特許 7401752 モデル構築装置、予測装置、モデル構築方法、予測方法及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-12-12

(45)【発行日】2023-12-20

(54)【発明の名称】モデル構築装置、予測装置、モデル構築方法、予測方法及びコンピュータプログラム

(51)【国際特許分類】

   C21C 1/02 20060101AFI20231213BHJP

【ＦＩ】

C21C1/02 108

【請求項の数】 7

(21)【出願番号】P 2020003735

(22)【出願日】2020-01-14

(65)【公開番号】P2021110016

(43)【公開日】2021-08-02

【審査請求日】2022-09-05

(73)【特許権者】

【識別番号】000006655

【氏名又は名称】日本製鉄株式会社

(74)【代理人】

【識別番号】110002044

【氏名又は名称】弁理士法人ブライタス

(72)【発明者】

【氏名】阿部 快洋

(72)【発明者】

【氏名】岩村 健

(72)【発明者】

【氏名】中江 太一

(72)【発明者】

【氏名】門脇 良

【審査官】藤長 千香子

(56)【参考文献】

【文献】特開２００９－１６７４８１（ＪＰ，Ａ）

【文献】特開２０１８－１７２７１９（ＪＰ，Ａ）

【文献】特開２０１８－１１５３５７（ＪＰ，Ａ）

【文献】特開２０１３－２４９４９３（ＪＰ，Ａ）

【文献】特開２００４－３０１３６２（ＪＰ，Ａ）

【文献】特開２０１１－１６２８０９（ＪＰ，Ａ）

【文献】特開２００３－０４１３１１（ＪＰ，Ａ）

【文献】特開２０１６－２１６７８１（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｃ２１Ｃ １／００－１／０６

(57)【特許請求の範囲】

【請求項1】

溶銑予備処理工程で脱硫を行う処理であるＫＲプロセスの開始前に、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築するモデル構築装置であって、
ＫＲプロセスにおける過去の操業実績データと、過去の操業における溶銑がトーピードカーから溶銑鍋へ払い出される状況を撮像した払い出し画像又は溶銑鍋の内部を撮像した鍋内画像である撮像画像に基づく過去の混入スラグ情報と、を取得するモデル構築データ取得部と、
前記過去の操業実績データと前記過去の混入スラグ情報とに基づき、前記予測モデルを構築するモデル構築部と、
を備え、
前記混入スラグ情報は、前記撮像画像を、オペレータが定性的に評価して得られた、溶銑鍋へのスラグ混入量を示すスラグ混入量情報、スラグの粘性度を示すスラグ性状情報、並びに、前記撮像画像から定量的に抽出された画像特徴量、のうちの少なくともいずれか一つであり、
前記予測モデルは、重回帰モデル若しくは一般線形化モデル、又は、機械学習手法を用いて構築され、前記操業実績データと前記混入スラグ情報を説明変数とし、ＫＲプロセス終了時の溶銑中Ｓ濃度を推定するモデルである、モデル構築装置。

【請求項2】

前記混入スラグ情報は、トーピードカーから溶銑鍋への溶銑の払い出し時の画像を、オペレータが混入スラグの量や性状を目視により判断することで、予め設定された分類基準に基づき分類したカテゴリ情報を含む、請求項１に記載のモデル構築装置。

【請求項3】

溶銑予備処理工程で脱硫を行う処理であるＫＲプロセスの開始前に、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測装置であって、
ＫＲプロセスにおける過去の操業実績データと、過去の操業における溶銑がトーピードカーから溶銑鍋へ払い出される状況を撮像した払い出し画像又は溶銑鍋の内部を撮像した鍋内画像である撮像画像に基づく過去の混入スラグ情報と、を取得するモデル構築データ取得部と、
前記過去の操業実績データと前記過去の混入スラグ情報とに基づき、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測モデルを構築するモデル構築部と、
これからＫＲプロセスを実施する溶銑に関する直近の操業実績データと、これからＫＲプロセスを実施する溶銑に関する直近の混入スラグ情報と、を取得する予測対象データ取得部と、
前記モデル構築部で構築された予測モデルを用い、前記予測対象データ取得部で取得した前記直近の操業実績データと前記直近の混入スラグ情報に基づき、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するモデル予測計算部と、
を備え、
前記混入スラグ情報は、前記撮像画像を、オペレータが定性的に評価して得られた、溶銑鍋へのスラグ混入量を示すスラグ混入量情報、スラグの粘性度を示すスラグ性状情報、並びに、前記撮像画像から定量的に抽出された画像特徴量、のうちの少なくともいずれか一つであり、
前記予測モデルは、重回帰モデル若しくは一般線形化モデル、又は、機械学習手法を用いて構築され、前記操業実績データと前記混入スラグ情報を説明変数とし、ＫＲプロセス終了時の溶銑中Ｓ濃度を推定するモデルである、予測装置。

【請求項4】

溶銑予備処理工程で脱硫を行う処理であるＫＲプロセスの開始前に、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築するモデル構築方法であって、
ＫＲプロセスにおける過去の操業実績データと、過去の操業における溶銑がトーピードカーから溶銑鍋へ払い出される状況を撮像した払い出し画像又は溶銑鍋の内部を撮像した鍋内画像である撮像画像に基づく過去の混入スラグ情報と、を取得するモデル構築データ取得ステップと、
前記過去の操業実績データと前記過去の混入スラグ情報とに基づき、前記予測モデルを構築するモデル構築ステップと、
を含み、
前記混入スラグ情報は、前記撮像画像を、オペレータが定性的に評価して得られた、溶銑鍋へのスラグ混入量を示すスラグ混入量情報、スラグの粘性度を示すスラグ性状情報、並びに、前記撮像画像から定量的に抽出された画像特徴量、のうちの少なくともいずれか一つであり、
前記予測モデルは、重回帰モデル若しくは一般線形化モデル、又は、機械学習手法を用いて構築され、前記操業実績データと前記混入スラグ情報を説明変数とし、ＫＲプロセス終了時の溶銑中Ｓ濃度を推定するモデルである、モデル構築方法。

【請求項5】

溶銑予備処理工程で脱硫を行う処理であるＫＲプロセスの開始前に、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測方法であって、
ＫＲプロセスにおける過去の操業実績データと、過去の操業における溶銑がトーピードカーから溶銑鍋へ払い出される状況を撮像した払い出し画像又は溶銑鍋の内部を撮像した鍋内画像である撮像画像に基づく過去の混入スラグ情報と、を取得するモデル構築データ取得ステップと、
前記過去の操業実績データと前記過去の混入スラグ情報とに基づき、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測モデルを構築するモデル構築ステップと、
これからＫＲプロセスを実施する溶銑に関する直近の操業実績データと、これからＫＲプロセスを実施する溶銑に関する直近の混入スラグ情報と、を取得する予測対象データ取得ステップと、
前記モデル構築ステップで構築された予測モデルを用い、前記予測対象データ取得ステップで取得した前記直近の操業実績データと前記直近の混入スラグ情報に基づき、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するモデル予測計算ステップと、
を含み、
前記混入スラグ情報は、前記撮像画像を、オペレータが定性的に評価して得られた、溶銑鍋へのスラグ混入量を示すスラグ混入量情報、スラグの粘性度を示すスラグ性状情報、並びに、前記撮像画像から定量的に抽出された画像特徴量、のうちの少なくともいずれか一つであり、
前記予測モデルは、重回帰モデル若しくは一般線形化モデル、又は、機械学習手法を用いて構築され、前記操業実績データと前記混入スラグ情報を説明変数とし、ＫＲプロセス終了時の溶銑中Ｓ濃度を推定するモデルである、予測方法。

【請求項6】

コンピュータを、溶銑予備処理工程で脱硫を行う処理であるＫＲプロセスの開始前に、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築するモデル構築装置として機能させるためのコンピュータプログラムであって、
前記コンピュータプログラムは、前記コンピュータを、
ＫＲプロセスにおける過去の操業実績データと、過去の操業における溶銑がトーピードカーから溶銑鍋へ払い出される状況を撮像した払い出し画像又は溶銑鍋の内部を撮像した鍋内画像である撮像画像に基づく過去の混入スラグ情報と、を取得するモデル構築データ取得部と、
前記過去の操業実績データと前記過去の混入スラグ情報とに基づき、前記予測モデルを構築するモデル構築部として機能させ、
前記混入スラグ情報は、前記撮像画像を、オペレータが定性的に評価して得られた、溶銑鍋へのスラグ混入量を示すスラグ混入量情報、スラグの粘性度を示すスラグ性状情報、並びに、前記撮像画像から定量的に抽出された画像特徴量、のうちの少なくともいずれか一つであり、
前記予測モデルは、重回帰モデル若しくは一般線形化モデル、又は、機械学習手法を用いて構築され、前記操業実績データと前記混入スラグ情報を説明変数とし、ＫＲプロセス終了時の溶銑中Ｓ濃度を推定するモデルである、コンピュータプログラム。

【請求項7】

コンピュータを、溶銑予備処理工程で脱硫を行う処理であるＫＲプロセスの開始前に、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測装置として機能させるためのコンピュータプログラムであって、
前記コンピュータプログラムは、前記コンピュータを、
ＫＲプロセスにおける過去の操業実績データと、過去の操業における溶銑がトーピードカーから溶銑鍋へ払い出される状況を撮像した払い出し画像又は溶銑鍋の内部を撮像した鍋内画像である撮像画像に基づく過去の混入スラグ情報と、を取得するモデル構築データ取得部と、
前記過去の操業実績データと前記過去の混入スラグ情報とに基づき、前記ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測モデルを構築するモデル構築部と、
これからＫＲプロセスを実施する溶銑に関する直近の操業実績データと、これからＫＲプロセスを実施する溶銑に関する直近の混入スラグ情報と、を取得する予測対象データ取得部と、
として機能させ、
前記混入スラグ情報は、前記撮像画像を、オペレータが定性的に評価して得られた、溶銑鍋へのスラグ混入量を示すスラグ混入量情報、スラグの粘性度を示すスラグ性状情報、並びに、前記撮像画像から定量的に抽出された画像特徴量、のうちの少なくともいずれか一つであり、
前記予測モデルは、重回帰モデル若しくは一般線形化モデル、又は、機械学習手法を用いて構築され、前記操業実績データと前記混入スラグ情報を説明変数とし、ＫＲプロセス終了時の溶銑中Ｓ濃度を推定するモデルである、コンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、溶銑予備処理工程にて脱硫を行うＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築するモデル構築装置及びモデル構築方法、構築された予測モデルを用いてＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測装置及び予測方法、コンピュータプログラムに関する。

【背景技術】

【0002】

溶銑予備処理工程にて脱硫処理を行うＫＲプロセスでは、通常、オペレータの判断に基づきインペラーの浸漬深さとフラックス使用量（生石灰及びＡｌ灰）とが調整され、１５分程度、機械攪拌による脱硫が実施される。ＫＲプロセスは外乱影響が大きく、ＫＲプロセス終了時の溶銑中Ｓ濃度（以下、「処理後Ｓ濃度」ともいう。）にばらつきが生じる。ＫＲプロセスにて脱硫不足となる場合には、追加処理としてＭｇによる脱硫を実施し、目標のＳ濃度となるよう調整されるが、Ｍｇはコストが高く、また、追加処理を実施することによって生産効率が下がってしまう。このため、処理後Ｓ濃度の予測、さらには脱硫不良の発生有無の判定を可能にすることが求められており、これらを実現するための手段として、脱硫処理を開始する前に脱硫処理後のＳ濃度を予測する予測モデルのニーズがある。

【0003】

ＫＲプロセスでは、例えば図１に示すような機械撹拌式脱硫装置（ＫＲ）５０を用いて溶銑の脱硫処理が行われる。例えば、ＫＲ鍋５１の溶銑５にフラックス（脱硫剤：生石灰（ＣａＯ）、Ａｌ灰）を添加し、インペラー５３を浸漬させて駆動装置５５により回転させることにより行われる。このような機械攪拌法による脱硫では、インペラー５３によって溶銑５とフラックスとを強力に攪拌することで脱硫反応を促進させる。

【0004】

ここで、溶銑５中に存在するＳは製造される鋼板の品質を低下させる要因となるため、ＫＲプロセスによる処理後Ｓ濃度を、転炉へ引き渡す際の目標Ｓ濃度まで低減させることは重要である。一方で、ＫＲプロセスにおいて処理後Ｓ濃度を確実に目標Ｓ濃度以下とするためにフラックスを過剰投入してしまうと、製造コストを増加させることになる。このため、ＫＲプロセスの操業条件の設定にあたっては、処理後Ｓ濃度を精度よく予測できることが望ましい。

【0005】

例えば特許文献１には、溶銑予備処理操業における処理剤の投入条件を精度よく、かつ、実用上のばらつきを加味して、適正にガイダンスすることが可能な方法が開示されている。特許文献１では、ニューラルネットワークに処理剤投入条件を含む操業条件を変化させて繰り返し入力することにより処理剤の投入条件を決定し、実用上のばらつきを加えて評価することで、適切な処理剤投入条件を求める。これにより、処理剤投入条件と処理後の成分濃度との対応特性が線形性を示すか非線形性を示すかにかかわらず、処理後の成分濃度の予測精度を高められる。

【先行技術文献】

【特許文献】

【0006】

【文献】特開平８－２６９５１８号公報

【非特許文献】

【0007】

【文献】「溶銑脱硫技術の改善」、住友金属Ｖｏｌ．４５－３．Ｐ．５２－５８、１９９３年４月

【発明の概要】

【発明が解決しようとする課題】

【0008】

しかし、上記特許文献１の手法には、転炉において溶銑予備処理を行う場合しか想定されておらず、ＫＲプロセスについては想定されていない。

【0009】

ＫＲプロセスに関してはプロセス現象が複雑かつ検出端が少ないことから、これまで十分に検討が進められていない。特に、トーピードカーから溶銑鍋へ払い出される際に溶銑鍋へ流入する混入スラグについては、当該混入スラグの混入量が多くなるとＫＲプロセスでの脱硫率（＝（処理前Ｓ濃度－処理後Ｓ濃度）／処理前Ｓ濃度×１００［％］）が低下する傾向にあり、ＫＲプロセスでの脱硫率に影響すると推察されるものの詳細な検討はなされていない。

【0010】

さらに、ＫＲプロセスを実施する前に処理後Ｓ濃度を予測できれば、予測された処理後Ｓ濃度に基づき今回のＫＲプロセスでフラックスを増加させる必要性や追加処理の実施の必要性を判断することが可能となる。その結果、ＫＲプロセスでの脱硫不足を回避したり脱硫剤の使用量を減少させたりすることができるため、生産性向上及び製造コストの削減にもつながる。

【0011】

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、ＫＲプロセスでの脱硫率への影響度の高い混入スラグに関する情報に基づき、ＫＲプロセス前に、ＫＲプロセス終了時の溶銑中Ｓ濃度（すなわち、処理後Ｓ濃度）を予測するための予測モデルを構築することの可能なモデル構築装置、及び、これを用いた処理後Ｓ濃度の予測装置を提供することにある。

【課題を解決するための手段】

【0012】

上記課題を解決するために、本発明のある観点によれば、溶銑予備処理工程にて脱硫を行うＫＲプロセスの開始前に、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築するモデル構築装置であって、ＫＲプロセスにおける過去の操業実績データ、及び、過去の操業においてトーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報から、学習モデルを用いて予測モデルを構築するモデル構築部を備える、モデル構築装置が提供される。

【0013】

混入スラグ情報は、オペレータの評価に基づく溶銑鍋へのスラグ混入量を示すスラグ混入量情報及びオペレータの評価に基づくスラグ性状を示すスラグ性状情報のうち少なくともいずれか一方を含んでもよい。

【0014】

また、混入スラグ情報は、トーピードカーから溶銑鍋への溶銑の払い出し時の画像を予め設定された分類基準に基づき分類したカテゴリ情報を含んでもよい。

【0015】

あるいは、混入スラグ情報は、トーピードカーから溶銑鍋への溶銑の払い出し時の画像から、溶銑鍋へのスラグ混入量を示すスラグ混入量情報及びスラグ性状を示すスラグ性状情報のうち少なくともいずれか一方に基づき抽出された画像特徴量を含んでもよい。

【0016】

学習モデルは、重回帰モデルまたは一般化線形モデルであってもよい。

【0017】

また、上記のモデル構築装置により構築された予測モデルを用いて、ＫＲプロセスの開始前に、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測装置であって、直近の操業でのＫＲプロセスにおける操業実績データ、及び、直近の操業における混入スラグに関する混入スラグ情報に基づき、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するモデル予測計算部を備える、予測装置が提供される。

【0018】

予測装置は、モデル予測計算部による予測結果に基づいて、今回のＫＲプロセスにおける脱硫を促進させるための追加処理の要否を判定する判定部を備えてもよい。

【0019】

また、課題を解決するために、本発明の別の観点によれば、溶銑予備処理工程にて脱硫を行うＫＲプロセスの開始前に、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測装置であって、直近の操業でのＫＲプロセスにおける操業実績データ、及び、直近の操業においてトーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報を取得する予測対象データ取得部と、過去の操業実績データ及び過去の操業における混入スラグ情報から学習モデルを用いて構築された予測モデルを用いて、予測対象データ取得部により取得された操業実績データ及び混入スラグ情報に基づき、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するモデル予測計算部と、を備える、予測装置が提供される。

【0020】

さらに、課題を解決するために、本発明の別の観点によれば、溶銑予備処理工程にて脱硫を行うＫＲプロセスの開始前に、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築するモデル構築方法であって、ＫＲプロセスにおける過去の操業実績データ、及び、過去の操業においてトーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報から、学習モデルを用いて予測モデルを構築することを含む、モデル構築方法が提供される。

【0021】

また、課題を解決するために、本発明の別の観点によれば、溶銑予備処理工程にて脱硫を行うＫＲプロセスの開始前に、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測方法であって、直近の操業でのＫＲプロセスにおける操業実績データ、及び、直近の操業においてトーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報を取得する予測対象データ取得ステップと、過去の操業実績データ及び過去の操業における混入スラグ情報から学習モデルを用いて構築された予測モデルを用いて、予測対象データ取得ステップにて取得された操業実績データ及び混入スラグ情報に基づき、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するモデル予測計算ステップと、を含む、予測方法が提供される。

【0022】

さらに、課題を解決するために、本発明の別の観点によれば、コンピュータを、溶銑予備処理工程にて脱硫を行うＫＲプロセスの開始前に、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築するモデル構築装置として機能させるためのコンピュータプログラムであって、コンピュータプログラムは、ＫＲプロセスにおける過去の操業実績データ、及び、過去の操業においてトーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報から、学習モデルを用いて予測モデルを構築するモデル構築部として機能する、コンピュータプログラムが提供される。

【0023】

また、課題を解決するために、本発明の別の観点によれば、コンピュータを、溶銑予備処理工程にて脱硫を行うＫＲプロセスの開始前に、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する予測装置として機能させるためのコンピュータプログラムであって、コンピュータプログラムは、直近の操業でのＫＲプロセスにおける操業実績データ、及び、直近の操業においてトーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報を取得する予測対象データ取得部と、過去の操業実績データ及び過去の操業における混入スラグ情報から学習モデルを用いて構築された予測モデルを用いて、予測対象データ取得部により取得された操業実績データ及び混入スラグ情報に基づき、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するモデル予測計算部と、として機能する、コンピュータプログラムが提供される。

【発明の効果】

【0024】

以上説明したように本発明によれば、ＫＲプロセスでの脱硫率への影響度の高い混入スラグに関する情報に基づき、ＫＲプロセス前に、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築することができる。

【図面の簡単な説明】

【0025】

【図1】機械撹拌式脱硫装置の一例を示す模式図である。

【図2】溶銑がトーピードカーから溶銑鍋へ払い出される際の画像（払い出し画像）の一例である。

【図3】本発明の一実施形態に係るＫＲプロセス評価装置の機能構成を示す機能ブロック図である。

【図4】払い出し画像及び鍋内画像を取得する撮像装置の配置の一例を示す模式図である。

【図5】同実施形態に係るＫＲプロセス評価方法を示すフローチャートである。

【図6】溶銑の払い出し画像中の溶銑領域の面積（画素数）の変化を示した溶銑領域面積チャートであって、溶銑へのスラグの混入が少ないケースの一例を示す。

【図7】溶銑の払い出し画像中の溶銑領域の面積（画素数）の変化を示した溶銑領域面積チャートであって、溶銑へのスラグの混入が少ないケースの他の一例を示す。

【図8】溶銑の払い出し画像中の溶銑領域の面積（画素数）の変化を示した溶銑領域面積チャートであって、溶銑へのスラグの混入がやや多いケースの一例を示す。

【図9】溶銑の払い出し画像中の溶銑領域の面積（画素数）の変化を示した溶銑領域面積チャートであって、溶銑へのスラグの混入がやや多いケースの他の一例を示す。

【図10】混入スラグ情報の取得に用いる連結画像の一例を示す説明図である。

【図11】鍋内画像の一例を示す説明図である。

【図12】ＲＧＢ成分のヒストグラムに基づく画像特徴量を説明する説明図である。

【図13】鍋内画像中の明るい領域に関する画像特徴量を説明する説明図である。

【図14】同実施形態に係るＫＲプロセス評価装置として機能する情報処理装置のハードウェア構成の一例を示すブロック図である。

【図15】実施例の結果を示すグラフである。

【発明を実施するための形態】

【0026】

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

【0027】

＜１．混入スラグの脱硫への影響＞
本実施形態では、溶銑予備処理工程にて脱硫を行うＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを、トーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報を考慮して構築する。そこで、まず、ＫＲプロセスにおける混入スラグの脱硫への影響について説明する。

【0028】

ＫＲプロセスにおける脱硫への影響因子としては、例えば、混入スラグ、機械撹拌式脱硫装置の攪拌能力、溶銑温度等が考えられる。具体的には、混入スラグについては、トーピードカーから溶銑鍋への溶銑の払い出し時における混入スラグの量及び性状（塩基度）によって脱硫効率がばらつく。攪拌能力については、インペラーの浸漬深さや、インペラー、溶銑鍋に地金が張り付くことによって攪拌能力にばらつきが生じる。溶銑温度については、高炉から製鋼工場までの溶銑の到着時間がばらつくことで溶銑温度にばらつきが生じ、脱硫反応へ影響が生じる。

【0029】

このように、ＫＲプロセスにおいて脱硫への影響因子は様々に考えられるものの、上述したように、プロセス現象が複雑かつ検出端が少ないことから、これまで十分に検討が進められていなかった。特に、図２に示すように、溶銑３がトーピードカーから溶銑鍋へ払い出される際に溶銑鍋へ流入する混入スラグ３ａについては、当該混入スラグの混入量が多くなるとＫＲプロセスでの脱硫率が低下する傾向にあり、ＫＲプロセスでの脱硫率に影響すると推察される。

【0030】

例えば、ある期間の操業実績に基づき、混入スラグのスラグ混入量とスラグ性状との関係を調べたところ、下記表１、表２に示すような結果が得られた。表１及び表２は、３３６データについて、図２に示すような溶銑３がトーピードカーから溶銑鍋へ払い出される際の画像からオペレータが目視によってスラグ混入量とスラグ性状とを定性的に判断した結果を示している。例えば、スラグ混入量については、図２の画像中、明るく表れる溶銑３に対し、暗く表れる混入スラグ３ａの占める割合から、３区分(多い、中、少ない)で判断される。また、例えばスラグ性状については、図２の画像中の溶銑３及び混入スラグ３ａの流れ方等から３区分(大、中、小)で判断される。表１にはデータ数をオペレータによって判断されたスラグ混入量とスラグ性状とについて整理した結果を示しており、表２には表１で示したスラグ混入量とスラグ性状とについて整理された区分毎データの脱硫率の平均値を示している。

【0031】

【表1】

【0032】

【表2】

【0033】

表２より、全体の平均値を１としてこれを基準とすると、混入スラグが多い場合、及び、スラグの粘性度が大きくなる場合には、ＫＲプロセスにおける脱硫率は低下する傾向にあることがわかる。

【0034】

このような検討から、本願発明者は、ＫＲプロセスにおける脱硫への影響度が高いと推測される混入スラグに関する情報を説明変数として、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築することにより、当該予測モデルの精度を向上させることを想到した。以下、本発明の一実施形態に係る、溶銑予備処理工程にて脱硫を行うＫＲプロセス終了時の溶銑中Ｓ濃度を予測するための予測モデルを構築するモデル構築装置、及び、構築された予測モデルを用いた予測装置の概要について詳細に説明する。

【0035】

＜２．ＫＲプロセス評価装置＞
まず、図３及び図４に基づいて、本実施形態に係るＫＲプロセス評価装置１００の機能構成について説明する。図３は、本実施形態に係るＫＲプロセス評価装置１００の機能構成を示す機能ブロック図である。図４は、払い出し画像及び鍋内画像（以下、これらをまとめて「撮像画像」ともいう。）を取得する撮像装置４７の配置の一例を示す模式図である。ＫＲプロセス評価装置１００は、ＫＲプロセス終了時の溶銑中Ｓ濃度（すなわち、処理後Ｓ濃度）を予測するための予測モデルを構築するモデル構築装置１１０と、当該予測モデルを用いた処理後Ｓ濃度を予測する予測装置１２０とを有する。なお、図３では、ＫＲプロセス評価装置１００にモデル構築装置１１０及び予測装置１２０が備えられているが、本発明はかかる例に限定されず、それぞれ独立した装置として構成してもよい。

【0036】

［２－１．モデル構築装置］
モデル構築装置１１０は、モデル構築データ取得部１１１と、モデル構築部１１３とを有する。

【0037】

モデル構築データ取得部１１１は、予測モデルを構築するにあたり用いるＫＲプロセスにおける過去の操業実績データ、及び、過去の操業においてトーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報を取得する。モデル構築データ取得部１１１は、データ入力部１１１ａと、画像データ処理部１１１ｂとを有する。

【0038】

データ入力部１１１ａは、モデル構築装置１１０と接続された外部の装置から、過去の操業実績データを取得したり、混入スラグ情報の入力を受け付けたりする。

【0039】

過去の操業実績データは、かかるデータが格納された操業実績データ記憶部２００から取得される。操業実績データ記憶部２００には、例えば、ＫＲプロセスを実施したときの溶銑量や使用した溶銑鍋、インペラー回数、ＫＲ処理回数、湯面高さ、インペラー浸漬深さ、攪拌速度、攪拌時間、攪拌トルク、攪拌動力、ＣａＯ使用量、Ａｌドロス使用量、ＫＲプロセス開始時Ｓｉ濃度、ＫＲプロセス開始時Ｍｎ濃度、ＫＲプロセス開始時Ｐ濃度、ＫＲプロセス開始時Ｔｉ濃度、ＫＲプロセス開始時Ｓ濃度、ＫＲプロセス後の最終温度、ＫＲプロセス後の最終Ｃ濃度、風袋、目標Ｓ濃度等が、実施されたＫＲプロセス毎に記憶されている。データ入力部１１１ａは、操業実績データ記憶部２００から、予測モデルの構築に用いる所定数の過去の操業実績データを取得する。

【0040】

また、データ入力部１１１ａは、外部の入力装置５００からの入力情報を受け付ける。入力装置５００は、オペレータが情報を入力するための装置であって、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ及びレバー等である。本実施形態では、予測モデルの構築に、オペレータの評価に基づく溶銑鍋へのスラグ混入量を示すスラグ混入量情報やオペレータの評価に基づくスラグ性状を示すスラグ性状情報が、混入スラグ情報として用いられる。オペレータは、入力装置５００を用いて、これらの情報をモデル構築装置１１０へ入力する。

【0041】

ここで、オペレータは、溶銑がトーピードカーから溶銑鍋へ払い出される状況を撮像した払い出し画像や溶銑鍋４０の内部を撮像した鍋内画像等の撮像画像を表示装置４００により確認することにより、スラグ混入量及びスラグ性状を定量的に評価する。撮像画像は、溶銑の払い出しが行われる処理場に設置された撮像装置３００により取得される。撮像装置３００は、例えば図４に示す撮像装置４７のように、パルピットに設置され、観察窓４５を介してパルピットから処理場を撮像するように設置されてもよい。このとき、撮像装置４７は、複数のカメラから構成されてもよい。例えば図４の例では、第１のカメラ４７ａは、トーピードカー２０Ａを傾けて溶銑５が溶銑鍋４０へ注ぎ込む溶銑払い出し時の溶銑の流れを撮像可能な位置に設置される。同様に、第２のカメラ４７ｂは、トーピードカー２０Ｂを傾けて溶銑５が溶銑鍋４０へ注ぎ込む溶銑払い出し時の溶銑の流れを撮像可能な位置に設置される。第１のカメラ４７ａ及び第２のカメラ４７ｂは領域Ｑを撮像するエリアとして、例えば図２に示したような払い出し画像を取得する。

【0042】

また、撮像装置４７として、溶銑鍋４０の内部の溶銑５を撮像する第３のカメラ４７ｃを設置してもよい。第３のカメラ４７ｃは、溶銑鍋４０に払い出された溶銑５を、溶銑鍋４０の上方開口部から撮像可能な位置に設置される。第３のカメラ４７ｃは、溶銑鍋４０に払い出された溶銑５を撮像し、鍋内画像を取得する。

【0043】

図３の説明に戻り、オペレータは、このようにして取得された撮像画像に基づき、溶銑鍋へのスラグ混入量を示すスラグ混入量情報やスラグ性状を示すスラグ性状情報を、入力装置５００を用いてデータ入力部１１１ａへ入力する。また、オペレータは、例えば撮像画像を予め設定された分類基準に基づき分類し、混入スラグ情報として分類カテゴリ情報を生成してもよい。分類カテゴリ情報は、例えば、混入スラグの量や性状を目視により判断した結果に基づき、撮像画像に対応する操業実績データを複数に分類したものである。具体的には、混入スラグの量を目視によって３つのカテゴリ（多量、中量、少量）に分類する処理や、混入スラグの粘性度を目視によって３つのカテゴリ（粘性度大、粘性度中、粘性度小）に分類する処理が行われる。

【0044】

データ入力部１１１ａは、取得した過去の操業実績データ及び混入スラグ情報を、モデル構築部１１３へ出力する。

【0045】

画像データ処理部１１１ｂは、撮像装置３００により取得された撮像画像を解析し、混入スラグ情報として画像特徴量を取得する。画像特徴量は、例えば特徴量抽出のために予め設定されたスラグ混入量情報あるいはスラグ性状情報に基づき抽出される。なお、画像データ処理部１１１ｂによる処理の詳細については後述する。画像データ処理部１１１ｂは、取得した混入スラグ情報を、モデル構築部１１３へ出力する。

【0046】

モデル構築部１１３は、モデル構築データ取得部１１１にて取得された過去の操業実績データ及び混入スラグ情報に基づき、学習モデルを用いてＫＲプロセスの処理後Ｓ濃度を予測する予測モデルを構築する。モデル構築部１１３は、学習モデルとして、例えば重回帰モデルあるいは一般線形化モデルを用いてもよい。また、モデル構築部１１３は、学習モデルとして、例えばＬａｓｓｏ（Least Absolute Shrinkage and Selection Operator）やＲａｎｄｏｍＦｏｒｅｓｔ、ＧＢＤＴ（Gradient Boosting Decision Tree）等の機械学習手法を用いて、予測モデルを構築してもよい。モデル構築部１１３による予測モデルの構築処理についての詳細は後述する。モデル構築部１１３は、構築した予測モデルを、予測装置１２０へ出力する。

【0047】

［２－２．予測装置］
予測装置１２０は、予測対象データ取得部１２１と、モデル予測計算部１２３と、判定部１２５とを有する。

【0048】

予測対象データ取得部１２１は、直近の操業でのＫＲプロセスにおける操業実績データ、及び、直近の操業においてトーピードカーから溶銑鍋への溶銑の払い出し時に溶銑鍋へ流入する混入スラグに関する混入スラグ情報を取得する。予測対象データ取得部１２１にて取得される直近の操業実績データ及び混入スラグ情報は、これからＫＲプロセスを実施する溶銑に関する情報である。なお、操業実績データがない場合には、操作設定値を用いればよい。予測対象データ取得部１２１は、データ入力部１２１ａと、画像データ処理部１２１ｂとを有する。データ入力部１２１ａ及び画像データ処理部１２１ｂは、取り扱うデータが入力される情報が直近のデータであること以外は、モデル構築装置１１０のモデル構築データ取得部１１１のデータ入力部１１１ａ及び画像データ処理部１１１ｂと同様の処理である。このため、データ入力部１２１ａ及び画像データ処理部１２１ｂの詳細な説明は省略する。予測対象データ取得部１２１は、取得した直近の操業実績データ及び混入スラグ情報を、モデル予測計算部１２３へ出力する。

【0049】

モデル予測計算部１２３は、モデル構築装置１１０により構築された予測モデルを用いて、予測対象データ取得部１２１により取得された操業実績データ及び混入スラグ情報に基づき、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する。予測対象データ取得部１２１により取得された操業実績データ及び混入スラグ情報を予測モデルに入力することで、ＫＲプロセス終了時の溶銑中Ｓ濃度の予測値が算出される。モデル予測計算部１２３は、算出したＫＲプロセス終了時の溶銑中Ｓ濃度の予測値を判定部１２５へ出力する。

【0050】

判定部１２５は、モデル予測計算部１２３による予測結果に基づいて、今回のＫＲプロセスにおける脱硫を促進させるための追加処理の要否を判定する。判定部１２５は、ＫＲプロセス終了時の溶銑中Ｓ濃度の予測値と目標Ｓ濃度とを比較し、追加処理の要否を判定する。判定部１２５は、ＫＲプロセス終了時の溶銑中Ｓ濃度の予測値が目標Ｓ濃度を満たさないと判定した場合、例えばＫＲプロセスで使用する脱硫剤を増やす、あるいは、Ｍｇによる脱硫を実施する、といった追加処理の実施が必要であることを、出力装置（図示せず。）を介してオペレータに通知してもよい。この際、判定部１２５は、過去の操業実績あるいは予め設定された追加処理実施要件に基づき、脱硫剤の追加量等も通知するようにしてもよい。

【0051】

以上、本実施形態に係るＫＲプロセス評価装置１００の構成について説明した。

【0052】

＜３．ＫＲプロセス評価方法＞
次に、図５～図１３に基づいて、本実施形態に係るＫＲプロセス評価装置１００によるＫＲプロセス評価方法について説明する。図５は、本実施形態に係るＫＲプロセス評価方法を示すフローチャートである。図７～図１３は、混入スラグ情報を説明するための説明図である。ＫＲプロセス評価装置１００によるＫＲプロセス評価は、図５に示すように、オフラインで行われるモデル構築装置１１０によるモデル構築処理と、オンラインで行われる予測装置１２０による予測処理とにより行われる。以下、各処理について詳細に説明する。

【0053】

［３－１．モデル構築処理］
まず、モデル構築装置１１０によるモデル構築処理について説明する。モデル構築処理では、過去の操業実績データ及び過去の混入スラグ情報に基づき、ＫＲプロセスの処理後Ｓ濃度を予測するための予測モデルが構築される。モデル構築処理はオフラインで実施され、予測装置１２０による予測を実施前に予め行われる。

【0054】

（Ｓ１００：過去の操業実績データ取得）
図５に示すように、モデル構築装置１１０のモデル構築データ取得部１１１は、まず、データ入力部１１１ａにより、操業実績データ記憶部２００から所定数の過去の操業実績データを取得する（Ｓ１００）。取得する過去の操業実績データは、所定期間内に含まれるものとしてもよい。操業実績データは、上述したように、例えば、ＫＲプロセスを実施したときの溶銑量や使用した溶銑鍋、インペラー回数、ＫＲ処理回数、湯面高さ、インペラー浸漬深さ、各板速度、各半時間、攪拌トルク、攪拌動力、ＣａＯ使用量、Ａｌドロス使用量、ＫＲプロセス開始時Ｓｉ濃度、ＫＲプロセス開始時Ｍｎ濃度、ＫＲプロセス開始時Ｐ濃度、ＫＲプロセス開始時Ｔｉ濃度、ＫＲプロセス開始時Ｓ濃度、ＫＲプロセス後の最終温度、ＫＲプロセス後の最終Ｃ濃度、風袋、目標Ｓ濃度等を含む。

【0055】

（Ｓ１１０：オペレータ評価に基づく混入スラグ情報取得）
また、データ入力部１１１ａは、外部の入力装置５００から入力された、オペレータの評価に基づく溶銑鍋へのスラグ混入量を示すスラグ混入量情報やオペレータの評価に基づくスラグ性状を示すスラグ性状情報といった混入スラグ情報を取得する（Ｓ１１０）。オペレータの評価に基づく混入スラグ情報は、上述したように、オペレータの定性的な評価に基づくものである。ステップＳ１１０では、例えば、スラグ混入量については、撮像画像の各画素の輝度に基づき、明るく表れる溶銑に対して暗く表れる混入スラグの占める割合から判断される。また、例えばスラグ性状については、撮像画像中の溶銑及び混入スラグの流れ方等から経験的に判断される。

【0056】

このようにして取得された撮像画像に基づき、溶銑鍋へのスラグ混入量を示すスラグ混入量情報やスラグ性状を示すスラグ性状情報を、オペレータは入力装置５００を用いてデータ入力部１１１ａへ入力する。また、オペレータは、例えば撮像画像を予め設定された分類基準に基づき分類し、混入スラグ情報として分類カテゴリ情報を生成してもよい。分類カテゴリ情報は、例えば、混入スラグの量や性状を目視により判断した結果に基づき、撮像画像に対応する操業実績データを複数に分類したものである。具体的には、混入スラグの量を目視によって３つのカテゴリ（多量、中量、少量）に分類する処理や、混入スラグの粘性度を目視によって３つのカテゴリ（粘性度大、粘性度中、粘性度小）に分類する処理が行われる。かかるオペレータによる評価は、溶銑の払い出し全体の評価ともいえる。

【0057】

（Ｓ１２０：画像特徴量取得）
一方、モデル構築データ取得部１１１は、画像データ処理部１１１ｂにより、混入スラグ情報として、撮像画像から画像特徴量を抽出する（Ｓ１２０）。画像特徴量は、例えば特徴量抽出のために予め設定されたスラグ混入量情報あるいはスラグ性状情報に基づき抽出される。画像データ処理部１１１ｂにより取得される画像特徴量は、スラグ混入量等のように定量的に評価されたものであり、属人的なばらつきは生じにくい。また、撮像画像中の部分的な変化も捉えることができる。

【0058】

ステップＳ１２０では、撮像装置３００により取得された溶銑の撮像画像を予測モデルのモデル変数として扱うために、画像データ処理部１１１ｂにより撮像画像を解析し、画像特徴量を取得する。モデル変数を取得するために活用できる画像としては、トーピードカーから払い出す箇所（図４の領域Ｑ）を撮像した払い出し画像や、溶銑鍋内の溶銑を撮像した鍋内画像等がある。以下、これらの画像から画像特徴量を取得する処理について、より具体的に説明する。また、ステップＳ１２０では、画像特徴量の取得に加えて、撮像画像から払い出し状態をパターン化した情報を生成してもよい。かかる情報も、モデル変数として利用することができる。

【0059】

（ａ．払い出し画像の画像処理）
払い出し画像の画像処理では、払い出し状況の評価として、各時刻で取得された払い出し画像それぞれについて、溶銑に相当する領域部分の画素数を算出することが考えられる。溶銑に相当する領域は、例えば図２に示したように輝度が大きく、払い出し画像中に明るい部分として現れる。したがって、払い出し画像における溶銑に相当する領域の特定は、Ｒ成分、Ｇ成分、Ｂ成分について閾値判定することにより可能となる。同様に、混入スラグについても、混入スラグに相当する領域は、例えば図２に示したように輝度が小さく、払い出し画像中に暗い部分として現れる。したがって、払い出し画像における混入スラグに相当する領域の特定も、Ｒ成分、Ｇ成分、Ｂ成分について閾値判定することにより可能である。

【0060】

このように、払い出し画像の各画素について輝度あるいはＨＳＶ色空間の値（色相（Hue)、彩度（Saturation）、明度（Value)）を特定することで、以下のような払い出し時の溶銑状態の評価を可能にする情報（すなわち、操業変数とみなすことのできる情報）を取得できる。

【0061】

例えば、溶銑の払い出し開始から終了までの期間における複数の払い出し画像を用いて、払い出し全体を通しての輝度変化から、混入スラグのスラグ混入量を把握することができる。

【0062】

図６～図９に、溶銑の払い出し画像中の溶銑領域の面積（画素数）の変化を示した溶銑領域面積チャートの例を示す。図６及び図７は、溶銑へのスラグの混入が少ないケースを示しており、図８及び図９は、溶銑へのスラグの混入がやや多いケースを示している。図６～図９は、いずれも横軸がフレームＮｏ．（すなわち時間）、縦軸が溶銑領域の画素数を表している。したがって、溶銑領域の画素数が多い時間帯（フレーム）ほど、多くの溶銑が排出され、スラグの混入は少ないとみなすことができる。

【0063】

例えば、図６及び図７に示すように、溶銑へのスラグの混入が少ないケースでは、溶銑領域の画素数、すなわち溶銑の排出量が時間の経過とともに減少する傾向があることがわかる。また、図６の溶銑領域面積チャートでは、５００フレームを超えたあたりで溶銑領域の画素数が急激に減少している。かかる部分では、大きな塊のスラグが混入したと考えられる。図７においても、溶銑領域の画素数が減少している部分ではスラグの排出が多く、溶銑領域の画素数が増加した部分ではスラグの排出は減少している。このように、溶銑領域の画素数の変化から、スラグ混入量の大小を把握できる。さらに、溶銑領域面積チャートの画素数の総和より、１回の払い出しにて溶銑鍋へ排出された溶銑量を把握することもできる。また、溶銑領域面積チャートの傾きからは、溶銑の排出量の変化を把握することができる。

【0064】

また、例えば図８及び図９に示すように、溶銑へのスラグの混入がやや多いケースでは、図６及び図７に示した溶銑領域面積チャートとは形状が異なる。例えば図８に示すように、払い出し期間の前半では溶銑の排出が少なく、後半で溶銑の排出が増えている。また、例えば図９に示すように、払い出し期間の前半では溶銑の排出量の変化はほぼないものの、後半にて急激に減少することもある。さらに、図８及び図９のいずれの場合にも、溶銑領域の画素数は、図６及び図７と比較して減少している。

【0065】

このように、溶銑領域面積チャートを用いれば、輝度が大きい部分の面積変化傾向を見ることでスラグの混入状態を評価することができる。また、当該チャートの面積から、スラグ混入量の定量化も可能となる。

【0066】

あるいは、溶銑の払い出し開始から終了までの間に、同一の撮像装置（図４では第１のカメラ４７ａまたは第２のカメラ４７ｂ）によって撮像された複数の払い出し画像（フレーム）から特定の領域を切り出して、時系列順に連結させ、１つの連結画像を作成することで、溶銑の払い出しの一連の様子が把握可能となる。例えば図１０に示すように、画像データ処理部１１１ｂは、払い出し画像の領域Ｆの部分を切り出し、各フレームから切り出し画像ｆ１、ｆ２、ｆ３、・・・を取得する。そして、切り出し画像ｆ１、ｆ２、ｆ３、・・・を時系列順に連結させると、図１０下側に示すような連結画像が生成される。連結画像からは、溶銑３が流れる状況を把握することができる。また、図１０の連結画像では、払い出しの終わり付近で、混入スラグ３ａの塊が排出されたことがわかる。このように、連結画像内において混入スラグ３ａが現れる範囲に着目することで、スラグの混入に関連する変数を作成することも可能である。

【0067】

（ｂ．鍋内画像の画像処理）
実操業において、オペレータは、トーピードカーから払い出された溶銑の受け側となる溶銑鍋内に排出された溶銑を目視し、混入スラグのスラグ混入量及びスラグ性状を評価している。これより、撮像装置（図４では第３のカメラ４７ｃ）により溶銑鍋内を撮像した鍋内画像に基づき操業変数を作成し用いることも有効と考えられる。例えば、図１１上側に示す払い出いし直後の鍋内画像と、図１１下側に示す、払い出しが終わった後ＫＲプロセスの処理場へ溶銑鍋が搬送される直前の鍋内画像とを比較すると、輝度が異なり、時間が経過するにつれて溶銑の温度が低下する様子がわかる。また、混入スラグのスラグ混入量によっても溶銑の冷却度合いは異なる。なお、鍋内画像においても、溶銑に相当する領域と混入スラグに相当する領域との特定は、払い出し画像と同様、輝度やＨＳＶ色空間の値によって特定可能である。

【0068】

鍋内画像の画像特徴量としては、例えば鍋内画像について、ＲＧＢ成分それぞれのヒストグラムから得られる統計量を用いてもよい。具体的には、図１２に示すように、鍋内画像からＲ成分、Ｇ成分、Ｂ成分それぞれの輝度分布を表すヒストグラムを作成し、ヒストグラムから得られる輝度の平均値や標準偏差等を統計量として求める。かかる統計量を混入スラグ情報として用いることができる。この際、図１２に示した払い出し直後の鍋内画像と搬送直前の鍋内画像とについて、それぞれ統計量を求め、混入スラグ情報として用いることで、溶銑鍋内での混入スラグの変化も考慮することができる。例えば、各鍋内画像についてそれぞれ求められたヒストグラムの平均の差により、溶銑鍋内での混入スラグの変化を表してもよい。

【0069】

また、鍋内画像の画像特徴量として、トーピードカーからの払い出し直後の鍋内画像における明るい領域の大きさを用いてもよい。明るく表れる領域は、溶銑の温度が高い部分であり、高温部分が多いほど混入スラグが少ないものと推定することができる。鍋内画像の明るい領域は、予め設定された所定の輝度閾値により特定することができる。当該領域の大きさは、例えば、画素数、総面積、最大面積等によって表せばよい。かかる処理は、例えば図１３に示すように、解析対象である左上の鍋内画像を、右上に示すようにＲ成分、Ｇ成分、Ｂ成分にそれぞれ分解した後、左下に示すように二値化する。これにより、特定したい高温部分を表す明るい領域を抽出することができる。二値化処理により明るい領域が特定されると、画像データ処理部１１１ｂは、右下に示すように領域の画素数をカウントし、明るい領域の総面積を算出すればよい。

【0070】

以上のように、撮像装置により得られた撮像画像から画像特徴量を求め、混入スラグ情報として用いてもよい。

【0071】

（Ｓ１３０：予測モデル構築）
図５の説明に戻り、ステップＳ１００により過去の操業実績データを取得し、ステップＳ１１０、Ｓ１２０により混入スラグ情報が取得されると、モデル構築部１１３は、過去の操業実績データ及び混入スラグ情報に基づき、学習モデルを用いてＫＲプロセスの処理後Ｓ濃度を予測する予測モデルを構築する（Ｓ１３０）。学習モデルとして、例えば重回帰モデルや一般線形化モデル、機械学習手法を用いることができる。例えば重回帰モデルを用いた場合、下記式（０）についてＫＲプロセス開始時のＳ濃度（ｔ＝０時と仮定する。）と攪拌時間Ｔ（ＫＲプロセス処理終了時間と仮定する。）とを用いると、ＫＲプロセス終了後の溶銑中Ｓ濃度（ｔ＝Ｔ［ｍｉｎ］）は、下記式（Ａ）によって表現することができる。

【0072】

【数1】

【0073】

一般線形化モデルについては、例えば下記式（０）で表される脱硫物理式（非特許文献１参照）においては、処理後Ｓ濃度は、総括速度係数Ｋｓと脱硫到達Ｓ濃度Ｓｅとをパラメータとして表される。

【0074】

【数2】

【0075】

すなわち、脱硫物理式は総括速度係数×時間に対するｅｘｐ関数で表現されることから、リンク関数をｌｏｇ関数とし、処理後Ｓ濃度の連続値推定であることから確率分布をガンマ分布とすると、下記式（１）、（２）のように表現される。

【0076】

【数3】

【0077】

なお、式（Ａ）における（－Ｋｓ・Ｔ）がｌｏｇ（ｐ）に対応しており、この部分は線形式で表現される。式中のｘ１、…、ｘｎはｎ個の説明変数、β０、…、βｎはパラメータであり、パラメータβ０、…、βｎは最尤推定で求められる。

【0078】

モデル構築部１１３は、構築した、例えば式（Ａ）で表される予測モデルを、予測装置１２０へ出力する。

【0079】

［３－２．予測処理］
次に、予測装置１２０による予測処理について説明する。モデル構築処理では、直近の操業実績データ及び直近の混入スラグ情報に基づき、モデル構築処理にて構築された予測モデルを用いて、ＫＲプロセスの処理後Ｓ濃度を予測する。かかる予測処理は、ＫＲプロセスの実施前にオンラインにて実行される。したがって、当該予測処理の予測結果を今回実施するＫＲプロセスに反映させることができる。

【0080】

（Ｓ２００：直近の操業実績データ取得）
図５に示すように、予測装置１２０は、まず、予測対象データ取得部１２１のデータ入力部１２１ａにより直近の操業実績データを取得する（Ｓ２００）。直近の操業実績データとしては、高炉での成分データ等がある。実績データが存在しない変数については、操作設定値を用いればよい。

【0081】

（Ｓ２１０：画像特徴量取得）
次いで、予測対象データ取得部１２１は、画像データ処理部１２１ｂにより、混入スラグ情報として、直近の溶銑の払い出し時に取得された撮像画像から画像特徴量を抽出する（Ｓ２１０）。画像特徴量は、ステップＳ１２０と同様の処理により求めればよい。

【0082】

（Ｓ２２０：ＫＲプロセス終了後の溶銑中Ｓ濃度の予測値算出）
そして、モデル予測計算部１２３は、ステップＳ１３０にてモデル構築装置１１０により構築された予測モデルを用いて、ステップＳ２００、Ｓ２１０にて取得された操業実績データ及び混入スラグ情報に基づき、ＫＲプロセス終了時の溶銑中Ｓ濃度を予測する（Ｓ２２０）。予測対象データ取得部１２１により取得された操業実績データ及び混入スラグ情報を予測モデルに入力することで、ＫＲプロセス終了時の溶銑中Ｓ濃度の予測値が算出される。

【0083】

（Ｓ２３０：追加処理の要否判定）
その後、判定部１２５は、ステップＳ２２０にて算出された予測結果に基づいて、今回のＫＲプロセスにおける脱硫を促進させるための追加処理の要否を判定する（Ｓ２３０）。判定部１２５は、ＫＲプロセス終了時の溶銑中Ｓ濃度の予測値と目標Ｓ濃度とを比較し、追加処理の要否を判定する。ＫＲプロセス終了時の溶銑中Ｓ濃度の予測値が目標Ｓ濃度を満たさないと判定した場合、判定部１２５は、例えばＫＲプロセスで使用する脱硫剤を増やす、あるいは、Ｍｇによる脱硫を実施する、といった追加処理の実施が必要であることを、出力装置（図示せず。）を介してオペレータに通知してもよい。この際、判定部１２５は、過去の操業実績あるいは予め設定された追加処理実施要件に基づき、脱硫剤の追加量等も通知するようにしてもよい。

【0084】

以上、本実施形態に係るＫＲプロセス評価装置１００によるＫＲプロセス評価方法について説明した。

【0085】

＜４．ハードウェア構成＞
図１４に基づいて、本実施形態に係るＫＲプロセス評価装置１００のハードウェア構成について説明する。図１４は、本実施形態に係るＫＲプロセス評価装置１００として機能する情報処理装置９００のハードウェア構成の一例を示すブロック図である。なお、ＫＲプロセス評価装置１００は、別個の情報処理装置９００でそれぞれ構築してもよく、１つの情報処理装置９００によりともに機能するように構築してもよい。

【0086】

情報処理装置９００は、ＣＰＵ９０１と、ＲＯＭ９０３と、ＲＡＭ９０５とを含む。また、情報処理装置９００は、バス９０７と、入力Ｉ／Ｆ９０９と、出力Ｉ／Ｆ９１１と、ストレージ装置９１３と、ドライブ９１５と、接続ポート９１７と、通信装置９１９とを含む。

【0087】

ＣＰＵ９０１は、演算処理装置および制御装置として機能する。ＣＰＵ９０１は、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１３、またはリムーバブル記録媒体９２５に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムあるいは演算パラメータ等を記憶する。ＲＡＭ９０５は、ＣＰＵ９０１が使用するプログラム、あるいは、プログラムの実行において適宜変化するパラメータ等を一次記憶する。これらはＣＰＵバス等の内部バスにより構成されるバス９０７により相互に接続されている。

【0088】

バス９０７は、ブリッジを介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バスなどの外部バスに接続されている。

【0089】

入力Ｉ／Ｆ９０９は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ及びレバー等の、ユーザが操作する操作手段である入力装置９２１からの入力を受け付けるインタフェースである。入力Ｉ／Ｆ９０９は、例えば、ユーザが入力装置９２１を用いて入力した情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路等として構成されている。入力装置９２１は、例えば、赤外線あるいはその他の電波を利用したリモートコントロール装置、あるいは、情報処理装置９００の操作に対応したＰＤＡ等の外部機器９２７であってもよい。情報処理装置９００のユーザは、入力装置９２１を操作し、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。

【0090】

出力Ｉ／Ｆ９１１は、入力された情報を、ユーザに対して視覚的または聴覚的に通知可能な出力装置９２３へ出力するインタフェースである。出力装置９２３は、例えば、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置およびランプ等の表示装置であってもよい。あるいは、出力装置９２３は、スピーカ及びヘッドホン等の音声出力装置や、プリンター、移動通信端末、ファクシミリ等であってもよい。出力Ｉ／Ｆ９１１は、出力装置９２３に対して、例えば、情報処理装置９００により実行された各種処理にて得られた処理結果を出力するよう指示する。具体的には、出力Ｉ／Ｆ９１１は、表示装置に対して情報処理装置９００による処理結果を、テキストまたはイメージで表示するよう指示する。また、出力Ｉ／Ｆ９１１は、音声出力装置に対し、再生指示を受けた音声データ等のオーディオ信号をアナログ信号に変換して出力するよう指示する。

【0091】

ストレージ装置９１３は、情報処理装置９００の記憶部の１つであり、データ格納用の装置である。ストレージ装置９１３は、例えば、ＨＤＤ（Hard Disk Drive）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイスまたは光磁気記憶デバイス等により構成される。ストレージ装置９１３は、ＣＰＵ９０１が実行するプログラム、プログラムの実行により生成された各種データ、及び、外部から取得した各種データ等を格納する。

【0092】

ドライブ９１５は、記録媒体用リーダライタであり、情報処理装置９００に内蔵あるいは外付けされる。ドライブ９１５は、装着されているリムーバブル記録媒体９２５に記録されている情報を読み出し、ＲＡＭ９０５に出力する。また、ドライブ９１５は、装着されているリムーバブル記録媒体９２５に情報を書き込むことも可能である。リムーバブル記録媒体９２５は、例えば、磁気ディスク、光ディスク、光磁気ディスクまたは半導体メモリ等である。具体的には、リムーバブル記録媒体９２５は、ＣＤメディア、ＤＶＤメディア、Ｂｌｕ－ｒａｙ（登録商標）メディア、コンパクトフラッシュ（登録商標）（CompactFlash：ＣＦ）、フラッシュメモリ、ＳＤメモリカード（Secure Digital memory card）等であってもよい。また、リムーバブル記録媒体９２５は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Integrated Circuit card）または電子機器等であってもよい。

【0093】

接続ポート９１７は、機器を情報処理装置９００に直接接続するためのポートである。接続ポート９１７は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small Computer System Interface）ポート、ＲＳ－２３２Ｃポート等である。情報処理装置９００は、接続ポート９１７に接続された外部機器９２７から、直接各種データを取得したり外部機器９２７に各種データを提供したりすることができる。

【0094】

通信装置９１９は、例えば、通信網９２９に接続するための通信デバイス等で構成された通信インタフェースである。通信装置９１９は、例えば、有線または無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）またはＷＵＳＢ（Wireless USB）用の通信カード等である。また、通信装置９１９は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデム等であってもよい。通信装置９１９は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。また、通信装置９１９に接続される通信網９２９は、有線または無線によって接続されたネットワーク等により構成されている。例えば、通信網９２９は、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信等である。

【0095】

以上、情報処理装置９００のハードウェア構成の一例を示した。上述の各構成要素は、汎用的な部材を用いて構成されてもよく、各構成要素の機能に特化したハードウェアにより構成されてもよい。情報処理装置９００のハードウェア構成は、本実施形態を実施する時々の技術レベルに応じて適宜変更可能である。

【実施例】

【0096】

本発明の効果を検証すべく、下記表３に示す操業変数及び混入スラグ情報（オペレータ評価値、画像特徴量）を用いて、重回帰分析（ステップワイズ法（ＡＩＣ））で、予測モデルの性能を検討した。検討では、予測モデルの構築に際して使用可能な説明変数として下記表３に示す説明変数を設定した。本検討では、操業変数として、ＫＲプロセス実施に際して取得される操業実績データを用いた。ここでは、例えば溶銑量やインペラー回数、ＫＲプロセスの前後における溶銑の成分濃度等を含む、２０個の操業実績データを用いた。そして、下記表４に示すケースＡ～Ｆのように予測モデルの構築に際して使用する説明変数を変化させ、各ケースＡ～Ｆについて、予測モデルにより推定されたＫＲプロセス実施後の処理後Ｓ濃度と実際の処理後Ｓ濃度とを調べた。結果を図１５に示す。

【0097】

【表3】

【0098】

【表4】

【0099】

図１５を参照すると、比較例であるケースＡに比べ、実施例であるケースＢ～Ｆについては精度の良い予測モデルが構築されていることがわかる。なお、本検討における評価結果は、表３に示した操業変数及び混入スラグ情報（オペレータ評価、画像特徴量）を用いた場合にのみ言えることではない。操業変数及び混入スラグ情報（オペレータ評価、画像特徴量のデータ数を表３と異なるものとしても、操業変数に加え、オペレータ評価または画像特徴量のうち少なくともいずれか一方を説明変数に加えることで、予測モデルの精度を高めることができる。

【0100】

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

【符号の説明】

【0101】

３、５ 溶銑
３ａ 混入スラグ
５ 溶銑
１０ 高炉
２０、２０Ａ、２０Ｂ トーピードカー（ＴＰＣ）
３０ ＴＰＣ処理場
４０ 溶銑鍋
４５ 観察窓
４７ 撮像装置
４７ａ 第１のカメラ
４７ｂ 第２のカメラ
４７ｃ 第３のカメラ
５０ 機械撹拌式脱硫装置（ＫＲ）
５１ ＫＲ鍋
５３ インペラー
５５ 駆動装置
１００ ＫＲプロセス評価装置
１１０ モデル構築装置
１１１ モデル構築データ取得部
１１１ａ データ入力部
１１１ｂ 画像データ処理部
１１３ モデル構築部
１２０ 予測装置
１２１ 予測対象データ取得部
１２１ａ データ入力部
１２１ｂ 画像データ処理部
１２３ モデル予測計算部
１２５ 判定部
２００ 操業実績データ記憶部
２００ 操業実績データ記憶
３００ 撮像装置
４００ 表示装置
５００ 入力装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】