제철 부산물을 활용한 고함철단광 제조의 혼합공정 최적화 연구 (A Study on Optimization for Mixing Process of High Iron-content Briquette Manufacturing from By-Products of Steel Production)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 33권 / 6호 / 541 ~ 547페이지
· 저자명 : 정성호, 정태수, 이준석

초록

본 논문은 고함철단광 제조 혼합공정의 최적 조건을 지능화하여 탐색할 수 있도록 머신러닝기법과 최적화 기법을 이용한 방법을 제시한다. 고함철단광은 제강공정의 원료와 냉각제의대체 자원으로 인정받아 이를 활용하려는 연구가 증가하고는 있으나 화학적 특성 및 기계적결합의 강화를 위한 혼합 재료 탐색 등 공법 연구가 주를 이루고 있으며 데이터 기반 방법론을 통해 생산과정을 최적화하여 효율을 높이는 연구는 미비한 실정이다. 본 연구에서는고함철단광 제조의 혼합공정에 머신러닝과 최적화 기법을 적용하여 전반적인 제조 효율성을향상할 수 있도록 RandomForest 기반의 공정조건 예측모델을 개발한다. 이를 통해 원재료투입량에 따른 부재료의 배합비와 설비의 운전조건, 압축하중을 예측함으로써 불량 여부를사전에 판단할 수 있다. 최적값을 구하기 위한 목적함수는 설비 운영 프로세스를 기반으로모델링을 하였으며 PSO를 이용하여 최적값을 탐색하고 이를 공정에 적용한 결과 압축하중은 약 12% 증가하고 불량률은 92%로 낮아진 것으로 나타났다.

영어초록

This study aims to propose an applicable method that intelligently explores the optimalconditions for the mixing process of the high iron-content briquette manufacturing usingmachine learning and optimization techniques. As the high iron-content briquette isintroduced as a substitute resource for the iron ore and coolant in the steelmakingprocess, there has been increasing research on its utilization. However, most of theresearch has focused on improving the chemical properties and mechanical bonding ofthe mixed materials, and there is a lack of research on optimizing the manufacturingprocess through data-driven methods. In this regard, we develop the process conditionprediction model based on RandomForest, which allows the early assessment of the finalproduct quality and proper inference of the mixing ratio of materials, equipmentoperating conditions, and compression loads according to the input quantity of rawmaterials. PSO(Particle Swarm Optimization) is used to search the optimal processconditions, and its objective function is modeled by real manufacturing procedures. Theresults of this method shows an approximately 12% increase in the compression load and92% reduction in the number of defects.

참고자료

· 없음