[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2021180719A1 - Verfahren zur reduzierung von prozessstörungen bei der herstellung eines walzproduktes - Google Patents

Verfahren zur reduzierung von prozessstörungen bei der herstellung eines walzproduktes Download PDF

Info

Publication number
WO2021180719A1
WO2021180719A1 PCT/EP2021/055912 EP2021055912W WO2021180719A1 WO 2021180719 A1 WO2021180719 A1 WO 2021180719A1 EP 2021055912 W EP2021055912 W EP 2021055912W WO 2021180719 A1 WO2021180719 A1 WO 2021180719A1
Authority
WO
WIPO (PCT)
Prior art keywords
rolled product
rolling
production
target
rolling train
Prior art date
Application number
PCT/EP2021/055912
Other languages
English (en)
French (fr)
Inventor
Christoph Hassel
August Sprock
Kai GRYBEL
Guido BUSCHHOFF
Original Assignee
Sms Group Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sms Group Gmbh filed Critical Sms Group Gmbh
Priority to EP21711817.3A priority Critical patent/EP4117836A1/de
Publication of WO2021180719A1 publication Critical patent/WO2021180719A1/de

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33296—ANN for diagnostic, monitoring

Definitions

  • the invention relates to a method for reducing process disturbances in the manufacture of a rolled product.
  • Process disruptions in the manufacture of a rolled product can have a number of causes.
  • a process disruption is initially any deviation of an actual value from a target value. Not every process disturbance that occurs has a negative effect on the output of the rolling train. Yield is understood here in the sense of the invention as the quotient of the amount of rolling stock produced in a time interval corresponding to the specifications and the maximum amount to be produced in the rolling train in this time interval
  • That Output according to the invention can therefore be reduced by qualitative deviations in the rolling stock or deviations in relation to the production output or throughput of the rolling train, with qualitative deviations likewise being described by deviations in the actual values from the target values for the rolled product.
  • Rolling trains usually consist of a number of units, for example furnaces, roll stands or cooling sections, through which the rolled product passes during manufacture without interrupting the manufacturing process.
  • a large number of target specifications for a control and regulation of the overall process must be given to a rolling train or the units.
  • These target specifications of the units for the manufacturing process are based on the target specifications for the rolled product and the empirical knowledge of the Plant operator or process models for individual units with which the target specifications of the rolled product can be adhered to.
  • the setpoints and / or the permissible control range of the unit must then be adapted on the basis of empirical values and / or process models. In this case, however, the adjustments are usually only related to the unit if thickness deviations are adjusted or optimized by adjusting the pass schedules or piercing temperatures. Interactions going beyond this are mostly not considered.
  • process models are known which describe and predict relationships between target specifications or actual values and the effects on the rolled product for individual process variables and / or individual units. Process models are, for example, temperature models, microstructure models or also deformation models in the roll gap. These are known from the prior art.
  • Some of these are able to determine target specifications across all units, independently of a system control, or even Calculate actual values in advance.
  • the previous models only take into account a small number of input variables and (only) track a relevant actual value of the rolled product.
  • the specialist is able to plan target specifications for the units in advance, analyze process errors afterwards and adapt individual target specifications.
  • these models can also influence the process within a control or regulation system across all units. The more target specifications and process parameters a previously known process model takes into account, the less it can be integrated into a known control or regulation concept of a rolling mill, since previously known linear process models with increasing complexity require disproportionately high computing capacity.
  • Process disruptions that arise from a complex interaction of deviations from target specifications in individual units of the rolling train can therefore only be analyzed and remedied by a specialist using the known models or based on experience after the production of the rolled product has been completed. This creates a certain time delay between the error detection and the adjustment of the target specifications. This can significantly reduce the output of a rolling train.
  • the object of the invention is therefore to improve the control or regulation of a rolling train in such a way that these aggregate interactions between the setpoints, actual values and deviations between the values are taken into account in the control or regulation of the rolling train and thereby process disruptions are reduced.
  • the invention is achieved with a method having the features according to claim 1.
  • a process disruption affecting the output of the rolling train is caused by at least a deviation of an actual value from a target specification of the rolled product itself and / or a target specification of an aggregate of the rolling train during the manufacture of the Rolled product justified, whereby these deviating actual values are associated with more than 4 actual values or target values.
  • Connected in the sense of the invention means that a fluctuation, in particular a deviation from a target specification, of this value leads directly or indirectly to a fluctuation of at least 4 further actual values and / or is caused.
  • the rolled product is manufactured with the rolling train by at least one heating device, at least one rolling stand, at least one cooling section, with a higher-level control of the rolling train controlling or regulating the production on the basis of setpoints.
  • the output, the actual values and the associated target specifications for the manufacture and the rolled product, in particular the dimensions of the units and / or process measurement values, are recorded at different points in the rolling train and the output, the actual values and the target specifications are stored for further use.
  • the output, the actual values and the target specifications are available on a data memory for further evaluation and retrieval by the higher-level control or an external evaluation system.
  • a model in particular a model connected to the control of the rolling train, determines a relationship for determining a malfunction indicator.
  • the malfunction index is a in the sense of the invention Key figure for a combination of related setpoints, actual values and output that lead to a process disruption.
  • a model in the sense of the invention is any mathematical relationship or algorithm with which such a characteristic number can be determined from this data. From the prior art, for example, statistical evaluation methods, in particular regression analyzes, are known as a mathematical method for this.
  • the model takes into account the interactions between the target specifications and actual values over the entire production of the rolled product in the rolling train by creating relationships between stored target specifications and / or actual values with the individual process disruption and / or the setpoints and / or actual values without process disruption.
  • the higher-level control continuously determines the malfunction indicator during the manufacture of the rolled product, in particular online, on the basis of actual values during the manufacture of a rolled product.
  • the ongoing production of the rolled product is interrupted or the production of a subsequent rolled product is not started if the malfunction indicator reaches a previously determined critical value range. Any range of values of the malfunction index that leads to a deviation of an actual value of the rolled product from its target value can initially be viewed as critical.
  • the higher-level control can, as an alternative to interrupting production, specify changed target specifications for the units of the rolling train for further production, the changed target specifications using further process models connected to the higher-level control of the rolling train, in particular temperature - and / or structural models, can be determined and / or optimized.
  • the output of the rolling train is reduced, for example, by cobble formation of the rolled product.
  • a cobble is understood to mean any incorrect rolling which leads to an interruption in the rolling process of a single rolled product or a series of identical rolled products. This can be, for example, the rise of a rolled product in the cooling section or between two roll stands.
  • Cobble arise in particular from deviations in the process variables of rolling force, rolling temperature, degrees of deformation and / or the course of recrystallization of the rolled product in the course of the process.
  • target specifications and / or actual values are preferably taken into account when determining the malfunction index, which influence the Cobble formation of a metallic strip. As a result, the number of target specifications and / or actual values to be taken into account can be reduced.
  • the output of the rolling train is reduced, for example, by a geometric deviation of the rolled product.
  • Geometry deviations arise, for example, from roll wear, uneven rolling forces and / or an uneven temperature distribution on the surface of the rolled product.
  • Preference is given to avoiding the reduction in output Target specifications and / or actual values are taken into account when determining the malfunction index, which influence the geometric deviation of a metallic strip.
  • the number of target specifications and / or actual values to be taken into account can be reduced.
  • the output of the rolling train is reduced, for example, by a deviation in the product quality, preferably mechanical properties, surface quality and / or dimensions.
  • target specifications and / or actual values are preferably taken into account when determining the malfunction index, which influence a deviation in product quality, preferably mechanical properties, surface quality and / or dimensions.
  • the roll age, the temperature control in the rolling train and / or the actual chemical analysis of the rolled product in relation to the material can have an influence on the product quality. As a result, the number of target specifications and / or actual values to be taken into account can be reduced.
  • the output of the rolling train is reduced, for example, through a reduction in production output, in particular through unplanned machine downtimes.
  • the occurrence of unplanned downtimes can, for example, be influenced by the process parameters of cooling water quality, backup roll age, maintenance intervals of the units or parts of units, and / or the power consumption of drives.
  • target specifications and / or actual values are preferably taken into account when determining the malfunction index, which influence a reduction in production output, in particular due to equipment downtimes.
  • the number of target specifications and / or actual values to be taken into account can be reduced.
  • Preference is given to more than 5, preferably more than 25, even more preferably more than 100 actual values in the entire rolling train when determining the Incident code used.
  • the more actual values and target values are linked, the more interactions can be taken into account. This also reduces the risk of receiving different key figures due to target specifications and / or actual values that are not taken into account with the same input variables.
  • the malfunction index is preferably determined in the form of a probability index.
  • the same actual values of the production can lead to a reduction of the output if there are not recorded disturbance-relevant influencing parameters.
  • This is preferably represented by a malfunction indicator in the form of a probability.
  • the model preferably uses a self-learning algorithm, particularly preferably a KI algorithm, to determine the malfunction index.
  • a self-learning algorithm particularly preferably a KI algorithm
  • the model for determining the relationship recalculates, preferably cyclically, more preferably once per rolling campaign, the relationship on the basis of the actual values, target specifications and / or the output and uses the new relationship to calculate new malfunction indicators.
  • a rolling campaign can be a series of different rolled products or a defined number of similar rolled products. The number should be chosen so that there are enough data records.
  • at least one warning message is generated and sent to an operator by means of the control of the rolling train transmitted. This allows the quality of the relationship to be determined and monitored on a regular basis. Ideally, this is done by executing the model for determining the relationship on the process computer of the higher-level controller. As a result, such a value can be output and displayed quickly and easily within the control system of the rolling train.
  • the self-learning behavior of the algorithm increases the accuracy of the determination of the malfunction indicator with each rolled product manufactured.
  • intervention by a person skilled in the art to rectify a process disturbance is not necessary or is significantly less
  • the self-learning algorithm for determining the characteristic number is preferably trained with existing data records from a rolling mill. This means that a functioning model can be set up before the rolling mill is put into operation. For this purpose, for example, data from units that are not currently producing in the network can be combined with one another.
  • the determination of changed target process parameters for avoiding or leaving the critical value range of the malfunction indicator is preferably carried out by a self-learning algorithm, preferably a KI algorithm.
  • a self-learning algorithm preferably a KI algorithm.
  • the self-learning part then increases the accuracy of the target specification.
  • the self-learning algorithm for determining the changed target specifications is preferably trained with existing data records from a rolling mill. This means that a functioning model can be set up before the rolling mill is put into operation. For this purpose, for example, data from aggregates can be combined that are not currently producing in a network.
  • the invention is achieved by a method having the features of claim 12.
  • Process disruptions in the rolling train of a casting and rolling plant with a superordinate control are reduced by a method according to one of claims 1 to 11 and the actual values and the target values of the units before the first tapping of the rolled product in a rolling stand are taken into account in the method.
  • the casting and solidification process has a significant influence on the quality of the rolled product.
  • a large number of process parameters are also available here in addition to those of the rolling train that were previously not taken into account, or only in a simplified manner, in the control or regulation of a rolling train.
  • direct physical modeling of individual processes, such as solidification with simultaneous structure formation has not yet been possible.
  • the effect-based modeling according to the invention without a mandatory physical connection is a possibility of avoiding process disturbances.
  • the changed target specifications are preferably specified by the control for the units before the first piercing in a roll stand.
  • the ongoing casting process can usually only be interrupted for ongoing production with difficulty. It is mostly possible to discharge a cast product with these deviations from a casting and rolling plant. This ejected cast products can, for example, be re-introduced after a review and approval. This will make that Bringing out the casting and rolling plant versus a failure of the finished one
  • the malfunction indicator is determined by the model for each rolled product on the basis of planned actual values.
  • the influence of the respective individual actual value is weighted in relation to the malfunction index and a necessary changed target specification.
  • Target specifications through maintenance and / or replacement of whole or parts of the units involved in the production then take place before the start of the production of the rolled product.
  • the risk of reducing the output due to the standstill of a unit can be determined and technical measures can be taken to react. This includes the replacement of parts of the units or even entire units of the rolling train that unexpectedly fail with the previous control method.
  • rolled products can also be removed from the production sequence and replaced by others with non-critical malfunction indicators.
  • the object of the invention is achieved by a method with the features of claim 13.
  • the malfunction indicator determined by the model is determined for each rolled product on the basis of planned actual values and In the case of a critical malfunction index, the influence of the respective individual actual value is weighted in relation to the malfunction index and a necessary changed target specification.
  • An optimization algorithm minimizes the malfunction indicator in the area of the system-technical possible target specifications by adapting the Target specifications.
  • a minimization routine before the start of production can reduce the risk of a reduction in output, especially when assuming the probability of malfunctions as a malfunction indicator.
  • the description of the invention is accompanied by three figures.
  • wear data from rolls which are recorded cyclically, can be assigned to a series of rolled products in the same way.
  • the key figure output a is initially defined as described above and, if necessary, can be weighted, for example, by quality factors f q and / or monetary value factors f m.
  • quality factors f q and / or monetary value factors f m As a result, the economic success of the overall production can be better compared and evaluated with different materials of the rolled product. This results in the double assignment of the output a to the measured values MW and the target values SV (formula 1.1).
  • an output probability a w or, reciprocally to a or a w, a malfunction indicator s and malfunction probability s w can be formed from the fixed output a.
  • Measured values are, for example, rolling forces in the finishing train 8, a temperature profile of the strip / rolls across the width, a center line deviation, roll bending, roll age, furnace dwell times / temperatures and / or a material of the rolled product.
  • Target specifications also include, for example, the target dimensions of the rolled product, the coil weight, the surface quality, the material properties and / or a structural composition of the rolled product.
  • Measured values from a soft sensor can be, for example, the core temperature of a slab calculated on the basis of the surface temperature.
  • This data so present is stored with the above-described assignment in a database with which, for example, a neural network 13 is trained.
  • Training means that the existing data is shared and the neural network 13 with one half in a first step Establishes connection 15 and the prediction quality of the connection for the malfunction indicator is checked on the basis of the second half of the data.
  • the relationship determined in this way between the malfunction indicator or malfunction probability and the actual values and target specifications is then used to generate a current production based on the actual values and target specifications measured during the manufacture of the rolled product
  • the higher-level control 12 of the rolling train (2-11) begins to vary the setpoint values SV during ongoing production using process models, taking into account the technical possibilities of the units.
  • the procedure takes place here in iteration steps.
  • new target specifications are determined on the basis of a predetermined variance v and within the possibilities of the units and the target specifications for the rolled product in relation to the existing ones.
  • these are used to calculate new actual values for the rolling train using process models.
  • this actual data record is then evaluated with the aid of the relationship 15 with regard to its probability of malfunction. If the failure probability is within the desired range, production is continued with these target specifications.
  • a termination criterion for example a number of iteration steps, should interrupt the iteration and then interrupt the ongoing production.
  • the model 13 for determining the relationship 15 for the malfunction indicator also checks the quality of the relationship 15 cyclically. For this purpose, analogous to the training of the neural network, the data records stored during the production of a series of rolled products are combined in groups. With this new group of data sets, the model establishes a new relationship for the malfunction indicator. This relationship and the values determined for the malfunction index are compared with the previous relationship and the previous values for the malfunction index and evaluated. If a defined deviation is exceeded, a message is output to the operator. Furthermore, the previous connection can also be automatically replaced by the new connection.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Reduzierung von Prozessstörungen bei der Herstellung eines Walzproduktes. Durch die Berücksichtigung von komplexen Wechselwirkungen in Form einer Störungskennzahl bei der Steuerung einer Walzstraße können Prozessstörungen die zu einer Reduktion des Ausbringens der Walzstraße besser ausgeglichen werden.

Description

Titel:
Verfahren zur Reduzierung von Prozessstörungen bei der Herstellung eines Walzproduktes Gebiet:
Die Erfindung betrifft ein Verfahren zur Reduzierung von Prozessstörungen bei der Herstellung eines Walzproduktes.
Stand der Technik: Prozessstörungen bei der Herstellung eines Walzproduktes können eine Vielzahl von Ursachen haben. Eine Prozessstörung ist zunächst jede Abweichung eines Ist-Wertes von einer Sollvorgabe. Nicht jede vorkommende Prozessstörung wirkt sich dabei negativ auf das Ausbringen der Walzstraße aus. Ausbringen wird hier im erfindungsgemäßen Sinne verstanden als der Quotient aus der in einem Zeitintervall hergestellten den Vorgaben entsprechende Menge des Walzgutes und des in diesem Zeitintervall maximal in der Walzstraße herzustellenden den
Vorgaben entsprechende Menge des Walzgutes, a =
Figure imgf000002_0001
Das
Figure imgf000002_0002
erfindungsgemäße Ausbringen kann daher reduziert werden durch qualitative Abweichungen des Walzgutes oder Abweichungen in Bezug auf die Produktionsleistung bzw. Durchsatzleistung der Walzstraße, wobei qualitative Abweichungen ebenfalls wieder durch Abweichungen der Ist-Werte von Sollvorgaben für das Walzprodukt beschrieben werden können.
Walzstraßen bestehen üblicherweise aus einer Reihe von Aggregaten, beispielsweise Öfen, Walzgerüsten oder Kühlstrecken, die das Walzprodukt bei der Herstellung ohne Unterbrechung des Herstellungsvorgangs durchläuft. Dazu müssen einer Walzstraße bzw. den Aggregaten eine Vielzahl von Sollvorgaben für eine Steuer- und bzw. Regelung des Gesamtprozesses vorgegeben werden. Diese Sollvorgaben der Aggregate für den Herstellungsprozess basieren auf den Sollvorgaben für das Walzprodukt und dem Erfahrungswissen des Anlagenbetreibers oder Prozessmodellen für einzelne Aggregate, mit denen die Sollvorgaben des Walzproduktes eingehalten werden können.
Nicht jede Sollvorgabe eines Aggregates hat einen direkten Einfluss auf das Ausbringen der Walzstraße. Nicht jede Abweichung eines Ist-Wertes von einer Sollvorgabe in einem Aggregat führt somit auch direkt zu einer Reduzierung des Ausbringens. In gewissen Grenzen kann zunächst auch die Steuerung bzw. Regelung jedes einzelnen Aggregats der Walzstraße eine Abweichung eines Ist- Wertes von seiner Sollvorgabe beheben. Eine mögliche Folge kann aber sein, dass diese Abweichung von der Sollvorgabe bzw. eine Schwankung durch den Regelvorgang in einem Folgeaggregat der Walzstraße dann ebenfalls zu einer Abweichung von einem Sollwert und damit zu einer ausbringensrelevanten Prozessstörung führt. Bisherige Steuer- bzw. Regelkonzepte in Walzstraße setzten daher sehr enge Bereiche für die Toleranzen in Bezug auf Abweichungen von Sollvorgaben, die durch das einzelne Aggregat korrigiert werden können.
Bei auftretenden Prozessstörungen in der Walzstraße, die erkennbar zu einer Reduzierung des Ausbringens führen, müssen dann die Sollvorgaben und / oder der zulässige Regelbereich des Aggregates auf Basis von Erfahrungswerten und / oder Prozessmodellen angepasst werden. Hierbei werden aber üblicherweise die Anpassungen nur aggregatbezogen, wenn Dickenabweichungen durch Anpassen der Stichpläne oder Anstichtemperaturen, angepasst oder optimiert. Darüber hinaus gehende Wechselwirkungen werden zumeist nicht betrachtet. Teilweise sind Prozessmodelle bekannt, die für einzelne Prozessgrößen und / oder einzelne Aggregate Zusammenhänge zwischen Sollvorgaben bzw. Ist- Werten und den Auswirkungen auf das Walzprodukt beschreiben und Vorhersagen können. Prozessmodelle sind beispielsweise Temperaturmodelle, Gefügemodelle oder auch Umformungsmodelle im Walzspalt. Diese sind aus dem Stand der Technik bekannt. Diese sind zum Teil in der Lage, unabhängig von einer Anlagensteuerung aggregatübergreifend Sollvorgaben zu bestimmen oder auch Ist-Werte vorauszuberechnen. Die bisherigen Modelle berücksichtigen dabei aber nur eine geringe Anzahl von Eingangsgrößen und verfolgen (nur) einen relevanten Ist-Wert des Walzproduktes. Mit diesen Prozessmodellen ist der Fachmann in der Lage, Sollvorgaben für die Aggregate vorzuplanen, nachträglich Prozessfehler zu analysieren und einzelne Sollvorgaben anzupassen. Teilweise können diese Modelle auch innerhalb einer Steuerung oder Regelung auch aggregatübergreifend Einfluss auf den Prozess nehmen. Je mehr Sollvorgaben und Prozessparameter ein bisheriges bekanntes Prozessmodell dabei berücksichtigt, desto weniger lässt es sich in eine bekannte Steuer- oder Regelkonzepte einer Walzstraße integrieren, da bisher bekannte lineare Prozessmodelle mit steigender Komplexität überproportional Rechenkapazität benötigen. Prozessstörungen die aus einer komplexen Wechselwirkung von Abweichungen von Sollvorgaben in einzelnen Aggregaten der Walzstraße entstehen, können daher nur nach Abschluss der Produktion des Walzproduktes durch einen Fachmann mit Hilfe der bekannten Modelle oder auf Erfahrungswissen basierend analysiert und behoben werden. Dadurch entsteht ein gewisser Zeitversatz zwischen der Fehlererkennung und der Anpassung der Sollvorgaben. Dies kann das Ausbringen einer Walzstraße signifikant reduzieren.
Aufgabe der Erfindung:
Aufgabe der Erfindung ist es daher die Steuerung bzw. Regelung einer Walzstraße dahingehend zu verbessern, dass diese aggregatübergreifenden Wechselwirkungen zwischen den Sollvorgaben, Istwerten und Abweichungen zwischen den Werten bei der Steuerung bzw. Regelung der Walzstraße berücksichtigt und dadurch Prozessstörungen reduziert werden. Erfindung:
Die Erfindung wird mit einem Verfahren mit den Merkmalen gemäß dem Anspruch 1 gelöst. Bei der Herstellung eines Walzproduktes, insbesondere eines Warmbandes, mittels einer Walzstraße ist eine Prozessstörung mit Einfluss auf das Ausbringen der Walzstraße durch zumindest eine Abweichung eines Ist- Wertes von einer Sollvorgabe des Walzproduktes selbst und / oder einer Sollvorgabe eines Aggregates der Walzstraße während der Herstellung des Walzproduktes begründet, wobei dieser abweichende Ist-Werte mit mehr als 4 Ist- Werten bzw. Sollvorgaben verbunden ist. Verbunden bedeutet im erfindungsgemäßen Sinne, dass eine Schwankung, insbesondere Abweichung von einer Sollvorgabe, dieses Wertes direkt oder indirekt zu einer Schwankung von zumindest 4 weiteren Ist-Werten führt und / oder verursacht wird. Die Herstellung des Walzproduktes mit der Walzstraße erfolgt durch zumindest eine Wärmeinrichtung, zumindest ein Walzgerüst, mindestens eine Kühlstrecke, wobei eine übergeordnete Steuerung der Walzstraße die Herstellung auf Basis von Sollvorgaben steuert oder regelt.
Das Ausbringen, die Ist-Werte sowie zugehörende Sollvorgaben der Herstellung und des Walzproduktes, insbesondere Abmessungen der Aggregate und / oder Prozessmesswerte, werden an unterschiedlichen Stellen in der Walzstraße aufgenommen und das Ausbringen, die Ist-Werte und die Sollvorgaben für eine weitere Verwendung gespeichert. Das Ausbringen, die Ist-Werte und die Sollvorgaben sind für eine weitere Auswertung und Abruf durch die übergeordnete Steuerung oder ein externes Auswertesystem auf einem Datenspeicher verfügbar.
Eine einzelne Prozessstörung von einem oder mehreren Aggregaten, insbesondere, wenn daraus eine Abweichung in Bezug auf das Walzprodukt entsteht, wird als Datensatz mit den zugehörenden Sollvorgaben und Ist-Werten erfasst. Daraus ermittelt ein Modell, insbesondere ein mit der Steuerung der Walzstraße verbundenes Modell, einen Zusammenhang zur Bestimmung einer Störungskennzahl. Die Störungskennzahl ist im erfindungsgemäßen Sinne eine Kennzahl für eine Kombination von zu einer Prozessstörung führenden zusammengehörenden Sollvorgaben, Istwerten und Ausbringen. Ein Modell im erfindungsgemäßen Sinne ist dabei jeder mathematische Zusammenhang oder Algorithmus, mit dem eine derartige Kennzahl aus diesen Daten ermittelt werden kann. Aus dem Stand der Technik sind beispielsweise statistische Auswertemethoden, insbesondere Regressionsanalysen, als mathematische Methode dazu bekannt.
Das Modell berücksichtigt bei der Ermittlung des Zusammenhangs für die Störungskennzahl die Wechselwirkungen der Sollvorgaben und Ist-Werte über die gesamte Herstellung des Walzproduktes in der Walzstraße durch das Herstellen von Zusammenhängen zwischen gespeicherten Sollvorgaben und / oder Ist- Werten mit der einzelnen Prozessstörung und / oder auch der Sollvorgaben und / oder Ist-Werte ohne Prozessstörung.
Für eine Walzstraße können auf unterschiedlichen Zusammenhänge für die Störungskennzahl aufgestellt werden. Zusammenhänge können beispielsweise für unterschiedliche Abmessungen Werkstoffe oder Prozessverläufe aufgestellt werden.
Die übergeordnete Steuerung bestimmt mit Hilfe des gefundenen Zusammenhangs kontinuierlich während der Herstellung des Walzproduktes, insbesondere online, die Störungskennzahl auf Basis von Ist-Werten bei der Herstellung eines Walzproduktes. Die laufende Herstellung des Walzproduktes wird unterbrochen oder die Herstellung eines nachfolgenden Walzproduktes nicht begonnen, wenn die Störungskennzahl einen zuvor bestimmten kritischen Wertebereich erreicht. Als kritisch kann zunächst jeder Wertebereich der Störungskennzahl angesehen werden, der zu einer Abweichung eines Ist-Wertes des Walzproduktes von seiner Sollvorgabe führt. Um den kritischen Wertebereich zu verlassen oder nicht zu erreichen, kann die übergeordnete Steuerung alternativ zur Unterbrechung der Herstellung geänderte Sollvorgaben für die Aggregate der Walzstraße für die weitere Herstellung vorgeben, wobei die geänderten Sollvorgaben mittels weiterer mit der übergeordneten Steuerung der Walzstraße verbundener Prozessmodelle, insbesondere Temperatur- und / oder Gefügemodelle, ermittelt und / oder optimiert werden können.
Weitere vorteilhafte Ausprägungen des Verfahrens ergeben sich den zum Anspruch 1 abhängigen Ansprüchen 2 bis 11.
Das Ausbringen der Walzstraße wird beispielsweise durch eine Cobble-Bildung des Walzproduktes reduziert. Unter einem Cobble wird jede Fehlwalzung verstanden, die zu einer Unterbrechung des Walzvorgangs eines einzigen Walzproduktes oder einer Reihe von gleichen Walzprodukten führt. Dies kann beispielsweise das Hochgehen eines Walzproduktes in der Kühlstrecke oder zwischen zwei Walzgerüsten sein.
Cobble entstehen insbesondere durch Abweichungen bei den Prozessgrößen Walzkraft, Walztemperatur, Umformgraden und / oder dem Rekristallisationsverlauf des Walzproduktes im Prozessverlauf. Zur Vermeidung der Ausbringensreduktion durch Cobble werden bevorzugt Sollvorgaben und / oder Istwerte bei der Ermittlung der Störungskennzahl berücksichtigt, die die Cobble-Bildung eines metallischen Bandes beeinflussen. Dadurch kann die Anzahl der zu berücksichtigenden Sollvorgaben und / oder Ist-Werte reduziert werden.
Das Ausbringen der Walzstraße wird beispielsweise durch eine Geometrieabweichung des Walzproduktes reduziert. Geometrieabweichungen entstehen beispielsweise durch Walzenverschleiß, ungleichmäße Walzkräfte und / oder einer ungleichmäßigen Temperaturverteilung auf der Oberfläche des Walzproduktes. Zur Vermeidung der Ausbringensreduktion werden bevorzugt Sollvorgaben und / oder Ist-Werte bei der Ermittlung der Störungskennzahl berücksichtigt, die die Geometrieabweichung eines metallischen Bandes beeinflussen. Dadurch kann die Anzahl der zu berücksichtigenden Sollvorgaben und / oder Ist-Werte reduziert werden.
Das Ausbringen der Walzstraße wird beispielsweise durch eine Abweichung der Produktqualität, vorzugsweise mechanische Eigenschaften, Oberflächenqualität und / oder Abmessungen, reduziert. Zur Vermeidung der Ausbringensreduktion werden bevorzugt Sollvorgaben und / oder Ist-Werte bei der Ermittlung der Störungskennzahl berücksichtigt, die eine Abweichung der Produktqualität, vorzugsweise mechanische Eigenschaften, Oberflächenqualität und / oder Abmessungen, beeinflussen. Einfluss auf die Produktqualität können insbesondere das Walzenalter, die Temperaturführung in der Walzstraße und / oder die chemische Ist-Analyse des Walzproduktes in Bezug auf den Werkstoff haben. Dadurch kann die Anzahl der zu berücksichtigenden Sollvorgaben und / oder Ist-Werte reduziert werden.
Das Ausbringen der Walzstraße wird beispielsweise durch eine Verminderung der Produktionsleistung, insbesondere durch ungeplante Stillstände von Aggregaten, reduziert. Einfluss auf das Auftreten von ungeplanten Stillständen können beispielsweise die Prozessparameter Kühlwasserqualität, Stützwalzenalter, Wartungsintervalle der Aggregate bzw. Teilen von Aggregaten, und / oder die Stromaufnahme von Antrieben haben. Zur Vermeidung der Ausbringensreduktion werden bevorzugt Sollvorgaben und / oder Ist-Werte bei der Ermittlung der Störungskennzahl berücksichtigt, die eine Verminderung der Produktionsleistung, insbesondere durch Stillstände von Aggregaten, beeinflussen. Dadurch kann die Anzahl der zu berücksichtigenden Sollvorgaben und / oder Ist-Werte reduziert werden. Bevorzugt werden mehr als 5, vorzugsweise mehr als 25, noch mehr bevorzugt mehr als 100 Ist-Werte in der gesamten Walzstraße bei der Ermittlung der Störungskennzahl verwendet. Je mehr Ist-Werte und Sollvorgaben miteinander verknüpft werden, desto mehr Wechselwirkungen können berücksichtigt werden. Dadurch sinkt zusätzlich das Risiko durch nicht berücksichtigte Sollvorgaben und / oder Ist-Werte bei gleichen Eingangsgrößen unterschiedliche Kennzahlen zu erhalten.
Die Störungskennzahl wird bevorzugt in Form einer Wahrscheinlichkeitskennzahl ermittelt. Gleiche Ist-Werte der Herstellung können, wenn nicht erfasste störungsrelevante Einflussparameter vorliegen, zu einer Reduktion des Ausbringens führen. Eine Störungskennzahl in Form einer Wahrscheinlichkeit bildet dies vorzugsweise ab.
Das Modell verwendet vorzugsweise einen selbstlernenden Algorithmus, besonders bevorzugt ein Kl-Algorithmus, zur Bestimmung der Störungskennzahl. Derartige Algorithmen, insbesondere neuronale Netze, können schnell
Zusammenhänge zwischen einer Vielzahl von unterschiedlichen Prozessdaten mit einer für eine Steuerung ausreichenden Genauigkeit hersteilen. Bei neuronalen Netzen ist es nicht notwendig, physikalischen Zusammenhänge der einzelnen Prozesse abzubilden, sondern es erfolgt ein Gewichtungs- und Lernprozessprozess. Dadurch können auch Prozessparameter miteinander verbunden werden, die zunächst keinen direkten physikalischen Zusammenhang haben. Dadurch vereinfacht sich die Aufstellung eines Modells zur Ermittlung der Störungskennzahl erheblich.
Das Modell zur Ermittlung des Zusammenhangs ermittelt bevorzugt zyklisch, mehr bevorzugt ein Mal pro Walzkampagne, den Zusammenhang auf Basis der Ist- Werte, Sollvorgaben und / oder des Ausbringens neu und berechnet mit dem neuen Zusammenhang neue Störungskennzahl. Eine Walzkampagne kann dabei eine Reihe von unterschiedlichen Walzprodukten oder auch eine definierte Anzahl von gleichartigen Walzprodukten sein. Die Anzahl sollte so gewählt sein, dass ausreichen Datensätze vorhanden sind. Bei einer Abweichung zwischen dem Mittelwert und / oder Streuung der alten und neuen Störungskennzahlen von mehr als 10 %, vorzugsweise von mehr als 5 %, noch mehr bevorzugt mehr als 2,5 % zumindest eine Warnmeldung erzeugt und mittels der Steuerung der Walzstraße an einen Bediener übermittelt. Hierdurch kann Regelmäßig die Güte des Zusammenhangs ermittelt und Überwacht werden. Idealerweise erfolgt dies dadurch, dass das Modell zur Bestimmung des Zusammenhangs auf dem Prozessrechner der übergeordneten Steuerung ausgeführt wird. Dadurch kann die Ausgabe und Darstellung eines derartigen Wertes schnell und einfach innerhalb der Steuerungsanlage der Walzstraße erfolgen.
Durch ein selbstlernendes Verhalten des Algorithmus steigt die Genauigkeit der Bestimmung der Störungskennzahl mit jedem hergestellten Walzprodukt. Bei einer entsprechenden Konfiguration des Algorithmus in Verbindung mit der Steuerung der Walzstraße und dem Datenspeicher ist hierbei ein Eingriff eines Fachmanns zur Behebung einer Prozessstörung nicht notwendig oder wesentlich geringer
Vorzugsweise wird der selbstlernende Algorithmus zur Ermittlung der Kennzahl mit bestehenden Datensätzen einer Walzstraße trainiert. Dadurch kann vor Inbetriebnahme der Walzstraße ein funktionsfähiges Modell aufgestellt werden. Hierzu können beispielsweise Daten von Aggregaten miteinander kombiniert werden, die derzeit nicht im Verbund produzieren.
Die Ermittlung von geänderten Soll-Prozessparametern zum Vermeiden oder Verlassen des kritischen Wertebereiches der Störungskennzahl erfolgt bevorzugt durch einen selbstlernenden Algorithmus, vorzugsweise ein Kl-Algorithmus. Auch hier kann mit einfachen Mitteln ein Zusammenhang zwischen Prozessparametern und Sollvorgaben aufgestellt werden, ohne das physikalische Zusammenhänge berücksichtigt werden. Der selbstlernende Anteil erhöht dann die Genauigkeit der Sollvorgabe. Vorzugsweise wird der selbstlernende Algorithmus zur Ermittlung der geänderten Sollvorgaben mit bestehenden Datensätzen einer Walzstraße trainiert. Dadurch kann vor Inbetriebnahme der Walzstraße ein funktionsfähiges Modell aufgestellt werden. Hierzu können beispielsweise Daten von Aggregaten miteinander kombiniert werden die derzeit nicht im Verbund produzieren.
Weiterhin wird die Erfindung durch ein Verfahren mit den Merkmalen des Anspruchs 12 gelöst. Prozessstörungen in der Walzstraße einer Gießwalzanlage mit einer übergeordneten Steuerung werden durch ein Verfahren gemäß einem der Ansprüche 1 bis 11 reduziert und die Ist-Werte und die Sollvorgaben der Aggregate vor dem ersten Anstich des Walzproduktes in einem Walzgerüst werden bei dem Verfahren berücksichtigt. Der Gieß- und Erstarrungsprozess beeinflusst die Qualität des Walzproduktes erheblich. Hier sind ebenfalls eine Vielzahl von Prozessparametern zusätzlich zu denen der Walzstraße vorhanden die bisher nicht oder nur vereinfacht bei der Steuerung oder Regelung einer Walzstraße berücksichtigt wurden. Insbesondere da eine direkte physikalische Modellierung einzelner Vorgänge, wie z.B. die Erstarrung mit gleichzeitiger Gefügeausbildung bisher nicht möglich ist. Hier ist die erfindungsgemäße effektbasierte Modellierung ohne zwingenden physikalischen Zusammenhang eine Möglichkeit Prozessstörungen zu vermeiden.
Die geänderten Sollvorgaben werden bevorzugt durch die Steuerung für die Aggregate vor dem ersten Anstich in einem Walzgerüst vorgegeben. Der laufende Gießprozess kann bei Prozessabweichungen üblicherweise nur schwer für eine laufende Produktion unterbrochen werden. Ein Ausschleusen eines Gießproduktes mit diesen Abweichungen aus einer Gießwalzanlage ist aber zumeist möglich. Dies ausgeschleusten Gießprodukte können beispielsweise nach einer Überprüfung und Freigabe wieder eingeschleust werden. Dadurch wird das Ausbringen der Gießwalzanlage gegenüber einem Ausfall des fertigen
Walzproduktes zusätzlich verbessert.
Weiterhin wird die Aufgabe der Erfindung durch eine Verfahren mit den Merkmalen des Anspruchs 12 gelöst. Vor Beginn der Herstellung des
Walzproduktes, vorzugsweise einer Reihe von unterschiedlichen Walzprodukten, wird die Störungskennzahl durch das Modell für jedes Walzprodukt auf Basis von geplanten Ist-Werten ermittelt. Im Falle einer kritischen Störungskennzahl wird der Einfluss des jeweils einzelnen Ist-Wertes in Bezug auf die Störungskennzahl und einer notwendigen geänderten Sollvorgabe gewichtet. Die Änderungen der
Sollvorgaben durch Instandhaltung und / oder Austausch von ganzen oder Teilen der bei der Herstellung beteiligten Aggregaten erfolgt dann vor Beginn der Herstellung des Walzproduktes. Hierdurch kann vor Beginn einer Produktion das Risiko zur Reduzierung des Ausbringens durch Stillstand eines Aggregates ermittelt und durch technische Maßnahmen reagiert werden. Dies beinhaltet den Austausch von Teilen der Aggregate oder auch ganzer Aggregate der Walzstraße, die bei bisheriger Steuerungsweise unvorhergesehen ausfallen. Alternativ können auch Walzprodukte aus der Produktionsreihenfolge entfernt und durch andere mit unkritischen Störungskennzahlen ersetzt werden.
Weiterhin wird die Aufgabe der Erfindung gelöst durch ein Verfahren mit den Merkmalen des Anspruch 13. Vor Beginn der Herstellung des Walzproduktes, vorzugsweise einer Reihe von unterschiedlichen Walzprodukten, wird die durch das Modell ermittelte Störungskennzahl für jedes Walzprodukt auf Basis von geplanten Ist-Werten ermittelt und im Falle einer kritischen Störungskennzahl wird der Einfluss des jeweils einzelnen Ist-Wertes in Bezug auf die Störungskennzahl und einer notwendigen geänderten Sollvorgabe gewichtet. Ein Optimierungsalgorithmus minimiert die Störungskennzahl im Bereich der anlagentechnischen möglichen Sollvorgaben durch eine Anpassung der Sollvorgaben. Insbesondere bei der Annahme von Störungswahrscheinlichkeiten als Störungskennzahl kann eine Minimierungsroutine vor Beginn der Produktion das Risiko einer Ausbringensreduktion verringern. Der Beschreibung der Erfindung sind drei Figuren beigefügt.
Figur 1 : Walzstraße mit übergeordneter Steuerung
Figur 2: Neuronales Netz
Figur 3: Programmstruktur
Die Erfindung wird nachfolgend unter Bezugnahme auf die Figuren in Form von Ausführungsbeispielen detailliert beschrieben. In allen Figuren sind gleiche technische Merkmale mit gleichen Bezugszeichen bezeichnet
Ausgehend von einer Gießwalzanlage (Gießanlage 1, Walzstraße 2 bis 11), wie sie in Figur 1 dargestellt ist, soll der Ablauf des erfindungsgemäßen Verfahrens erläutert werden. Die Gießwalzanlage besteht aus n = 1 bis 11 Aggregaten 1 bis 11. Jedem Aggregat sind m Messwerte MW mit entsprechenden n Sollvorgaben SV zu geordnet, die beim Betrieb und der Steuerung der Walzstraße anfallen und / oder erfasst werden. Dabei ist es nicht zwingend notwendig, dass alle Ist-Werte und Sollvorgaben in gleichen Zeitintervallen t erfasst werden, sondern einem Zeitintervall t muss jederzeit ein zutreffender Wert zugeordnet werden können. Weiterhin wird das Ausbringen a der Gießwalzanlage zu jedem dieser Zeitintervalle t durch eine Kennzahl beschrieben.
Beispielsweise können Verschleißdaten von Walzen, die zyklisch erfasst werden, einer Reihe von Walzprodukten gleichermaßen zugeordnet werden. Ebenso ist es mit entsprechenden vertrauenswürdigen Modellen möglich, Messwerte an Stellen zu simulieren (Softsensoren), die einer herkömmlichen Messung nicht zugänglich sind. Wesentlich ist, dass alle erfassten Ist-Werte, Sollvorgaben und das Ausbringen einem Zeitpunkt bzw. Intervall t zugeordnet werden können. Die Kennzahl Ausbringen a ist zunächst wie oben beschrieben definiert und kann bei Bedarf beispielsweise durch Qualitätsfaktoren fq und / oder monetäre Wertfaktoren fm gewichtet werden. Dadurch kann bei unterschiedlichen Werkstoffen des Walzproduktes der wirtschaftliche Erfolg der Gesamtproduktion besser verglichen und bewertet werden. Daraus ergibt sich die doppelte Zuordnung vom Ausbringen a zu den Messwerten MW und den Sollvorgaben SV (Formel 1.1).
Figure imgf000014_0001
Sofern Messwerte MW und Sollvorgaben SV nicht zwingend immer das gleiche Ausbringen a erreichen, kann aus dem fixen Wert Ausbringen a eine Ausbringenswahrscheinlichkeit aw oder reziprok zu a bzw. aw eine Störungskennzahl s und Störungswahrscheinlichkeit sw gebildet werden.
Messwerte sind beispielsweise Walzkräfte in der Fertigstraße 8, ein Temperaturprofil des Bandes / der Walzen über der Breite, eine Center Line Deviation, eine Walzenbiegung, ein Walzenalter, Ofenliegezeiten / -temperaturen und / oder ein Werkstoff des Walzproduktes. Sollvorgaben umfassen zusätzlich beispielsweise die Zielabmessung des Walzproduktes, das Coil-Gewicht, die Oberflächenqualität, die Werkstoffeigenschaften und / oder eine Gefügezusammensetzung des Walzproduktes. Messwerte eines Softsensors kann beispielsweise die auf Basis der Oberflächentemperatur ausgerechnete Kerntemperatur einer Bramme sein.
Dies so vorliegenden Daten werden mit der oben beschriebenen Zuordnung in einer Datenbank gespeichert, mit der beispielsweise ein neuronales Netz 13 trainiert wird. Training bedeutet, dass die vorhandenen Daten geteilt werden und mit einer Hälfte das neuronale Netz 13 in einem ersten Schritt den Zusammenhang 15 aufstellt und die Vorhersagequalität des Zusammenhangs für die Störungskennzahl anhand des zweiten Hälfte der Daten überprüft wird. Je mehr Eingangsgrößen 14 dabei berücksichtigt werden, desto mehr Datensätze müssen für das Training und die Kontrolle vorhanden sein. Zumindest sollten pro Eingangsgröße 14 ein Datensatz für das Trainieren und ein Datensatz für die
Kontrolle des Zusammenhangs 15 vorhanden sein {Figur 2).
Der hierdurch ermittelte Zusammenhang zwischen der Störungskennzahl bzw. Störungswahrscheinlichkeit und den Ist-Werten und Sollvorgaben wird dann genutzt um auf Basis der bei der Herstellung des Walzproduktes aktuell gemessenen Ist-Werte und Sollvorgaben einer aktuellen Produktion eine
Störungskennzahl oder -Wahrscheinlichkeit zu bestimmen.
Sofern diese Störungskennzahl dann einen zuvor definierten Bereich verlässt, beginnt die übergeordnete Steuerung 12 der Walzstraße (2-11) bei der laufenden Produktion mittels von Prozessmodellen unter Berücksichtigung der technischen Möglichkeiten der Aggregate die Sollvorgaben SV zu variieren. Das Vorgehen erfolgt hier in Iterationsschritten. Zunächst werden in einem ersten Schritt neue Sollvorgaben auf Basis einer vorgegebenen Varianz v und innerhalb Möglichkeiten der Aggregate und den Sollvorgaben für das Walzprodukt zu den bestehenden ermittelt. Mit diesen werden dann in einem zweiten Schritt mittels von Prozessmodellen neue Ist-Werte der Walzstraße vorausberechnet. Dieser Ist- Datensatz wird dann mit Hilfe des Zusammenhangs 15 in einem dritten Schritt auf seine Störungswahrscheinlichkeit hin bewertet. Sofern die Störungswahrscheinlichkeit innerhalb des gewünschten Bereiches ist, wird die Produktion mit diesen Sollvorgaben fortgesetzt. Erreicht die Störungskennzahl nicht den erwünschten Bereich, kann wieder mit Schritt 1 begonnen werden. Zum Vermeiden einer endlosen Iteration sollte ein Abbruchkriterium, beispielsweise eine Anzahl von Iterationsschritten die Iteration unterbrechen und dann die laufende Produktion unterbrechen. Das Modell 13 zur Bestimmung des Zusammenhangs 15 für die Störungskennzahl überprüft darüber hinaus zyklisch die Güte des Zusammenhangs 15. Dazu werden, analog zum Training des neuronalen Netzes, die bei der Herstellung von einer Reihe von Walzprodukten gespeicherten Datensätze in Gruppen zusammengefasst. Mit dieser neuen Gruppe von Datensätzen stellt das Modell einen neuen Zusammenhang für die Störungskennzahl auf. Dieser Zusammenhang und die damit ermittelten Werte für die Störungskennzahl werden mit dem bisherigen Zusammenhang und den bisherigen Werten für die Störungskennzahl verglichen und bewertet. Beim Überschreiten einer definierten Abweichung wird eine Meldung an den Bediener ausgegeben. Weiterhin kann der bisherige Zusammenhang auch automatisch durch den neuen Zusammenhang ersetzt werden.
Bezugszeichenliste:
1 Gießanlage
2 Schere
3 Ofen
4 Vorgerüst(e)
5 Transferbarkühlung
6 Ofen
7 Induktive Heizung
8 Fertiggerüst(e)
9 Kühlstrecke
10 Schere
11 Haspel
12 Übergeordnete Steuerung
13 Modell zur Ermittlung des Zusammenhangs
14 Eingangsgrößen für das Modell
15 Zusammenhang für Störungskennzahl
51 Prozessbedingungen ändern, die die Wahrscheinlichkeit direkt beeinflussen
52 Prüfen mit 12, ob diese neuen Prozessbedingungen mit dem Gesamtprozess kompatibel sind
53 Start der Produktion mit den vorgeschlagenen Prozessbedingungen
54 Überprüfung der Modellrechengenauigkeit
55 Nachtrainieren des neuronalen Netzes
SV Sollvorgaben
MW Messwerte a Ausbringen s Störungskennzahl

Claims

Patentansprüche:
1 . Verfahren zur Reduzierung von Prozessstörungen bei der Herstellung eines Walzproduktes, insbesondere Warmband, mittels einer Walzstraße (2-11 ), wobei
- eine Prozessstörung mit Einfluss auf das Ausbringen der Walzstraße (2-11) durch zumindest eine Abweichung eines Ist-Wertes von einer Sollvorgabe des Walzproduktes selbst und / oder einer Sollvorgabe eines Aggregates der Walzstraße (2-11) während der Herstellung des Walzproduktes begründet ist, wobei dieser abweichende Ist- Werte mit mehr als 4 weiteren Ist-Werten bzw. Sollvorgaben verbunden ist; und
- die Herstellung des Walzproduktes mit der Walzstraße (2-11) durch zumindest eine Wärmeinrichtung (3,6,7), ein Walzgerüst (4,8), eine Kühlstrecke (9) erfolgt, wobei eine übergeordnete Steuerung (12) der Walzstraße (2-11) die Herstellung auf Basis von Sollvorgaben steuert oder regelt; und
- das Ausbringen, Ist-Werte sowie zugehörende Sollvorgaben der Herstellung und des Walzproduktes, insbesondere Abmessungen der Aggregate und / oder Prozessmesswerte, an unterschiedlichen Stellen in der Walzstraße (2-11) aufgenommen und das Ausbringen, die Ist-Werte und die Sollvorgaben für eine weitere Verwendung gespeichert werden, wobei das Ausbringen, die Ist-Werte und die Sollvorgaben für eine weitere Auswertung und Abruf durch die übergeordnete Steuerung (12) oder ein externes Auswertesystem auf einem Datenspeicher verfügbar sind; und eine einzelne Prozessstörung von einem oder mehreren Aggregaten, insbesondere, wenn daraus eine Abweichung in Bezug auf das Walzprodukt entsteht, als Datensatz mit den zugehörenden Sollvorgaben und Ist-Werten erfasst wird und ein Modell, insbesondere ein mit der übergeordneten Steuerung (12) der Walzstraße (2-11) verbundenes Modell, einen Zusammenhang zur Bestimmung einer Störungskennzahl daraus ermittelt; und
- das Modell bei der Ermittlung des Zusammenhangs für die Störungskennzahl die Wechselwirkungen der Sollvorgaben und Ist- Werte über die gesamte Herstellung des Walzproduktes in der Walzstraße (2-11) berücksichtigt durch das Herstellen von Zusammenhänge zwischen den gespeicherten Sollvorgaben und / oder Ist-Werten mit der einzelnen Prozessstörung und / oder auch zwischen den Sollvorgaben und / oder den Ist-Werten ohne Prozessstörung; und
- die übergeordnete Steuerung (12) mit Hilfe des gefundenen Zusammenhangs kontinuierlich während der Herstellung des Walzproduktes, insbesondere online, die Störungskennzahl auf Basis von Ist-Werten bei der Herstellung eines Walzproduktes bestimmt; und
- die übergeordnete Steuerung die laufende Herstellung des Walzproduktes unterbricht oder die Herstellung eines nachfolgenden Walzproduktes nicht beginnt, wenn die Störungskennzahl einen zuvor bestimmten kritischen Wertebereich erreicht oder um den kritischen Wertebereich zu verlassen oder nicht zu erreichen die übergeordnete Steuerung geänderte Sollvorgaben für die Aggregate der Walzstraße (2-11) für die weitere Herstellung vorgibt, wobei die geänderten Sollvorgaben mittels weiterer mit der übergeordneten Steuerung der Walzstraße (2-11) verbundener Prozessmodelle, insbesondere Temperatur- und / oder Gefügemodelle, ermittelt und / oder optimiert werden.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das Ausbringen der Walzstraße (2-11) durch eine Cobble-Bildung des Walzproduktes reduziert wird.
3. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das Ausbringen der Walzstraße (2-11) durch eine Geometrieabweichung des Walzproduktes reduziert wird.
4. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das Ausbringen der Walzstraße (2-11) durch eine Abweichung der Produktqualität, vorzugsweise mechanische Eigenschaften, Oberflächenqualität und / oder Abmessungen, reduziert wird.
5. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das Ausbringen der Walzstraße (2-11) durch eine Verminderung der Produktionsleistung, insbesondere durch Stillstände von Aggregaten, reduziert wird.
6. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass mehr als 5, vorzugsweise mehr als 25, noch mehr bevorzugt mehr als 100 Ist-Werte mit den Ist-Werten der Prozessstörung bei der Ermittlung der Störungskennzahl verwendet werden.
7. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Störungskennzahl in Form einer Wahrscheinlichkeitskennzahl ermittelt wird.
8. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das Modell einen selbstlernenden Algorithmus, vorzugsweise ein Kl- Algorithmus, zur Bestimmung des Zusammenhangs für die Störungskennzahl verwendet.
9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass der selbstlernende Algorithmus mit bestehenden Datensätzen einer Walzstraße (2-11 ) trainiert wird.
10. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass
- das Modell zur Ermittlung des Zusammenhangs zyklisch, vorzugsweise ein Mal pro Walzkampagne, den Zusammenhang auf Basis der Ist-Werte, Sollvorgaben und / oder des Ausbringens neu ermittelt; und
- mit dem neuen Zusammenhang neue Störungskennzahl berechnet; und
- bei einer Abweichung zwischen dem Mittelwert und / oder Streuung der alten und neuen Störungskennzahlen von mehr als 10 %, vorzugsweise von mehr als 5 %, noch mehr bevorzugt mehr als 2,5 % zumindest eine Warnmeldung erzeugt und mittels der Steuerung der Walzstraße (2-11 ) an einen Bediener übermittelt.
11.Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Ermittlung von geänderten Sollvorgaben zum Vermeiden oder Verlassen des kritischen Wertebereiches der Störungskennzahl durch einen selbstlernenden Algorithmus, vorzugsweise ein Kl- Algorithmus, erfolgt.
12. Verfahren nach Anspruch 11 , dadurch gekennzeichnet, dass der selbstlernende Algorithmus zur Ermittlung der Sollvorgaben mit bestehenden Datensätzen einer Walzstraße (2-11 ) trainiert wird.
13. Verfahren zum Herstellen eines Walzproduktes mittels einer Gießwalzanlage (1-11) mit einer übergeordneten Steuerung (12), dadurch gekennzeichnet, dass
- die Prozessstörungen in der Walzstraße (2-11) durch ein Verfahren gemäß einem der Ansprüche 1 bis 12 reduziert werden, und
- Ist-Werte und Sollvorgaben der Aggregate vor dem ersten Anstich in einem Walzgerüst (4,8) der Walzstraße (2-11) bei dem Verfahren berücksichtigt werden, und
- geänderte Sollvorgaben durch die Steuerung für Aggregate vor dem ersten Anstich in einem Walzgerüst (4,8) der Walzstraße (2-11) vorgegeben werden.
14. Verfahren zum Vermeiden von Produktionsunterbrechungen bei der Herstellung eines Walzproduktes durch ein Verfahren gemäß einem der Ansprüche 1 bis 12 oder Anspruch 13, dadurch gekennzeichnet, dass - vor Beginn der Herstellung des Walzproduktes, vorzugsweise einer Reihe von unterschiedlichen Walzprodukten, der Zusammenhang für die Störungskennzahl durch das Modell für jedes Walzprodukt auf Basis von geplanten Ist-Daten und / oder Sollvorgaben ermittelt wird, und
- im Falle einer kritischen Störungskennzahl der Einfluss des jeweils einzelnen Ist-Wertes in Bezug auf die Störungskennzahl und einer notwendigen geänderten Sollvorgabe gewichtet wird, und
- die Änderungen der Sollvorgaben durch Instandhaltung und / oder Austausch von ganzen oder Teilen der bei der Herstellung beteiligten Aggregaten vor Beginn der Herstellung des Walzproduktes erfolgt.
15. Verfahren zum Vermeiden von Produktionsunterbrechungen bei der Herstellung eines Walzproduktes durch ein Verfahren gemäß einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, dass
- vor Beginn der Herstellung des Walzproduktes, vorzugsweise einer Reihe von unterschiedlichen Walzprodukten, die Störungskennzahl durch das Modell für jedes Walzprodukt auf Basis von geplanten Ist- Daten ermittelt wird, und
- im Falle einer kritischen Störungskennzahl der Einfluss des jeweils einzelnen Ist-Wertes in Bezug auf die Störungskennzahl und einer notwendigen geänderten Sollvorgabe gewichtet wird, und ein Optimierungsalgorithmus die Störungskennzahl im Bereich der anlagentechnischen möglichen Soll-Prozessparameter durch eine Anpassung der Soll-Prozessparameter minimiert.
PCT/EP2021/055912 2020-03-09 2021-03-09 Verfahren zur reduzierung von prozessstörungen bei der herstellung eines walzproduktes WO2021180719A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP21711817.3A EP4117836A1 (de) 2020-03-09 2021-03-09 Verfahren zur reduzierung von prozessstörungen bei der herstellung eines walzproduktes

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020202955.5 2020-03-09
DE102020202955 2020-03-09

Publications (1)

Publication Number Publication Date
WO2021180719A1 true WO2021180719A1 (de) 2021-09-16

Family

ID=74873727

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2021/055912 WO2021180719A1 (de) 2020-03-09 2021-03-09 Verfahren zur reduzierung von prozessstörungen bei der herstellung eines walzproduktes

Country Status (2)

Country Link
EP (1) EP4117836A1 (de)
WO (1) WO2021180719A1 (de)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3293594A1 (de) * 2016-09-13 2018-03-14 Primetals Technologies Germany GmbH Verwendung umfassender künstlicher intelligenz bei anlagen der grundstoffindustrie

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3293594A1 (de) * 2016-09-13 2018-03-14 Primetals Technologies Germany GmbH Verwendung umfassender künstlicher intelligenz bei anlagen der grundstoffindustrie

Also Published As

Publication number Publication date
EP4117836A1 (de) 2023-01-18

Similar Documents

Publication Publication Date Title
EP0813701B1 (de) Leitsystem für eine anlage der grundstoff- oder der verarbeitenden industrie o.ä.
EP0813700B1 (de) Intelligentes rechner-leitsystem
DE4338615B4 (de) Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
DE112019001512T5 (de) EINSPRITZGIEßMASCHINENSYSTEM
DE4008510A1 (de) Regeleinheit mit optimal-entscheidungsmitteln
EP0756219B1 (de) Verfahren zur Überwachung von Produkteigenschaften und Verfahren zur Regelung eines Herstellungsprozesses
EP3358431A1 (de) Ganzheitliche planung von produktions- und/oder wartungsplänen
WO2012159866A1 (de) Steuerverfahren für eine walzstrasse
DE4416317B4 (de) Verfahren und Regeleinrichtung zur Regelung eines materialverarbeitenden Prozesses
DE102019214548A1 (de) Steuervorrichtung und steuerverfahren
WO2021228927A1 (de) System und verfahren zur steuerung einer aus mehreren anlagenteilen bestehenden produktionsanlage, insbesondere einer produktionsanlage zur erzeugung von industriegütern wie metallischem halbzeug
EP3791971A1 (de) Kaltwalzen eines walzguts in einer walzstrasse mit mehreren walzgerüsten
EP4146414B1 (de) Verfahren zum steuern oder regeln der temperatur eines stahlbandes bei der warmumformung in einer warmbandstrasse
EP0837825B1 (de) Verfahren zur regelung einer bahnspannung
DE19731980A1 (de) Verfahren zur Steuerung und Voreinstellung eines Walzgerüstes oder einer Walzstraße zum Walzen eines Walzbandes
EP4045982A1 (de) Kontrollverfahren für die kontrolle wenigstens eines teils eines produktionsprozesses einer folienextrusionsanlage
WO2021180719A1 (de) Verfahren zur reduzierung von prozessstörungen bei der herstellung eines walzproduktes
DE102004005011B4 (de) Regelverfahren und Regler für ein Walzgerüst
EP4045986A1 (de) Verfahren für eine modellbasierte bestimmung von modellparametern
DE3425129A1 (de) Verfahren zur walzenkuehlung an einem kaltwalzwerk
EP3798750B1 (de) Verfahren zum überwachen und steuern einer anlage zum walzen metallener produkte
DE4325074C2 (de) Verfahren zur Regelung der Walzgutgeschwindigkeit in einer mehrgerüstigen kontinuierlichen Warmwalzstraße zur Gewährleistung minimaler Längszugkräfte
EP4130895A1 (de) Verfahren zum ermitteln eines steuerparameters zum steuern einer walzanlage
EP4247574A1 (de) VERFAHREN ZUR EINSTELLUNG DER EIGENSCHAFTEN EINES WARMBANDES MIT EINER BESTIMMTEN CHEMISCHEN ZUSAMMENSETZUNG IN EINER WARMBANDSTRAßE
WO2021110300A1 (de) Verfahren und computersystem zur vorhersage einer schrumpfung eines gegossenen metallproduktes

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21711817

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
ENP Entry into the national phase

Ref document number: 2021711817

Country of ref document: EP

Effective date: 20221010