Resumen de Modelo de control del ancho de las bobinas laminadas en caliente en el tren reversible mediante técnicas Data Mining

María Teresa Rodríguez Montequín, José Valeriano Álvarez Cabal, María Celia Granda Berdayes, Alberto González

• español

  La industria actual, cada vez más competitiva, exige un control exhaustivo de los procesos de fabricación, con el objetivo de obtener un producto final que garantice un estrecho cumplimiento de las exigencias del cliente. Esto es especialmente cierto en el sector siderúrgico donde la intervención de los mercados, la competencia de los países emergentes y el descenso de demanda, está provocando cierres de instalaciones y concentración de empresas. En este artículo se desarrolla un sistema de generación de consignas para el proceso de laminación en caliente capaz de generar bobinas con ancho dentro de las especificaciones del cliente.

  El sistema se basa en un modelo de control desarrollado con técnicas de data mining, lo que facilita su adaptación continua al proceso. Para el desarrollo del modelo se tuvieron en consideración las variables relativas a las características termomecánicas de las bobinas a la entrada del reversible, y el proceso de deformación realizado en el reversible, analizando un total de 200 variables. La selección de variables relevantes se realizó mediante un proceso semiautomático llevado a cabo a partir de una estrategia de poda iterativa de variables realizada con la combinación de técnicas adaptativas y redes neuronales.

  2 El sistema se ha probado exitosamente en las instalaciones de la empresa Aceralia Corporación Siderúrgica, perteneciente al grupo ARCELOR, obteniendo un considerable ahorro de metal y una tasa de acepta

• English

  The control of the dimensional factors in steel making is becoming an increasingly complex task because of the strict requirements for high productivity, low energy consumption, and production of different high quality steel grades. In this paper, data based methods as multivariate adaptive techniques and neural networks have been used to learn and train process parameters and their degrees of influence over width deviations.

  The artificial intelligence techniques have also been used to check and validate the collected data. A total of 200 variables were considered for the analysis, selecting the relevant variables by means of a semiautomatic strategy gbased in the combination of Self-Organized neural networks and multivariate adaptive techniques. The variables selected, relative to the thermomecanic properties of the slabs and the rolling forces, were used to create a width model to improve the width control in the roughing mill. The model is created as a combination of data based and analytical process models, where the intelligent component plays the role to fit the general physical models to the needs of the automation of a specific mill.

  The system was tested in the installations of Aceralia (Spain) with a save in material losses and an acceptance rate in customer requirements of a 99.5%.