転炉吹錬操業への構造化Deep Learningの適用検討（Ⅰ）－溶鋼温度・溶鋼C濃度予測－

カテゴリ: 全国大会

論文No: 4-149

グループ名: 【全国大会】令和7年電気学会全国大会論文集

発行日: 2025/03/01

タイトル(英語): A Study of Structured Deep Learning for Converter Steelmaking (Ⅰ) － Liquid Steel Temperature/ Liquid Steel C Concentration Forecasting －

著者名: 中山日菜子（JFEスチール）,長野真孟（JFEスチール）,佐藤美穂（JFEスチール）,森重直人（JFEスチール）,金田龍哉（富士電機）,島崎祐一（富士電機）,吉川肇（富士電機）

著者名(英語): Hinako Nakayama (JFE Steel Corporation),Masatake Nagano (JFE Steel Corporation),Miho Sato (JFE Steel Corporation),Naoto Morishige (JFE Steel Corporation),Ryuya Kaneda (Fuji Electric),Yuichi Shimasaki (Fuji Electric),Hajime Yoshikawa (Fuji Electric)

キーワード: 吹錬|転炉|品質予測|ニューラルネットワーク|steelmaking|converter|quality prediction|neural network

要約(日本語): 鉄鋼プラントの製鋼工程では，転炉に装入した溶銑に酸素を吹込み，溶鋼を生成する。この一連のプロセスは吹錬と呼ばれ，製品毎の品質に応じて溶鋼の成分調整を行う重要なバッチプロセスとなる。吹錬操業では，目標となる溶鋼温度・溶鋼C濃度に応じて酸素吹込量，副原料投入量の制御を行うため，溶鋼温度・溶鋼C濃度を予測する必要がある。本稿では，鉄鋼プラントの溶鋼温度・溶鋼C濃度予測に対して，構造化 Deep Learningを用いた高精度な予測モデルを提案する。構造化Deep Learningは出力根拠の説明が可能な予測モデルである。JFEスチール西日本製鉄所倉敷地区の実データを用いてシミュレーションを行い，オペレータの感覚と近い説明結果を得られたので報告する。

本誌掲載ページ: 247-249 p

原稿種別: 日本語

PDFファイルサイズ: 1,102 Kバイト