Resumen de Overall model of the dynamic behaviour of the steel strip in an annealing heating furnace on a hot-dip galvanizing line

Francisco Javier Martínez de Pisón Ascacíbar, Alpha Verónica Pernía Espinoza, Emilio Jiménez Macías, Roberto Fernández Martínez

• español

  La predicción de la temperatura de la banda de acero dentro del proceso de recocido de una planta de galvanizado continuo en caliente es importante para garantizar las propiedades físicas del material procesado. El desarrollo de un modelo preciso que sea capaz de predecir la temperatura que va a alcanzar la banda según las variaciones de temperaturas y velocidades del horno, y sus dimensiones y propiedades químicas del acero, es una necesidad cada vez más demandada por este tipo de plantas industriales. En el presente estudio se muestra una comparativa realizada entre diversos tipos de algoritmos de Minería de Datos e Inteligencia Artificial para el desarrollo de un modelo de predicción eficiente y global que permita determinar la variación de temperatura de la banda según las características físico-químicas de las bobinas a procesar y las fluctuaciones de temperaturas y velocidades que aparezcan dentro del proceso de recocido. El objetivo final es la búsqueda de un modelo que sea eficiente ante bobinas con nuevos tipos de acero o dimensiones que no hayan sido procesadas anteriormente. Con este modelo es posible optimizar los modelos de control para poder conseguir homogeneizar el tratamiento en zonas de la banda donde existe la transición entre bobinas con diferentes dimensiones o tipos de acero.

• English

  Predicting the temperature of the steel strip in the annealing process in a hot-dip galvanizing line (HDGL) is important to ensure the physical properties of the processed material. The development of an accurate model that is capable of predicting the temperature the strip will reach according to the furnace’s variations in temperature and speed, its dimensions and the steel’s chemical properties, is a requirement that is being increasingly called for by industrial plants of this nature. This paper presents a comparative study made between several types of algorithms of Data Mining and Artificial Intelligence for the design of an efficient and overall prediction model that will allow determining the strip’s variation in temperature according to the physico-chemical specifications of the coils to be processed, and fluctuations in temperature and speed that are recorded within the annealing process. The ultimate goal is to find a model that is effectively applicable to coils of new types of steel or sizes that are being processed for the first time. This model renders it possible to fine-tune the control model in order to standardise the treatment in areas of the strip in which there is a transition between coils of different sizes or types of steel.