この業界に10年以上携わっている方なら、電気炉の制御が、電流計を見ながらジョイスティックを操作するだけの昔ながらの方法から、リアルタイムで電力曲線を最適化し、最初のサンプルが戻ってくる前にタップ温度を予測するシステムへと進化してきたのを目の当たりにしてきたことでしょう。これはSFの世界の話ではなく、まさに今日の電気炉で実際に稼働している技術です。この記事では、インテリジェント制御の現状と、注目すべき点について解説します。
I. インテリジェント制御の必要性、そしてなぜ今なのか
1.1 行き当たりばったりの運用における問題点
従来の電気炉操業は、操業者の経験に大きく依存している。それはある程度までは有効だが、限界も存在する。
一貫性――オペレーターが異なれば、ヒートごとに結果も変わる。同じオペレーターでも、調子の良い日と悪い日がある。
- 反応速度 ― 人間の反応時間はアークのダイナミクスに追いつけません。電流の急上昇を見て電極を動かす頃には、アークはすでに別の動きをしています。
- エネルギー効率 — 経験則に基づく電力と酸素の戦略では、真の効率性を十分に引き出すことができない。
- データ — 1回の加熱で数千ものデータポイントが生成されているのに、そのほとんどを無視している。
インテリジェント制御はオペレーターに取って代わるものではありません。人間の反射神経では対応できない、より優れた情報と迅速な対応をオペレーターに提供するものです。
1.2 アーキテクチャ
現代の電気炉制御システムは、一般的に以下の階層構造になっています。
「`」
┌─────────────────────────────────────────┐
│ 管理層（MES/ERP）│ ← 生産計画、品質追跡
├─────────────────────────────────────────┤
│ プロセス制御層（レベル2） │ ← 製錬モデル、最適化
├─────────────────────────────────────────┤
│ 基本自動化レイヤー（レベル1）│ ← PLC、計測機器、アクチュエータ
└─────────────────────────────────────────┘
「`」
レベル1はリアルタイム層であり、電極レギュレーター、油圧バルブ、排煙ファンなどを制御します。レベル2はモデルが動作する層であり、設定値を決定します。レベル3（MES/ERP）は、生産スケジューリングと品質管理を担当します。
これらの層間の良好な統合こそが、机上では見栄えの良いシステムと、実際に鉄鋼生産に役立つシステムとの違いを生み出すのです。
II. インテリジェント電源
2.1 旧来の方法 vs. 新しい方法
従来の電力曲線はあらかじめ設定されており、溶融時には高電圧、その後所定の時間に低電圧モードに切り替わります。問題は、スクラップの状態が加熱ごとに異なることです。固定された曲線では、スクラップが重いか軽いか、炉が冷たいか熱いか、屋根がかかっているか外されているかといった状況に対応できません。
インテリジェント電源は、炉の実際の動作に基づいて電力曲線をリアルタイムで調整します。システムは以下を監視します。
- アーク電流と電圧（当然のことながら）
電極の位置は、短絡状態かアークが安定しているかを示します。
変圧器のタップ位置
- 炉内壁温度と熱負荷
- アークからの音響信号
そして、そのデータを用いて、各時点における最適な電圧タップと電流設定値を選択する。
2.2 何がいつ変わるのか
メルトダウン時には、スクラップを貫通するために高出力が使用される。電極が溶融プールに到達したことをシステムが検知し、戦略を切り替える。
溶融金属浴の形成後、電圧を下げ、電流を増やし、短いアーク放電を起こします。これが、溶融金属浴への効率的な電力伝達を実現する最適な状態です。
発泡スラグが形成されたら、熱バランスを維持するために出力を調整してください。発泡スラグは熱伝達のダイナミクスを変化させるため、出力設定値はそれに合わせて調整する必要があります。
2.3 音響制御
アーク放電は音を発し、その音には情報が伝達される。むき出しのアーク放電（スクラップの山に露出しているもの）は、埋もれたアーク放電（スクラップやスラグの下に埋まっているもの）とは異なる音を発する。また、スクラップが崩れると、音響特性も明らかに変化する。
（当然ながら熱から保護された）マイクロホンを設置し、アークノイズの周波数成分を分析することで、システムは以下のことが可能になります。
- メルトダウンが完了したことを検知し、電源戦略を切り替える
スクラップの崩壊を検知し、短絡が発生する前に電極を上げる。
音響特性の変化によって発泡スラグの形成を監視する
これは低コストのセンサーで、他の方法では得られない情報を提供してくれます。
2.4 あなたが得られるもの
インテリジェント電源を導入した店舗からの報告：
タップからタップまでの所要時間：3～10分短縮
・消費電力：5～15kWh/t削減
電極消費量：0.1～0.3 kg/t削減
- 炉内張り寿命：5%～15%向上
確かに効果はありますが、それは電極、油圧システム、センサーといったシステム全体が良好な状態にあることが前提となります。インテリジェント制御は優れた手法をさらに強化するものであり、不具合のある機器を修理するものではありません。
III. 炉の状態をリアルタイムで監視する
3.1 測定できないものは制御できない
従来の炉の監視方法は、作業員がドアや覗き穴から様子を見て判断するというものでした。この方法でも機能することはできますが、主観的であり、時間的な遅れが生じます。最新の監視機器を使用すれば、客観的でリアルタイムのデータが得られます。
3.2 温度モニタリング
従来型の熱電対サンプリングは、今でも標準的な測定方法です。使い捨ての熱電対を浴槽に浸し、数秒で測定値が得られ、それが浴槽の温度となります。問題点は、測定が断続的であることと、ドア付近の局所的に冷却された領域にプローブを差し込む可能性があることです。
連続温度測定 ― 炉の壁面または底部に設置されたセンサーから連続的な温度信号が得られます。この技術は近年大幅に進歩しましたが、常に課題となるのは、過酷な電気炉環境におけるセンサーの寿命です。
赤外線温度測定 ― ドアや専用窓から浴槽またはスラグの表面を観察します。表面温度が測定できるため、特に浸漬式熱電対の測定値と照合する場合に、浴槽温度を推定できます。
リアルタイムの温度データを用いることで、制御システムはタップ温度を予測し、目標値から外れる前に電力戦略を調整できます。
3.3 炉ガス分析
排ガスの組成は、冶金学的に何が起こっているかを教えてくれます。重要な成分は次のとおりです。
COとCO₂の比率は、脱炭速度と燃焼後効率を示します。
- O₂ — 炉内の酸化電位を示す
- H₂ — は、チャージ中の水分、あるいはより深刻な冷却液漏れの指標となる可能性があります。
連続ガス分析により、燃焼後酸素注入量をリアルタイムで最適化できます。また、炉のエネルギーバランス、つまり電気入力からのエネルギー量、酸素反応からのエネルギー量、燃焼後処理によって回収されるエネルギー量を計算することも可能です。
3.4 スラグモニタリング
スラグの化学組成と物理的状態は冶金学的結果を左右するが、従来はスラグの状態を色、流動性、発泡性といった目視で判断するしかなかった。これは主観的な判断であり、作業者の経験に左右される。
現在入手可能なもの：
- スラグ温度センサー — スラグ温度を感知する接触式センサー
- 画像解析 — 炉の扉に設置されたカメラ（もちろん水冷式）でスラグの画像を撮影し、画像処理アルゴリズムでスラグの色と表面特性を解析する。
スラグの電気伝導率 ― スラグの伝導率は塩基度と酸化状態と相関関係にあるため、これを測定することでスラグの状態を間接的に把握できる。
- 泡の残滓監視 — 泡の高さと安定性を追跡する音響センサーまたは圧力センサー
どれもまだ完璧ではありませんが、改善が進んでおり、制御システムに入力できるデータを提供してくれます。
IV. 電極制御：PIDを超えて
4.1 基本的なループ
電極制御はフィードバックループで行われる。アーク電流と電圧を測定し、設定値と比較し、誤差を計算して、その誤差を小さくするように電極を移動させる。概念的には単純だが、アークは非線形かつ時間的に変化する負荷であるため、実際には難しい。
4.2 制御戦略
PID制御
従来のアプローチである比例積分微分（PID）制御は、シンプルで信頼性が高く、すべての制御エンジニアが理解しています。しかし、限界があります。応答速度と安定性の間には根本的なトレードオフが存在するのです。高速に調整すると振動が発生し、安定に調整すると応答が遅くなります。激しく変動するアークが発生する現代の高出力炉では、PID制御だけでは不十分です。
ファジー制御
ファジー制御では、プロセスの正確な数学モデルは必要ありません。代わりに、熟練したオペレーターの思考方法に似た制御ルールをエンコードします。たとえば、現在の誤差が大きく、急速に大きくなっている場合は、電極を大きく動かします。ファジー制御は、PIDよりも非線形アーク特性をうまく処理し、現代の電極レギュレータで一般的になっています。
ニューラルネットワーク
ニューラルネットワークは、過去のデータからアーク電流と電極位置間の非線形マッピングを学習できます。利点は、変化する炉の状態に対応できることです。欠点は、相当量のトレーニングデータが必要であり、ブラックボックスであるため、誤った判断を下した場合、その理由を理解するのが難しいことです。
モデル予測制御（MPC）
MPCは、プロセスの数理モデルを用いて将来の挙動を予測し、予測期間にわたって制御動作を最適化します。他の手法に比べて計算負荷は高くなりますが、複数の変数間の相互作用、例えば、1つの電極の移動が他の2つの相のアーク挙動に影響を与えるといった状況にも対応できます。
現代のシステムのほとんどは、何らかのハイブリッド方式を採用している。基本的な制御にはファジー論理を用い、PID制御を代替手段として、より高次のレベルではMPC（モデル予測制御）方式の最適化を行う。
4.3 多変数協調
三相交流炉には3つの電極制御ループがあり、それらは相互に作用します。1つの電極を上げると、電気系統の結合方法により、他の2つの相のアーク長が変化します。優れた制御器は、これらの相互作用を考慮し、個々の相制御だけでなく、三相電力配分を最適化します。
V. 自動製錬
5.1 "Automated"の意味
自動製錬は、オペレーターが不要という意味ではありません。コンピューターがモデルに従って熱を制御し、オペレーターはすべての動作を手動で制御するのではなく、監視するという意味です。
製錬モデルには以下が含まれます。
- 電源モデル — 各ステージの電圧および電流設定値
- 酸素供給モデル — 酸素を注入するタイミング、流量、注入するランス
- スラグ処理モデル — スラグ形成材料をいつ、どのくらいの量添加するか
- 合金化モデル — 合金元素の添加量と添加時期
5.2 自己学習モデル
より優れたシステムには自己学習機能が備わっています。各加熱後、システムは消費電力、酸素消費量、タップ間隔、組成のヒット率、温度のヒット率など、何が起こったかを分析します。そして、「この電力曲線と酸素戦略を使用した場合、加熱時間が5分短縮された」といった相関関係を探し出し、次の加熱に向けてモデルパラメータを調整します。
ここでデータが価値を発揮します。加熱のたびに学習する炉は、着実に最適化されていく炉なのです。
5.3 主要な自動化された操作
自動メルトダウン制御
このシステムは、電流、電圧、音響信号を用いてメルトダウンの完了を検知し、自動的に次の電力制御方式に切り替えます。オペレーターの判断は不要で、人間の反応速度よりも速く動作します。
自動発泡スラグ制御
スラグの状態監視と炭素-酸素反応の強度に基づいて、システムは酸素流量と炭素添加量を調整し、安定した発泡スラグ層を維持します。これは見た目以上に手動で行うのが難しく、オペレーターが見逃してしまうような発泡高さのわずかな変化にもシステムが反応します。
終点予測
温度予測モデルと組成分析（排ガスおよびサンプルからの分析）を用いて、システムは熱源の取り出し準備が整うタイミングを予測します。予測された温度と組成を記載した「推奨取り出し時期」アラートをオペレーターに通知することで、再加熱や規格外の取り出し回数を削減できます。
VI．排煙および集塵制御
6.1 なぜ自動制御が重要なのか
電気炉は大量の排煙を発生させ、原料ガス中の粉塵濃度は10～20g/Nm³に達することもある。集塵システムはこれに対応しなければならないが、同時に大きなエネルギー消費源でもある。自動制御は排煙能力を実際の必要量に合わせて調整することで、捕集効率を損なうことなくファンの消費電力を削減する。
6.2 可変速ファン制御
ファンを一定速度で運転する代わりに、可変周波数駆動装置（VFD）を使用して、製錬工程ごとにファン速度を調整します。
- 充填とタッピング - 最大量の煙が発生するため、ファンを最大速度で運転してください。
- メルトダウン — 大量の煙が発生する。中高速で運転する。
- 精製 — 排煙量が減少します。ファン速度を下げてください。
- 加熱間は、ほとんど煙が出ないか、低速運転するか停止する。
大型集塵ファンのVFD制御による省エネルギー効果は大きく、ファンの消費電力の20%～40%を削減できる場合が多い。
6.3 バグハウスの自動化
ほとんどの電気炉集塵装置ではバグフィルターが使用されています。制御システムは以下を処理します。
- 差圧監視と洗浄制御 — パルスジェット洗浄はバッグ両端の圧力降下によって作動します。洗浄頻度が高すぎると圧縮空気を無駄に消費し、洗浄頻度が低すぎると圧力降下が大きくなりすぎます。
- 温度監視 — 入口温度がバッグの定格温度（標準バッグの場合、通常約120℃）を超えた場合は、警告を発し、バッグを保護するための措置を講じる必要があります。
- ホッパーレベル監視 — ダストホッパーがいっぱいになったら、フィルターエリアに逆流する前に排出する必要があります。
VII．制御技術の未来
7.1 自動化からインテリジェンスへ
"Automation"とは、システムがプログラムされたシーケンスを実行することを意味します。"Intelligence"とは、システムが学習して最適化することを意味します。最先端は、明示的な再プログラミングなしに、時間とともに性能が向上するシステムです。
ビッグデータ分析
1回の加熱で、電気的パラメータ、温度、ガス分析、合金添加物、タップデータなど、数千ものデータポイントが生成されます。これらのデータを数百、数千回の加熱にわたって集計すると、次のようなパターンが現れます。
- 最も短い加熱時間を実現する原材料の組み合わせはどれか
- どの電力曲線形状がどのスクラップ混合物に最適か
- どの事業者が常に最高の業績を上げているのか（そして、彼らはどのような点で他社と異なるのか）？
これは何年も前から入手可能なデータです。新しいのは、それを体系的に分析し、その結果を制御モデルにフィードバックするための計算能力が向上したことです。
人工知能アプリケーション
- 終点温度と組成予測のための機械学習モデル - これらは現在本番環境で稼働しており、置き換えた回帰モデルよりも明らかに優れている。
- 上級オペレーターの知識をコンピュータが使用できるルールにエンコードするエキスパートシステム
- 複雑な非線形関係のための深層学習 ― 例えば、スラグの画像解析では、深層学習モデルがカメラ画像からスラグの状態を分類できる。
7.2 デジタルツイン
デジタルツインとは、実際の設備と並行して稼働し、工場からリアルタイムデータを受信する、物理的な炉の仮想モデルです。電気炉製鋼における応用例：
- 仮想試運転 — 制御戦略の変更を実際の炉に展開する前に、デジタルツインでテストします。
- オペレーター訓練 — デジタルツインに基づくシミュレーターは、オペレーターが異常事態への対応を練習するための安全な環境を提供する。
- 故障予測 — デジタルツインの予測と実際の測定値を比較します。乖離が大きくなると、機器の劣化の早期兆候となる可能性があります。
- プロセス実験 — 生産を中断することなく、モデル内で「もしも」のシナリオをテストする
金属業界におけるデジタルツイン技術はまだ発展途上だが、その潜在力は非常に大きい。
7.3 クラウドおよびリモートサポート
産業ネットワークの信頼性とセキュリティが向上するにつれて、遠隔監視とサポートが実用的になった。
- リモート監視 — 機器供給業者が炉の性能を監視し、問題が発生する前に兆候を捉えることができます。
- リモート診断 — 何か問題が発生した場合、専門家がログインして、現場に出向くことなく問題の診断を支援できます。
- クラウドベースの最適化 — 熱データをクラウドプラットフォームにアップロードし、ローカルのレベル2システムでは処理できない高度な最適化アルゴリズムを実行します。
- 知識共有 — 他の工場の同様の炉と比較して、自社のパフォーマンスをベンチマークする
まとめ
電気炉製鋼におけるインテリジェント制御は、研究室から生産現場へと移行した。5年前には最先端技術だった音響制御、自己学習型製錬モデル、リアルタイムガス分析といった技術は、現在では複数のサプライヤーから提供され、世界中の製鋼工場で稼働している。
今後の方向性は明確だ。センサーの数を増やし、モデルを改良し、あらゆる加熱工程から学習するシステムを構築する。製鉄会社にとっての問題は、インテリジェント制御を採用するかどうかではなく、どの機能を優先すべきか、そして生産を中断することなく既存の操業にどのように統合するかである。
優れたセンサー、適切に調整されたモデル、そしてシステムの動作を理解しているオペレーターを組み合わせることで、これを実現できる店舗こそが、今後10年間の生産性のベンチマークとなるだろう。
