[2Yin-B] Poster 4

[2Yin-B-32] Energy Consumption Prediction and Bayesian Optimization for Electric Arc Furnace Operation under Input Uncertainty

〇Shun Aota¹, Kohei Higashino², Atsushi Fukuda¹ (1. Hyogo Prefectural Institute of Technology, 2. Yamato Kogyo Co., Ltd)

Keywords:

Electric arc furnace operation,Input uncertainty,Gaussian process regression,Bayesian optimization

電気で鉄スクラップを溶解し, 溶鋼を製造する電気炉工程において, その消費電力は非常に大きい. そのため, 製造コストやCO₂排出量の観点から, 溶鋼単位重量あたりの電力量(以下電力原)の削減は重要である. 一方で, コスト・安全性・品質・生産計画の制約により操業条件を系統的に検討するような実験探索が困難であり, 電力原削減の意思決定は生産現場の知見に依存している. そこで本研究では, 過去の操業データ(各種スクラップ材投入量, 電気炉での操業条件)から電力原を予測するデータ駆動型サロゲートモデルを構築し, その予測モデルを用いたベイズ最適化による操業条件の探索を試みた. さらに電気炉へのスクラップ材投入における予定量と実績量の乖離に起因する不確実性を考慮し, 入力不確かさ下での予測モデルの性能変動, 及びベイズ最適化における推奨解の変動を評価した. これらの検討をもとに, 将来的なモデル高度化に向けた評価手法, 設計指標を明らかにする．