生成预测熔化炉中产生的渣滓量的学习完毕预测模型的方法、预测熔化炉中产生的渣滓量的方法以及计算机程序与流程

本发明涉及生成预测熔化炉中产生的渣滓量的学习完毕预测模型的方法、预测熔化炉中产生的渣滓量的方法、以及计算机程序。

背景技术：

1、期望钢铁业以及非铁金属业中的熔化工艺的节能化。在熔化工艺中，使用熔化炉(高炉)的熔化工艺的条件根据各种因素而不同，但至今为止，大多依赖于作业人员的经验、试错。因此，有时白白地消耗能量、材料。

2、伴随近年的ict技术的进展，利用数据，对使熔化工艺最佳化的方法进行了研究。例如，在专利文献1中公开了一种方法，从由设置于高炉设备的各种传感器测量出的时间序列数据中提取工艺变量并保存于检索用表中，从检索表中检索类似度高的工艺变量，基于过去的类似的熔化工艺的事例来预测熔化工艺的将来的状态。

3、在先技术文献

4、专利文献

5、专利文献1：日本特开2007-4728号公报

技术实现思路

1、发明所要解决的课题

2、根据专利文献1所记载的方法，由于使用从时间序列数据提取的工艺变量，因此能够高速且高精度地求出在该时刻求取的工艺变量，基于过去的类似的熔化工艺的事例，来预测熔化工艺的将来的状态。

3、然而，专利文献1所记载的方法中使用的推论算法是检索过去的类似的熔化工艺的事例检索基础。因此，所得到的工艺变量只会在过去的实绩的范围内且其类似事例的附近。因此，难以得到不在类似事例的附近的范围的解。

4、本发明鉴于上述课题而作，其目的在于提供一种预测熔化炉中产生的渣滓量(以下或称为“渣滓产生量”)的学习完毕预测模型的生成方法、利用该预测模型来预测渣滓产生量的方法、以及利用该预测模型能够辅助满足所希望的渣滓产生量的熔化炉的运转条件的选定的系统。

5、用于解决课题的手段

6、本发明的生成对熔化炉中产生的渣滓量进行预测的学习完毕预测模型的方法在非限定性且例示的实施方式中，包括：按从原料装入到熔化完成为止的每一次加料，取得属性不同的一个或多个工艺状态参数的步骤，其中，各个工艺状态参数由基于来自设置于所述熔化炉的各种传感器的输出而取得的连续的时间序列数据组规定；对在m次量(m为2以上的整数)的加料中取得的所述一个或多个工艺状态参数的数据集应用机器学习来执行前处理的步骤，其中，所述前处理包括从包含按每一次加料取得的时间序列数据组的各个工艺状态参数提取n维特征量(n为1以上的整数)的处理；基于所提取出的n维特征量来生成学习数据集的步骤，其中，所述学习数据集至少包含表示按每一次加料设定的工艺基本信息的一个或多个工艺目标参数；以及使用所生成的所述学习数据集来训练预测模型，并生成预测所述渣滓产生量的所述学习完毕预测模型的步骤。

7、本发明的预测熔化炉中产生的渣滓量的方法在非限定性且例示的实施方式中，包括：作为运行时的输入，接收输入数据的步骤，该输入数据包含控制模式候补、工艺模式候补、以及表示按从原料装入到熔化完成为止的每一次加料所设定的工艺基本信息的一个或多个工艺目标参数；向预测模型输入所述输入数据，并输出每一次加料的预测渣滓产生量的步骤，所述预测模型是利用基于从属性不同的一个或多个工艺状态参数提取的n维特征量而生成的学习数据集进行学习而得到的学习完毕模型，所述一个或多个工艺状态参数分别由基于来自设置于所述熔化炉的各种传感器的输出按每一次加料取得的连续的时间序列数据组规定，所述学习数据集包括一个或多个工艺目标参数，该一个或多个工艺目标参数包含所述输入数据中所包含的所述工艺目标参数的数据范围。

8、本发明的计算机程序在非限定性且例示的实施方式中，用于使计算机执行如下步骤：取得对熔化炉中产生的渣滓量进行预测的预测模型的步骤；接收输入数据的步骤，该输入数据包含控制模式候补、工艺模式候补、以及表示按从原料装入到熔化完成为止的每一次加料所设定的工艺基本信息的一个或多个工艺目标参数；以及向所述预测模型输入所述输入数据，并输出每一次加料的预测渣滓产生量的步骤，所述预测模型是利用基于从属性不同的一个或多个工艺状态参数提取的n维特征量而生成的学习数据集进行学习而得到的学习完毕模型，所述一个或多个工艺状态参数分别由基于来自设置于所述熔化炉的各种传感器的输出按每一次加料取得的连续的时间序列数据组规定，所述学习数据集包括一个或多个工艺目标参数，该一个或多个工艺目标参数包含所述输入数据中所包含的所述工艺目标参数。

9、发明效果

10、本发明的例示的实施方式提供预测熔化炉中的渣滓产生量的学习完毕预测模型的生成方法、利用该预测模型来预测渣滓产生量的方法、以及能够利用该预测模型来辅助满足所希望的渣滓产生量的熔化炉的运转条件的选定的系统。

技术特征：

1.一种方法，其生成对熔化炉中产生的渣滓量进行预测的学习完毕预测模型，其中，

2.根据权利要求1所述的方法，其中，

3.根据权利要求2所述的方法，其中，

4.根据权利要求1至3中任一项所述的方法，其中，

5.根据权利要求4所述的方法，其中，

6.根据权利要求4或5所述的方法，其中，

7.根据权利要求6所述的方法，其中，

8.根据权利要求7所述的方法，其中，

9.根据权利要求1至3中任一项所述的方法，其中，

10.根据权利要求1至3中任一项所述的方法，其中，

11.根据权利要求10所述的方法，其中，

12.根据权利要求1至3中任一项所述的方法，其中，

13.根据权利要求12所述的方法，其中，

14.根据权利要求1至13中任一项所述的方法，其中，

15.一种方法，其预测熔化炉中产生的渣滓量，其中，

16.根据权利要求15所述的方法，其中，

17.根据权利要求15或16所述的方法，其中，

18.根据权利要求15至17中任一项所述的方法，其中，

19.一种计算机程序，其中，所述计算机程序用于使计算机执行如下步骤：

20.根据权利要求19所述的计算机程序，其中，

技术总结生成学习完毕模型的方法包括：步骤(S110)，按每一次加料取得工艺状态参数；步骤(S130)，对在m次量(m为2以上的整数)的加料中取得的一个或多个工艺状态参数的数据集应用机器学习来执行前处理；步骤(S140)，生成学习数据集；以及步骤(S150)，生成学习完毕模型。学习数据集基于在前处理中提取出的n(n为1以上的整数)维特征量而生成，至少包含表示按每一次加料设定的工艺基本信息的一个或多个工艺目标参数。技术研发人员：蓬田翔平,山本佑树受保护的技术使用者：株式会社UACJ技术研发日：技术公布日：2024/10/17