特開 2024-174381 不等辺山形鋼の形状予測方法、不等辺山形鋼の製造方法、圧延設備および形状予測モデルの生成方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024174381

(43)【公開日】2024-12-17

(54)【発明の名称】不等辺山形鋼の形状予測方法、不等辺山形鋼の製造方法、圧延設備および形状予測モデルの生成方法

(51)【国際特許分類】

   B21B 37/00 20060101AFI20241210BHJP

   B21B 1/088 20060101ALI20241210BHJP

   B21C 51/00 20060101ALI20241210BHJP

【ＦＩ】

B21B37/00 272

B21B1/088 C

B21C51/00 R

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2023092189

(22)【出願日】2023-06-05

(71)【出願人】

【識別番号】000001258

【氏名又は名称】ＪＦＥスチール株式会社

(74)【代理人】

【識別番号】100184859

【弁理士】

【氏名又は名称】磯村 哲朗

(74)【代理人】

【識別番号】100123386

【弁理士】

【氏名又は名称】熊坂 晃

(74)【代理人】

【識別番号】100196667

【弁理士】

【氏名又は名称】坂井 哲也

(74)【代理人】

【識別番号】100130834

【弁理士】

【氏名又は名称】森 和弘

(72)【発明者】

【氏名】藤沢 拓弥

【テーマコード（参考）】

4E002

4E124

【Ｆターム（参考）】

4E002AC04

4E002BD07

4E002CA11

4E002CA15

4E124AA09

4E124BB08

4E124EE21

(57)【要約】

【課題】不等辺山形鋼の曲がり量を精度よく予測できる不等辺山形鋼の形状予測方法を提供する。
【解決手段】加熱された鋼片を不等辺山形鋼に熱間圧延する複数の圧延機と、不等辺山形鋼を冷却する冷却装置と、冷却後の不等辺山形鋼の曲がり量を測定する形状計とを有する圧延設備で製造される不等辺山形鋼の曲がり量を予測する不等辺山形鋼の形状予測方法であって、圧延機の圧延操業パラメータと、冷却装置の冷却操業パラメータと、不等辺山形鋼の属性パラメータとを含む入力データを形状予測モデルに入力し、曲がり量を出力させて不等辺山形鋼の曲がり量を予測する。
【選択図】図５

【特許請求の範囲】

【請求項1】

加熱された鋼片を不等辺山形鋼に熱間圧延する複数の圧延機と、前記不等辺山形鋼を冷却する冷却装置と、冷却後の不等辺山形鋼の曲がり量を測定する形状計とを有する圧延設備で製造される不等辺山形鋼の曲がり量を予測する不等辺山形鋼の形状予測方法であって、
前記圧延機の圧延操業パラメータと、前記冷却装置の冷却操業パラメータと、前記不等辺山形鋼の属性パラメータとを含む入力データを形状予測モデルに入力し、前記の曲がり量を出力させて前記曲がり量を予測する、不等辺山形鋼の形状予測方法。

【請求項2】

請求項１に記載の不等辺山形鋼の形状予測方法を用いて予測された曲がり量が、予め定められた許容値の範囲内になる前記冷却操業パラメータを特定し、
特定された冷却操業パラメータを含む製造条件で不等辺山形鋼を製造する、不等辺山形鋼の製造方法。

【請求項3】

加熱された鋼片を不等辺山形鋼に熱間圧延する複数の圧延機と、前記不等辺山形鋼を冷却する冷却装置と、冷却後の不等辺山形鋼の曲がり量を測定する形状計と、前記曲がり量を予測する不等辺山形鋼の形状予測装置と、を有する圧延設備であって、
前記形状予測装置は、前記圧延機の圧延操業パラメータと、前記冷却装置の冷却操業パラメータと、前記不等辺山形鋼の属性パラメータとを含む入力データを形状予測モデルに入力し、前記曲がり量を出力する形状予測部を有する、圧延設備。

【請求項4】

加熱された鋼片を不等辺山形鋼に熱間圧延する複数の圧延機と、前記不等辺山形鋼を冷却する冷却装置と、冷却後の不等辺山形鋼の曲がり量を測定する形状計とを有する圧延設備で製造される不等辺山形鋼の曲がり量を予測する形状予測モデルの生成方法であって、
過去に製造された不等辺山形鋼の前記圧延機の圧延操業パラメータの実績値と、前記冷却装置の冷却操業パラメータの実績値と、前記不等辺山形鋼の属性パラメータの実績値と、前記曲がり量の実績値とを１組とする複数のデータセットを教師データとして機械学習モデルを機械学習させ、
前記圧延操業パラメータと、前記冷却操業パラメータと、前記属性パラメータとを入力とし、前記曲がり量を出力とする形状予測モデルを生成する、形状予測モデルの生成方法。

【請求項5】

前記機械学習モデルは、ニューラルネットワーク、決定木学習、ランダムフォレストおよびサポートベクター回帰のいずれかである、請求項４に記載の形状予測モデルの生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、不等辺山形鋼の曲がり量を予測する不等辺山形鋼の形状予測方法、不等辺山形鋼の製造方法、圧延設備および形状予測モデルの生成方法に関する。

【背景技術】

【0002】

不等辺山形鋼の一種として、船体や橋梁やタンクなどの構造物の補強用鋼材として使用される不等辺不等厚山形鋼（以後、「ＮＡＢ」とも記載する。）を例に背景技術を説明する。ＮＡＢは、素材となる鋼片を熱間圧延することによって製造される。図１は、ＮＡＢの断面形状を示す模式図である。図１に示すように、ＮＡＢ１０は比較的厚さが薄く、幅が広い長辺１２と、比較的厚さが厚く、幅が狭い短辺１４とで構成される。この長辺１２および短辺１４の厚さおよび幅といった寸法の組合せは十数程度存在する。また、ＮＡＢは用途や船級協会の規格区分によって満たすべき機械的特性が定められており、それに応じてＮＡＢの化学成分は適宜調整される。構造物の鋼材としてＮＡＢが使用される際には、構造物の要求性能に応じて長辺１２および短辺１４の寸法、厚さおよび化学成分が選定される。

【0003】

このようなＮＡＢの製造は、一般に加熱炉にて予め加熱された素材である鋼片に対して複数の圧延機により粗圧延、中間圧延、仕上圧延を施し所望の寸法を有する断面形状へと成形する方法がとられる。例えば、粗圧延、中間圧延では、カリバーと呼ばれる溝が複数設けられた上下一対のロールを有する粗圧延機および中間圧延機により素材となる鋼片が複数パス圧延され、所望の寸法に近づくように大まかに成形される。最後に一つのカリバーが設けられた上下一対のロールを有する仕上圧延機にて１パスの仕上圧延が行われて、所望の断面形状を有するＮＡＢに成形される。

【0004】

日本工業規格ＪＩＳＧ３１９２：２０２１（熱間圧延形鋼の形状、寸法、質量およびその許容差）やこれに対応する外国・国際規格では形鋼の断面寸法についてその許容差が規定されている。例えば、ＮＡＢでは長辺幅Ａ、短辺幅Ｂ、長辺厚ｔ１、短辺厚ｔ２等の各寸法の代表値およびその許容値が規定されており、これら全ての寸法が上記代表値から許容値の範囲内になるように制御することが要求されている。したがって、ＮＡＢの各寸法が許容内に収まるように各圧延機、各パスでのロール隙等の圧延条件が調整、修正される。

【0005】

ＮＡＢは、図１に示すように、「へ」の字形の姿勢で上下非対称な断面形状の圧延が行われるので、１パスでの圧延における長辺と短辺の圧下率がそれぞれ異なる。すなわち、１回の圧延における長辺１２と短辺１４とで圧延方向の延伸量が異なるので、長手方向に沿って曲がりが発生する場合がある。これに加えて、寸法調整を目的として各パスでの上下ロールの間隔等の圧延条件が変更されると、圧延による長手方向の曲がり量は、その都度異なる。

【0006】

また、ＮＡＢは長辺と比較して短辺の厚みが厚いため、圧延途中の冷却過程で長辺より短辺が冷えにくく温度が高くなる。この長辺と短辺の温度差に起因した熱応力や相変態よって生じる応力によっても冷却中、あるいは冷却後に長手方向に沿って曲がりが発生する場合がある。したがって、例えば、仕上圧延機前に冷却装置が設けられ、熱間圧延工程中にＮＡＢの長辺あるいは短辺を冷却し、長辺と短辺の温度差を解消させることで曲がり量を低減できる。さらには、より高強度なＮＡＢを製造する場合には鋼材の組織制御のため、仕上圧延機の出側に加速冷却装置を設け、ＮＡＢの長辺や短辺を水冷することがある。

【0007】

以上のように、ＮＡＢの製造では、圧延と冷却の影響が複雑に重畳して曲がりが発生するので、ＮＡＢの曲がり量の制御が難しく、これまでＮＡＢの曲がり量を許容値の範囲内にするのは困難であった。また、製品段階で、ＮＡＢの曲がり量が大きい場合にはプレス等の追加工程が必要になり、製造コストが増加し生産性も低下するという問題があった。

【0008】

ＮＡＢの曲がり量を小さくするための技術として、特許文献１には、長辺の温度が短辺の温度以上であって、その温度差が５０℃以内になるように長辺と短辺とを冷却する冷却方法が開示されている。特許文献１によれば、当該温度差になるようにＮＡＢの長辺と短辺との冷却を制御することで、ＮＡＢの曲がりを抑制できるとしている。

【0009】

特許文献２には、圧延条件に関する各種設定データおよび各測定データを基に、圧延変形予測モデルを用いて各予測値を計算し、これらの予測値からＮＡＢの曲がり量を求め、この曲がり量に基づいて圧延条件を設定する制御方法が開示されている。特許文献２によれば、ＮＡＢの曲がり量に基づいて圧延ロールのロール間隙、入側ガイドおよび出側ガイドの最適位置を設定、調整することで、被圧延材の反りや曲がりを低減できるとしている。

【先行技術文献】

【特許文献】

【0010】

【特許文献1】特開昭６２－１８８７２６号公報

【特許文献2】特開２００３－３９１０７号公報

【発明の概要】

【発明が解決しようとする課題】

【0011】

特許文献１に開示された方法は、特にＮＡＢの寸法やサイズ、鋼種、圧延条件について限定することなく長辺の温度が短辺の温度以上であって、その温度差が５０℃以内であれば曲がりを抑制できるとしている。しかしながら、数十ある内のいくつかのＮＡＢの寸法やサイズによっては、上記の冷却条件で冷却しても十分にＮＡＢの曲がり量が小さくならないという課題があった。

【0012】

また、ＮＡＢの曲がりは冷却中の相変態によって生じる応力の影響も受ける。ＮＡＢにはいくつかの鋼種が存在するが、鋼種が異なると熱履歴や温度が同じであっても相変態によって生じる応力が異なる。このため、鋼種によっては特許文献１に記載の冷却方法で冷却しても十分にＮＡＢの曲がり量を小さくできないという課題があった。

【0013】

さらに、ＮＡＢの曲がり量は、温度だけでなく寸法調整のために行った各圧延機のロール間隔等の圧延条件の影響、すなわち、圧延による塑性変形の影響を受ける場合がある。特許文献１に記載の方法は、圧延条件による影響を考慮していないことから、圧延条件によっては十分にＮＡＢの曲がり量を小さくできないという課題があった。

【0014】

特許文献２には、形状予測モデルの一例としてＮＡＢの曲がりを圧延条件の各パラメータの線形和で予測する式が開示されている。しかしながら、ＮＡＢの曲がり量は圧延条件だけでなく温度の影響も受けるので、このような式で正確に曲がり量を予測することは困難である。なお、温度だけでなく圧延の影響も考慮して正確にＮＡＢの曲がり量を予測するには、二次元若しくは三次元の構造解析が必要になるので、オンラインで予測するには計算負荷が非常に高く、現状の計算機の能力では困難である。

【0015】

本発明は、上記課題を鑑みてなされたものであり、その目的は不等辺山形鋼の曲がり量を精度よく予測できる不等辺山形鋼の形状予測方法、当該不等辺山形鋼の形状予測方法を用いる不等辺山形鋼の製造方法、圧延設備および形状予測モデルの生成方法を提供することである。

【課題を解決するための手段】

【0016】

上記課題を解決するための手段は、以下の通りである。
［１］加熱された鋼片を不等辺山形鋼に熱間圧延する複数の圧延機と、前記不等辺山形鋼を冷却する冷却装置と、冷却後の不等辺山形鋼の曲がり量を測定する形状計とを有する圧延設備で製造される不等辺山形鋼の曲がり量を予測する不等辺山形鋼の形状予測方法であって、前記圧延機の圧延操業パラメータと、前記冷却装置の冷却操業パラメータと、前記不等辺山形鋼の属性パラメータとを含む入力データを形状予測モデルに入力し、前記の曲がり量を出力させて前記曲がり量を予測する、不等辺山形鋼の形状予測方法。
［２］［１］に記載の不等辺山形鋼の形状予測方法を用いて予測された曲がり量が、予め定められた許容値の範囲内になる前記冷却操業パラメータを特定し、
特定された冷却操業パラメータを含む製造条件で不等辺山形鋼を製造する、不等辺山形鋼の製造方法。
［３］加熱された鋼片を不等辺山形鋼に熱間圧延する複数の圧延機と、前記不等辺山形鋼を冷却する冷却装置と、冷却後の不等辺山形鋼の曲がり量を測定する形状計と、前記曲がり量を予測する不等辺山形鋼の形状予測装置と、を有する圧延設備であって、
前記形状予測装置は、前記圧延機の圧延操業パラメータと、前記冷却装置の冷却操業パラメータと、前記不等辺山形鋼の属性パラメータとを含む入力データを形状予測モデルに入力し、前記曲がり量を出力する形状予測部を有する、圧延設備。
［４］加熱された鋼片を不等辺山形鋼に熱間圧延する複数の圧延機と、前記不等辺山形鋼を冷却する冷却装置と、冷却後の不等辺山形鋼の曲がり量を測定する形状計とを有する圧延設備で製造される不等辺山形鋼の曲がり量を予測する形状予測モデルの生成方法であって、過去に製造された不等辺山形鋼の前記圧延機の圧延操業パラメータの実績値と、前記冷却装置の冷却操業パラメータの実績値と、前記不等辺山形鋼の属性パラメータの実績値と、前記曲がり量の実績値とを１組とする複数のデータセットを教師データとして機械学習モデルを機械学習させ、前記圧延操業パラメータと、前記冷却操業パラメータと、前記属性パラメータとを入力とし、前記曲がり量を出力とする形状予測モデルを生成する、形状予測モデルの生成方法。
［５］前記機械学習モデルは、ニューラルネットワーク、決定木学習、ランダムフォレストおよびサポートベクター回帰のいずれかである、［４］に記載の形状予測モデルの生成方法。

【発明の効果】

【0017】

本発明によれば、冷却だけでなく圧延の影響をも考慮した不等辺山形鋼の形状予測モデルを用いて不等辺山形鋼の曲がり量を予測するので、高い精度で不等辺山形鋼の曲がり量を予測できる。さらに、当該曲がり量の予測結果を用いて、不等辺山形鋼の製造における冷却条件を制御することで、曲がり量が許容値の範囲内となる不等辺山形鋼が安定して製造できるようになる。

【図面の簡単な説明】

【0018】

【図1】図１は、ＮＡＢの断面形状を示す模式図である。

【図2】図２は、ＮＡＢの各製造工程での目標断面形状の推移を示す模式図である。

【図3】図３は、ＡＢＳおよびＢＰの断面形状を示す模式図である。

【図4】図４は、ＮＡＢの曲がり量を説明する斜視図である。

【図5】図５は、本実施形態に係る不等辺山形鋼の形状予測方法が実施できる不等辺山形鋼の形状予測装置を含む、圧延設備の概略構成を示す模式図である。

【図6】図６は、冷却装置でＮＡＢの長辺および短辺を冷却している状態を示す模式図である。

【図7】図７は、ＮＡＢの鉛直方向の反りを示す模式図である。

【図8】図８は、不等辺山形鋼の形状予測装置の機能ブロック図である。

【図9】図９は、冷却操業パラメータ特定部による冷却操業パラメータ特定処理のフローを示すフロー図である。

【発明を実施するための形態】

【0019】

以下、図面を参照して本発明の一実施形態を説明する。以下の実施形態では、本発明を不等辺山形鋼の一種であるＮＡＢに適用した例を用いて説明する。なお、以下に示す実施形態は本発明の技術思想を具体化するための装置や方法を例示するものであって、本発明の技術的思想は、下記の実施形態に限定されるものではない。

【0020】

図２は、ＮＡＢ１０の各製造工程での目標断面形状の推移を示す模式図である。ＮＡＢ１０は素材となる鋼片を加熱炉で加熱した後、当該鋼片を粗圧延工程、中間圧延工程、仕上圧延工程における各圧延機で圧延されることでＮＡＢ１０が製造される。

【0021】

図３は、不等辺等厚山形鋼１６および球平形鋼２０の断面形状を示す模式図である。図３（ａ）は、短辺１７と長辺１８との厚みが等しい不等辺等厚山形鋼（以後、「ＡＢＳ」とも記載する。）１６の断面形状を示す。また、図３（ｂ）は、短辺２１がテーパー状の球平形鋼（以後、「ＢＰ（バルブプレート）」とも記載する。）２０の断面形状を示す。ＡＢＳ１６およびＢＰ２０は、それぞれ不等辺山形鋼の一種である。ＡＢＳ１６およびＢＰ２０もＮＡＢ１０と同じ製造方法で製造できるので、本実施形態に係る不等辺山形鋼の形状予測方法、不等辺山形鋼の製造方法および圧延設備は、ＡＢＳおよびＢＰの曲がり量の予測やＡＢＳおよびＢＰの製造にも適用できる。したがって、本実施形態において対象とする不等辺山形鋼には、ＮＡＢ、ＡＢＳおよびＢＰが含まれる。

【0022】

図４は、ＮＡＢ１０の曲がり量を説明する斜視図である。本実施形態において、ＮＡＢ１０の曲がり量ｄは、先端側の短辺１４の下端部と尾端側の短辺１４の下端部とを結んだラインに対して長辺１２側が凸となるように曲がる場合の符号を「＋」とし、その逆の場合の符号を「－」とする。

【0023】

図５は、本実施形態に係る不等辺山形鋼の形状予測方法が実施できる不等辺山形鋼の形状予測装置５８を含む、圧延設備１００の概略構成を示す模式図である。図５に示すように、圧延設備１００は、素材となる鋼片を所定温度まで加熱する加熱炉３０と、加熱炉３０で加熱された鋼片を圧延する粗圧延機３２と、中間圧延機３４、３６と、仕上圧延機３８と、これら複数の圧延機の動作を制御する圧延制御装置４０と、圧延途中の不等辺山形鋼を冷却する冷却装置４２、４４と、冷却装置４２、４４の入出側における圧延途中の不等辺山形鋼の温度を計測する温度計４６、４８、５０と、冷却装置４２、４４の動作を制御する冷却制御装置５２と、冷却後の不等辺山形鋼の曲がり量を測定する形状計５４と、プロセスコンピュータ５６と、不等辺山形鋼の形状予測装置５８と、を有する。

【0024】

加熱炉３０では鋼片が装入され、当該鋼片は、オーステナイト温度域以上（例えば１１００～１３００℃）まで加熱される。加熱炉３０から抽出された鋼片は、加熱炉３０の出側に設置された複数のテーブルローラで圧延機に搬送され、粗圧延機３２、中間圧延機３４、３６および仕上圧延機３８でＮＡＢ１０に熱間圧延される。また圧延機前後において、ＮＡＢ１０は、テーブルローラによって搬送されながら冷却装置４２、４４で冷却される。

【0025】

粗圧延では粗圧延機３２により、素材である矩形断面の鋼片に対して複数パスの圧延を施すことで鋼片のサイズを調整し、粗鋼片に成形する。中間圧延では中間圧延機３４、３６により粗鋼片に対して複数パスの圧延を施すことで、長辺と短辺の接合部近傍が上に凸状となる形状に成形する。さらに仕上圧延では、最終的な製品形状のカリバーを有する仕上圧延機３８により被圧延材を製品形状へと成形する。なお、被圧延材が通るカリバーの数およびパス回数は製品のサイズによって異なる。

【0026】

このような熱間圧延工程における圧延の操業パラメータとしては、上下ロールの間隔、レベリング量およびスラスト量がある。上下のロール間隔とは、粗圧延機３２、中間圧延機３４、３６および仕上圧延機３８に設けられる上下ロールの間隔であり、これら装置では、当該上下ロールの間隔が任意に調整できる構造となっている。このロール間隔を調整することで被圧延材の厚み、すなわち圧下率を変化させることができる。

【0027】

また、レベリング量とは、粗圧延機３２、中間圧延機３４、３６および仕上圧延機３８に設けられる上下ロールの傾斜量であり、通常は水平な状態を保って圧延が行われるが、上下あるいは一方のロールを水平な状態から傾斜させて圧延できる構造となっている。このレベリング量を調整することで、ＮＡＢ１０の長辺１２および短辺１４の圧下率をそれぞれ変化させることができる。

【0028】

また、スラスト量とは、粗圧延機３２、中間圧延機３４、３６および仕上圧延機３８に設けられる上下ロールの軸方向の相対的な位置の差であり、これら装置では、上下ロールの軸方向の位置が任意に調整できる構造となっている。このスラスト量を調整することで、ＮＡＢ１０の各寸法を変化させることができる。

【0029】

ＮＡＢ１０の各寸法が許容値の範囲内になるように上下ロールの間隔、レベリング量およびスラスト量の圧延条件が調整される。このように、各寸法を調整するために当該圧延条件が変更されるとＮＡＢ１０の長辺１２および短辺１４の圧下率が変化する。すなわち、長辺１２および短辺１４の長手方向の延伸率が変化するのでＮＡＢ１０の曲がり量が大きくなる場合がある。このように、ＮＡＢ１０の曲がり量は温度だけでなく圧延条件にも影響を受けるので、ＮＡＢ１０の曲がり量を正確に予測するには圧延条件の影響を考慮する必要がある。特に、仕上圧延機３８は、最後に圧延を行うことからＮＡＢ１０の曲がり量との相関が特に強い。

【0030】

ＮＡＢ１０の長辺１２および短辺１４の幅が同一の場合には、上下ロールの間隔とスラスト量およびレベリング量を組み合わせることで製造サイズを作り分けることができる。また、同一断面寸法のＮＡＢ１０を連続して圧延する場合には、粗圧延、中間圧延、仕上圧延の各々の圧延工程における圧延パス数は基本的に変更しない。

【0031】

冷却装置４２、４４では、ＮＡＢ１０を所定の冷却条件で冷却する。冷却装置４２、４４は、所定長さ（例えば、１０ｍ）で区切られ、この区切りの１単位をバンクという。図５に示した冷却装置４２、４４は、それぞれ６バンクを有する構成を示しているが、これに限らず、バンク数は６バンクから増減させてもよい。冷却装置４２、４４の冷却条件となる冷却操業パラメータには冷却水の水量密度と冷却時間が含まれる。冷却時間は、バンク１つ当たりの長さにバンク数を乗じた冷却長さを搬送速度で除することで求められる。

【0032】

冷却水の水量密度を高めることで、ＮＡＢ１０の冷却速度および温度降下量を大きくすることができる。また、搬送速度を遅くして冷却時間を長くすることで、ＮＡＢ１０の温度降下量を大きくすることができる。冷却装置４２、４４の冷却操業パラメータである水量密度と冷却時間を調整することで冷却後のＮＡＢ１０の長辺１２および短辺１４の表面温度を制御できる。

【0033】

冷却装置４２、４４はＮＡＢ１０の長辺１２および短辺１４を個別に冷却できるようになっており、長辺１２および短辺１４に対してそれぞれ噴射している水量密度を変更してもよい。設備の劣化や気温の変化等の経時変化に起因し、製造条件によっては、同一断面寸法のＮＡＢ１０でも長辺１２または短辺１４の温度がばらつき、必ずしも同じ温度とは限らないので、常に同一の冷却条件で曲がりが防止できるとは限らないからである。このように、長辺１２および短辺１４に対して冷却条件を変えることで、ＮＡＢ１０の長辺１２および短辺１４の温度を個別に調整できる。

【0034】

また、冷却装置４２、４４のように仕上圧延機３８の前後に設置された各冷却装置の冷却操業パラメータである水量密度と冷却時間をそれぞれ独立に変化させてもよい。ＮＡＢ１０の曲がり量は仕上圧延後の長辺１２および短辺１４の温度差と相関があり、鋼材の機械的特性は冷却停止温度と相関があるからである。また、冷却装置４４は加速冷却装置であってよい。

【0035】

冷却装置４２、４４には、一般的なフラットスプレーノズルや角吹きノズル、あるいは多孔噴流ノズルを使用できる。このときフラットスプレーや角吹きノズル一つでフランジ全体を冷却するのが困難な場合には長辺１２および短辺１４の幅方向にノズルを複数ならべて冷却してもよい。

【0036】

図６は、冷却装置４４でＮＡＢ１０の長辺１２および短辺１４を冷却している状態を示す模式図である。図６では、冷却装置４４の一例であるフラットスプレー４５で、ＮＡＢ１０の長辺１２および短辺１４を冷却している状態を示す。図６に示すように、ＮＡＢ１０の長辺１２および短辺１４の冷却はそれぞれ上面および下面の両方から行うことが好ましい。

【0037】

図７は、ＮＡＢ１０の鉛直方向の反りを示す模式図である。ＮＡＢ１０の長辺１２および短辺１４の上面あるいは下面のいずれかを冷却した場合には、板厚方向に温度差が発生し、ＮＡＢ１０に図７に示したような鉛直方向の反りｙが発生する場合がある。また、下面から噴射された冷却水は、ＮＡＢ１０の長辺１２および短辺１４に接触した後、重力によって短時間で長辺１２および短辺１４の下面から落下する。したがって、上下面を同一水量で冷却しても、下面の冷却能力は、上面の冷却能力よりも低くなる。このため、下面の冷却水量は、上面の冷却水量の１．１倍以上１．５倍以下にすることが好ましい。これにより、ＮＡＢ１０の長辺１２および短辺１４の上下面を均一に冷却でき、ＮＡＢ１０の鉛直方向の反りｙを小さくできる。

【0038】

再び、図５を参照する。温度計４６、４８、５０は冷却装置４２、４４の入出側に設けられ、冷却装置４２、４４による冷却前後のＮＡＢ１０の長辺１２および短辺１４の表面温度を計測する。温度計４６、４８、５０は温度測定点を長辺１２および短辺１４の幅方向にスキャンする走査型温度計、あるいは長辺１２および短辺１４の幅方向に複数のスポット温度計を配置する方式によりＮＡＢ１０の長辺１２および短辺１４の温度を計測する装置である。なお、後者の方式を採用する場合には長辺１２および短辺１４の幅方向の温度分布を把握するため、長辺１２および短辺１４の幅方向に異なる少なくとも５点以上の位置にスポット温度計を配置して温度を測定することが好ましい。

【0039】

ＮＡＢ１０の曲がり量は仕上圧延後の長辺１２および短辺１４の温度差と相関がある。発明者らの検討によるとＮＡＢ１０の曲がりは、長辺１２および短辺１４のそれぞれの幅中心位置（図１のＡ／２、Ｂ／２位置）の温度と特に相関がある。このため、温度計４８では、少なくとも長辺１２および短辺１４のそれぞれ幅中心位置の温度を測定することが好ましい。また、ＮＡＢ１０の機械的性質は鋼材の組織に依存する。冷却装置４４が加速冷却装置である場合、当該冷却装置は、鋼材の組織制御、すなわち、機械的性質の制御の役割を担うので、温度計５０で冷却装置４４の出側に長辺１２および短辺１４の表面温度を測定する。

【0040】

温度計４６、４８、５０で測定されたデータは温度情報としてプロセスコンピュータ５６に出力される。温度情報は、例えば、長辺１２および短辺１４のそれぞれの幅中心位置の代表点（Ａ／２、Ｂ／２の位置から幅方向に先尾端部まで等間隔で５点）における測温値である。また、温度計４６、４８、５０で測定されたデータに対して次数が２次以上の多項式で近似し、近似した多項式の関数を特定できるパラメータを温度情報として出力してもよい。これら温度情報は、冷却装置４２、４４を制御した結果、ＮＡＢ１０の温度が所定の範囲内になっていることを確認するために用いられる。

【0041】

形状計５４は、冷却装置４４によって冷却された後のＮＡＢ１０の曲がり量を測定する。形状計５４は、ＮＡＢ１０の曲がり量を測定できる装置であればよく、例えば、二次元レーザ変位計を用いてＮＡＢ１０の長手方向に沿った曲がりプロフィールを測定すればよい。このとき、ＮＡＢ１０の下方に形状計５４を設置するとスケールの脱落等で長期間安定的に測定するのが困難になる。このため、形状計５４はＮＡＢ１０の上方に設置することが好ましい。二次元レーザ変位計を用いて測定を行う場合、形状の測定精度を高めるために、長手方向の測定ピッチを１～５０ｍｍピッチにすることが好ましい。

【0042】

また、ＮＡＢ１０の長手方向に複数台の一次元レーザ変位計を設けて、これら複数台のレーザ変位計によりＮＡＢ１０の曲がり量を測定してもよい。この場合は上記のようにレーザ変位計を走査することなく、ＮＡＢ１０の長手方向に異なる複数の位置の形状を測定できる。この場合も同様に、測定精度を高めるため短辺１４の長手方向に２０～５０ｍｍピッチでレーザ変位計を設けることが好ましい。

【0043】

形状計５４で測定された形状データをＮＡＢ１０の曲がり量の実績値としてそのまま用いてもよいが、次数が２次以上の多項式で近似し、ＮＡＢ１０の先尾端の短辺１４（あるいは長辺１２）の下端部を結ぶ直線と、曲線形状となっている短辺１４（あるいは長辺１２）の下端部との距離をＮＡＢ１０の曲がり量の実績値としてもよい。または、ＮＡＢ１０の曲がり形状を近似した多項式の関数を特定できるパラメータをＮＡＢ１０の曲がり量の実績値としてもよい。また、形状計５４は、必ずしもＮＡＢ１０の搬送方向の延長線上に配置されていなくてもよく、冷却装置４４を通過した後にクーリングベッド等でＮＡＢ１０の形状を測定できるように、当該クーリングベッドの上方に形状計５４が設置されていてもよい。形状計５４で測定されたＮＡＢ１０の曲がり量の実績値はプロセスコンピュータ５６に出力される。

【0044】

プロセスコンピュータ５６は、ワークステーションやパソコン等の汎用コンピュータとすることができる。プロセスコンピュータ５６は、圧延制御装置４０、冷却制御装置５２、温度計４６、４８、５０、形状計５４と有線または無線で接続され、ＮＡＢ１０の製造工程を統括する。また、プロセスコンピュータ５６は、さらに上位コンピュータからＮＡＢ１０の属性パラメータを取得する。属性パラメータにはＮＡＢ１０の寸法目標値、化学組成に関する情報（Ｃ、Ｓｉ、Ｍｎ、Ｃｒ、Ｍｏ、Ｖの含有量等）やＮＡＢ１０の機械的特性の目標値（降伏応力、引張強度、伸び、靭性、硬さ等）、鋼種区分に関する情報が含まれる。

【0045】

プロセスコンピュータ５６には、属性パラメータの他にＮＡＢ１０の加熱温度や所望の材質を得るために必要な冷却装置４２、４４の出側での冷却停止温度に関する情報が格納されている。プロセスコンピュータ５６は、内部モデルに基づいた伝熱計算を行い、冷却停止温度を実現するための冷却装置の冷却操業パラメータである水量密度と冷却時間を特定する。

【0046】

このようにして特定された冷却操業パラメータは冷却制御装置５２に送られる。冷却制御装置５２は、冷却操業パラメータに基づいて、冷却装置４２、４４における冷却水ポンプの作動圧や作動台数、冷却ノズルの流量弁の開度、およびテーブルローラを駆動するモータの回転速度を制御する。

【0047】

また、プロセスコンピュータ５６は、ＮＡＢ１０の属性パラメータに応じて各圧延機のパス数やロール間隔等の圧延操業パラメータを設定する。通常の圧延操業パラメータの設定値は過去の圧延実績に基づいてＮＡＢ１０の属性パラメータに対応付けられたテーブル値として設定されている。ただし圧延ロールの組み換えを行った場合、先行圧延材と後行圧延材とで同じパラメータで圧延しても同じ圧延結果が得られない場合がある。例えば、圧延ロールの組み替えを行う前と後では、同一の設定値とした場合であっても、実際には設定値の基準となる基準状態（例えばゼロ点の設定状態）が変化するので、圧延条件をそのまま用いると、同一の断面寸法が得られない場合がある。また、圧延ロールの組み替えをしない場合であっても、異なる断面寸法のＮＡＢ１０に対する圧延ロールの間隔が変化することにより、圧延機のミルストレッチ挙動や、ハウジングとロールチョック間での摩擦特性が変化して、圧延ロールの間隔と圧延荷重との関係に非線形な特性が生じる場合がある。このような場合に、圧延ロールの間隔が同一であっても、ＮＡＢ１０の断面寸法が変動することがある。よってそのような場合には都度オペレータがテーブルの値を再設定して変更してもよい。

【0048】

プロセスコンピュータ５６は、圧延工程の圧延操業パラメータとして、粗圧延機３２、中間圧延機３４、３６および仕上圧延機３８における各パスの上下ロールの間隔、レベリング量およびスラスト量を設定する。プロセスコンピュータ５６は、設定した圧延操業パラメータを圧延制御装置４０に出力する。圧延制御装置４０は、圧延操業パラメータに基づいて、粗圧延機３２、中間圧延機３４、３６および仕上圧延機３８の上下ロールの間隔、レベリング量およびスラスト量を制御する。

【0049】

また、プロセスコンピュータ５６は、温度計４６、４８、５０および形状計５４から温度情報およびＮＡＢ１０の曲がり情報を収集して格納する。これら圧延操業パラメータ、冷却操業パラメータ、温度情報、ＮＡＢ１０の曲がり量の実績値および属性パラメータの実績値は、製造されるＮＡＢ１０の識別番号に対応付けて、プロセスコンピュータ５６のデータベースに格納される。

【0050】

不等辺山形鋼の形状予測装置５８は、プロセスコンピュータ５６から、圧延設備１００で製造されるＮＡＢ１０の圧延操業パラメータと、冷却操業パラメータと、属性パラメータとを取得し、これらを含む入力データを形状予測モデルに入力し、ＮＡＢ１０の曲がり量を出力させることでＮＡＢ１０の曲がり量を予測する。また、不等辺山形鋼の形状予測装置５８は、予測されたＮＡＢ１０の曲がり量が許容値の範囲内となる冷却操業パラメータを特定し、特定された冷却操業パラメータをＮＡＢ１０の製造における冷却操業パラメータに設定するため、プロセスコンピュータ５６に出力する。

【0051】

次に、ＮＡＢ１０の曲がり量を予測する不等辺山形鋼の形状予測装置５８を説明する。図８は、不等辺山形鋼の形状予測装置５８の機能ブロック図である。不等辺山形鋼の形状予測装置５８は、ワークステーションやパソコン等の汎用コンピュータとすることができる。不等辺山形鋼の形状予測装置５８は、制御部６０と、入力部６２と、出力部６４と、格納部６６とを有する。制御部６０は、例えば、ＣＰＵ等であって、格納部６６に格納されたプログラムを実行することで、データ取得部６８、形状予測部７０、冷却操業パラメータ特定部７２および形状予測モデル生成部７４として機能する。

【0052】

入力部６２は、例えば、キーボード、ディスプレイと一体的に設けられたタッチパネル等である。出力部６４は、例えば、ＬＣＤまたはＣＲＴディスプレイ等である。格納部６６は、例えば、更新記録可能なフラッシュメモリ、内蔵あるいはデータ通信端子で接続されたハードディスク、メモリーカード等の情報記録媒体およびその読み書き装置である。格納部６６には、不等辺山形鋼の形状予測装置５８の各機能を実現するためのプログラムやデータが格納されている。格納部６６には、さらに、データベース７６、形状予測モデル７８が格納されている。データベース７６には、過去に同じ圧延設備１００（粗圧延機３２、中間圧延機３４、３６、仕上圧延機３８のロールセットが同一）で製造されたＮＡＢ１０の圧延操業パラメータ、冷却操業パラメータ、属性パラメータおよびフランジ反り量の実績値を１組とするデータセットが５００以上、より好ましくは２０００以上格納されている。

【0053】

形状予測モデル７８は、データベース７６に格納されているデータセットを教師データとして機械学習された学習済の機械学習モデルである。本実施形態に係る形状予測モデル７８は、圧延操業パラメータと、冷却操業パラメータと、属性パラメータとを含む入力データを入力とし、ＮＡＢ１０の曲がり量を出力とする学習済の機械学習モデルである。

【0054】

次に、データ取得部６８、形状予測部７０が実行する処理について説明する。データ取得部６８は、プロセスコンピュータ５６から圧延操業パラメータ、冷却操業パラメータおよび属性パラメータを入力データとして取得する。

【0055】

データ取得部６８は、プロセスコンピュータ５６から圧延操業パラメータとして、例えば、仕上圧延機３８の上下ロールの間隔およびレベリング量を取得する。仕上圧延機３８は、製品を目標寸法に仕上げる最後の圧延であり、当該圧延の上下ロールの間隔およびレベリング量は製品の断面形状に直接的に影響する。このため、仕上圧延機３８の上下ロールの間隔およびレベリング量はＮＡＢ１０の曲がり量との相関が特に強い。したがって、圧延操業パラメータとして、仕上圧延機３８の上下ロールの間隔およびレベリング量を用いることが好ましく、これにより、ＮＡＢ１０の曲がり量の予測精度が向上する。

【0056】

データ取得部６８は、プロセスコンピュータ５６から圧延操業パラメータとして、さらに仕上圧延機３８の上下ロールのスラスト量を取得してもよい。上述したように、仕上圧延機３８は、製品を目標寸法に仕上げる最後の圧延であるので、当該圧延の上下ロールのスラスト量も製品の断面形状に大きく影響する。このため、仕上圧延機３８の上下ロールのスラスト量もＮＡＢ１０の曲がり量との相関が強い。したがって、圧延操業パラメータとして、仕上圧延機３８の上下ロールのスラスト量を用いることが好ましく、これにより、ＮＡＢ１０の曲がり量の予測精度がさらに向上する。

【0057】

データ取得部６８は、プロセスコンピュータ５６から圧延操業パラメータとして、さらに粗圧延機３２の各パスにおける上下ロールの間隔、レベリング量およびスラスト量を取得してもよい。データ取得部６８は、プロセスコンピュータ５６から圧延操業パラメータとして、さらに中間圧延機３４、３６の各パスにおける上下ロールの間隔、レベリング量およびスラスト量を取得してもよい。これらの値もＮＡＢ１０の曲がり量に影響を及ぼすので、粗圧延機３２および中間圧延機３４、３６の各パスにおける上下ロールの間隔、レベリング量およびスラスト量を圧延操業パラメータに含めることで、ＮＡＢ１０の曲がり量の予測精度がさらに向上する。

【0058】

データ取得部６８は、プロセスコンピュータ５６から冷却操業パラメータとして、冷却装置４２、４４の水量密度と冷却時間を取得する。冷却装置４２、４４において、水量密度が高く、冷却時間が長いほど、ＮＡＢ１０の長辺１２および短辺１４の内外面温度差が大きくなって曲がり量が大きくなる。したがって、冷却操業パラメータとして冷却装置４２、４４の水量密度と冷却時間を用いることで、ＮＡＢ１０の曲がり量の予測精度がさらに向上する。

【0059】

さらに、データ取得部６８は、プロセスコンピュータ５６から属性パラメータとして、ＮＡＢ１０の寸法目標値、化学成分および機械特性の目標値を取得する。このようにＮＡＢ１０の寸法目標値および化学成分および機械特性の目標値を形状予測モデルの入力データに含めることで、寸法目標値、化学成分および機械特性が考慮された形状予測モデルとなり、寸法目標値、化学成分および機械特性が異なるＮＡＢ１０についても同じ形状予測モデルを用いて曲がり量が予測できるようになる。なお、データ取得部６８は、ＮＡＢ１０の化学成分に代えて、ＮＡＢ１０の鋼種区分を取得してもよい。データ取得部６８は、取得した入力データを形状予測部７０に出力する。

【0060】

形状予測部７０は、データ取得部６８から入力データを取得すると、格納部６６から形状予測モデル７８を読み出し、当該形状予測モデル７８に当該入力データを入力してＮＡＢ１０の曲がり量を出力させる。このように、形状予測モデル７８からＮＡＢ１０の曲がり量を出力させることによって、形状予測部７０は、製造されるＮＡＢ１０の曲がり量を予測する。なお、形状予測部７０は、出力した曲がり量を出力部６４に出力し、ＮＡＢ１０の曲がり量を出力部６４に表示させてもよい。これにより、オペレータは出力部６４を視認することでＮＡＢ１０の曲がり量の予測値を確認できる。

【0061】

次に、冷却操業パラメータ特定部７２および形状予測モデル生成部７４の処理について説明する。冷却操業パラメータ特定部７２は、形状予測部７０によって予測されたＮＡＢ１０の曲がり量が、許容値の範囲内となる冷却操業パラメータを特定し、当該冷却操業パラメータをプロセスコンピュータ５６に出力することで冷却条件に設定する。

【0062】

図９は、冷却操業パラメータ特定部７２による冷却操業パラメータ特定処理のフローを示すフロー図である。図９に示したフローは、例えば、オペレータからの当該処理を開始する入力を受け付けることによって開始される。

【0063】

まず、データ取得部６８は、プロセスコンピュータ５６から、製造するＮＡＢ１０の圧延操業パラメータを取得する（ステップＳ１０１）。また、データ取得部６８は、プロセスコンピュータ５６から、製造するＮＡＢ１０の属性パラメータを取得する（ステップＳ１０２）。データ取得部６８は、取得した圧延操業パラメータおよび属性パラメータを形状予測部７０に出力する。

【0064】

冷却操業パラメータ特定部７２は、任意の冷却操業パラメータを設定する（ステップＳ１０３）。冷却操業パラメータ特定部７２は、設定した冷却操業パラメータを形状予測部７０に出力する。形状予測部７０は、格納部６６から形状予測モデル７８を読み出すとともに、取得した圧延操業パラメータ、冷却操業パラメータおよび属性パラメータを当該形状予測モデル７８に入力することでＮＡＢ１０の曲がり量を出力させて、製造されるＮＡＢ１０の曲がり量を予測する（ステップＳ１０４）。形状予測部７０は出力されたＮＡＢ１０の曲がり量の予測値を冷却操業パラメータ特定部７２に出力する。

【0065】

ＮＡＢ１０の曲がり量の許容値の範囲は、予め定められて格納部６６に格納されていてもよく、オペレータによって入力部６２から入力されてもよい。冷却操業パラメータ特定部７２は、ＮＡＢ１０の曲がり量の予測値と、ＮＡＢ１０の曲がり量の許容値の範囲とを取得すると、ＮＡＢ１０の曲がり量の予測値が曲がり量の許容値の範囲内であるか否かを判断する（ステップＳ１０５）。冷却操業パラメータ特定部７２は、ＮＡＢ１０の曲がり量の予測値が許容値の範囲外であると判断すると（ステップＳ１０５：Ｎｏ）、所定の条件に従って冷却操業パラメータを変更し（ステップＳ１０６）、処理をステップＳ１０４に戻し、予測されるＮＡＢ１０の曲がり量が許容値の範囲内になるまでステップＳ１０４～ステップＳ１０６の処理を繰り返し実行する。

【0066】

一方、ステップＳ１０５において、ＮＡＢ１０の曲がり量の予測値が許容値の範囲内であると判断すると（ステップＳ１０５：Ｙｅｓ）、冷却操業パラメータ特定部７２は、ＮＡＢ１０の曲がり量の予測に用いた冷却操業パラメータがＮＡＢ１０の曲がり量を許容値の範囲内にできる冷却操業パラメータであると特定して（ステップＳ１０７）、図８に示した冷却操業パラメータ特定処理のフローは終了する。冷却操業パラメータ特定部７２は特定した冷却操業パラメータをプロセスコンピュータ５６に出力することで、当該冷却操業パラメータを冷却装置４２、４４の冷却操業パラメータに設定する。

【0067】

このように、冷却操業パラメータを特定することで、ＮＡＢ１０の曲がり量を許容値の範囲内に制御できる冷却操業パラメータを特定できる。そして、当該冷却操業パラメータを含む製造条件でＮＡＢ１０を製造することで、ＮＡＢ１０の曲がり量が許容値の範囲内となるＮＡＢ１０を安定して製造できるようになり、これにより、ＮＡＢ１０の製造コストの増加や生産性の低下を抑制できる。

【0068】

次に、ＮＡＢ１０の曲がり量の予測に用いる形状予測モデルの生成方法について説明する。データ取得部６８は、過去に製造されたＮＡＢ１０の圧延操業パラメータの実績値、冷却操業パラメータの実績値、属性パラメータの実績値およびＮＡＢ１０の曲がり量の実績値をプロセスコンピュータ５６から取得し、これらを１セットとするデータセットを格納部６６のデータベース７６に格納する。データベース７６に格納されるデータセット数は少なくとも５００以上であることが好ましく、２０００以上であることがより好ましい。

【0069】

形状予測モデル生成部７４は、予め格納されている機械学習モデルを格納部６６から読み出し、データベース７６に格納されているデータセットを教師データとして機械学習モデルを機械学習させて、学習済の機械学習モデルを生成する。この学習済の機械学習モデルが形状予測モデルとなる。なお、本実施形態に係る不等辺山形鋼の形状予測方法および不等辺山形鋼の形状予測装置５８で用いられる機械学習モデルは、一般的に用いられるニューラルネットワーク、決定木学習、ランダムフォレスト、サポートベクター回帰のいずれを用いてもよい。また、ＮＡＢ１０の曲がり量に代えて、形状予測モデルの出力をＮＡＢ１０の曲がり量が許容値の範囲内にあるか否かの判定結果を合格／不合格の２つに２値化したデータを出力する機械学習モデルであってもよく、この場合には、ｋ－近傍法やロジスティック回帰のような分類モデルを用いてもよい。

【0070】

なお、形状予測モデルは、例えば、１カ月毎または１年毎に再び機械学習させることで新たな形状予測モデルに更新してもよい。データ取得部６８は、ＮＡＢ１０が製造される毎にその実績データを取得し、データベース７６に格納する。データベース７６には、新たに製造されたＮＡＢ１０の実績データが格納されていくので、格納される実績データの数は増加する。実績データの数が増えるほど、精度の高い形状予測が可能となる。このため、定期的に機械学習して形状予測モデルを更新することで、さらに高い精度でＮＡＢ１０の曲がり量を予測できるようになる。

【0071】

以上、説明したように、本実施形態に係る不等辺山形鋼の形状予測方法および不等辺山形鋼の形状予測装置５８で用いる形状予測モデルは、入力データに圧延操業パラメータを含む。上述したように、圧延工程の圧延操業パラメータは不等辺山形鋼の曲がり量に影響する。したがって、圧延操業パラメータを、不等辺山形鋼の曲がり量を予測する形状予測モデルの入力データに含めることで、当該形状予測モデルは圧延工程を考慮した形状予測モデルとなり、不等辺山形鋼の曲がり量の予測精度が高くなる。また、このように不等辺山形鋼の曲がり量を高い精度を予測できれば、不等辺山形鋼の曲がり量が許容範囲を超える不等辺山形鋼が製造されることを抑制でき、不等辺山形鋼の製造コストの増加や生産性の低下を抑制できるようになる。

【0072】

また、形状予測モデルの入力データに、不等辺山形鋼の属性パラメータを含めることで、目標断面寸法、化学成分および／または機械特性が異なる不等辺山形鋼の曲がり量を同一の形状予測モデルで予測できるようになる。さらに、形状予測モデルで予測される不等辺山形鋼の曲がり量が許容範囲内になる冷却操業パラメータを特定し、当該冷却操業パラメータを含む製造条件で不等辺山形鋼を製造することで、曲がり量が許容範囲内となる不等辺山形鋼を安定して製造できるようになる。

【0073】

なお、図５に示した圧延設備１００では、プロセスコンピュータ５６と、不等辺山形鋼の形状予測装置５８とを有する例を示したが、これに限らない。例えば、プロセスコンピュータ５６が不等辺山形鋼の形状予測装置５８の機能を有し、これらが１つの装置で構成されていてもよい。また、図８に示した不等辺山形鋼の形状予測装置５８では、制御部６０が冷却操業パラメータ特定部７２および形状予測モデル生成部７４を有する例を示したが、これに限らない。不等辺山形鋼の形状予測装置５８でＮＡＢ１０の曲がり量を予測するのであれば、制御部６０は冷却操業パラメータ特定部７２を有さなくてもよい。さらに、形状予測モデル７８を外部にて生成し、生成した形状予測モデル７８を、データ取得部６８を介して格納部６６に格納する場合には、不等辺山形鋼の形状予測装置５８は、形状予測モデル生成部７４を有さなくてもよい。

【実施例0074】

［実施例１］
本発明の効果を検証すべく、図５に示したＮＡＢの製造設備１００を用いて、材質ＳＳ４００、長辺幅２００ｍｍ、長辺厚１０ｍｍ、短辺幅９０ｍｍ、短辺厚１４ｍｍ、長さ２０ｍのＮＡＢを製造した。素材となる鋼片を粗圧延では５パス、中間圧延では計６パス、仕上圧延では１パスで所望の断面のＮＡＢに圧延した。

【0075】

また、仕上圧延機３８の前後の冷却装置４２、４４は、図６に示すようなフラットスプレーノズルで構成され、ＮＡＢの長辺および短辺を上下面から冷却した。このとき長辺および短辺のフラットスプレーノズルの噴射幅はそれぞれ１７０ｍｍ、７０ｍｍであり、ノズルを搬送方向に対して２００ｍｍピッチで配置した。冷却装置４２、４４の全長は１８ｍであり、３ｍ毎の計６バンクに区切られている。また温度計４６を冷却装置４２の入側から５ｍ上流側に設置し、温度計４８を仕上圧延機３８から５ｍ下流側に設置し、温度計５０を冷却装置４４の出側から２０ｍ下流側に設置し、形状計５４を冷却装置４４の出側から下流側に２５ｍ離れた位置に設置した。これら温度計４６、４８、５０と形状計５４とを用いて製造されるＮＡＢの温度と曲がり量を測定した。温度計４６、４８、５０によって測定された温度は、冷却装置４２、４４によって冷却されたＮＡＢの温度が所定の範囲内になっていることを確認するのに用いた。

【0076】

＜発明例１＞
発明例１では、学習用データとして直近の過去のＮＡＢの圧延操業パラメータ、冷却操業パラメータ、属性パラメータおよびＮＡＢの曲がり量の実績値を１セットとするデータセットを５０００件程度準備し、当該データセットを用いてニューラルネットワークモデルを機械学習させた形状予測モデルを用いた。

【0077】

圧延操業パラメータには、粗圧延機３２、中間圧延機３４、３６および仕上圧延機３８の各パスにおける上下ロールの間隔およびレベリング量を用いた。また、冷却操業パラメータには、各冷却装置４２、４４の冷却水の水量密度および冷却時間を用いた。

【0078】

発明例１では図９に示したフローチャートに従い、形状予測モデルを用いて繰り返し計算を行い、ＮＡＢの曲がり量の予測値が許容値の範囲内となる±０．００３Ｌｍｍ未満（ＮＡＢの長手方向の長さＬの０．３％未満、ここでは６０ｍｍ）を満足する冷却操業パラメータを特定した。

【0079】

再設定する冷却操業パラメータを冷却時間とし、最終的に特定された冷却操業パラメータは、冷却装置４２における長辺側の冷却水の水量密度を１０００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は１．８ｓとなり、短辺側の冷却水の水量密度は０であった。また、冷却装置４４における長辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は４.４ｓとなり、短辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は２．９ｓとなった。このとき、温度計４６、４８、５０によって測定された長辺の温度はそれぞれ、９０１℃、８２５℃、７０１℃であり、短辺の温度はそれぞれ、９３２℃、８２７℃、６８０℃であった。

【0080】

以上のようにして特定された冷却操業パラメータを含む製造条件で材質ＳＳ４００、長辺幅２００ｍｍ、長辺厚１０ｍｍ、短辺幅９０ｍｍ、短辺厚１４ｍｍ、長さ２０ｍのＮＡＢを製造した結果、機械学習による曲がり量の予測値＋１２ｍｍに対し、実際に形状計５４で測定された曲がり量は＋１７ｍｍであった。この結果から、圧延操業パラメータを含む形状予測モデルを用いることで、高い精度でＮＡＢの曲がり量が予測できること、かつ、当該予測結果を用いて特定された冷却操業パラメータでＮＡＢを製造することで、曲がり量が許容値の範囲内となる±０．００３Ｌｍｍ未満のＮＡＢを製造できることが確認された。

【0081】

＜比較例１－１＞
比較例１－１では、発明例１と同様に材質ＳＳ４００、長辺幅２００ｍｍ、長辺厚１０ｍｍ、短辺幅９０ｍｍ、短辺厚１４ｍｍ、長さ２０ｍのＮＡＢを製造した。製造設備は発明例１と同じである。

【0082】

比較例１―１では学習用データとして直近の過去のＮＡＢの冷却操業パラメータおよびＮＡＢの曲がり量の実績値を１セットとするデータセットを５０００件程度準備し、当該データセットを用いてニューラルネットワークモデルを機械学習させた形状予測モデルを用いた。すなわち、比較例１－１では入力データに圧延操業パラメータが含まれない形状予測モデルを用いた。

【0083】

比較例１－１においても図９に示したフローチャートに従い、形状予測モデルを用いて繰り返し計算を行い、ＮＡＢの曲がり量の予測値が±０．００３Ｌｍｍ未満を満足する冷却操業パラメータを特定した。最終的に特定された冷却操業パラメータは、冷却装置４２における長辺側の冷却水の水量密度を１０００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は１．５ｓとなり、短辺側の冷却水の水量密度は０であった。また、冷却装置４４における長辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は４．４ｓとなり、短辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は２．９ｓとなった。このとき、温度計４６、４８、５０によって測定された長辺の温度はそれぞれ、９０２℃、８３５℃、７１１℃であり、短辺の温度はそれぞれ、９３３℃、８６５℃、７０１℃であった。

【0084】

以上のようにして特定された冷却操業パラメータを含む製造条件で材質ＳＳ４００、長辺幅２００ｍｍ、長辺厚１０ｍｍ、短辺幅９０ｍｍ、短辺厚１４ｍｍ、長さ２０ｍのＮＡＢを製造した結果、機械学習による曲がり量の予測値＋４５ｍｍに対し、実際に形状計５４で測定された曲がり量は＋６２ｍｍであった。この結果から、圧延操業パラメータを含まない形状予測モデルを用いると、高い精度でＮＡＢの曲がり量が予測できないこと、および、当該予測結果を用いて特定された冷却操業パラメータでＮＡＢを製造しても、曲がり量が許容値の範囲内となる±０．００３Ｌｍｍ未満のＮＡＢを製造できないことが確認された。

【0085】

＜比較例１－２＞
比較例１－２では、発明例１と同様に材質ＳＳ４００、長辺幅２００ｍｍ、長辺厚１０ｍｍ、短辺幅９０ｍｍ、短辺厚１４ｍｍ、長さ２０ｍのＮＡＢを製造した。製造設備は発明例１と同じである。

【0086】

比較例１－２では、特許文献２に開示された圧延条件の各パラメータの線形和で表された式を用いてＮＡＢの曲がり量を予測した。また、冷却条件は発明例１や比較例１－１のように曲がり量の予測を繰り返し行うことなく、予めオフラインで行った有限要素法を用いた伝熱計算の結果を基に設定した冷却操業パラメータを用いた。比較例１－２で用いた冷却操業パラメータは、冷却装置４２における長辺側の冷却水の水量密度を１０００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は１．５ｓとなり、短辺側の冷却水の水量密度は０であった。また、冷却装置４４における長辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は４．４ｓとなり、短辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は２．９ｓとなった。このとき、温度計４６、４８、５０によって測定された長辺の温度はそれぞれ、９０１℃、８３３℃、７１３℃であり、短辺の温度はそれぞれ、９３１℃、８６７℃、６９９℃であった。

【0087】

このような冷却操業パラメータを含む製造条件で材質ＳＳ４００、長辺幅２００ｍｍ、長辺厚１０ｍｍ、短辺幅９０ｍｍ、短辺厚１４ｍｍ、長さ２０ｍのＮＡＢを製造した結果、曲がり量の予測値＋５０ｍｍに対し、実際に形状計５４で測定された曲がり量は＋６５ｍｍであった。この結果から、特許文献２に開示された圧延条件の各パラメータの線形和で表された式を用いても高い精度でＮＡＢの曲がり量が予測できず、かつ、曲がり量が許容値の範囲内となる±０．００３Ｌｍｍ未満のＮＡＢを製造できないことが確認された。

【0088】

以上のように、発明例１では圧延操業パラメータおよび冷却操業パラメータを入力データとし、ＮＡＢの曲がり量を出力データとした形状予測モデルを用いて冷却装置通過後のＮＡＢの曲がり量を予測することで比較例１－１、１－２より高い精度でＮＡＢの曲がり量を予測することができ、かつ、当該予測結果を用いて特定された冷却操業パラメータでＮＡＢを製造することで、曲がり量が許容値の範囲内となるＮＡＢを製造できることが確認された。

【0089】

［実施例２］
実施例２では、長辺幅２００ｍｍ、長辺厚１０ｍｍ、短辺幅９０ｍｍ、短辺厚１４ｍｍ、長さ２０ｍのＮＡＢを実施例１と同じ圧延設備を用いて製造した。実施例１と実施例２との違いは、製造するＮＡＢの寸法、鋼種および冷却装置４２、４４において、長辺および短辺を冷却するフラットスプレーノズルの噴射幅をそれぞれ３７０ｍｍ、７５ｍｍとした点である。

【0090】

＜発明例２＞
発明例２においても、学習用データとして直近の過去のＮＡＢの圧延操業パラメータ、冷却操業パラメータ、属性パラメータおよびＮＡＢの曲がり量の実績値を１セットとするデータセットを５０００件程度準備し、当該データセットを用いてニューラルネットワークモデルを機械学習させた形状予測モデルを用いた。

【0091】

圧延操業パラメータには、粗圧延機３２、中間圧延機３４、３６および仕上圧延機３８の各パスにおける上下ロールの間隔およびレベリング量を用いた。また、冷却操業パラメータには、各冷却装置４２、４４の冷却水の水量密度および冷却時間を用いた。

【0092】

発明例２では図９に示したフローチャートに従い、形状予測モデルを用いて繰り返し計算を行い、ＮＡＢの曲がり量の予測値が許容値の範囲内となる±０．００３Ｌｍｍ未満（ＮＡＢの長手方向の長さＬの０．３％未満、ここでは４５ｍｍ）を満足する冷却操業パラメータを特定した。

【0093】

再設定する冷却操業パラメータを冷却時間とし、最終的に特定された冷却操業パラメータは、冷却装置４２における長辺側の冷却水の水量密度を１０００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は２．３ｓとなり、短辺側の冷却水の水量密度は０であった。また、冷却装置４４における長辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は９．０ｓとなり、短辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は６．０ｓとなった。このとき、温度計４６、４８、５０によって測定された長辺の温度はそれぞれ、９２０℃、８４９℃、６５０℃であり、短辺の温度はそれぞれ、９４４℃、８５０℃、６１５℃であった。

【0094】

以上のようにして特定された冷却操業パラメータを含む製造条件で材質ＳＭ４９０Ａ、長辺幅４００ｍｍ、長辺厚１３ｍｍ、短辺幅１００ｍｍ、短辺厚１６ｍｍ、長さ１５ｍのＮＡＢを製造した結果、機械学習による曲がり量の予測値＋９ｍｍに対し、実際に形状計５４で測定された曲がり量は＋１２ｍｍであった。この結果から、圧延操業パラメータを含む形状予測モデルを用いることで、高い精度でＮＡＢの曲がり量が予測できること、かつ、当該予測結果を用いて特定された冷却操業パラメータでＮＡＢを製造することで、曲がり量が許容値の範囲内となる±０．００３Ｌｍｍ未満のＮＡＢを製造できることが確認された。

【0095】

＜比較例２－１＞
比較例２－１では、発明例２と同様に材質ＳＭ４９０Ａ、長辺幅４００ｍｍ、長辺厚１３ｍｍ、短辺幅１００ｍｍ、短辺厚１６ｍｍ、長さ１５ｍのＮＡＢを製造した。製造設備は発明例１と同じである。

【0096】

比較例２―１では学習用データとして直近の過去のＮＡＢの冷却操業パラメータおよびＮＡＢの曲がり量の実績値を１セットとするデータセットを５０００件程度準備し、当該データセットを用いてニューラルネットワークモデルを機械学習させた形状予測モデルを用いた。すなわち、比較例２－１では入力データに圧延操業パラメータが含まれない形状予測モデルを用いた。

【0097】

比較例２－１においても図９に示したフローチャートに従い、形状予測モデルを用いて繰り返し計算を行い、ＮＡＢの曲がり量の予測値が±０．００３Ｌｍｍ未満を満足する冷却操業パラメータを特定した。最終的に特定された冷却操業パラメータは、冷却装置４２における長辺側の冷却水の水量密度を１０００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は１．５ｓとなり、短辺側の冷却水の水量密度は０であった。また、冷却装置４４における長辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は９．０ｓとなり、短辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は６．０ｓとなった。このとき、温度計４６、４８、５０によって測定された長辺の温度はそれぞれ、９２１℃、８６０℃、６６０℃であり、短辺の温度はそれぞれ、９３１℃、８８０℃、６４０℃であった。

【0098】

以上のようにして特定された冷却操業パラメータを含む製造条件で材質ＳＭ４９０Ａ、長辺幅４００ｍｍ、長辺厚１３ｍｍ、短辺幅１００ｍｍ、短辺厚１６ｍｍ、長さ１５ｍのＮＡＢを製造した結果、機械学習による曲がり量の予測値＋３６ｍｍに対し、実際に形状計５４で測定された曲がり量は＋４７ｍｍであった。この結果から、圧延操業パラメータを含まない形状予測モデルを用いると、高い精度でＮＡＢの曲がり量が予測できないこと、および、当該予測結果を用いて特定された冷却操業パラメータでＮＡＢを製造しても、曲がり量が許容値の範囲内となる±０．００３Ｌｍｍ未満のＮＡＢを製造できないことが確認された。

【0099】

＜比較例２－２＞
比較例２－２では、発明例２と同様に材質ＳＭ４９０Ａ、長辺幅４００ｍｍ、長辺厚１３ｍｍ、短辺幅１００ｍｍ、短辺厚１６ｍｍ、長さ１５ｍのＮＡＢを製造した。製造設備は発明例１と同じである。

【0100】

比較例２－２では、特許文献２に開示された圧延条件の各パラメータの線形和で表された式を用いてＮＡＢの曲がり量を予測した。また、冷却条件は発明例２や比較例２－１のように曲がり量の予測を繰り返し行うことなく、予めオフラインで行った有限要素法を用いた伝熱計算の結果を基に設定した冷却操業パラメータを用いた。比較例２－２で用いた冷却操業パラメータは、冷却装置４２における長辺側の冷却水の水量密度を１０００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は１．５ｓとなり、短辺側の冷却水の水量密度は０であった。また、冷却装置４４における長辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は９．０ｓとなり、短辺側の冷却水の水量密度を１２００Ｌ／ｍ^２・ｍｉｎとすると、冷却時間は６．０ｓとなった。このとき、温度計４６、４８、５０によって測定された長辺の温度はそれぞれ、９２０℃、８６１℃、６６２℃であり、短辺の温度はそれぞれ、９３０℃、８８３℃、６３５℃であった。

【0101】

このような冷却操業パラメータを含む製造条件で材質ＳＭ４９０Ａ、長辺幅４００ｍｍ、長辺厚１３ｍｍ、短辺幅１００ｍｍ、短辺厚１６ｍｍ、長さ１５ｍのＮＡＢを製造した結果、曲がり量の予測値＋３０ｍｍに対し、実際に形状計５４で測定された曲がり量は＋４９ｍｍであった。この結果から、特許文献２に開示された圧延条件の各パラメータの線形和で表された式を用いても高い精度でＮＡＢの曲がり量が予測できず、かつ、曲がり量が許容値の範囲内となる±０．００３Ｌｍｍ未満のＮＡＢを製造できないことが確認された。

【0102】

以上のように、発明例２では圧延操業パラメータおよび冷却操業パラメータを入力データとし、ＮＡＢの曲がり量を出力データとした形状予測モデルを用いて冷却装置通過後のＮＡＢの曲がり量を予測することで比較例２－１、２－２より高い精度でＮＡＢの曲がり量を予測することができ、かつ、当該予測結果を用いて特定された冷却操業パラメータでＮＡＢを製造することで、曲がり量が許容値の範囲内となるＮＡＢを製造できることが確認された。

【符号の説明】

【0103】

１０ ＮＡＢ
１２ 長辺
１４ 短辺
１６ ＡＢＳ
１７ 短辺
１８ 長辺
２０ ＢＰ
２１ 短辺
３０ 加熱炉
３２ 粗圧延機
３４ 中間圧延機
３６ 中間圧延機
３８ 仕上圧延機
４０ 圧延制御装置
４２ 冷却装置
４４ 冷却装置
４５ フラットスプレー
４６ 温度計
４８ 温度計
５０ 温度計
５２ 冷却制御装置
５４ 形状計
５６ プロセスコンピュータ
５８ 不等辺山形鋼の形状予測装置
６０ 制御部
６２ 入力部
６４ 出力部
６６ 格納部
６８ データ取得部
７０ 形状予測部
７２ 冷却操業パラメータ特定部
７４ 形状予測モデル生成部
７６ データベース
７８ 形状予測モデル
１００ 圧延設備

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】