[go: up one dir, main page]

KR20190074132A - 노황 관리 장치 및 방법 - Google Patents

노황 관리 장치 및 방법 Download PDF

Info

Publication number
KR20190074132A
KR20190074132A KR1020170175537A KR20170175537A KR20190074132A KR 20190074132 A KR20190074132 A KR 20190074132A KR 1020170175537 A KR1020170175537 A KR 1020170175537A KR 20170175537 A KR20170175537 A KR 20170175537A KR 20190074132 A KR20190074132 A KR 20190074132A
Authority
KR
South Korea
Prior art keywords
blast furnace
data
action guidance
sensor unit
temperature
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
KR1020170175537A
Other languages
English (en)
Other versions
KR102075210B1 (ko
Inventor
한경룡
이진휘
손상한
손기완
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 KR1020170175537A priority Critical patent/KR102075210B1/ko
Priority to CN201880082559.XA priority patent/CN111492070A/zh
Priority to EP18891914.6A priority patent/EP3730630B1/en
Priority to JP2020534232A priority patent/JP7050934B2/ja
Priority to PCT/KR2018/016113 priority patent/WO2019124931A1/ko
Publication of KR20190074132A publication Critical patent/KR20190074132A/ko
Application granted granted Critical
Publication of KR102075210B1 publication Critical patent/KR102075210B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B5/00—Making pig-iron in the blast furnace
    • C21B5/006—Automatically controlling the process
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B5/00—Making pig-iron in the blast furnace
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B7/00—Blast furnaces
    • C21B7/24—Test rods or other checking devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27B—FURNACES, KILNS, OVENS OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
    • F27B1/00—Shaft or like vertical or substantially vertical furnaces
    • F27B1/10—Details, accessories or equipment specially adapted for furnaces of these types
    • F27B1/26—Arrangements of controlling devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27B—FURNACES, KILNS, OVENS OR RETORTS IN GENERAL; OPEN SINTERING OR LIKE APPARATUS
    • F27B1/00—Shaft or like vertical or substantially vertical furnaces
    • F27B1/10—Details, accessories or equipment specially adapted for furnaces of these types
    • F27B1/28—Arrangements of monitoring devices, of indicators, of alarm devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangement of monitoring devices; Arrangement of safety devices
    • F27D21/0014—Devices for monitoring temperature
    • C—CHEMISTRY; METALLURGY
    • C21—METALLURGY OF IRON
    • C21B—MANUFACTURE OF IRON OR STEEL
    • C21B2300/00—Process aspects
    • C21B2300/04—Modeling of the process, e.g. for control purposes; CII
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F27D2019/0003—Monitoring the temperature or a characteristic of the charge and using it as a controlling value
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F27D2019/0006—Monitoring the characteristics (composition, quantities, temperature, pressure) of at least one of the gases of the kiln atmosphere and using it as a controlling value
    • F27D2019/0009—Monitoring the pressure in an enclosure or kiln zone
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F27D2019/0028—Regulation
    • F27D2019/0034—Regulation through control of a heating quantity such as fuel, oxidant or intensity of current
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F27D2019/0087—Automatisation of the whole plant or activity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D21/00—Arrangement of monitoring devices; Arrangement of safety devices
    • F27D2021/0007—Monitoring the pressure

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Manufacture Of Iron (AREA)
  • Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
  • Blast Furnaces (AREA)
  • Vertical, Hearth, Or Arc Furnaces (AREA)

Abstract

본 발명은, 고로에서 발생하는 각종 조업, 센서 데이터들을 이용하여 노황을 안정적으로 유지하기 위한 선재적 액션을 가이드하는 노황 관리 장치 및 방법에 관한 것으로, 본 발명의 일 실시예에 따른 노황 관리 장치는 고로의 온도 및 압력 데이터 중 적어도 하나를 측정된 위치에 따라 이미지화하는 제1 센서부, 상기 고로의 비정형 데이터를 검출하는 제2 센서부, 상기 제1 센서부로부터의 이미지화된 온도 또는 압력 데이터와 상기 제2 센서부로부터의 비정형 데이터에 기초하여 고로 조업에 관한 액션 가이던스를 출력하는 인공지능 알고리즘을 갖는 액션 가이던스부를 포함할 수 있고, 본 발명의 일 실시예에 따른 노황 관리 방법은 데이터 전처리부가 고로의 장입물 상태, 풍구 상태 및 출선구 상태 중 적어도 하나의 비정형 데이터를 수집하고, 상기 고로의 온도 및 압력 데이터를 측정된 위치에 따라 이미지화하는 하는 단계, 인공지능 알고리즘이 전처리된 데이터를 입력받아 고로 조업에 관한 액션 가이던스를 출력하는 단계, 조업자의 상기 액션 가이던스 적용 여부에 따라 상기 인공지능 알고리즘의 재학습을 판단하는 단계, 인공지능 알고리즘 재학습 여부에 따라 해당 인공지능 알고리즘의 교체를 판단하는 단계를 포함할 수 있다.

Description

노황 관리 장치 및 방법{MANAGEMENT APPARATUS AND METHOD FOR CONDITION OF BLAST FURNACE}
본 발명은 고로의 노황을 관리하는 노황 관리 장치 및 방법에 관한 것이다.
고로 공정은 제철 공정 중 현재까지 조업자의 경험 및 직관에 의존하여 수동조업을 주로 실시하는 대표적인 공정이다.
고로는 철광석과 코크스를 고로 상부로 장입을 하고, 고로 풍구를 통해 열풍을 불어 넣어 내부의 산화 및 환원 반응에 의해 액체 용선을 출선구를 통해 생산하는 설비이다. 고로 내부는 고열, 고압으로 인해 센서를 통한 측정이 불가하여 고로 외벽에 설치된 온도계, 압력계 등을 통해 간접적으로 고로의 상황을 예측하고, 이를 통해 조업자는 조업을 실시하고 있다.
고로의 현재 상태, 즉 노황을 나타내는 지표는 여러 가지가 있다. 그 중 대표적인 세 가지가 노열, 통기성, 원주밸런스이다. 노열의 경우 출선구를 통해 나오는 용선의 온도를 수동 측정하여 이를 통해 고로 내부의 온도를 예측하는 지표를 말하며, 통기성의 경우 고로 내부의 하부에서 상부로 이동하는 열풍의 상태를 외벽 압력계 측정을 통해 간접적으로 유추하는 통기성 지수 등으로 예측하는 지수를 말하며, 원주밸런스는 원형의 고로가 원주 방향으로 압력 및 온도가 차이가 많이 나지 않는, 즉 밸런스가 유지되는 상황에 대한 지표이다.
이러한 세 가지 지표를 원하는 값으로 유지하기 위해 조업자는 조업 액션(Action)을 취하게 된다. 그 대표적인 것이 미분탄(PCI) 주입량 제어, 열풍의 풍량 제어, 풍량 중 산소량 제어, 장입되는 철광적과 코크스의 비율 제어, 중심부에 들어가는 입도가 큰 코크스의 분포 제어 등이다.
현재 고로의 조업은 기본적으로 온도계나 압력계 측정값 등의 정형 데이터와 CCTV와 같은 비정형 데이터를 통해 얻을 수 있는 정보를 통해 조업자가 고로의 상태를 본인의 경험과 직관 및 조업 기준 등에 의해 판단을 하고, 이를 근거로 조업 액션을 취하고 있다.
하지만, 보다 안정적인 노황 관리를 위해서는 현재 상황과 현재의 액션을 통해 노황이 어떻게 될 것인지 미리 예측을 하고 조업을 수행하는 것이 중요하다.
대한민국 공개특허공보 제10-1995-0014631호
본 발명의 일 실시예에 따르면, 고로에서 발생하는 각종 조업, 센서 데이터들을 이용하여 노황을 안정적으로 유지하기 위한 선재적 액션을 가이드하는 노황 관리 장치 및 방법이 제공된다.
상술한 본 발명의 과제를 해결하기 위해, 본 발명의 일 실시예에 따른 노황 관리 장치는 고로의 온도 및 압력 데이터 중 적어도 하나를 측정된 위치에 따라 이미지화하는 제1 센서부, 상기 고로의 비정형 데이터를 검출하는 제2 센서부, 상기 제1 센서부로부터의 이미지화된 온도 또는 압력 데이터와 상기 제2 센서부로부터의 비정형 데이터에 기초하여 고로 조업에 관한 액션 가이던스를 출력하는 인공지능 알고리즘을 갖는 액션 가이던스부를 포함할 수 있다.
본 발명의 일 실시예에 따른 노황 관리 방법은 데이터 전처리부가 고로의 장입물 상태, 풍구 상태 및 출선구 상태 중 적어도 하나의 비정형 데이터를 수집하고, 상기 고로의 온도 및 압력 데이터를 측정된 위치에 따라 이미지화하는 하는 단계, 인공지능 알고리즘이 전처리된 데이터를 입력받아 고로 조업에 관한 액션 가이던스를 출력하는 단계, 조업자의 상기 액션 가이던스 적용 여부에 따라 상기 인공지능 알고리즘의 재학습을 판단하는 단계, 인공지능 알고리즘 재학습 여부에 따라 해당 인공지능 알고리즘의 교체를 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 고로의 안정적인 생산을 가능하게 하고, 고로의 효율을 향상하며, 일정한 성능을 유지하는 노황 관리가 가능하고, 조업을 자동화 및 표준화할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 노황 관리 장치의 개략적인 구성도이다.
도 2는 본 발명의 일 실시예에 따른 노황 관리 장치에 적용되는 인공 지능의 개념을 설명하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 노황 관리 방법의 개략적인 동작 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 노황 관리 장치의 GUI의 예시를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 노황 관리 장치에 적용되는 온도계와 압력계 데이터를 이미지화한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 노황 관리 장치의 개략적인 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 노황 관리 장치(100)는 제1 센서부(110), 제2 센서부(120) 및 액션 가이던스부(130)를 포함할 수 있다.
제1 센서부(110)는 고로의 온도 및 압력 데이터 중 적어도 하나를 측정된 위치에 따라 이미지화할 수 있다.
제1 센서부(110)는 온도 센서부(111), 압력 센서부(112) 및 데이터 처리부(113)를 포함할 수 있다.
온도 센서부(111)는 고로에 각각 설치된 복수의 온도 센서를 포함할 수 있고, 상기 복수의 온도 센서는 설치된 위치의 고로의 온도를 검출할 수 있다.
압력 센서부(112)는 고로에 각각 설치된 복수의 압력 센서를 포함할 수 있고, 상기 복수의 압력 센서는 설치된 위치의 고로의 압력을 검출할 수 있다.
데이터 처리부(113)는 온도 센서부(111)의 복수의 온도 센서 각각의 검출된 온도 데이터를 검출된 위치에 매핑하여 이미지화시킬 수 있다. 마찬가지로, 압력 센서부(112)의 복수의 압력 센서 각각의 검출된 압력 데이터를 검출된 위치에 매핑하여 이미지화시킬 수 있다. 더하여, 복수의 온도 센서 각각의 검출된 온도 데이터와 복수의 압력 센서 각각의 검출된 압력 데이터를 검출된 위치에 매핑하여 이미지화시킬 수 있다.
고로의 특성상 위치별 온도나 압력의 경우 상호 상관 관계가 있을 수 있다. 따라서 이를 이미지화하여 상호 연관성까지 정보화하여 딥러닝 알고리즘의 입력 데이터로 사용하면 고로 상태의 분석에 유리하기에 액션 가이던스(Action Guidance)를 위한 성능 향상에 주요한 요인이 될 수 있다.
데이터 처리부(113)는 검출된 온도 또는 압력 데이터를 검출된 위치와 매핑하여 2차원 이미지화할 수 있다.
도 5는 본 발명의 일 실시예에 따른 노황 관리 장치에 적용되는 온도계와 압력계 데이터를 이미지화한 도면이다.
도 1과 함께 도 5를 참조하면, 고로의 센서 데이터, 즉 온도 센서부(111)와 압력 센서부(112)의 검출 데이터를 이미지화한 예를 볼 수 있다.
도 5의 왼쪽의 도면의 경우 원기둥 형태의 고로 표면에 복수의 온도 센서가 분포되어 있다고 가정하고 이에 대한 히트맵(Heatmap)을 작성한 후 0도에서 잘라서 펼친 모양이다. 즉, 도면의 가로 방향은 온도 센서가 분포한 각도이다. 그리고 높이별로 분포되어 있는 것은 도면의 높이로 대응하였다. 결과적으로 각 검은 점은 온도 센서를 표현하고 있는 것이다. 왼쪽과 가운데 도면에서 알 수 있듯이 고로의 온도값은 유기적인 상관 관계를 가지면서 시시각각 변한다.
오른쪽 도면에 도시된 압력 센서의 경우 대표적인 4방향 값을 표현하고 있다. 방향별 압력계는 4개의 색깔선으로 구분될 수 있다. 그리고 가로축은 압력값을 나타내며, 세로축은 압력 센서의 높이 위치를 나타낸다. 본 발명에서는 이러한 필요 위치 정보 관계를 효율적으로 인공지능에 입력하기 위하여 본 도면과 같은 이미지화 기술을 사용한다.
제2 센서부(120)는 고로의 장입물의 상태, 풍구 상태 및 출선구 상태 중 적어도 하나를 계측하여 고로의 비정형 데이터를 검출할 수 있다.
본 발명에서는 딥러닝 기반의 알고리즘을 통해 현재 고로 상태 데이터를 기반으로 노황을 판단하고 정상적인 노황을 유지하기 위한 최적의 액션 가이던스(Action Guidance)를 제시할 수 있다. 딥러닝 기반의 알고리즘은 데이터 드리븐 알고리즘(Data-driven Algorithm)이기 때문에 상황을 잘 대표할 수 있는 많은 데이터가 필수적이다.
따라서 기존에 조업자들은 육안으로 고로 조업 판단의 근거로 사용하던 내용이지만 정형화되지 못해 컴퓨터를 이용한 제어에 활용하지 못한 데이터를 정형화하여 본 발명에 적용한다.
첫 번째 데이터는 장입되는 철광적과 코크스의 입도를 측정한 데이터이다. 이는 통기성과 연관이 있는 데이터이다.
두 번째는 풍구의 연소대의 상황을 수치화하여 데이터로 사용한다. 풍구 연소대의 경우 고로 내부를 관찰할 수 있는 유일한 부분으로 열퐁을 불어 넣는 설비이다. 여기에 미분탄을 같이 불어 넣어 주는데 이 미분탄의 연소 상태나 고로 내벽에서 녹지 않고 떨어지는 연/원료를 모니터링하는 기능을 한다.
세 번째는 출선구 상태에 대한 계측기로 특히, 용선온도 측정이 중요한 요소이다. 기본 고로 조업의 경우 출선되는 용선을 1~2시간에 한 번 수동으로 온도를 측정한다. 측정 위치 또한 출선구에서 일정 거리가 떨어진 장소이고, 사람의 측정 정도 또한 일정하지 않아 측정값에 외란이 많이 포함된다. 이 값은 노열과 관련된 중요한 데이터이다.
이를 위해, 제2 센서부(120)는 장입물 상태 계측기(121), 풍구 상태 계측기(122) 및 출선구 상태 계측기(123)를 포함할 수 있다.
장입물 상태 계측기(121)는 상기 고로의 고로에 장입되는 연/원료가 지나가는 컨베이어 밸트에 위치하여 장입물의 입도, 입도 분포, 습도 상태 중 적어도 하나를 계측할 수 있고, 계측된 비정형 데이터를 정형화 데이터로 변환하여 액션 가이던스부(130)에 전달할 수 있다.
풍구 상태 계측기(122)는 다수의 풍구 카메라를 통하여 상기 고로의 미분탄 취입 상태, 생광낙화 중 적어도 하나를 계측할 수 있고, 계측된 비정형 데이터를 정형화 데이터로 변환하여 액션 가이던스부(130)에 전달할 수 있다.
출선구 상태 계측기(123)는 상기 고로에서 출선되는 용선온도를 실시간으로 측정하고, 용선 줄기의 각도나 굵기 등으로 출선량 등을 계측하여, 계측된 비정형 데이터를 정형화 데이터로 변환하여 액션 가이던스부(130)에 전달할 수 있다.
액션 가이던스부(130)는 제1 센서부(110)로부터의 이미지화된 온도 또는 압력 데이터와 제2 센서부(120)로부터의 비정형 데이터에 기초하여 고로 조업에 관한 액션 가이던스를 출력할 수 있다.
도 2는 본 발명의 일 실시예에 따른 노황 관리 장치에 적용되는 인공 지능의 개념을 설명하는 도면이다.
도 1과 함께, 도 2를 참조하면, 액션 가이던스부(130)는 학습부(131), 제어부(132) 및 강화 학습부(133)를 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 노황 관리 방법의 개략적인 동작 흐름도이다.
도 1 및 도 2와 함께 도 3을 참조하면, 학습부(131)는 액션 가이던스 온 라인 알고리즘을 포함할 수 있고, 상기 액션 가이던스 온 라인 알고리즘은 이차원 이미지화된 제1 센서부(110)로부터의 온도 및 압력 데이터(S10,S11)와, 제2 센서부(120)로부터의 정형화된 고로의 장입물의 상태, 풍구 상태 및 출선구 상태 계측 데이터(S10,S12)에 기초하여 학습하고, 고로 조업에 관한 액션 가이던스를 생성할 수 있다(S20,S30).
상기 액션 가이던스 온 라인 알고리즘은 딥러닝 기반 알고리즘으로 구성되어 입력된 데이터(
Figure pat00001
)를 학습하여 액션 가이던스(
Figure pat00002
)를 생성할 수 있다.
제어부(132)는 학습부의 액션 가이던스(
Figure pat00003
)를 출력할 수 있고, 작업자의 액션 가이던스 수용 여부가 강화 학습부(133)에 피드백될 수 있다(S40).
강화 학습부(133)는 딥러닝 기반 알고리즘으로 구성된 액션 가이던스 오프 라인 알고리즘을 포함할 수 있고, 상기 액션 가이던스 오프 라인 알고리즘은 작업자가 수용하지 않은 액션 가이던스를 피드백 받아 알고리즘 학습을 강화할 수 있다.
제어부(132)는 상기 액션 가이던스 온 라인 알고리즘의 재학습과, 상기 액션 가이던스 온 라인 알고리즘을 강화 학습부(133)의 액션 가이던스 오프 라인 알고리즘으로의 교체를 판단할 수 있다.
즉, 고로에서 발생하고, 조업에 중요하여 정형화한 비정형 데이터 및 기존의 정형 데이터를 수집하여 딥러닝을 활용하는 인공지능 시스템에 입력하면 딥러닝 알고리즘은 학습한 모델을 기준으로 안정적인 노황 관리를 위하여 조업자가 수행해야 하는 액션에 대한 가이던스를 제시한다. 조업자는 이런 액션 가이던스에 대하여 수용 여부를 판단하고, 딥러닝 알고리즘은 이것을 피드백으로 사용하여 성능을 강화하는 알고리즘에 활용한다. 또한 일정 기간 후 혹은 입력되는 데이터의 특성이 일정 기준 이상 달라졌을 때는 재학습을 통해 현재의 고로 상황에 맞는 인공지능 알고리즘을 유지하여 성능을 최적화하게 된다.
보다 상세하게는, 비정형 데이터가 정형화되어서 입력되는 것과 정형 데이터가 바로 입력되는 것을 합하여 수집한 데이터를 전처리하여 딥러닝 기반 액션 가이던스 온 라인 알고리즘에 입력되게 된다. 여기서 알고리즘은 자신의 모델에 따라 액션 가이던스를 제시하게 된다. 제시된 액션 가이던스 값을 조업자는 고로 조업에 적합한지 판단하여 수용하거나 거부를 하게 된다. 이런 반복 루프를 통해 첫 번째 알고리즘을 이용한 조업은 수행된다.
더하여, 오프 라인으로 병렬 노황 관리 알고리즘이 존재하여 조업자가 인공지능 액션 가이던스를 수용하는지에 대한 결과를 피드백값으로 받아서(S60) 온 라인 러닝(On-Line Learning) 혹은 강화학습을 실시하는 것이다. 즉, 딥러닝 기반 액션 가이던스 오프 라인(Off-line) 알고리즘의 경우 앞의 조업자 수용 여부에 따라 피드백이 되어 입력되는 액션 가이던스값을 보상하여(S50) 알고리즘 강화에 사용하게 된다. 근본적으로 딥러닝 기반 액션 가이던스 오프 라인 알고리즘에는 강화학습 부분이 존재하여 딥러닝 기반 액션 가이던스 온 라인 알고리즘이 잘못 판단한 경우가 생기면 이를 반영하여 알고리즘 성능 향상에 사용한다. 또한 보상값이 일정 수준 이하로 떨어진다든지 데이터의 특성이 학습하였던 것과 일정 차이 이상 특성이 벌어지면 재학습을 판단하여 필요 시 재학습을 수행하게 된다(S70).
그리고, 재학습 결과 알고리즘 교체가 필요한 경우(S80) 시스템 상에서 딥러닝 기반 액션 가이던스 온 라인 알고리즘을 새로이 학습된 액션 가이던스 오프 라인 알고리즘으로 교체하게 되는 것이다. 이를 통해 고로 상황에 대응하는 알고리즘을 유지할 수 있으며, 조업을 할수록 액션 가이던스 성능이 향상되는 고로 노황 관리 장치가 구현될 수 있다.
도 4는 본 발명의 일 실시예에 따른 노황 관리 장치의 GUI(Graphic User Interface)의 예시를 나타내는 도면이다.
도 1과 함께 도 4를 참조하면, 액션 가이던스부(130)에서는 풍량, 산소, 미분탄, 장입 연/원료비, 센터 코크스 분포 등의 고로 조업에 관한 액션을 제시할 수 있다. 예를 들어, 도시된 GUI를 통해서 풍량 제어에 필요한 액션 가이던스(Action Guidance) 값을 확인하고 관련된 데이터의 추이를 확인할 수 있다. 또한 필요한 경우 수동으로 조업을 진행할 수도 있다.
상술한 바와 같이, 본 발명에 따르면, 안정적인 노황을 유지하기 위해 필요한 조업자의 액션을 가이드하여 고로의 안정적인 생산을 가능하게 하며, 이를 통해 고로의 효율도 향상하게 한다. 또한 시간에 따라 변하는 조업 여건 및 고로 상황에 대응이 가능한 알고리즘을 유지하는 방법을 통하여 일정한 성능을 유지하는 노황 관리 시스템이 가능하다. 이와 더불어 조업이 자동화 및 표준화됨으로 인해 조업자의 부하를 경감할 뿐만 아니라 조업자의 노하우, 체험적 경험 등의 암묵지를 전파와 공유가 가능한 형식지화하는 것이 가능하다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.
100: 노황 관리 장치
110: 제1 센서부
111: 온도 센서부
112: 압력 센서부
113: 데이터 처리부
120: 제2 센서부
121: 장입물 상태 계측기
122: 풍구 상태 계측기
123: 출선구 상태 계측기
130: 액션 가이던스부
131: 학습부
132: 제어부
133: 강화 학습부

Claims (8)

  1. 고로의 온도 및 압력 데이터 중 적어도 하나를 측정된 위치에 따라 이미지화하는 제1 센서부;
    상기 고로의 비정형 데이터를 검출하는 제2 센서부; 및
    상기 제1 센서부로부터의 이미지화된 온도 또는 압력 데이터와 상기 제2 센서부로부터의 비정형 데이터에 기초하여 고로 조업에 관한 액션 가이던스를 출력하는 인공지능 알고리즘을 갖는 액션 가이던스부
    를 포함하는 노황 관리 장치.
  2. 제1항에 있어서,
    상기 제1 센서부는
    상기 고로의 각 위치의 온도를 측정하는 복수의 온도 센서를 갖는 온도 센서부;
    상기 고로의 각 위치의 압력을 측정하는 복수의 압력 센서를 갖는 압력 센서부; 및
    상기 온도 센서부와 상기 압력 센서부 각각의 측정된 온도 및 압력과 측정된 위치를 매칭하여 이미지화하는 데이터 전처리부
    를 포함하는 노황 관리 장치.
  3. 제2항에 있어서,
    상기 데이터 전처리부는 측정된 온도 및 압력과 측정된 위치를 매칭하여 이차원으로 이미지화하는 노황 관리 장치.
  4. 제1항에 있어서,
    제2 센서부는 상기 고로의 장입물의 상태, 풍구 상태 및 출선구 상태 중 적어도 하나를 계측하는 노황 관리 장치.
  5. 제4항에 있어서,
    상기 제2 센서부는
    상기 고로의 장입물의 입도, 입도 분포, 습도 상태 중 적어도 하나를 계측하는 장입물 상태 계측기;
    상기 고로의 미분탄 취입 상태, 생광낙화 중 적어도 하나를 계측하는 풍구 상태 계측기; 및
    상기 고로의 용선 온도, 출선량 중 적어도 하나를 계측하는 출선구 상태 계측기
    를 포함하는 노황 관리 장치.
  6. 제1항에 있어서,
    상기 제2 센서부는 수집된 비정형 데이터를 정형 데이터로 변환하여 상기 액션 가이던스부에 전달하는 노황 관리 장치.
  7. 제1항에 있어서,
    상기 액션 가이던스부는
    상기 제1 센서부 및 상기 제2 센서부로부터 수집한 데이터에 기반하여 학습하고, 고로 조업에 관한 액션 가이던스를 생성하는 액션 가이던스 온 라인 알고리즘을 갖는 학습부;
    조업자의 상기 액션 가이던스 수용 여부에 따라 알고리즘 학습을 강화하는 액션 가이던스 오프 라인 알고리즘을 갖는 강화 학습부; 및
    상기 학습부의 액션 가이던스를 출력하고, 상기 액션 가이던스 온 라인 알고리즘의 재학습과, 상기 액션 가이던스 온 라인 알고리즘을 상기 강화 학습부의 액션 가이던스 오프 라인 알고리즘으로의 교체를 판단하는 제어부
    를 포함하는 노황 관리 장치.
  8. 데이터 전처리부가 고로의 장입물 상태, 풍구 상태 및 출선구 상태 중 적어도 하나의 비정형 데이터를 수집하고, 상기 고로의 온도 및 압력 데이터를 측정된 위치에 따라 이미지화하는 하는 단계;
    인공지능 알고리즘이 전처리된 데이터를 입력받아 고로 조업에 관한 액션 가이던스를 출력하는 단계;
    조업자의 상기 액션 가이던스 적용 여부에 따라 상기 인공지능 알고리즘의 재학습을 판단하는 단계; 및
    인공지능 알고리즘 재학습 여부에 따라 해당 인공지능 알고리즘의 교체를 판단하는 단계
    를 포함하는 노황 관리 방법.
KR1020170175537A 2017-12-19 2017-12-19 노황 관리 장치 및 방법 Active KR102075210B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020170175537A KR102075210B1 (ko) 2017-12-19 2017-12-19 노황 관리 장치 및 방법
CN201880082559.XA CN111492070A (zh) 2017-12-19 2018-12-18 炉况控制设备和方法
EP18891914.6A EP3730630B1 (en) 2017-12-19 2018-12-18 Furnace condition control apparatus and method
JP2020534232A JP7050934B2 (ja) 2017-12-19 2018-12-18 炉況管理装置及び方法
PCT/KR2018/016113 WO2019124931A1 (ko) 2017-12-19 2018-12-18 노황 관리 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170175537A KR102075210B1 (ko) 2017-12-19 2017-12-19 노황 관리 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190074132A true KR20190074132A (ko) 2019-06-27
KR102075210B1 KR102075210B1 (ko) 2020-02-07

Family

ID=66994076

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170175537A Active KR102075210B1 (ko) 2017-12-19 2017-12-19 노황 관리 장치 및 방법

Country Status (5)

Country Link
EP (1) EP3730630B1 (ko)
JP (1) JP7050934B2 (ko)
KR (1) KR102075210B1 (ko)
CN (1) CN111492070A (ko)
WO (1) WO2019124931A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114341879A (zh) * 2019-07-19 2022-04-12 杰富意钢铁株式会社 学习模型生成方法、学习模型生成装置、高炉的铁液温度控制方法、高炉的铁液温度控制指导方法及铁液的制造方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257590B (zh) * 2020-10-22 2023-08-01 中冶南方工程技术有限公司 一种高炉铁口工作状态的自动检测方法、系统及存储介质
EP4001440A1 (de) * 2020-11-18 2022-05-25 Primetals Technologies Austria GmbH Charakterisierung eines verhüttungsprozesses
JP7380604B2 (ja) * 2021-01-12 2023-11-15 Ｊｆｅスチール株式会社 学習モデル生成方法、学習モデル生成装置、高炉の制御ガイダンス方法、及び溶銑の製造方法
JP7644337B2 (ja) 2021-03-30 2025-03-12 日本製鉄株式会社 高炉操業用機械学習装置、それに用いられるプログラム、高炉操業予測モデルの生成方法及び高炉の操業方法
CN113921427B (zh) * 2021-10-09 2024-09-24 杭州中欣晶圆半导体股份有限公司 一种具有非接触式SiC舟改善体高效能的退火炉系统
CN114185976B (zh) * 2021-11-01 2024-03-26 中冶南方工程技术有限公司 一种高炉可视化智能感知平台
WO2023171501A1 (ja) * 2022-03-07 2023-09-14 Ｊｆｅスチール株式会社 高炉の溶銑温度予測方法、高炉の溶銑温度予測モデルの学習方法、高炉の操業方法、高炉の溶銑温度予測装置、溶銑温度予測システムおよび端末装置
WO2023187501A1 (en) * 2022-03-29 2023-10-05 Tata Steel Limited System and method for measuring burden profile in a metallurgical furnace
EP4276550A1 (en) * 2022-05-12 2023-11-15 Primetals Technologies Austria GmbH Method and computer system for controlling a process of a metallurgical plant

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05156327A (ja) * 1991-12-06 1993-06-22 Nkk Corp 高炉炉熱制御装置
KR950014631A (ko) 1993-11-27 1995-06-16 전성원 자동차의 타이밍 벨트 장력조절장치
KR20030063487A (ko) * 2000-12-28 2003-07-28 신닛뽄세이테쯔 카부시키카이샤 고로의 조업 상태 감시 방법, 장치 및 프로그램
KR20120087559A (ko) * 2011-01-28 2012-08-07 현대제철 주식회사 연화융착대 근부위치 추정방법

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0726127B2 (ja) * 1987-11-20 1995-03-22 日本鋼管株式会社 高炉炉熱自動制御システム
JPH0730368B2 (ja) * 1988-02-12 1995-04-05 日本鋼管株式会社 高炉炉熱制御装置
ES2085285T3 (es) * 1988-12-20 1996-06-01 Nippon Steel Corp Metodo y aparato para la gestion del funcionamiento de un alto horno.
JPH0733531B2 (ja) * 1990-04-25 1995-04-12 日本鋼管株式会社 高炉々熱制御装置の支援システム
JPH0598325A (ja) * 1991-10-07 1993-04-20 Nkk Corp 高炉装入物分布制御装置
CN1038146C (zh) 1993-07-21 1998-04-22 首钢总公司 利用人工智能专家系统控制高炉冶炼的方法
KR0146785B1 (ko) * 1995-11-27 1998-11-02 김종진 전문가 시스템을 이용한 고로 노황 이상 예측장치 및 방법
JP3814143B2 (ja) 2000-12-28 2006-08-23 新日本製鐵株式会社 高炉操業における操業監視方法、装置、及びコンピュータ読み取り可能な記録媒体
JP4586129B2 (ja) * 2008-03-25 2010-11-24 独立行政法人沖縄科学技術研究基盤整備機構 制御器、制御方法および制御プログラム
CN105886680B (zh) * 2016-05-11 2017-12-29 东北大学 一种高炉炼铁过程铁水硅含量动态软测量系统及方法
KR101858860B1 (ko) * 2016-12-22 2018-05-17 주식회사 포스코 고로 노열 제어 장치
CN106844636A (zh) * 2017-01-21 2017-06-13 亚信蓝涛（江苏）数据科技有限公司 一种基于深度学习的非结构化数据处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05156327A (ja) * 1991-12-06 1993-06-22 Nkk Corp 高炉炉熱制御装置
KR950014631A (ko) 1993-11-27 1995-06-16 전성원 자동차의 타이밍 벨트 장력조절장치
KR20030063487A (ko) * 2000-12-28 2003-07-28 신닛뽄세이테쯔 카부시키카이샤 고로의 조업 상태 감시 방법, 장치 및 프로그램
KR20120087559A (ko) * 2011-01-28 2012-08-07 현대제철 주식회사 연화융착대 근부위치 추정방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114341879A (zh) * 2019-07-19 2022-04-12 杰富意钢铁株式会社 学习模型生成方法、学习模型生成装置、高炉的铁液温度控制方法、高炉的铁液温度控制指导方法及铁液的制造方法

Also Published As

Publication number Publication date
EP3730630A4 (en) 2021-01-13
EP3730630B1 (en) 2022-05-18
EP3730630A1 (en) 2020-10-28
WO2019124931A1 (ko) 2019-06-27
JP2021507115A (ja) 2021-02-22
KR102075210B1 (ko) 2020-02-07
CN111492070A (zh) 2020-08-04
JP7050934B2 (ja) 2022-04-08

Similar Documents

Publication Publication Date Title
KR20190074132A (ko) 노황 관리 장치 및 방법
EP3835779A1 (en) Steelmaking-continuous casting process equipment control and state analysis method using laser vibration measurement, and system using same
KR102757587B1 (ko) 생산 설비의 감시 방법, 생산 설비의 감시 장치, 및 생산 설비의 조업 방법
CN115329446B (zh) 一种装配式建筑预制构件智能吊装过程数字孪生建模方法
KR101397244B1 (ko) 팔레트 대차의 누풍 검지 시스템, 팔레트 대차의 누풍 검지 방법
CN106153550A (zh) 基于svm的转炉炼钢钢水碳含量在线实时动态检测方法
EP3712281A1 (en) Blast control device for blast furnace and method therefor
CN115074480A (zh) 一种提高炼钢生产加工质量的方法及系统
CN112633049A (zh) 一种高炉风口工作状态监控的系统
KR102121910B1 (ko) 고로의 송풍 제어 장치 및 그 방법
CN114185976A (zh) 一种高炉可视化智能感知平台
JP6927461B1 (ja) 生産設備の操業方法及び操業システム
KR101858860B1 (ko) 고로 노열 제어 장치
CN113110322A (zh) 一种虚拟工长决策控制方法、装置、系统及存储介质
Trofimov Designing an intelligent control system for a basic oxygen furnace based on computer vision
CN116519164B (zh) 气缸套生产用铁水温度智能测定系统
CN118134224B (zh) 基于智慧矿产的三维可视化预警系统及方法
CN110220471B (zh) 一种熔融金属槽侵蚀程度检测方法
CN114140379A (zh) 用于高炉中心气流大小的在线计算方法
de Souza Chaves et al. Comparison Between Empirical Strategies for Predicting Endpoint Phosphorus Content in BOF Steelmaking Process
Zhang et al. Identification and Evaluation of Blast Furnace Condition Based on Spatio-Temporal Feature Extraction
Martín D et al. Above Burden Temperature Data Probes Interpretation to Prevent Malfunction of Blast Furnaces‐Part 2: Factory Applications
CN106153553A (zh) 转炉炼钢钢水碳含量在线实时动态检测系统
CN119131003A (zh) 锅炉防磨防爆检测方法

Legal Events

Date Code Title Description
A201 Request for examination
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20171219

PA0201 Request for examination
PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20190801

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20191211

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20200203

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20200203

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20230201

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20240201

Start annual number: 5

End annual number: 5