다.
또한, 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.
이상 본 발명을 몇 가지 바람직한 실시예를 사용하여 설명하였으나, 이들 실시예는 예시적인 것이며 한정적인 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 지닌 자라면 본 발명의 사상과 첨부된 특허청구범위에 제시된 권리범위에서 벗어나지 않으면서 다양한 변화와 수정을 가할 수 있음을 이해할 것이다.

Claims (5)

  1. 전기로 환경에서 작업 패턴 탐색 방법에서,
    탭 시퀀스를 포함하는 이전 작업 데이터를 데이터베이스에 저장하는 단계; 및
    제품 이름, 초기 탭 위치, 작업 기간을 포함하는 입력 파라미터가 입력되면, 상기 데이터베이스를 기반으로 동적 프로그래밍을 이용하여 최적의 작업 패턴을 탐색하는 단계
    를 포함하는 전기로 환경에서 작업 패턴 탐색 방법.
  2. 청구항 1에 있어서,
    상기 최적의 작업 패턴을 탐색하는 단계는,
    탭 위치가 i이고, 현재 시간이 j에서의 현재 탭 위치를 (i, j)라고 표기할 때, 이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 최고의 제품 수량과 요소 전력을 선택하는 단계;
    이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 선택된 요소 전력을 제품 수량으로 나누어서 제품 수량 당 전력을 각각 산출하는 단계; 및
    이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 산출된 제품 수량 당 전력 중에서 최소값을 선택하는 단계
    를 포함하는 방식으로 최적의 작업 패턴을 탐색하는 것을 특징으로 하는 전기로 환경에서 작업 패턴 탐색 방법.
  3. 청구항 2에 있어서,
    상기 최고의 제품 수량과 요소 전력을 선택하는 단계에서,
    이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 요소 전력의 최소값과, 제품 수량의 최대값을 선택하는 것을 특징으로 하는 전기로 환경에서 작업 패턴 탐색 방법.
  4. 청구항 2에 있어서,
    상기 최고의 제품 수량과 요소 전력을 선택하는 단계에서,
    이전 탭 위치 (i-1, j-1), (i, j-1), (i+1, j-1)에서 각각 다수의 후보들 중에서 요소 전력의 평균값과, 제품 수량의 평균값을 선택하는 것을 특징으로 하는 전기로 환경에서 작업 패턴 탐색 방법.
  5. 청구항 1 내지 청구항 4 중 어느 한 청구항의 방법을 컴퓨터로 실행시킬 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020200028947A 2020-03-09 2020-03-09 전기로 환경에서 동적 프로그래밍을 이용한 효과적인 작업 패턴 탐색 방법 및 이를 기록한 기록매체 KR102414201B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200028947A KR102414201B1 (ko) 2020-03-09 2020-03-09 전기로 환경에서 동적 프로그래밍을 이용한 효과적인 작업 패턴 탐색 방법 및 이를 기록한 기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200028947A KR102414201B1 (ko) 2020-03-09 2020-03-09 전기로 환경에서 동적 프로그래밍을 이용한 효과적인 작업 패턴 탐색 방법 및 이를 기록한 기록매체

Publications (3)

Publication Number Publication Date
KR20210113785A true KR20210113785A (ko) 2021-09-17
KR102414201B1 KR102414201B1 (ko) 2022-06-27
KR102414201B9 KR102414201B9 (ko) 2022-12-05

Family

ID=77924113

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200028947A KR102414201B1 (ko) 2020-03-09 2020-03-09 전기로 환경에서 동적 프로그래밍을 이용한 효과적인 작업 패턴 탐색 방법 및 이를 기록한 기록매체

Country Status (1)

Country Link
KR (1) KR102414201B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010102615A (ja) * 2008-10-27 2010-05-06 Fujitsu Ltd 業務フロー分析プログラム、方法及び装置
KR20170030036A (ko) 2015-09-08 2017-03-16 (주)오시에스티 전기로 제강 품질 튜터링 시스템
KR102016270B1 (ko) * 2018-12-28 2019-08-29 부산대학교 산학협력단 열간 자유단조 공정의 작업 계획 최적화 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010102615A (ja) * 2008-10-27 2010-05-06 Fujitsu Ltd 業務フロー分析プログラム、方法及び装置
KR20170030036A (ko) 2015-09-08 2017-03-16 (주)오시에스티 전기로 제강 품질 튜터링 시스템
KR102016270B1 (ko) * 2018-12-28 2019-08-29 부산대학교 산학협력단 열간 자유단조 공정의 작업 계획 최적화 시스템 및 방법

Also Published As

Publication number Publication date
KR102414201B9 (ko) 2022-12-05
KR102414201B1 (ko) 2022-06-27

Similar Documents

Publication Publication Date Title
Li et al. An effective multiobjective algorithm for energy-efficient scheduling in a real-life welding shop
Shehab et al. Manufacturing cost modelling for concurrent product development
Yang et al. A modular eco-design method for life cycle engineering based on redesign risk control
Zeng et al. Robotic disassembly line balancing and sequencing problem considering energy-saving and high-profit for waste household appliances
CN107193258A (zh) 面向能耗的数控加工工艺路线与切削参数优化模型与方法
CN109946965A (zh) 一种基于改进的多目标Jaya算法的离散制造车间排产方法
Vafadar et al. Technical feasibility analysis of utilizing special purpose machine tools
Liang et al. Improved adaptive non-dominated sorting genetic algorithm with elite strategy for solving multi-objective flexible job-shop scheduling problem
Tang et al. Optimal and near-optimal algorithms to rolling batch scheduling for seamless steel tube production
Cheng et al. Research on energy-saving production planning of periodic forging resistance furnace
KR102414201B1 (ko) 전기로 환경에서 동적 프로그래밍을 이용한 효과적인 작업 패턴 탐색 방법 및 이를 기록한 기록매체
CN116466659A (zh) 一种基于深度强化学习的分布式装配流水车间调度方法
He et al. Integrated carbon footprint with cutting parameters for production scheduling
Numao et al. A scheduling environment for steel-making processes
Cong et al. Value recovery from end-of-use products facilitated by automated dismantling planning
CN101957942A (zh) 一种应用于钢厂的事故预案专家系统
Kim et al. Deep learning for blast furnaces: Skip-dense layers deep learning model to predict the remaining time to close tap-holes for blast furnaces
CN112966822A (zh) 一种基于改进遗传算法的混流制造车间调度方法
Paulokat et al. Planning for machining workpieces with a partial-order, nonlinear planner
Rahimifard et al. A web-based information system to support end-of-life product recovery
CN105740508A (zh) 一种电解加工工艺知识管理方法及系统
Hofmann et al. A universal analysis tool for process-and energy-optimization of insulation processes in the production of electric drives
Touil et al. A hybrid metaheuristic method to optimize the order of the sequences in continuous-casting
Daneshjo Methodological Procedures Applied to the Manufacturing Systems Design
Lu et al. Research on Process Planning and Workshop Scheduling Under Low Carbon Constraints

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]