자동차용 강재 산업의 박판 연속 아연 도금 분야에서는 아연층의 정밀한 제어가 매우 중요합니다. 연속 아연 도금 공정의 핵심은 아연 도금조 또는 욕조이며, 이는 원활한 생산과 비용 관리를 보장하는 데 필수적인 요소입니다.
본 프레젠테이션에서는 얇은 강판의 폭과 길이에 걸쳐 코팅 두께와 균일성을 제어하고 조절하는 데 필수적인 클레심의 에어 갭 시스템(다이나와이프)의 사용법을 설명합니다. 이 공정은 부식 방지 최적화 및 아연 소비량 최소화라는 지속적인 과제를 해결하는 동시에, 물리적 공정을 기록, 분석 및 모델링하여 고객 성능을 향상시키려는 인더스트리 4.0의 추세에도 부합합니다.
본 프레젠테이션에서는 JMP를 사용하여 유한 요소 모델링과의 비교를 위해 다양한 매개변수에 따른 압력 분포도를 단계별로 생성하는 방법을 보여줍니다. 우리가 해결하고자 했던 주요 과제는 최대 압력 피크를 정확하게 결정하는 것이었습니다. 우리의 접근 방식은 데이터를 기록하고, 가우시안 곡선(Fit Curve 플랫폼)을 사용하여 압력을 모델링하고, 매개변수를 내보내고, Fit Model을 사용하여 공정 매개변수의 함수로 모델링한 다음, Graph Builder를 사용하여 애니메이션 차트를 생성하는 것으로 구성됩니다.
안녕하세요, 저는 스테판 구트브로즈입니다. 오늘 저는 "아연 코팅의 탁월성: 정확한 압력 제어 및 열역학 모델링을 위한 JMP 활용"이라는 제목의 문서를 발표하겠습니다. 발표 내용은 다음과 같습니다. 먼저 Clecim에 대한 간략한 소개를 드리고, 배경 및 실험 장치에 대해 설명드리겠습니다. 이어서 간단한 점프 시연을 보여드리고, 마지막으로 결론을 말씀드리겠습니다. Clecim은 어떤 회사일까요? 저희는 프랑스에 위치한 글로벌 철강 산업 장비 통합 업체입니다. 프랑스 리옹 근교의 몽브리송에 본사를 두고 있습니다.
저희 회사는 100년의 역사를 자랑하며, 약 200명의 직원이 근무하고 있습니다. 설계 사무소, 작업장, 현장 설치 및 시운전 시설을 갖추고 있습니다. 클레심의 주요 사업은 개별 기계 공급뿐 아니라 산세 라인, 어닐링, 아연 도금, 도장 등과 같은 완벽한 생산 라인 공급입니다. 또한, 클레심은 예비 부품 공급 및 유지 보수와 같은 서비스도 제공합니다.
또한, 고객에게 전문 지식과 공정 감사를 제공할 수 있는 컨설팅 부서도 운영하고 있습니다. 설치 사례로는 열간 또는 냉간 압연기, 레벨링 라인, 스트립 품질 검사 시스템, 레이저 용접기 등이 있으며, 이 외에도 다양한 분야에 적용 가능합니다.
이 슬라이드 하단에서 자동차 시장용 아연 도금 라인의 예를 볼 수 있습니다. 이 라인의 길이는 여기서부터 여기까지 약 500미터이고, 높이는 약 35미터입니다. 다음 슬라이드에서는 이 아연 도금조 영역에 대해 자세히 살펴보겠습니다.
배경 및 실험 장치에 대해 설명드리자면, 저희는 지금 아연 도금조 구역에 있으며, 여기에는 액체 아연 욕조가 있습니다. 용광로에서 나온 스트립이 아연 욕조에 들어가 아연 코팅을 거쳐 다시 나오는 상황을 상상해 보세요. 스트립은 끊임없이 움직이며, 연속 생산이 이루어집니다. 스트립이 액체 아연 욕조에서 나올 때쯤이면 표면에 아연 코팅층이 형성되어 있을 것입니다.
품질, 생산성 및 내식성을 위해서는 스트립의 폭과 길이를 따라 아연 도금 두께가 일정하고 균일해야 합니다. 이를 위해 에어 나이프라는 특수 장치를 사용합니다. 바로 이 제품인데, 공기 건조기와 유사한 방식으로 스트립 표면에 공기를 불어넣어 과도한 아연 도금을 제거합니다.
본 연구의 목적은 실험적 측정을 수행하는 것이었습니다. 또한 다양한 변수에 따른 충격 압력을 모델링하고 유한 요소 모델링 결과와 비교하고자 했습니다. 최종적으로는 측정 결과와 일치하도록 유한 요소 모델을 수정하는 것이 목표였습니다. 아래는 유한 요소 모델링 결과이며, 이제 실험 장비에 대해 살펴보겠습니다.
보시는 바와 같이, 이 시험 장치는 작동 중인 공기 분사 시스템입니다. 여기에는 에어 나이프 장치가 있습니다. Y축은 이 장치의 너비를 나타내고, Z축은 높이를 나타냅니다. 이 시험 장치에는 공기 충격 압력을 측정하기 위해 압력 변환기가 장착된 작은 금속판을 추가했습니다. 이는 가상의 띠에 작용하는 에어 나이프의 압력을 나타내는 데 유용합니다.
이것은 실험 측정값을 보여줍니다. 송풍기 속도를 측정했는데, 이 속도는 변하며 에어 나이프 내부의 압력을 변화시킵니다. 또한 측정 위치인 X, Y, Z 세 가지를 변화시킬 수 있습니다. 여기서는 압력 변환기를 사용하여 충격 압력과 공기 온도를 측정합니다. 이러한 모든 측정값을 이용하여 데이터 표를 만들 수 있으며, 이 표는 나중에 살펴보겠습니다.
연구의 워크플로는 다음과 같습니다. 먼저 측정부터 시작합니다. 이 측정값을 이용하여 X, Y 위치는 고정하고 Z 위치를 변화시켜 충격 압력을 측정합니다. 그러면 다음과 같은 곡선이 나타납니다. 이 곡선을 JMP의 가우시안 곡선 맞춤 도구를 사용하여 가우시안 곡선으로 모델링합니다. 이제 이 곡선을 나타내는 세 가지 매개변수, 즉 최대값, 임계점, 성장률(A, B, C)을 갖게 됩니다.
이 세 가지 매개변수를 데이터 테이블에 포함시키고 측정값 보정을 수행할 것입니다. 예를 들어, 실험 장비의 Y축 방향 오차가 있을 수 있으므로 모든 곡선을 중앙에 맞추기 위해 Z축 오프셋을 추가할 것입니다. 그 후, 피크 값과 성장률을 공정 변수의 함수로 모델링하기로 했습니다. X, Y, Z축의 3차원 공간 전체와 모터 속도 및 공기 온도에 대한 압력을 예측할 수 있도록 예측 공식이 포함된 새로운 테이블을 만들 것입니다.
목표는 이 등고선 그래프를 얻는 것입니다. 이 등고선 그래프는 공기 온도와 송풍기 모터 속도가 고정된 상태에서 Z 값과 X 값에 대한 예측 압력을 나타냅니다. 우리는 이 곡선을 유지해야 하며, 지금부터 이 등고선 그래프를 얻는 방법을 보여드리겠습니다.
이제 JMP로 전환해야 합니다. 데이터 테이블을 열겠습니다. 여기 데이터 테이블이 있습니다. 여기에는 동일한 날짜와 시간에 측정된 13개의 데이터가 있는데, 이는 주어진 모터 속도(X, Y)에 대한 일련의 측정값을 나타냅니다. Z 값은 -3에서 +3까지 변화시키면서 충격 압력과 공기 온도를 측정했습니다. 모든 측정 지점을 여기에 보여드리겠습니다. X 값과 Y, Z 값을 이렇게 설정했음을 알 수 있습니다. 최적화된 표현은 아닙니다. 향후에는 이 3D 공간을 더 잘 표현하기 위해 실험 설계를 수행할 계획입니다.
이제 Z에 따른 압력을 그래프로 나타내면 가우스 곡선 모양을 확인할 수 있습니다. 모든 곡선이 정렬되어 있지 않은 이유는 앞서 설명드린 측정 장비의 드리프트 현상 때문입니다. 이제 목표는 이러한 모든 곡선을 각 매개변수의 함수로 모델링하는 것입니다. 이를 위해 JMP의 곡선 맞춤 기능을 사용합니다. 압력을 다음과 같은 곡선으로 맞추도록 선택했습니다. 이전에 소개했던 세 가지 매개변수를 알아보시겠습니까? 이 곡선을 이용하여 모든 측정값에 대한 안정화 곡선을 그립니다.
자, 이제 이렇게 새로운 표에 매개변수 값을 추출해서 넣을 수 있습니다. 보시다시피, 같은 날짜와 시간에 대한 이 측정값에는 세 가지 매개변수와 세 가지 값이 있습니다. 이 표를 원래 표에 넣기 위해 약간 수정해야 합니다. 저는 이 분할 함수를 사용합니다. 이제 각 행은 각 측정 지점에 대한 임계점, 성장률, 그리고 최고값을 나타냅니다.
이 데이터를 얻으면 원래 표에 통합할 수 있습니다. 다음과 같이 하면 됩니다. 이제 이 열들이 추가된 원래 표를 볼 수 있습니다. 이 네 열은 적합 곡선 플랫폼 계산 결과입니다. 이 열은 제가 만든 공식입니다. 임계점을 기준으로 Z 값을 재중심화하는 데 사용됩니다. 이제 이 값을 사용하여 압력을 그래프로 나타내면 모든 곡선이 0에 맞춰 정렬된 것을 확인할 수 있습니다.
이 곡선을 통해, 저는 이제 어떤 매개변수가, 또는 매개변수가 어떻게 피크 값을 변화시키는지 알고 싶습니다. 예를 들어, 모터 속도를 변경하면 피크 값이 어떻게 변하는지, 또는 X 값이나 공기 온도가 어떤 영향을 미치는지 보여드리겠습니다. 이러한 두 가지 프로파일러를 얻기 위해, 성장률 프로파일러도 마찬가지로, 새로운 플랫폼, 즉 적합 모델 플랫폼을 사용해야 합니다. 여기에서 찾을 수 있습니다. 저는 세 가지 매개변수만 사용하기로 했고, 선형 모델을 선택했습니다. 제 생각에는 R 제곱 값이 좋기 때문에 좋은 모델입니다.
이 모델은 잔차 값의 형태와 패턴이 최적화된 것처럼 보이기 때문에 약간 개선할 수 있지만, 간단한 공식이 되기 때문에 이대로 유지하기로 했습니다. 공식을 보여드리겠습니다. 예측식입니다. 보시다시피 선형이고 매우 간단합니다. 이 모델을 유지하기로 했습니다. 이 모델에 최고값 예측 공식을 추가할 수 있습니다. 여기 있는 공식에 추가된 것을 볼 수 있습니다. 알아보시겠죠? 성장률에 대해서도 같은 방식으로 하겠습니다. 결론은 같습니다. R 제곱 값이 매우 좋고, 매개변수도 동일하며, 역시 선형이고, 잔차에 대한 결론도 같습니다. 약간 개선할 수는 있겠지만, 여기서 중요한 것은 아닙니다. 이대로 유지하겠습니다.
이제 새로운 열 두 개가 생겼습니다. 하나는 최고값 예측 공식이고 다른 하나는 성장률 예측 공식입니다. 물론 마지막 열, 즉 압력 예측 공식도 추가할 수 있습니다. 공식을 보여드리면 성장률 예측 공식과 최고값 예측 공식이 포함된 가우스 곡선 공식을 알아보실 수 있을 겁니다.
이제 우리는 이 모든 매개변수와 기온을 함수로 하는 압력 예측 공식을 가지고 있습니다. 이제 목표는 측정값 범위 내에 있는 값으로 이 매개변수들을 포함하는 새로운 표를 만드는 것입니다. 예를 들어 최적화된 분포를 적용하는 것입니다. 그 방법을 보여드리겠습니다. 먼저 네 개의 표를 열겠습니다. 여기에는 모터 속도, X축 값, Z축 값, 그리고 기온이 있습니다. 이제 제가 해야 할 일은 이 네 개의 표를 네 매개변수 사이의 가능한 모든 조합을 포함하는 하나의 표로 결합하는 것입니다.
이를 위해 플랫폼 테이블, 테이블 연결 기능을 사용하고, 예를 들어 연결이라고 해야 하는데, 죄송합니다. 연결이 아니라 조인입니다. 테이블을 조인하도록 선택합니다. 예를 들어 모터 속도와 D를 조인하고, 열을 일치시키는 대신 카르테시안 조인을 선택해야 합니다. 여기에서 볼 수 있듯이, 이 두 매개변수 간의 모든 조합은 JMP를 통해 계산됩니다. 그러면 새로운 테이블이 생성됩니다. 이 기능을 Z와 기온에 대해 다시 사용하면 이 네 가지 매개변수를 모두 포함하는 완전한 데이터 테이블을 얻을 수 있습니다.
이전에 이미 작업했으니 열어보겠습니다. 여기에는 모든 가능한 조합을 포함한 네 가지 매개변수가 약 3,000개의 행으로 표시됩니다. 이 표를 사용하여 제 수식을 입력할 수 있습니다. 여기에는 네 개의 열이 있습니다. 각 열에는 이전에 계산한 예측 수식과 예측 압력이 입력됩니다. 이렇게 하면 Z, X축, 공기 온도 또는 모터 속도의 분할 또는 정밀도를 변경할 수 있다는 장점이 있습니다.
이 표를 이용하면 제가 보여드렸던 등고선 그래프를 만들 수 있습니다. 여기에서 그래프를 확인할 수 있고, 모터 속도에 따른 변화를 애니메이션으로 보여줄 수도 있습니다. 보시다시피, 우리가 원하던 결과를 얻었습니다.
결론적으로 몇 가지 말씀을 드리고 싶습니다. 왼쪽 부분은 JMP로 불러온 유한 요소 모델 결과이고, 가운데 부분은 JMP로 시각화한 실험 결과입니다. 두 곡선을 비교해 보면, X축 값을 일정하게 유지하면서 등고선 플롯을 여러 부분으로 나누어 그린 것입니다. 왼쪽에서는 실험 결과와 3D 유한 요소 모델 결과가 매우 잘 일치하는 것을 볼 수 있습니다. 반면, 오른쪽에서는 약간의 차이가 나타납니다. 이 경우, 가정을 수정하거나 모델링 매개변수를 변경하여 유한 요소 모델을 개선할 수 있습니다.
결론적으로, JMP는 Clecim이 데이터를 직관적으로 탐색하고, 측정값을 간단하고 효과적인 방식으로 분석 및 모델링하는 데 도움을 준다고 말씀드릴 수 있습니다. 저희는 실험 설정을 검증했고, 유한 요소 모델과 실험 결과를 쉽게 비교할 수 있었습니다. 또한 측정값을 외삽하고 가정을 검증할 수 있었습니다. 결과를 보기 좋게 제시하고 고객에게 저희의 성능과 연구 역량을 효과적으로 전달하고 설득할 수 있었습니다. 이것으로 제 발표를 마치겠습니다. 경청해 주셔서 감사합니다. 질문이 있으시면 이메일, LinkedIn 또는 전화로 언제든지 연락 주시기 바랍니다. 감사합니다.
