計測・診断・寿命予測のデジタル化 — 3D 残厚計測から予知保全へ
1 1. 「測る」から「次の補修を決める」へ
連載の最終回は、耐火物の残厚計測と寿命予測を取り上げる。 第 2 部の補修ロボットも、第 3 部の吹付けマップも、出発点はすべて「いま内張りがどれだけ残っているか」という計測情報だった。 耐火物診断のデジタル化とは、検査記録を電子化することではない。 計測結果から補修箇所・材料量・施工タイミング・更新時期までを導く、意思決定の基盤を作ることである (1)。
取鍋や転炉の内張りは、使用のたびに溶損して薄くなる。 薄くなりすぎれば漏鋼という重大事故につながり、早く張り替えすぎれば耐火物と停止時間を浪費する。 「あと何ヒート使えるか」を数値で答えられるかどうかが、安全とコストの両方を決める。 この問いに答える技術が、3D レーザ計測と寿命予測モデルである。
なお、この回の主題は「3D 残厚計測と寿命予測」に絞っている。 AI による画像損傷検出、構造光計測、汎用 IoT センサーは、耐火物専用の公開資料がまだ少ないため対象外とし、一次資料で裏づけられる範囲を優先する。 対象を絞るぶん、各技術については計測原理・公表数値・適用限界までを一次資料に即して確かめていく。
2 2. 3D レーザ輪郭計測の主流化
現在の残厚計測の主流は、レーザ距離計で炉内面の点群を取得する「レーザ輪郭計測（laser contouring）」である。 原理は明快で、容器の既知の幾何形状（新張り時の基準プロファイル）と、計測した内面点群の差分が、そのまま損耗量・残厚になる (1)。
Vesuvius が展開する ANTERIS 360 は、この方式の代表機である。 メーカーの製品資料によると、300 kHz のレーザで数百万点規模の輪郭点群を数秒で取得し、転炉用システムではレーザ繰返し 300,000 Hz・スキャン速度 120,000 Hz・ビーム径 3.6 mm、計測視野は垂直 110°× 水平 360°、転炉の稼働率への影響は 1 分未満と記載されている (2)。 固定ヘッド型・可搬型のラインアップを持つ Process Metrix の LCS（Laser Contouring System）は、最大毎秒 300,000 点の取得能力と、垂直 −45°〜+65°・水平 0〜360° のスキャン範囲を公表している (3)。
| 項目 | メーカー記載値 |
|---|---|
| レーザ繰返し周波数 | 300,000 Hz（300 kHz） |
| スキャン速度 | 120,000 Hz |
| 点群規模 | 100 万点超を 60 秒未満（転炉運用時） |
| ビーム径 | 3.6 mm |
| 計測視野 | 垂直 110°（固定型）／−45°〜+65°（LCS）× 水平 360° |
| 稼働率への影響 | 転炉で 1 分未満 |
ヒートの合間の 1 分弱で炉内全面の残厚マップが取れる。 この速度が、計測を「定期検査」から「毎ヒートの操業データ」に変えた (4)。
3 3. 転炉と取鍋 — 計測サイクルの違い
計測の使い方は炉種で異なる。
転炉では、出鋼後の短い空き時間にスキャンし、損耗の速い部位（スラグライン・トラニオン・タップホール周辺）を監視する。 第 3 部で見た通り、この計測結果はそのまま吹付けマップになり、補修ロボットの施工指示へ直結する (5)。 計測 → 補修マップ → ロボット吹付け → 施工ログという閉ループは、転炉でもっとも完成度が高い。
取鍋では、繰返し使用にともなう作動面（working lining）の残厚低下と局所異常の検出が主題になる。 取鍋は転炉と違って多数の個体が循環使用されるため、個体ごとの履歴管理が問題になる。 どの取鍋が何ヒート使われ、スラグラインがどれだけ減ったかを、個体別の計測履歴として持つことが管理の出発点になる。 Vesuvius の事例紹介によると、取鍋のレーザ計測を導入したユーザーでは、取鍋ライニングの平均利用率（使い切れる耐火物の割合）が 5〜15% 改善し、鋳造鋼 1 トンあたりのライニングコストも同程度低減できたと説明されている (6)。 「まだ使えるのに張り替える」無駄と「危険域まで使ってしまう」リスクの間で、計測データが判断の根拠を与える構図である。 利用率の改善は同時に、解体・新張りの頻度低下、つまり第 2 部で見た重筋作業そのものの削減を意味する。
国内でも同じ動きが技報に現れている。 日本製鋼所の技報 No.76（2025 年）は、3D レーザースキャナーを用いた取鍋耐火物の残厚測定を報告しており、国内の取鍋管理でも点群ベースの残厚評価が実装段階にあることを示す (7)。
学術側の源流も確認しておく。 ISIJ International 誌に 2008 年に掲載された論文（48 巻 10 号、1354〜1358 頁）は、高炉の耐火ライニング厚さを 3D レーザスキャナーと画像レジストレーション（点群位置合わせ）で測定する手法を報告した (8)。 修理前後の点群を共通座標系に位置合わせし、機械寸法と比較して残厚を出すという基本手順は、現在の商用システムでも変わっていない。 商用化で変わったのは、点群の規模と取得速度、そして計測結果が補修ロボットの施工指示に直結するようになった点である。 計測手法そのものより、計測を操業サイクルに組み込む運用設計が 2010 年代以降の進歩だったといえる。 ハードウェアの進化が運用の進化を可能にした、計測技術の典型的な発展経路である。
4 4. レーザが入れない場所 — 埋込型・電磁気的手法
レーザ輪郭計測には弱点がある。 炉内に視線が通らない部位、常時溶融物で満たされた部位、計測のために空にできない容器では使えない。 ここを補うのが、埋込型・電磁気的な計測手法である。
代表例が EMF（起電力）法である。 2020 年に公開された査読論文は、金属容器の耐火物厚さを熱電効果に基づく起電力から推定する手法を報告し、トーピード取鍋（溶銑運搬車）で相対誤差約 6.8%、高炉炉底で相対誤差 11% 未満という検証結果を示した (9)。 精度はレーザに及ばないが、操業中の連続監視ができる点で役割が異なる。
ガラス溶解炉では、8〜18 GHz のハンドヘルド FM-CW レーダで耐火構造の厚さを評価する研究も報告されている (10)。 ガラス炉は常時溶融ガラスで満たされ、キャンペーンが 10 年単位に及ぶため、空にして測るという選択肢がそもそもない。 電磁波系の手法は、こうした炉を止めずに「外側から」測れる可能性を持つ補助技術として位置づけられる。
| 手法 | 計測条件 | 報告精度・特徴 |
|---|---|---|
| 3D レーザ輪郭計測 | 炉内に視線が通ること（空の容器） | 100 万点超・60 秒未満、補修ロボットの施工指示に直結 |
| EMF 法 | センサ埋込・操業中可 | トーピード取鍋 約 6.8%、高炉炉底 11% 未満（相対誤差） |
| FM-CW レーダ | 炉外から・ガラス炉での報告 | 8〜18 GHz ハンドヘルド、補助技術 |
5 5. 寿命予測 — 統計モデル・機械学習・物理モデル
計測データが蓄積されると、次の問いは「このペースで損耗したら、いつ限界に達するか」になる。 寿命予測のアプローチは 3 系統に整理できる。
第一に、計測履歴に基づく統計モデルである。 Scholars Journal of Engineering and Technology 誌に 2018 年に掲載された論文（6 巻 1 号、7〜13 頁）は、転炉のレーザスキャン計測データベースから最小・最大厚さの推移曲線を構築し、操業を「安全領域」と「リスク領域」に区分する摩耗予測モデルを提案した (11)。 吹付け補修をいつ入れるかの判断を、経験則から計測履歴ベースへ移す試みである。
第二に、機械学習である。 2022 年公開の査読論文は、ニューラルネットワークを用いて鋳込み取鍋（teeming ladle）の寿命、すなわちキャンペーンあたりの使用サイクル数を解析する手法を報告している (12)。 操業条件（鋼種・温度・処理時間など）と寿命の関係を学習し、条件変更が寿命に与える影響を推定できる。
第三に、物理ベースモデルである。 ノルウェーの研究機関 SINTEF は 2023 年、取鍋ライニングの溶損を熱伝導と侵食の物理式で記述する実用志向の寿命予測モデルを公開し、計算コードもリポジトリとして公開した (13)。 データが少ない新材質・新操業条件でも外挿が効くのが物理モデルの強みで、統計・機械学習モデルと相互補完の関係にある。
EU の研究プロジェクト ATHOR の成果物 D4.5 は、実機取鍋のレーザスキャンから新張り直後の作動面厚さ分布を算出し、損耗の大きい領域の同定に使えることを実測ベースで示しており、こうしたモデル研究と実炉計測をつなぐ事例になっている (14)。 新張り直後にすでに厚さ分布のばらつきがあるという実測結果は、施工品質の計測（第 2 部・第 3 部）と寿命予測が同じデータ基盤の上にあることを意味する。
6 6. 残された課題 — 数値の出どころを確認する
計測・予測のデジタル化には、読み手として注意すべき点も残る。
第一に、メーカー公称値と学術検証の区別である。 計測速度・点群数・利用率改善といった数値の多くはメーカーの製品資料・事例紹介に由来し、導入先・炉型・操業条件は一般化されている。 この連載では、こうした値をすべて「メーカー記載値」と明示してきた。 独立した検証データとしては、相対誤差を明記した査読論文 (9) や、実炉計測を公開した研究プロジェクト成果物 (14) のような資料を併読する必要がある。
第二に、予測モデルの適用範囲である。 統計モデルは過去の操業範囲の外では信頼できず、機械学習は学習データの質と量に縛られ、物理モデルは前提条件の妥当性に依存する。 どのモデルも「計測の代替」ではなく「計測の解釈装置」であり、入力となる残厚データの品質がすべての出発点になる。
第三に、計測できない期間・部位の扱いである。 レーザは空の容器にしか入れず、EMF やレーダはまだ適用範囲が限られる。 操業中の損耗進行は依然として推定に頼っており、連続監視技術はこの分野の開発最前線であり続けている。
| アプローチ | 入力 | 強み | 制約 |
|---|---|---|---|
| 統計モデル | レーザ計測履歴 | 実績に忠実、導入が容易 | 条件変更への外挿が弱い |
| 機械学習 | 操業条件＋寿命実績 | 多変数の非線形関係を扱える | 学習データ量に依存 |
| 物理モデル | 材料物性＋操業条件 | 新条件へ外挿可能、公開コードあり | モデル化の前提に依存 |
7 7. 閉ループの完成 — 連載のまとめ
第 4 部の内容を連載全体に接続して締めくくる。
第 1 部で見た通り、耐火物は縮小する国内市場の中で長寿命化・高機能化によって粗鋼生産を支えてきた。 第 2 部のれんが積み機械化は「積む」作業の完全自動化には至らず、支援機械と解体ロボットが実用化の中心だった。 第 3 部の不定形材機械化は、吹付け・圧送の高速化と乾燥レス材によって「補修で寿命を延ばす」体制を作った。 そして第 4 部の計測・予測が、その補修を「どこに・いつ・どれだけ」という数値指示に変えた。
| 連載 | 主題 | 機械化の到達点 |
|---|---|---|
| 第 1 部 | 分類・用途・規格 | 定形＝積む／不定形＝吹くという機械化の二大潮流の整理 |
| 第 2 部 | れんが積み・解体 | 支援機械・解体ロボットが実用、完全自動積みは未達 |
| 第 3 部 | 吹付け・流し込み | 高流量吹付け・ポンプ圧送・乾燥レス材で補修体制を確立 |
| 第 4 部 | 計測・診断・寿命予測 | レーザ計測と予測モデルが補修判断を数値化 |
レーザ計測が摩耗マップを作り、予測モデルが補修時期を提案し、ロボットが吹付けを実行し、施工ログが次の計測と比較される。 熟練工の目と勘に依存していた築炉の判断は、この閉ループの中へ段階的に移されつつある。 ただし、れんがを積む手、ノズルを清掃する手、材料の状態を見る目は依然として人のものである。 築炉の機械化は人の置き換えではなく、危険からの隔離と判断の数値化として進んできたし、当面はそう進んでいく。 それがこの連載 4 部を通じて確認できた、耐火物・築炉機械化の現在地である。