Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa

Transkriptio

1 Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa VaProKe projekti (Ruukki, TEKES) Intelligent Systems Group, ILMARI JUUTILAINEN,

2 Sisältö Projektin tavoitteet Voimamallinnuksen menetelmät Voimamallinnuksen tulokset Lämpötilamallinnuksen menetelmät Lämpötilamallinnuksen tulokset Yhteenveto

3 Projektin tavoitteet Taustalla erikoislujien ja kulutuskestävien terästen osuuden kasvattaminen Kun valssausvoimatasot kasvavat, tulee valssauksen ennustemallien tarkkuus kriittisemmäksi Tavoitteena on Parantaa tasomaisuutta Parantaa mekaanisia ominasuuksia ja mikrorakennetta kasvattamalla pistokohtaisia reduktioita

4 Miten tavoite saavutetaan Väärin ennustettu piston valssausvoima voi olla syy huonoon tasomaisuuteen Voimaennuste perustuu lämpötilaennusteeseen Tarkka ja luotettava voimaennuste mahdollistaa valssausvoimien kasvattamisen JOTEN: Tehtävänä oli päivittää nykyiset lämpötila- ja voimamallit tai kehittää niiden tilalle uudet

5 Data Mallinnusta varten haettiin tuotantolinjan antureiden ja pyrometrien tuottama data jokaisesta pistosta noin 9 kuukauden ajalta T h T i e 1140 c m 300 k p 1120 n e 250 e r 1100 s 1 a s t 1080 u t r m e m C 1020 L o a d Time (s) ( ) ( ) load thickness temperature ( )

6 Voimaan vaikuttavat tekijät Valssausvoima määräytyy pitkälti seuraavien tekijöiden epälineaarisena funktiona Piston tulopaksuus Piston lähtöpaksuus Piston leveys Valssin halkaisija (vakio) Muokattavan kappaleen lämpötila Muokattavan kappaleen koostumus Fysikaaliset perusyhtälöt valssausvoimalle eivät ota huomioon koostumuksen vaikutusta

7 Voimamalli Sovitettiin epälineaarinen malli, jonka rakenne perustuu karkealla tasolla fysikaalisiin perusyhtälöihin Lisänä koostumuksen vaikutus Ja korjauksia mm. piston paksuuteen liittyen MATLAB nlinfit Erilliset mallit kuumavalssauspistoille ja kontrollointipistoille Erilaisia mallirakenteita ja muuttujia haettiin sovittamalla mallikandidaatteja opetusaineistossa ja vertaamalla niitä toisiinsa testiaineistossa

8 LOAD AVG - LOAD PREDICTED LOAD AVG - Ennuste Voimamalli 2500 LOAD AVG vs LOAD PREDICTED 2500 LOAD AVG vs Ennuste LOAD PREDICTED Kontrollointipistoilla parannus RMSE 694 t 300 t meanres 477 t 9 t stdres 505 t 300 t Ennuste

9 residual Voimamalli Päädyttiin käyttämään nykyisin käytössä olevaa muuttujayhtälöä ja päivittämään vain ennustekaavassa esiintyvät kertoimet Koska uusien termien lisäämisellä ja muilla kokeilluilla rakenteellisilla muutoksilla tarkkuutta saatiin parannettua vain ~ 30 t H2 vs RES for ALL TYPES H2 Kuumavalssauspistoilla parannus RMSE : 444 t 257 t meanres : 320 t 1 t stdres : 307 t 257 t

10 Lämpötilaan vaikuttavat tekijät Kuumennus, aihion mitat Lämmön johtuminen valsseihin aiemmilla pistoilla Lämmön johtuminen ilmaan, ajan ja dimensioiden yhteisvaikutus Hilsepesut Aiemmissa pistoissa tapahtuneet metallurgiset ilmiöt Koostumus mallinnetut lämpötilat temp surface temp average Temp_surface Temp_average Valssausvoiman kannalta oleellista on kappaleen keskilämpötila, mutta pyrometrit mittaavat pintalämpötilaa

11 Lämpötilamalli Kehitettiin ennustekaavoja pintalämpötilalle erilaisilla tilastollisilla malleilla (työkaluina R, Matlab) Neural networks Boosted regression trees (GBM) Multiplicative additive linear regression splines (MARS) Sovellettiin semi-supervised learning menetelmää (COREG) puuttuviin lämpötilamittauksiin liittyvän datan hyödyntämiseksi Parannettiin nykyisen fysikaalisen mallin antamaa ennustetta erillisellä korjausmallilla

12 Lämpötilamalli ONGELMA DATAN EPÄLUOTETTAVUUS: Levy ei käy pyrometrin kohdalla, jos se on lyhyt Levyn pinnalla oleva hilse on tehokas eriste ja vääristää lämpötilamittauksen Mittausten tallennuslogiikassa on virheitä, mm. edellinen lämpötilamittaus tallentuu melko usein seuraavalle pistolle Pintalämpötila <= sisuslämpötila Paljon aikaa meni datan suodatussääntöjen määrittelyyn Alkupään pistoissa 80 % datasta suodatettiin pois, eli puuttuvien havaintojen osuus hyvin suuri

13 Lämpötilamalli TULOS: Pintalämpötilan ennustamisessa saavutettiin noin 18 C ennustustarkkuus käytetyssä aineistossa, viimeiselle pistolle noin 16 C. Tämä on hyvä tarkkuus MUTTA: Korjattujen tai uusien lämpötilamallien avulla ei pystytä parantamaan voimaennusteen tarkkuutta

14 Lämpötilamalli

15 Yhteenveto Valssauslämpötilaa ei kannata yrittää mallintaa tilastollisesti pyrometrien tuotantodatan perusteella Dataa varta vasten järjestetyistä mittauksista? Onko valssausvoimamittaus luotettavin mittaus valssattavan kappaleen lämpötilasta? Lämpötilan päättely soveltamalla fysikaalisia yhtälöitä käänteisesti Projektissa onnistuttiin parantamaan valssausvoimaennusteen tarkkuutta merkittävästi ja päivitettyä mallia ollaan ottamassa käyttöön Sitten nähdään saavutetaanko tavoiteltuja parannuksia tasomaisuudessa ja mekaanisissa ominaisuuksissa