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

국문 초록 (Abstract)

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.

다국어 초록 (Multilingual Abstract)

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.

참고문헌 (Reference)

1 유계상, "화학공학 분야에서 통계적 실험계획법 적용에 대한 서지 검토" 한국공업화학회 31 (31): 138-146, 2020

2 김성준 ; 박종인, "혼합물 실험계획법을 이용한 이차전지의 최적설계" 대한산업공학회 2005 (2005): 5-5, 2005

3 송마리아 ; 진병석, "혼합물 실험 계획법을 활용한 세정용 계면활성제 혼합물 조성의 최적화" 한국공업화학회 32 (32): 574-580, 2021

4 손민아 ; 김국희 ; 한건우 ; 이민우 ; 임준택, "제철 슬래그를 이용한 광물 탄산화 기술의 개발 현황과 연구 방향" 한국화학공학회 55 (55): 141-155, 2017

5 김경수 ; 김성범, "열간압연 강판 두께 예측 및 베이지안 최적화 기반 압연패턴 도출" 대한산업공학회 49 (49): 167-175, 2023

6 이동헌 ; 이미림 ; 배석주, "실험계획법을 이용한 전자부품 위치정렬장치 최적 운영조건 사례연구" 한국품질경영학회 43 (43): 453-466, 2015

7 황하은 ; 조윤상 ; 황석철 ; 김성범, "머신러닝 및 베이지안 최적화를 이용한 타이어 최적 설계" 대한산업공학회 48 (48): 433-440, 2022

8 World Steel Association, "World Steel in Figures 2023"

9 Xiaolei Zhang, "The potential utilization of slag generated from iron-and steelmaking industries : a review" 42 : 1321-1334, 2020

10 National Minerals Information Center, "Slag – Iron, and Steel [Advanced Release], 2018 Minerals Yearbook"

11 Korea Iron and Steel Association, "Recycling By-product from Steelmaking Production"

12 Jin-Man Kim, "Present State on the Production and Recycling of Steel Industry By-products" 5 : 11-14, 2010

13 D. C. Montgomery, "Introduction to Statistical Quality Control" Wiley 2020

14 Posco Newsroom, "How are 98% recycled by-products from steelmaking production used to"

15 Ahmed Abdelrahim, "Development of Cold-Bonded Briquette Using By-Product-Based Ettringite Binder from Ladle Slag" 8 : 468-487, 2022

16 Seung-Ju Lim, "Characteristics of Substitute Raw Materials for High Content Briquetting using Steel By-products" 17 : 17-22, 2017

17 Hun-Ha Lee, "Briquette for steelmaking material using byproducts of steelmaking and method for manufacturing the same"

18 Hui-Dong Shin, "Briquette for metallic Fe source of steelmaking furnace using Fe containing byproduct and method for manufacturing the same"

19 Huang Yi, "An overview of utilization of steel slag" 16 : 791-801, 2012

20 Zhajun Wang, "A Review on Reclamation and Reutilization of Ironmaking and Steelmaking Slags" 5 : 127-140, 2019