KR20230044510A

KR20230044510A - 강관 압궤 강도 예측 모델의 생성 방법, 강관의 압궤 강도 예측 방법, 강관의 제조 특성 결정 방법, 및 강관의 제조 방법

Info

Publication number: KR20230044510A
Application number: KR1020237007414A
Authority: KR
Inventors: 다카히로 사키모토; 츠네히사 한다
Original assignee: 제이에프이 스틸 가부시키가이샤
Priority date: 2020-09-11
Filing date: 2021-05-14
Publication date: 2023-04-04
Also published as: EP4212846A4; US20230315934A1; JPWO2022054336A1; EP4212846A1; JP6969713B1; CN116018509A

Abstract

부설시의 굽힘 변형에 더하여, 강관 성형시의 조관 변형, 및 도장 조건을 고려하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 정밀도 높게 예측할 수 있는, 강관 압궤 강도 예측 모델의 생성 방법, 강관의 압궤 강도 예측 방법, 강관의 제조 특성 결정 방법, 및 강관의 제조 방법을 제공한다. 강관 압궤 강도 예측 모델의 생성 방법에 의해 생성된 강관 압궤 강도 예측 모델에, 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건 및 부설시의 굽힘 변형을 포함하는 강관 제조 특성을 입력하여 도장 강관의 가압 굽힘시의 압궤 강도를 예측한다 (스텝 S1 ∼ 스텝 S5).

Description

강관 압궤 강도 예측 모델의 생성 방법, 강관의 압궤 강도 예측 방법, 강관의 제조 특성 결정 방법, 및 강관의 제조 방법

본 발명은, 강관 압궤 강도 예측 모델의 생성 방법, 강관의 압궤 강도 예측 방법, 강관의 제조 특성 결정 방법, 및 강관의 제조 방법에 관한 것이다.

외압이 작용하는 환경하에서 사용되는 강관 (파이프) 에서는, 외압의 작용에 의해 압궤 (콜랩스라고도 부른다) 가 발생하는 경우가 있다. 예를 들어, 해저 파이프라인에서, 강관 (라인 파이프) 에 이와 같은 압궤가 발생하면, 구조물의 손상이나 손괴 사고로 이어져, 경제나 환경에 큰 영향을 미친다. 이 콜랩스의 발생은, 해저 파이프라인의 부설시에 내압이 가해져 있지 않은 상황하에서, 부설에 의한 굽힘 변형이 중첩된 경우가 가장 위험하고, 그 때의 외압 굽힘시의 압궤 강도를 예측하는 추정식도 개발되어 있다.

여기서, 외압 굽힘시의 압궤 강도를 예측하는 추정식은, 예를 들어, 비특허문헌 1 에 기재되어 있다. 비특허문헌 1 에서는, DNV OS-F101 등 규격이 제정되고, 평가 대상 강관의 외경 형상의 Ovality, 재료 두께의 중심 혹은 두께의 1/4 (내면측) 로부터 채취한 항복 응력 (0.5 ％ 변형에 대응하는 응력), 영률, 푸아송비, 부설시의 굽힘 변형의 데이터로부터 외압 굽힘시의 압궤 강도를 예측하는 추정식 (D 400 장 Local Buckling -External over pressure only 401 절 식 (5.10)) 이 제안되어 있다.

OFFSHORE STANDARD DNV-OS-F101, SUBMARINE PIPELINE SYSTEMS, DET NORSKE VERITAS, 2010년 10월, SEC5, p41-56

그러나, 이 비특허문헌 1 에 기재된 외압 굽힘시의 압궤 강도를 예측하는 추정식에 있어서는, 이하의 문제점이 있었다.

즉, 특히, 해저 파이프라인에서 사용하는 강관은 방식을 위해 도장 (코팅) 이 실시된다. 이 도장시에는 강관을 가열하여 실시하는 경우가 있고, 도장 조건에 따라서는 도장 강관의 압축 특성, 나아가서는 도장 강관의 압궤 특성이 변화한다. 또, 도장 강관의 압궤 강도는, 강관 성형 후의 강관의 형상 및 강관 성형 후의 강관의 강도 특성 (인장 강도, 압축 강도, 영률, 푸아송비 등) 뿐만 아니라, 강관 성형시의 조관 변형 (강관 성형시의 변형 이력) 에도 의존하고 있다. 이는, 강관 성형시의 조관 변형은, 강관 성형 후의 강관의 형상 및 강관 성형 후의 강관의 강도 특성에 큰 영향을 주고, 나아가서는 도장 강관의 압궤 특성에도 큰 영향을 주기 때문이다.

한편, 비특허문헌 1 에서는, 강관 성형시의 조관 변형 및 도장 조건은 고려되어 있지 않고, 도장 강관의 외압 굽힘시의 압궤 강도의 예측값의 정밀도가 나쁘며, 실측한 도장 강관의 외압 굽힘시의 압궤 강도와 예측한 도장 강관의 외압 굽힘시의 압궤 강도의 예측값이 일치하지 않고, 그 차이가 크다. 이 때문에, 강관 설계시에 과도하게 안전측의 설계가 되거나, 혹은 예측보다 낮은 외압으로 압궤가 발생하여, 큰 사고가 될 우려가 있다.

따라서, 본 발명은 이 종래의 문제점을 해결하기 위해서 이루어진 것으로, 그 목적은, 부설시의 굽힘 변형에 더하여, 강관 성형시의 조관 변형, 및 도장 조건을 고려하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 정밀도 높게 예측할 수 있는, 강관 압궤 강도 예측 모델의 생성 방법, 강관의 압궤 강도 예측 방법, 강관의 제조 특성 결정 방법, 및 강관의 제조 방법을 제공하는 것에 있다.

상기 과제를 해결하기 위해서, 본 발명의 일 양태에 관련된 강관 압궤 강도 예측 모델의 생성 방법은, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하는 과거의 강관 제조 특성을 입력 데이터로 하고, 이 입력 데이터에 대한 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 출력 데이터로 한 복수의 학습용 데이터를 기계 학습시켜, 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 강관 압궤 강도 예측 모델을 생성하는 것을 요지로 한다.

또, 본 발명의 다른 양태에 관련된 강관의 압궤 강도 예측 방법은, 전술한 강관 압궤 강도 예측 모델의 생성 방법에 의해 생성된 강관 압궤 강도 예측 모델에, 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하는 강관 제조 특성을 입력하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 것을 요지로 한다.

또, 본 발명의 다른 양태에 관련된 강관의 제조 특성 결정 방법은, 전술한 강관의 압궤 강도 예측 방법에 의해 예측된 도장 강관의 외압 굽힘시의 압궤 강도가, 요구되는 목표의 도장 강관의 외압 굽힘시의 압궤 강도에 점근하도록, 강관 제조 특성에 포함되는 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형 중 적어도 하나를 축차 변경하여, 강관 제조 특성을 결정하는 것을 요지로 한다.

또, 본 발명의 다른 양태에 관련된 강관의 제조 방법은, 강관을 성형하고, 성형된 강관에 도장하여 도장 강관을 형성하는 도장 강관 형성 공정과, 전술한 강관의 압궤 강도 예측 방법에 의해, 상기 도장 강관 형성 공정에서 형성된 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 압궤 강도 예측 공정과, 그 압궤 강도 예측 공정에 의해 예측된 도장 강관의 외압 굽힘시의 압궤 강도를 상기 도장 강관 형성 공정에서 형성된 도장 강관에 연결시키는 성능 예측값 부여 공정을 구비하는 것을 요지로 한다.

또한, 본 발명의 다른 양태에 관련된 강관의 제조 방법은, 전술한 강관의 제조 특성 결정 방법에 의해 결정된 강관 제조 특성에 기초하여 도장 강관의 제조 조건을 결정하고, 그 결정된 도장 강관의 제조 조건으로 도장 강관을 제조하는 것을 요지로 한다.

본 발명에 관련된 강관 압궤 강도 예측 모델의 생성 방법, 강관의 압궤 강도 예측 방법, 강관의 제조 특성 결정 방법, 및 강관의 제조 방법에 의하면, 부설시의 굽힘 변형에 더하여, 강관 성형시의 조관 변형, 및 도장 조건을 고려하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 정밀도 높게 예측할 수 있다.

도 1 은, 본 발명의 일 실시형태에 관련된 강관 압궤 강도 예측 모델의 생성 방법, 강관의 압궤 강도 예측 방법, 및 강관의 제조 특성 결정 방법이 적용되는 강관 제조 특성 결정 장치의 개략 구성의 기능 블록도이다.
도 2 는, 본 발명의 일 실시형태에 관련된 강관 압궤 강도 예측 모델의 생성 방법으로 생성되는 뉴럴 네트워크 모델인 강관 압궤 강도 예측 모델의 처리 플로를 나타내는 도면이다.
도 3 은, 본 발명의 일 실시형태에 적용되는 강관 제조 특성 결정 장치에 있어서의 연산 처리부의 강관 제조 특성 연산부의 처리의 흐름을 설명하기 위한 플로 차트이다.

이하, 본 발명의 실시형태를 도면을 참조하여 설명한다. 이하에 나타내는 실시형태는, 본 발명의 기술적 사상을 구체화하기 위한 장치나 방법을 예시하는 것으로서, 본 발명의 기술적 사상은, 구성 부품의 재질, 형상, 구조, 배치 등을 하기의 실시형태에 특정하는 것은 아니다. 또, 도면은 모식적인 것이다. 그 때문에, 두께와 평면 치수의 관계, 비율 등은 현실의 것과는 상이한 것에 유의해야 하고, 도면 상호간에 있어서도 서로의 치수의 관계나 비율이 상이한 부분이 포함되어 있다.

도 1 에는, 본 발명의 일 실시형태에 관련된 강관 압궤 강도 예측 모델의 생성 방법, 강관의 압궤 강도 예측 방법, 및 강관의 제조 특성 결정 방법이 적용되는 강관 제조 특성 결정 장치의 개략 구성의 기능 블록도가 나타나 있다.

도 1 에 나타내는 강관 제조 특성 결정 장치 (1) 는, 강관 성형 후에 도장하여 이루어지는 도장 강관의 강관 압궤 강도 예측 모델의 생성, 생성된 강관 압궤 강도 예측 모델을 사용한 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 예측, 예측된 도장 강관의 외압 굽힘시의 압궤 강도가 요구되는 목표의 도장 강관의 외압 굽힘시의 압궤 강도에 점근하는 강관 제조 특성의 결정을 실시한다.

도 1 에 나타내는 강관 제조 특성 결정 장치 (1) 는, 연산 장치 (2) 와, 입력 장치 (8) 와, 기억 장치 (9) 와, 출력 장치 (10) 를 구비한 컴퓨터 시스템이다. 연산 장치 (2) 는, 후술하지만, RAM (3), ROM (4), 및 연산 처리부 (5) 를 구비하고, 이들 RAM (3), ROM (4), 및 연산 처리부 (5) 와, 입력 장치 (8), 기억 장치 (9), 및 출력 장치 (10) 가 버스 (11) 에 의해 접속되어 있다. 연산 장치 (2) 와, 입력 장치 (8), 기억 장치 (9), 및 출력 장치 (10) 는, 이 접속의 양태에 한정되지 않고, 무선에 의해 접속되어도 되고, 혹은 유선과 무선을 조합한 양태로 접속되어도 된다.

입력 장치 (8) 는, 예를 들어, 키보드, 펜 태블릿, 터치 패드, 마우스 등, 본 시스템의 오퍼레이터에 의해 각종 정보가 입력되는 입력 포트로서 기능한다. 입력 장치 (8) 에는, 예를 들어, 강관 압궤 강도 예측 모델의 생성 지령, 강관 제조 특성의 연산 지령, 외압 굽힘시의 압궤 강도의 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성, 목표로 하는 도장 강관의 외압 굽힘시의 압궤 강도, 및 강관 제조 특성 결정 모드 정보가 입력된다.

여기서, 강관은, 일반적으로, 판상의 강판을 원관 형상으로 굽힘 가공하여 성형하여 제조되고, 그 후, 표면에 도장되어 도장 강관을 형성한다.

입력 장치 (8) 에 입력되는 강관 제조 특성 중 강관 성형 후의 강관 형상은, 강판을 원관 형상으로 성형한 후의 강관의 형상을 의미한다. 당해 강관 성형 후의 강관 형상은, 여기서는 구체적으로는, 강관의 최대 외경 Dmax (㎜), 강관의 최소 외경 Dmin (㎜), 강관의 평균 외경 Dave (㎜), 강관의 평균 관판 두께 t (㎜), 및 강관의 외경 형상의 진원도 (Ovality) fO (％) 이다. 강관 성형 후의 강관 형상은, 실측된 것이 입력 장치 (8) 에 입력된다. 이 강관 성형 후의 강관 형상은, 예측하는 도장 강관의 외압 굽힘시의 압궤 강도에 크게 영향을 미치기 때문에, 입력하도록 하였다.

또한, 도장 강관의 외압 굽힘시의 압궤 강도란, 도장 강관이 압궤할 때의 부하 응력 (㎫) 을 의미하고, 여기서 말하는 「압궤」란, 부하 응력이 최대값을 나타내고 이 이상으로 외압에 대해 형상을 유지할 수 없게 될 때까지 변형된 상태를 말하는 것으로 한다.

또, 강관 성형 후의 강관 강도 특성은, 강판을 관 형상으로 성형한 후의 강관의 강도 특성을 의미한다. 당해 강관 성형 후의 강관 강도 특성은, 여기서는 구체적으로는, 강관의 영률 E (GPa), 강관의 푸아송비 μ (-), 강관의 인장 강도 YS (㎫), 강관의 압축 강도 0.23 ％ YS (0.23 ％ 변형에 대응하는 응력), 및 강관의 압축 강도 0.5 ％ YS (0.5 ％ 변형에 대응하는 응력) 이다. 이 강관 성형 후의 강관 강도 특성은, 예측하는 도장 강관의 외압 굽힘시의 압궤 강도에 크게 영향을 미치기 때문에, 입력하도록 하였다. 강관 성형 후의 강관 강도 특성은, 강관 성형 전의 강판의 강도 특성으로부터 유한 요소 해석에 의해 시뮬레이션하여 얻어진 것이나, 실측한 것이 입력된다.

또, 강관 성형시의 조관 변형은, 강관 성형시에 있어서의 인장 변형 (％) 혹은 압축 변형 (％) 이다. 이 강관 성형시의 조관 변형은, 강관 성형 후의 강관 형상 및 강관 성형 후의 강관 강도 특성에 크게 영향을 미치고, 그 결과, 예측하는 도장 강관의 외압 굽힘시의 압궤 강도에 크게 영향을 미치기 때문에, 입력하도록 하였다. 강관 성형시의 조관 변형은, 강관 성형 전의 강판의 강도 특성으로부터 유한 요소 해석에 의해 성형 시뮬레이션하여 얻어진 것이나 실측한 것이 입력된다.

또, 도장 조건은, 여기서는 도장시의 최고 온도 (℃) 및 유지 시간 (min) 이다. 이 도장 조건은, 실측한 것이 입력된다.

성형한 강관에 도장을 실시하는 것은, 방식을 위해서이고, 특히 해저 파이프라인에서 사용하는 강관은 내식성을 우수한 것으로 하기 위해, 성형 후에 도장을 실시하는 것이 일반적이다. 이 도장에 있어서의 도장 조건 (최고 온도 (℃) 및 유지 시간 (min)) 은, 강관 성형 후의 강관 강도 특성에 영향을 미치고, 도장 강관의 압궤 성능에 직접 영향을 미치기 때문에, 입력 장치 (8) 에 입력하도록 하였다. 도장의 코팅 가열의 영향에 의해, 강관의 재질이 변화 (전위의 퇴적·회복·변형 시효 등) 됨으로써, 강관 성형 후의 강관의 압궤 강도 (도장 전의 압궤 성능) 로부터 그 압궤 강도가 증가 또는 저하된다.

또, 부설시의 굽힘 변형은, 도장 강관을 예를 들어 해저에 도장 강관을 부설했을 때의 인장 변형 (％) 혹은 압축 변형 (％) 이다. 압궤의 발생은, 해저 파이프라인의 부설시에 내압이 가해져 있지 않은 상황하에서 부설에 의한 굽힘 변형이 중첩된 경우가 가장 위험하다.

또, 기억 장치 (9) 는, 예를 들어, 하드 디스크 드라이브, 반도체 드라이브, 광학 드라이브 등으로 구성되고, 본 시스템에 있어서 필요한 정보 (후술하는 강관 압궤 강도 예측 모델 생성부 (6) 및 강관 제조 특성 연산부 (7) 에 의한 기능의 실현에 필요한 정보) 를 기억하는 장치이다. 강관 압궤 강도 예측 모델 생성부 (6) 에 의한 기능의 실현에 필요한 정보로는, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 과거의 강관 제조 특성을 입력 데이터로 하고, 이 입력 데이터에 대한 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 압궤 강도를 출력 데이터로 한 복수의 학습용 데이터를 들 수 있다.

또, 강관 제조 특성 연산부 (7) 에 의한 기능의 실현에 필요한 정보로는, 강관 압궤 강도 예측 모델 생성부 (6) 에 의해 생성된 강관 압궤 강도 예측 모델을 들 수 있다. 또, 당해 기능의 실현에 필요한 정보로는, 강관 압궤 강도 예측 모델에 입력되는 입력 장치 (8) 에 입력된 가압 굽힘시의 압궤 강도의 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성, 목표로 하는 강관 성형 후에 도장하여 이루어지는 도장 강관의 가압 굽힘시의 압궤 강도를 들 수 있다. 또, 당해 기능의 실현에 필요한 정보로서, 강관 제조 특성 결정 모드 정보 (최적의 강관 제조 특성을 결정하는 모드인지의 여부의 정보) 도 들 수 있다.

또, 출력 장치 (10) 는, 연산 장치 (2) 로부터의 출력 데이터, 예를 들어, 압궤 강도 예측부 (72) 에서 예측된 강관 성형 후에 도장하여 이루어지는 도장 강관의 가압 굽힘시의 압궤 강도 (예측값) 의 정보나 강관 제조 특성 결정부 (73) 에서 결정된 강관 제조 특성의 정보를 출력하는 출력 포트로서 기능한다. 출력 장치 (10) 는, 예를 들어, 액정 디스플레이나 유기 디스플레이 등의 임의의 디스플레이를 구비함으로써, 출력 데이터에 기초하는 화면을 표시 가능하다.

다음으로, 연산 장치 (2) 는, 도 1 에 나타내는 바와 같이, RAM (3) 과, ROM (4) 과, 연산 처리부 (5) 를 구비하고 있다. ROM (4) 은, 강관 압궤 강도 예측 모델 생성 프로그램 (41) 과, 강관 제조 특성 연산 프로그램 (42) 을 기억하고 있다. 연산 처리부 (5) 는, 연산 처리 기능을 갖고, RAM (3) 및 ROM (4) 과 버스 (11) 에 의해 접속되어 있다. 또, RAM (3), ROM (4), 및 연산 처리부 (5) 는, 버스 (11) 를 개재하여 입력 장치 (8), 기억 장치 (9), 및 출력 장치 (10) 에 접속되어 있다.

연산 처리부 (5) 는, 기능 블록으로서, 강관 압궤 강도 예측 모델 생성부 (6) 와, 강관 제조 특성 연산부 (7) 를 구비하고 있다.

연산 처리부 (5) 의 강관 압궤 강도 예측 모델 생성부 (6) 는, 기억 장치 (9) 에 기억된, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 과거의 강관 제조 특성을 입력 데이터로 하고, 이 입력 데이터에 대한 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 출력 데이터로 한 복수의 학습용 데이터를 기계 학습시켜, 강관 압궤 강도 예측 모델을 생성한다. 기계 학습의 수법은, 여기서는 뉴럴 네트워크이며, 강관 압궤 강도 예측 모델은, 뉴럴 네트워크에 의해 구축된 예측 모델이다.

여기서, 강관 압궤 강도 예측 모델 생성부 (6) 는, 기능 블록으로서, 학습용 데이터 취득부 (61) 와, 전처리부 (62) 와, 모델 생성부 (63) 와, 결과 보존부 (64) 를 구비하고 있다. 그리고, 강관 압궤 강도 예측 모델 생성부 (6) 는, 입력 장치 (8) 에 강관 압궤 강도 예측 모델의 생성 지령이 입력되고, 강관 압궤 강도 예측 모델의 생성 지령을 받았을 때에, ROM (4) 에 기억되어 있는 강관 압궤 강도 예측 모델 생성 프로그램 (41) 을 실행하여, 학습용 데이터 취득부 (61), 전처리부 (62), 모델 생성부 (63), 및 결과 보존부 (64) 의 각 기능을 실행한다. 강관 압궤 강도 예측 모델 생성부 (6) 가 각 기능을 실행할 때마다, 강관 압궤 강도 예측 모델은 갱신된다.

강관 압궤 강도 예측 모델 생성부 (6) 에 의한 학습용 데이터 취득부 (61), 전처리부 (62), 모델 생성부 (63), 및 결과 보존부 (64) 의 각 기능의 실행 처리가 본 발명의 일 실시형태에 관련된 강관 압궤 강도 예측 모델의 생성 방법에 대응한다. 이 강관 압궤 강도 예측 모델의 생성 방법은, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건 및 부설시의 굽힘 변형을 포함하는 과거의 강관 제조 특성을 입력 데이터로 하고, 이 입력 데이터에 대한 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 가압 굽힘시의 압궤 강도를 출력 데이터로 한 복수의 학습용 데이터를 기계 학습시켜, 강관 성형 후에 도장하여 이루어지는 도장 강관의 가압 굽힘시의 압궤 강도를 예측하는 강관 압궤 강도 예측 모델을 생성한다.

여기서, 학습용 데이터 취득부 (61) 는, 기억 장치 (9) 에 기억된, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 과거의 강관 제조 특성을 입력 데이터로 하고, 이 입력 데이터에 대한 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 압궤 강도를 출력 데이터로 한 복수의 학습용 데이터를 취득하는 처리를 실시한다. 각 학습용 데이터는, 입력 데이터와 출력 데이터의 세트로 이루어진다.

또, 전처리부 (62) 는, 학습용 데이터 취득부 (61) 가 취득한 복수의 학습용 데이터를, 강관 압궤 강도 예측 모델 생성용으로 가공한다. 구체적으로는, 전처리부 (62) 는, 학습용 데이터를 구성하는 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 과거의 강관 제조 특성의 실적 정보와, 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도의 실적 정보를, 뉴럴 네트워크 모델에 판독 입력시키기 위해서, 0 ∼ 1 사이에서 표준화 (정규화) 를 실시한다.

또, 모델 생성부 (63) 는, 전처리부 (62) 에서 전처리한 복수의 학습용 데이터를 기계 학습시켜, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 과거의 강관 제조 특성을 입력 데이터로서 포함하고, 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 출력 데이터로 하는 강관 압궤 강도 예측 모델을 생성하는 처리를 실시한다. 본 실시형태에서는, 기계 학습의 수법으로서 여기서는 뉴럴 네트워크를 채용하기 때문에, 강관 압궤 강도 예측 모델로서 뉴럴 네트워크 모델을 생성한다. 즉, 모델 생성부 (63) 는, 강관 압궤 강도 예측 모델 생성용으로 가공된 학습용 데이터에 있어서의 입력 실적 데이터 (강관 제조 특성의 과거의 실적 데이터) 와 출력 실적 데이터 (강관 성형 후의 도장 강관의 외압 굽힘시의 압궤 강도의 과거의 실적 데이터) 를 결부시키는 강관 압궤 강도 예측 모델로서의 뉴럴 네트워크 모델을 작성한다. 뉴럴 네트워크 모델은, 예를 들어, 함수식으로 표현된다.

구체적으로는, 모델 생성부 (63) 는, 뉴럴 네트워크 모델에 사용되는 하이퍼 파라미터의 설정을 실시함과 함께, 그것들 하이퍼 파라미터를 사용한 뉴럴 네트워크 모델에 의한 학습을 실시한다. 하이퍼 파라미터로서 통상적으로, 숨은 층의 수, 각각의 숨은 층에 있어서의 뉴런수, 각각의 숨은 층에 있어서의 드롭아웃률, 각각의 숨은 층에 있어서의 활성화 함수가 설정되지만, 이것에 한정되지 않는다.

도 2 에는, 본 발명의 일 실시형태에 관련된 강관 압궤 강도 예측 모델의 생성 방법으로 생성되는 뉴럴 네트워크 모델인 강관 압궤 강도 예측 모델의 처리 플로가 나타나 있다.

뉴럴 네트워크 모델인 강관 압궤 강도 예측 모델은, 입력측으로부터 순서대로 입력층 (101), 중간층 (102), 및 출력층 (103) 을 포함하고 있다.

모델 생성부 (63) 가, 하이퍼 파라미터를 사용한 뉴럴 네트워크 모델에 의한 학습을 실시할 때에, 입력층 (101) 에는, 전처리부 (62) 에서 가공된 학습용 데이터를 구성하는 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 과거의 강관 제조 특성의 실적 정보, 즉, 0 ∼ 1 사이에서 표준화된 과거의 강관 제조 특성의 실적 정보가 격납된다.

중간층 (102) 은, 복수의 숨은 층으로 구성되고, 각각이 숨은 층에는 복수의 뉴런이 배치되어 있다.

출력층 (103) 은, 중간층 (102) 에 의해 전달된 뉴런의 정보가 결합되고, 최종적인 강관 성형 후에 도장하여 이루어지는 도장 강관의 가압 굽힘시의 압궤 강도로서 출력된다. 이 출력된 결과와, 판독 입력된 과거의 도장 강관의 가압 굽힘시의 압궤 강도의 실적에 기초하여, 뉴럴 네트워크 모델 내의 중량 계수가 서서히 최적화됨으로써 학습이 실시된다.

결과 보존부 (64) 는, 학습용 데이터, 뉴럴 네트워크 모델의 파라미터 (중량 계수), 및 학습용 데이터에 대한 뉴럴 네트워크 모델의 출력 결과를, 기억 장치 (9) 에 기억시킨다.

연산 처리부 (5) 의 강관 제조 특성 연산부 (7) 는, 강관 압궤 강도 예측 모델 생성부 (6) 에서 생성된 강관 압궤 강도 예측 모델에, 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하는 강관 제조 특성을 입력하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 처리를 실시한다. 그리고, 강관 제조 특성 연산부 (7) 는, 강관 제조 특성 결정 모드 정보가 강관 제조 특성 결정 모드일 때에, 예측된 도장 강관의 가압 굽힘시의 압궤 강도가, 요구되는 목표의 도장 강관의 가압 굽힘시의 압궤 강도에 점근하도록, 강관 제조 특성을 이루는 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형 중 적어도 하나를 축차 변경하여, 강관 제조 특성을 결정하는 처리를 실시한다.

이 처리를 실시하기 위해, 강관 제조 특성 연산부 (7) 는, 도 1 에 나타내는 바와 같이, 기능 블록으로서, 정보 판독부 (71), 압궤 강도 예측부 (72), 강관 제조 특성 결정부 (73), 및 결과 출력부 (74) 를 구비하고 있다.

정보 판독부 (71) 는, 강관 압궤 강도 예측 모델 생성부 (6) 에 의해 생성된 강관 압궤 강도 예측 모델, 강관 압궤 강도 예측 모델에 입력되는 압궤 강도의 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성의 정보, 목표로 하는 도장 강관의 가압 굽힘시의 압궤 강도의 정보, 및 강관 제조 특성 결정 모드 정보를 판독 입력하는 처리를 실시한다.

또, 압궤 강도 예측부 (72) 는, 정보 판독부 (71) 에서 판독 입력한 압궤 강도의 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성을, 정보 판독부 (71) 에서 판독 입력한 강관 압궤 강도 예측 모델에 입력하여, 강관 성형 후에 도장하여 이루어지는 도장 강관의 가압 굽힘시의 압궤 강도를 예측하는 처리를 실시한다.

또, 강관 제조 특성 결정부 (73) 및 압궤 강도 예측부 (72) 는, 정보 판독부 (71) 에서 판독 입력한 강관 제조 특성 결정 모드 정보가 강관 제조 특성 결정 모드일 때에, 예측된 도장 강관의 가압 굽힘시의 압궤 강도가, 요구되는 목표의 도장 강관의 가압 굽힘시의 압궤 강도에 점근하도록, 강관 제조 특성을 이루는 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형 중 적어도 하나를 축차 변경하여 강관 제조 특성을 결정하고, 결과 출력부 (74) 에 결정된 강관 제조 특성의 정보를 출력하는 처리를 실시한다. 또, 강관 제조 특성 결정부 (73) 는, 정보 판독부 (71) 에서 판독 입력한 강관 제조 특성 결정 모드 정보가 강관 제조 특성 결정 모드가 아닐 때에, 압궤 강도 예측부 (72) 에서 예측된 도장 강관의 가압 굽힘시의 압궤 강도의 정보 (예측값) 를 결과 출력부 (74) 에 출력하는 처리를 실시한다.

또, 결과 출력부 (74) 는, 결정된 강관 제조 특성의 정보 혹은 예측된 도장 강관의 압궤 강도의 정보 (예측값) 를 출력 장치 (10) 에 출력하는 처리를 실시함과 함께, 이들 정보를 기억 장치 (9) 에 기억시키는 처리를 실시한다.

다음으로, 본 발명의 일 실시형태에 적용되는 강관 제조 특성 결정 장치 (1) 에 있어서의 연산 처리부 (5) 의 강관 제조 특성 연산부 (7) 의 처리의 흐름을 도 3 을 참조하여 설명한다.

강관 제조 특성 연산부 (7) 는, 입력 장치 (8) 에 강관 제조 특성의 연산 지령이 입력되고, 강관 제조 특성의 연산 지령을 받으면, ROM (4) 에 기억되어 있는 강관 제조 특성 연산 프로그램 (42) 을 실행하고, 정보 판독부 (71), 압궤 강도 예측부 (72), 강관 제조 특성 결정부 (73), 및 결과 출력부 (74) 의 각 기능을 실행한다.

먼저, 강관 제조 특성 연산부 (7) 의 정보 판독부 (71) 는, 스텝 S1 에 있어서, 기억 장치 (9) 에 기억되어 있는, 강관 압궤 강도 예측 모델 생성부 (6) 에 의해 생성된 강관 압궤 강도 예측 모델을 판독 입력한다.

이어서, 정보 판독부 (71) 는, 스텝 S2 에 있어서, 도시되지 않은 상위 계산기로부터 입력되고, 기억 장치 (9) 에 기억되어 있는, 요구되는 목표의 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도의 정보를 판독 입력한다.

이어서, 정보 판독부 (71) 는, 스텝 S3 에 있어서, 오퍼레이터에 의해 입력 장치 (8) 에 입력되고, 기억 장치 (9) 에 기억되어 있는 강관 압궤 강도 예측 모델에 입력되는 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성의 정보를 판독 입력한다.

이어서, 정보 판독부 (71) 는, 스텝 S4 에 있어서, 오퍼레이터에 의해 입력 장치 (8) 에 입력되고, 기억 장치 (9) 에 기억되어 있는 강관 제조 특성 결정 모드 정보 (강관 제조 특성을 결정하는 모드인지의 여부의 정보) 를 판독 입력한다.

그 후, 압궤 강도 예측부 (72) 는, 스텝 S5 에 있어서, 스텝 S1 에서 판독 입력된 강관 압궤 강도 예측 모델에, 스텝 S3 에서 판독 입력된 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성을 입력하여, 도장 강관의 가압 굽힘시의 압궤 강도를 예측한다.

이 스텝 S1 ∼ 스텝 S5 는, 본 발명의 일 실시형태에 관련된, 강관 압궤 강도 예측 모델의 생성 방법에 의해 생성된 강관 압궤 강도 예측 모델에, 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성을 입력하여 도장 강관의 가압 굽힘시의 압궤 강도를 예측하는 강관의 압궤 강도 예측 방법에 대응한다.

계속해서, 강관 제조 특성 결정부 (73) 는, 스텝 S6 에 있어서, 스텝 S4 에서 판독 입력한 강관 제조 특성 결정 모드 정보 (강관 제조 특성을 결정하는 모드인지의 여부의 정보) 가 강관 제조 특성 결정 모드 (강관 제조 특성을 결정하는 모드) 인지의 여부를 판정한다.

그리고, 스텝 S6 에 있어서의 판정 결과가 YES 일 때 (강관 제조 특성 결정 모드일 때) 는, 스텝 S7 로 이행하고, 스텝 S6 에 있어서의 판정 결과가 NO 일 때 (강관 제조 특성 결정 모드가 아닐 때) 는, 스텝 S9 로 이행한다.

스텝 S7 에서는, 강관 제조 특성 결정부 (73) 는, 스텝 S5 에서 예측된 도장 강관의 가압 굽힘시의 압궤 강도 (예측값) 와, 스텝 S2 에서 판독 입력된, 요구되는 목표의 도장 강관의 가압 굽힘시의 압궤 강도 (목표값) 의 차이가 소정의 임계값 이내인지의 여부를 판정한다.

여기서, 이 소정의 임계값은, 대략 0.5 ％ ∼ 1 ％ 로 설정된다.

그리고, 스텝 S7 에 있어서의 판정 결과가 YES 일 때 (예측값과 목표값의 차이가 소정의 임계값 이내로 판정된 경우) 는, 스텝 S8 로 이행하고, 스텝 S7 에 있어서의 판정 결과가 NO 일 때 (예측값과 목표값의 차이가 소정의 임계값보다 큰 것으로 판정된 경우) 는, 스텝 S10 으로 이행한다.

스텝 S10 에서는, 강관 제조 특성 결정부 (73) 는, 스텝 S3 에서 판독 입력된 압궤 강도의 예측 대상이 되는 도장 강관의 강관 제조 특성에 있어서의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형 중 적어도 1 개를 변경하고, 스텝 S5 로 되돌아간다.

스텝 S5 로 돌아오면, 압궤 강도 예측부 (72) 는, 스텝 S10 에서 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형 중 적어도 1 개가 변경된 강관 제조 특성을, 스텝 S1에서 판독 입력된 강관 압궤 강도 예측 모델에 입력하고, 도장 강관의 가압 굽힘시의 압궤 강도를 재차 예측한다. 그리고, 강관 제조 특성 결정부 (73) 는, 스텝 S6 을 거친 후, 스텝 S7 에 있어서, 스텝 S5 에서 재차 예측된 도장 강관의 가압 굽힘시의 압궤 강도 (예측값) 와, 스텝 S2 에서 판독 입력된, 요구되는 목표의 도장 강관의 가압 굽힘시의 압궤 강도 (목표값) 의 차이가 소정의 임계값 이내인지의 여부를 판정한다. 그리고, 그 판정 결과가 YES 가 될 때까지 스텝 S10, 스텝 S5, 스텝 S6, 및 스텝 S7 의 일련의 스텝을 반복 실행한다.

한편, 스텝 S7 에 있어서의 판정 결과가 YES 일 때 (예측값과 목표값의 차이가 소정의 임계값 이내로 판정된 경우) 는, 스텝 S8 로 이행한다. 스텝 S8 에서는, 강관 제조 특성 결정부 (73) 는, 예측값과 목표값의 차이가 소정의 임계값 이내로 판정되었을 때의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성을 강관 제조 특성으로서 결정한다.

이 스텝 S6, 스텝 S7, 스텝 S10, 스텝 S5, 스텝 S6, 스텝 S7 및 스텝 S8 은, 본 발명의 일 실시형태에 관련된 강관의 제조 특성 결정 방법에 대응한다. 이 강관의 제조 특성 결정 방법은, 예측된 강관 성형 후에 도장하여 이루어지는 도장 강관의 가압 굽힘시의 압궤 강도가, 요구되는 목표의 도장 강관의 가압 굽힘시의 압궤 강도에 점근하도록, 강관 제조 특성에 포함되는 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형 중 적어도 하나를 축차 변경하여, 강관 제조 특성을 결정한다.

그리고, 스텝 S9 에 있어서, 강관 제조 특성 연산부 (7) 의 결과 출력부 (74) 는, 스텝 S6 에 있어서의 판정 결과가 YES 일 때 (강관 제조 특성 결정 모드일 때) 는, 스텝 S8 에서 결정된 강관 제조 특성의 정보를 출력 장치 (10) 에 출력한다. 한편, 결과 출력부 (74) 는, 스텝 S6 에 있어서의 판정 결과가 NO 일 때 (강관 제조 특성 결정 모드가 아닐 때) 는, 스텝 S5 에서 예측된 강관 성형 후에 도장하여 이루어지는 도장 강관의 가압 굽힘시의 압궤 강도의 정보 (예측값) 를 출력 장치 (10) 에 출력한다.

이로써, 강관 제조 특성 연산부 (7) 의 처리가 종료된다.

이와 같이, 본 발명의 일 실시형태에 관련된 강관 압궤 강도 예측 모델의 생성 방법은, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하는 과거의 강관 제조 특성을 입력 데이터로 하고, 이 입력 데이터에 대한 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 출력 데이터로 한 복수의 학습용 데이터를 기계 학습시켜, 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 예측한다 (강관 압궤 강도 예측 모델 생성부 (6)).

이로써, 부설시의 굽힘 변형에 더하여, 강관 성형시의 조관 변형, 및 도장 조건을 고려하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 정밀도 높게 예측할 때의, 강관 압궤 강도 예측 모델을 적절히 생성할 수 있다.

또, 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 강관 압궤 강도 예측 모델의 생성시에, 도장 강관의 외압 굽힘시의 압궤 강도에 큰 영향을 주는 도장 조건도 고려하고 있으므로, 강관 압궤 강도 예측 모델의 정밀도도 보다 높게 할 수 있다.

또, 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 강관 압궤 강도 예측 모델의 생성시에, 도장 강관의 외압 굽힘시의 압궤 강도에 큰 영향을 주는 부설시의 굽힘 변형을 고려하고 있으므로, 강관 압궤 강도 예측 모델의 정밀도도 보다 높게 할 수 있다.

또, 본 발명의 일 실시형태에 관련된 강관의 압궤 강도 예측 방법은, 강관 압궤 강도 예측 모델의 생성 방법에 의해 생성된 강관 압궤 강도 예측 모델에, 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하는 강관 제조 특성을 입력하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 예측한다 (스텝 S1 ∼ 스텝 S5).

이로써, 부설시의 굽힘 변형에 더하여, 강관 성형시의 조관 변형, 및 도장 조건을 고려하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 정밀도 높게 예측한다.

또, 본 발명의 일 실시형태에 관련된 강관의 제조 특성 결정 방법은, 예측된 도장 강관의 외압 굽힘시의 압궤 강도가, 요구되는 목표의 도장 강관의 외압 굽힘시의 압궤 강도에 점근하도록, 강관 제조 특성에 포함되는 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형 중 적어도 하나를 축차 변경하여, 강관 제조 특성을 결정한다 (스텝 S6, 스텝 S7, 스텝 S10, 스텝 S5, 스텝 S6, 스텝 S7 및 스텝 S8).

이로써, 예측된 도장 강관의 외압 굽힘시의 압궤 강도가, 요구되는 목표의 도장 강관의 외압 굽힘시의 압궤 강도에 점근할 때의, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형으로 이루어지는 강관 제조 특성을 결정할 수 있다.

또, 도장 강관을 제조할 때에, 출력 장치 (10) 에서 출력된 스텝 S5 에서 예측된 도장 강관의 가압 굽힘시의 압궤 강도의 정보 (예측값) 를 성형 공정에서 성형된 도장 강관에 연결시킬 수 있다.

요컨대, 본 발명의 일 실시형태에 관련된 강관의 제조 방법은, 강관을 성형하고, 성형된 강관에 도장하여 도장 강관을 형성하는 도장 강관 형성 공정과, 강관의 압궤 강도 예측 방법 (스텝 S1 ∼ 스텝 S5) 에 의해, 도장 강관 형성 공정에서 형성된 도장 강관의 가압 굽힘시의 압궤 강도를 예측하는 압궤 강도 예측 공정과, 압궤 강도 예측 공정에 의해 예측된 도장 강관의 가압 굽힘시의 압궤 강도를 도장 강관 형성 공정에서 형성된 도장 강관에 연결시키는 성능 예측값 부여 공정을 구비하고 있어도 된다.

여기서, 성능 예측값 부여 공정에 있어서의 예측된 도장 강관의 가압 굽힘시의 압궤 강도의 도장 강관으로의 연결은, 예를 들어, 도장 강관에 예측된 도장 강관의 가압 굽힘시의 압궤 강도 (예측값) 를 마킹에 의해 부여하거나, 도장 강관에 예측된 도장 강관의 가압 굽힘시의 압궤 강도 (예측값) 를 기재한 표를 첩부 (貼付) 하는 것 등에 의해 달성된다.

이로써, 도장 강관을 취급하는 사람은, 당해 도장 강관의 가압 굽힘시의 압궤 강도 (예측값) 를 파악할 수 있다.

또, 도장 강관을 제조할 때에, 출력 장치 (10) 에서 출력된 스텝 S8 에서 결정된 최적의 강관 제조 특성의 정보에 기초하여 도장 강관의 제조 조건 (조관 방법의 선택, 조관시의 굽힘률, 조관시의 변형량, 도장시의 승온 속도, 도장시의 최고 도달 온도, 도장시의 최고 도달 온도 유지 시간, 도장시의 최고 도달 온도 유지 시간 경과 후의 냉각 속도 등) 을 결정하고, 그 결정된 도장 강관의 제조 조건으로 도장 강관을 제조하도록 해도 된다.

요컨대, 본 발명의 일 실시형태에 관련된 강관의 제조 방법은, 도장 강관의 제조 특성 결정 방법 (스텝 S6, 스텝 S7, 스텝 S10, 스텝 S5, 스텝 S6, 스텝 S7 및 스텝 S8) 에 의해 결정된 최적의 강관 제조 특성에 기초하여 도장 강관의 제조 조건을 결정하고, 그 결정된 도장 강관의 제조 조건으로 도장 강관을 제조하도록 해도 된다.

이로써, 제조된 도장 강관이, 결정된 최적의 강관 제조 특성을 만족하고, 그 결과, 예측되는 도장 강관의 가압 굽힘시의 압궤 강도 (예측값) 가 요구되는 목표의 도장 강관의 가압 굽힘시의 압궤 강도에 점근한 것이 되고, 내압궤 성능이 우수한 도장 강관이 되어, 구조물의 손상이나 손괴 사고를 회피할 수 있다.

이상, 본 발명의 실시형태에 대해 설명해 왔지만, 본 발명은 이에 한정되지 않고 각종 변경, 개량을 실시할 수 있다.

예를 들어, 강관 압궤 강도 예측 모델의 생성 방법에 있어서, 강관 압궤 강도 예측 모델을 생성할 때에, 입력 데이터가 되는 과거의 강관 제조 특성은, 과거의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하면 되고, 그것들 이외의 과거의 강관 제조 특성, 예를 들어, 과거의 강관 성형 전의 강판의 강도 특성을 포함하고 있어도 된다.

또, 강관 압궤 강도 예측 모델의 생성 방법에 있어서, 강관 압궤 강도 예측 모델을 생성할 때에, 입력 데이터가 되는 과거의 강관 성형 후의 강관 형상은, 강관의 최대 외경 Dmax (㎜), 강관의 최소 외경 Dmin (㎜), 강관의 평균 외경 Dave (㎜), 강관의 평균 관판 두께 t (㎜), 및 강관의 외경 형상의 진원도 (Ovality) fO (％) 에 한정되지 않는다.

또, 강관 압궤 강도 예측 모델의 생성 방법에 있어서, 강관 압궤 강도 예측 모델을 생성할 때에, 입력 데이터가 되는 강관 성형 후의 강관 강도 특성은, 강관의 영률 E (GPa), 강관의 푸아송비 μ (-), 강관의 인장 강도 YS (㎫), 강관의 압축 강도 0.23 ％ YS (0.23 ％ 변형에 대응하는 응력), 및 강관의 압축 강도 0.5 ％ YS (0.5 ％ 변형에 대응하는 응력) 에 한정되지 않는다.

또, 강관의 압궤 강도 예측 방법에 있어서, 강관 압궤 강도 예측 모델에, 예측 대상의 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 입력하도록 되어 있다. 그러나, 강관 제조 특성은, 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하면 되고, 그것들 이외의 강관 제조 특성, 예를 들어, 강관 성형 전의 강판의 강도 특성을 입력하도록 해도 된다.

또, 강관의 압궤 강도 예측 방법에 있어서, 강관 압궤 강도 예측 모델에 입력되는 강관 성형 후의 강관 형상은, 강관의 최대 외경 Dmax (㎜), 강관의 최소 외경 Dmin (㎜), 강관의 평균 외경 Dave (㎜), 강관의 평균 관판 두께 t (㎜), 및 강관의 외경 형상의 진원도 (Ovality) fO (％) 에 한정되지 않는다.

또, 강관의 압궤 강도 예측 방법에 있어서, 강관 압궤 강도 예측 모델에 입력되는 강관 성형 후의 강관 강도 특성은, 강관의 영률 E (GPa), 강관의 푸아송비 μ (-), 강관의 인장 강도 YS (㎫), 강관의 압축 강도 0.23 ％ YS (0.23 ％ 변형에 대응하는 응력), 및 강관의 압축 강도 0.5 ％ YS (0.5 ％ 변형에 대응하는 응력) 에 한정되지 않는다.

또, 기계 학습의 수법은 뉴럴 네트워크로 되어 있지만, 뉴럴 네트워크에 의한 학습에 한정되지 않고, 결정목 학습, 로지스틱 회귀, K 근사법, 서포트 벡터 머신 회귀, Q 학습, SARSA 법 등 각종 지도 학습, 자율 학습, 강화 학습 등 적용 가능하다.

실시예

본 발명의 효과를 검증하기 위하여, 표 2 에 나타내는 조건에서 도장 강관의 가압 굽힘시의 압궤 강도를 예측하였다.

실시예 1 ∼ 2 에서는, 다음의 복수의 학습용 데이터를 기계 학습시켜 강관 압궤 강도 예측 모델을 생성하였다. 각 학습용 데이터는, 과거의 강관 성형 후의 강관 형상 (강관의 최대 외경 Dmax (㎜), 강관의 최소 외경 Dmin (㎜), 강관의 평균 외경 Dave (㎜), 강관의 평균 관판 두께 t (㎜), 및 강관의 외경 형상의 진원도 (Ovality) fO (％)), 과거의 강관 성형 후의 강관 강도 특성 (강관의 영률 E (GPa), 강관의 푸아송비 μ (-), 강관의 인장 강도 YS (㎫), 강관의 압축 강도 0.23 ％ YS (0.23 ％ 변형에 대응하는 응력), 및 강관의 압축 강도 0.5 ％ YS (0.5 ％ 변형에 대응하는 응력)), 강관 성형시의 조관 변형 (강관 성형시에 있어서의 인장 변형 (％)), 도장 조건 (최고 온도 (℃) 및 유지 시간 (min)) 및 부설시의 굽힘 변형 (％) 을 입력 데이터로 하고, 이 입력 데이터에 대한 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도 (㎫) 를 출력 데이터로 한 것이다.

그리고, 실시예 1 에서는, 생성된 강관 압궤 강도 예측 모델에, 표 1 에 나타내는 공시재 1 의 강관 성형 후의 강관 형상 (강관의 최대 외경 Dmax (㎜), 강관의 최소 외경 Dmin (㎜), 강관의 평균 외경 Dave (㎜), 강관의 평균 관판 두께 t (㎜), 및 강관의 외경 형상의 진원도 (Ovality) fO (％)), 강관 성형 후의 강관 강도 특성 (강관의 영률 E (GPa), 강관의 푸아송비 μ (-), 강관의 인장 강도 YS (㎫), 강관의 압축 강도 0.23 ％ YS (0.23 ％ 변형에 대응하는 응력), 및 강관의 압축 강도 0.5 ％ YS (0.5 ％ 변형에 대응하는 응력)), 강관 성형시의 조관 변형 (강관 성형시에 있어서의 인장 변형 (％)), 도장 조건 (최고 온도 (℃) 및 유지 시간 (min)), 및 부설시의 굽힘 변형 (％) 을 입력하여, 강관 성형 후의 외압 굽힘시의 압궤 강도를 예측하였다.

또, 실시예 2 에서는, 생성된 강관 압궤 강도 예측 모델에, 표 1 에 나타내는 공시재 2 의 강관 성형 후의 강관 형상 (강관의 최대 외경 Dmax (㎜), 강관의 최소 외경 Dmin (㎜), 강관의 평균 외경 Dave (㎜), 강관의 평균 관판 두께 t (㎜), 및 강관의 외경 형상의 진원도 (Ovality) fO (％)), 강관 성형 후의 강관 강도 특성 (강관의 영률 E (GPa), 강관의 푸아송비 μ (-), 강관의 인장 강도 YS (㎫), 강관의 압축 강도 0.23 ％ YS (0.23 ％ 변형에 대응하는 응력), 및 강관의 압축 강도 0.5 ％ YS (0.5 ％ 변형에 대응하는 응력)), 강관 성형시의 조관 변형 (강관 성형시에 있어서의 인장 변형 (％)), 도장 조건 (최고 온도 (℃) 및 유지 시간 (min)), 및 부설시의 굽힘 변형 (％) 을 입력하여, 강관 성형 후의 외압 굽힘시의 압궤 강도를 예측하였다.

또, 실시예 1 에서는, 표 1 에 나타내는 공시재 1 의 실제의 외압 굽힘시의 압궤 강도를 실측하였다 (실관 시험 결과).

또, 실시예 2 에서는, 표 1 에 나타내는 공시재 2 의 실제의 외압 굽힘시의 압궤 강도를 실측하였다 (실관 시험 결과).

또, 비교예 1 에서는, 비특허문헌 1 에서 나타낸 예측식에, 표 1 에 나타내는 공시재 1 의 강관 성형 후의 강관 형상 (강관의 최대 외경 Dmax (㎜), 강관의 최소 외경 Dmin (㎜), 강관의 평균 외경 Dave (㎜), 강관의 평균 관판 두께 t (㎜), 및 강관의 외경 형상의 진원도 (Ovality) fO (％)), 강관 성형 후의 강관 강도 특성 (강관의 영률 E (GPa), 강관의 푸아송비 μ (-), 및 강관의 인장 강도 YS (㎫)), 및 부설시의 굽힘 변형 (％) 을 입력하여, 도장 강관의 강관 성형 후의 굽힘 가공시에 있어서의 압궤 강도를 예측하였다.

또, 비교예 2 에서는, 비특허문헌 1 에서 나타낸 예측식에, 표 1 에 나타내는 공시재 2 의 강관 성형 후의 강관 형상 (강관의 최대 외경 Dmax (㎜), 강관의 최소 외경 Dmin (㎜), 강관의 평균 외경 Dave (㎜), 강관의 평균 관판 두께 t (㎜), 및 강관의 외경 형상의 진원도 (Ovality) fO (％)), 및 강관 성형 후의 강관 강도 특성 (강관의 영률 E (GPa), 강관의 푸아송비 μ (-), 및 강관의 인장 강도 YS (㎫)), 및 부설시의 굽힘 변형 (％) 을 입력하여, 도장 강관의 강관 성형 후의 굽힘 가공시에 있어서의 압궤 강도를 예측하였다.

또, 비교예 1 에서는, 표 1 에 나타내는 공시재 1 의 실제의 외압 굽힘시의 압궤 강도를 실측하였다 (실관 시험 결과).

또, 비교예 2 에서는, 표 1 에 나타내는 공시재 2 의 실제의 외압 굽힘시의 압궤 강도를 실측하였다 (실관 시험 결과).

실시예 1 ∼ 2 및 비교예 1 ∼ 2 에 있어서의 실관 시험 결과의 판정 기준은 동일하고, 실험에서 얻어진 실제의 압궤 강도와 규격 기준값의 차이를 평가하여, 실제의 압궤 강도가 규격 기준값을 하회한 것을 NG, 실제의 압궤 강도가 규격 기준값보다 10 ％ 미만의 범위에서 상회한 것을 C, 실제의 압궤 강도가 규격 기준값보다 10 ％ 이상 또한 20 ％ 미만의 범위에서 상회한 것을 B, 실제의 압궤 강도가 규격 기준값보다 20 ％ 이상 상회한 것을 A 로 하였다.

그 결과, 실시예 1 에서는, 도장 강관의 실제의 외압 굽힘시의 압궤 강도 (실관 시험 결과) 가 규격 기준값 (소정 규격값) 을 20 ％ 이상 상회하여 판정 결과는 A 이고, 또, 강관 압궤 강도 예측 모델을 사용한 도장 강관의 외압 굽힘시의 압궤 강도의 예측값도 규격 기준값 (소정 규격값) 을 20 ％ 이상 상회하여 판정 결과는 A 로, 실험 평가와 예측 결과가 일치하였다.

또, 실시예 2 에서는, 도장 강관의 실제의 외압 굽힘시의 압궤 강도 (실관 시험 결과) 가 규격 기준값 (소정 규격값) 을 10 ％ 이상 또한 20 ％ 미만의 범위에서 상회하여 판정 결과는 B 이고, 강관 압궤 강도 예측 모델을 사용한 도장 강관의 외압 굽힘시의 압궤 강도의 예측값도 규격 기준값 (소정 규격값) 을 10 ％ 이상 또한 20 ％ 미만의 범위에서 상회하여 판정 결과는 B 로, 실험 평가와 예측 결과가 일치하였다.

한편, 비교예 1 에서는, 도장 강관의 실제의 외압 굽힘시의 압궤 강도 (실관 시험 결과) 가 규격 기준값 (소정 규격값) 을 20 ％ 이상 상회하여 판정 결과는 A 였지만, 비특허문헌 1 에서 나타낸 예측식을 사용한 도장 강관의 외압 굽힘시의 압궤 강도의 예측값은 규격 기준값 (소정 규격값) 을 10 ％ 미만의 범위에서 상회하여 판정 결과는 C 로, 실험 평가와 예측 결과가 불일치였다.

또, 비교예 2 에서는, 도장 강관의 실제의 외압 굽힘시의 압궤 강도 (실관 시험 결과) 가 규격 기준값 (소정 규격값) 을 10 ％ 이상 또한 20 ％ 미만의 범위에서 상회하여 판정 결과는 B 였지만, 비특허문헌 1 에서 나타낸 예측식을 사용한 도장 강관의 외압 굽힘시의 압궤 강도의 예측값은 규격 기준값 (소정 규격값) 을 10 ％ 미만의 범위에서 상회하여 판정 결과는 C 로, 실험 평가와 예측 결과가 불일치였다.

이로써, 실시예 1 ∼ 2 에서 설명한 바와 같이, 본 발명에서는, 도장 강관의 가압 굽힘시의 압궤 강도의 예측값과도 실험 결과와 일치하여, 예측 정밀도가 높은 것이 확인되었다.

1 : 강관 제조 특성 결정 장치
2 : 연산 장치
3 : RAM
4 : ROM
5 : 연산 처리부
6 : 강관 압궤 강도 예측 모델 생성부
7 : 강관 제조 특성 연산부
8 : 입력 장치
9 : 기억 장치
10 : 출력 장치
11 : 버스
41 : 강관 압궤 강도 예측 모델 생성 프로그램
42 : 강관 제조 특성 연산 프로그램
61 : 학습용 데이터 취득부
62 : 전처리부
63 : 모델 생성부
64 : 결과 보존부
71 : 정보 판독부
72 : 압궤 강도 예측부
73 : 강관 제조 특성 결정부
74 : 결과 출력부
101 : 입력층
102 : 중간층
103 : 출력층

Claims

강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하는 과거의 강관 제조 특성을 입력 데이터로 하고, 이 입력 데이터에 대한 과거의 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 출력 데이터로 한 복수의 학습용 데이터를 기계 학습시켜, 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 강관 압궤 강도 예측 모델을 생성하는 것을 특징으로 하는 강관 압궤 강도 예측 모델의 생성 방법.
제 1 항에 있어서,
상기 기계 학습의 수법은 뉴럴 네트워크이고, 상기 강관 압궤 강도 예측 모델은, 뉴럴 네트워크에 의해 구축된 예측 모델인 것을 특징으로 하는 강관 압궤 강도 예측 모델의 생성 방법.
제 1 항 또는 제 2 항에 기재된 강관 압궤 강도 예측 모델의 생성 방법에 의해 생성된 강관 압궤 강도 예측 모델에, 예측 대상이 되는 도장 강관의 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형을 포함하는 강관 제조 특성을 입력하여 강관 성형 후에 도장하여 이루어지는 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 것을 특징으로 하는 강관의 압궤 강도 예측 방법.
제 3 항에 기재된 강관의 압궤 강도 예측 방법에 의해 예측된 도장 강관의 외압 굽힘시의 압궤 강도가, 요구되는 목표의 도장 강관의 외압 굽힘시의 압궤 강도에 점근하도록, 강관 제조 특성에 포함되는 강관 성형 후의 강관 형상, 강관 성형 후의 강관 강도 특성, 강관 성형시의 조관 변형, 도장 조건, 및 부설시의 굽힘 변형 중 적어도 하나를 축차 변경하여, 강관 제조 특성을 결정하는 것을 특징으로 하는 강관의 제조 특성 결정 방법.
강관을 성형하고, 성형된 강관에 도장하여 도장 강관을 형성하는 도장 강관 형성 공정과, 제 3 항에 기재된 강관의 압궤 강도 예측 방법에 의해, 상기 도장 강관 형성 공정에서 형성된 도장 강관의 외압 굽힘시의 압궤 강도를 예측하는 압궤 강도 예측 공정과, 그 압궤 강도 예측 공정에 의해 예측된 도장 강관의 외압 굽힘시의 압궤 강도를 상기 도장 강관 형성 공정에서 형성된 도장 강관에 연결시키는 성능 예측값 부여 공정을 구비하는 것을 특징으로 하는 강관의 제조 방법.
제 4 항에 기재된 강관의 제조 특성 결정 방법에 의해 결정된 강관 제조 특성에 기초하여 도장 강관의 제조 조건을 결정하고, 그 결정된 도장 강관의 제조 조건으로 도장 강관을 제조하는 것을 특징으로 하는 강관의 제조 방법.