후판 압연공정(plate rolling process)은 가열로에서 추출된 슬라브(slab)를 워크롤(work roll)을 사용하여 압연시키는 공정이다. 후판압연의 큰 특징중의 하나가 압연기를 기준으로 왕복압연이다. 왕복압연이 되면서 슬라브(slab) (압연에 사용되는 초기소재) 의 두께가 순차적으로 감소가 되고 최종적으로 소비자가 원하는 치수 (두께, 폭)가 된다. 후판제품은 두께가 6mm 이상의 판재를 말하고 주로 조선소, 해양구조물, 발전소 등 다양하게 사용되는 제품이다. 그림 1에서 확인 할 수 있듯이 처음 가열로에서 나온 소재가 조압연기를 지난 후 사상압연기에서 원하는 두께가 될 때까지 순차적으로 압연된다. 압연 된 소재를 냉각장치를 이용하여 원하는 강도와 경도를 얻을 수 있도록 냉각 시킨다. 그리고 최종적으로 열간 교정기를 이용하여 직진도 및 평탄도를 소비자(조선업, 중공업) 가 원하는 수준으로 만들어 판매한다.
그림 1. 후판압연 공정 도식도 및 관련 사진
압연은 이론적으로 상하 대칭이어야 한다. 하지만 조업현장에서는 여러 비대칭 요인들이 존재한다. 예를 들면 i) 압연기에 들어오는 소재의 두께가 다양하고, ii) 상/하부 롤(roll) 직경의 차이가 존재하고 iii) 상/하부 롤(roll) 속도의 차이가 있고, iv) 상/하부 롤(roll))의 마찰계수의 약간 차이 등 이다. 이러한 요인으로 인해 그림 2와 같이 소재의 앞쪽부분이 휘어지는 현상이 발생한다. 이러한 현상을 스키(ski) 라 한다.
그림 2. 실제 압연에서 스키가 발생한 모습
스키가 위로 발생하게 되면 다음 패스(pass) 압연에서 소재가 워크 롤(work roll)과 충돌하게 되어 워크 롤 표면에 심각한 손상이 발생한다. 스키가 아래로 발생하게 되면 소재는 롤러테이블(Roller table) 의 롤과 충돌하게 되어 롤러 테이블의 롤 파손이 발생한다. 따라서 현장에서는 스키가 발생하면 스킨패스 (압하율을 0%로 하여 압연)를 수행하여서 소재의 휜 부분을 편다. 하지만 이 스킨패스(skin pass) 또는 공패스 때문에 압연생산성이 떨어진다. 그렇기 때문에 우리는 스키 발생을 미리 예측하고 제어할 수 있는 방법에 관한 연구가 필요하다.
본 연구는 스키를 제어하기 위하여 신경망 알고리즘을 이용했다. 이와 같은 신경망 알고리즘을 이용하면 유한요소해석을 하지 않은 조건에 관하여서도 스키량을 예측할 수 있기 때문에 스키를 제어하기에 적절한 방안이다 신경망 알고리즘의 가장 큰 장점 중 하나는 기존의 데이터를 이용하여 새로운 데이터를 추론할 수 있다는 것이다. 예를 들어 입측두께 10~80mm사이의 데이터만 신경망 학습을 시켜도 90mm의 데이터를 예측할 수 있다는 것이 된다. 그렇기 때문에 확보된 유한요소해석값을 신경망학습 한다. 스키 발생 제어에 사용하기 위해 자체적으로 신경망 프로그램을 개발하였다.(see 그림 4) 입력값으로 입측두께, 압하율, 스키량을 입력한다. 출력값으로는 입력된 스키량을 출력할 수 있는 주속차를 알려준다. 즉, 우리가 스키가 발생하는 인자라고 가정한 소재의 두께, 압하율, 상/하부롤의 속도차를 고려하여 목표스키량을 출력할 수 있도록 하는 것이다.
그림 3. 인공신경망을 이용한 스키제어 프로그램 사용예시
우리는 신경망프로그램에서 출력한 것의 신뢰성을 확보하기 위해 실험을 하였다. 그림 4는 검증실험 후 압연되어 나온 시편의 사진이다. 그림 4는 입측두께 30mm압하율 17% 상/하부롤 속도차 3%로 실험을 진행하였다.
그림 4. 검증 실험 후 시편사진
그림 5은 실험 후 소재형상의 좌표를 이용하여 그린 그림이다. X축은 소재의 길이 이고, Y축은 소재의 두께 이다. 점선의 경우에는 소재가 스키가 전혀 발생하지 않은 슬라브이고 실선은 실재로 검증실험을 통하여 나온 소재의 형상이다. 그림 5 에서 보여지듯이 스키가 대략 5mm이내로 발생하는 것을 알 수 있다. 향후 조업현장의 데이터를 이용하여 신경망 알고리즘에 적용을 한다면, 조업현장내의 생산성 향상을 이룰 수 있을 것이라 판단하였다.
그림 5. 검증실험 후 소재 형상 비교