KR20220084404A - 금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치 - Google Patents

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

Info

Publication number
KR20220084404A
KR20220084404A KR1020227017587A KR20227017587A KR20220084404A KR 20220084404 A KR20220084404 A KR 20220084404A KR 1020227017587 A KR1020227017587 A KR 1020227017587A KR 20227017587 A KR20227017587 A KR 20227017587A KR 20220084404 A KR20220084404 A KR 20220084404A
Authority
KR
South Korea
Prior art keywords
corrosion
map
amount
prediction
corrosion amount
Prior art date
Application number
KR1020227017587A
Other languages
English (en)
Inventor
마사타카 오모다
카즈히로 나카츠지
다이스케 미즈노
신지 오오츠카
Original Assignee
제이에프이 스틸 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 제이에프이 스틸 가부시키가이샤 filed Critical 제이에프이 스틸 가부시키가이샤
Publication of KR20220084404A publication Critical patent/KR20220084404A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G01N17/006—Investigating resistance of materials to the weather, to corrosion, or to light of metals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Immunology (AREA)
  • Ecology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Environmental Sciences (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

금속 재료의 부식량 맵핑 방법은, 금속 재료의 사용 기간과, 복수의 환경 파라미터와, 맵 상에 있어서의 환경 파라미터의 위치 좌표와, 맵의 지세 데이터와, 금속 재료의 부식량을 포함하는 부식량 데이터를 이용하여 부식량 예측 맵을 작성하는 방법으로서, 복수의 환경 파라미터와, 맵의 지세 데이터와, 환경 파라미터의 위치 좌표로부터 임의의 메시의 간격으로 환경 맵을 작성하는 환경 맵 작성 스텝과, 예측 요구점 입력 스텝과, 유사도 산출 스텝과, 부식량 예측 스텝과, 메시의 예측 요구점에 있어서의 부식량의 예측 결과를 맵 상에 채색함으로써, 부식량 예측 맵을 작성하는 부식량 예측 맵 작성 스텝을 포함한다.

Description

금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치
본 발명은, 금속 재료의 부식량 맵핑(mapping) 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치에 관한 것이다.
비특허문헌 1에 나타내는 바와 같이, 종래부터 대기 부식 환경에 있어서의 금속 재료의 부식량은, 경험식으로서 이하의 식 (1)로 나타나는 것이 알려져 있다.
Figure pct00001
여기에서, 상기식 (1)에 있어서, Y는 금속 재료의 부식량, X는 금속 재료의 사용 기간, A는 금속 재료의 초기 1년간의 부식량을 나타내는 파라미터, B는 부식에 의해 형성되는 녹층(rust layer)의 효과에 의한 부식 속도의 감쇠를 나타내는 파라미터이다. 이들 파라미터 A, B의 값은, 금속 재료의 종류나 대기 부식 환경에 따라 변화한다. 그 때문에, 현재는, 장기 부식량을 예측할 때에, 대상이 되는 대기 부식 환경에 있어서 금속 재료를 복수 기간 폭로하고, 부식량의 경시 변화(temporal change)를 상기식 (1)에서 외삽(extrapolation)하는 수법이 많이 이용되고 있다.
그런데, 금속 재료의 부식량은, 금속이 갖는 내식 성능과 대기 부식 환경 인자, 예를 들면 온도, 상대 습도, 젖음 시간, 강우량, 비래(飛來) 염분량 및 SO2 농도 등이 복잡하게 작용함으로써 결정된다. 그래서, 이하에 나타내는 바와 같이, 상기의 환경 인자를 이용하여 정식화(formulation)함으로써, 금속 재료의 부식량을 예측하는 기술이 제안되고 있다.
예를 들면 비특허문헌 2에서는, 탄소강, 아연, 구리 및 알루미늄에 대해서, 부식량의 대수(logarithm)를, 온도, 상대 습도 및 비래 염의 대수로 중회귀한 항과, 온도, 상대 습도 및 SO2량의 대수로 중회귀한 항과의 합에 의해 산출하고 있다.
또한, 특허문헌 1에서는, 연간 젖음 시간, 연평균 풍속, 비래 염분량, 황 산화물량, 부식 반응의 활성화 에너지 및 온도를 파라미터로 하여, 부식 지표 Z를 하기식 (2)와 같이 나타내고, 이 부식 지표 Z의 2차 함수를 장기 부식량의 산출에 이용하고 있다.
Figure pct00002
여기에서, 상기식 (2)에 있어서, TOW는 연간 젖음 시간(h), W는 연평균 풍속(㎧), C는 비래 염분량(mdd), S는 황 산화물량(mdd), Eα는 부식 반응의 활성화 에너지(J/㏖), R은 기체 정수(J/(K/㏖)), T는 연평균 기온(K), α, κ, δ, ε은 정수이다. 또한, 상기한 「mdd」는, 단위 일수 및 단위 면적당에 포집된 NaCl의 양이고, 「㎎ NaCl·dm－2·day－1」의 약어이다.
또한, 특허문헌 2에서는, 비래 염분량 C를 예측하는 기술이 제안되고 있다. 또한, 특허문헌 3에서는, 경험식으로서 알려진 상기식 (1)의 파라미터 A를, 온도, 상대 습도, 비래 염분량 및 젖음 확률을 파라미터로 하여 하기식 (3)에 의해 산출하고, 파라미터 B를 실험실적 시험에 의해 파라미터 A의 함수로서 산출하는 부식 예측 기술이 제안되고 있다.
Figure pct00003
여기에서, 상기식 (3)에 있어서, T는 온도(℃), H는 상대 습도(％), Sa는 비래 염분량(㎎/d㎡/day(＝mdd)), Pw(T, H)는 젖음 확률, α, β, γ는 강종에 따라서 설정되는 계수이다.
또한, 특허문헌 4에서는, 옥외의 대기 부식 환경에 있어서, 경험식으로서 알려진 상기식 (1)의 파라미터 A를, 온도, 젖음 시간 및 비래 염분량을 파라미터로 하여 하기식 (4)에 의해 산출하고, 파라미터 B를 0.3∼0.6의 범위로 설정하는 부식 예측 기술이 제안되고 있다.
Figure pct00004
여기에서, 상기식 (4)에 있어서, T는 온도(℃), TOW는 젖음 시간(h), Sa는 비래 염분량(㎎/d㎡/day(＝mdd)), α, β, γ는 계수이다.
또한, 특허문헌 5에서는, 대기 환경에 있어서의 강재의 판두께 감소량을 예측할 때에, 경험식으로서 알려진 상기식 (1)의 파라미터 A를 하기식 (5)에 의해, 파라미터 B를 하기식 (6)에 의해 산출하는 기술이 제안되고 있다.
Figure pct00005
Figure pct00006
여기에서, 상기식 (5) 및 상기식 (6)에 있어서, CR0은, 환경 인자를 파라미터로 하는 강재 제조 직후의 초기 부식 속도를 나타내는 함수이고, CR1은, 환경 인자를 파라미터로 하는 강재 제조로부터 1년 후의 부식 속도를 나타내는 함수이다. 또한, 여기에서의 환경 인자란, 연평균 온도(℃), 연평균 습도(％), 연평균 풍속(m/sec), 비래 염분량(㎎/d㎡/day(＝mdd)), 황 산화물량(㎎/d㎡/day(＝mdd))을 나타내고 있다.
또한, 특허문헌 6에서는, 금속 재료의 부식 속도를 예측할 때에, 부식 속도를 목적 변수로 하고 그 부식 속도에 영향을 주는 환경 인자와 지형 인자를 설명 변수로 하는 중회귀 분석을 행하고 있다. 그리고, 이 중회귀 분석을 행함에 있어서, 적어도 설명 변수의 하나로서 상대 습도 0％∼100％에 따라서 가중치 부여한 가상 젖음 시간을 포함하고 있다. 또한, 이 가상 젖음 시간을, 변화하는 상대 습도에 따라서 상이한 가중치 계수를 변화하는 상대 습도에 대응한 시간에 승산(multiplying)하여 얻어진 승산값을 총합하여 구하고, 측정한 금속 재료의 부식 속도에 기초하여 중회귀 분석법에 의해 부식 속도 추정식을 작성하는 수법이 제안되고 있다.
또한, 특허문헌 7에서는, 부식량의 예측 결과를 맵핑(맵화)하는 기술로서, 스텝 와이즈법을 이용하여 최적화한 중회귀 분석에 의해 금속 재료의 부식 속도를 예측하고, 당해 금속 재료의 부식 속도를, 클러스터링(clustering)에 의해 맵핑하는 기술이 제안되고 있다.
일본특허 제3909057호 공보 일본특허 제4143018호 공보 일본특허 제4706254호 공보 일본특허 제5895522호 공보 일본특허 제5066160호 공보 일본특허 제5066955호 공보 일본특허 제5684552호 공보
「내후성 강재의 교량으로의 적용에 관한 공동 연구 보고서(XVIII)」, 건설성 토목 연구소, (사)강재 구락부, (사)일본교량건설협회, 평성5년 3월 ISO 9223:1992 "Corrosion of metals and alloys - Corrosivity of atmospheres - Classification, determination and estimation"
여기에서, 특허문헌 1∼5에서는, 부식량 및 부식 속도와 각 환경 파라미터와의 관계를 평가함으로써, 설명 변수로서 채용하는 환경 파라미터를 선정하여 정식화하고 있다. 그러나, 부식량, 부식 속도 및 각 환경 파라미터는, 복잡하게 상관 관계를 갖고 있다. 예를 들면, 부식량과 온도와의 관계는 비선형이고, 비래 염분량과 SO2 농도는 의사 상관(pseudocorrelation)을 갖고 있다. 이러한 관계성 중에서, 특허문헌 1∼5와 같이 정식화한 경우, 높은 정밀도의 예측은 기대할 수 없다.
또한, 특허문헌 6은, 젖음 시간에 착안하여 가중치 부여를 하는 것을 특징으로 하고 있다. 이와 같이 가중치 부여를 함으로써 정밀도는 오르기는 하지만, 다수 있는 환경 파라미터 중에서 젖음 시간에만 가중치를 부여해도 유효한 정밀도 향상은 기대할 수 없다. 또한, 특허문헌 6의 수법에서는, 현재 데이터를 보유하고 있는 기간에서만 부식 예측이 가능하고, 장기 부식 예측을 할 수는 없다.
또한, 특허문헌 7은, 클러스터링에 의해 데이터를 분류하고, 클러스터마다 다수 있는 환경 파라미터로부터 복수의 환경 파라미터를 선정하고, 중회귀를 반복하여 행하여 최량의 식으로 함으로써 예측 정밀도 향상을 도모하고 있다. 그러나, 부식량 및 부식 속도의 관계는, 중회귀로 얻어지는 각 환경 파라미터와의 1차식으로 간단하게 표현할 수 없다. 따라서, 특허문헌 7의 수법에서는 큰 정밀도 향상은 기대할 수 없다.
또한, 특허문헌 7에서 개시된 방법에서는, 예측 지점의 환경 파라미터, 예를 들면 일본 국내의 경우는 1㎞ 사방의 메시(mesh)마다의 환경 파라미터를, 공적으로 제공되어 있는 데이터(예를 들면 농업·식품산업기술 종합연구기구가 제공하는 「농업 기상 데이터」 등) 등으로부터 취득하고 있다. 그러나, 이러한 데이터에서는, 비래 염분량이나 SO2량 등의 모든 환경 파라미터는 망라되어 있지 않다. 또한, 특허문헌 7에서 개시된 방법에서는, 부족한 환경 파라미터의 보완 방법에 대해서도 명시되어 있지 않다. 그 때문에, 특허문헌 7에서 개시된 방법을 이용하여, 기지(旣知)의 환경 파라미터만으로 클러스터링 및 부식량의 예측을 행했다고 해도, 정밀도가 낮은 부식량 예측 맵 밖에 작성할 수 없는 것이라고 생각된다.
본 발명은, 상기를 감안하여 이루어진 것으로서, 대기 부식 환경에 있어서, 금속 재료의 부식량을 정밀도 좋게 맵핑할 수 있는 금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치를 제공하는 것을 목적으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내고, 또한 상기 금속 재료가 사용되는 지역을 나타내는 맵 상에서 기지의 복수의 환경 파라미터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표와, 상기 맵의 지세(topographical) 데이터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터를 이용하여 금속 재료의 부식량을 예측하여, 부식량 예측 맵을 작성하는 금속 재료의 부식량 맵핑 방법으로서, 상기 복수의 환경 파라미터와, 상기 맵의 지세 데이터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표로부터, 임의의 메시의 간격으로, 상기 환경 파라미터마다의 환경 맵을 작성하는 환경 맵 작성 스텝과, 상기 부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를 포함하는 예측 요구점(prediction request point)을 입력하는 예측 요구점 입력 스텝과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출 스텝과, 상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축(dimension compression)하는 차원 압축 스텝과, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 메시의 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측 스텝과, 상기 메시의 예측 요구점에 있어서의 부식량의 예측 결과를, 맵 상에 채색함으로써, 부식량 예측 맵을 작성하는 부식량 예측 맵 작성 스텝을 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 상기 발명에 있어서, 상기 환경 맵 작성 스텝이, 상기 복수의 환경 파라미터를 상기 맵 상의 위치 좌표에 입력하는 제1 스텝과, 상기 맵의 지세 데이터에 기초하여, 상기 환경 맵을 해발 0m의 환경 맵으로 보정하는 제2 스텝과, 상기 해발 0m의 환경 맵에 있어서, 상기 복수의 환경 파라미터 간의 환경 파라미터를 보완하는 제3 스텝과, 상기 맵의 지세 데이터에 기초하여, 환경 파라미터를 보완한 해발 0m의 환경 맵을, 원래의 해발의 환경 맵으로 보정하는 제4 스텝을 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 상기 발명에 있어서, 상기 복수의 환경 파라미터가, 비래 염분량을 포함하고, 상기 제3 스텝은, 해안선에 가까운 메시의 비래 염분량을 보완할 때에, 미리 설정한 상한값을 초과하지 않도록 비래 염분량을 보완하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 상기 발명에 있어서, 상기 부식량 예측 스텝이, 상기 금속 재료의 소정 기간의 부식량을 나타내는 제1 파라미터를 예측하는 초기 부식량 예측 스텝과, 상기 금속 재료의 부식 속도의 감쇠를 나타내는 제2 파라미터를 예측하는 감쇠 예측 스텝과, 상기 금속 재료의 사용 기간과, 상기 제1 파라미터와, 상기 제2 파라미터에 기초하여 상기 금속 재료의 상기 소정 기간보다도 긴 기간의 부식량을 예측하는 장기 부식량 예측 스텝을 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 상기 발명에 있어서, 상기 초기 부식량 예측 스텝이, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점의 환경 파라미터하에 있어서의, 상기 금속 재료의 소정 기간의 부식량을 예측하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 상기 발명에 있어서, 상기 감쇠 예측 스텝이, 상기 부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 유사도에 기초하여, 상기 제2 파라미터를 예측하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 상기 발명에 있어서, 상기 복수의 환경 파라미터가, 온도와, 상대 습도, 절대 습도, 젖음 시간 및 강우량 중 적어도 하나와, 비래 염분량, SOX 농도 및 NOX 농도 중 적어도 하나를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 상기 발명에 있어서, 상기 금속 재료가, 철강 재료인 것을 특징으로 한다.
또한, 본 발명에 따른 금속 재료의 부식량 맵핑 방법은, 상기 발명에 있어서, 상기 부식량 예측 맵이, 상기 부식량 예측 맵 작성 스텝에서 예측된 부식량의 값에 따라서, 상기 메시마다 채색된 맵인 것을 특징으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 금속 재료의 선정 방법은, 상기한 금속 재료의 부식량 맵핑 방법을 이용하여, 사용 환경에 따른 금속 재료를 선정하는 것을 특징으로 한다.
전술한 과제를 해결하여, 목적을 달성하기 위해, 본 발명에 따른 금속 재료의 부식량 맵핑 장치는, 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내고, 또한 상기 금속 재료가 사용되는 지역을 나타내는 맵 상에서 기지의 복수의 환경 파라미터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표와, 상기 맵의 지세 데이터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터가 보존되는 데이터베이스와, 상기 복수의 환경 파라미터와, 상기 맵의 지세 데이터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표로부터, 임의의 메시의 간격으로, 상기 환경 파라미터마다의 환경 맵을 작성하는 환경 맵 작성부와, 부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를 포함하는 예측 요구점이 입력되는 입력부와, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출부와, 상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축부와, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 메시의 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측부와, 상기 메시의 예측 요구점에 있어서의 부식량의 예측 결과를, 맵 상에 채색함으로써, 부식량 예측 맵을 작성하는 부식량 예측 맵 작성부를 구비하는 것을 특징으로 한다.
본 발명은 이상의 인식에 기초하여 이루어진 것으로서, 이하를 요지로 하는 것이다.
[1]
금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내고, 또한 상기 금속 재료가 사용되는 지역을 나타내는 맵 상에서 기지의 복수의 환경 파라미터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표와, 상기 맵의 지세 데이터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터를 이용하여 금속 재료의 부식량을 예측하여, 부식량 예측 맵을 작성하는 금속 재료의 부식량 맵핑 방법으로서,
상기 복수의 환경 파라미터와, 상기 맵의 지세 데이터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표로부터, 임의의 메시의 간격으로, 상기 환경 파라미터마다의 환경 맵을 작성하는 환경 맵 작성 스텝과,
상기 부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를 포함하는 예측 요구점을 입력하는 예측 요구점 입력 스텝과,
상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출 스텝과,
상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축 스텝과,
상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 메시의 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측 스텝과,
상기 메시의 예측 요구점에 있어서의 부식량의 예측 결과를, 맵 상에 채색함으로써, 부식량 예측 맵을 작성하는 부식량 예측 맵 작성 스텝
을 포함하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
[2]
상기 환경 맵 작성 스텝은,
상기 복수의 환경 파라미터를 상기 맵 상의 위치 좌표에 입력하는 제1 스텝과,
상기 맵의 지세 데이터에 기초하여, 상기 환경 맵을 해발 0m의 환경 맵으로 보정하는 제2 스텝과,
상기 해발 0m의 환경 맵에 있어서, 상기 복수의 환경 파라미터 간의 환경 파라미터를 보완하는 제3 스텝과,
상기 맵의 지세 데이터에 기초하여, 환경 파라미터를 보완한 해발 0m의 환경 맵을, 원래의 해발의 환경 맵으로 보정하는 제4 스텝
을 포함하는 것을 특징으로 하는 [1]에 기재된 금속 재료의 부식량 맵핑 방법.
[3]
상기 복수의 환경 파라미터는, 비래 염분량을 포함하고,
상기 제3 스텝은, 해안선에 가까운 메시의 비래 염분량을 보완할 때에, 미리 설정한 상한값을 초과하지 않도록 비래 염분량을 보완하는 것을 특징으로 하는 [2]에 기재된 금속 재료의 부식량 맵핑 방법.
[4]
상기 부식량 예측 스텝은,
상기 금속 재료의 소정 기간의 부식량을 나타내는 제1 파라미터를 예측하는 초기 부식량 예측 스텝과,
상기 금속 재료의 부식 속도의 감쇠를 나타내는 제2 파라미터를 예측하는 감쇠 예측 스텝과,
상기 금속 재료의 사용 기간과, 상기 제1 파라미터와, 상기 제2 파라미터에 기초하여 상기 금속 재료의 상기 소정 기간보다도 긴 기간의 부식량을 예측하는 장기 부식량 예측 스텝
을 포함하는 것을 특징으로 하는 [1] 내지 [3] 중 어느 한 항에 기재된 금속 재료의 부식량 맵핑 방법.
[5]
상기 초기 부식량 예측 스텝은, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점의 환경 파라미터하에 있어서의, 상기 금속 재료의 소정 기간의 부식량을 예측하는 것을 특징으로 하는 [4]에 기재된 금속 재료의 부식량 맵핑 방법.
[6]
상기 감쇠 예측 스텝은, 상기 부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 유사도에 기초하여, 상기 제2 파라미터를 예측하는 것을 특징으로 하는 [4]에 기재된 금속 재료의 부식량 맵핑 방법.
[7]
상기 복수의 환경 파라미터는, 온도와, 상대 습도, 절대 습도, 젖음 시간 및 강우량 중 적어도 하나와, 비래 염분량, SOX 농도 및 NOX 농도 중 적어도 하나를 포함하는 것을 특징으로 하는 [1] 내지 [6] 중 어느 한 항에 기재된 금속 재료의 부식량 맵핑 방법.
[8]
상기 금속 재료는, 철강 재료인 것을 특징으로 하는 [1] 내지 [4] 중 어느 한 항에 기재된 금속 재료의 부식량 맵핑 방법.
[9]
상기 부식량 예측 맵은, 상기 부식량 예측 맵 작성 스텝에서 예측된 부식량의 값에 따라서, 상기 메시마다 채색된 맵인 것을 특징으로 하는 [1] 내지 [8] 중 어느 한 항에 기재된 금속 재료의 부식량 맵핑 방법.
[10]
[1] 내지 [9] 중 어느 한 항에 기재된 금속 재료의 부식량 맵핑 방법을 이용하여, 사용 환경에 따른 금속 재료를 선정하는 것을 특징으로 하는 금속 재료의 선정 방법.
[11]
금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내고, 또한 상기 금속 재료가 사용되는 지역을 나타내는 맵 상에서 기지의 복수의 환경 파라미터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표와, 상기 맵의 지세 데이터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터가 보존되는 데이터베이스와,
상기 복수의 환경 파라미터와, 상기 맵의 지세 데이터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표로부터, 임의의 메시의 간격으로, 상기 환경 파라미터마다의 환경 맵을 작성하는 환경 맵 작성부와,
부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를 포함하는 예측 요구점이 입력되는 입력부와,
상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출부와,
상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축부와,
상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 메시의 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측부와,
상기 메시의 예측 요구점에 있어서의 부식량의 예측 결과를, 맵 상에 채색함으로써, 상기 부식량 예측 맵을 작성하는 부식량 예측 맵 작성부
를 구비하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 장치.
본 발명에 의하면, 대기 부식 환경에 있어서, 금속 재료의 부식량을 정밀도 좋게 맵핑할 수 있어, 사용 환경에 따른 내식성을 갖는 최적인 금속 재료를 선정하는 것이 가능해진다.
도 1은, 대기 부식 환경에 있어서, 온도(연평균)와 부식량(연간)과의 관계를 나타내는 그래프이다.
도 2는, 대기 부식 환경에 있어서, SO2 농도(연평균)와 비래 염분량(연평균)과의 의사 상관 관계를 나타내는 그래프이다.
도 3은, 본 발명의 실시 형태에 따른 금속 재료의 부식량 맵핑 장치의 구성을 나타내는 블록도이다.
도 4는, 본 발명의 실시 형태에 따른 금속 재료의 부식량 맵핑 방법의 흐름을 나타내는 플로우차트이다.
도 5는, 종래 기술에 따른 금속 재료의 부식량 맵핑 방법에 의해 얻은, 금속 재료의 1년 후의 부식량 예측값을 나타내는 부식량 예측 맵이다.
도 6은, 본 발명의 실시 형태에 따른 금속 재료의 부식량 맵핑 방법에 의해 얻은, 금속 재료의 50년 후의 부식량 예측값을 나타내는 부식량 예측 맵이다.
(발명을 실시하기 위한 형태)
이하, 본 발명의 실시 형태에 따른 금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치에 대해서, 도면을 참조하면서 설명한다. 또한, 본 발명은 이하의 실시 형태에 한정되는 것은 아니다.
(환경 파라미터의 보완)
대기 중에 있어서의 금속 재료와 부식량과 각종의 환경 파라미터와의 사이에는 복잡한 상관 관계가 있고, 전술의 비특허문헌 2의 국제 규격 ISO9223 중에서도, 연평균의 온도, 상대 습도, 비래 염분량, SOX 농도에 기초하여 연간의 부식량이 정식화되어 있다. 그러나, 이들 환경 파라미터를, 예를 들면 맵 상에서 1㎞, 2㎞ 정도의 좁은 메시 간격으로 입수하는 것은 곤란하기 때문에, 입수 가능한 환경 파라미터의 위치 좌표에 기초하여, 각 환경 파라미터의 위치 좌표 간의 환경 파라미터를 보완할 필요가 있다.
그 때, 예를 들면 온도는, 경도, 위도 뿐만 아니라 표고(altitude)에 의해서도 변화한다. 또한, 비래 염분의 비래의 방식도, 산이나 언덕 등의 장애물의 영향에 따라 변화한다. 그 때문에, 이러한 지세의 영향을 고려하여 환경 파라미터를 보완할 필요가 있다.
단, 지세 데이터의 반영 및 환경 파라미터의 위치 좌표 간의 보완을 한 번의 연산으로 행하는 것은 곤란하다. 그 때문에, 본 실시 형태에서는, 우선 기지의 복수의 환경 파라미터가 플롯된 복수의 환경 맵을, 해발 0m 환산의 복수의 환경 맵으로 보정한다. 계속해서, 환경 파라미터의 위치 좌표 간의 보완한 해발 0m의 환경 맵을 각각 작성한다. 계속해서, 실제의 지세 데이터에 맞추어 보완 후의 환경 파라미터를 보정함으로써, 원래의 해발의 환경 맵을 각각 작성한다. 또한, 상기한 「환경 맵」이란, 환경 파라미터가 플롯된 맵을 나타내고 있다. 이하, 환경 파라미터마다의 구체적인 보완 방법에 대해서 설명한다.
(온도의 보완)
온도의 보완에서는, 우선 입수 가능한 온도 데이터를, 맵 상에 플롯한다. 계속해서, 「표고가 100m 내려가면 기온이 0.6℃ 올라간다」는 법칙(기온 감률)에 기초하여, 지세 데이터를 이용하여, 각 플롯점의 온도의 값을, 해발 0m로 환산한 값으로 보정한다. 계속해서, 임의의 메시 간격으로 데이터 간의 온도를 보완한다. 또한, 메시 간격은, 맵 상에서 기지의 환경 파라미터의 수나, 계산 시의 머신 스펙 등에 따라서 결정하면 좋다.
데이터의 보완 방법은, 선형 보완이나 다항식 보완 등의 여러 가지의 수법이 있지만, 환경을 예측했을 때의 풀 크로스 밸리데이션(full cross-validation)에 의해, 본 실시 형태의 유저가 요구하는 정밀도에 도달하고 있으면, 어떠한 보완 방법을 이용해도 좋다. 이것은, 온도 이외의 환경 파라미터의 보완에 있어서도 마찬가지이다. 그리고, 「표고가 100m 올라가면 기온이 0.6℃ 내려간다」는 법칙에 기초하여, 지세 데이터를 이용하여, 해발 0m의 환경 맵의 각 플롯점의 온도의 값을, 원래의 해발로 환산한 값으로 보정함으로써, 원래의 해발의 온도의 환경 맵(온도 맵)을 작성한다.
(절대 습도의 보완)
절대 습도는, 환경 파라미터 중 온도 및 상대 습도로부터 산출할 수 있다. 여기에서, 대기 부식 환경은, 「온도가 변화해도 절대 습도는 거의 일정」이라는 특징을 갖고 있다. 그 때문에, 상기의 특징을 이용하여, 표고 등의 지세 데이터를 반영시키는 일 없이, 온도 및 상대 습도로부터 각 메시점의 절대 습도를 산출하고, 맵 상의 절대 습도의 데이터 간을 보완함으로써, 절대 습도의 환경 맵(절대 습도 맵)을 작성한다.
(상대 습도의 보완)
상대 습도의 보완에서는, 상기의 「온도가 변화해도 절대 습도는 거의 일정」이라는 대기 부식 환경의 특징을 이용하여, 온도 및 절대 습도의 환경 맵의 각 메시점에서 상대 습도를 산출함으로써, 상대 습도의 환경 맵(상대 습도 맵)을 작성한다.
(젖음 시간의 보완)
젖음 시간에 관하여, 국제 규격에서는 「상대 습도가 80％ 이상인 시간」이라고 정해져 있다. 그 때문에, 상기의 수법을 이용한 시간별, 일별의 상대 습도의 경시 변화 맵으로부터, 각 메시점에 있어서의 상대 습도 80％ 이상인 시간을 적산하여 해의 젖음 시간(annual time of wetness)을 산출함으로써, 젖음 시간의 환경 맵(젖음 시간 맵)을 작성한다.
(강우량의 보완)
강우량은, 지세의 영향을 받지 않기 때문에, 표고 등의 지세 데이터를 반영시키는 일 없이, 맵 상에 있어서의 강우량의 데이터 간을 보완함으로써, 강우량의 환경 맵(강우량 맵)을 작성한다.
(비래 염분량, SOX 농도 및 NOX 농도의 보완)
비래 염분량, SOX 농도 및 NOX 농도의 보완에서는, 경도, 위도, 표고의 유클리드 거리에 기초하여 데이터 간을 보완함으로써, 비래 염분량, SOX 농도 및 NOX 농도의 환경 맵(비래 염분량 맵, SOX 농도 맵 및 NOX 농도 맵)을 작성한다.
여기에서, 비래 염분량은, 구체적으로는 모델식 「y＝ax－b」에 의해 산출한다. 이 모델식에 있어서, x: 이안 거리(distance from a coast)(㎞), y: 비래 염분량(mdd), a, b: 계수이다. 또한, 이안 거리 x는, 해안선의 형상 데이터의 각 점으로부터의 거리의 최소값이다. 또한, 비래 염분량은, 상기의 모델식 이외에도, Cole 모델이나 메소 기상 모델 등의 기존의 부식 예측식을 이용하여 산출해도 좋다.
또한, 비래 염분량의 보완 시에 있어서는, 메시점이 해안선과 가까운 경우에 비래 염분량이 이상적(abnormal)으로 높아지는 것을 피하기 위해, 비래 염분량의 상한을 마련하는 것이 바람직하다. 비래 염분량의 상한으로서는, 예를 들면 「1.0mdd＝62.3mmd」 등의 값을 설정할 수 있다.
(부식량의 예측)
금속 재료의 부식량의 예측에서는, 상기와 같이 작성한 환경 맵의 메시마다 부식량을 예측한다. 본 발명자들은, 각 대기 부식 환경에 있어서의 금속 재료의 초기 1년간의 부식량을 나타내는 파라미터 A(제1 파라미터)와, 녹층에 의한 부식 속도의 감쇠를 나타내는 파라미터 B(제2 파라미터)를 각각 나누어 예측하고, 또한 예측 시에 있어서, 각 환경 파라미터에 가중치 부여를 한 데이터로부터 예측함으로써, 부식량의 예측 정밀도가 향상하는 것을 발견했다.
금속 재료의 부식 속도는, 일반적으로 경시적으로 감쇠해 간다. 이것은, 금속 재료 표면에 생성되는 부식 생성물(예를 들면 녹층)에 의한 보호 효과에 따른 것이다. 또한, 이 보호 효과는, 주위의 환경이나 금속 재료의 종류에 따라 크게 상이하다. 이와 같이, 금속 재료의 부식 속도는, 여러 가지의 환경이나 금속 재료가 갖는 내식성 등의, 매우 많은 요소가 서로 얽힌다. 그 때문에, 임의의 환경 및 기간에 있어서의 금속 재료의 부식량을, 각 환경 파라미터와 부식량과의 관계의 원리 원칙으로부터 정밀도 좋게 예측하는 것은 매우 곤란하고, 예를 들면 데이터베이스에 축적된 부식량 및 각 환경 파라미터의 데이터군으로부터 통계적으로 예측하는 것이 현실적이며, 정밀도 향상으로도 이어진다.
한편, 일반적으로, 축적된 부식량과 각 환경 파라미터의 데이터군 중에, 장기간의 데이터는 많지 않다. 예를 들면 부식량을 예측하는 임의의 기간이 수십년이라는 장기간이 되는 경우, 기간을 변수로 하여 예측에 집어넣어 직접 부식량을 예측하면, 임의의 장기간의 부식량을, 기간이 떨어진 데이터로부터 예측하게 되기 때문에, 정밀도가 저하되어 버린다. 그래서, 본 발명에서는, 금속 재료의 초기 1년간의 부식량을 나타내는 파라미터 A와, 녹층에 의한 부식 속도의 감쇠를 나타내는 파라미터 B를 각각 나누어 예측함으로써, 정밀도의 향상을 도모했다.
여기에서, 임의의 기간에 있어서의 금속 재료의 부식량에 관련된 주된 환경 파라미터로서는, 예를 들면 온도, 상대 습도, 절대 습도, 젖음 시간, 강우량, 비래 염분량, SOX 농도 및 NOX 농도 등을 들 수 있다. 이들 환경 파라미터 중에는, 예를 들면 도 1에 나타낸 온도와 부식량과의 관계와 같이, 비선형의 관계를 갖는 것이 존재한다. 또한, 예를 들면 도 2에 나타낸 비래 염분량과 SO2 농도와의 관계와 같이, 환경 파라미터끼리가 다중 공선성(multicollinearity)을 나타내는 것도 존재한다. 금속 재료의 부식에 영향을 미치는 환경 파라미터가 복수 존재하는 것에 더하여, 이 2점이, 임의의 환경 및 기간에 있어서의 금속 재료의 부식량을 정밀도 좋게 예측하는 것을 곤란하게 하고 있는 요인이 되고 있다.
부식량에 대하여 환경 파라미터가 비선형의 관계를 갖는 것에 관해서는, 예측을 하고자 하는 임의의 환경 및 기간과의 유사성에 의해 각 샘플에 가중치 부여를 행하고, 또한 국소적으로 중회귀 분석을 행함으로써 예측 정밀도를 개선할 수 있다. 또한, 상기한 「샘플」이란, 데이터베이스에 보존된 부식량 및 각 환경 파라미터의 데이터군(후기하는 부식량 데이터)을 의미하고 있다.
또한, 환경 파라미터끼리가 다중 공선성을 갖는 것에 관해서는, 각 환경 파라미터에 대하여 독립성을 갖는 파라미터로 차원 압축하여, 새로운 파라미터를 만들어 냄으로써 해결할 수 있다. 그리고, 이들을 동시에 실현하는 방법의 하나로서, 이하의 참고문헌 1에 나타내는 「국소 가중치 부여 부분 최소 제곱법(LW-PLS: Locally weighted partial least squares)」이 있다.
참고문헌 1: 김 상홍, 오카지마 료타, 카노우 마나부, 하세베 신지, 「고정밀도의 국소 PLS 모델 구축을 위한 샘플 선택」, 제54회 자동 제어 연합회 강연회, 54(2011), p.1594
본 발명에서는, 각 대기 부식 환경에 있어서의 금속 재료의 초기 1년간의 부식량을 나타내는 파라미터 A와, 녹층에 의한 부식 속도의 감쇠를 나타내는 파라미터 B를, 예측 요구점과의 유사성(유사도)을 샘플마다 구하고, 그 유사도를 이용하여 가중치 부여를 행하고, 국소 회귀함으로써 예측하는 수법을 이용한다. 또한, 각 환경 파라미터를 차원 압축함으로써 새로운 파라미터를 만들어 내고(잠재 변수의 도출), 국소 회귀의 설명 변수로 한다. 또한 그 때, 유사도를 이용한 가중치 부여를 이용한 잠재 변수와 목적 변수의 내적(inner product)이 최대가 되도록 잠재 변수를 결정하고, 국소적인 중회귀를 행한다. 이하, 본 발명의 구체적인 실시 형태에 대해서, 도면을 참조하면서 설명한다.
(부식량 맵핑 장치)
본 발명의 실시 형태에 따른 금속 재료의 부식량 맵핑 장치의 구성에 대해서, 도 3을 참조하면서 설명한다. 부식량 맵핑 장치(1)는, 입력부(10)와, 데이터베이스(20)와, 연산부(30)와, 표시부(40)를 구비하고 있다.
입력부(10)는, 예를 들면 키보드, 마우스 포인터, 숫자 키패드 등의 입력 장치에 의해 실현된다. 후기하는 바와 같이, 연산부(30)에는, 이 입력부(10)를 통하여, 후기하는 예측 요구점이 입력된다.
데이터베이스(20)에는, 금속 재료의 부식량의 실적값인 부식량 데이터가 보존되어 있다. 부식량 데이터에는, 금속 재료(예를 들면 철강 재료)의 사용 기간과, 당해 사용 기간에 있어서의 금속 재료의 부식량과, 당해 사용 기간 내의 금속 재료의 사용 환경을 나타내고, 또한 금속 재료가 사용되는 지역을 나타내는 맵 상에서 기지의 복수의 환경 파라미터와, 맵 상에 있어서의 환경 파라미터의 위치 좌표와, 맵의 지세 데이터가 포함된다.
상기한 「복수의 환경 파라미터」에는, 온도(기온)와, 상대 습도, 절대 습도, 젖음 시간 및 강우량 중 적어도 하나와, 비래 염분량, SOX 농도 및 NOX 농도 중 적어도 하나가 포함된다. 또한, 이들 환경 파라미터는, 예를 들면 연평균의 데이터이다. 또한, 데이터베이스(20)에는, 강종마다의 부식량 데이터가 보존되어 있다.
연산부(30)는, 구체적으로는, CPU(Central Processing Unit), DSP(Digital Signal Processor), FPGA(Field-Programmable Gate Array) 등으로 이루어지는 프로세서와, RAM(Random Access Memory), ROM(Read Only Memory) 등으로 이루어지는 메모리(주기억부)에 의해 실현된다.
연산부(30)는, 예를 들면 도시하지 않는 기억부에 격납된 프로그램을 주기억부의 작업 영역에 로드하여 실행하고, 프로그램의 실행을 통하여 각 구성부 등을 제어함으로써, 소정의 목적에 합치한 기능을 실현한다. 연산부(30)는, 프로그램의 실행을 통하여, 맵 작성부(31), 유사도 산출부(32), 차원 압축부(33) 및 부식량 예측부(34)로서 기능한다. 또한, 맵 작성부(31), 유사도 산출부(32), 차원 압축부(33) 및 부식량 예측부(34)의 상세에 대해서는 후기한다.
표시부(40)는, 예를 들면 LCD 디스플레이, CRT 디스플레이 등의 표시 장치에 의해 실현되고, 연산부(30)로부터 입력되는 표시 신호를 기초로, 금속 재료의 부식량의 예측 결과로서 부식량 예측 맵을 표시한다. 또한, 상기한 「부식량 예측 맵」이란, 부식량의 예측값이 예를 들면 색에 의해 표시된 맵을 나타내고 있다(도 5 및 도 6 참조).
(부식량 맵핑 방법)
본 발명의 실시 형태에 따른 금속 재료의 부식량 맵핑 방법에 대해서, 도 4를 참조하면서 설명한다. 부식량 맵핑 방법에서는, 환경 맵 작성 스텝과, 예측 요구점 입력 스텝과, 제1 유사도 산출 스텝과, 제1 차원 압축 스텝과, 초기 부식량 예측 스텝(제1 파라미터 예측 스텝)과, 제2 유사도 산출 스텝과, 제2 차원 압축 스텝과, 감쇠 예측 스텝(제2 파라미터 예측 스텝)과, 장기 부식량 예측 스텝과, 부식량 예측 맵 작성 스텝을 행한다. 또한, 본 실시 형태에 따른 부식량 맵핑 방법은, 금속 재료 중에서도 특히 내후성 강 등의 강재에 적용함으로써, 부식량을 보다 정밀도 좋게 예측하여 맵핑하는 것이 가능하다.
환경 맵 작성 스텝에서는, 맵 작성부(31)에 의해, 입수 가능한 맵 상에 있어서의 환경 파라미터로부터, 임의의 메시 간격으로 데이터 간을 보완하여, 환경 파라미터마다의 환경 맵을 작성한다(스텝 S1).
환경 맵 작성 스텝에서는, 맵 상에서 기지의 복수의 환경 파라미터와, 맵의 지세 데이터와, 맵 상에 있어서의 환경 파라미터의 위치 좌표로부터, 임의의 메시의 간격으로, 환경 파라미터마다의 환경 맵을 작성한다. 환경 맵 작성 스텝에서는, 보다 구체적으로는 이하의 4개의 스텝을 행한다.
우선, 기지의 복수의 환경 데이터를, 상기한 맵 상의 위치 좌표에 입력한다(제1 스텝). 계속해서, 맵의 지세 데이터에 기초하여, 환경 맵을 해발 0m의 환경 맵으로 보정한다(제2 스텝). 계속해서, 해발 0m의 환경 맵에 있어서, 기지의 환경 파라미터 간의 환경 파라미터를 보완한다(제3 스텝). 계속해서, 맵의 지세 데이터에 기초하여, 환경 파라미터를 보완한 해발 0m의 환경 맵을, 원래의 해발의 환경 맵으로 보정한다(제4 스텝).
여기에서, 상기한 제3 스텝에서는, 상기한 바와 같이, 해안선에 가까운 메시점의 비래 염분량을 보완할 때에, 미리 설정한 상한값(예를 들면 1.0mdd)을 초과하지 않도록 비래 염분량을 보완하는 것이 바람직하다. 비래 염분량에 상한값을 마련함으로써, 해안선에 가까운 메시점의 비래 염분량이 이상적으로 높아지는 것을 피할 수 있다.
예측 요구점 입력 스텝에서는, 입력부(10)를 통하여, 메시점의 환경 파라미터인 예측 요구점이 연산부(30)에 입력된다(스텝 S2). 이 예측 요구점은, 부식량을 예측하고자 하는 금속 재료의 사용 기간(부식량 예측 맵을 작성하는 금속 재료의 사용 기간)과, 이 사용 기간 내의 금속 재료의 사용 환경을 나타내는, 연평균의 복수의 환경 파라미터(부식량 데이터에 있어서의 복수의 환경 파라미터)를 포함하고 있다.
계속해서, 제1 유사도 산출 스텝에서는, 유사도 산출부(32)에 의해, 데이터베이스(20)에 보존되어 있는, 사용 기간이 1년인 금속 재료의 부식량 데이터에 있어서의 복수의 환경 파라미터와, 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출한다(스텝 S3). 본 스텝에 있어서, 유사도 산출부(32)는, 예를 들면 후기하는 식 (8)에 의해 상기 유사도를 산출한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속해서, 제1 차원 압축 스텝에서는, 차원 압축부(33)에 의해, 제1 유사도 산출 스텝에서 산출된 유사도를 고려하여, 부식량 데이터에 있어서의 복수의 환경 파라미터(설명 변수)를, 잠재 변수로 차원 압축한다(스텝 S4). 본 스텝에 있어서, 차원 압축부(33)는, 예를 들면 후기하는 식 (7)에 의해 상기 잠재 변수를 산출한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속해서, 초기 부식량 예측 스텝에서는, 부식량 예측부(34)에 의해, 제1 차원 압축 스텝에서 산출된 잠재 변수 및, 제1 유사도 산출 스텝에서 산출된 유사도를 이용하여 구축한 예측식에 기초하여, 예측 요구점의 환경 파라미터하에 있어서의, 금속 재료의 초기 1년간의 부식량을 예측한다(스텝 S5). 이 금속 재료의 초기 1년간의 부식량은, 상기식 (1)의 파라미터 A(제1 파라미터)를 의미하고 있다. 본 스텝에 있어서, 부식량 예측부(34)는, 예를 들면 후기하는 식 (10)에 나타내는 예측식을 구축하고, 이 예측식에 기초하여 금속 재료의 초기 1년간의 부식량을 예측한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속해서, 제2 유사도 산출 스텝에서는, 유사도 산출부(32)에 의해, 부식량을 예측하고자 하는 금속 재료의 사용 기간을 고려하여, 금속 재료의 부식량 데이터에 있어서의 복수의 환경 파라미터와, 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출한다(스텝 S6). 본 스텝에 있어서, 유사도 산출부(32)는, 예를 들면 후기하는 식 (13)에 의해 상기 유사도를 산출한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속해서, 제2 차원 압축 스텝에서는, 차원 압축부(33)에 의해, 제2 유사도 산출 스텝에서 산출된 유사도 및 부식량을 예측하고자 하는 금속 재료의 사용 기간을 고려하여, 부식량 데이터에 있어서의 복수의 환경 파라미터(설명 변수)를, 잠재 변수로 차원 압축한다(스텝 S7). 본 스텝에 있어서, 차원 압축부(33)는, 예를 들면 후기하는 식 (12)에 의해 상기 잠재 변수를 산출한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속해서, 감쇠 예측 스텝에서는, 부식량 예측부(34)에 의해, 제2 차원 압축 스텝에서 산출된 잠재 변수 및, 제2 유사도 산출 스텝에서 산출된 유사도를 이용하여 구축한 예측식에 기초하여, 금속 재료의 부식 속도의 감쇠를 나타내는 파라미터를 예측한다(스텝 S8). 이 금속 재료의 부식 속도의 감쇠를 나타내는 파라미터는, 상기식 (1)의 파라미터 B(제2 파라미터)를 의미하고 있다. 본 스텝에 있어서, 부식량 예측부(34)는, 예를 들면 후기하는 식 (16)에 나타내는 예측식을 구축하고, 이 예측식에 기초하여 금속 재료의 부식 속도의 감쇠를 나타내는 파라미터를 예측한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속해서, 장기 부식량 예측 스텝에서는, 부식량 예측부(34)에 의해, 금속 재료의 사용 기간과, 초기 부식량 예측 스텝에서 산출된 파라미터 A와, 감쇠 예측 스텝에서 산출된 파라미터 B에 기초하여 금속 재료의 1년보다도 긴 기간의 부식량(장기 부식량)을 예측한다(스텝 S9). 본 스텝에 있어서, 부식량 예측부(34)는, 상기식 (1)에 기초하여 상기 장기 부식량을 예측한다. 또한, 본 스텝의 구체예에 대해서는 후기하는 실시예에서 설명한다.
계속해서, 부식량 예측 맵 작성 스텝에서는, 맵 작성부(31)에 의해, 메시의 예측 요구점에 있어서의 부식량의 예측 결과를, 맵 상에 채색함으로써, 부식량 예측 맵을 작성한다(스텝 S10). 이 부식량 예측 맵은, 부식량 예측 맵 작성 스텝에서 예측된 부식량의 값에 따라서, 상기 메시마다 채색된 맵이다(예를 들면 후기하는 도 5 및 도 6 참조).
이상과 같이, 본 실시 형태에 따른 부식량 맵핑 장치(1)를 이용한 금속 재료의 부식량 맵핑 방법에 의하면, 대기 부식 환경에 있어서, 금속 재료의 장기 부식 예측을 정밀도 높게 행할 수 있다. 또한, 금속 재료의 부식량을 정밀도 좋게 맵핑할 수 있어, 사용 환경에 따른 내식성을 갖는 최적인 금속 재료를 선정하는 것이 가능해진다.
또한, 종래 기술, 예를 들면 특허문헌 1∼5와 같이 설명 변수로서 채용하는 환경 파라미터를 선정하여 정식화해 버리면, 어느 지역에서는 예측 정밀도가 높지만, 어느 지역에서는 예측 정밀도가 낮다고 하는 바와 같이 부식량을 예측하고자 하는 지역에 따라 예측 정밀도에 차가 생겨 버린다. 한편, 본 실시 형태에 따른 금속 재료의 부식 예측 방법에 의하면, 데이터베이스(20) 내에, 부식량을 예측하고자 하는 지역의 것과 유사한 부식량 데이터가 있으면 예측 가능하기 때문에, 어떠한 지역이라도 금속 재료의 부식량을 정밀도 높게 예측할 수 있다.
실시예
(실시예 1)
이하, 실시예를 들어 본 발명을 보다 상세하게 설명한다. 본 실시예에서는, 베트남에 있어서, 처마 밑 환경에 있어서의 강재의 연간 부식량(초기 1년간의 부식량)을 예측하여, 부식량 예측 맵을 작성했다. 여기에서, 본 실시예의 내용은, 상기한 부식량 맵핑 방법 중, 환경 맵 작성 스텝, 예측 요구점 입력 스텝, 제1 유사도 산출 스텝, 제1 차원 압축 스텝, 초기 부식량 예측 스텝 및 부식량 예측 맵 작성 스텝에 상당한다.
본 실시예에서는, 데이터베이스에 보존되어 있는, 세계 각지의 55지역에 있어서의 강재의 연간 부식량과 연평균의 각 환경 파라미터의 데이터군(부식량 데이터)을 이용하여, 연간 부식량의 예측을 행했다. 본 실시예에서는, 환경 파라미터로서, 온도(℃), 상대 습도(％), 비래 염분량(mmd(Cl－ 환산)), SO2 농도(mmd(SO2 환산))의 4개를 사용했다. 여기에서, 상기한 「mmd」는, 단위 일수 및 단위 면적당에 포집된 Cl－ 또는 SO2의 양이고, 「㎎·m－2·day－1」의 약어이다.
환경 파라미터마다의 환경 맵은, 상기한 방법에 의해 작성했다. 이번 실시예에서는 데이터 간의 보완 방법으로서 선형 보완을 이용하여 계산을 행했다(도 4의 「환경 맵 작성 스텝」). 얻어진 환경 맵의 메시점에서의 부식 예측에 있어서, 상기한 바와 같이, 설명 변수끼리가 상관을 갖는 경우, 다중 공선성에 의해 예측 정밀도가 악화되는 것이 알려져 있다. 상기한 LW－PLS에서는, 설명 변수로서 사용하는 각 환경 파라미터가 상관을 갖고 있기 때문에, 차원 압축에 의해 상관을 배제하고, 새로운 파라미터(잠재 변수)를 작성한다. 여기에서, LW－PLS는, 상기한 참고문헌 1에 나타난 순서에 따라 계산하고 있다. 4개의 환경 파라미터를 잠재 변수(파라미터 t)로 압축하기 위한 식은, 하기식 (7)과 같이 나타낼 수 있다.
Figure pct00007
여기에서, 상기식 (7)에 있어서, T는 온도(℃), RH는 상대 습도(％), Cl은 비래 염분량(㎎/㎡/day(＝mmd)(Cl－ 환산)), SO2는 SO2 농도(㎎/㎡/day(＝mmd)(SO2 환산)), w1∼w4는 계수이다. 또한, 상기식 (7)에서는, 일 예로서 4개의 환경 파라미터만을 이용하고 있지만, 실제로는, 부식량의 예측을 하고자 하는 지역에 있어서 부식에 관계하는 것이 예상되는 환경 파라미터에 대해서는 모두 포함하는 것이 바람직하다.
본 실시예에서는, 우선 부식량을 예측하고자 하는 강재의 사용 기간과, 이 사용 기간 내의 강재의 사용 환경을 나타내는 연평균의 복수의 환경 파라미터를 포함하는 예측 요구점을, 부식량 맵핑 장치의 연산부에 입력했다(도 4의 「예측점 입력 스텝」).
계속해서, 부식량을 구하고자 하는 예측 요구점의 환경 파라미터와, 부식량의 예측을 위해 참조하는 부식량 데이터의 환경 파라미터 i의 유사도 ωi를, 하기식 (8)에 나타내는 바와 같은 유클리드 거리를 이용하여 산출했다(도 4의 「제1 유사도 산출 스텝」). 또한, 각 환경 파라미터에 따라 데이터의 확산이 상이하기 때문에, 수치는 정규화를 실시했다.
Figure pct00008
여기에서, ωi는 국소화 파라미터, 우측 아래의 첨자가 q인 환경 파라미터는 부식량을 예측하고자 하는 예측 요구점의 환경 파라미터, 우측 아래의 첨자가 i인 환경 파라미터는 데이터베이스로부터 참조한 부식량 데이터의 환경 파라미터, σ는 하기식 (9)의 표준 편차이다. 또한, φ는 조정 파라미터이고, 예를 들면 φ＝1을 기준으로 하여 적절하게 조정하여 값은 결정된다.
Figure pct00009
계속해서, 상기식 (8)에서 산출한 유사도 ωi와, 부식량 데이터의 환경 파라미터 및 부식량으로부터, 참고문헌 1(2.1장)에 나타난 순서에 따라, 유사도 ωi를 가중치로 하여 관련된 잠재 변수와 목적 변수(부식량)의 내적이 최대가 되도록, 상기식 (7)의 계수 w1∼w4를 결정했다. 그리고, 결정한 계수 w1∼w4를 이용하여, 상기식 (7)에 의해 각 환경 파라미터의 잠재 변수를 산출했다(도 4의 「제1 차원 압축 스텝」).
계속해서, 하기식 (10)에 나타내는 부식량의 예측식을 국소 회귀에 의해 구축하고, 하기식 (10)에 기초하여, 예측 요구점의 환경 파라미터하에 있어서의 강재의 연간 부식량(초기 1년간의 부식량)을 예측했다(도 4의 「초기 부식량 예측 스텝」).
Figure pct00010
여기에서, Y는 부식량의 예측값, α는 계수(회귀 계수)이다. 또한, 상기식 (10)에서는 기재를 생략했지만, 상기식 (10)에 정수항을 포함시키거나, 혹은 복수의 잠재 변수를 이용하는 것도 가능하다.
이와 같이, 본 실시예에서는, 부식량을 예측하고자 하는 예측 요구점이 입력될 때마다, 예측 요구점과 각 부식량 데이터와의 유사도의 산출, 잠재 변수의 계수의 산출, 예측식의 구축을 행한다. 얻어진 메시점마다의 연간 부식량의 예측값을, 예를 들면 도 5에 나타내는 바와 같은 부식량 예측 맵으로서 맵화하고(도 4의 「부식량 예측 맵 작성 스텝」), 표시부(40)에 의해 표시한다.
(실시예 2)
본 실시예에서는, 베트남에 있어서, 처마 밑 환경에 있어서의 강재의 장기(50년) 부식량을 예측하여, 부식량 예측 맵을 작성했다. 여기에서, 본 실시예의 내용은, 상기한 부식량 맵핑 방법의 전체 스텝에 상당한다.
본 실시예에서는, 처마 밑 환경을 대상으로 하여, 데이터베이스에 보존되어 있는, 세계 55지역의 1년간, 55지역의 3년간, 39지역의 5년간, 38지역의 7년간, 38지역의 9년간의 부식량과 연평균의 각 환경 파라미터의 데이터군(부식량 데이터)을 이용하여, 실시예 1과 마찬가지의 수법으로, 강재에 대해서, 초기 1년간의 부식량을 나타내는 파라미터 A(상기식 (1) 참조)를 산출했다(도 4의 환경 맵 작성 스텝, 예측 요구점 입력 스텝, 제1 유사도 산출 스텝, 제1 차원 압축 스텝 및 초기 부식량 예측 스텝).
계속해서, 7년간의 장기 부식 시험 결과에 가중치 부여를 하여, 녹층에 의한 부식 속도의 감쇠를 나타내는 파라미터 B를 산출하고, 상기식 (1)에 의해 강재의 50년 후의 부식량을 예측했다. 50년 후의 부식량의 예측에서는, 우선 상기식 (1)을 하기식 (11)에 나타내는 바와 같이 변형하고, 파라미터 B 및 사용 기간 X를 이용하여 좌변의 초기 1년간의 부식량의 대수로부터 50년 후의 부식량의 대수의 차를 산출했다.
Figure pct00011
상기식 (11)의 좌변의 예측에는 LW－PLS를 이용한다. 구체적으로는, 4개의 환경 파라미터와 사용 기간 X의 대수의 곱을 취함으로써, 시간 인자를 고려한 새로운 환경 파라미터를 작성하고, 이들 새로운 환경 파라미터를, 하기식 (12)에 나타내는 바와 같이 잠재 변수(파라미터 u)로 압축한다.
Figure pct00012
여기에서, 상기식 (12)에 있어서, T는 온도(℃), RH는 상대 습도(％), Cl은 비래 염분량(㎎/㎡/day(＝mmd)(Cl－ 환산)), SO2는 SO2 농도(㎎/㎡/day(＝mmd)(SO2 환산)), v1∼v4는 계수이다.
계속해서, 부식량을 구하고자 하는 예측 요구점의 환경 파라미터와, 부식량의 예측을 위해 참조하는 부식량 데이터의 환경 파라미터 i의 유사도 ωi를, 하기식 (13)에 나타내는 바와 같은 유클리드 거리를 이용하여 산출했다(도 4의 「제2 유사도 산출 스텝」). 또한, 각 환경 파라미터에 따라 데이터의 확산이 상이하기 때문에, 수치는 정규화를 실시했다.
Figure pct00013
여기에서, ωi는 국소화 파라미터, 우측 아래의 첨자가 q인 환경 파라미터는 부식량을 예측하고자 하는 예측 요구점의 환경 파라미터, 우측 아래의 첨자가 i인 환경 파라미터는 데이터베이스로부터 참조한 부식량 데이터의 환경 파라미터, σ는 하기식 (14)의 표준 편차이다. 또한, φ는 조정 파라미터이고, 예를 들면 φ＝1을 기준으로 하여 적절하게 조정하여 값은 결정된다.
Figure pct00014
계속해서, 상기식 (13)에서 산출한 유사도 ωi와, 부식량 데이터의 환경 파라미터 및 부식량으로부터, 참고문헌 1(2.1장)에 나타난 순서에 따라, 유사도 ωi를 가중치로 하여 관련된 잠재 변수와 목적 변수(부식량)의 내적이 최대가 되도록, 상기식 (12)의 계수 v1∼v4를 결정했다. 그리고, 결정한 계수 v1∼v4를 이용하여, 상기식 (7)에 의해 각 환경 파라미터의 잠재 변수를 산출했다(도 4의 「제2 차원 압축 스텝」).
계속해서, 하기식 (15)에 나타내는 부식량의 예측식을 국소 회귀에 의해 구축하고, 예측하고자 하는 환경 파라미터에 있어서의 부식량의 대수의 차를 산출했다.
Figure pct00015
여기에서, 상기식 (15)에 있어서, β는 계수(회귀 계수)이다. 또한, 상기식 (15)에서는 기재를 생략했지만, 상기식 (15)에 정수항을 포함시키거나, 혹은 복수의 잠재 변수를 이용하는 것도 가능하다.
이와 같이, 본 발명예에서는, 부식량을 예측하고자 하는 예측 요구점이 입력될 때마다, 예측 요구점과 각 부식량 데이터와의 유사도의 산출, 잠재 변수의 계수의 산출, 예측식의 구축을 행한다.
계속해서, 상기식 (12) 및 상기식 (15)에 기초하여, 상기식 (11)의 파라미터 B를, 하기식 (16)에 의해 산출했다(도 4의 「감쇠 예측 스텝」).
Figure pct00016
계속해서, 산출한 파라미터 A 및 파라미터 B를 이용하여, 상기식 (1)에 의해 9년 후의 부식량 Y를 산출했다(도 4의 장기 부식량 예측 스텝). 얻어진 메시점마다의 장기 부식량의 예측값을, 예를 들면 도 6에 나타내는 바와 같은 부식량 예측 맵으로서 맵화하고(도 4의 「부식량 예측 맵 작성 스텝」), 표시부(40)에 의해 표시한다.
이상, 본 발명에 따른 금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치에 대해서, 발명을 실시하기 위한 형태 및 실시예에 의해 구체적으로 설명했지만, 본 발명의 취지는 이들 기재에 한정되는 것이 아니고, 청구의 범위의 기재에 기초하여 넓게 해석되지 않으면 안 된다. 또한, 이들 기재에 기초하여 여러 가지 변경, 개변 등을 한 것도 본 발명의 취지에 포함되는 것은 말할 필요도 없다.
여기에서, 상기한 실시 형태에서는, 금속 재료의 초기 1년간의 부식량(파라미터 A)과, 금속 재료의 부식 속도의 감쇠를 나타내는 파라미터(파라미터 B)를 각각 나누어 예측하고, 초기 1년간의 부식량을 기준으로 하여 장기 부식량을 예측하고 있었지만, 장기 부식량을 예측할 때의 기준은 초기 1년간의 부식량에는 한정되지 않는다.
즉, 초기 부식량 예측 스텝에 있어서, 미리 정하는 임의의 소정 기간(초기 기간)에 있어서의 금속 재료의 부식량을 예측하고, 장기 부식량 예측 스텝에 있어서, 상기한 소정 기간의 부식량을 기준으로 하여 장기 부식량을 예측해도 좋다.
예를 들면 초기 부식량으로서 1.5년의 부식량이 A'로서 부여된 경우, 그로부터 X년 후의 부식량의 예측식은, 상기식 (1)을 확장하여, 하기식 (17)과 같이 기술 가능하다고 생각된다.
Figure pct00017
이것을 일반화하면, 어느 초기 기간 X0년의 부식량을 A', X0년을 기준으로 한 감쇠 파라미터를 B'로 하여, 하기식 (18)을 얻을 수 있다. 이 식 (18)을 이용함으로써, X0년간을 기준으로 한 부식량으로서, X＞X0의 기간의 부식량을 산출할 수 있다.
Figure pct00018
금속 재료의 임의의 초기 기간의 부식량 A'와, 감쇠 파라미터 B'를 각각 나누어 예측하고, 상기식 (18)에 나타내는 바와 같이, 초기 기간 이후의 경과년수 X'를 감쇠 파라미터 B'로 거듭제곱함으로써, 초기 기간 이후의 장기 부식량을 예측할 수 있다. 단, 상기식 (1)의 초기 부식량 A는, 1년간의 부식량을 전제로 하고 있다. 그 때문에, 상기식 (18)의 X0의 기간은, 1년간으로부터 크게 어긋난 경우는 상정하고 있지 않고, 반년간 내지 2년간 정도인 것이 현실적인 실용 범위라고 생각된다.
1 : 부식량 맵핑 장치
10 : 입력부
20 : 데이터베이스
30 : 연산부
31 : 맵 작성부
32 : 유사도 산출부
33 : 차원 압축부
34 : 부식량 예측부
40 : 표시부

Claims (11)

  1. 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내고, 또한 상기 금속 재료가 사용되는 지역을 나타내는 맵 상에서 기지(旣知)의 복수의 환경 파라미터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표와, 상기 맵의 지세(topographical) 데이터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터를 이용하여 금속 재료의 부식량을 예측하여, 부식량 예측 맵을 작성하는 금속 재료의 부식량 맵핑 방법으로서,
    상기 복수의 환경 파라미터와, 상기 맵의 지세 데이터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표로부터, 임의의 메시(mesh)의 간격으로, 상기 환경 파라미터마다의 환경 맵을 작성하는 환경 맵 작성 스텝과,
    상기 부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를 포함하는 예측 요구점(prediction request point)을 입력하는 예측 요구점 입력 스텝과,
    상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출 스텝과,
    상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축(dimension compression)하는 차원 압축 스텝과,
    상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 메시의 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측 스텝과,
    상기 메시의 예측 요구점에 있어서의 부식량의 예측 결과를, 맵 상에 채색함으로써, 부식량 예측 맵을 작성하는 부식량 예측 맵 작성 스텝
    을 포함하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  2. 제1항에 있어서,
    상기 환경 맵 작성 스텝은,
    상기 복수의 환경 파라미터를 상기 맵 상의 위치 좌표에 입력하는 제1 스텝과,
    상기 맵의 지세 데이터에 기초하여, 상기 환경 맵을 해발 0m의 환경 맵으로 보정하는 제2 스텝과,
    상기 해발 0m의 환경 맵에 있어서, 상기 복수의 환경 파라미터 간의 환경 파라미터를 보완하는 제3 스텝과,
    상기 맵의 지세 데이터에 기초하여, 환경 파라미터를 보완한 해발 0m의 환경 맵을, 원래의 해발의 환경 맵으로 보정하는 제4 스텝
    을 포함하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  3. 제2항에 있어서,
    상기 복수의 환경 파라미터는, 비래(飛來) 염분량을 포함하고,
    상기 제3 스텝은, 해안선에 가까운 메시의 비래 염분량을 보완할 때에, 미리 설정한 상한값을 초과하지 않도록 비래 염분량을 보완하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 부식량 예측 스텝은,
    상기 금속 재료의 소정 기간의 부식량을 나타내는 제1 파라미터를 예측하는 초기 부식량 예측 스텝과,
    상기 금속 재료의 부식 속도의 감쇠를 나타내는 제2 파라미터를 예측하는 감쇠 예측 스텝과,
    상기 금속 재료의 사용 기간과, 상기 제1 파라미터와, 상기 제2 파라미터에 기초하여 상기 금속 재료의 상기 소정 기간보다도 긴 기간의 부식량을 예측하는 장기 부식량 예측 스텝
    을 포함하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  5. 제4항에 있어서,
    상기 초기 부식량 예측 스텝은, 상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 예측 요구점의 환경 파라미터하에 있어서의, 상기 금속 재료의 소정 기간의 부식량을 예측하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  6. 제4항에 있어서,
    상기 감쇠 예측 스텝은, 상기 부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 유사도에 기초하여, 상기 제2 파라미터를 예측하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 복수의 환경 파라미터는, 온도와, 상대 습도, 절대 습도, 젖음 시간 및 강우량 중 적어도 하나와, 비래 염분량, SOX 농도 및 NOX 농도 중 적어도 하나를 포함하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  8. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 금속 재료는, 철강 재료인 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    상기 부식량 예측 맵은, 상기 부식량 예측 맵 작성 스텝에서 예측된 부식량의 값에 따라서, 상기 메시마다 채색된 맵인 것을 특징으로 하는 금속 재료의 부식량 맵핑 방법.
  10. 제1항 내지 제9항 중 어느 한 항에 기재된 금속 재료의 부식량 맵핑 방법을 이용하여, 사용 환경에 따른 금속 재료를 선정하는 것을 특징으로 하는 금속 재료의 선정 방법.
  11. 금속 재료의 사용 기간과, 상기 사용 기간 내의 상기 금속 재료의 사용 환경을 나타내고, 또한 상기 금속 재료가 사용되는 지역을 나타내는 맵 상에서 기지의 복수의 환경 파라미터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표와, 상기 맵의 지세 데이터와, 상기 사용 기간에 있어서의 상기 금속 재료의 부식량을 포함하는 부식량 데이터가 보존되는 데이터베이스와,
    상기 복수의 환경 파라미터와, 상기 맵의 지세 데이터와, 상기 맵 상에 있어서의 상기 환경 파라미터의 위치 좌표로부터, 임의의 메시의 간격으로, 상기 환경 파라미터마다의 환경 맵을 작성하는 환경 맵 작성부와,
    부식량 예측 맵을 작성하는 상기 금속 재료의 사용 기간과, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를 포함하는 예측 요구점이 입력되는 입력부와,
    상기 부식량 데이터에 있어서의 복수의 환경 파라미터와, 상기 예측 요구점에 있어서의 복수의 환경 파라미터와의 유사도를 산출하는 유사도 산출부와,
    상기 유사도를 고려하여, 상기 부식량 데이터에 있어서의 복수의 환경 파라미터를, 잠재 변수로 차원 압축하는 차원 압축부와,
    상기 잠재 변수 및 상기 유사도를 이용하여 구축한 예측식에 기초하여, 상기 메시의 예측 요구점에 있어서의 상기 금속 재료의 부식량을 예측하는 부식량 예측부와,
    상기 메시의 예측 요구점에 있어서의 부식량의 예측 결과를, 맵 상에 채색함으로써, 상기 부식량 예측 맵을 작성하는 부식량 예측 맵 작성부
    를 구비하는 것을 특징으로 하는 금속 재료의 부식량 맵핑 장치.
KR1020227017587A 2019-11-18 2020-10-06 금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치 KR20220084404A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019207598 2019-11-18
JPJP-P-2019-207598 2019-11-18
PCT/JP2020/037822 WO2021100341A1 (ja) 2019-11-18 2020-10-06 金属材料の腐食量マッピング方法、金属材料の選定方法および金属材料の腐食量マッピング装置

Publications (1)

Publication Number Publication Date
KR20220084404A true KR20220084404A (ko) 2022-06-21

Family

ID=75980612

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227017587A KR20220084404A (ko) 2019-11-18 2020-10-06 금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치

Country Status (5)

Country Link
US (1) US20220390353A1 (ko)
JP (1) JP7151880B2 (ko)
KR (1) KR20220084404A (ko)
CN (1) CN114729875A (ko)
WO (1) WO2021100341A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113358582B (zh) * 2021-06-04 2022-08-26 山东国瑞新能源有限公司 一种混凝土结构缺陷的检测方法、设备及介质
CN113781307B (zh) * 2021-09-13 2023-09-29 国网山东省电力公司电力科学研究院 大气腐蚀多因素空间插值算法、计算机设备、存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS476254Y1 (ko) 1966-08-22 1972-03-04
JP3909057B2 (ja) 2001-07-12 2007-04-25 新日本製鐵株式会社 耐候性鋼の腐食量予測方法
JP4143018B2 (ja) 2003-10-31 2008-09-03 新日本製鐵株式会社 耐候性鋼の腐食減耗量予測方法、予測装置、及び鋼構造物適用鋼種の選定方法
JP5066160B2 (ja) 2009-11-25 2012-11-07 株式会社神戸製鋼所 鋼材の板厚減少量予測方法
JP5066955B2 (ja) 2007-03-13 2012-11-07 東京電力株式会社 腐食速度評価方法
JP5684552B2 (ja) 2010-05-31 2015-03-11 東北電力株式会社 劣化予測マッピング装置及び劣化予測マッピング方法
JP5895522B2 (ja) 2011-02-28 2016-03-30 Ｊｆｅスチール株式会社 屋外環境における鋼材の腐食量予測方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007107882A (ja) 2005-10-11 2007-04-26 Kubota Corp 埋設管の腐食予測方法
CN108604645A (zh) 2016-02-03 2018-09-28 凸版印刷株式会社 蓄电装置用封装材料以及蓄电装置用封装材料的制造方法
US10317358B1 (en) 2016-03-15 2019-06-11 University Of South Florida Systems and methods for contactless assessment of structures buried in soil
CN111542746B (zh) * 2018-01-05 2023-06-27 杰富意钢铁株式会社 金属材料的腐蚀量预测方法、金属材料的选定方法及金属材料的腐蚀量预测装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS476254Y1 (ko) 1966-08-22 1972-03-04
JP3909057B2 (ja) 2001-07-12 2007-04-25 新日本製鐵株式会社 耐候性鋼の腐食量予測方法
JP4143018B2 (ja) 2003-10-31 2008-09-03 新日本製鐵株式会社 耐候性鋼の腐食減耗量予測方法、予測装置、及び鋼構造物適用鋼種の選定方法
JP5066955B2 (ja) 2007-03-13 2012-11-07 東京電力株式会社 腐食速度評価方法
JP5066160B2 (ja) 2009-11-25 2012-11-07 株式会社神戸製鋼所 鋼材の板厚減少量予測方法
JP5684552B2 (ja) 2010-05-31 2015-03-11 東北電力株式会社 劣化予測マッピング装置及び劣化予測マッピング方法
JP5895522B2 (ja) 2011-02-28 2016-03-30 Ｊｆｅスチール株式会社 屋外環境における鋼材の腐食量予測方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
「내후성 강재의 교량으로의 적용에 관한 공동 연구 보고서(XVIII)」, 건설성 토목 연구소, (사)강재 구락부, (사)일본교량건설협회, 평성5년 3월
ISO 9223:1992 "Corrosion of metals and alloys - Corrosivity of atmospheres - Classification, determination and estimation"

Also Published As

Publication number Publication date
JPWO2021100341A1 (ja) 2021-12-02
JP7151880B2 (ja) 2022-10-12
CN114729875A (zh) 2022-07-08
WO2021100341A1 (ja) 2021-05-27
US20220390353A1 (en) 2022-12-08

Similar Documents

Publication Publication Date Title
KR102293631B1 (ko) 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치
Borges et al. Comparison of spatial interpolation methods for the estimation of precipitation distribution in Distrito Federal, Brazil
Brönnimann et al. Extreme winds at northern mid-latitudes since 1871
US20170338802A1 (en) Actually-measured marine environment data assimilation method based on sequence recursive filtering three-dimensional variation
Kereszturi et al. Numerical simulation of basaltic lava flows in the Auckland Volcanic Field, New Zealand—implication for volcanic hazard assessment
Beesley et al. A comparison of the BAWAP and SILO spatially interpolated daily rainfall datasets
KR20220084404A (ko) 금속 재료의 부식량 맵핑 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 맵핑 장치
Braca et al. Evaluation of national and regional groundwater resources under climate change scenarios using a GIS-based water budget procedure
Subrahamanyam et al. Performance evaluation of COSMO numerical weather prediction model in prediction of OCKHI: one of the rarest very severe cyclonic storms over the Arabian Sea—a case study
WO2020234921A1 (ja) 予測式導出方法及び予測式導出装置
Thompson et al. Suppressing bias and drift of coastal circulation models through the assimilation of seasonal climatologies of temperature and salinity
CN114266796A (zh) 基于激光点云数据与平均大潮高潮面的自然岸线自动获取方法、设备、介质、产品
Ribeiro et al. Role of measurement uncertainty in the comparison of average areal rainfall methods
Viselli et al. LiDAR measurements of wind shear exponents and turbulence intensity offshore the northeast United States
KR20230127701A (ko) 상세지형 정보를 고려한 고해상도 3차원 바람 수치정보 산출 방법
Brock et al. Barrier island morphodynamic classification based on lidar metrics for north Assateague Island, Maryland
Casella Performance analysis of the first method for long-term turbulence intensity estimation at potential wind energy sites
JP2022188698A (ja) 風況予測装置および風況予測方法
Kitamura et al. Real-Time Slope Stability Analysis Utilizing High-Resolution Gridded Precipitation Datasets Based on Spatial Interpolation of Measurements at Scattered Weather Station
Ghandehari et al. Cross-Scale Analysis of Sub-pixel Variations in Digital Elevation Models
CN116976130A (zh) 一种加权平均温度经验模型构建方法及系统
Ball et al. Fundamental issues
Wu et al. A Comparison of Gauge and Radar‐Derived Rainfall in a Land Falling Typhoon in Taiwan 1
Prusova et al. Comparison of geostatistical approaches dealing with the distribution of snow
Covián et al. Uncertainties estimation in surveying measurands: application to lengths, perimeters and areas