Análisis y modelado del proceso de recocido de una línea de producción de acero inoxidable utilizando técnicas de aprendizaje automático

Resumen

En un mundo donde los mercados son cada día más globales y cambiantes, la industria necesita nuevas herramientas para mejorar su flexibilidad y mantener la competitividad. Una estrategia para ello es la búsqueda de conocimiento útil a partir de la información procedente de sus procesos productivos. El objetivo general de la Tesis consiste en la resolución de un problema industrial utilizando técnicas de aprendizaje automático. El objeto de análisis es un horno de recocido de acero inoxidable, encargado de la recuperación de la estructura cristalina de la red metálica de la banda de acero inoxidable que ha sufrido una alteración de sus propiedades metalúrgicas en su fase anterior de laminado en caliente. La resolución del problema consiste en encontrar patrones de comportamiento que pudieran servir para mejorar la calidad del producto final y reducir los fallos del proceso de recocido. Para ello, se parte de los datos históricos del proceso de recocido realizado en la factoría Acerinox Europa, situada en Los Barrios. A partir de la base de datos de dicho proceso, se aplican herramientas que extraigan conocimiento implícito subyacente en dicha información almacenada. Debido al volumen y complejidad de esta información, los métodos tradicionales no pueden ser empleados, por lo que se utilizó la metodología clásica de minería de datos, convirtiéndose esta técnica en una disciplina crucial para extraer conocimiento útil. La primera parte de la tesis consiste en la extracción de conocimiento útil y no trivial en forma de patrones que expliquen fallos frecuentes en el recocido, como son los valores de temperatura, velocidad y recocido de las bobinas. A partir de estos datos se puede conocer a posteriori si las bobinas han sufrido defectos causados por el exceso o defecto del recocido al que ha estado sometido, con el fin de evitar sobrecostes de fabricación de la bobina de acero inoxidable. A partir de unas tablas de datos de bobinas, se han filtrado aquellos pertenecientes a las bobinas recocidas en la línea 3320 (AP-2), para organizarlos con el fin de facilitar los cálculos a realizar. Este conjunto de bobinas se clasifica en distintas tablas según el tipo de acero. Para todas las bobinas de cada tipo de acero se calcula el valor ideal de recocido que debe tener en función de su tipo y espesor. Además se calcula el valor de recocido real que ha tenido cada bobina, considerando por tanto los datos reales y no ideales. Se propone una metodología global integrando tratamiento de datos y minería de reglas de asociación para mostrar eventos con alto grado de coocurrencia durante fallos en el proceso. Para ello se han desarrollado modelos espacio temporales del proceso. La segunda parte se centra en mejorar el modelado de sistemas no lineales a partir de datos históricos. Realizando la clasificación de la energía térmica recibida en cada bobina, con el fin de poder caracterizar el comportamiento del proceso frente a los distintos tipos de aceros, y espesor. Además dado el enorme volumen de información generado cada día, esta clasificación permite disponer de un mecanismo que detecta anomalías y tendencias. El control del proceso de recocido se conseguirá mediante la obtención de un modelo que permita simular el funcionamiento del horno de recocido ante bandas de acero de distintos tipos de acero, espesor, ancho. Consiguiendo un proceso de recocido con menor coste energético y la minimización de los errores de recocido por falta o exceso. La tesis que se propone aporta una nueva técnica de control de proceso de una línea de recocido, incorporando la experiencia adquirida durante años en el proceso de recocido a dicho control y para ello se usarán técnicas innovadoras aplicadas en tiempo real. Actualmente se realiza el control en el horno de forma manual mediante el aumento y disminución de la temperatura y la velocidad por parte del operador. Debido a la complejidad de los datos no se puede establecer una ecuación lineal donde entren unos datos y salgan unos resultados. Por ello se recurre a técnicas estadísticas y redes neuronales, para establecer modelos que manejen el sistema en tiempo real. Para alcanzar el objetivo principal, se plantean los siguientes objetivos parciales: ¿ Comprender el sistema a partir de los históricos del proceso. ¿ Disminución del consumo de energía en el horno de recocido. ¿ Mejora de la calidad de recocido de material. ¿ Aumento de la productividad de la línea. ¿ Disminución de los incidentes en el proceso de la línea de recocido AP-2 (rotura de soldadura entre bobinas, disminución de defectos de recocido, etc.) ¿ Realización de un modelo donde se desarrolle un sensor lógico para la proyección de los puntos de operación del horno y la generación de alarmas. Se puede entender un sensor lógico como el proceso de estimación de cualquier variable del sistema de calidad del producto utilizando modelos matemáticos, sustituyendo algunos sensores físicos y utilizando datos recogidos mediantes sensores hardware.El modelo ha sido validado con datos de bobinas que ya han sido sometidas al proceso de recocido. Se han contrastado los resultados obtenidos en los ensayos metalúrgicos de laboratorio y los controles de calidad con los modelos obtenidos.