WO2021167362A1 - 공정 제어 시스템 및 그 동작 방법 - Google Patents

공정 제어 시스템 및 그 동작 방법 Download PDF

Info

Publication number
WO2021167362A1
WO2021167362A1 PCT/KR2021/002056 KR2021002056W WO2021167362A1 WO 2021167362 A1 WO2021167362 A1 WO 2021167362A1 KR 2021002056 W KR2021002056 W KR 2021002056W WO 2021167362 A1 WO2021167362 A1 WO 2021167362A1
Authority
WO
WIPO (PCT)
Prior art keywords
thickness
internal defect
defect layer
module
carbon steel
Prior art date
Application number
PCT/KR2021/002056
Other languages
English (en)
French (fr)
Inventor
박경수
이중형
김천규
박형국
김득중
Original Assignee
주식회사 포스코
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 포스코 filed Critical 주식회사 포스코
Priority to EP21756800.5A priority Critical patent/EP4108806A4/en
Priority to US17/799,839 priority patent/US20230160071A1/en
Priority to JP2022549295A priority patent/JP7448673B2/ja
Priority to CN202180015231.8A priority patent/CN115135805A/zh
Publication of WO2021167362A1 publication Critical patent/WO2021167362A1/ko
Priority to JP2024029478A priority patent/JP2024069272A/ja

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23F—NON-MECHANICAL REMOVAL OF METALLIC MATERIAL FROM SURFACE; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL; MULTI-STEP PROCESSES FOR SURFACE TREATMENT OF METALLIC MATERIAL INVOLVING AT LEAST ONE PROCESS PROVIDED FOR IN CLASS C23 AND AT LEAST ONE PROCESS COVERED BY SUBCLASS C21D OR C22F OR CLASS C25
    • C23F1/00—Etching metallic material by chemical means
    • C23F1/08—Apparatus, e.g. for photomechanical printing surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G01B21/08—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23F—NON-MECHANICAL REMOVAL OF METALLIC MATERIAL FROM SURFACE; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL; MULTI-STEP PROCESSES FOR SURFACE TREATMENT OF METALLIC MATERIAL INVOLVING AT LEAST ONE PROCESS PROVIDED FOR IN CLASS C23 AND AT LEAST ONE PROCESS COVERED BY SUBCLASS C21D OR C22F OR CLASS C25
    • C23F1/00—Etching metallic material by chemical means
    • C23F1/10—Etching compositions
    • C23F1/14—Aqueous compositions
    • C23F1/16—Acidic compositions
    • C23F1/28—Acidic compositions for etching iron group metals
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23G—CLEANING OR DE-GREASING OF METALLIC MATERIAL BY CHEMICAL METHODS OTHER THAN ELECTROLYSIS
    • C23G1/00—Cleaning or pickling metallic material with solutions or molten salts
    • C23G1/02—Cleaning or pickling metallic material with solutions or molten salts with acid solutions
    • C23G1/08—Iron or steel
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23G—CLEANING OR DE-GREASING OF METALLIC MATERIAL BY CHEMICAL METHODS OTHER THAN ELECTROLYSIS
    • C23G3/00—Apparatus for cleaning or pickling metallic material
    • C23G3/02—Apparatus for cleaning or pickling metallic material for cleaning wires, strips, filaments continuously
    • C23G3/025—Details of the apparatus, e.g. linings or sealing means
    • 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]
    • G05B19/41875—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] characterised by quality surveillance of production
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32193—Ann, neural base quality management
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32194—Quality prediction
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32217—Finish defect surfaces on workpiece
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37398—Thickness
    • 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]

Definitions

  • the present invention relates to a process control system for controlling a process of removing an internal defect layer included in a carbon steel product and an operating method thereof.
  • Bearing shells for automobiles produced using carbon steel products can receive continuous and repeated loads on the surface. Therefore, strict surface quality is required for carbon steel products used in the production of bearing shells and the like.
  • the etching process may be a process of removing an internal defect layer by bringing an etching solution into contact with the carbon steel product.
  • One of the problems to be achieved by the technical idea of the present invention is a process control system capable of improving the efficiency and productivity of the etching process by controlling the etching process according to the thickness of the internal defect layer included in the carbon steel product, and an operating method thereof is intended to provide.
  • the process control system receives the thickness information of the internal defect layer from the first system through the first system and the network for generating the thickness information of the internal defect layer included in the carbon steel product, , a second system for controlling an etching process for removing at least a portion of the internal defect layer from the carbon steel product by using the thickness information of the internal defect layer, wherein the first system includes the second system using the etching process provides the second system with a calculation module necessary for controlling
  • a process control system includes a storage for storing control data necessary for controlling an etching apparatus for removing at least a portion of an internal defect layer included in a carbon steel product, and the etching apparatus based on the control data and a processor for controlling The thicknesses of the internal defect layers are different from each other, and the control data includes a first feed rate at which the first region passes through the etching device and a second feed rate at which the second region passes through the etching device, and The first feed rate and the second feed rate are different from each other.
  • the process control system stores a calculation module for generating thickness information of an internal defect layer included in the carbon steel product based on at least one of a component, a cooling rate, a phase fraction, and a temperature of the carbon steel product. storage, a communication unit connected to a network, and an external server that controls an etching process for removing at least a portion of the internal defect layer through the communication unit, a control for controlling the thickness information of the internal defect layer and the etching process and a processor for transmitting at least one of the data.
  • the thickness of the residual internal defect layer included in the pickled carbon steel product on which the etching process is completed is measured, and control data for controlling the etching process using the measured thickness of the residual internal defect layer is obtained.
  • the etching process may be performed based on the optimized control data.
  • FIG. 1 is a view for explaining a manufacturing process of a hot-rolled steel sheet according to an embodiment of the present invention.
  • FIG. 2 is a view simply showing a hot-rolled steel sheet according to an embodiment of the present invention.
  • FIG. 3 is a block diagram illustrating a process control system according to an embodiment of the present invention.
  • FIG. 4 is a block diagram simply illustrating a process control system according to an embodiment of the present invention.
  • FIG. 5 is a diagram for explaining an initial learning method of an operation module included in a process control system according to an embodiment of the present invention.
  • FIG. 6 is a view for explaining a learning model included in the process control system according to an embodiment of the present invention.
  • FIG. 7 is a view for explaining a method of operating a process control system according to an embodiment of the present invention.
  • FIG. 8 is a flowchart illustrating a method of operating a process control system according to an embodiment of the present invention.
  • FIG. 9 is a block diagram simply illustrating a process control system according to an embodiment of the present invention.
  • FIG. 10 is a view for explaining a method of operating a process control system according to an embodiment of the present invention.
  • FIG. 11 is a view for explaining a learning method of an operation module included in a process control system according to an embodiment of the present invention.
  • FIG. 12 is a view for explaining an etching process according to an embodiment of the present invention.
  • FIG. 13 is a graph provided to explain an etching process according to an embodiment of the present invention.
  • FIG. 14 is a diagram for explaining an initial learning method of an operation module included in a process control system according to an embodiment of the present invention.
  • 15 is a diagram for explaining a learning method of an operation module included in a process control system according to an embodiment of the present invention.
  • 16 is a flowchart illustrating a method of operating a process control system according to an embodiment of the present invention.
  • 17 is a view for explaining a method of operating a process control system according to an embodiment of the present invention.
  • carbon steel products are products containing 0.01% to 2.0% carbon as an alloy of iron and carbon, and representatively, may include hot-rolled products, thick plate products, wire rod products, and the like.
  • the hot-rolled product may be a hot-rolled coil wound in a coil form by hot-rolling a slab, or a hot-rolled steel sheet made by cutting into a sheet form, and may have a thickness of 1 mm to 25 mm.
  • the thick plate product may be a product made in the form of a plate by hot rolling a slab, and may have a thickness of 4 mm to 200 mm.
  • the wire rod product may be a coil-shaped product having a circular cross-section by co-rolling a billet in a hot state, and may have a cross-sectional diameter of 3 mm to 100 mm.
  • the process control system of the present invention can produce a pickled carbon steel product (hereinafter referred to as a 'pickled carbon steel product') by controlling the feed rate of the carbon steel product while the etching process for the carbon steel product is in progress.
  • the surface quality can be improved.
  • the technical idea of the present invention will be described focusing on a hot-rolled steel sheet or a hot-rolled coil in which the hot-rolled steel sheet is wound in the form of a coil.
  • the technical spirit of the present invention is not limited to a hot-rolled steel sheet or a hot-rolled coil, and may be applied to all carbon steel products within a range easily understood by those skilled in the art.
  • FIG. 1 is a view for explaining a manufacturing process of a hot rolled steel sheet according to an embodiment of the present invention.
  • FIG. 1 may be a view simply showing a hot-rolled steel sheet production apparatus for producing a hot-rolled steel sheet, cooling and winding the hot-rolled steel sheet to produce a hot-rolled coil.
  • a hot rolling process of rolling a slab heated in a heating furnace to a predetermined thickness using a roughing mill and a finishing mill (or a finishing mill) may be performed.
  • the hot-rolled steel sheet (strip) produced through the hot rolling process may be transferred to a cooling zone of a run-out table (ROT) cooling zone.
  • the hot-rolled steel sheet may be cooled by cooling water sprayed from the ROT cooling zone, and the cooling temperature and cooling time may be determined according to the quality required for the hot-rolled steel sheet.
  • ROT run-out table
  • the hot-rolled steel sheet may be wound in a coil form in a winder for convenience of storage and/or movement.
  • Hot-rolled coil HC, Hot Coil
  • a hot-rolled steel sheet is wound in the form of a coil, is placed in a yard and air-cooled before shipment .
  • the manufacturing process of the hot-rolled steel sheet described with reference to FIG. 1 and the etching process for removing the internal defect layer of the hot-rolled steel sheet may be performed by different entities.
  • the manufacturing process of the hot-rolled steel sheet and the etching process for removing the internal defect layer of the hot-rolled steel sheet may be performed by one subject.
  • FIG. 2 is a view simply showing a hot-rolled steel sheet according to an embodiment of the present invention.
  • the hot-rolled steel sheet may be divided into a plurality of regions along the longitudinal direction (X-axis direction).
  • the hot-rolled steel sheet may include a region A, a region B, a region C, and the like, which are sequentially arranged along the longitudinal direction.
  • the region A may be a region wound up first in the hot-rolled steel sheet
  • region C may be a region wound up last in the hot-rolled steel sheet
  • Region B may be a region located between region A and region C in the longitudinal direction.
  • the hot rolled steel sheet may include surface defects.
  • the surface defect may include at least one of scale and an internal defect layer. Scale develops during the rolling process and can exist on the surface of the material.
  • the internal defect layer may be included below the surface of the material, that is, within the material, and may be defined as meaning an internal oxide layer and/or a decarburization layer.
  • components such as chromium (Cr), manganese (Mn), silicon (Si), zinc (Zn), magnesium (Mg), and aluminum (Al), which have higher oxygen affinity than iron (Fe), are oxidized in the base material.
  • the decarburization layer may occur in the process of combining carbon in steel with oxygen in the atmosphere and scale and then discharging into the atmosphere in the form of gas.
  • the thickness of the internal defect may vary depending on the composition of the hot-rolled steel sheet, the temperature when the hot-rolled steel sheet is wound with a hot-rolled coil (HC), the cooling time after winding, and the width, thickness, and length of the hot-rolled steel sheet.
  • Internal defects, such as internal defect layers, may be a factor that reduces durability of products produced using hot-rolled steel sheets.
  • the temperature of the wound hot-rolled coil HC may be about 500 to 700° C., and the wound hot-rolled coil HC may be cooled by air cooling in a state exposed to air.
  • the regions A and C exposed to the outside may be cooled relatively quickly, whereas the regions B not exposed to the outside may be cooled relatively slowly.
  • the thickness of the internal defect layer included in the region B of the hot-rolled steel sheet may be greater than the thickness of the internal defect layer included in each of the regions A and C of the hot-rolled steel sheet.
  • the thickness of the internal defect layer included in the region A and/or region C may be less than a predetermined reference thickness, and the thickness of the internal defect layer included in the region B may be greater than the reference thickness.
  • the thickness of the internal defect layer may vary according to regions. For example, regions adjacent to the edge of the hot-rolled steel sheet in the width direction may be cooled relatively quickly, and a difference in the thickness of the internal defect layer according to the cooling rate may appear in the width direction as well.
  • the etching process for removing at least a portion of the internal defect layer may be performed by contacting the hot-rolled steel sheet with an etching solution.
  • the etching process may be performed by transferring the hot-rolled steel sheet in a state in which the hot-rolled steel sheet is immersed in the etching solution accommodated in the etching tank.
  • the etching process may be performed by spraying an etching solution onto the surface of the hot-rolled steel sheet in the etching tank, or brushing the surface of the hot-rolled steel sheet with a brush wetted with the etching solution, or the like.
  • the etching process may be at least one of a pickling process, a dry etching process, and a wet etching process.
  • the etching process may be performed by sufficiently contacting the hot-rolled steel sheet with an etching solution regardless of an area of the hot-rolled steel sheet so that the internal defect layer included in the hot-rolled steel sheet can be sufficiently removed in the etching process.
  • the above method may lead to an increase in the time of the etching process and/or an etching solution input to the etching process, thereby reducing productivity.
  • the thickness of the internal defect layer included in the hot-rolled steel sheet is calculated and/or measured along the longitudinal direction of the hot-rolled steel sheet, and the etching process is controlled with optimum efficiency according to the thickness information of the internal defect layer. can do. Accordingly, productivity can be improved by shortening the etching process time and reducing the amount of the etching solution used. In addition, it is possible to reduce the thickness variation of the internal defect layer appearing for each region in the pickled steel sheet that has completed the etching process.
  • FIG. 3 is a block diagram illustrating a process control system according to an embodiment of the present invention.
  • the process control system 1 includes a first system SYS1 for generating thickness information of an internal defect layer included in a hot-rolled coil in which a hot-rolled steel sheet is wound in a coil form, and a first system
  • the second system SYS2 may include a second system SYS2 for controlling an etching process of removing at least a portion of the internal defect layer from the hot-rolled steel sheet from which the hot-rolled coil is unwound by using the thickness information of the internal defect layer received from SYS1).
  • the first system SYS1 may provide an operation module necessary for the second system SYS2 to control the etching process to the second system SYS2 .
  • the second system SYS2 may obtain information necessary for the first system SYS1 to update the operation module and provide it to the first system SYS1 .
  • the first system SYS1 and the second system SYS2 may communicate with each other through the network 30 .
  • the process control system 1 may be operated by a first subject performing a hot rolling process and a second subject performing an etching process.
  • the first subject may produce a hot rolled steel sheet and wind the hot rolled steel sheet to manufacture a hot rolled coil
  • the second subject may receive the hot rolled coil from the first subject and etching to remove the internal defect layer of the hot rolled steel sheet. process can proceed.
  • the first system SYS1 may be operated by the first entity and the second system SYS2 may be operated by the second entity.
  • the first system SYS1 and the second system SYS2 may be operated by one subject.
  • the network 30 may be an internal network of a subject operating both the first system SYS1 and the second system SYS2 .
  • the first system SYS1 may include the first server 10
  • the second system SYS2 may include the second server 20 .
  • the first server 10 and the second server 20 communicate through the network 30, and the second system SYS2 controls the etching apparatus 22 for removing at least a part of the internal defect layer of the hot-rolled steel sheet.
  • the network 30 may refer to a wired Internet network, a wireless Internet network, or a wireless local area network (WLAN) such as wireless fidelity (Wi-Fi).
  • the wired Internet network or the wireless Internet network includes the Internet TCP/IP protocol and various services existing in the upper layer, namely HTTP (HyperText Transfer Protocol), Telnet, FTP (File Transfer Protocol), DNS (Domain Name System). ), Simple Mail Transfer Protocol (SMTP), Simple Network Management Protocol (SNMP), Network File Service (NFS), Network Information Service (NIS), etc. may refer to an open computer network structure.
  • the first system SYS1 may generate thickness information of an internal defect layer of a hot-rolled steel sheet produced in a hot-rolling process.
  • the first system SYS1 may transmit the thickness information of the internal defect layer to the second system SYS2 through the network 30 .
  • the second system SYS2 may control the etching process performed by the etching apparatus 22 using the thickness information of the internal defect layer received through the network 30 .
  • the first system SYS1 may include a first server 10 , and the first server 10 may include a calculation module 11 and a learning model for learning the calculation module 11 .
  • thickness information of the internal defect layer may be generated by the calculation module 11 .
  • the first system SYS1 may generate thickness information by measuring the thickness of the internal defect layer of the hot-rolled steel sheet, or may generate the thickness information by calculating the thickness of the internal defect layer of the hot-rolled steel sheet.
  • the first system SYS1 calculates the thickness of the internal defect layer using at least one of the components of the hot-rolled steel sheet, the phase fraction of the hot-rolled steel sheet, and the temperature of the hot-rolled steel sheet, thereby generating the thickness information of the internal defect layer.
  • the thickness information of the internal defect layer may include a thickness of the internal defect layer included in the hot rolled steel sheet in each of a plurality of regions defined in the longitudinal direction of the hot rolled steel sheet. Accordingly, the thickness information of the internal defect layer may include a thickness distribution of the internal defect layer that appears along the longitudinal direction of the hot-rolled steel sheet.
  • information related to the thickness of the internal defect layer may be generated by the calculation module 11 .
  • the information about the thickness of the internal defect layer may refer to any type of information obtained by processing the thickness information of the internal defect layer so that the thickness information of the internal defect layer can be extracted.
  • the first system SYS1 transmits the thickness-related information of the internal defect layer to the second system SYS2 through the network 30
  • the second system SYS2 receives the internal defect layer through the network 30 .
  • the etching apparatus 22 extracts the thickness information of the internal bonding layer included in the thickness-related information of or calculates the thickness information of the internal defect layer from the thickness-related information, and uses the extracted or calculated thickness information of the internal defect layer. It is possible to control the etching process in progress.
  • the operation module 21 of the second system SYS2 may generate control data necessary for controlling the etching apparatus 22 .
  • the calculation module 21 may generate control data using the thickness information of the internal defect layer received from the first system SYS1 .
  • the control data includes, during the etching process, the speed at which the etching apparatus 22 transports the hot-rolled steel sheet, the concentration of the etching solution in contact with the hot-rolled steel sheet in the etching apparatus 22, the components of the etching solution, the temperature of the etching solution, and whether or not an accelerator is used. may include at least one of
  • the operation module 21 of the second system SYS2 may receive at least one of the operation modules 11 stored and managed by the first system SYS1 .
  • the first system SYS1 may provide a module necessary for controlling the etching apparatus 22 among the operation modules 11 to the second system SYS2 .
  • the first system SYS1 may learn a module necessary for controlling the etching apparatus 22 using the learning model 12 and then provide it to the second system SYS2 .
  • the first system SYS1 may provide the module to the second system SYS2 by a transmission method through the network 30 .
  • the module learned by the first system SYS1 may be provided to the second system SYS2 in such a way that the operator directly inputs and stores the module in the second system SYS2 .
  • the second system SYS2 may provide the first system SYS1 with information necessary for the first system SYS1 to update the operation module 11 .
  • the second system SYS2 is At least one of the control data measured in 22 ) may be provided to the first system SYS1 .
  • the first system SYS1 may update the calculation module 11 by using at least one of the control data and the thickness of the residual internal defect layer received from the second system SYS2 .
  • the calculation module 11 may be updated by the learning model 12 learning the calculation module 11 using at least one of the thickness of the residual internal defect layer and control data.
  • the first system SYS1 may transmit at least one of the updated calculation modules 11 to the second system SYS2 through the network 30 .
  • the second system SYS2 may use the calculation module 11 received from the first system SYS1 to update the stored calculation module 21 .
  • the second system SYS2 may overwrite the existing operation module 21 with the operation module received from the first system SYS1 .
  • the operation module 11 of the first system SYS1 may be a plurality of operation modules.
  • the calculation module 11 may include a calculation module for generating thickness information of an internal defect layer included in the hot-rolled steel sheet, and a calculation module for generating control data for controlling the etching apparatus 22 .
  • the first system SYS1 may transmit an operation module generating control data to the second system SYS2 .
  • the learning model 12 may optimize the computation module 11 .
  • the learning model 12 may include a plurality of learning models for learning a plurality of operation modules.
  • the learning model 12 may be optimized by learning the operation module 11 using at least one of the thickness of the residual internal defect layer received from the second system SYS2 and control data.
  • the learning model 12 is configured such that the thickness of the residual internal defect layer calculated by the calculation module 11 and the thickness of the residual internal defect layer received from the second system SYS2 match or have a difference.
  • the calculation module 11 may be trained to be less than or equal to a predetermined reference value.
  • the operation module 11 may be implemented as hardware such as a circuit, or may be implemented as software such as source code.
  • the operation module 11 may generate an output value by executing a predetermined operation using the input value.
  • the learning model 12 may train the operation module 11 by adjusting weights, coefficients, and the like of operations executed in the operation module 11 .
  • the second server 20 of the second system SYS2 may further include an additional operation module.
  • the additional arithmetic module may be a separate arithmetic module different from the arithmetic module 21 received from the first system SYS1 , and adjusts at least a portion of the control data output by the arithmetic module 21 to the etching apparatus 22 . can be entered.
  • the additional operation module may adjust at least a portion of the control data output by the operation module 21 in consideration of a mechanical error, an operation delay, etc. existing in the etching apparatus 22 and input it to the etching apparatus 22 . . Accordingly, when the additional operation module is included in the second server 20 , the control data output by the operation module 21 and the control data input to the etching apparatus 22 may be different from each other.
  • the additional operation module adjusts a scale unit of the control data so that the control data output from the operation module 21 can be applied to the etching apparatus 22 , or controls data in a data format that can be input to the etching apparatus 22 . can be converted
  • the operation module 21 may directly adjust a scale unit and a data format of the control data and output them to the etching apparatus 22 . In this case, the additional operation module may not be included in the second server 20 .
  • the calculation module 21 of the second system SYS2 may receive the thickness information of the internal defect layer from the first system SYS1 .
  • the thickness information may include the thickness of the internal defect layer calculated and/or measured by the first system SYS1 .
  • the second system SYS2 may determine control data for controlling the etching apparatus 22 using the thickness information.
  • the control data is a feed rate at which the etching apparatus 22 transports the hot-rolled steel sheet, the concentration of the etching solution in contact with the hot-rolled steel sheet in the etching apparatus 22, the temperature of the etching solution, the components of the etching solution, and the use of an accelerator. It may include presence or absence, etc.
  • the etching apparatus 22 may be automatically controlled by the control data output from the operation module 21 .
  • control data input to the etching apparatus 22 may optimize an etching process for each of a plurality of regions defined along the longitudinal direction of the hot-rolled steel sheet.
  • the transport speed of the hot-rolled steel sheet during the etching process for some regions close to the end of the hot-rolled steel sheet may be different from the transport speed of the hot-rolled steel sheet during the etching process for some other regions far from the end of the hot-rolled steel sheet.
  • the transport speed of the hot-rolled steel sheet in the etching process for some regions close to the end of the hot-rolled steel sheet may be faster than the transport speed of the hot-rolled steel sheet in the etching process for some other regions far from the end of the hot-rolled steel sheet.
  • scale present on the surface of the hot-rolled steel sheet may be removed together during the etching process.
  • Control data actually measured in may not match each other.
  • the transfer speed of the hot-rolled steel sheet among the control data input to the etching apparatus 22 is described as an example, the transfer speed of the hot-rolled steel sheet input by the arithmetic module 21 to the etching apparatus 22 and the etching apparatus 22 are hot-rolled The actual feed rate for feeding the steel sheet may not match.
  • the concentration of the etching solution and/or the temperature of the etching solution among the control data input to the etching apparatus 23 may be changed while the hot-rolled steel sheet and the etching solution are in contact.
  • the etching apparatus 22 may be controlled in consideration of a mechanical error and a signal delay.
  • the second system SYS2 operates an etching device during the etching process and the thickness of the residual internal defect layer included in the pickling steel sheet on which the etching process is completed.
  • Information such as control data measured in (22) may be acquired.
  • the second system SYS2 may transmit the acquired information to the first system SYS1 .
  • the learning model 12 of the first system SYS1 may learn at least one of the operation modules 11 using information transmitted from the second system SYS2 .
  • the first system SYS1 When the learning of the arithmetic module 11 is completed, the first system SYS1 generates control data for controlling at least one of the learning arithmetic modules 11 , for example, the etching apparatus 22 . may be transmitted to the second system SYS2.
  • the second system SYS2 may use the calculation module received from the first system SYS1 to update the previously stored calculation module 21 . Accordingly, the operation module 21 of the second system SYS2 may generate control data in consideration of a mechanical error and a signal delay, and may more accurately control the etching apparatus 22 .
  • the second system SYS2 may include a learning model.
  • the learning model included in the second system SYS2 may train the operation module 21 included in the second system SYS2 in a similar manner to the learning model 12 included in the first system SYS1. . This will be described later with reference to FIGS. 14 and 15 .
  • the second system SYS2 may directly calculate the thickness of the internal defect layer included in the hot-rolled steel sheet, and perform the etching process using this.
  • the second system SYS2 may receive information necessary for calculating the thickness of the internal defect layer from the first system SYS1 .
  • the first system SYS1 may collect information such as the cooling rate of the hot-rolled steel sheet, the components of the hot-rolled steel sheet, and ambient oxygen partial pressure while the hot-rolled steel sheet is being cooled, and transmit it to the second system SYS2 .
  • the calculation module 21 of the second system SYS2 may predict the thickness of the internal defect layer included in the hot-rolled steel sheet using the variables received from the first system SYS1 and control the etching apparatus 22 . .
  • the feed rate for transporting the hot-rolled steel sheet may be adjusted while the etching process is in progress by using the calculated thickness of the internal defect layer.
  • the hot-rolled steel sheet may be transferred at the first feed rate while the first region, where the thickness of the internal defect layer is expected to be relatively small, is in contact with the etching solution.
  • the hot-rolled steel sheet may be transported at a second transport rate slower than the first transport rate.
  • the operation of collecting information for predicting the internal defect layer of the hot-rolled steel sheet, the operation of calculating the internal defect layer, for controlling the etching apparatus 22 based on the calculated internal defect layer The operation of generating the control data, the operation of re-learning the operation modules 11 and 21 using the control data collected during the etching process by the etching apparatus 22, etc. are performed in the two different systems SYS1, It can be implemented by distributing it to SYS2). For example, the operations may be appropriately distributed and executed in the first system SYS1 and the second system SYS2 as needed. For example, by allocating the operations to the first system SYS1 and the second system SYS2 according to the performance of the first system SYS1 and the second system SYS2, the load ( load) can be efficiently managed, and the entire system 1 can be effectively operated.
  • the first system SYS1 processes most of the above operations, and the second system SYS2 1 It is possible to control the etching apparatus 22 by receiving the control data generated by the system SYS1.
  • the first system SYS1 generates thickness information indicating the thickness of the internal defect layer included in the hot-rolled steel sheet, and the second system SYS2 ) can generate control data using the thickness information of the internal defect layer.
  • the first system SYS1 collects information on the hot-rolled steel sheet necessary to calculate the thickness of the internal defect layer and collects the information of the second system. may be transmitted to SYS2 , and the second system SYS2 may calculate the thickness of the internal defect layer and generate control data to control the etching apparatus 22 .
  • the information of the hot-rolled steel sheet received from the first system SYS1 in order for the second system SYS2 to predict the thickness of the internal defect layer is information related to the phase fraction of the hot-rolled steel sheet, the temperature-related information of the hot-rolled steel sheet, and the composition of the hot-rolled steel sheet. information may be included.
  • the phase fraction-related information may refer to any form of information in which the phase fraction information is processed so that the phase fraction information can be extracted. may mean information of, and the component-related information of the hot-rolled steel sheet may refer to all types of information in which the component information is processed so that the component information can be extracted. Therefore, the second system SYS2 first calculates the phase fraction, temperature, component, etc. of the hot-rolled steel sheet using the information received from the first system SYS1, and then uses this to calculate the internal defect layer included in the hot-rolled steel sheet. thickness can be predicted.
  • FIG. 4 is a block diagram simply illustrating a process control system according to an embodiment of the present invention.
  • the process control system 40 may include a first server 41 and a hot-rolled steel sheet production apparatus 45 , and the first server 41 is a hot-rolled steel sheet.
  • the steel plate production apparatus 45 can be controlled and managed.
  • the hot-rolled steel sheet production apparatus 45 may be a device for producing a hot-rolled steel sheet by rolling a slab heated in a heating furnace, and cooling and winding the hot-rolled steel sheet.
  • the first server 41 may include a communication unit 42 , a storage 43 , a processor 44 , and the like.
  • the communication unit 42 may connect the first server 41 and the network to be able to communicate.
  • the storage 43 may store data necessary for the operation of the first server 41 and management of the hot-rolled steel sheet production apparatus 45 .
  • the processor 44 may control the communication unit 42 , the storage 43 , the hot-rolled steel sheet production apparatus 45 , and the like.
  • the storage 43 may store an operation module that executes a predetermined operation.
  • the calculation module may be linked with the hot-rolled steel sheet production apparatus 45 to generate thickness information of the internal defect layer included in the hot-rolled steel sheet using information obtained from the hot-rolled steel sheet production apparatus 45 .
  • the operation module may generate control data necessary for the communication unit 42 and an external system connected through a network to control the etching apparatus.
  • the etching apparatus may be an apparatus for removing at least a portion of internal defect layers included in the hot-rolled steel sheet produced by the hot-rolled steel sheet production apparatus 45 .
  • control data may include a feed rate at which the etching apparatus transports the hot-rolled steel sheet, a temperature and concentration of an etching solution in contact with the hot-rolled steel sheet in the etching apparatus, a component, and whether or not an accelerator is used.
  • the first region of the hot-rolled steel sheet has an internal defect layer of a first thickness
  • the second region has an internal defect layer of a second thickness different from the first thickness.
  • the control data includes a first feed rate at which the hot-rolled steel sheet is transferred in the etching process for the first region, and a second feed rate at which the hot-rolled steel sheet is transferred in the etching process for the second region, the first feed rate and the second feed rate
  • the feed rates can be different. For example, if the first thickness is greater than the second thickness, the first feed rate may be slower than the second feed rate. Accordingly, a sufficient etching process may be performed for a region having a relatively large thickness.
  • the storage 43 may store a learning model required for learning the calculation module.
  • the learning model is executed by the processor 44 , and the processor 44 may execute the learning model to optimize the calculation module.
  • the processor 44 may be implemented as a CPU, an AP, an SoC, or the like, and may control the storage 43 , the communication unit 42 , the hot-rolled steel sheet production apparatus 45 , and the like. For example, the processor 44 may transmit at least one of thickness information of the internal defect layer generated by the operation module stored in the storage 43 and control data required for the external system to control the etching apparatus, the external system can be sent to
  • the external system may directly generate control data for controlling the etching apparatus based on the thickness information of the internal defect layer.
  • the processor 44 may retrieve an operation module that generates control data using the thickness information of the internal defect layer from the storage 43 and transmit it to the external system.
  • the external system may control the etching apparatus using the received control data. If necessary, an additional operation such as converting the format of the control data may be executed in the external system. In this case, the processor 44 may not transmit the arithmetic module that generates control data by using the thickness information of the internal defect layer to the external system.
  • the calculation module stored in the storage 43 may include a first module for calculating the phase fraction before the hot-rolled steel sheet production apparatus 45 winds up the hot-rolled steel sheet.
  • the first module may calculate the phase fraction based on at least one of process conditions of the hot-rolled steel sheet, for example, a cooling rate of the hot-rolled steel sheet, a component of the hot-rolled steel sheet, and an initial temperature of the hot-rolled steel sheet.
  • the learning model of the storage 43 may learn the first module by comparing the phase fraction actually measured in the hot-rolled steel sheet with the phase fraction predicted by the first module through calculation.
  • the arithmetic module stored in the storage 43 may further include a second module for calculating a temperature change of the hot-rolled steel sheet.
  • the second module may predict the temperature change using at least one of the phase fraction calculated by the first module, the elapsed time after winding the hot-rolled steel sheet, and the components of the hot-rolled steel sheet.
  • the learning model may train the second module by comparing the temperature change calculated by the second module with the temperature change actually measured in the hot-rolled steel sheet.
  • the calculation module stored in the storage 43 may further include a third module for calculating the thickness of the internal defect layer included in the hot-rolled steel sheet.
  • the third module may calculate the thickness of the internal defect layer by using at least one of a temperature change calculated by the second module, a component of the hot-rolled steel sheet, and an oxygen partial pressure around the hot-rolled steel sheet.
  • the learning model may train the third module by comparing the thickness of the internal defect layer predicted by the third module through calculation with the thickness of the internal defect layer measured from the hot-rolled steel sheet.
  • the third module may calculate the thickness of the internal defect layer in each of the plurality of regions defined along the longitudinal direction of the hot-rolled steel sheet. In at least some of the regions, the thickness of the internal defect layer may be calculated differently.
  • the calculation module stored in the storage 43 may further include a fourth module for calculating the thickness of the internal defect layer to be removed in an etching process for removing at least a portion of the internal defect layer.
  • the fourth module may calculate the thickness of the internal defect layer removed in the etching process based on control data input to the etching apparatus to control the etching apparatus performing the etching process.
  • the learning model may learn the fourth module by comparing the thickness of the residual internal defect layer included in the pickling steel sheet on which the etching process is completed with the thickness of the internal defect layer predicted by the fourth module through calculation. For example, the learning model may compare the difference between the thickness of the internal defect layer calculated by the third module and the thickness of the internal defect layer calculated by the fourth module with the thickness of the residual internal defect layer included in the pickling steel sheet.
  • the first server 41 may receive the thickness of the residual internal defect layer measured by the external system for controlling the etching apparatus in the pickling steel sheet.
  • the operation module stored in the storage 43 may further include a fifth module that generates control data necessary for the external system to control the etching apparatus.
  • the control data generated by the fifth module includes at least one of a speed at which the etching apparatus transports the hot-rolled steel sheet, a concentration of an etching solution in contact with the hot-rolled steel sheet in the etching apparatus, a component of the etching solution, a temperature of the etching solution, and whether or not an accelerator is used. may include.
  • the first server 41 may receive control data from an external system that controls the etching apparatus.
  • the control data received by the first server 41 from the external system may be control data actually measured by the external system from the etching apparatus during the etching process.
  • the learning model may learn the fifth module by comparing the thickness of the internal defect layer calculated by the fourth module using the control data received from the external system with the thickness of the residual internal defect layer measured from the pickling steel sheet.
  • FIG. 5 is a diagram for explaining an initial learning method of an operation module included in a process control system according to an embodiment of the present invention.
  • the hot-rolled steel sheet internal defect layer thickness control system 100 may include a calculation module 110 and a learning model 120 .
  • the calculation module 110 may include a thickness information generation module 111 and a control data generation module 112 .
  • the calculation module 110 may include first to fifth modules M1-M5, and the thickness information generation module 111 includes first to third modules M1-M3.
  • the control data generating module 112 may include a fourth module M4 and a fifth module M5.
  • the first to fifth modules M1 to M5 may be implemented as hardware such as a circuit, or may be implemented as software such as source code.
  • the first to fifth modules M1-M5 when the first to fifth modules M1-M5 are implemented as software such as source code, the first to fifth modules M1-M5 calculate output data using input data. operation can be executed. The operation of each of the first to fifth modules M1-M5 may be determined and optimized by the learning model 120 .
  • the learning model 120 may include first to fourth learning models LM1-LM4 and a feedback learning model LMT.
  • the first learning model LM1 may be a model for initially learning the first module M1
  • the second learning model LM2 may be a model for initially learning the second module M2 .
  • the third learning model LM3 may be a model for initially learning the third module M3
  • the fourth learning model LM4 may be a model for initially learning the fourth module M4.
  • the feedback learning model LMT may be a model for learning at least one of the first to fifth modules M1-M5 after the etching process is completed. In an embodiment, the feedback learning model LMT may simultaneously train the first to fifth modules M1-M5.
  • the learning model 120 may learn the first to fifth modules M1-M5 using a deviation correction method or reinforcement learning.
  • the learning model 120 may learn the first to fifth modules M1-M5 by correcting the error between the externally input measurement value and the calculated value output from the module.
  • the learning model 120 may be a deep neural network (DNN), but is not necessarily limited to such an example.
  • DNN deep neural network
  • the first module M1 may calculate the phase fraction before winding the hot-rolled steel sheet.
  • the first learning model LM1 may receive the first process condition CD1 and the first phase fraction value EPF.
  • the first phase fraction value EPF may include a phase transformation fraction or amount of phase transformation actually measured under the first process condition CD1 .
  • the first process condition CD1 may include a cooling rate of the hot-rolled steel sheet, a temperature of the hot-rolled steel sheet, and components of the hot-rolled steel sheet.
  • the first learning model LM1 may input the first process condition CD1 to the first module M1 .
  • the first module M1 may calculate the second phase fraction value PPF obtained by calculating the phase fraction of the hot-rolled steel sheet using the first process condition CD1 .
  • the second phase fraction value PPF output by the first module M1 may be transmitted to the first learning model LM1 .
  • the first learning model LM1 may train the first module M1 by comparing the first phase fraction value EPF and the second phase fraction value PPF. For example, if the first phase fraction value EPF and the second phase fraction value PPF do not match, the first learning model LM1 receives the first process condition CD1 from the first module M1 and receives the image Weights, coefficients, and the like of the first operation for calculating the fraction may be adjusted.
  • the first learning model LM1 is configured such that the first phase fraction value EPF and the second phase fraction value PPF match, or the difference between the first phase fraction value EPF and the second phase fraction value PPF is The weight, coefficient, etc. of the first operation of the first module M1 may be adjusted to be less than or equal to a predetermined value.
  • the second learning model LM2 may receive the second process condition CD2 , the environmental condition FV indicating the surrounding environment, and the first temperature value ET measured from the hot-rolled steel sheet.
  • the second process condition CD2 may include a time point at which the temperature of the hot-rolled steel sheet is measured after winding, and components of the hot-rolled steel sheet.
  • the environmental condition (FV) may include a value expressing the surrounding environment that affects the rate at which the hot-rolled steel sheet is cooled after winding.
  • the first temperature value ET may include a value actually measured at the temperature of the hot-rolled coil.
  • the second module M2 may receive the second process condition CD2 and the environmental condition FV from the second learning model LM2 .
  • the second module M2 may calculate the temperature of the hot-rolled steel sheet using the second process condition CD2 and the environmental condition FV, and output the second temperature value PT obtained by calculating the temperature of the hot-rolled steel sheet. can do.
  • the second temperature value PT may include the temperature of each of the regions defined in the longitudinal direction of the hot-rolled steel sheet, calculated according to the elapsed time after winding, and the like.
  • the second module M2 may output the second temperature value PT as the second learning model LM2.
  • the second learning model LM2 may train the second module M2 by comparing the first temperature value ET and the second temperature value PT. For example, if the first temperature value ET and the second temperature value PT do not match or the difference between the first temperature value ET and the second temperature value PT is greater than a predetermined value, the second learning The model LM2 may adjust weights, coefficients, etc. of the second operation for calculating the second temperature value PT in the second module M2 .
  • the second learning model LM2 is configured such that the first temperature value ET and the second temperature value PT match, or the difference between the first temperature value ET and the second temperature value PT is less than or equal to a predetermined value. It is possible to train the second module M2 to become
  • the third learning model LM3 is the component (ING) of the hot-rolled steel sheet, the oxygen partial pressure (OPP) around the hot-rolled steel sheet, the second temperature value (PT), which is the output value of the second module (M2), and the internal measured from the hot-rolled steel sheet.
  • the first thickness ED of the defect layer may be input.
  • the first thickness ED of the internal defect layer may be an actual measured value of the thickness of the internal defect layer of the hot-rolled steel sheet.
  • the third module M3 receives, as input data, the component (ING) of the hot-rolled steel sheet, the oxygen partial pressure (OPP) around the hot-rolled steel sheet, and the second temperature value (PT) of the hot-rolled steel sheet from the third learning model LM3.
  • the third module M3 may calculate the second thickness PD of the internal defect layer.
  • the second thickness ED is determined by the third module M3 to be present in the hot-rolled steel sheet using at least one of the component ING of the hot-rolled steel sheet, the oxygen partial pressure (OPP) around the hot-rolled steel sheet, and the second temperature value PT. It may be the thickness of the internal defect layer calculated as The second thickness PD of the internal defect layer output by the third module M3 may be transmitted to the third learning model LM3.
  • the third learning model LM3 may train the third module M3 by comparing the first thickness ED and the second thickness PD of the internal defect layer. For example, if the first thickness ED and the second thickness PD of the internal defect layer do not match, or the difference is greater than a predetermined value, the third learning model LM3 is configured as an internal defect in the third module M3. A weight, a coefficient, and the like of the third operation for calculating the second thickness PD of the layer may be adjusted.
  • the third learning model LM3 operates the third module M3 so that the first thickness ED, which is the measured value of the internal defect layer, and the second thickness PD, which is the calculated value, match or the difference becomes less than or equal to a predetermined value. can learn
  • the fourth learning model (LM4) can receive the feed rate (PV) of the hot-rolled steel sheet, the characteristics (AC) of the etching solution used in the etching process, and the first thickness (EPA) of the internal defect layer removed by the etching device. have.
  • the characteristics (AC) of the etching solution may include the concentration of the etching solution in contact with the hot-rolled steel sheet, the temperature of the etching solution, the components of the etching solution, and whether or not an accelerator is used.
  • the feed rate (PV) of the hot-rolled steel sheet may mean a speed at which the hot-rolled steel sheet moves while the hot-rolled steel sheet is in contact with an etching solution.
  • the first thickness EPA of the internal defect layer may mean a thickness of the internal defect layer that is actually removed in the etching process performed by the transport speed (PV) of the hot-rolled coil and the characteristic (AC) of the etching solution.
  • the fourth module M4 may receive the feed rate PV of the hot-rolled steel sheet and the characteristic AC of the etching solution from the fourth learning model LM4 .
  • the fourth module M4 may calculate the second thickness PPA1 of the internal defect layer expected to be removed by the etching apparatus using at least one of the feed rate (PV) of the hot-rolled steel sheet and the property (AC) of the etching solution. have.
  • the fourth module M4 receives the etching time determined according to the transport rate PV and the characteristic AC of the etching solution as input values, and uses the input values to remove the internal defect layer. 2 You can run an operation to calculate the thickness (PPA1).
  • the fourth module M4 may output the second thickness PPA1 of the internal defect layer as the fourth learning model LM4.
  • the fourth learning model LM4 may train the fourth module M4 by comparing the second thickness PPA1 of the internal defect layer with the first thickness EPA of the internal defect layer. For example, if the first thickness EPA of the internal defect layer and the second thickness PPA1 of the internal defect layer do not match or the difference is greater than a predetermined value, the fourth learning model LM4 is performed by the fourth module M4. weights, coefficients, etc. of the fourth operation for calculating the second thickness PPA1 of the internal defect layer may be adjusted.
  • the fifth module M5 may generate control data for controlling the etching apparatus.
  • the fifth module M5 may find optimal control data by repeatedly calling the fourth module M4 using an optimization technique (eg, a golden partition method).
  • the fifth module M5 may select an optimization technique for finding optimal control data or may modify the optimization technique.
  • FIG. 6 is a view for explaining a learning model included in the process control system according to an embodiment of the present invention.
  • the learning model when the learning model trains each module using reinforcement learning, the learning model may be implemented as a deep neural network (DNN) or the like.
  • the learning model may include an input layer (IL), a hidden layer (HL), and an output layer (OL).
  • IL input layer
  • HL hidden layer
  • OL output layer
  • the input layer IL may include a plurality of input nodes x1-xi, and the number of input nodes x1-xi may correspond to the number of input data.
  • the output layer OL may include a plurality of output nodes y1-yj, and the number of output nodes y1-yj may correspond to the number of output data.
  • the hidden layer HL may include first to third hidden layers HL1 to HL3 , and the number of the hidden layers HL1 to HL3 may be variously modified.
  • the learning model 120 may be trained by adjusting the weights of each of the hidden nodes included in the hidden layer HL.
  • FIG. 7 is a view for explaining a method of operating a process control system according to an embodiment of the present invention.
  • the process control system 200 may include operation modules 210 to 230 .
  • the process control system may be connected to an external system that directly controls an etching apparatus for removing at least a portion of an internal defect layer of a hot-rolled steel sheet through a network.
  • the operation modules 210 to 230 may calculate the thickness of the internal defect layer included in the hot-rolled steel sheet.
  • the cooling rate of the hot-rolled steel sheet along the longitudinal direction of the hot-rolled steel sheet may be required. If the phase transformation is not completed before winding the hot-rolled steel sheet, heat may occur due to the phase transformation after winding. Therefore, it is possible to calculate the temperature change of the hot-rolled steel sheet after winding in consideration of the phase fraction before the winding of the hot-rolled steel sheet.
  • the first module 210 may calculate the phase fraction (PPF) according to the cooling time by using the first process condition CD1 .
  • the first process condition CD1 may include a cooling rate of the hot-rolled steel sheet, a temperature of the hot-rolled steel sheet, and components of the hot-rolled steel sheet.
  • a phase transformation from austenite to pearlite may occur during the cooling process, and transformation exotherm in which the temperature rises due to the phase transformation may occur.
  • the phase transformation may not be completed during cooling due to slow pearlite transformation, and additional phase transformation may occur in the hot-rolled steel sheet after winding.
  • the hot-rolled steel sheet may be exposed to a high temperature oxidizing atmosphere for a long time after being wound, and the thickness of the internal defect layer may increase.
  • the second module 220 may calculate the temperature PT according to the elapsed time after the hot-rolled steel sheet is wound by using the second process condition CD2 and the environmental condition FV. For example, the second module 220 may calculate the temperature PT in each of the regions along the longitudinal direction of the hot-rolled steel sheet.
  • the second process condition CD2 may include a time point at which the temperature of the hot-rolled steel sheet is measured after winding, and components of the hot-rolled steel sheet.
  • the second module 220 may receive the phase fraction (PPF) from the first module 210 . Based on the phase fraction (PPF), it is possible to know the phase fraction at the time of winding, and the amount of phase transformation additionally occurring in the hot-rolled steel sheet after winding. Accordingly, the second module 220 may calculate the temperature PT of the hot-rolled steel sheet according to the elapsed time after winding the hot-rolled steel sheet in consideration of the amount of phase transformation additionally occurring in the wound hot-rolled steel sheet. In the embodiment shown in FIG. 7 , time t1 may represent a temperature at which transformation heat due to phase transformation is reflected.
  • the third module 230 may calculate the thickness PD of the internal defect layer included in the hot-rolled steel sheet by using the component (ING) of the hot-rolled steel sheet, the oxygen partial pressure (OPP) around the hot-rolled steel sheet, and the like.
  • the third module 230 receives, from the second module 220 , the temperature PT according to the elapsed time after winding in each of the regions of the hot-rolled steel sheet, and internally in each of the regions of the hot-rolled steel sheet.
  • the thickness (PD) of the defect layer can be calculated.
  • FIG. 8 is a flowchart illustrating a method of operating a process control system according to an embodiment of the present invention.
  • the process control system may transmit at least some of the operation modules to an external system ( S110 ).
  • the subject that transmits at least some of the operation modules to the external system may be a system for producing a hot-rolled steel sheet and winding the hot-rolled steel sheet in the form of a hot-rolled coil.
  • the external system for receiving at least some of the operation modules may be a system that receives a hot-rolled coil and performs an etching process.
  • the external system may perform the etching process using the operation modules received in step S110.
  • the operation module transmitted to the external system in step S110 may be a module that generates control data for controlling the etching process.
  • the process control system may receive, from an external system, the thickness of the residual internal defect layer included in the pickled steel sheet on which the etching process is completed, and control data measured by the etching apparatus during the etching process ( S120 ).
  • the control data received in operation S120 may be a value actually measured by the etching apparatus, and thus may be different from a value input to the etching apparatus by an external system to control the etching apparatus.
  • the process control system may calculate the thickness of the internal defect layer expected to be removed by the etching apparatus by using the control data received in step S120 ( S130 ). In addition, the process control system may compare the thickness of the internal defect layer calculated in step S130 with the thickness of the residual internal defect layer received in step S120 and train the operation modules based on the comparison result ( S140 ).
  • the process control system may include a learning model required for learning of the operation modules, and the learning model may adjust weights, coefficients, etc. used for operation in at least one of the operation modules.
  • the process control system may transmit at least one of the operation modules to the external system (S150).
  • the external system may update the previously stored arithmetic module by using the arithmetic module received from the process control system, for example, by overwriting. Accordingly, the external system may perform the etching process in an optimized manner in consideration of the thickness distribution of the internal defect layer included in the hot-rolled steel sheet.
  • FIG. 9 is a block diagram simply illustrating a process control system according to an embodiment of the present invention.
  • the process control system 50 may include a second server 51 and an etching apparatus 55 , and the second server 51 may control and manage the etching apparatus 55 .
  • the etching apparatus 55 receives the hot-rolled coil produced by the hot-rolled steel sheet production apparatus 45 described above, unwinds the wound hot-rolled coil in the form of a hot-rolled steel sheet, and then performs an etching process on the hot-rolled steel sheet to produce a pickled steel sheet.
  • the etching apparatus 55 may be at least one of a pickling apparatus, a dry etching apparatus, and a wet etching apparatus.
  • the internal defect layer may be removed by immersing the hot-rolled steel sheet in an acidic etching solution.
  • the internal defect layer may be removed by the etching solution sprayed onto the surface of the hot-rolled steel sheet, or the internal defect layer may be removed by brushing the surface of the hot-rolled steel sheet with a brush dipped in the etching solution.
  • the second server 51 may include a communication unit 52 , a storage 53 , a processor 54 , and the like.
  • the communication unit 52 may connect the second server 51 and the network to be able to communicate, for example, the second server 51 may communicate with the first server 41 through the communication unit 52 .
  • the first server 41 may be a server that controls the hot-rolled steel sheet production apparatus 45 .
  • the storage 53 may store data necessary for the operation of the second server 51 and the control of the etching apparatus 55 .
  • the processor 54 may control the communication unit 52 , the storage 53 , and the etching apparatus 55 .
  • the storage 53 may store control data necessary for controlling the etching apparatus 55 .
  • the control data stored in the storage 53 may be data obtained by the processor 54 executing an operation module stored in the storage 53 , or data received from an external system connected through the communication unit 52 . have.
  • the control data may be transmitted from an external system that manages the production of hot-rolled steel sheet.
  • the storage 53 may include a calculation module that generates control data.
  • the operation module may execute an operation for controlling an etching process performed in the etching apparatus 55 .
  • the operation modules may generate control data capable of controlling the etching apparatus 55 to efficiently remove the internal defect layer in consideration of the thickness distribution of the internal defect layer included in the hot-rolled steel sheet.
  • the calculation module stored in the storage 53 may be a calculation module that is received and stored from an external system through the communication unit 52 , and the external system may be a system for controlling the hot-rolled steel sheet production apparatus.
  • the external system is not necessarily limited to a system for controlling the hot-rolled steel sheet production apparatus, and may receive operation modules from various external systems according to embodiments.
  • the second server 51 may generate control data using the thickness information of the internal defect layer received through the communication unit 52 .
  • the processor 54 may obtain control data by inputting the thickness information of the internal defect layer to the calculation module stored in the storage 53 and executing the calculation module.
  • the thickness information of the internal defect layer may include a thickness distribution of the internal defect layer that appears along the longitudinal direction of the hot-rolled steel sheet.
  • the operation module stored in the storage 53 may generate control data by using the information of the hot-rolled steel sheet received through the communication unit 52 .
  • the calculation module may calculate the thickness information of the internal defect layer included in the hot-rolled steel sheet by using the phase fraction of the hot-rolled steel sheet, the temperature of the hot-rolled steel sheet, components of the hot-rolled steel sheet, and the like.
  • the calculation module may generate control data by using the thickness information of the internal defect layer.
  • the calculation module stored in the storage 53 may include a thickness information generation module for calculating thickness information, and a control data generation module for generating control data.
  • the control data includes the feed rate at which the etching device 55 transports the hot-rolled steel sheet, the concentration of the etching solution in contact with the hot-rolled steel sheet in the etching device 55, the temperature of the etching solution, the components of the etching solution, and whether or not an accelerator is used. It may include at least one.
  • the thickness of the internal defect layer may be different in each of the first region and the second region of the hot-rolled steel sheet. In this case, the first region and the second region may be regions defined at different positions along the longitudinal direction of the hot-rolled steel sheet.
  • the first feed rate of the hot-rolled steel sheet while the first region passes through the etching apparatus 55 and is in contact with the etching solution is, while the second area passes through the etching apparatus 55 and is in contact with the etching solution, the hot-rolled steel sheet It may be different from the second feed rate of the steel sheet.
  • the first transport rate may be faster than the second transport rate.
  • the calculation module for generating the control data may determine the feeding speed of the hot-rolled steel sheet according to the thickness of the internal defect layer. In one embodiment, the calculation module may determine the feed rate of the hot-rolled steel sheet by executing a predetermined calculation using the thickness of the internal defect layer. In addition, in an embodiment, the calculation module may compare a predetermined reference thickness with the thickness of the internal defect layer, and determine the feed rate of the hot-rolled steel sheet according to the comparison result.
  • the second server 51 obtains information necessary for updating the operation module from the etching apparatus 55 , and transmits the information obtained from the etching apparatus 55 to an external system through the communication unit 52 .
  • the external system may be a system including a learning model for storing and managing the calculation module and updating the calculation module.
  • the learning model for updating the arithmetic module is included in the storage 53 , the update operation of the arithmetic module using the information obtained from the etching apparatus 55 may be executed in the second server 51 .
  • the external system may be a system for controlling the production process of the hot-rolled steel sheet.
  • the external system may update at least some of the arithmetic modules stored in the external system by using the information fed back from the second server 51 . For example, weights, coefficients, etc. applied to at least some of the operation modules stored in the external system to execute an operation may be adjusted.
  • the external system may transmit at least one of the updated operation modules, for example, an operation module generating control data to the second server 51 .
  • the second server 51 may update the existing calculation module stored in the storage 53 by using the new calculation module received from the external system.
  • the second server 51 may update the arithmetic modules by overwriting an existing arithmetic module with a new arithmetic module.
  • the etching process may be performed using the arithmetic module optimized for various conditions of the etching apparatus 55 and/or the hot-rolled steel sheet, which is the target of the etching process, and the efficiency and productivity of the etching process may be improved.
  • the second server 51 obtains information necessary for updating the operation modules from the etching apparatus 55 , and stores the information obtained from the etching apparatus 55 in the storage 53 . can be updated directly.
  • the storage 53 may store only control data for controlling the etching apparatus 55 without a separate operation module.
  • the second server 51 feeds back information necessary for updating the calculation module obtained from the etching device 55 to the external system, and receives new control data generated by the calculation module updated in the external system and stores the data. (53) can be stored.
  • FIG. 10 is a view for explaining a method of operating a process control system according to an embodiment of the present invention.
  • the process control system 300 may include operation modules 310 and 320 .
  • the operation modules 310 and 320 may be modules stored and executed in the process control system 300 for controlling the etching apparatus.
  • the operation modules 310 and 320 may be stored in an external system connected to the process control system 300 through a network.
  • the arithmetic modules 310 and 320 may be transmitted to and stored in the process control system 300 in a state in which learning has been completed by a learning model of an external system.
  • the operation modules 310 and 320 stored and executed in the process control system 300 for controlling the etching apparatus may be modules received from an external system.
  • the control data generating module 112 is the process control system 300 as the arithmetic modules 310 and 320 . ) can be transmitted and stored in
  • the process control system 300 may determine control data for controlling the etching apparatus.
  • the process control system 300 may receive thickness information PD of the internal defect layer.
  • the thickness information PD of the internal defect layer received by the process control system 300 may be the thickness of the internal defect layer calculated to be included in the hot-rolled steel sheet, similar to the embodiment described with reference to FIG. 9 above, The thickness distribution of the internal defect layer according to regions of the hot-rolled steel sheet may be included.
  • the process control system 300 may calculate the control data PPV2 based on the thickness information PD of the internal defect layer.
  • the operation modules 310 and 320 may include a first module 310 and a second module 320 , and the like.
  • the second module 320 may receive the thickness information PD of the internal defect layer.
  • the thickness information PD of the internal defect layer is the thickness of the internal defect layer expected to exist in the hot-rolled steel sheet, and may not exactly match the thickness of the internal defect layer that is actually present in the hot-rolled steel sheet.
  • the second module 320 may receive the target thickness GD of the residual internal defect layer.
  • the residual internal defect layer may be an internal defect layer existing in the pickled steel sheet on which the etching process is completed. For example, when the internal defect layer is completely removed by the etching process, the target thickness GD of the remaining internal defect layer may be zero. In some embodiments, the target thickness GD of the residual internal defect layer may be greater than zero.
  • the second module 320 may calculate the optimal control data PPV2 by periodically calling the first module 310 .
  • the second module 320 may output an initial value of the control data to the first module 310 .
  • the initial value of the control data may include a characteristic (AC) of the etching solution measured from a tank containing the etching solution in the etching apparatus, and a feed rate (PPV1) of the hot-rolled steel sheet.
  • the initial value of the control data may be determined as an arbitrary value or may be determined by a value measured in real time from an etching apparatus. When the initial value of the control data is arbitrarily determined, the initial value of the control data may be determined by an external system operating the hot-rolled steel sheet production apparatus or the process control system operating the etching apparatus.
  • the first module 310 may calculate the thickness PPA2 of the internal defect layer expected to be removed by the etching apparatus by using at least one of the characteristics AC and the transport speed PPV1 of the etching solution.
  • the second module 320 may receive the thickness PPA2 of the internal defect layer from the first module 310 .
  • the second module 320 determines whether the characteristic AC of the etching solution and the arbitrarily set feed rate PPV1 match the optimal control data PPV2 based on the thickness PPA2 of the internal defect layer. For example, the second module 320 calculates the difference between the thickness information PD of the internal defect layer and the target thickness GD of the remaining internal defect layer, and the thickness PPA2 of the internal defect layer calculated by the first module 310 . ) can be compared with If the comparison results do not match, the second module 320 may adjust at least one of the characteristics AC and the transport speed PPV1 of the etching solution to be input to the first module 310 .
  • the second module 320 may call the first module 310 while changing at least one of the characteristic AC and the transport speed PPV1 of the etching solution. .
  • [Table 1] is a table for explaining how the second module 320 generates the optimal control data PPV2. For convenience of explanation, it is assumed in [Table 1] that the characteristics (AC) of the etching solution are the same.
  • the second module 320 removes a target indicating how much of the internal defect layer should be removed based on the difference between the thickness information PD of the internal defect layer expected to exist in the hot-rolled steel sheet and the target thickness GD of the remaining internal defect layer.
  • the thickness (GPA) can be calculated.
  • Region X, region Y, and region Z defined in [Table 1] may be regions defined at different positions along the longitudinal direction of the hot-rolled steel sheet.
  • the region X and the region Z may be adjacent to the end of the hot-rolled steel sheet in the longitudinal direction compared to the region Y.
  • the region Y may be disposed between the region X and the region Z in the longitudinal direction.
  • the thickness PPA2 of the internal defect layer expected to be removed by the etching apparatus when the transport speed PPV1 is 15 mpm may be 2 ⁇ m. Because the thickness PPA2 of the internal defect layer expected to be removed by the etching apparatus is greater than the target removal thickness GPA, the second module 320 increases the feed rate PPV1 to 20 mpm, which is faster than 15 mpm to increase the first module (310) can be output.
  • the second module 320 transfers The speed PPV1 may be changed back to a value different from 20 mpm and outputted to the first module 310 .
  • the second module 320 may determine the optimal feed rate for the region X of the hot-rolled steel sheet to be 20 mpm.
  • the operation modules 310 and 320 of the process control system 300 generate control data, but it is not necessarily limited to such a form.
  • the process control system 300 and the operation modules of an external system connected through a network may generate control data.
  • the process control system 300 may receive the control data generated by the external system through the network, and control the etching apparatus using the received control data.
  • the process control system 300 may generate control data including the transport speed of the hot-rolled steel sheet based on the thickness information PD of the internal defect layer.
  • the thickness of the internal defect layer may vary according to a plurality of regions defined along the longitudinal direction as described above.
  • the thickness of the internal defect layer included in the regions cooled while being exposed to the outside may be smaller than the thickness of the internal defect layer included in the regions that are not exposed to the outside and cooled slowly.
  • the etching process may be performed by sufficiently contacting the hot-rolled steel sheet with the etching solution regardless of the area of the hot-rolled steel sheet so that the internal defect layer included in the hot-rolled steel sheet can be sufficiently removed.
  • the above method may lead to an increase in the time of the etching process and/or an etching solution input to the etching process, thereby reducing productivity.
  • the thickness of the internal defect layer is calculated along the longitudinal direction of the hot-rolled steel sheet, and control data for controlling the etching process with optimum efficiency according to the calculated thickness information of the internal defect layer can be calculated.
  • productivity can be improved by shortening the etching process time and reducing the amount of the etching solution used.
  • a region in which the thickness of the internal defect layer is smaller than a preset reference thickness (t) is defined as a first region, and a region in which the thickness of the internal defect layer is greater than the reference thickness (t) is defined as a second region.
  • the transport speed of the hot-rolled steel sheet while the first region is in contact with the etching solution may be faster than the transport speed of the hot-rolled steel sheet while the second region is in contact with the etching solution.
  • the transport speed for each of the first region and the second region may be determined by an operation for determining the transport speed by receiving the thickness of the internal defect layer as an input without setting a separate reference thickness t.
  • the second region may be in contact with the etching solution longer than the first region. Therefore, it is possible to minimize the thickness variation of the residual internal defect layer included in the pickling steel sheet on which the etching process is completed.
  • the reference thickness t may be set in plurality.
  • the hot-rolled steel sheet may be divided into at least three regions according to the thickness of the internal defect layer.
  • the hot-rolled steel sheet may be divided into n+1 regions. If the sizes of the reference thickness are defined as in Equation 1, the feed rates at which the hot-rolled steel sheet is transported while each of n+1 regions included in the hot-rolled steel sheet are in contact with the etching solution can be defined as in Equation 2 below. have.
  • Feed rate in the first area > Feed rate in the second area > ... > Feed rate in the n+1 area
  • the etch rate may be adjusted in addition to the feed speed of the hot-rolled steel sheet. For example, a region having a relatively small internal defect layer thickness may be brought into contact with an etchant having a small etch rate, and an etchant having a relatively large internal defect layer thickness may be brought into contact with an etchant having a high etch rate.
  • the etching rate may be adjusted by changing the area of the brush to which the etching solution is applied or the pressure of the brush.
  • 11 is a view for explaining a learning method of an operation module included in a process control system according to an embodiment of the present invention.
  • 12 is a view for explaining an etching process according to an embodiment of the present invention.
  • 13 is a graph provided to explain an etching process according to an embodiment of the present invention.
  • the etching apparatus 500 performs an etching process according to the control data PPV2 determined by the exemplary embodiment described above with reference to FIG. 10 , and at least some of the internal defect layers of the hot-rolled steel sheet 510 . can be removed.
  • the measuring instruments MI1 and MI2 measure the thickness of the residual internal defect layer in at least a partial region of the pickling steel sheet 520 where the etching process is completed (ERD) is measured, and control data EPV may be collected from the tank TK in which the etching process is performed.
  • the thickness ERD of the residual internal defect layer may be measured in a plurality of regions, and thus the location information PI may be collected together.
  • the control data EPV collected by the first instrument MI1 is control data EPV that is actually measured in the etching apparatus 500 including the tank TK, and the etching apparatus due to mechanical errors, signal delays, process errors, etc. It may have a different value from the control data PPV2 input to 500 .
  • the first measuring instrument MI1 may acquire at least one of a transport speed of the hot-rolled steel sheet 510 and a characteristic of an etching solution in contact with the hot-rolled steel sheet 510 in the tank TK.
  • the etching apparatus 500 may include a coiler CL, an uncoiler UCL, a tank TK, a first measuring instrument MI1 , a second measuring instrument MI2 , and the like.
  • the uncoiler UCL may introduce the hot-rolled steel sheet 510 in the form of a strip from which the hot-rolled coil HC is unwound into the tank TK.
  • the hot-rolled steel sheet 510 may be etched while passing through the etching solution contained in the tank TK.
  • the hot-rolled steel sheet 510 may be etched by an etching solution sprayed around the hot-rolled steel sheet 510 and/or a brush dipped in the etching solution. .
  • the etching apparatus 500 may be controlled according to the control data PPV2 .
  • the transport speed of the hot-rolled steel sheet 510 may vary in each of the regions along the longitudinal direction of the hot-rolled steel sheet 510 .
  • the first instrument MI1 connected to the tank TK may measure the control data EPV at at least one measurement time point while the etching apparatus 500 performs an etching process.
  • at least a portion of the control data PPV2 input to the etching apparatus 500 and the control data EPV actually measured by the first measuring instrument MI1 from the etching apparatus 500 due to a mechanical error, an operation delay, etc. may have different values.
  • the first measuring instrument MI1 may transmit the actually measured control data EPV to the external system 400 .
  • the external system 400 may be a system for managing the calculation modules 411-415: 410, and may include a learning model (LMT) for learning and updating the calculation modules 410 .
  • LMT learning model
  • the external system 400 may update the operation modules 410 using information collected by the first and second instruments MI1 and MI2 in the etching apparatus 500 .
  • the etching apparatus 500 may be operated in an optimal state.
  • the horizontal axis represents a position along the longitudinal direction of the hot-rolled steel sheet
  • the vertical axis represents the thickness PD and the feed rate of the internal defect layer.
  • the thickness information PD of the internal defect layer may be a value calculated to be present in the hot-rolled steel sheet by at least some of the operation modules 410 included in the external system 400 .
  • the thickness PD of the internal defect layer may be calculated to be greater in the region Y than in the regions X and Z.
  • Region X, region Y, and region Z may be regions that appear sequentially along the longitudinal direction, similar to those described with reference to Table 1 above, and region X and region Z are the ends of the hot-rolled steel sheet in the longitudinal direction compared to region Y. may be closer regions.
  • Region Y may be a region between region X and region Z.
  • the calculation modules 410 of the external system 400 may calculate the feed rate (OPV) for the hot-rolled steel sheet from the thickness (PD) of the internal defect layer.
  • the feed rate OPV may be a speed at which the hot-rolled steel sheet 510 is actually transferred in the etching apparatus 500 when an etching process is performed by the control data PPV2 input to the etching apparatus 500 . Since it is calculable that the thickness of the internal defect layer in region Y is greater than in regions X and Z, the transport rate (OPV) while region Y is in contact with the etchant so that the internal defect layer in region Y can be sufficiently removed. can be relatively slow.
  • the actual feed rate EPV may be a value actually measured by the etching apparatus 500 in which an etching process is performed based on the feed rate OPV.
  • the actual feed rate EPV may reflect situations such as errors and operation delays of the etching apparatus 500 , and thus may be different from the feed rate OPV set by the control data PPV2 .
  • the etching process may be performed while maintaining the transport speed TPV uniformly based on the thickness of the internal defect layer present in the second region D2 .
  • the progress rate of the etching process may be reduced, and thus productivity may be reduced.
  • the etching process may be performed by applying a differently calculated feed rate (OPV) to each of the regions of the hot-rolled steel sheet. Accordingly, it is possible to efficiently remove the internal defect layer, as well as reduce the time of the etching process and the amount of the etching solution input to the etching process. Accordingly, productivity of the etching process may be improved.
  • OOV feed rate
  • the second measuring instrument MI2 is pickled.
  • the position information PI of the steel plate 520 and the thickness ERD of the residual internal defect layer at a position corresponding to the position information PI may be measured.
  • At least one measurement position may be designated on the etched pickling steel plate 520 , and a sample may be collected by cutting a portion of the pickling steel plate 520 at the measurement position. By observing the cross section of the sample taken from the pickling steel plate 520 under a microscope, the thickness of the residual internal defect layer can be measured.
  • the measurement position may correspond to the position information PI of the pickling steel sheet 520, and the thickness of the residual internal defect layer is in the thickness ERD of the residual internal defect layer at the position corresponding to the position information PI. may be applicable.
  • the learning model 420 calculates the thickness (ERD) of the residual internal defect layer measured by the second instrument MI2 of the etching apparatus 500 at at least one measurement position of the pickling steel plate 520 .
  • the fifth module 415 may receive the actually measured control data EPV from the etching apparatus 500 while the etching process is in progress.
  • the fifth module 415 may receive the actually measured control data EPV from the process control system including the etching apparatus 500 through the network.
  • the fifth module 415 may output the actually measured control data EPV to the fourth module 414 .
  • the fourth module 414 may calculate the thickness PPA2 of the internal defect layer expected to be removed by the etching apparatus 500 based on the actually measured control data EPV.
  • the fifth module 415 may receive the thickness PPA2 of the internal defect layer from the fourth module 414 .
  • the fifth module M5 may calculate a predicted thickness PRD of the remaining internal defect layer based on the thickness PPA2 of the internal defect layer expected to be removed by the etching apparatus 500 .
  • the expected thickness PRD of the residual internal defect layer may be the thickness of the internal defect layer expected to remain in the pickling steel sheet 520 after an etching process is performed according to the measured control data EPV.
  • the learning model LMT may receive the predicted thickness PRD of the internal defect layer from the fifth module 415 .
  • the learning model LMT may compare the thickness ERD of the residual internal defect layer actually measured from the pickling steel sheet 520 with the expected thickness PRD of the residual internal defect layer.
  • the learning model (LMT) is a calculation module such that the thickness (ERD) of the residual internal defect layer measured from the pickling steel sheet 520 and the expected thickness (PRD) of the residual internal defect layer match or the difference is less than or equal to a predetermined value.
  • At least one of the ones 411-415 may be learned.
  • the learning model LMT may train all of the operation modules 411-415 at the same time, or may selectively train only a specific model.
  • the process control system 50 of FIG. 9 including a server and an etching apparatus may include a learning model.
  • the learning model included in the process control system 50 of FIG. 9 may learn the operation module included in the process control system 50 of FIG. 9 .
  • a method in which the learning model of the process control system 50 of FIG. 9 learns the operation module included in the process control system 50 of FIG. 9 will be described with reference to FIGS. 14 and 15 .
  • FIG. 14 is a diagram for explaining an initial learning method of an operation module included in a process control system according to an embodiment of the present invention.
  • the process control system 600 may include an operation module 610 and a learning model 620 , and the operation module 610 and the learning model 620 may be stored in storage.
  • the operation module 610 may be a control data generation module.
  • the learning model 620 may include a first learning model LM1 and a feedback learning model LMT.
  • the first learning model LM1 may be a model for initially learning the first module M1
  • the feedback learning model LMT is formed after the etching process is completed, the first module M1 and the second module M2 .
  • the feedback learning model LMT may simultaneously train the first module M1 and the second module M2.
  • one learning model may execute both the learning of the first module M1 and the second module M2 without distinction between the first learning model LM1 and the feedback learning model LMT. .
  • the first learning model (LM1) can receive the feed rate (PV) of the hot-rolled steel sheet, the characteristics (AC) of the etching solution used in the etching process, and the first thickness of the internal defect layer removed by the etching device (EPA). have.
  • the characteristics (AC) of the etching solution may include the concentration of the etching solution in contact with the hot-rolled steel sheet, the temperature of the etching solution, the components of the etching solution, and whether or not an accelerator is used.
  • the feed rate (PV) of the hot-rolled steel sheet may mean a speed at which the hot-rolled steel sheet moves while the hot-rolled steel sheet is in contact with an etching solution.
  • the first thickness EPA of the internal defect layer may mean a thickness of the internal defect layer that is actually removed in the etching process performed by the transport speed (PV) of the hot-rolled coil and the characteristic (AC) of the etching solution.
  • the first module M1 may receive the feed rate PV of the hot-rolled steel sheet and the characteristic AC of the etching solution from the first learning model LM1 .
  • the first module M1 uses at least one of the transport speed (PV) of the hot-rolled steel sheet and the characteristic (AC) of the etching solution to calculate the second thickness (PPA1) of the internal defect layer expected to be removed by the etching apparatus. have.
  • the first module M1 receives the etching time determined according to the transport rate PV and the characteristic AC of the etching solution as input values, and uses the input values to remove the internal defect layer. 2 You can run an operation to calculate the thickness (PPA1).
  • the first module M1 may output the second thickness PPA1 of the internal defect layer as the first learning model LM1 .
  • the first learning model LM1 may train the first module M1 by comparing the second thickness PPA1 of the internal defect layer with the first thickness EPA of the internal defect layer. For example, if the first thickness EPA of the internal defect layer and the second thickness PPA1 of the internal defect layer do not match or the difference is greater than a predetermined value, the first learning model LM1 is the first module M1 weights, coefficients, and the like of the first operation for calculating the second thickness PPA1 of the internal defect layer may be adjusted.
  • the second module M2 may generate control data for controlling the etching apparatus.
  • the second module M2 may find optimal control data by repeatedly calling the first module M1 using an optimization technique (eg, a golden partition method, etc.).
  • the second module M2 may select an optimization technique for finding optimal control data or may modify the optimization technique.
  • 15 is a diagram for explaining a learning method of an operation module included in a process control system according to an embodiment of the present invention.
  • the process control system 700 may be a system for managing operation modules 711 , 712 : 710 , and may include a learning model (LMT) for learning the operation modules 710 . have.
  • the process control system 700 may learn the operation modules 710 using information collected by the first and second instruments MI1 and MI2 in the etching apparatus 500 .
  • the etching apparatus 500 may be operated in an optimal state.
  • the learning model 720 may receive the thickness ERD of the residual internal defect layer measured by the second measuring instrument MI2 of the etching apparatus 500 at at least one measurement position of the pickling steel plate 520 .
  • the second module 712 may receive the actually measured control data EPV from the etching apparatus 500 while the etching process is in progress.
  • the second module 712 may output the actually measured control data EPV to the first module 711 .
  • the first module 711 may calculate the thickness PPA2 of the internal defect layer expected to be removed by the etching apparatus 500 based on the actually measured control data EPV.
  • the second module 712 may receive the thickness PPA2 of the internal defect layer from the first module 711 .
  • the second module M2 may calculate a predicted thickness PRD of the remaining internal defect layer based on the thickness PPA2 of the internal defect layer expected to be removed by the etching apparatus 500 .
  • the expected thickness PRD of the residual internal defect layer may be the thickness of the internal defect layer expected to remain in the pickling steel sheet 520 after an etching process is performed according to the measured control data EPV.
  • the learning model LMT may receive the predicted thickness PRD of the internal defect layer from the second module 712 .
  • the learning model LMT may compare the thickness ERD of the residual internal defect layer actually measured from the pickling steel sheet 520 with the expected thickness PRD of the residual internal defect layer.
  • the learning model (LMT) is a calculation module such that the thickness (ERD) of the residual internal defect layer measured from the pickling steel sheet 520 and the expected thickness (PRD) of the residual internal defect layer match or the difference is less than or equal to a predetermined value.
  • At least one of the ones 711 and 712 may be learned.
  • the learning model LMT may train all of the computation modules 712 and 712 at the same time, or may selectively train only a specific model.
  • 16 is a flowchart illustrating a method of operating a process control system according to an embodiment of the present invention.
  • the process control system for controlling the etching process may receive an operation module from an external system ( S210 ).
  • the operation module received in step S210 may generate control data for controlling the etching process.
  • the process control system may perform an etching process using the control data generated by the operation module (S220). At least a portion of the internal defect layer included in the hot-rolled steel sheet may be removed by the etching process.
  • the process control system may transmit the control data actually measured by the etching apparatus performing the etching process and the thickness of the residual internal defect layer included in the pickling steel sheet on which the etching process is completed to the external system (S230).
  • the control data transmitted to the external system in step S230 may be a value actually measured by the etching apparatus.
  • the thickness of the residual internal defect layer may be measured by taking a partial region of the pickling steel sheet as a sample and examining it with a microscope.
  • the external system may learn the operation modules by using the control data received in step S230 and the thickness of the residual internal defect layer.
  • the process control system may receive at least one of the operation modules for which the learning is completed from the external system (S240).
  • the process control system may update the existing calculation module with the calculation module received in step S240 (S150). Accordingly, it is possible to accurately control the etching process by reflecting process errors that may occur in the etching apparatus and the like.
  • the external system may refer to a system for managing and controlling a production process of a hot-rolled steel sheet.
  • This is an exemplary embodiment and the claims are not limited thereto.
  • 17 is a view for explaining a method of operating a process control system according to an embodiment of the present invention.
  • the first system SYS1 for manufacturing the hot-rolled steel sheet may generate thickness information PD of the internal defect layer ( S310 ).
  • the thickness information (PD) of the internal defect layer generated in step S310 is the temperature according to the elapsed time after winding measured in each of the regions of the hot-rolled steel sheet defined in the longitudinal direction, the components of the hot-rolled steel sheet, and the oxygen partial pressure around the hot-rolled steel sheet. It may be a thickness of the internal defect layer calculated based on at least one of.
  • the first system SYS1 may transmit the thickness information PD of the internal defect layer to the second system SYS2 through the network ( S320 ).
  • the second system SYS2 may generate control data PPV for controlling the etching process of the hot-rolled steel sheet by using the thickness information PD of the internal defect layer ( S330 ).
  • the second system SYS2 may perform an etching process of removing at least a portion of the internal defect layer of the hot-rolled steel sheet according to the control data PPV ( S340 ).
  • the second system SYS2 provides position information PI indicating a specific position of the hot-rolled steel sheet, the thickness of the residual internal defect layer measured at a position corresponding to the position information PI, ERD, and Control data EPV and the like may be acquired ( S350 ).
  • the control data (EPV) obtained in step S350 is data actually measured from the etching device during the etching process, and may not match the control data (PPV) generated in step S330 due to various factors such as process errors and signal delays.
  • the second system SYS2 may transmit the information obtained in step S350 to the first system SYS1 (S360).
  • the first system SYS1 may calculate a predicted thickness PRD of the residual internal defect layer by using the information received in step S360 ( S370 ).
  • the first system SYS1 may compare the predicted thickness PRD of the residual internal defect layer calculated in step S370 with the thickness ERD of the residual internal defect layer actually measured at at least one location ( S380 ).
  • the first system SYS1 is configured so that the estimated thickness PRD of the residual internal defect layer calculated at a specific position of the hot-rolled steel sheet and the thickness ERD of the measured residual internal defect layer match or the difference becomes less than or equal to a predetermined value.
  • At least one of the arithmetic modules included in the first system SYS1 may be learned ( S390 ).
  • the first system SYS1 may transmit at least one of the learned operation modules to the second system SYS2 ( S400 ).
  • the second system SYS2 may update the arithmetic module previously stored in the second system SYS2 by using the arithmetic module received from the first system SYS1 ( S410 ).

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • ing And Chemical Polishing (AREA)
  • Metal Rolling (AREA)
  • Cleaning And De-Greasing Of Metallic Materials By Chemical Methods (AREA)
  • Heat Treatment Of Strip Materials And Filament Materials (AREA)

Abstract

본 발명의 실시 형태에 따른 공정 제어 시스템은, 탄소강 제품에 포함되는 내부 결함층의 두께 정보를 생성하는 제1 시스템과, 네트워크를 통해 상기 제1 시스템으로부터 상기 내부 결함층의 두께 정보를 수신하고, 상기 내부 결함층의 두께 정보를 이용하여 상기 탄소강 제품에서 상기 내부 결함층 중 적어도 일부를 제거하는 식각 공정을 제어하는 제2 시스템을 포함하며, 상기 제1 시스템은 상기 제2 시스템이 상기 식각 공정을 제어하는 데에 필요한 연산 모듈을 상기 제2 시스템에 제공하며, 상기 제2 시스템은 상기 제1 시스템이 상기 연산 모듈을 업데이트하는 데에 필요한 정보를 상기 제1 시스템에 제공한다.

Description

공정 제어 시스템 및 그 동작 방법
본 발명은 탄소강 제품에 포함되는 내부 결함층을 제거하는 공정을 제어하기 위한 공정 제어 시스템 및 그 동작 방법에 관한 것이다.
탄소강 제품을 이용하여 생산되는 자동차용 베어링 쉘 등은 표면에 지속적이고 반복적인 하중을 받을 수 있다. 따라서, 베어링 쉘 등의 생산에 이용되는 탄소강 제품에는 엄격한 표면 품질이 요구된다.
탄소강 제품에 포함되는 내부 결함층 등은 그 두께를 엄격하게 관리할 필요가 있으며, 식각 공정 등에 의해 내부 결함층을 제거할 수 있다. 식각 공정은 식각 용액과 탄소강 제품을 접촉시켜 내부 결함층을 제거하는 공정일 수 있다.
이러한 종래 기술에 대해서는 대한민국 공개특허공보 제10-2019-0124019호를 참조하여 쉽게 이해할 수 있다.
본 발명의 기술적 사상이 이루고자 하는 과제 중 하나는, 탄소강 제품에 포함되는 내부 결함층의 두께에 따라 식각 공정을 제어함으로써, 식각 공정의 효율성 및 생산성 등을 개선할 수 있는 공정 제어 시스템 및 그 동작 방법을 제공하고자 하는 데에 있다.
본 발명의 일 실시예에 따른 공정 제어 시스템은, 탄소강 제품에 포함되는 내부 결함층의 두께 정보를 생성하는 제1 시스템과, 네트워크를 통해 상기 제1 시스템으로부터 상기 내부 결함층의 두께 정보를 수신하고, 상기 내부 결함층의 두께 정보를 이용하여 상기 탄소강 제품에서 상기 내부 결함층 중 적어도 일부를 제거하는 식각 공정을 제어하는 제2 시스템을 포함하며, 상기 제1 시스템은 상기 제2 시스템이 상기 식각 공정을 제어하는 데에 필요한 연산 모듈을 상기 제2 시스템에 제공하며, 상기 제2 시스템은 상기 제1 시스템이 상기 연산 모듈을 업데이트하는 데에 필요한 정보를 상기 제1 시스템에 제공한다.
본 발명의 일 실시예에 따른 공정 제어 시스템은, 탄소강 제품에 포함되는 내부 결함층의 적어도 일부를 제거하는 식각 장치의 제어에 필요한 제어 데이터를 저장하는 스토리지와, 상기 제어 데이터에 기초하여 상기 식각 장치를 제어하는 프로세서를 포함하며, 상기 탄소강 제품은 제1 영역 및 상기 제1 영역과 다른 제2 영역을 포함하고, 상기 제1 영역에 포함되는 상기 내부 결함층의 두께와 상기 제2 영역에 포함되는 상기 내부 결함층의 두께는 서로 다르며, 상기 제어 데이터는 상기 제1 영역이 상기 식각 장치를 통과하는 제1 이송 속도 및 상기 제2 영역이 상기 식각 장치를 통과하는 제2 이송 속도를 포함하고, 상기 제1 이송 속도와 상기 제2 이송 속도는 서로 다르다.
본 발명의 일 실시예에 따른 공정 제어 시스템은, 탄소강 제품의 성분, 냉각 속도, 상분율 및 온도 중 적어도 하나에 기초하여 상기 탄소강 제품에 포함되는 내부 결함층의 두께 정보를 생성하는 연산 모듈을 저장하는 스토리지와, 네트워크에 연결되는 통신부와, 상기 통신부를 통해, 상기 내부 결함층의 적어도 일부를 제거하는 식각 공정을 제어하는 외부 서버에 상기 내부 결함층의 두께 정보 및 상기 식각 공정을 제어하기 위한 제어 데이터 중 적어도 하나를 전송하는 프로세서를 포함한다.
본 발명의 일 실시예에 따르면, 탄소강 제품의 길이 방향에서 정의되는 영역들 각각이 식각 용액과 접촉하는 동안, 최적의 제어 데이터에 기초하여 식각 공정을 제어함으로써, 식각 공정의 생산성 및 효율성을 개선할 수 있는 공정 제어 시스템 및 그 동작 방법을 제공할 수 있다.
또한 본 발명의 일 실시예에 따르면, 식각 공정이 완료된 산세 탄소강 제품에 포함되는 잔여 내부 결함층의 두께를 측정하고, 측정한 잔여 내부 결함층의 두께를 이용하여 식각 공정을 제어하기 위한 제어 데이터를 생성하는 연산 모듈을 학습시킴으로써, 최적화된 제어 데이터에 기초하여 식각 공정을 진행할 수 있다.
본 발명의 다양하면서도 유익한 장점 및 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시예를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.
1은 본 발명의 일 실시예에 따른 열연 강판의 제조 공정을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 열연 강판을 간단하게 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 공정 제어 시스템을 나타내는 블록도이다.
도 4 는 본 발명의 일 실시예에 따른 공정 제어 시스템을 간단하게 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 연산 모듈의 초기 학습 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 학습 모델을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시 예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 공정 제어 시스템을 간단하게 나타낸 블록도이다.
도 10은 본 발명의 일 실시예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 연산 모듈의 학습 방법을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 식각 공정을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시예에 따른 식각 공정을 설명하기 위해 제공되는 그래프이다.
도 14는 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 연산 모듈의 초기 학습 방법을 설명하기 위한 도면이다.
도 15는 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 연산 모듈의 학습 방법을 설명하기 위한 도면이다.
도 16은 본 발명의 일 실시 예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 흐름도이다.
도 17은 본 발명의 일 실시예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 도면이다.
본 명세서에서 탄소강 제품(carbon steel products)은 철과 탄소의 합금으로 0.01% 내지 2.0%의 탄소를 함유한 제품이며, 대표적으로 열연 제품, 후판 제품, 선재 제품 등을 포함할수 있다. 예컨대, 상기 열연 제품은 슬라브를 열간 압연하여 코일 형태로 권취한 열연 코일 또는 쉬트 형태로 잘라서 만든 열연 강판일 수 있으며, 1mm 내지 25mm의 두께를 가질 수 있다. 상기 후판 제품은 슬라브를 열간 압연하여 판형태로 만든 제품일 수 있으며, 4mm 내지 200mm의 두께를 가질 수 있다. 상기 선재 제품은 빌렛을 열간 상태에서 공형 압연하여 단면이 원형인 코일 형태의 제품일 수 있으며, 3mm 내지 100mm의 단면의 지름을 가질 수 있다.
본 발명의 공정 제어 시스템은 탄소강 제품에 대한 식각 공정이 진행되는 동안 상기 탄소강 제품의 이송 속도를 제어하여 산세 처리된 탄소강 제품(이하, '산세 탄소강 제품'이라 함)을 생산할 수 있으므로, 탄소강 제품의 표면 품질을 향상시킬 수 있다.
이하에서는 열연 강판 또는 상기 열연 강판이 코일 형태로 권취된 열연 코일을 중심으로 본 발명의 기술적 사상을 설명하기로 한다. 다만, 본 발명의 기술적 사상이 열연 강판 또는 열연 코일에 제한되는 것은 아니고, 통상의 기술자가 쉽게 이해할 수 있는 범위 내에서 탄소강 제품 모두에 적용될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들에 대해 상세하게 설명한다. 도면 상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대한 중복된 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 열연 강판의 제조 공정을 설명하기 위한 도면이다.
도 1은 열연 강판을 생산하고, 열연 강판을 냉각 및 권취하여 열연 코일을 생산하는 열연 강판 생산 장치를 간단하게 나타낸 도면일 수 있다. 도 1을 참조하면, 가열로에서 가열된 슬래브(slab)를, 조압연기 및 사상압연기(또는 마무리 압연기)를 이용하여 소정의 두께로 압연하는 열간 압연 공정이 진행될 수 있다. 열간 압연 공정을 거쳐 생산된 열연 강판(스트립)은 냉각 구간인 런 아웃 테이블(Run Out Table(ROT)) 냉각대로 옮겨질 수 있다. 열연 강판은 ROT 냉각대에서 분사되는 냉각수에 의해 냉각될 수 있으며, 냉각 온도, 냉각 시간 등은 열연 강판에 요구되는 품질에 따라 결정될 수 있다.
냉각 후 열연 강판은 보관 및/또는 이동의 편의를 위해 권취기에서 코일 형태로 권취될 수 있다. 열연 강판을 코일 형태로 권취한 열연 코일(HC, Hot Coil)은 야드(yard)에 적치되어 공냉된 후 출하되며, 이후 열연 강판에 포함되는 내부 결함층 등을 제거하기 위한 식각 공정이 진행될 수 있다. 일 실시예에서, 도 1을 참조하여 설명한 열연 강판의 제조 공정과, 열연 강판의 내부 결함층 등을 제거하기 위한 식각 공정은, 서로 다른 주체에 의해 진행될 수 있다. 또한 일 실시예에서, 열연 강판의 제조 공정과 열연 강판의 내부 결함층 등을 제거하기 위한 식각 공정이 하나의 주체에 의해 진행될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 열연 강판을 간단하게 나타내는 도면이다.
도 2를 참조하면, 열연 강판은 길이 방향(X축 방향)을 따라 복수의 영역들로 구분될 수 있다. 일례로, 열연 강판은 길이 방향을 따라 순서대로 배치되는 영역 A, 영역 B, 및 영역 C 등을 포함할 수 있다. 도 2에 도시한 일 실시예에서, 영역 A는 열연 강판에서 가장 먼저 권취되는 영역일 수 있으며, 영역 C는 가장 나중에 권취되는 영역일 수 있다. 영역 B는 길이 방향에서 영역 A와 영역 C 사이에 위치하는 영역일 수 있다.
일 실시예에서, 열연 강판은 표면 결함을 포함할 수 있다. 예를 들어, 표면 결함은 스케일, 내부 결함층 중 적어도 하나를 포함할 수 있다. 스케일은 압연 공정 중에 발생하며 소재의 표면 위에 존재할 수 있다. 내부 결함층은 소재의 표면 아래, 다시 말해 소재 내부에 포함될 수 있으며, 내부 산화층 및/또는 탈탄층을 의미하는 것으로 정의될 수 있다. 내부 산화층은 철(Fe)보다 산소 친화도가 높은 크롬(Cr), 망간(Mn), 실리콘(Si), 아연(Zn), 마그네슘(Mg), 알루미늄(Al) 등의 성분이 모재 내에서 산화를 일으키는 과정에서 발생할 수 있다. 탈탄층은 강중 탄소와 대기 및 스케일의 산소가 결합한 후 가스 형태로 대기 중으로 배출되는 과정에서 발생할 수 있다. 내부 결함의 두께는 열연 강판의 성분, 열연 강판을 열연 코일(HC)로 권취할 때의 온도, 권취 이후 냉각 시간, 열연 강판의 폭과 두께, 길이 등에 따라 달라질 수 있다. 내부 결함층 등의 내부 결함은 열연 강판을 이용하여 생산되는 제품의 내구성을 저하시키는 요인이 될 수 있다.
일례로 권취된 열연 코일(HC)의 온도는 500~700℃ 정도일 수 있으며, 권취 상태의 열연 코일(HC)은 공기에 노출된 상태에서 공냉식으로 냉각될 수 있다. 권취 상태를 갖는 열연 코일(HC)에서 외부에 노출된 영역 A와 영역 C는 상대적으로 빠르게 냉각되는 반면, 외부에 노출되지 않은 영역 B는 상대적으로 천천히 냉각될 수 있다. 따라서, 열연 강판의 영역 B에 포함되는 내부 결함층의 두께는 열연 강판의 영역 A와 영역 C 각각에 포함되는 내부 결함층의 두께보다 더 클 수 있다. 따라서, 열연 강판의 영역들에 따라 내부 결함층의 두께에 편차가 나타날 수 있다. 일례로, 영역 A 및/또는 영역 C에 포함되는 내부 결함층의 두께는 소정의 기준 두께보다 작을 수 있으며, 영역 B에 포함되는 내부 결함층의 두께는 기준 두께보다 클 수 있다.
또한, 열연 강판의 폭 방향에서도 내부 결함층의 두께가 영역들에 따라 다르게 나타날 수 있다. 일례로, 폭 방향에서 열연 강판의 모서리에 인접한 영역들이 상대적으로 빠르게 냉각될 수 있으며, 냉각 속도에 따른 내부 결함층의 두께 차이가 폭 방향에서도 나타날 수 있다.
내부 결함층의 적어도 일부를 제거하기 위한 식각 공정은, 식각 용액에 열연 강판을 접촉시키는 방식으로 진행될 수 있다. 일례로, 식각 탱크에 수용된 식각 용액에 열연 강판을 침지시킨 상태에서 열연 강판을 이송하는 방식으로 식각 공정이 진행될 수 있다. 또는, 식각 탱크 내에서 열연 강판의 표면으로 식각 용액을 분사하거나, 식각 용액에 젖은 브러시 등으로 열연 강판의 표면을 브러싱하는 방식 등으로 식각 공정이 진행될 수도 있다. 식각 공정은 산세 공정, 건식 식각 공정, 습식 식각 공정 중 적어도 하나일 수 있다.
일례로, 식각 공정에서 열연 강판에 포함되는 내부 결함층이 충분히 제거될 수 있도록, 열연 강판의 영역에 관계없이 열연 강판을 식각 용액과 충분히 접촉시켜 식각 공정을 진행할 수 있다. 다만, 상기와 같은 방법은 식각 공정의 시간 및/또는 식각 공정에 투입되는 식각 용액의 증가로 이어져, 생산성 저하를 가져올 수 있다.
본 발명의 일 실시예에 따르면, 열연 강판의 길이 방향을 따라 열연 강판에 포함되는 내부 결함층의 두께를 계산 및/또는 실측하고, 내부 결함층의 두께 정보에 따라 식각 공정을 최적의 효율성으로 제어할 수 있다. 따라서, 식각 공정의 시간을 단축하고 식각 용액의 사용량을 줄임으로써 생산성을 개선할 수 있다. 또한, 식각 공정을 완료한 산세 강판에서 영역 별로 나타나는 내부 결함층의 두께 편차를 줄일 수 있다.
도 3은 본 발명의 일 실시예에 따른 공정 제어 시스템을 나타내는 블록도이다.
본 발명의 일 실시예에 따르면, 공정 제어 시스템(1)은 열연 강판이 코일 형태로 권취된 열연 코일에 포함되는 내부 결함층의 두께 정보를 생성하는 제1 시스템(SYS1), 및 제1 시스템(SYS1)으로부터 수신한 내부 결함층의 두께 정보를 이용하여 상기 열연 코일이 권출된 상기 열연 강판에서 내부 결함층 중 적어도 일부를 제거하는 식각 공정을 제어하는 제2 시스템(SYS2)을 포함할 수 있다. 또한 제1 시스템(SYS1)은, 제2 시스템(SYS2)이 식각 공정을 제어하는 데에 필요한 연산 모듈을 제2 시스템(SYS2)에 제공할 수 있다. 또한 제2 시스템(SYS2)은, 제1 시스템(SYS1)이 연산 모듈을 업데이트하는 데에 필요한 정보를 획득하여 제1 시스템(SYS1)에 제공할 수 있다. 제1 시스템(SYS1)과 제2 시스템(SYS2)은 네트워크(30)를 통해 서로 통신할 수 있다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 공정 제어 시스템(1)은, 열연 공정을 진행하는 제1 주체와 식각 공정을 진행하는 제2 주체에 의해 운영될 수 있다. 일 실시예에서, 제1 주체는 열연 강판을 생산하고 열연 강판을 권취하여 열연 코일을 제조할 수 있고, 제2 주체는 제1 주체로부터 열연 코일을 공급받아 열연 강판의 내부 결함층을 제거하는 식각 공정을 진행할 수 있다. 도 3을 참조하면, 제1 주체에서 제1 시스템(SYS1)이 운용될 수 있으며 상기 제2 주체에서 제2 시스템(SYS2)이 운용될 수 있다. 다만, 실시예들에 따라, 제1 시스템(SYS1)과 제2 시스템(SYS2)이 하나의 주체에 의해 운용될 수도 있다. 이 경우, 네트워크(30)는 제1 시스템(SYS1)과 제2 시스템(SYS2)을 모두 운용하는 주체의 내부 네트워크일 수 있다.
도 3을 참조하면, 제1 시스템(SYS1)은 제1 서버(10)를 포함하며, 제2 시스템(SYS2)은 제2 서버(20)를 포함할 수 있다. 제1 서버(10)와 제2 서버(20)는 네트워크(30)를 통해 통신하며, 제2 시스템(SYS2)은 열연 강판의 내부 결함층 중 적어도 일부를 제거하는 식각 장치(22)를 제어할 수 있다.
네트워크(30)는 유선 인터넷 네트워크, 무선 인터넷 네트워크, 또는 Wi-Fi(wireless fidelity)와 같은 무선 근거리 통신 네트워크(wireless local area network(WLAN)) 등을 의미할 수 있다. 유선 인터넷 네트워크 또는 상기 무선 인터넷 네트워크는 인터넷 TCP/IP 프로토콜과 그 상위 계층(upper layer)에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Procotol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS (Network Information Service) 등을 제공하는 개방형 컴퓨터 네트워크 구조를 의미할 수 있다.
일 실시예에서, 제1 시스템(SYS1)은 열연 공정에서 생산되는 열연 강판의 내부 결함층의 두께 정보를 생성할 수 있다. 제1 시스템(SYS1)은 내부 결함층의 두께 정보를, 네트워크(30)를 통해 제2 시스템(SYS2)에 전송할 수 있다. 제2 시스템(SYS2)은 네트워크(30)를 통해 수신한 내부 결함층의 두께 정보를 이용하여 식각 장치(22)가 진행하는 식각 공정을 제어할 수 있다.
일례로 제1 시스템(SYS1)은 제1 서버(10)를 포함하며, 제1 서버(10)는 연산 모듈(11) 및 연산 모듈(11)을 학습시키는 학습 모델 등을 포함할 수 있다. 일 실시예에서, 연산 모듈(11)에 의해 내부 결함층의 두께 정보가 생성될 수 있다. 제1 시스템(SYS1)은 열연 강판의 내부 결함층의 두께를 실측하여 두께 정보를 생성하거나, 또는 열연 강판의 내부 결함층의 두께를 계산하여 두께 정보를 생성할 수 있다. 일 실시예에서 제1 시스템(SYS1)은 열연 강판의 성분, 열연 강판의 상분율, 열연 강판의 온도 중 적어도 하나를 이용하여 내부 결함층의 두께를 계산함으로써, 내부 결함층의 두께 정보를 생성할 수 있다.
내부 결함층의 두께 정보는, 열연 강판의 길이 방향에서 정의되는 복수의 영역들 각각에서 열연 강판에 포함되는 내부 결함층의 두께를 포함할 수 있다. 따라서, 내부 결함층의 두께 정보는, 열연 강판의 길이 방향을 따라 나타나는 내부 결함층의 두께 분포 등을 포함할 수 있다.
다른 실시 예에 따라, 연산 모듈(11)에 의해 내부 결함층의 두께 관련 정보가 생성될 수 있다. 내부 결함층의 두께 관련 정보는 내부 결함층의 두께 정보가 추출 가능하도록 상기 내부 결함층의 두께 정보를 가공한 모든 형태의 정보를 의미할 수 있다. 제1 시스템(SYS1)이 내부 결함층의 두께 관련 정보를, 네트워크(30)를 통해 제2 시스템(SYS2)에 전송하면, 제2 시스템(SYS2)은 네트워크(30)를 통해 수신한 내부 결함층의 두께 관련 정보에 포함된 내부 결합층의 두께 정보를 추출하거나 또는 두께 관련 정보로부터 내부 결함층의 두께 정보를 계산하고, 추출 또는 계산한 내부 결함층의 두께 정보를 이용하여 식각 장치(22)가 진행하는 식각 공정을 제어할 수 있다.
제2 시스템(SYS2)의 연산 모듈(21)은, 식각 장치(22)를 제어하는 데에 필요한 제어 데이터를 생성할 수 있다. 일례로 연산 모듈(21)은 제1 시스템(SYS1)으로부터 수신한 내부 결함층의 두께 정보를 이용하여 제어 데이터를 생성할 수 있다. 제어 데이터는, 식각 공정 동안 식각 장치(22)가 열연 강판을 이송하는 속도, 식각 장치(22)에서 열연 강판에 접촉하는 식각 용액의 농도, 식각 용액의 성분, 식각 용액의 온도, 및 촉진제 사용 유무 중 적어도 하나를 포함할 수 있다.
제2 시스템(SYS2)의 연산 모듈(21)은 제1 시스템(SYS1)이 저장 및 관리하는 연산 모듈(11) 중 적어도 하나를 수신한 것일 수 있다. 제1 시스템(SYS1)은 연산 모듈(11) 중에서 식각 장치(22)를 제어하는 데에 필요한 모듈을 제2 시스템(SYS2)에 제공할 수 있다. 일례로, 제1 시스템(SYS1)은 학습 모델(12)을 이용하여 식각 장치(22)를 제어하는 데에 필요한 모듈을 학습시킨 후 제2 시스템(SYS2)에 제공할 수 있다. 제1 시스템(SYS1)은, 네트워크(30)를 통한 전송 방식으로 제2 시스템(SYS2)에 모듈을 제공할 수 있다. 또는 제2 시스템(SYS2)에 작업자가 직접 모듈을 입력, 저장하는 방식으로 제1 시스템(SYS1)에 의해 학습된 모듈이 제2 시스템(SYS2)에 제공될 수도 있다.
제2 시스템(SYS2)은 제1 시스템(SYS1)이 연산 모듈(11)을 업데이트하는 데에 필요한 정보를 제1 시스템(SYS1)에 제공할 수 있다. 일례로, 제2 시스템(SYS2)은 식각 장치(22)가 열연 강판에 대한 식각 공정을 완료하여 산세 강판을 생산하면, 산세 강판에 포함된 잔여 내부 결함층의 두께, 및 식각 공정 동안 식각 장치(22)에서 측정한 제어 데이터 중 적어도 하나를 제1 시스템(SYS1)에 제공할 수 있다. 제1 시스템(SYS1)은, 제2 시스템(SYS2)으로부터 수신한 잔여 내부 결함층의 두께, 및 제어 데이터 중 적어도 하나를 이용하여 연산 모듈(11)을 업데이트할 수 있다. 일례로, 학습 모델(12)이 잔여 내부 결함층의 두께, 및 제어 데이터 중 적어도 하나를 이용하여 연산 모듈(11)을 학습시킴으로써 연산 모듈(11)이 업데이트될 수 있다.
연산 모듈(11)이 업데이트되면, 제1 시스템(SYS1)은 네트워크(30)를 통해 제2 시스템(SYS2)에 업데이트된 연산 모듈(11) 중 적어도 하나를 전송할 수 있다. 제2 시스템(SYS2)은, 제1 시스템(SYS1)으로부터 수신한 연산 모듈(11)을 이용하여, 저장되어 있던 연산 모듈(21)을 업데이트할 수 있다. 일례로, 제2 시스템(SYS2)은 제1 시스템(SYS1)으로부터 수신한 연산 모듈로 기존의 연산 모듈(21)을 덮어쓰기(overwrite)할 수 있다.
일 실시예에서, 제1 시스템(SYS1)의 연산 모듈(11)은 복수의 연산 모듈들일 수 있다. 연산 모듈(11)은 열연 강판에 포함되는 내부 결함층의 두께 정보를 생성하는 연산 모듈, 및 식각 장치(22)를 제어하기 위한 제어 데이터를 생성하는 연산 모듈 등을 포함할 수 있다. 제1 시스템(SYS1)은, 제어 데이터를 생성하는 연산 모듈을 제2 시스템(SYS2)으로 전송할 수 있다.
학습 모델(12)은 연산 모듈(11)을 최적화할 수 있다. 일례로, 학습 모델(12)은 복수의 연산 모듈들을 학습시키기 위한 복수의 학습 모델들을 포함할 수 있다. 또한 학습 모델(12)은 제2 시스템(SYS2)으로부터 수신한 잔여 내부 결함층의 두께, 및 제어 데이터 중 적어도 하나를 이용하여 연산 모듈(11)을 학습시켜 최적화할 수 있다. 일 실시예에서, 학습 모델(12)은 연산 모듈(11)이 계산한 잔여 내부 결함층의 두께와, 제2 시스템(SYS2)으로부터 수신한 잔여 내부 결함층의 두께가 서로 일치하거나 또는 그 차이가 소정의 기준값 이하가 되도록 연산 모듈(11)을 학습시킬 수 있다.
연산 모듈(11)은 회로 등의 하드웨어로 구현되거나, 소스 코드 등의 소프트웨어로 구현될 수 있다. 연산 모듈(11)은 입력값을 이용한 소정의 연산을 실행하여 출력값을 생성할 수 있다. 일례로, 학습 모델(12)은 연산 모듈(11)에서 실행되는 연산의 가중치, 계수 등을 조절함으로써 연산 모듈(11)을 학습시킬 수 있다.
실시예들에 따라, 제2 시스템(SYS2)의 제2 서버(20)는 추가 연산 모듈을 더 포함할 수 있다. 추가 연산 모듈은 제1 시스템(SYS1)으로부터 수신하는 연산 모듈(21)과 다른 별도의 연산 모듈일 수 있으며, 연산 모듈(21)이 출력하는 제어 데이터 중 적어도 일부를 조절하여 식각 장치(22)에 입력할 수 있다. 일례로 추가 연산 모듈은, 식각 장치(22)에 존재하는 기계 오차, 동작 지연 등을 고려하여 연산 모듈(21)이 출력하는 제어 데이터 중 적어도 일부를 조절하여 식각 장치(22)에 입력할 수 있다. 따라서, 추가 연산 모듈이 제2 서버(20)에 포함되는 경우, 연산 모듈(21)이 출력하는 제어 데이터와, 식각 장치(22)에 입력되는 제어 데이터가 서로 다를 수 있다.
추가 연산 모듈은, 연산 모듈(21)이 출력하는 제어 데이터가 식각 장치(22)에 적용될 수 있도록, 제어 데이터의 스케일 단위를 조절하거나, 식각 장치(22)에 입력될 수 있는 데이터 포맷으로 제어 데이터를 변환할 수 있다. 실시예들에 따라, 연산 모듈(21)이 제어 데이터의 스케일 단위 및 데이터 포맷 등을 직접 조절하여 식각 장치(22)로 출력할 수도 있다. 이 경우, 추가 연산 모듈이 제2 서버(20)에 포함되지 않을 수도 있다.
일 실시예에서, 제2 시스템(SYS2)의 연산 모듈(21)은 제1 시스템(SYS1)으로부터 내부 결함층의 두께 정보를 수신할 수 있다. 두께 정보는, 제1 시스템(SYS1)이 계산 및/또는 실측한 내부 결함층의 두께를 포함할 수 있다. 제2 시스템(SYS2)은 두께 정보를 이용하여, 식각 장치(22)를 제어하기 위한 제어 데이터를 결정할 수 있다. 일 실시예에서 제어 데이터는 식각 장치(22)가 열연 강판을 이송하는 이송 속도, 식각 장치(22)에서 열연 강판과 접촉하는 식각 용액의 농도, 식각 용액의 온도, 식각 용액의 성분, 및 촉진제 사용 유무 중 등을 포함할 수 있다. 연산 모듈(21)이 출력하는 제어 데이터에 의해 식각 장치(22)가 자동으로 제어될 수 있다.
일례로, 식각 장치(22)에 입력되는 제어 데이터는 열연 강판의 길이 방향을 따라 정의되는 복수의 영역들 각각에 대한 식각 공정을 최적화할 수 있다. 예를 들어, 열연 강판의 단부와 가까운 일부 영역들에 대한 식각 공정 중 열연 강판의 이송 속도는, 열연 강판의 단부와 먼 다른 일부 영역에 대한 식각 공정 중 열연 강판의 이송 속도와 다를 수 있다. 일례로, 열연 강판의 단부와 가까운 일부 영역들에 대한 식각 공정에서 열연 강판의 이송 속도는, 열연 강판의 단부와 먼 다른 일부 영역들에 대한 식각 공정에서 열연 강판의 이송 속도보다 빠를 수 있다. 일 실시예에서, 식각 공정이 진행되는 동안 열연 강판의 표면에 존재하는 스케일이 함께 제거될 수 있다.
일 실시예에서, 식각 장치(22)에 존재하는 기계 오차 및 제어 데이터를 입출력하는 과정 등에서의 신호 지연 등으로 인해, 연산 모듈(21)이 출력하는 제어 데이터와, 식각 공정 동안 식각 장치(22)에서 실측되는 제어 데이터가 서로 일치하지 않을 수 있다. 식각 장치(22)에 입력되는 제어 데이터 중에서 열연 강판의 이송 속도를 예시로 설명하면, 연산 모듈(21)이 식각 장치(22)에 입력하는 열연 강판의 이송 속도와, 식각 장치(22)가 열연 강판을 이송하는 실제 이송 속도가 일치하지 않을 수 있다. 또한, 식각 장치(23)에 입력되는 제어 데이터 중 식각 용액의 농도 및/또는 식각 용액의 온도는 열연 강판과 식각 용액이 접촉하는 과정에서 변할 수 있다.
본 발명의 일 실시예에서는, 기계 오차 및 신호 지연 등을 고려하여 식각 장치(22)를 제어할 수 있다. 일례로, 기계 오차 및 신호 지연 등이 제어 데이터에 반영될 수 있도록, 제2 시스템(SYS2)은 식각 공정이 완료된 산세 강판에 포함되는 잔여 내부 결함층의 두께, 및 식각 공정을 진행하는 동안 식각 장치(22)에서 측정한 제어 데이터 등의 정보를 획득할 수 있다. 제2 시스템(SYS2)은 획득한 정보를 제1 시스템(SYS1)으로 전송할 수 있다.
제1 시스템(SYS1)의 학습 모델(12)은 제2 시스템(SYS2)이 전송한 정보를 이용하여, 연산 모듈(11) 중 적어도 하나를 학습시킬 수 있다. 연산 모듈(11)에 대한 학습이 완료되면, 제1 시스템(SYS1)은 학습이 완료된 연산 모듈(11) 중 적어도 하나, 예를 들어 식각 장치(22)를 제어하기 위한 제어 데이터를 생성하는 연산 모듈을 제2 시스템(SYS2)으로 전송할 수 있다. 제2 시스템(SYS2)은 제1 시스템(SYS1)으로부터 수신한 연산 모듈을 이용하여, 미리 저장되어 있던 연산 모듈(21)을 업데이트할 수 있다. 따라서, 제2 시스템(SYS2)의 연산 모듈(21)은 기계 오차와 신호 지연 등을 고려하여 제어 데이터를 생성할 수 있으며, 식각 장치(22)를 더 정확하게 제어할 수 있다.
실시예들에 따라, 제2 시스템(SYS2)이 학습 모델을 포함할 수도 있다. 제2 시스템(SYS2)에 포함되는 학습 모델은, 제1 시스템(SYS1)에 포함되는 학습 모델(12)과 유사한 방식으로 제2 시스템(SYS2)에 포함되는 연산 모듈(21)을 학습시킬 수 있다. 이와 관련하여서는 도 14와 도 15를 참조하여 후술하기로 한다.
또한 제2 시스템(SYS2)이 직접 열연 강판에 포함되는 내부 결함층의 두께를 계산하고, 이를 이용하여 식각 공정을 진행할 수도 있다. 이 경우, 제2 시스템(SYS2)은 제1 시스템(SYS1)으로부터 내부 결함층의 두께를 계산하는 데에 필요한 정보를 수신할 수 있다. 일례로 제1 시스템(SYS1)은 열연 강판의 냉각 속도, 열연 강판의 성분, 열연 강판이 냉각되는 동안 주변의 산소 분압 등의 정보를 수집하여 제2 시스템(SYS2)에 전송할 수 있다. 제2 시스템(SYS2)의 연산 모듈(21)은 제1 시스템(SYS1)으로부터 수신한 변수들을 이용하여 열연 강판에 포함되는 내부 결함층의 두께를 예측하고, 식각 장치(22)를 제어할 수 있다.
일 실시예에서, 앞서 설명한 바와 같이, 계산한 내부 결함층의 두께를 이용하여, 식각 공정이 진행되는 동안 열연 강판을 이송하는 이송 속도를 조절할 수 있다. 일례로, 내부 결함층의 두께가 상대적으로 작을 것으로 예측되는 제1 영역이 식각 용액과 접촉하는 동안에는 제1 이송 속도로 열연 강판을 이송할 수 있다. 또한, 내부 결함층의 두께가 상대적으로 클 것으로 예측되는 제2 영역이 식각 용액과 접촉하는 동안에는 제1 이송 속도보다 느린 제2 이송 속도로 열연 강판을 이송할 수 있다.
본 발명의 일 실시예에에서는, 열연 강판의 내부 결함층을 예측하기 위한 정보를 수집하는 동작, 내부 결함층을 계산하는 동작, 계산한 내부 결함층에 기초하여 식각 장치(22)를 제어하기 위한 제어 데이터를 생성하는 동작, 식각 장치(22)가 식각 공정을 진행하는 동안 수집한 제어 데이터 등을 이용하여 연산 모듈(11, 21)을 다시 학습시키는 동작 등이 두 개의 서로 다른 시스템들(SYS1, SYS2)에 분산시켜 구현할 수 있다. 일례로, 상기 동작들이 필요에 따라 제1 시스템(SYS1)과 제2 시스템(SYS2)에 적절히 분산되어 실행될 수 있다. 일례로, 제1 시스템(SYS1)과 제2 시스템(SYS2)의 성능에 따라 상기 동작들을 제1 시스템(SYS1)과 제2 시스템(SYS2)에 할당함으로써, 시스템들(SYS1, SYS2)의 부하(load)를 효율적으로 관리하고, 전체 시스템(1)을 효과적으로 운영할 수 있다.
예를 들어, 제1 시스템(SYS1)의 성능이 제2 시스템(SYS2)의 성능보다 크게 우수할 경우, 제1 시스템(SYS1)에서 상기 동작의 대부분을 처리하고, 제2 시스템(SYS2)은 제1 시스템(SYS1)이 생성한 제어 데이터를 수신하여 식각 장치(22)를 제어할 수 있다. 제1 시스템(SYS1)과 제2 시스템(SYS2)의 성능이 유사할 경우, 제1 시스템(SYS1)이 열연 강판에 포함되는 내부 결함층의 두께를 나타내는 두께 정보를 생성하고, 제2 시스템(SYS2)이 내부 결함층의 두께 정보를 이용하여 제어 데이터를 생성할 수 있다. 반면 제1 시스템(SYS1)에 비해 제2 시스템(SYS2)의 성능이 크게 우수하면, 제1 시스템(SYS1)은 내부 결함층의 두께를 계산하는 데에 필요한 열연 강판의 정보를 수집하여 제2 시스템(SYS2)에 전달할 수 있으며, 제2 시스템(SYS2)이 내부 결함층의 두께를 계산하고 제어 데이터를 생성하여 식각 장치(22)를 제어할 수 있다.
제2 시스템(SYS2)이 내부 결함층의 두께를 예측하기 위하여 제1 시스템(SYS1)으로부터 수신하는 열연 강판의 정보는 열연 강판의 상분율 관련 정보, 열연 강판의 온도 관련 정보, 열연 강판의 성분 관련 정보 등을 포함할 수 있다. 상분율 관련 정보는 상분율 정보가 추출 가능하도록 상기 상분율 정보를 가공한 모든 형태의 정보를 의미할 수 있고, 열연 강판의 온도 관련 정보는 온도 정보가 추출 가능하도록 상기 온도 정보를 가공한 보든 형태의 정보를 의미할 수 있으며, 열연 강판의 성분 관련 정보는 성분 정보가 추출 가능하도록 상기 성분 정보를 가공한 모든 형태의 정보를 의미할 수 있다. 따라서, 제2 시스템(SYS2)은 제1 시스템(SYS1)으로부터 수신한 정보들을 이용하여 열연 강판의 상분율, 온도, 성분 등을 먼저 계산한 후, 이를 이용하여 열연 강판에 포함되는 내부 결함층의 두께를 예측할 수 있다.
도 4 는 본 발명의 일 실시예에 따른 공정 제어 시스템을 간단하게 나타낸 블록도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 공정 제어 시스템(40)은 제1 서버(41) 및 열연 강판 생산 장치(45) 등을 포함할 수 있으며, 제1 서버(41)는 열연 강판 생산 장치(45)를 제어 및 관리할 수 있다. 열연 강판 생산 장치(45)는 가열로에서 가열한 슬래브를 압연하여 열연 강판을 생산하고, 열연 강판을 냉각 및 권취하는 장치일 수 있다.
제1 서버(41)는 통신부(42), 스토리지(43), 프로세서(44) 등을 포함할 수 있다. 통신부(42)는 제1 서버(41)와 네트워크를 통신 가능하도록 연결할 수 있다. 스토리지(43)는 제1 서버(41)의 동작 및 열연 강판 생산 장치(45)의 관리 등에 필요한 데이터를 저장할 수 있다. 프로세서(44)는 통신부(42)와 스토리지(43), 및 열연 강판 생산 장치(45) 등을 제어할 수 있다.
일례로, 스토리지(43)는 소정의 연산을 실행하는 연산 모듈을 저장할 수 있다. 일 실시예에서, 연산 모듈은 열연 강판 생산 장치(45)와 연동되어, 열연 강판 생산 장치(45)로부터 획득한 정보를 이용하여 열연 강판에 포함되는 내부 결함층의 두께 정보를 생성할 수 있다. 또한. 연산 모듈은 통신부(42) 및 네트워크 등을 통해 연결되는 외부 시스템이 식각 장치를 제어하는 데에 필요한 제어 데이터를 생성할 수 있다. 식각 장치는, 열연 강판 생산 장치(45)가 생산한 열연 강판에 포함된 내부 결함층 중 적어도 일부를 제거하는 장치일 수 있다.
예를 들어 제어 데이터는, 식각 장치가 열연 강판을 이송하는 이송 속도, 식각 장치에서 열연 강판에 접촉하는 식각 용액의 온도와 농도, 성분, 및 촉진제 사용 유무 등을 포함할 수 있다. 일례로 연산 모듈이 생성한 내부 결함층의 두께 정보에서, 열연 강판의 제1 영역은 제1 두께의 내부 결함층을 갖고, 제2 영역은 제1 두께와 다른 제2 두께의 내부 결함층을 가질 수 있다. 제어 데이터는 제1 영역에 대한 식각 공정에서 열연 강판이 이송되는 제1 이송 속도, 및 제2 영역에 대한 식각 공정에서 열연 강판이 이송되는 제2 이송 속도를 포함하며, 제1 이송 속도와 제2 이송 속도는 서로 다를 수 있다. 일례로, 제1 두께가 제2 두께보다 크면, 제1 이송 속도는 제2 이송 속도보다 느릴 수 있다. 따라서, 상대적으로 큰 두께를 갖는 영역에 대해, 충분한 식각 공정이 진행될 수 있다.
일 실시예에서, 스토리지(43)는 연산 모듈을 학습시키는 데에 필요한 학습 모델을 저장할 수 있다. 학습 모델은 프로세서(44)에 의해 실행되며, 프로세서(44)는 학습 모델을 실행하여 연산 모듈을 최적화할 수 있다.
프로세서(44)는 CPU, AP, SoC 등으로 구현될 수 있으며, 스토리지(43)와 통신부(42), 및 열연 강판 생산 장치(45) 등을 제어할 수 있다. 일례로 프로세서(44)는, 스토리지(43)에 저장된 연산 모듈이 생성한 내부 결함층의 두께 정보, 및 상기 외부 시스템이 상기 식각 장치를 제어하는 데에 필요한 제어 데이터 중 적어도 하나를, 상기 외부 시스템에 전송할 수 있다.
프로세서(44)가 상기 외부 시스템에 내부 결함층의 두께 정보를 전송하는 경우, 상기 외부 시스템은 내부 결함층의 두께 정보에 기초하여 식각 장치를 제어하기 위한 제어 데이터를 직접 생성할 수 있다. 이 경우, 프로세서(44)는 내부 결함층의 두께 정보를 이용하여 제어 데이터를 생성하는 연산 모듈을, 스토리지(43)에서 인출하여 상기 외부 시스템에 전송할 수 있다.
한편 프로세서(44)가 상기 외부 시스템에 제어 데이터를 전송하는 경우, 상기 외부 시스템은 수신한 제어 데이터를 이용하여 식각 장치를 제어할 수 있다. 필요에 따라, 제어 데이터의 포맷을 변환하는 등의 부가 작업이 상기 외부 시스템에서 실행될 수 있다. 이 경우, 프로세서(44)는 내부 결함층의 두께 정보를 이용하여 제어 데이터를 생성하는 연산 모듈을, 상기 외부 시스템에 전송하지 않을 수도 있다.
일 실시예에서, 스토리지(43)에 저장된 연산 모듈은 열연 강판 생산 장치(45)가 열연 강판을 권취하기 이전의 상분율을 계산하는 제1 모듈을 포함할 수 있다. 제1 모듈은 열연 강판의 공정 조건, 예를 들어 열연 강판의 냉각 속도, 열연 강판의 성분, 열연 강판의 초기 온도 중 적어도 하나에 기초하여 상분율을 계산할 수 있다. 스토리지(43)의 학습 모델은, 열연 강판에서 실제로 측정한 상분율과, 제1 모듈이 계산을 통해 예측한 상분율을 비교하여 제1 모듈을 학습시킬 수 있다.
일 실시예에서, 스토리지(43)에 저장된 연산 모듈은 열연 강판의 온도 변화를 계산하는 제2 모듈을 더 포함할 수 있다. 제2 모듈은, 제1 모듈이 계산한 상분율, 열연 강판의 권취 후 경과 시간, 및 열연 강판의 성분 중 적어도 하나를 이용하여 온도 변화를 예측할 수 있다. 학습 모델은, 제2 모듈이 계산한 온도 변화와, 열연 강판에서 실제로 측정한 온도 변화를 비교하여 제2 모듈을 학습시킬 수 있다.
일 실시예에서, 스토리지(43)에 저장된 연산 모듈은 열연 강판에 포함된 내부 결함층의 두께를 계산하는 제3 모듈을 더 포함할 수 있다. 일례로 제3 모듈은, 제2 모듈이 계산한 온도 변화, 열연 강판의 성분, 및 열연 강판 주변의 산소 분압 중 적어도 하나를 이용하여 내부 결함층의 두께를 계산할 수 있다. 학습 모델은, 제3 모듈이 계산을 통해 예측한 내부 결함층의 두께를, 열연 강판으로부터 실측한 내부 결함층의 두께와 비교하여 제3 모듈을 학습시킬 수 있다.
일례로 제3 모듈은, 열연 강판의 길이 방향을 따라 정의되는 복수의 영역들 각각에서 내부 결함층의 두께를 계산할 수 있다. 상기 영역들 중 적어도 일부에서, 내부 결함층의 두께는 서로 다르게 계산될 수 있다.
일 실시예에서, 스토리지(43)에 저장된 연산 모듈은, 내부 결함층 중 적어도 일부를 제거하는 식각 공정에서 제거되는 내부 결함층의 두께를 계산하는 제4 모듈을 더 포함할 수 있다. 제4 모듈은, 식각 공정을 진행하는 식각 장치를 제어하기 위해 식각 장치에 입력되는 제어 데이터에 기초하여, 식각 공정에서 제거되는 내부 결함층의 두께를 계산할 수 있다.
학습 모델은, 식각 공정이 완료된 산세 강판에 포함되는 잔여 내부 결함층의 두께를, 제4 모듈이 계산을 통해 예측한 내부 결함층의 두께와 비교하여 제4 모듈을 학습시킬 수 있다. 일례로, 학습 모델은 제3 모듈이 계산한 내부 결함층의 두께와 제4 모듈이 계산한 내부 결함층의 두께의 차이를, 산세 강판에 포함되는 잔여 내부 결함층의 두께와 비교할 수 있다. 제4 모듈을 학습시키기 위해, 제1 서버(41)는 식각 장치를 제어하는 외부 시스템이 산세 강판에서 측정한 잔여 내부 결함층의 두께를 수신할 수 있다.
일 실시예에서, 스토리지(43)에 저장된 연산 모듈은, 외부 시스템이 식각 장치를 제어하는 데에 필요한 제어 데이터를 생성하는 제5 모듈을 더 포함할 수 있다. 제5 모듈이 생성하는 제어 데이터는, 식각 장치가 열연 강판을 이송하는 속도, 식각 장치에서 열연 강판에 접촉하는 식각 용액의 농도, 식각 용액의 성분, 식각 용액의 온도, 및 촉진제 사용 유무 중 적어도 하나를 포함할 수 있다.
학습 모델이 제5 모듈을 학습시킬 수 있도록, 제1 서버(41)는 식각 장치를 제어하는 외부 시스템으로부터 제어 데이터를 수신할 수 있다. 제1 서버(41)가 외부 시스템으로부터 수신하는 제어 데이터는, 식각 공정 동안 식각 장치로부터 외부 시스템이 실측한 제어 데이터일 수 있다. 학습 모델은, 외부 시스템으로부터 수신한 제어 데이터를 이용하여 제4 모듈이 계산한 내부 결함층의 두께를, 산세 강판으로부터 실측한 잔여 내부 결함층의 두께와 비교하여 제5 모듈을 학습시킬 수 있다.
도 5는 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 연산 모듈의 초기 학습 방법을 설명하기 위한 도면이다.
도 5를 참조하면, 열연 강판 내부 결함층 두께 제어 시스템(100)은 연산 모듈(110)과 학습 모델(120)을 포함할 수 있다. 일례로 연산 모듈(110)은 두께 정보 생성 모듈(111)과 제어 데이터 생성 모듈(112)을 포함할 수 있다. 일 실시예에서 연산 모듈(110)은 제1 내지 제5 모듈들(M1-M5)을 포함할 수 있으며, 두께 정보 생성 모듈(111)은 제1 내지 제3 모듈(M1-M3)을 포함할 수 있고, 제어 데이터 생성 모듈(112)은 제4 모듈(M4)과 제5 모듈(M5)을 포함할 수 있다. 제1 내지 제5 모듈들(M1-M5)은 회로 등의 하드웨어로 구현되거나, 소스 코드 등의 소프트웨어로 구현될 수 있다.
예를 들어, 제1 내지 제5 모듈들(M1-M5)이 소스 코드 등의 소프트웨어로 구현될 경우, 제1 내지 제5 모듈들(M1-M5)은 입력 데이터를 이용해서 출력 데이터를 계산하는 연산을 실행할 수 있다. 제1 내지 제5 모듈들(M1-M5) 각각의 연산은 학습 모델(120)에 의해 결정 및 최적화될 수 있다.
학습 모델(120)은 제1 내지 제4 학습 모델(LM1-LM4)과 피드백 학습 모델(LMT)을 포함할 수 있다. 제1 학습 모델(LM1)은 제1 모듈(M1)을 초기에 학습시키기 위한 모델일 수 있고, 제2 학습 모델(LM2)은 제2 모듈(M2)을 초기에 학습시키기 위한 모델일 수 있다. 유사하게, 제3 학습 모델(LM3)은 제3 모듈(M3)을 초기에 학습시키기 위한 모델일 수 있으며, 제4 학습 모델(LM4)은 제4 모듈(M4)을 초기에 학습시키기 위한 모델일 수 있다. 피드백 학습 모델(LMT)은 식각 공정이 완료된 후, 제1 내지 제5 모듈(M1-M5) 중 적어도 하나를 학습시키기 위한 모델일 수 있다. 일 실시예에서, 피드백 학습 모델(LMT)은 제1 내지 제5 모듈(M1-M5)을 동시에 학습시킬 수도 있다.
학습 모델(120)은 편차 보정법이나 강화 학습 등을 이용하여 제1 내지 제5 모듈(M1-M5)을 학습시킬 수 있다. 편차 보정법을 이용하는 경우, 학습 모델(120)은 외부로부터 입력된 측정값과 모듈로부터 출력된 계산값의 오차를 보정해 나가는 방식으로 제1 내지 제5 모듈(M1-M5)을 학습시킬 수 있다. 학습 모델(120)이 강화 학습을 이용하는 경우, 학습 모델(120)은 DNN(deep neural network)일 수 있으나, 반드시 이와 같은 예시로 한정되는 것은 아니다.
학습 모델(120)이 강화 학습을 이용하여 각 모듈을 학습시키는 일 실시예에 대해서는, 도 6을 참조하여 후술하기로 한다. 이하 도 5을 참조하여 공정 제어 시스템(100)의 초기 학습 방법에 대해서 구체적으로 설명하기로 한다.
일 실시예에서, 제1 모듈(M1)은 열연 강판을 권취하기 이전의 상분율을 계산할 수 있다. 제1 학습 모델(LM1)은 제1 공정 조건(CD1)과 제1 상분율 값(EPF)을 수신할 수 있다. 제1 상분율 값(EPF)은 제1 공정 조건(CD1) 하에서 실제로 측정한 상변태 분율 또는 상변태량 등을 포함할 수 있다. 제1 공정 조건(CD1)은 열연 강판의 냉각 속도, 열연 강판의 온도, 및 열연 강판의 성분 등을 포함할 수 있다.
제1 학습 모델(LM1)은 제1 공정 조건(CD1)을 제1 모듈(M1)에 입력할 수 있다. 제1 모듈(M1)은 제1 공정 조건(CD1)을 이용하여 열연 강판의 상분율을 계산한 제2 상분율 값(PPF)을 계산할 수 있다. 제1 모듈(M1)이 출력하는 제2 상분율 값(PPF)은, 제1 학습 모델(LM1)에 전달될 수 있다.
제1 학습 모델(LM1)은 제1 상분율 값(EPF)과 제2 상분율 값(PPF)을 비교하여 제1 모듈(M1)을 학습시킬 수 있다. 일례로, 제1 상분율 값(EPF)과 제2 상분율 값(PPF)이 일치하지 않으면 제1 학습 모델(LM1)은 제1 모듈(M1)에서 제1 공정 조건(CD1)을 입력 받아 상분율을 계산하는 제1 연산의 가중치, 계수 등을 조절할 수 있다. 제1 학습 모델(LM1)은 제1 상분율 값(EPF)과 제2 상분율 값(PPF)이 일치하도록, 또는 제1 상분율 값(EPF)과 제2 상분율 값(PPF)의 차이가 소정의 값 이하가 되도록 제1 모듈(M1)의 제1 연산의 가중치, 계수 등을 조절할 수 있다.
제2 학습 모델(LM2)은 제2 공정 조건(CD2), 주변 환경을 나타내는 환경 조건(FV), 및 열연 강판으로부터 측정한 제1 온도 값(ET) 등을 수신할 수 있다. 제2 공정 조건(CD2)은 권취 후 열연 강판의 온도를 측정한 시점, 및 열연 강판의 성분 등을 포함할 수 있다. 환경 조건(FV)은 권취 후 열연 강판이 냉각되는 속도에 영향을 주는 주변 환경을 표현하는 값을 포함할 수 있다. 예를 들어, 주변 환경이 공기이면 환경 조건(FV)의 값은 '1'일 수 있고, 주변 환경이 바람이면 환경 조건(FV)의 값은 '2'일 수 있으며, 주변 환경이 물이면 환경 조건(FV)의 값은 '3'일 수 있다. 제1 온도 값(ET)은 열연 코일의 온도를 실제로 측정한 값을 포함할 수 있다.
제2 모듈(M2)은 제2 학습 모델(LM2)로부터 제2 공정 조건(CD2)과 환경 조건(FV)을 입력받을 수 있다. 일례로 제2 모듈(M2)은 제2 공정 조건(CD2)과 환경 조건(FV)을 이용하여 열연 강판의 온도를 계산할 수 있으며, 열연 강판의 온도를 계산한 제2 온도 값(PT)을 출력할 수 있다. 제2 온도 값(PT)은 열연 강판의 길이 방향에서 정의되는 영역들 각각의 온도를, 권취 후 경과 시간에 따라 계산한 값 등을 포함할 수 있다. 제2 모듈(M2)은 제2 온도 값(PT)을 제2 학습 모델(LM2)로 출력할 수 있다.
제2 학습 모델(LM2)은 제1 온도 값(ET)과 제2 온도 값(PT)을 비교하여 제2 모듈(M2)을 학습시킬 수 있다. 예를 들어, 제1 온도 값(ET)과 제2 온도 값(PT)이 일치하지 않거나 제1 온도 값(ET)과 제2 온도 값(PT)의 차이가 소정의 값보다 크면, 제2 학습 모델(LM2)은 제2 모듈(M2)에서 제2 온도 값(PT)을 계산하는 제2 연산의 가중치, 계수 등을 조절할 수 있다. 제2 학습 모델(LM2)은 제1 온도 값(ET)과 제2 온도 값(PT)이 일치하도록, 또는 제1 온도 값(ET)과 제2 온도 값(PT)의 차이가 소정의 값 이하가 되도록 제2 모듈(M2)을 학습시킬 수 있다.
제3 학습 모델(LM3)은 열연 강판의 성분(ING), 열연 강판 주변의 산소 분압(OPP), 제2 모듈(M2)의 출력값인 제2 온도 값(PT), 및 열연 강판으로부터 측정한 내부 결함층의 제1 두께(ED) 등을 입력받을 수 있다. 내부 결함층의 제1 두께(ED)는 열연 강판의 내부 결함층의 두께를 실제로 측정한 실측값일 수 있다.
제3 모듈(M3)은 제3 학습 모델(LM3)로부터 열연 강판의 성분(ING), 열연 강판 주변의 산소 분압(OPP), 및 열연 강판의 제2 온도 값(PT)을 입력 데이터로서 수신할 수 있다. 제3 모듈(M3)은 내부 결함층의 제2 두께(PD)를 계산할 수 있다. 제2 두께(ED)는 제3 모듈(M3)이 열연 강판의 성분(ING), 열연 강판 주변의 산소 분압(OPP), 및 제2 온도 값(PT) 중 적어도 하나를 이용하여 열연 강판에 존재할 것으로 계산한 내부 결함층의 두께일 수 있다. 제3 모듈(M3)이 출력하는 내부 결함층의 제2 두께(PD)는 제3 학습 모델(LM3)에 전달될 수 있다.
제3 학습 모델(LM3)은 내부 결함층의 제1 두께(ED)와 제2 두께(PD)를 비교하여 제3 모듈(M3)을 학습시킬 수 있다. 일례로, 내부 결함층의 제1 두께(ED)와 제2 두께(PD)가 일치하지 않거나, 그 차이가 소정의 값보다 크면 제3 학습 모델(LM3)은 제3 모듈(M3)에서 내부 결함층의 제2 두께(PD)를 계산하는 제3 연산의 가중치, 계수 등을 조절할 수 있다. 제3 학습 모델(LM3)은 내부 결함층의 실측값인 제1 두께(ED)와 계산값인 제2 두께(PD)가 일치하거나 그 차이가 소정의 값 이하가 되도록 제3 모듈(M3)을 학습시킬 수 있다.
제4 학습 모델(LM4)은 열연 강판의 이송 속도(PV), 식각 공정에 이용되는 식각 용액의 특성(AC), 및 식각 장치가 제거한 내부 결함층의 제1 두께(EPA) 등을 수신할 수 있다. 식각 용액의 특성(AC)은 열연 강판과 접촉하는 식각 용액의 농도, 식각 용액의 온도, 식각 용액의 성분, 촉진제의 사용 유무 등을 포함할 수 있다. 열연 강판의 이송 속도(PV)는 열연 강판이 식각 용액과 접촉하는 동안 열연 강판이 움직이는 속도를 의미할 수 있다. 내부 결함층의 제1 두께(EPA)는 열연 코일의 이송 속도(PV)와 식각 용액의 특성(AC)에 의해 진행된 식각 공정에서 실제로 제거되는 내부 결함층의 두께를 의미할 수 있다.
제4 모듈(M4)은 제4 학습 모델(LM4)로부터 열연 강판의 이송 속도(PV)와 식각 용액의 특성(AC)을 입력받을 수 있다. 제4 모듈(M4)은 열연 강판의 이송 속도(PV)와 식각 용액의 특성(AC) 중 적어도 하나를 이용하여 식각 장치가 제거할 것으로 예상되는 내부 결함층의 제2 두께(PPA1)를 계산할 수 있다. 일 실시예에서, 제4 모듈(M4)은 이송 속도(PV)에 따라 결정되는 식각 시간, 및 식각 용액의 특성(AC)을 입력값으로 입력받고, 상기 입력값을 이용하여 내부 결함층의 제2 두께(PPA1)를 계산하는 연산을 실행할 수 있다. 제4 모듈(M4)은 내부 결함층의 제2 두께(PPA1)를 제4 학습 모델(LM4)로 출력할 수 있다.
제4 학습 모델(LM4)은 내부 결함층의 제2 두께(PPA1)와 내부 결함층의 제1 두께(EPA)를 비교하여 제4 모듈(M4)을 학습시킬 수 있다. 예컨대, 내부 결함층의 제1 두께(EPA)와 내부 결함층의 제2 두께(PPA1)가 일치하지 않거나 그 차이가 소정의 값보다 크면, 제4 학습 모델(LM4)은 제4 모듈(M4)에서 내부 결함층의 제2 두께(PPA1)를 계산하는 제4 연산의 가중치, 계수 등을 조절할 수 있다.
제5 모듈(M5)은 식각 장치를 제어하기 위한 제어 데이터를 생성할 수 있다. 일례로, 제5 모듈(M5)은 최적화 기법(예를 들어, 황금 분할법 등)을 이용하여 제4 모듈(M4)을 반복해서 호출함으로써 최적의 제어 데이터를 찾을 수 있다. 제5 모듈(M5)은 최적의 제어 데이터를 찾는 최적화 기법을 선택하거나, 최적화 기법을 수정할 수 있다.
도 6은 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 학습 모델을 설명하기 위한 도면이다.
도 6을 참조하면, 학습 모델이 강화 학습을 이용하여 각 모듈을 학습시킬 경우, 학습 모델은 심층 신경망(deep neural network(DNN)) 등으로 구현될 수 있다. 학습 모델은 입력 레이어(IL), 히든 레이어(HL), 및 출력 레이어(OL)를 포함할 수 있다. 일례로, 입력 레이어(IL), 히든 레이어(HL), 및 출력 레이어(OL)에 포함되는 복수의 노드들은 서로 완전 연결형(fully connected)으로 연결될 수 있다. 입력 레이어(IL)는 복수의 입력 노드들(x1-xi)을 포함할 수 있으며, 입력 노드들(x1-xi)의 개수는 입력 데이터의 개수에 대응할 수 있다. 출력 레이어(OL)는 복수의 출력 노드들(y1-yj)을 포함할 수 있으며, 출력 노드들(y1-yj)의 개수는 출력 데이터의 개수에 대응할 수 있다.
히든 레이어(HL)는 제1 내지 제3 히든 레이어들(HL1-HL3)을 포함할 수 있으며, 히든 레이어들(HL1-HL3)의 개수는 다양하게 변형될 수 있다. 일례로 학습 모델(120)은 히든 레이어(HL)에 포함된 히든 노드들 각각의 가중치들을 조절하는 방식으로 학습될 수 있다.
도 7은 본 발명의 일 실시예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 공정 제어 시스템(200)은 연산 모듈들(210-230)을 포함할 수 있다. 일례로 공정 제어 시스템은, 열연 강판의 내부 결함층 중 적어도 일부를 제거하기 위한 식각 장치를 직접 제어하는 외부 시스템과 네트워크를 통해 연결될 수 있다.
일 실시예에서 연산 모듈들(210-230)은, 열연 강판에 포함되는 내부 결함층의 두께를 계산할 수 있다. 일 실시예에서, 내부 결함층의 두께를 계산하기 위해서는 열연 강판의 길이 방향에 따른 열연 강판의 냉각 속도가 필요할 수 있다. 열연 강판의 권취 이전에 상변태가 완료되지 않은 경우, 권취 후 상변태로 인한 발열이 나타날 수 있다. 따라서, 열연 강판의 권취 이전의 상분율을 고려하여 권취 후 열연 강판의 온도 변화를 계산할 수 있다.
일 실시예에서, 제1 모듈(210)은 제1 공정 조건(CD1)을 이용하여 냉각 시간에 따른 상분율(PPF)을 계산할 수 있다. 제1 공정 조건(CD1)은 열연 강판의 냉각 속도, 열연 강판의 온도, 및 열연 강판의 성분 등을 포함할 수 있다.
열연 강판에서는, 냉각 공정 중에 오스테나이트(AUSTENITE)로부터 펄라이트(PEARLITE)로 변하는 상변태가 일어날 수 있으며, 상변태로 인해 온도가 상승하는 변태 발열이 나타날 수 있다. 열연 고탄소강은 느린 펄라이트 변태로 인해 냉각 중에 상변태가 완료되지 않을 수 있으며, 권취 후 열연 강판에서 추가적으로 상변태가 일어날 수 있다. 결과적으로, 열연 강판이 권취 이후 고온의 산화 분위기에 장시간 노출될 수 있으며, 내부 결함층의 두께가 증가할 수 있다.
제2 모듈(220)은 제2 공정 조건(CD2)과 환경 조건(FV) 등을 이용하여 열연 강판의 권취 후 경과 시간에 따른 온도(PT)를 계산할 수 있다. 일례로 제2 모듈(220)은 열연 강판의 길이 방향에 따른 영역들 각각에서 온도(PT)를 계산할 수 있다. 제2 공정 조건(CD2)은 권취 후 열연 강판의 온도를 측정한 시점, 및 열연 강판의 성분 등을 포함할 수 있다.
권취된 열연 강판의 온도를 계산하기 위해서는 상기 설명한 변태 발열도 고려되어야 하므로, 제2 모듈(220)은 제1 모듈(210)로부터 상분율(PPF)을 수신할 수 있다. 상분율(PPF)에 기초하여 권취 시점의 상분율을 알 수 있으며, 귄취 후 열연 강판에서 추가적으로 일어나는 상변태량을 알 수 있다. 따라서, 제2 모듈(220)은 귄취된 열연 강판에서 추가적으로 일어나는 상변태량을 고려하여 열연 강판의 권취 후 경과 시간에 따른 열연 강판의 온도(PT)를 계산할 수 있다. 도 7에 도시한 일 실시예에서 시점 t1은 상변태로 인한 변태 발열이 반영된 온도를 나타낼 수 있다.
제3 모듈(230)은 열연 강판의 성분(ING), 열연 강판 주변의 산소 분압(OPP) 등을 이용하여 열연 강판에 포함되는 내부 결함층의 두께(PD)를 계산할 수 있다. 일 실시예에서, 제3 모듈(230)은, 열연 강판의 영역들 각각에서 권취 후 경과 시간에 따른 온도(PT)를 제2 모듈(220)로부터 수신하며, 열연 강판의 상기 영역들 각각에서 내부 결함층의 두께(PD)를 계산할 수 있다.
도 8은 본 발명의 일 실시 예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 흐름도이다.
도 8을 참조하면, 공정 제어 시스템은 연산 모듈들 중 적어도 일부를 외부 시스템에 전송할 수 있다(S110). 일례로, 연산 모듈들 중 적어도 일부를 외부 시스템에 전송하는 주체는, 열연 강판을 생산하고, 열연 강판을 열연 코일 형태로 권취하는 시스템일 수 있다. 또한, 연산 모듈들 중 적어도 일부를 수신하는 외부 시스템은, 열연 코일을 이송받아 식각 공정을 진행하는 시스템일 수 있다.
외부 시스템은 S110 단계에서 수신한 연산 모듈들을 이용하여 식각 공정을 진행할 수 있다. 일례로 S110 단계에서 외부 시스템에 전송되는 연산 모듈은, 식각 공정을 제어하기 위한 제어 데이터를 생성하는 모듈일 수 있다. 공정 제어 시스템은, 식각 공정이 완료된 산세 강판에 포함되는 잔여 내부 결함층의 두께, 및 식각 공정 동안 식각 장치에서 측정한 제어 데이터 등을 외부 시스템으로부터 수신할 수 있다(S120). 일례로 S120 단계에서 수신하는 제어 데이터는 식각 장치에서 실제로 측정된 값일 수 있으며, 따라서 외부 시스템이 식각 장치를 제어하기 위해 식각 장치에 입력한 값과 다를 수 있다.
공정 제어 시스템은, S120 단계에서 수신한 제어 데이터를 이용하여, 식각 장치가 제거할 것으로 기대되는 내부 결함층의 두께를 계산할 수 있다(S130). 또한 공정 제어 시스템은, S130 단계에서 계산한 내부 결함층의 두께를, S120 단계에서 수신한 잔여 내부 결함층의 두께와 비교하고, 비교 결과에 기초하여 연산 모듈들을 학습시킬 수 있다(S140). 공정 제어 시스템은, 연산 모듈들의 학습에 필요한 학습 모델을 포함할 수 있으며, 학습 모델은 연산 모듈들 중 적어도 하나에서, 연산에 이용되는 가중치, 계수 등을 조절할 수 있다.
학습이 완료되면 공정 제어 시스템은 연산 모듈들 중 적어도 하나를 외부 시스템에 전송할 수 있다(S150). 외부 시스템은, 공정 제어 시스템으로부터 수신한 연산 모듈을 이용하여 기존에 저장되어 있던 연산 모듈을 덮어쓰는 방식 등으로 업데이트할 수 있다. 따라서, 외부 시스템은 열연 강판에 포함되는 내부 결함층의 두께 분포를 고려한 최적화된 방식으로 식각 공정을 진행할 수 있다.
도 9는 본 발명의 일 실시예에 따른 공정 제어 시스템을 간단하게 나타낸 블록도이다.
도 9를 참조하면, 공정 제어 시스템(50)은 제2 서버(51) 및 식각 장치(55) 등을 포함할 수 있으며, 제2 서버(51)는 식각 장치(55)를 제어 및 관리할 수 있다. 식각 장치(55)는 앞서 설명한 열연 강판 생산 장치(45)가 생산하는 열연 코일을 이송받으며, 권취 상태의 열연 코일을 열연 강판 형태로 권출한 후, 열연 강판에 식각 공정을 진행하여 산세 강판을 생산할 수 있다.
식각 장치(55)는 산세 장치, 건식 식각 장치, 및 습식 식각 장치 중 적어도 하나일 수 있다. 식각 장치(55)가 산세 장치일 경우, 열연 강판이 산성의 식각 용액에 침지되는 방식으로 내부 결함층이 제거될 수 있다. 또는, 열연 강판의 표면으로 분사되는 식각 용액에 의해 내부 결함층이 제거되거나, 식각 용액을 묻힌 브러시가 열연 강판의 표면을 브러싱함으로써 내부 결함층이 제거될 수도 있다.
제2 서버(51)는 통신부(52), 스토리지(53), 프로세서(54) 등을 포함할 수 있다. 통신부(52)는 제2 서버(51)와 네트워크를 통신 가능하도록 연결할 수 있으며, 일례로 통신부(52)를 통해 제2 서버(51)가 제1 서버(41)와 통신할 수 있다. 제1 서버(41)는 앞서 도 4를 참조하여 설명한 바와 같이, 열연 강판 생산 장치(45)를 제어하는 서버일 수 있다. 스토리지(53)는 제2 서버(51)의 동작 및 식각 장치(55)의 제어에 필요한 데이터를 저장할 수 있다. 프로세서(54)는 통신부(52)와 스토리지(53), 및 식각 장치(55) 등을 제어할 수 있다.
일 실시예에서 스토리지(53)는 식각 장치(55)의 제어에 필요한 제어 데이터를 저장할 수 있다. 일례로, 스토리지(53)에 저장된 제어 데이터는, 프로세서(54)가 스토리지(53)에 저장된 연산 모듈을 실행하여 획득한 데이터이거나, 또는 통신부(52)를 통해 연결된 외부 시스템으로부터 수신한 데이터일 수 있다. 일례로 연산 모듈 없이 스토리지(53)에 제어 데이터가 저장되는 경우, 제어 데이터는 열연 강판의 생산을 관리하는 외부 시스템으로부터 전송될 수 있다.
스토리지(53)는, 제어 데이터를 생성하는 연산 모듈을 포함할 수 있다. 연산 모듈은 식각 장치(55)에서 진행되는 식각 공정을 제어하기 위한 연산을 실행할 수 있다. 일례로 연산 모듈들은, 열연 강판에 포함되는 내부 결함층의 두께 분포 등을 고려하여, 내부 결함층을 효율적으로 제거하도록 식각 장치(55)를 제어할 수 있는 제어 데이터를 생성할 수 있다. 일 실시예에서 스토리지(53)에 저장된 연산 모듈은, 통신부(52)를 통해 외부 시스템으로부터 수신하여 저장되는 연산 모듈일 수 있으며, 외부 시스템은 열연 강판 생산 장치를 제어하는 시스템일 수 있다. 다만 외부 시스템이 반드시 열연 강판 생산 장치를 제어하는 시스템으로 한정되는 것은 아니며, 실시예들에 따라 다양한 외부 시스템으로부터 연산 모듈을 수신할 수 있다.
일례로 연산 모듈은, 제2 서버(51)는 통신부(52)를 통해 수신한 내부 결함층의 두께 정보를 이용하여 제어 데이터를 생성할 수 있다. 프로세서(54)는 내부 결함층의 두께 정보를 스토리지(53)에 저장된 연산 모듈에 입력하고, 연산 모듈을 실행함으로써 제어 데이터를 획득할 수 있다. 내부 결함층의 두께 정보는, 열연 강판의 길이 방향에 따라 나타나는 내부 결함층의 두께 분포를 포함할 수 있다.
실시예들에 따라, 스토리지(53)에 저장되는 연산 모듈은, 통신부(52)를 통해 수신한 열연 강판의 정보를 이용하여 제어 데이터를 생성할 수도 있다. 이 경우 연산 모듈은 열연 강판의 상분율, 열연 강판의 온도, 열연 강판의 성분 등을 이용하여 열연 강판에 포함되는 내부 결함층의 두께 정보를 계산할 수 있다. 또한 연산 모듈은, 내부 결함층의 두께 정보를 이용하여 제어 데이터를 생성할 수 있다. 일례로, 스토리지(53)에 저장되는 연산 모듈은, 두께 정보를 계산하는 두께 정보 생성 모듈, 및 제어 데이터를 생성하는 제어 데이터 생성 모듈을 포함할 수 있다.
제어 데이터는 식각 장치(55)가 열연 강판을 이송하는 이송 속도, 식각 장치(55)에서 열연 강판에 접촉하는 식각 용액의 농도, 상기 식각 용액의 온도, 상기 식각 용액의 성분, 및 촉진제 사용 유무 중 적어도 하나를 포함할 수 있다. 일례로 내부 결함층의 두께 정보에서, 열연 강판의 제1 영역 및 제2 영역 각각에서 내부 결함층의 두께가 서로 다르게 나타날 수 있다. 이때, 제1 영역과 제2 영역은 열연 강판의 길이 방향을 따라 서로 다른 위치에서 정의되는 영역들일 수 있다.
제어 데이터에서, 제1 영역이 식각 장치(55)를 통과하며 식각 용액과 접촉하는 동안 열연 강판의 제1 이송 속도는, 제2 영역이 식각 장치(55)를 통과하며 식각 용액과 접촉하는 동안 열연 강판의 제2 이송 속도와 다를 수 있다. 일례로, 제1 영역의 내부 결함층의 두께가 제2 영역의 내부 결함층의 두께보다 작으면, 제1 이송 속도가 제2 이송 속도보다 빠를 수 있다.
제어 데이터를 생성하는 연산 모듈은, 내부 결함층의 두께에 따라 열연 강판의 이송 속도를 결정할 수 있다. 일 실시예에서, 연산 모듈은 내부 결함층의 두께를 이용한 소정의 연산을 실행하여, 열연 강판의 이송 속도를 결정할 수 있다. 또한 일 실시예에서 연산 모듈은, 소정의 기준 두께와 내부 결함층의 두께를 비교하고, 비교 결과에 따라 열연 강판의 이송 속도를 결정할 수도 있다.
일 실시예에서, 제2 서버(51)는, 연산 모듈을 업데이트하는 데에 필요한 정보를 식각 장치(55)로부터 획득하고, 식각 장치(55)로부터 획득한 정보를 통신부(52)를 통해 외부 시스템에 피드백할 수 있다. 여기서 외부 시스템은, 연산 모듈을 저장 및 관리하며, 연산 모듈을 업데이트하기 위한 학습 모델을 포함하는 시스템일 수 있다. 연산 모듈을 업데이트하기 위한 학습 모델이 스토리지(53)에 포함되는 경우, 식각 장치(55)로부터 획득한 정보를 이용한 연산 모듈의 업데이트 작업은 제2 서버(51)에서 실행될 수도 있다.
일례로 외부 시스템은, 열연 강판의 생산 과정을 제어하는 시스템일 수 있다. 외부 시스템은 제2 서버(51)로부터 피드백받은 정보를 이용하여 외부 시스템에 저장된 연산 모듈들 중 적어도 일부를 업데이트할 수 있다. 일례로 외부 시스템에 저장된 연산 모듈들 중 적어도 일부에서 연산을 실행하는 데에 적용되는 가중치, 계수 등이 조절될 수 있다.
더하여, 외부 시스템은 업데이트가 완료된 연산 모듈들 중 적어도 하나, 예를 들어 제어 데이터를 생성하는 연산 모듈을 제2 서버(51)에 전송할 수 있다. 제2 서버(51)는 외부 시스템으로부터 수신한 새로운 연산 모듈을 이용하여, 스토리지(53)에 저장된 기존의 연산 모듈을 업데이트할 수 있다. 일례로, 제2 서버(51)는 기존의 연산 모듈을 새로운 연산 모듈로 덮어쓰기함으로써 연산 모듈들을 업데이트할 수 있다. 따라서, 식각 장치(55) 및/또는 식각 공정의 대상인 열연 강판의 다양한 조건들에 맞게 최적화된 연산 모듈로 식각 공정을 진행할 수 있으며, 식각 공정의 효율성 및 생산성 등을 개선할 수 있다.
다른 일 실시예에서, 제2 서버(51)는 연산 모듈들을 업데이트하는 데에 필요한 정보를 식각 장치(55)로부터 획득하고, 식각 장치(55)로부터 획득한 정보를 스토리지(53)에 저장된 연산 모듈을 직접 업데이트할 수 있다. 또한 일례로, 스토리지(53)가 별도의 연산 모듈 없이 식각 장치(55)를 제어하기 위한 제어 데이터만을 저장할 수도 있다. 이 경우, 제2 서버(51)는 식각 장치(55)로부터 획득한, 연산 모듈의 업데이트에 필요한 정보를 외부 시스템에 피드백하고, 외부 시스템에서 업데이트된 연산 모듈이 생성한 새로운 제어 데이터를 수신하여 스토리지(53)에 저장할 수 있다.
도 10은 본 발명의 일 실시예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 도면이다.
도 10을 참조하면, 공정 제어 시스템(300)은 연산 모듈들(310, 320)을 포함할 수 있다. 일례로, 연산 모듈들(310, 320)은, 식각 장치를 제어하는 공정 제어 시스템(300)에 저장되어 실행되는 모듈들일 수 있다. 또한 연산 모듈들(310, 320)은 공정 제어 시스템(300)과 네트워크를 통해 연결되는 외부 시스템에도 저장될 수 있다.
연산 모듈들(310, 320)은 외부 시스템의 학습 모델에 의해 학습 완료된 상태로 공정 제어 시스템(300)에 전송되어 저장될 수 있다. 일 실시예에서, 식각 장치를 제어하는 공정 제어 시스템(300)에 저장되어 실행되는 연산 모듈들(310, 320)은, 외부 시스템으로부터 수신한 모듈들일 수 있다. 도 5에 도시한 일 실시예를 예시로 참조하여 설명하면, 도 5에 도시한 연산 모듈(110) 중에서, 제어 데이터 생성 모듈(112)이 연산 모듈들(310, 320)로서 공정 제어 시스템(300)에 전송 및 저장될 수 있다.
공정 제어 시스템(300)은 식각 장치를 제어하기 위한 제어 데이터를 결정할 수 있다. 공정 제어 시스템(300)은 내부 결함층의 두께 정보(PD)를 수신할 수 있다. 공정 제어 시스템(300)이 수신하는 내부 결함층의 두께 정보(PD)는, 앞서 도 9를 참조하여 설명한 일 실시예와 유사하게, 열연 강판에 포함될 것으로 계산되는 내부 결함층의 두께일 수 있으며, 열연 강판의 영역들에 따른 내부 결함층의 두께 분포를 포함할 수 있다. 공정 제어 시스템(300)은 내부 결함층의 두께 정보(PD)에 기초하여 제어 데이터(PPV2)를 계산할 수 있다.
일 실시예에서, 연산 모듈들(310, 320)은 제1 모듈(310)과 제2 모듈(320) 등을 포함할 수 있다. 제2 모듈(320)은 내부 결함층의 두께 정보(PD)를 수신할 수 있다. 내부 결함층의 두께 정보(PD)는 열연 강판에 존재할 것으로 예상되는 내부 결함층의 두께로, 실제 열연 강판에 존재하는 내부 결함층의 두께와 정확하게 일치하지 않을 수도 있다. 또한 제2 모듈(320)은 잔여 내부 결함층의 두께 목표값(GD)을 수신할 수 있다. 잔여 내부 결함층은 식각 공정이 완료된 산세 강판에 존재하는 내부 결함층일 수 있다. 일례로, 식각 공정에 의해 내부 결함층을 완전히 제거하고자 하는 경우, 잔여 내부 결함층의 두께 목표값(GD)은 0 일 수 있다. 실시예들에 따라, 잔여 내부 결함층의 두께 목표값(GD)은 0 보다 클 수도 있다. 제2 모듈(320)은 제1 모듈(310)을 주기적으로 호출하여 최적의 제어 데이터(PPV2)를 계산할 수 있다.
제2 모듈(320)은 제어 데이터의 초기값을 제1 모듈(310)로 출력할 수 있다. 제어 데이터의 초기값은 식각 장치에서 식각 용액이 담긴 탱크로부터 계측된 식각 용액의 특성(AC), 및 열연 강판의 이송 속도(PPV1) 등을 포함할 수 있다. 제어 데이터의 초기값은 임의의 값으로 결정되거나, 또는 식각 장치로부터 실시간으로 계측되는 값에 의해 결정될 수 있다. 제어 데이터의 초기값이 임의로 결정되는 경우, 열연 강판 생산 장치를 운용하는 외부 시스템 또는 식각 장치를 운용하는 공정 제어 시스템에 의해 제어 데이터의 초기값이 결정될 수 있다. 제1 모듈(310)은 식각 용액의 특성(AC)과 이송 속도(PPV1) 중 적어도 하나를 이용하여, 식각 장치가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)를 계산할 수 있다.
제2 모듈(320)은 제1 모듈(310)로부터 내부 결함층의 두께(PPA2)를 수신할 수 있다. 제2 모듈(320)은 내부 결함층의 두께(PPA2)에 기초하여 식각 용액의 특성(AC)과 임의로 설정된 이송 속도(PPV1)가 최적의 제어 데이터(PPV2)에 부합하는지 여부를 결정한다. 일례로, 제2 모듈(320)은 내부 결함층의 두께 정보(PD)와 잔여 내부 결함층의 목표 두께(GD)의 차이를, 제1 모듈(310)이 계산한 내부 결함층의 두께(PPA2)와 비교할 수 있다. 비교 결과가 일치하지 않으면, 제2 모듈(320)은 식각 용액의 특성(AC) 및 이송 속도(PPV1) 중 적어도 하나를 조절하여 제1 모듈(310)에 입력할 수 있다. 상기와 같은 방식으로, 내부 결함층의 두께 정보(PD)와 잔여 내부 결함층의 목표 두께(GD)의 차이가 제1 모듈(310)이 계산한 내부 결함층의 두께(PPA2)가 일치하거나, 또는 그 차이가 소정의 값 이하가 될 때까지, 제2 모듈(320)은 식각 용액의 특성(AC) 및 이송 속도(PPV1) 중 적어도 하나를 변경하며 제1 모듈(310)을 호출할 수 있다.
[표 1]은 제2 모듈(320)이 최적의 제어 데이터(PPV2)를 생성하는 방법을 설명하기 위한 표이다. 설명의 편의를 위하여, [표 1]에서 식각 용액의 특성(AC)은 동일한 것으로 가정한다. 제2 모듈(320)은 열연 강판에 존재할 것으로 예상되는 내부 결함층의 두께 정보(PD)와 잔여 내부 결함층의 목표 두께(GD)의 차이에 기초하여 내부 결함층이 얼마나 제거되어야 하는지를 나타내는 목표 제거 두께(GPA)를 계산할 수 있다.
[표 1]에 정의된 영역 X, 영역 Y, 영역 Z는 열연 강판에서 길이 방향을 따라 서로 다른 위치에 정의되는 영역들일 수 있다. 일례로, 영역 X와 영역 Z는, 영역 Y에 비해 길이 방향에서 열연 강판의 단부와 인접할 수 있다. 다시 말해, 영역 Y는 길이 방향에서 영역 X와 영역 Z 사이에 배치될 수 있다. [표 1]을 참조하면, 제1 영역에서 목표 제거 두께(GPA)는 열연 강판에 존재할 것으로 계산한 내부 결함층의 두께 정보(PD)와 잔여 내부 결함층의 목표 두께(GD) 사이의 차이인 1μm(=3μm-2μm)로 결정될 수 있다.
[표 1]을 참조하면, 제1 모듈(310)은 이송 속도(PPV1)가 15mpm일 때 식각 장치가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)는 2μm 일 수 있다. 식각 장치가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)가 목표 제거 두께(GPA)보다 크기 때문에, 제2 모듈(320)은 이송 속도(PPV1)를 15mpm보다 빠른 20mpm로 증가시켜 제1 모듈(310)로 출력할 수 있다. 이송 속도(PPV1)가 20mpm일 때 식각 장치가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)가 제1 모듈(310)에 의해 1μm와 다른 값으로 계산되면, 제2 모듈(320)은 이송 속도(PPV1)를 20mpm과 다른 값으로 다시 변경하여 제1 모듈(310)로 출력할 수 있다. 반면, 이송 속도(PPV1)가 20mpm일 때, 제1 모듈(310)이 계산한 내부 결함층의 두께(PPA2)가 1μm이면, 식각 장치가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)가 목표 제거 두께(GPA)와 일치하므로, 제2 모듈(320)은 열연 강판의 영역 X에 대한 최적의 이송 속도를 20mpm으로 결정할 수 있다.
항목들 영역 X 영역 Y 영역 Z
PD 3μm 10μm 3μm
GD 2μm 2μm 2μm
GPA 1μm 8μm 1μm
PPV1 15mpm 10mpm 15mpm
PPA2 2μm 4μm 2μm
PPV2 20mpm 5mpm 20mpm
mpm = meter per minute
도 10에 도시한 일 실시예에서는 공정 제어 시스템(300)의 연산 모듈들(310, 320)이 제어 데이터를 생성하는 것으로 설명하였으나, 반드시 이와 같은 형태로 한정되는 것은 아니다. 실시예들에 따라, 공정 제어 시스템(300)과 네트워크를 통해 연결되는 외부 시스템의 연산 모듈들이 제어 데이터를 생성할 수도 있다. 이 경우 공정 제어 시스템(300)은, 외부 시스템이 생성한 제어 데이터를 네트워크를 통해 수신하며, 수신한 제어 데이터를 이용하여 식각 장치를 제어할 수 있다.
따라서, 공정 제어 시스템(300)은 내부 결함층의 두께 정보(PD)에 기초하여 열연 강판의 이송 속도를 포함하는 제어 데이터를 생성할 수 있다. 일례로, 열연 강판은 상술한 바와 같이 길이 방향을 따라 정의되는 복수의 영역들에 따라 내부 결함층의 두께가 달라질 수 있다. 일례로, 외부에 노출된 상태로 냉각된 영역들에 포함되는 내부 결함층의 두께는, 외부에 노출되지 않은 채 천천히 냉각된 영역에 포함되는 내부 결함층의 두께보다 더 작을 수 있다.
일례로, 열연 강판에 포함되는 내부 결함층이 충분히 제거될 수 있도록, 열연 강판의 영역에 관계없이 열연 강판을 식각 용액에 충분히 접촉시켜 식각 공정을 진행할 수 있다. 다만, 상기와 같은 방법은 식각 공정의 시간 및/또는 식각 공정에 투입되는 식각 용액의 증가로 이어져, 생산성 저하를 가져올 수 있다.
본 발명의 일 실시예에 따르면, 열연 강판의 길이 방향에 따라 내부 결함층의 두께를 계산하고, 계산한 내부 결함층의 두께 정보에 따라 식각 공정을 최적의 효율성으로 제어할 수 있는 제어 데이터를 계산할 수 있다. 따라서, 식각 공정의 시간을 단축하고 식각 용액의 사용량을 줄임으로써 생산성을 개선할 수 있다. 또한, 식각 공정을 완료한 산세 강판에서 길이 방향 등을 따라 나타나는 내부 결함층의 두께 편차를 줄일 수 있다.
일례로, 열연 강판의 길이 방향에서 내부 결함층의 두께가 미리 설정된 기준 두께(t)보다 작은 영역을 제1 영역, 기준 두께(t)보다 내부 결함층의 두께가 큰 영역을 제2 영역으로 정의할 수 있다. 이 경우, 제1 영역이 식각 용액과 접촉하는 동안 열연 강판의 이송 속도는, 제2 영역이 식각 용액과 접촉하는 동안 열연 강판의 이송 속도보다 빠를 수 있다. 또는, 별도의 기준 두께(t) 설정 없이, 내부 결함층의 두께를 입력받아 이송 속도를 결정하는 연산에 의해, 제1 영역과 제2 영역 각각에 대한 이송 속도가 결정될 수도 있다.
결과적으로, 제1 영역에 비해 제2 영역이 식각 용액과 더 오래 접촉할 수 있다. 따라서, 식각 공정이 완료된 산세 강판에 포함되는 잔여 내부 결함층의 두께 편차를 최소화할 수 있다.
실시예들에 따라, 기준 두께(t)는 복수로 설정될 수 있다. 일례로, 기준 두께가 두 개(t1, t2)인 경우, 열연 강판은 내부 결함층의 두께에 따라 적어도 3개의 영역들로 구분될 수 있다. 다시 말해, 기준 두께가 n개인 경우, 열연 강판은 n+1개의 영역들로 구분될 수 있다. 기준 두께의 크기들이 수학식 1과 같이 정의되면, 열연 강판에 포함되는 n+1개 영역들 각각이 식각 용액과 접촉하는 동안 열연 강판이 이송되는 이송 속도들은 아래의 수학식 2와 같이 정의될 수 있다.
[수학식 1]
t1 < t2 < t3 < ... < tn
[수학식 2]
제1 영역의 이송 속도 > 제2 영역의 이송 속도 > … > 제n+1 영역의 이송 속도
실시예들에 따라, 열연 강판의 이송 속도 외에 식각률을 조절할 수도 있다. 예를 들어, 상대적으로 내부 결함층의 두께가 작은 영역은 작은 식각률을 갖는 식각 용액과 접촉시키고, 상대적으로 내부 결함층의 두께가 큰 영역은 높은 식각률을 갖는 식각 용액과 접촉시킬 수 있다. 또는 식각 용액을 묻힌 브러시의 면적이나 브러시의 압력 등을 변경하여 식각률을 조절할 수도 있다.
도 11은 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 연산 모듈의 학습 방법을 설명하기 위한 도면이다. 도 12는 본 발명의 일 실시예에 따른 식각 공정을 설명하기 위한 도면이다. 도 13은 본 발명의 일 실시예에 따른 식각 공정을 설명하기 위해 제공되는 그래프이다.
우선 도 12를 참조하면, 식각 장치(500)는 앞서 도 10을 참조하여 설명한 일 실시예 등에 의해 결정된 제어 데이터(PPV2)에 따라 식각 공정을 진행하여 열연 강판(510)의 내부 결함층 중 적어도 일부를 제거할 수 있다. 도 12를 참조하면, 식각 장치(500)가 식각 공정을 진행하는 동안, 계측기들(MI1, MI2)이 식각 공정이 완료된 산세 강판(520)의 적어도 일부 영역에서 잔여 내부 결함층의 두께(ERD)가 측정되며, 식각 공정이 실행되는 탱크(TK) 등에서 제어 데이터(EPV)가 수집될 수 있다. 일례로 잔여 내부 결함층의 두께(ERD)는 복수의 영역들에서 측정될 수 있으며, 따라서 위치 정보(PI)가 함께 수집될 수 있다. 제1 계측기(MI1)가 수집하는 제어 데이터(EPV)는 탱크(TK)를 포함한 식각 장치(500)에서 실제로 측정되는 제어 데이터(EPV)로서, 기계 오차, 신호 지연, 공정 오차 등으로 인해 식각 장치(500)에 입력되는 제어 데이터(PPV2)와 다른 값을 가질 수 있다. 제1 계측기(MI1)는 열연 강판(510)의 이송 속도, 및 탱크(TK)에서 열연 강판(510)과 접촉하는 식각 용액의 특성 중 적어도 하나를 획득할 수 있다.
도 12를 참조하면, 식각 장치(500)는 코일러(CL), 언코일러(UCL), 탱크(TK), 제1 계측기(MI1), 제2 계측기(MI2) 등을 포함할 수 있다. 언코일러(UCL)는 열연 코일(HC)을 권출한 스트립 형태의 열연 강판(510)을 탱크(TK)로 진입시킬 수 있다. 열연 강판(510)은 탱크(TK)에 수용된 식각 용액을 통과하며 식각 처리될 수 있다. 또는, 열연 강판(510)이 탱크(TK)를 통과하는 동안, 열연 강판(510) 주변에서 분사되는 식각 용액, 및/또는 식각 용액을 묻힌 브러시 등에 의해 열연 강판(510)이 식각 처리될 수도 있다.
식각 공정이 진행되는 동안, 식각 장치(500)는 제어 데이터(PPV2)에 따라 제어될 수 있다. 일례로, 제어 데이터(PPV2)에 따라, 열연 강판(510)의 길이 방향에 따른 영역들 각각에서, 열연 강판(510)의 이송 속도가 달라질 수 있다. 탱크(TK)에 연결된 제1 계측기(MI1)는 식각 장치(500)가 식각 공정을 진행하는 동안 적어도 하나의 측정 시점에서, 제어 데이터(EPV)를 실측할 수 있다. 앞서 설명한 바와 같이, 기계 오차, 동작 지연 등으로 인해 식각 장치(500)에 입력되는 제어 데이터(PPV2)와 식각 장치(500)로부터 제1 계측기(MI1)가 실측한 제어 데이터(EPV) 중 적어도 일부가 서로 다른 값을 가질 수 있다. 제1 계측기(MI1)는 실측한 제어 데이터(EPV)를 외부 시스템(400)으로 전송할 수 있다.
도 11을 참조하면, 외부 시스템(400)은 연산 모듈들(411-415: 410)을 관리하는 시스템일 수 있으며, 연산 모듈들(410)을 학습시켜 업데이트하기 위한 학습 모델(LMT)을 포함할 수 있다. 일례로, 외부 시스템(400)은 식각 장치(500)에서 제1 계측기(MI1) 및 제2 계측기(MI2)가 수집한 정보를 이용하여 연산 모듈들(410)을 업데이트할 수 있다. 외부 시스템(400)이 업데이트한 연산 모듈들(410)이 생성하는 제어 데이터에 의해 식각 장치(500)를 제어함으로써, 식각 장치(500)를 최적의 상태로 운용할 수 있다.
도 13에 도시한 일 실시예에서, 가로 축은 열연 강판의 길이 방향에 따른 위치를 나타내고, 세로 축은 내부 결함층의 두께(PD)와 이송 속도를 나타낸다. 일례로 내부 결함층의 두께 정보(PD)는 외부 시스템(400)에 포함된 연산 모듈들(410) 중 적어도 일부에 의해, 열연 강판에 존재할 것으로 계산된 값일 수 있다.
도 13을 참조하면, 내부 결함층의 두께(PD)는 영역 X 및 영역 Z에서 보다 영역 Y에서 더 클 것으로 계산될 수 있다. 영역 X, 영역 Y, 영역 Z는 앞서 표 1을 참조하여 설명한 바와 유사하게, 길이 방향을 따라 순서대로 나타나는 영역들일 수 있으며, 영역 X와 영역 Z는 영역 Y에 비해 길이 방향에서 열연 강판의 단부와 더 가까운 영역들일 수 있다. 영역 Y는 영역 X와 영역 Z 사이의 영역일 수 있다.
일 실시예에서, 외부 시스템(400)의 연산 모듈들(410)은 내부 결함층의 두께(PD)로부터 열연 강판에 대한 이송 속도(OPV)를 계산할 수 있다. 이송 속도(OPV)는 식각 장치(500)에 입력되는 제어 데이터(PPV2)에 의해 식각 공정이 진행될 때 열연 강판(510)이 식각 장치(500)에서 실제로 이송되는 속도일 수 있다. 영역 X 및 영역 Z 에서 보다 영역 Y에서 내부 결함층의 두께가 클 것으로 계산 가능하기 때문에, 영역 Y의 내부 결함층이 충분히 제거될 수 있도록, 영역 Y가 식각 용액과 접촉하는 동안 이송 속도(OPV)는 상대적으로 느릴 수 있다.
실제 이송 속도(EPV)는 이송 속도(OPV)에 기초하여 식각 공정을 진행한 식각 장치(500)에서 실제로 측정된 값일 수 있다. 실제 이송 속도(EPV)에는 식각 장치(500)의 오차 및 동작 지연 등의 상황이 반영될 수 있으며, 따라서 제어 데이터(PPV2)에 의해 설정된 이송 속도(OPV)와 다를 수 있다.
예시로서, 내부 결함층을 완전히 제거하기 위하여 제2 영역(D2)에 존재하는 내부 결함층의 두께를 기준으로 이송 속도(TPV)를 균일하게 유지하며 식각 공정을 진행할 수 있다. 다만 이 경우, 식각 공정의 진행 속도가 감소하여 생산성이 저하될 수 있다. 반면, 본 발명의 일 실시예에 따르면 열연 강판의 영역들 각각에 대해 다르게 계산된 이송 속도(OPV)를 적용하여 식각 공정을 진행할 수 있다. 따라서 내부 결함층을 효율적으로 제거하는 것은 물론, 식각 공정의 시간 및 식각 공정에 투입되는 식각 용액의 양을 줄일 수 있다. 따라서, 식각 공정의 생산성을 개선할 수 있다.
다시 도 12를 참조하면, 식각 장치(500)가 코일러(CL)를 이용하여 식각 처리된 산세 강판(520)을 권취하여 산세 코일(PC)로 제조하기 전에, 제2 계측기(MI2)는 산세 강판(520)의 위치 정보(PI)와 위치 정보(PI)에 대응하는 위치에서의 잔여 내부 결함층의 두께(ERD)를 계측할 수 있다.
실시 예에 따라, 식각 처리된 산세 강판(520)에 적어도 하나의 측정 위치를 지정하고, 측정 위치에서 산세 강판(520)의 일부를 절단하여 시료를 채취할 수 있다. 산세 강판(520)에서 채취한 시료의 단면을 현미경으로 관찰함으로써 잔여 내부 결함층의 두께를 측정할 수 있다. 상기 측정 위치는 산세 강판(520)의 위치 정보(PI)에 해당할 수 있고, 상기 잔여 내부 결함층의 두께는 위치 정보(PI)에 대응하는 위치에서의 잔여 내부 결함층의 두께(ERD)에 해당할 수 있다.
다시 도 11을 참조하면, 학습 모델(420)은 식각 장치(500)의 제2 계측기(MI2)가 산세 강판(520)의 적어도 하나의 측정 위치에서 계측한 잔여 내부 결함층의 두께(ERD)를 수신할 수 있다. 제5 모듈(415)은 식각 공정이 진행되는 동안 식각 장치(500)로부터 실측한 제어 데이터(EPV)를 수신할 수 있다. 일례로 제5 모듈(415)은 식각 장치(500)를 포함하는 공정 제어 시스템으로부터 네트워크를 통해 실측한 제어 데이터(EPV)를 수신할 수 있다.
제5 모듈(415)은 제4 모듈(414)로 실측한 제어 데이터(EPV)를 출력할 수 있다. 제4 모듈(414)은 실측한 제어 데이터(EPV)에 기초하여 식각 장치(500)가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)를 계산할 수 있다. 제5 모듈(415)은 제4 모듈(414)로부터 내부 결함층의 두께(PPA2)를 수신할 수 있다. 제5 모듈(M5)은, 식각 장치(500)가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)에 기초하여 잔여 내부 결함층의 예상 두께(PRD)를 계산할 수 있다. 잔여 내부 결함층의 예상 두께(PRD)는 실측한 제어 데이터(EPV)에 따라 식각 공정을 진행한 후, 산세 강판(520)에 남아있을 것으로 예상되는 내부 결함층의 두께일 수 있다.
학습 모델(LMT)은 제5 모듈(415)로부터 내부 결함층의 예상 두께(PRD)를 수신할 수 있다. 학습 모델(LMT)은, 산세 강판(520)으로부터 실제로 측정한 잔여 내부 결함층의 두께(ERD)와, 잔여 내부 결함층의 예상 두께(PRD)를 비교할 수 있다. 학습 모델(LMT)은 산세 강판(520)으로부터 측정한 잔여 내부 결함층의 두께(ERD)와 잔여 내부 결함층의 예상 두께(PRD)가 일치하거나, 그 차이가 소정의 값 이하가 되도록, 연산 모듈들(411-415) 중 적어도 하나를 학습시킬 수 있다. 예를 들어, 학습 모델(LMT)은 연산 모듈들(411-415) 전부를 동시에 학습시킬 수도 있고, 특정한 모델만 선택적으로 학습시킬 수도 있다.
실시예들에 따라, 서버와 식각 장치를 포함하는 도 9의 공정 제어 시스템(50)이 학습 모델을 포함할 수도 있다. 도 9의 공정 제어 시스템(50)에 포함되는 학습 모델은 도 9의 공정 제어 시스템(50)에 포함된 연산 모듈을 학습시킬 수 있다. 이하에서는, 도 9의 공정 제어 시스템(50)의 학습 모델이 도 9의 공정 제어 시스템(50)에 포함된 연산 모듈을 학습시키는 방법을 도 14와 도 15를 참조하여 설명하기로 한다.
도 14는 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 연산 모듈의 초기 학습 방법을 설명하기 위한 도면이다.
도 14를 참조하면, 공정 제어 시스템(600)은 연산 모듈(610)과 학습 모델(620)을 포함할 수 있고, 연산 모듈(610)과 학습 모델(620)은 스토리지에 저장될 수 있다. 일례로 연산 모듈(610)은 제어 데이터 생성 모듈일 수 있다. 학습 모델(620)은 제1 학습 모델(LM1)과 피드백 학습 모델(LMT)을 포함할 수 있다. 제1 학습 모델(LM1)은 제1 모듈(M1)을 초기에 학습시키기 위한 모델일 수 있고, 피드백 학습 모델(LMT)은 식각 공정이 완료된 후, 제1 모듈(M1)과 제2 모듈(M2) 중 적어도 하나를 학습시키기 위한 모델일 수 있다. 일 실시예에서, 피드백 학습 모델(LMT)은 제1 모듈(M1)과 제2 모듈(M2)을 동시에 학습시킬 수도 있다. 또한 실시예들에 따라, 제1 학습 모델(LM1)과 피드백 학습 모델(LMT)의 구분 없이, 하나의 학습 모델이 제1 모듈(M1)과 제2 모듈(M2)의 학습을 모두 실행할 수도 있다.
제1 학습 모델(LM1)은 열연 강판의 이송 속도(PV), 식각 공정에 이용되는 식각 용액의 특성(AC), 및 식각 장치가 제거한 내부 결함층의 제1 두께 등(EPA)을 수신할 수 있다. 식각 용액의 특성(AC)은 열연 강판과 접촉하는 식각 용액의 농도, 식각 용액의 온도, 식각 용액의 성분, 촉진제의 사용 유무 등을 포함할 수 있다. 열연 강판의 이송 속도(PV)는 열연 강판이 식각 용액과 접촉하는 동안 열연 강판이 움직이는 속도를 의미할 수 있다. 내부 결함층의 제1 두께(EPA)는 열연 코일의 이송 속도(PV)와 식각 용액의 특성(AC)에 의해 진행된 식각 공정에서 실제로 제거되는 내부 결함층의 두께를 의미할 수 있다.
제1 모듈(M1)은 제1 학습 모델(LM1)로부터 열연 강판의 이송 속도(PV)와 식각 용액의 특성(AC)을 입력받을 수 있다. 제1 모듈(M1)은 열연 강판의 이송 속도(PV)와 식각 용액의 특성(AC) 중 적어도 하나를 이용하여 식각 장치가 제거할 것으로 예상되는 내부 결함층의 제2 두께(PPA1)를 계산할 수 있다. 일 실시예에서, 제1 모듈(M1)은 이송 속도(PV)에 따라 결정되는 식각 시간, 및 식각 용액의 특성(AC)을 입력값으로 입력받고, 상기 입력값을 이용하여 내부 결함층의 제2 두께(PPA1)를 계산하는 연산을 실행할 수 있다. 제1 모듈(M1)은 내부 결함층의 제2 두께(PPA1)를 제1 학습 모델(LM1)로 출력할 수 있다.
제1 학습 모델(LM1)은 내부 결함층의 제2 두께(PPA1)와 내부 결함층의 제1 두께(EPA)를 비교하여 제1 모듈(M1)을 학습시킬 수 있다. 예컨대, 내부 결함층의 제1 두께(EPA)와 내부 결함층의 제2 두께(PPA1)가 일치하지 않거나 그 차이가 소정의 값보다 크면, 제1 학습 모델(LM1)은 제1 모듈(M1)에서 내부 결함층의 제2 두께(PPA1)를 계산하는 제1 연산의 가중치, 계수 등을 조절할 수 있다.
제2 모듈(M2)은 식각 장치를 제어하기 위한 제어 데이터를 생성할 수 있다. 일례로, 제2 모듈(M2)은 최적화 기법(예를 들어, 황금 분할법 등)을 이용하여 제1 모듈(M1)을 반복해서 호출함으로써 최적의 제어 데이터를 찾을 수 있다. 제2 모듈(M2)은 최적의 제어 데이터를 찾는 최적화 기법을 선택하거나, 최적화 기법을 수정할 수 있다.
도 15는 본 발명의 일 실시예에 따른 공정 제어 시스템에 포함되는 연산 모듈의 학습 방법을 설명하기 위한 도면이다.
도 15를 참조하면, 공정 제어 시스템(700)은 연산 모듈들(711, 712: 710)을 관리하는 시스템일 수 있으며, 연산 모듈들(710)을 학습시키기 위한 학습 모델(LMT)을 포함할 수 있다. 일례로, 공정 제어 시스템(700)은 식각 장치(500)에서 제1 계측기(MI1) 및 제2 계측기(MI2)가 수집한 정보를 이용하여 연산 모듈들(710)을 학습시킬 수 있다. 학습이 완료된 연산 모듈들(710)이 생성하는 제어 데이터에 의해 식각 장치(500)를 제어함으로써, 식각 장치(500)를 최적의 상태로 운용할 수 있다.
학습 모델(720)은 식각 장치(500)의 제2 계측기(MI2)가 산세 강판(520)의 적어도 하나의 측정 위치에서 계측한 잔여 내부 결함층의 두께(ERD)를 수신할 수 있다. 제2 모듈(712)은 식각 공정이 진행되는 동안 식각 장치(500)로부터 실측한 제어 데이터(EPV)를 수신할 수 있다.
제2 모듈(712)은 제1 모듈(711)로 실측한 제어 데이터(EPV)를 출력할 수 있다. 제1 모듈(711)은 실측한 제어 데이터(EPV)에 기초하여 식각 장치(500)가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)를 계산할 수 있다. 제2 모듈(712)은 제1 모듈(711)로부터 내부 결함층의 두께(PPA2)를 수신할 수 있다. 제2 모듈(M2)은, 식각 장치(500)가 제거할 것으로 예상되는 내부 결함층의 두께(PPA2)에 기초하여 잔여 내부 결함층의 예상 두께(PRD)를 계산할 수 있다. 잔여 내부 결함층의 예상 두께(PRD)는 실측한 제어 데이터(EPV)에 따라 식각 공정을 진행한 후, 산세 강판(520)에 남아있을 것으로 예상되는 내부 결함층의 두께일 수 있다.
학습 모델(LMT)은 제2 모듈(712)로부터 내부 결함층의 예상 두께(PRD)를 수신할 수 있다. 학습 모델(LMT)은, 산세 강판(520)으로부터 실제로 측정한 잔여 내부 결함층의 두께(ERD)와, 잔여 내부 결함층의 예상 두께(PRD)를 비교할 수 있다. 학습 모델(LMT)은 산세 강판(520)으로부터 측정한 잔여 내부 결함층의 두께(ERD)와 잔여 내부 결함층의 예상 두께(PRD)가 일치하거나, 그 차이가 소정의 값 이하가 되도록, 연산 모듈들(711, 712) 중 적어도 하나를 학습시킬 수 있다. 예를 들어, 학습 모델(LMT)은 연산 모듈들(712, 712) 전부를 동시에 학습시킬 수도 있고, 특정한 모델만 선택적으로 학습시킬 수도 있다.
도 16은 본 발명의 일 실시 예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 흐름도이다.
도 16을 참조하면, 식각 공정을 제어하는 공정 제어 시스템은, 외부 시스템으로부터 연산 모듈을 수신할 수 있다(S210). S210 단계에서 수신하는 연산 모듈은, 식각 공정을 제어하기 위한 제어 데이터를 생성할 수 있다. 공정 제어 시스템은, 연산 모듈이 생성한 제어 데이터를 이용하여 식각 공정을 진행할 수 있다(S220). 식각 공정에 의해, 열연 강판에 포함되는 내부 결함층 중 적어도 일부가 제거될 수 있다.
공정 제어 시스템은, 식각 공정을 진행하는 식각 장치에서 실제로 측정한 제어 데이터, 및 식각 공정이 완료된 산세 강판에 포함된 잔여 내부 결함층의 두께를 외부 시스템에 전송할 수 있다(S230). S230 단계에서 외부 시스템에 전송되는 제어 데이터는, 식각 장치로부터 실제 측정한 값일 수 있다. 잔여 내부 결함층의 두께는, 산세 강판의 일부 영역을 시료로 채취하여 현미경으로 검사하는 방식 등으로 측정될 수 있다.
외부 시스템은 S230 단계에서 수신한 제어 데이터와 잔여 내부 결함층의 두께 등을 이용하여 연산 모듈들을 학습시킬 수 있다. 학습이 완료되면, 공정 제어 시스템은 외부 시스템으로부터 학습이 완료된 연산 모듈들 중 적어도 하나를 수신할 수 있다(S240). 공정 제어 시스템은 S240 단계에서 수신한 연산 모듈로, 기존의 연산 모듈을 업데이트할 수 있다(S150). 따라서, 식각 장치 등에서 발생할 수 있는 공정 오차 등을 반영하여 식각 공정을 정확하게 제어할 수 있다.
일례로, 외부 시스템은 열연 강판의 생산 공정을 관리, 제어하는 시스템을 의미할 수 있다. 이는 예시적인 실시예로서 청구범위는 이에 구속되지 않는다.
도 17은 본 발명의 일 실시예에 따른 공정 제어 시스템의 동작 방법을 설명하기 위한 도면이다.
도 17을 참조하면, 열연 강판을 제조하는 제1 시스템(SYS1)은 내부 결함층의 두께 정보(PD)를 생성할 수 있다(S310). S310 단계에서 생성되는 내부 결함층의 두께 정보(PD)는, 길이 방향에서 정의되는 열연 강판의 영역들 각각에서 측정한 권취 후 경과 시간에 따른 온도, 열연 강판의 성분, 및 열연 강판 주변의 산소 분압 중 적어도 하나에 기초하여 계산한 내부 결함층의 두께일 수 있다. 제1 시스템(SYS1)은 네트워크를 통해 내부 결함층의 두께 정보(PD)를 제2 시스템(SYS2)으로 전송할 수 있다(S320).
제2 시스템(SYS2)은 내부 결함층의 두께 정보(PD)를 이용하여 열연 강판의 식각 공정을 제어하기 위한 제어 데이터(PPV)를 생성할 수 있다(S330). 제2 시스템(SYS2)은 제어 데이터(PPV)에 따라 열연 강판의 내부 결함층 중 적어도 일부를 제거하는 식각 공정을 진행할 수 있다(S340). 제2 시스템(SYS2)은 식각 공정을 진행하는 동안, 열연 강판의 특정 위치를 가리키는 위치 정보(PI), 위치 정보(PI)에 대응하는 위치에서 측정한 잔여 내부 결함층의 두께(ERD), 및 제어 데이터(EPV) 등을 획득할 수 있다(S350). S350 단계에서 획득하는 제어 데이터(EPV)는 식각 공정이 진행되는 동안 식각 장치로부터 실측하는 데이터이며, 공정 오차, 신호 지연 등의 다양한 요인에 의해 S330 단계에서 생성된 제어 데이터(PPV)와 일치하지 않을 수 있다. 제2 시스템(SYS2)은 S350 단계에서 획득한 정보를 제1 시스템(SYS1)으로 전송할 수 있다(S360).
제1 시스템(SYS1)은 S360 단계에서 수신한 정보를 이용하여, 잔여 내부 결함층의 예상 두께(PRD)를 계산할 수 있다(S370). 제1 시스템(SYS1)은 S370 단계에서 계산한 잔여 내부 결함층의 예상 두께(PRD)와, 적어도 하나의 위치에서 실측한 잔여 내부 결함층의 두께(ERD)를 서로 비교할 수 있다(S380). 제1 시스템(SYS1)은 열연 강판의 특정 위치에서 계산한 잔여 내부 결함층의 예상 두께(PRD)와 측정한 잔여 내부 결함층의 두께(ERD)가 일치하거나, 그 차이가 소정의 값 이하가 되도록 제1 시스템(SYS1)에 포함되는 연산 모듈들 중 적어도 하나를 학습시킬 수 있다(S390).
제1 시스템(SYS1)은 학습된 연산 모듈들 중 적어도 하나를 제2 시스템(SYS2)으로 전송할 수 있다(S400). 제2 시스템(SYS2)은 제1 시스템(SYS1)으로부터 수신한 연산 모듈을 이용하여, 제2 시스템(SYS2)에 미리 저장되어 있던 연산 모듈을 업데이트할 수 있다(S410).
본 발명은 상술한 실시형태 및 첨부된 도면에 의해 한정되는 것이 아니며 첨부된 청구범위에 의해 한정하고자 한다. 따라서, 청구범위에 기재된 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 당 기술분야의 통상의 지식을 가진 자에 의해 다양한 형태의 치환, 변형 및 변경이 가능할 것이며, 이 또한 본 발명의 범위에 속한다고 할 것이다.

Claims (40)

  1. 탄소강 제품에 포함되는 내부 결함층의 두께 정보를 생성하는 제1 시스템; 및
    네트워크를 통해 상기 제1 시스템으로부터 상기 내부 결함층의 두께 정보를 수신하고, 상기 내부 결함층의 두께 정보를 이용하여 상기 탄소강 제품에서 상기 내부 결함층 중 적어도 일부를 제거하는 식각 공정을 제어하는 제2 시스템; 을 포함하며,
    상기 제1 시스템은 상기 제2 시스템이 상기 식각 공정을 제어하는 데에 필요한 연산 모듈을 상기 제2 시스템에 제공하며,
    상기 제2 시스템은 상기 제1 시스템이 상기 연산 모듈을 업데이트하는 데에 필요한 정보를 상기 제1 시스템에 제공하는 공정 제어 시스템.
  2. 제1항에 있어서,
    상기 제1 시스템은, 상기 식각 공정에서 상기 탄소강 제품의 이송 속도, 상기 식각 공정에서 상기 탄소강 제품과 접촉하는 식각 용액의 농도, 상기 식각 용액의 온도, 상기 식각 용액의 성분, 및 촉진제 사용 유무 중 적어도 하나를 결정하는 상기 연산 모듈을 상기 제2 시스템에 제공하는 공정 제어 시스템.
  3. 제1항에 있어서,
    상기 제2 시스템은, 상기 식각 공정이 완료된 산세 탄소강 제품에 포함되는 잔여 내부 결함층의 두께, 및 상기 식각 공정을 진행하는 식각 장치에서 측정한 제어 데이터 중 적어도 하나를 상기 제1 시스템에 제공하는 공정 제어 시스템.
  4. 제1항에 있어서,
    상기 제2 시스템은 상기 식각 공정을 진행하는 식각 장치가 상기 탄소강 제품을 이송하는 이송 속도, 상기 식각 장치에서 상기 탄소강 제품과 접촉하는 식각 용액의 농도, 상기 식각 용액의 온도, 상기 식각 용액의 성분, 및 촉진제 사용 유무 중 적어도 하나를 조절하여 상기 식각 공정을 제어하는 공정 제어 시스템.
  5. 제4항에 있어서,
    상기 탄소강 제품은 상기 내부 결함층이 제1 두께를 갖는 제1 영역, 및 상기 내부 결함층이 상기 제1 두께와 다른 제2 두께를 갖는 제2 영역을 포함하며,
    상기 제2 시스템은, 상기 제1 영역이 상기 식각 용액과 접촉하는 동안 상기 탄소강 제품을 제1 이송 속도로 이송하고, 상기 제2 영역이 상기 식각 용액과 접촉하는 동안 상기 탄소강 제품을 상기 제1 이송 속도와 다른 제2 이송 속도로 이송하는 공정 제어 시스템.
  6. 제5항에 있어서,
    상기 제1 두께는 상기 제2 두께보다 작고,
    상기 제1 이송 속도는 상기 제2 이송 속도보다 빠른 공정 제어 시스템.
  7. 제1항에 있어서,
    상기 식각 공정은, 산세 공정, 건식 식각 공정, 및 습식 식각 공정 중 적어도 하나인 공정 제어 시스템.
  8. 제1항에 있어서,
    상기 제1 시스템은 상기 연산 모듈, 및 상기 연산 모듈을 학습시키는 학습 모델을 저장하는 공정 제어 시스템.
  9. 제1항에 있어서,
    상기 제1 시스템은, 상기 탄소강 제품에 포함되는 상기 내부 결함층의 두께를 실측하여 상기 내부 결함층의 두께 정보를 생성하는 공정 제어 시스템.
  10. 제9항에 있어서,
    상기 제1 시스템은, 상기 탄소강 제품의 길이 방향에서 정의되는 복수의 영역들 각각에서 상기 내부 결함층의 두께를 실측하는 공정 제어 시스템.
  11. 제1항에 있어서,
    상기 제1 시스템은, 상기 탄소강 제품의 상분율, 상기 탄소강 제품의 성분, 및 상기 탄소강 제품의 온도 중 적어도 하나를 이용하여 상기 내부 결함층의 두께를 계산하는 공정 제어 시스템.
  12. 제11항에 있어서,
    상기 연산 모듈은, 상기 탄소강 제품의 길이 방향으로 정의되는 복수의 영역들 각각에서 상기 내부 결함층의 두께를 계산하는 공정 제어 시스템.
  13. 탄소강 제품에 포함되는 내부 결함층의 적어도 일부를 제거하는 식각 장치의 제어에 필요한 제어 데이터를 저장하는 스토리지; 및
    상기 제어 데이터에 기초하여 상기 식각 장치를 제어하는 프로세서; 를 포함하며,
    상기 탄소강 제품은 제1 영역 및 상기 제1 영역과 다른 제2 영역을 포함하고, 상기 제1 영역에 포함되는 상기 내부 결함층의 두께와 상기 제2 영역에 포함되는 상기 내부 결함층의 두께는 서로 다르며,
    상기 제어 데이터는 상기 제1 영역이 상기 식각 장치를 통과하는 제1 이송 속도 및 상기 제2 영역이 상기 식각 장치를 통과하는 제2 이송 속도를 포함하고, 상기 제1 이송 속도와 상기 제2 이송 속도는 서로 다른 공정 제어 시스템.
  14. 제13항에 있어서,
    상기 스토리지는 상기 제어 데이터를 생성하는 연산 모듈을 저장하는 공정 제어 시스템.
  15. 제13항에 있어서,
    네트워크에 연결되는 통신부; 를 더 포함하며,
    상기 프로세서는, 상기 제어 데이터를 생성하는 연산 모듈을 상기 통신부를 통해 수신하여 상기 스토리지에 저장하는 공정 제어 시스템.
  16. 제13항에 있어서,
    네트워크에 연결되는 통신부; 를 더 포함하며,
    상기 프로세서는, 상기 통신부를 통해 상기 내부 결함층의 두께 관련 정보를 수신하고, 상기 내부 결함층의 두께 관련 정보를 상기 제어 데이터를 생성하는 연산 모듈에 입력하여 상기 제어 데이터를 획득하는 공정 제어 시스템.
  17. 제13항에 있어서,
    네트워크에 연결되는 통신부; 를 더 포함하며,
    상기 프로세서는, 상기 통신부를 통해 상기 탄소강 제품의 정보를 수신하고, 상기 탄소강 제품의 정보를 상기 제어 데이터를 생성하는 연산 모듈에 입력하여 상기 제어 데이터를 획득하는 공정 제어 시스템.
  18. 제17항에 있어서,
    상기 탄소강 제품의 정보는, 상기 탄소강 제품의 상분율 관련 정보, 상기 탄소강 제품의 온도 관련 정보, 및 상기 탄소강 제품의 성분 관련 정보 중 적어도 하나를 포함하는 공정 제어 시스템.
  19. 제13항에 있어서,
    네트워크에 연결되는 통신부; 를 더 포함하며,
    상기 프로세서는, 상기 제어 데이터를 상기 통신부를 통해 수신하여 상기 스토리지에 저장하는 공정 제어 시스템.
  20. 제13항에 있어서,
    상기 제어 데이터는, 상기 식각 장치에서 상기 탄소강 제품에 접촉하는 식각 용액의 농도, 상기 식각 용액의 온도, 상기 식각 용액의 성분, 및 촉진제 사용 유무 중 적어도 하나를 더 포함하는 공정 제어 시스템.
  21. 제13항에 있어서,
    상기 식각 장치는, 산세 장치, 건식 식각 장치, 및 습식 식각 장치 중 적어도 하나인 공정 제어 시스템
  22. 제13항에 있어서,
    상기 제1 영역에 포함되는 상기 내부 결함층의 두께는 상기 제2 영역에 포함되는 상기 내부 결함층의 두께보다 작고, 상기 제1 이송 속도는 상기 제2 이송 속도보다 빠른 공정 제어 시스템.
  23. 제13항에 있어서,
    상기 프로세서는 상기 탄소강 제품의 이송 속도, 식각 공정에 이용되는 식각 용액의 특성, 및 상기 식각 장치가 제거한 내부 결함층의 제1 두께를 수신하고,
    상기 스토리지는 상기 탄소강 제품의 이송 속도와 상기 식각 용액의 특성 중 적어도 하나를 이용하여 상기 식각 장치가 제거할 것으로 예상되는 내부 결함층의 제2 두께를 계산하는 연산 모듈을 포함하고,
    상기 프로세서는 상기 내부 결함층의 제2 두께와 상기 내부 결함층의 제1 두께를 비교하여 상기 연산 모듈을 학습시키는 공정 제어 시스템.
  24. 제13항에 있어서,
    상기 스토리지는, 상기 식각 장치로부터 실측한 제어 데이터를 수신하고, 상기 실측한 제어 데이터에 기초하여 상기 식각 장치가 제거할 것으로 예상되는 잔여 내부 결함층의 예상 두께를 계산하는 연산 모듈을 포함하고,
    상기 프로세서는, 상기 잔여 내부 결함층의 예상 두께를, 식각 공정이 완료된 산세 탄소강 제품으로부터 측정한 잔여 내부 결함층의 두께와 비교하여 상기 연산 모듈을 학습시키는 공정 제어 시스템.
  25. 탄소강 제품의 성분, 냉각 속도, 상분율 및 온도 중 적어도 하나에 기초하여 상기 탄소강 제품에 포함되는 내부 결함층의 두께 정보를 생성하는 연산 모듈을 저장하는 스토리지;
    네트워크에 연결되는 통신부; 및
    상기 통신부를 통해, 상기 내부 결함층의 적어도 일부를 제거하는 식각 공정을 제어하는 외부 서버에 상기 내부 결함층의 두께 정보 및 상기 식각 공정을 제어하기 위한 제어 데이터 중 적어도 하나를 전송하는 프로세서; 를 포함하는 공정 제어 시스템.
  26. 제25항에 있어서,
    상기 스토리지는, 상기 연산 모듈을 학습시키는 학습 모델을 저장하는 공정 제어 시스템.
  27. 제25항에 있어서,
    상기 연산 모듈은, 상기 탄소강 제품을 권취하기 이전의 상분율을 계산하는 제1 모듈을 포함하는 공정 제어 시스템.
  28. 제27항에 있어서,
    상기 프로세서는, 상기 탄소강 제품에서 측정한 상분율과, 상기 탄소강 제품의 온도 및 상기 탄소강 제품의 성분 중 적어도 하나로부터 상기 제1 모듈이 계산한 상분율을 비교하여 상기 제1 모듈을 학습시키는 공정 제어 시스템.
  29. 제27항에 있어서,
    상기 연산 모듈은, 상기 탄소강 제품의 온도 변화를 계산하는 제2 모듈을 더 포함하는 공정 제어 시스템.
  30. 제29항에 있어서,
    상기 프로세서는, 상기 탄소강 제품을 권취하기 이전에 계산한 상분율, 상기 탄소강 제품의 권취 후 경과 시간, 및 상기 탄소강 제품의 성분 중 적어도 하나를 이용하여 상기 제2 모듈이 계산한 온도 변화를, 상기 탄소강 제품으로부터 측정한 온도 변화와 비교하여 상기 제2 모듈을 학습시키는 공정 제어 시스템.
  31. 제29항에 있어서,
    상기 연산 모듈은, 상기 탄소강 제품에 포함되는 상기 내부 결함층의 두께를 계산하는 제3 모듈을 더 포함하는 공정 제어 시스템.
  32. 제31항에 있어서,
    상기 프로세서는, 상기 탄소강 제품의 권취 후 경과 시간에 따라 계산한 온도 변화, 상기 탄소강 제품의 성분, 및 상기 탄소강 제품 주변의 산소 분압 중 적어도 하나를 이용하여 상기 제3 모듈이 계산한 상기 내부 결함층의 두께를, 상기 탄소강 제품으로부터 측정한 상기 내부 결함층의 두께와 비교하여 상기 제3 모듈을 학습시키는 공정 제어 시스템.
  33. 제31항에 있어서,
    상기 제3 모듈은, 상기 탄소강 제품의 길이 방향을 따라 구분되는 복수의 영역들 각각에서 상기 내부 결함층의 두께를 계산하는 공정 제어 시스템.
  34. 제31항에 있어서,
    상기 연산 모듈은, 상기 제어 데이터에 기초하여, 상기 식각 공정에서 제거되는 상기 내부 결함층의 두께를 계산하는 제4 모듈을 더 포함하는 공정 제어 시스템.
  35. 제34항에 있어서,
    상기 프로세서는, 상기 식각 공정이 완료된 산세 탄소강 제품에 포함되는 잔여 내부 결함층의 두께와, 상기 제4 모듈이 계산한 상기 내부 결함층의 두께를 비교하여 상기 제4 모듈을 학습시키는 공정 제어 시스템.
  36. 제34항에 있어서,
    상기 연산 모듈은, 상기 제어 데이터를 생성하는 제5 모듈을 더 포함하는 공정 제어 시스템.
  37. 제36항에 있어서,
    상기 프로세서는, 상기 식각 공정을 진행하는 식각 장치로부터 상기 외부 서버가 측정한 상기 제어 데이터를 이용하여 상기 제4 모듈이 계산한 상기 내부 결함층의 두께를, 상기 식각 공정이 완료된 산세 탄소강 제품으로부터 측정한 잔여 내부 결함층의 두께와 비교하여 상기 연산 모듈을 학습시키는 공정 제어 시스템.
  38. 제25항에 있어서,
    상기 제어 데이터는, 상기 식각 공정에서 상기 탄소강 제품의 이송 속도, 상기 식각 공정에서 상기 탄소강 제품과 접촉하는 식각 용액의 농도, 상기 식각 용액의 온도, 상기 식각 용액의 성분, 및 촉진제 사용 유무 중 적어도 하나를 포함하는 공정 제어 시스템.
  39. 제25항에 있어서,
    상기 탄소강 제품은 상기 내부 결함층이 제1 두께를 갖는 제1 영역, 및 상기 내부 결함층이 상기 제1 두께와 다른 제2 두께를 갖는 제2 영역을 포함하며,
    상기 제어 데이터는 상기 식각 공정에서 상기 제1 영역이 이송되는 제1 이송 속도 및 상기 제2 영역이 이송되는 제2 이송 속도를 포함하고, 상기 제1 이송 속도와 상기 제2 이송 속도는 서로 다른 공정 제어 시스템.
  40. 제25항에 있어서,
    상기 식각 공정은, 산세 공정, 건식 식각 공정, 및 습식 식각 공정 중 적어도 하나인 공정 제어 시스템.
PCT/KR2021/002056 2020-02-18 2021-02-18 공정 제어 시스템 및 그 동작 방법 WO2021167362A1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP21756800.5A EP4108806A4 (en) 2020-02-18 2021-02-18 PROCESS CONTROL SYSTEM AND ASSOCIATED OPERATING PROCESS
US17/799,839 US20230160071A1 (en) 2020-02-18 2021-02-18 Process control system and operating method therefor
JP2022549295A JP7448673B2 (ja) 2020-02-18 2021-02-18 工程制御システム及びその動作方法
CN202180015231.8A CN115135805A (zh) 2020-02-18 2021-02-18 工艺控制系统及其操作方法
JP2024029478A JP2024069272A (ja) 2020-02-18 2024-02-29 工程制御システム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200019923 2020-02-18
KR10-2020-0019923 2020-02-18

Publications (1)

Publication Number Publication Date
WO2021167362A1 true WO2021167362A1 (ko) 2021-08-26

Family

ID=77392203

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/002056 WO2021167362A1 (ko) 2020-02-18 2021-02-18 공정 제어 시스템 및 그 동작 방법

Country Status (6)

Country Link
US (1) US20230160071A1 (ko)
EP (1) EP4108806A4 (ko)
JP (2) JP7448673B2 (ko)
KR (1) KR102549495B1 (ko)
CN (1) CN115135805A (ko)
WO (1) WO2021167362A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0688794A (ja) * 1992-09-08 1994-03-29 Sumitomo Metal Ind Ltd 脱スケ−ル，酸洗ステンレス鋼材の品質管理システム
JP2000144461A (ja) * 1998-11-13 2000-05-26 Sumitomo Metal Ind Ltd ステンレス鋼板の表面処理方法
KR20020077879A (ko) * 2000-02-16 2002-10-14 에스엠에스 데마그 악티엔게젤샤프트 압연 금속 스트립, 특히 강 스트립의 피클링 방법 및 장치
KR20040002402A (ko) * 2001-04-27 2004-01-07 스미토모 긴조쿠 고교 가부시키가이샤 연속산세방법 및 연속산세장치
KR20190124019A (ko) 2018-04-25 2019-11-04 주식회사 포스코 산세장치 및 산세방법

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1496355A (en) * 1974-03-05 1977-12-30 Gec Elliott Automation Ltd Strip thickness control
FR2321957A1 (fr) * 1975-08-28 1977-03-25 Gec Elliott Automation Ltd Procede et appareil de commande de l'epaisseur d'une bande dans un train de laminage comportant au moins trois cages
US4126510A (en) * 1977-10-06 1978-11-21 Rca Corporation Etching a succession of articles from a strip of sheet metal
SK11852002A3 (sk) * 2000-02-16 2002-12-03 Sms Demag Aktiengesellschaft Spôsob a zariadenie na morenie valcovaného kovového, najmä oceľového pásu
KR100931222B1 (ko) * 2002-12-28 2009-12-10 주식회사 포스코 상변태량과 에지 크랙 방지를 고려한 고탄소 열연강판의냉각제어방법
FR2925530B1 (fr) * 2007-12-21 2010-08-27 Siemens Vai Metals Tech Sas Installation et procede pour le decapage en continu de bandes d'acier
US9698062B2 (en) * 2013-02-28 2017-07-04 Veeco Precision Surface Processing Llc System and method for performing a wet etching process
US10226852B2 (en) * 2013-12-31 2019-03-12 Nova Measuring Instruments Ltd. Surface planarization system and method
CN104942015B (zh) * 2015-06-19 2017-05-17 中冶南方工程技术有限公司 一种冷轧机组中酸洗工艺段智能控制方法和系统
JP6627609B2 (ja) * 2016-03-30 2020-01-08 日本製鉄株式会社 冷却制御方法及び冷却装置
CN107978523A (zh) * 2016-10-24 2018-05-01 中芯国际集成电路制造(上海)有限公司 多区域差速刻蚀的控制方法
CN106521523B (zh) * 2016-11-11 2019-04-23 攀钢集团攀枝花钢钒有限公司 一种热轧带钢酸洗系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0688794A (ja) * 1992-09-08 1994-03-29 Sumitomo Metal Ind Ltd 脱スケ−ル，酸洗ステンレス鋼材の品質管理システム
JP2000144461A (ja) * 1998-11-13 2000-05-26 Sumitomo Metal Ind Ltd ステンレス鋼板の表面処理方法
KR20020077879A (ko) * 2000-02-16 2002-10-14 에스엠에스 데마그 악티엔게젤샤프트 압연 금속 스트립, 특히 강 스트립의 피클링 방법 및 장치
KR20040002402A (ko) * 2001-04-27 2004-01-07 스미토모 긴조쿠 고교 가부시키가이샤 연속산세방법 및 연속산세장치
KR20190124019A (ko) 2018-04-25 2019-11-04 주식회사 포스코 산세장치 및 산세방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4108806A4

Also Published As

Publication number Publication date
CN115135805A (zh) 2022-09-30
KR20210105310A (ko) 2021-08-26
EP4108806A4 (en) 2023-07-26
JP2024069272A (ja) 2024-05-21
EP4108806A1 (en) 2022-12-28
JP2023514593A (ja) 2023-04-06
JP7448673B2 (ja) 2024-03-12
US20230160071A1 (en) 2023-05-25
KR102549495B1 (ko) 2023-06-30

Similar Documents

Publication Publication Date Title
WO2009088272A2 (ko) 배터리 관리 시스템에서 배터리의 ｓｏｃ 측정 방법 및 장치
WO2010008211A2 (ko) 배치식 열처리 장치 및 이에 적용되는 히터
WO2021167362A1 (ko) 공정 제어 시스템 및 그 동작 방법
WO2020011019A1 (zh) 电子膨胀阀的控制方法、空调器及计算机可读存储介质
WO2017111243A1 (ko) 교정 시스템 및 교정 방법
WO2020060044A1 (ko) 도금량 제어 장치 및 도금량 제어 방법
WO2014200313A1 (ko) 움직임 정보를 획득하기 위한 방법
WO2020168606A1 (zh) 广告视频优化方法、装置、设备及计算机可读存储介质
WO2022139352A1 (ko) 방향성 전기강판 및 그의 제조방법
WO2019124762A1 (ko) 방송 서비스의 반송률 측정 장치
WO2011068315A4 (ko) 최대 개념강도 인지기법을 이용한 최적의 데이터베이스 선택장치 및 그 방법
WO2010151071A9 (ko) 박슬라브 열연코일의 표면품질 예측방법 및 이를 이용한 박슬라브 열연코일의 제조방법
WO2021085742A1 (ko) 서보 모터 제어 시스템 및 그 제어 방법
WO2022010030A1 (ko) 생산성, 용접성 및 성형성이 우수한 열간 프레스 성형 부재의 제조 방법
KR102545550B1 (ko) 산세 자동화 시스템 및 그 동작 방법
KR102542332B1 (ko) 열연 강판 생산 시스템 및 그 동작 방법
WO2022080510A1 (ko) 컨테이너 적하작업 지시정보 제공방법
WO2010067966A2 (ko) 강제 변형을 고려한 선상가열 방법 및 그 시스템
WO2014082462A1 (zh) 一种行程记录方法
WO2023121253A1 (ko) 방향성 전기강판 및 그 자구미세화 방법
WO2023167576A2 (en) Invertible-reasoning policy and reverse dynamics for causal reinforcement learning
WO2019093580A1 (ko) 위상 천이기
WO2024117277A1 (ko) 다중 수용가 게이트웨이 통합 운영 시스템 및 그 방법
KR100832974B1 (ko) 열연 강판의 피드 포워드 냉각 제어 방법
WO2021047003A1 (zh) 文本定位方法、装置、设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21756800

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022549295

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021756800

Country of ref document: EP

Effective date: 20220919