AT500365B1 - Echtzeitsystem und -verfahren zum uberwachen transienter vorgange bei einem stranggiessprozess zur ausbruchsverhinderung - Google Patents
Echtzeitsystem und -verfahren zum uberwachen transienter vorgange bei einem stranggiessprozess zur ausbruchsverhinderung Download PDFInfo
- Publication number
- AT500365B1 AT500365B1 AT0088605A AT8862005A AT500365B1 AT 500365 B1 AT500365 B1 AT 500365B1 AT 0088605 A AT0088605 A AT 0088605A AT 8862005 A AT8862005 A AT 8862005A AT 500365 B1 AT500365 B1 AT 500365B1
- Authority
- AT
- Austria
- Prior art keywords
- transient
- stage
- model
- data
- sen
- Prior art date
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D11/00—Continuous casting of metals, i.e. casting in indefinite lengths
- B22D11/16—Controlling or regulating processes or operations
-
- 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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Continuous Casting (AREA)
Description
2 AT 500 365 B1
TECHNISCHES GEBIET
Die vorliegende Erfindung betrifft allgemein einen Stranggießprozess und insbesondere ein Echtzeitsystem und -verfahren zum Überwachen transienter Vorgänge bei einem Stranggießprozess, einschließlich Wechsel eingetauchter Eintrittsdüsen (SEN-Wechsel), fliegender Tun-dish-Wechsel, Produktqualitätsänderungen usw., um Formausbrüche vorherzusagen und zu verhindern, bei denen es sich um katastrophale Prozessfehler in einem Stranggießprozess handelt. Dieses System erzeugt Alarme, um einen bevorstehenden Ausbruch während eines der voranstehend erwähnten transienten Vorgänge der Stranggießmaschine anzugeben, und es identifiziert die Prozessvariablen, die sich am wahrscheinlichsten auf den vorhergesagten Ausbruch beziehen, so dass geeignete Steuertätigkeiten von Bedienpersonen automatisch oder manuell ausgeführt werden können, um die Möglichkeit des Auftretens eines Ausbruchs zu verringern. STAND DER TECHNIK Stranggießprozess
Das Stranggießen in der Stahlherstellungsindustrie ist der Prozess, bei dem geschmolzener Stahl zu einem halbfertigen Produkt in der Art eines Barrens, eines Blocks oder einer Bramme verfestigt wird, um es anschließend in einer Warmbandstraße oder einer Fertigwalzstraße zu walzen. Dieser Prozess wird durch eine als Stranggießmaschine bekannte wohlkonstruierte Gießmaschine erreicht.
Figur 1 zeigt ein schematisches Diagramm einer Stranggießmaschine gemäß dem Stand der Technik, die die folgenden Schlüsselelemente aufweist: einen Gießturm 20, eine Pfanne 22, einen Tundish 24 mit einer Stopperstange 26, eine eingetauchte Eintrittsdüse (SEN) 28, eine wassergekühlte Kupferform 30, einen Walzenaufnahmeabschnitt mit zusätzlichen Kühlkammern 32, eine Strecker-Rückzugseinheit 34 und eine Flammentrennereinheit 36.
Geschmolzener Stahl von einem elektrischen Lichtbogenofen oder einem einfachen Sauerstoffofen wird in eine Pfanne abgezweigt und der Stranggießmaschine zugeführt. Dieser als eine Charge bezeichnete Stahlvorrat wird zum Gießen mehrerer Brammen, Blöcke oder Barren verwendet. Die Pfanne wird durch den Turm 20 in die Gießposition oberhalb des Tundish 24 gebracht. Der Stahl wird in den Tundish 24 und dann durch die SEN 28, die zum Regeln der Stahlflussrate und zum Bereitstellen einer genauen Steuerung des Stahlniveaus 38 in der Form verwendet wird, in die wassergekühlte Kupferform 30 gegossen. Wenn sich der geschmolzene Stahl bei einer gesteuerten Rate (als Gießgeschwindigkeit bezeichnet) die Form 30 hinabbewegt, verfestigt sich die äußere Hülle 39 des Stahls, so dass ein Stahlstrang 40 erzeugt wird. Nach dem Austreten aus der Form 30 tritt der Strang 40 in einen Walzenaufnahmeabschnitt und eine Kühlkammer ein, worin der sich verfestigende Strang mit Wasser besprüht wird, um die Verfestigung zu fördern. Sobald der Strang vollständig verfestigt ist und die Strecker-Rückzugseinheit 34 durchlaufen hat, wird er durch die Trenneinheit 36 zu der erforderlichen Länge geschnitten und wird zu einer Bramme 46.
Spezielle Gießpraxis
Mit Bezug auf das in Figur 2 dargestellte Gießgeschwindigkeitsprofil 50 sei bemerkt, dass die gesamte Vorgangsabfolge einer Stranggießmaschine aus einem kurzen Einleitungsvorgang 52, gefolgt von einem längeren, kontinuierlichen Laufzeit-Produktionsvorgang 54 und schließlich einem Herunterfahrvorgang 56 besteht. Die wesentlichen beim Betrieb auftretenden Probleme bei Stranggießprozessen beziehen sich auf das Erreichen eines stabilen Betriebs nach dem Einleiten und das anschließende Aufrechterhalten der Stabilität. Zum Verbessern der Wirksamkeit und der Flexibilität des Gießprozesses wird erwartet, dass möglichst viele Chargen kontinuierlich in einer einzigen Gießfolge gegossen werden. Zu diesem Zweck müssen während des 3 AT 500 365 B1 kontinuierlichen Laufzeit-Produktionsvorgangs bestimmte spezielle Gießpraktiken ausgeführt werden. Beispielsweise werden SEN-Wechsel und fliegende Tundish-Wechsel aktiviert, um eine SEN oder einen Tundish beim aktuellen Betrieb zu ersetzen, wenn ihre Nutzungsdauer abläuft, und erfordern Produktqualitätsänderungen das Einführen eines Produktqualitätstrenners, um verschiedene Stahlqualitäten als aufeinanderfolgende Chargen zu gießen. All diese speziellen Gießpraktiken, die im Rahmen dieser Erfindung als transiente Vorgänge bezeichnet werden, erfordern das Verringern der Gießgeschwindigkeit. Die sich ergebenden Prozesstrajek-torien weisen ein gemeinsames Merkmal auf, das darin besteht, dass während eines SEN-Wechsels, eines fliegenden Tundish-Wechsels oder einer Produktqualitätsänderung die Gießgeschwindigkeit zuerst erheblich verlangsamt wird (etwa 0,6 Meter/Minute für einen SEN-Wechsel und 0,1 Meter/Minute für einen fliegenden Tundish-Wechsel oder eine Produktqualitätsänderung), sie dann für einen kurzen Zeitraum, während dessen die verbrauchte SEN bzw. der verbrauchte Tundish ersetzt wird oder ein Produktqualitätstrenner automatisch oder manuell eingeführt wird, unverändert bleibt und schließlich die Gießgeschwindigkeit über mehrere Minuten allmählich wieder auf ihre normalen Betriebsbedingungen hochgefahren wird. Die Wirkungen auf das Gießgeschwindigkeitsprofil während eines SEN-Wechsels 58 und eines fliegenden Tundish-Wechsels 60 sind in Figur 2 dargestellt. Es ist erwähnenswert, dass ungeeignete transiente Vorgänge das Risiko einer Beschädigung des Stahlstrangs und des Hervorrufens eines katastrophalen Ausbruchs erhöhen können, wie nachstehend beschrieben wird.
Ausbrüche und ihre Verhinderung
Ein wohlbekanntes Problem, das mit der Stranggießmaschine verbunden ist, besteht darin, dass infolge einer Vielzahl von Ursachen, einschließlich Reibung, Einschlüssen, einer ungenügenden oder unvollkommenen Verfestigung usw., in der in Figur 1 dargestellten Stranghülle 39 des verfestigenden Stahls leicht Risse auftreten, wodurch Ausbrüche hervorgerufen werden, so dass geschmolzener Stahl unmittelbar unterhalb der Form aus der Stranghülle ausbricht, was zu einem Notstopp des Gießens führt. Ein Ausbruch kann während eines Einleitungsvorgangs auftreten, was als ein Einleitungsausbruch bekannt ist, oder während des folgenden Laufzeitvorgangs auftreten, was als ein Laufzeitausbruch bekannt ist, oder während eines der voranstehend erwähnten transienten Vorgänge auftreten, was als ein transienter Gießausbruch bekannt ist. Auf der Grundlage einiger Statistiken des Anlagenbetriebs, beispielsweise einer vollständig betriebsfähigen Stranggießmaschine, ergibt sich, dass mehr als 50 % aller Ausbrüche auf ungeeignete transiente Vorgänge, wie SEN-Wechsel, fliegende Tundish-Wechsel usw., zurückzuführen sind. Diese Ausbrüche sind eine Hauptsorge in der Stahlherstellungsindustrie, weil sie die Zuverlässigkeit und die Wirksamkeit des Produktionsprozesses verringern, infolge von Produktionsverzögerungen und der Zerstörung von Geräten erhebliche Kosten erzeugen und, was am wichtigsten ist, Anlagenbediener erheblichen Sicherheitsrisiken aussetzen. Daher kann der Stranggießprozess dadurch erheblich verbessert werden, dass das Auftreten von Ausbrüchen durch die Verwendung von technischem Expertenwissen und analytischer Verfahren verhindert werden kann.
Wenngleich im Stand der Technik bereits einige Verfahren und Systeme für das Vorhersagen von Laufzeitausbrüchen entwickelt wurden, wurde bei transienten Vorgängen auftretenden Ausbrüchen und ihrer Verhinderung sowohl im akademischen Bereich als auch der Industrie bisher sehr wenig Aufmerksamkeit geschenkt. Es ist dann wichtig, diese Ausbrüche Vorhersagen zu können, so dass sie durch Ergreifen geeigneter Steuertätigkeiten vermieden werden können.
Im Stand der Technik des Gebiets der Vorhersage von Ausbrüchen bei Stranggießprozessen sind zwei verschiedene Verfahrenstypen bekannt. Eines ist das Mustervergleichsverfahren, beispielsweise das wohlbekannte Verfahren zum Erfassen steckengebliebener Blöcke, das umfassende Regeln zum Kennzeichnen der Muster anhand der Formtemperaturen vor dem Auftreten eines Ausbruchs auf der Grundlage früherer Erfahrungen mit Gießvorgängen entwickelt. Falls solche Muster beim aktuellen Gießvorgang erkannt werden, ist es sehr wahrschein- 4 AT 500 365 B1 lieh, dass ein Ausbruch auftreten wird. Die relevanten Systeme, die auf diesem Verfahrenstyp beruhen, wurden von Yamamoto u.a. in der US 4 556 099, von Blazek u.a. in der US 5 020 585, von Nakamura u.a. in der US 5 548 520 und von Adamy in der US 5 904 202 beschrieben. Zusätzlich beschrieb Fritz-Peter Pleschiutschnigg in der US 6 179 041 B1 nach der ähnlichen Philosophie des Mustervergleichsverfahrens ein Verfahren zur frühen Neuorganisation bei Ausbrüchen von Stranggießmaschinen, wobei ein Vergleich oszillierender Messungen mit ausbruchsrelevanten Signalen zum Erkennen einer Ausbruchstendenz verwendet wird. Das andere Verfahren wurde von Vaculik u.a. in der US 6 564 119 (bzw. WO 2000/05013 A1) beschrieben, weiters in dem Artikel „Multivariate Statistical monitoring of a continzous Steel slab caster“ (Proceedings of the American Control Conference, S 600-601, Mai 2002, Anchorage) von Michael Dudzic und Ivan Miletic. Es handelt sich dabei um ein multivariates statistisches Verfahren, wonach ein Hauptkomponentenanalyse-Modell (PCA-Modell) unter Verwendung eines erweiterten Satzes von Prozessmessungen, jenseits der Standard-Formtemperaturen, aufgebaut wird, um den Normalbetrieb von Gießprozessen zu modellieren, und dann bestimmte Statistiken durch das Modell berechnet werden, um Ausnahmen zum Normalbetrieb beim gegenwärtigen Gießvorgang zu erfassen und mögliche Ausbrüche vorherzusagen. Die EP 1 428 598 A1 beschreibt die Überwachung des Einleitungsvorgangs von Stranggießprozessen. Die WO 1995/18420 A1 offenbart ein allgemeines Verfahren zur Überwachung technischer Prozesse, die von einer Vielzahl von Komponenten abhängen, unter Verwendung unter anderem des Hauptkomponenten-Modells (PCA), aber ohne Erwähnung einer Anwendung zur Überwachung eines Stranggießprozesses. Diese Modelle konzentrieren sich jedoch auf die Vorhersage der Laufzeitausbrüche und funktionieren infolge einiger technischer Schwierigkeiten nicht, wenn sie auf die transienten Gießausbrüche angewendet werden. Das größte Hindernis für diese Verfahren besteht darin, dass sie nicht in der Lage sind, erheblichen Änderungen der Prozessdynamik während transienter Vorgänge Rechnung zu tragen.
Multivariate SPC für Stapelprozesse
Dem Anmelder ist auch der Stand der Technik der Verwendung der Technologie der multivaria-ten statistischen Prozesssteuerung (SPC) für die Überwachung von Stapelprozessen und die Fehlerdiagnose auf anderen Gebieten bekannt. Beispiele von Verfahren und industriellen Anwendungen der Überwachung eines Stapelprozesses unter Verwendung der multivariaten SPC-Technologie wurden von MacGregor und seinen Mitarbeitern im AIChE Journal, Band 40, 1994, Journal of Process Control, Band 5, 1995 beschrieben. In der Patentliteratur wurden keine Anwendungen dieser multivariaten SPC-Technologie auf transiente Vorgänge von Stranggießmaschinen beschrieben.
Zusammenfassung
Zusammenfassend sei bemerkt, dass bisher keine Echtzeitsysteme und -verfahren zur Überwachung transienter Vorgänge von Stranggießmaschinen, wie SEN-Wechsel, fliegende Tundish-Wechsel, Produktqualitätsänderungen usw., und zum Vorhersagen transienter Gießausbrüche unter Verwendung der multivariaten SPC-Technologie dargelegt wurden.
OFFENBARUNG DER ERFINDUNG
Diese Erfindung ist ein Echtzeitsystem zum Überwachen transienter Vorgänge einer Stranggießmaschine, welche SEN-Wechsel, fliegende Tundish-Wechsel und Produktqualitätsänderungen einschließen, jedoch nicht darauf beschränkt sind, basierend auf der Verwendung eines der Steuerverfahren multivariater statistischer Prozesse, der Mehrwege-Hauptkomponenten-analyse (MPCA) und des zugeordneten Verfahrens zum Entwickeln eines solchen Systems. Das System ist in der Lage, Echtzeithinweise auf die Prozessgesundheit bereitzustellen, wenn ein transienter Vorgang abläuft, einen bevorstehenden transienten Gießausbruch vorherzusagen und die Prozessvariablen zu identifizieren, die sich am wahrscheinlichsten auf den vorhergesagten Ausbruch beziehen. Zusätzliche Aspekte der Erfindung behandeln spezifisch die 5 AT 500 365 B1
Prozesstrajektoriensynchronisation, die MPCA-Modellentwicklung, die Behandlung fehlender Daten und die Echtzeit-Computersystemimplementation, die im Stand der Technik nicht vorgefunden wurden.
Gemäß dieser Erfindung wird ein neuer transienter Betrieb bzw. Vorgang einer Stranggießmaschine als ein Stapelprozess behandelt und durch Vergleich dieses Prozesses von ihm mit dem entsprechenden Normalbetrieb bzw. dem entsprechenden normalen Vorgang, der durch ein multivariates statistisches Modell unter Verwendung ausgewählter historischer Betriebsdaten mit Vergleichsmarken versehen ist, überwacht. Falls der neue Vorgang statistisch von der Vergleichsmarke (benchmark) verschieden ist, werden Alarme erzeugt, um einen bevorstehenden transienten Gießausbruch oder andere Prozessabnormitäten anzugeben. Gleichzeitig werden die Prozessvariablen, die zu Prozessabweichungen vom Normalbetrieb bzw. vom normalen Vorgang führen, durch einen Satz von Beitragsauftragungen (contribution plots) als die wahrscheinlichsten Ursachen für den vorhergesagten Ausbruch identifiziert. Das Modell wird unter Verwendung der MPCA-Technologie aufgebaut, um die Varianz von Vorgang zu Vorgang in einem Raum mit reduzierten Dimensionen (auch als ein latenter Variablenraum bekannt) auf der Grundlage einer großen Anzahl von Prozesstrajektorien anhand früherer normaler transienter Vorgänge zu charakterisieren. Die Prozesstrajektorien stellen die Änderungen eines erweiterten Satzes von Prozessmessungen, einschließlich der Formtemperaturen, der Gießgeschwindigkeit, der Stopperstangen-Position, des berechneten Wärmeflusses usw., innerhalb eines transienten Vorgangs dar. Die Daten in diesen Trajektorien weisen eine zeitlich veränderliche und in hohem Maße autokorrelierte Struktur auf, und die Verwendung der MPCA-Technologie ermöglicht das Modellieren dieser Daten. Die bekannten Techniken auf der Grundlage der normalen PCA-Technologie konnten diesen Daten nicht Rechnung tragen, und sie sind daher auf die Anwendung auf den Laufzeitbetrieb der Gießmaschine beschränkt.
Gemäß dieser Erfindung ist die Dauer eines transienten Vorgangs in einer Stranggießmaschine durch die Kombination der Gießgeschwindigkeit und der Gießstranglänge definiert. Er wird in zwei Stufen eingeteilt, wobei die Entwicklung der als D-Stufe bezeichneten ersten Stufe durch eine kontinuierlich abnehmende Gießgeschwindigkeit gekennzeichnet ist und die Entwicklung der als U-Stufe bezeichneten zweiten Stufe durch eine monoton ansteigende Stranglänge gekennzeichnet ist. Für einen gegebenen transienten Vorgang werden dessen Prozesstrajektorien während der voranstehend erwähnten vordefinierten Dauer durch Interpolieren der Prozesstrajektorien auf der Grundlage eines Satzes von Synchronisationsskalen synchronisiert. Die Synchronisationsskalen werden durch die Gießgeschwindigkeit in der D-Stufe bzw. die Gießstranglänge in der U-Stufe definiert, so dass Prozesstrajektorien verschiedener transienter Vorgänge in Bezug auf diese ausgerichtet werden können, und die normalen transienten Vorgänge können durch das multivariate statistische Modell erfasst werden, so dass sie als eine historische Vergleichsmarke für das Überwachen eines neuen transienten Vorgangs wirken. In den meisten Fällen fehlen infolge der Anwendung des voranstehend erwähnten Synchronisationsschemas Daten in der synchronisierten Prozesstrajektorie. Die Erfindung enthält eine Funktionalität zum Behandeln derartiger fehlender Daten sowohl bei den Berechnungen zur Entwicklung des statistischen Modells als auch bei der Online-Überwachung transienter Vorgänge.
Die Erfindung weist die folgenden Aspekte auf, die sich ausschließlich bei der Modellentwicklung und bei Online-Implementationen ergeben: - die Auswahl von Prozessvariablen, die die Natur transienter Vorgänge darstellen, - die Definition eines zweistufigen transienten Vorgangs, - das Prozesstrajektorien-Synchronisationsschema auf der Grundlage in solchen Stufen transienter Vorgänge definierter Synchronisationsskalen, - die Behandlung fehlender Daten, die durch das angewendete Prozesstrajektorien-Synchroni-sationsschema erzeugt werden, - das Verfahren zum Identifizieren der Prozessvariablen, die sich am wahrscheinlichsten auf den vorhergesagten Ausbruch beziehen, 6 AT 500 365 B1 - die Definition einstellbarer Parameter in dem statistischen Modell und dem Verfahren zur Online-Modellabstimmung, - das Verfahren zum Bestimmen des Prozesszustands verschiedener transienter Vorgänge zum Überwachen von Einleitungs-, Laufzeit- und transienten Vorgängen in einem integrierten Online-Überwachungssystem und die erforderliche Hardware und Software zum Unterstützen eines solchen Verfahrens, - das Verfahren zum Gewährleisten, dass die Änderung des Prozesszustands für Bediener transparent und nahtlos ist, und die zugeordneten HMI-(Mensch-Maschine-Schnittstelle)-Bild-schirme, die zum Unterstützen eines solchen Verfahrens ausgelegt sind.
Zusammenfassend sei bemerkt, dass es das Verfahren und die Echtzeitanwendung der MPCA-Technologie sind, die insbesondere auf transiente Vorgänge von Stranggießmaschinen angewendet werden, um transiente Gießausbrüche zu überwachen und vorherzusagen, die neu und nicht offensichtlich sind.
BESCHREIBUNG DER ZEICHNUNG
Zum besseren Verständnis der Erfindung wird nachstehend eine bevorzugte Ausführungsform mit Bezug auf die anliegende Zeichnung beschrieben. Es zeigen:
Figur 1a ein schematisches Diagramm einer Stranggießmaschine gemäß dem Stand der Technik,
Figur 1b eine Schnittansicht entlang einer Linie A - A aus Figur 1 (a),
Figur 2 eine Graphik zum Zeigen eines typischen Gießgeschwindigkeitsprofils für eine ge samte Gießfolge, die aus einem Einleitungsvorgang, einem Herunterfahrvorgang und einem kontinuierlichen Laufzeit-Produktionsvorgang zusammen mit speziellen transienten Vorgängen, wie einem SEN-Wechsel und einem fliegenden Tundish-Wechsel, besteht,
Figur 3 ein Funktionsblockdiagramm eines auf die Überwachung transienter Vorgänge bei einem Stranggießprozess angewendeten Echtzeitsystems,
Figur 4 ein Flussdiagramm, in dem die Schritte im Modellentwicklungsmodul gemäß dieser Erfindung zum Entwickeln eines MPCA-Modells anhand ausgewählter Geschichtsdaten, um den Normalbetrieb von transienten Gießvorgängen zu kennzeichnen, dargelegt sind,
Figur 5 ein schematisches Diagramm einer gemäß dieser Erfindung verwendeten Plattenform einer Stranggießmaschine, wodurch der Ort jedes Thermoelements um die Form bereitgestellt wird und Thermoelementpaare definiert werden,
Figur 6 eine Graphik zum Zeigen des Gießgeschwindigkeits- und des Stranglängenprofils eines typischen transienten Vorgangs (beispielsweise eines SEN-Wechsels), welche zum Segmentieren eines transienten Vorgangs in zwei Stufen verwendet werden, Figur 7a eine Graphik zum Zeigen verschiedener Prozessdynamiken von SEN-Wechseln, worin Änderungen der Gießgeschwindigkeit dargestellt sind,
Figur 7b eine Graphik zum Zeigen verschiedener Prozessdynamiken von SEN-Wechseln, worin Änderungen der Temperatur des oberen Thermoelements dargestellt sind, Figur 8 eine Graphik zum Zeigen von Betriebsdaten des SEN-Wechsels in drei Dimensionen,
Figur 9 eine Graphik zum Zeigen der anhand der Stranglänge definierten nicht-einheitlichen Synchronisationsskala zum Synchronisieren von Prozesstrajektorien in der U-Stufe des SEN-Wechsels,
Figur 10 eine Graphik zum Zeigen eines Beispiels synchronisierter Prozesstrajektorien während der Dauer des SEN-Wechsels,
Figur 11 eine Graphik zum Zeigen der in Bezug auf die Synchronisationsskalen in der D-Stufe bzw. der U-Stufe ausgerichteten synchronisierten dreidimensionalen SEN-Wechseldaten,
Figur 12 eine Graphik zum Zeigen des zum Bewahren der Richtung von SEN-Wechsel- 7 AT 500 365 B1
Vorgängen zu einer zweidimensionalen Datenmatrix entfalteten dreidimensionalen synchronisierten SEN-Wechsel-Datenblocks,
Figur 13 eine Graphik zum Zeigen des Musters fehlender Daten in der entfalteten zweidimensionalen Datenmatrix, welche durch das in der D-Stufe angewendete Prozesstrajek-torien-Synchronisationsschema erzeugt wird,
Figur 14 ein Flussdiagramm, in dem die Schritte eines gemäß dieser Erfindung verwendeten Prozessüberwachungsmoduls zum Überwachen eines neuen SEN-Wechselvor-gangs, zum Vorhersagen eines bevorstehenden transienten Gießausbruchs und zum Identifizieren der Prozessvariablen, die sich am wahrscheinlichsten auf den vorhergesagten Ausbruch beziehen, dargelegt sind,
Figur 15 ein schematisches Diagramm einer Architektur eines Computernetzwerksystems zum Implementieren des Systems zum Überwachen eines SEN-Wechsels, um transiente Gießausbrüche vorherzusagen,
Figur 16 eine Graphik zum Zeigen von Systemzuständen und Zustandsänderungen zum Integrieren der Überwachung des Einleitungsvorgangs, der Überwachung des Laufzeitvorgangs und der Überwachung des transienten Vorgangs in ein integriertes Computersystem,
Figur 17a eine Graphik, die eine Beitragsauftragung aus dem Stand der Technik zeigt, und Figur 17b eine Graphik zum Zeigen einer modifizierten Beitragsauftragung, die gemäß dieser Erfindung verwendet wird, um die Prozessvariablen zu identifizieren, die sich am wahrscheinlichsten auf den vorhergesagten Ausbruch beziehen.
BEVORZUGTE AUSFÜHRUNGSFORM DER ERFINDUNG
Diese Erfindung betrifft ein Echtzeitsystem zum Überwachen transienter Vorgänge einer Stranggießmaschine und zum Vorhersagen transienter Gießausbrüche unter Verwendung der MPCA-Technologie und das zugeordnete Verfahren zum Entwickeln eines solchen Systems. Das System wird durch ein Prozesscomputersystem implementiert, das auf eine Vielzahl von Stranggießmaschinen angewendet werden kann, wobei es nicht durch die individuellen Entwurfsmerkmale, wie den Produkttyp (d.h. Barren, Block oder Bramme), den Formtyp (d.h. eine Rohrform oder eine Plattenform) usw. beschränkt ist. Das System kann auch auf eine Vielzahl transienter Vorgänge in einer Stranggießmaschine angewendet werden, wobei die transienten Vorgänge SEN-Wechsel, fliegende Tundish-Wechsel, Produktqualitätsänderungen usw. einschließen, jedoch nicht auf diese beschränkt sind. Wenngleich sich in der folgenden Beschreibung einer bevorzugten Ausführungsform dieser Erfindung der transiente Vorgang bzw. Betrieb auf einen SEN-Wechsel als ein spezielles Beispiel bezieht, sollten Fachleute verstehen, dass das in dieser Erfindung offenbarte Echtzeitsystem und -verfahren auch auf andere transiente Vorgänge, wie fliegende Tundish-Wechsel, Produktqualitätsänderungen und dergleichen, die ähnliche Prozessdynamiken wie SEN-Wechsel aufweisen, angewendet werden kann, und diese Erfindung daher nicht darauf beschränkt ist.
Wie zuvor beschrieben wurde, ist ein Beispiel von Strang-Brammengießmaschinen in Figur 1 dargestellt. Für eine solche Stranggießmaschine ist das Funktionsblockdiagramm eines Echtzeitsystems, das in der Lage ist, die transienten Vorgänge zu überwachen und transiente Gießausbrüche vorherzusagen, in Figur 3 dargestellt. Zusätzlich zu dem Prozessteil gibt es viele verschiedene Typen von Sensoren 70, die sich in der gesamten Stranggießmaschine befinden, wobei jeder Sensor eine andere Messung erhält, die die aktuelle Betriebsbedingung der Stranggießmaschine darstellt. Diese Messungen können das Tundish-Gewicht, die Formtemperaturen, das Niveau geschmolzenen Stahls in der Form, die Temperaturen und Strömungsraten von einströmendem und ausströmendem Kühlwasser usw. einschließen, sind jedoch nicht darauf beschränkt. Es sei bemerkt, dass die Sensoren und erhaltenen Prozessmessungen bei verschiedenen Prozessauslegungen von Stranggießmaschinen unterschiedlich sein können, und dass die Erfindung nicht darauf beschränkt ist. Die von diesen Sensoren erhaltenen Messungen werden online, in Echtzeit durch ein Datenzugriffsmodul 72 gesammelt und dann zu einem Online-Prozessüberwachungsmodul 80 gesendet. Sobald das Prozessüberwachungsmodul die 8 AT 500 365 B1
Echtzeit-Prozessmessungen empfängt, wird auf der Grundlage eines gegebenen multivariaten statistischen Modells 78 eine Reihe von Berechnungen ausgeführt, um einen bevorstehenden transienten Gießausbruch oder andere Prozessabnormitäten vorherzusagen. Ein Modellentwicklungsmodul 76 wird verwendet, um das voranstehende Modell offline zu entwickeln, wobei der normale transiente Vorgang einer Stranggießmaschine anhand der ausgewählten Prozessdaten in einem Prozessgeschichtsdaten-Speicher 74 durch das Modell gekennzeichnet wird. Das Prozessüberwachungsmodul ist für das Senden der Echtzeit-Prozessdaten zu der historischen Datenbank für Datenarchivierungszwecke verantwortlich. Die erzeugten Ausbruchsalarme und die identifizierten Prozessvariablen, die sich am wahrscheinlichsten auf den vorhergesagten Ausbruch beziehen, werden zu einer Mensch-Maschine-Schnittstelle (HMI) 82 gesendet und darauf angezeigt. Ein Funktionsweise-Auswertungsmodul 84 ist zu dem System hinzugefügt, um Alarme von transienten Gießausbrüchen zu überwachen und um auf der Grundlage vorgegebener Modellfunktionsweisekriterien, wie der Rate bzw. Quote falscher Alarme, der Rate fehlerhafter Alarme usw., festzustellen, ob das Modell neu abgestimmt oder umgebaut werden muss. Falls erforderlich, kann das multivariate statistische Modell durch 76 offline umgebaut werden. Das sich ergebende Modell stellt auch bestimmte einstellbare Parameter für die Online-Neuabstimmung bereit, um die Funktionsweise des Modells zu verbessern. Diese einstellbaren Parameter können beispielsweise online bei 86 abgestimmt werden, um mögliche Drifts von einem Bereich eines normalen SEN-Wechselvorgangs, die durch die Modelle nicht charakterisiert sind, teilweise zu kompensieren.
Figur 4 ist ein Flussdiagramm, in dem die Schritte in dem Modellentwicklungsmodul 76 (Figur 3) gemäß dieser Erfindung zum Aufbauen eines MPCA-Modells anhand der ausgewählten historischen Daten zum Charakterisieren des normalen Ablaufs von transienten Gießmaschinenoperationen dargestellt sind. Jeder Schritt wird nachstehend detailliert mit Bezug auf eine bevorzugte Ausführungsform beschrieben, wobei sich der transiente Vorgang insbesondere auf einen SEN-Wechsel bezieht. Es gibt eine Anzahl von Aspekten der Erfindung, die einen Einfluss auf die erfolgreiche Verwirklichung haben, wie nachstehend beschrieben wird.
Modelldatensatz-Konstruktion
Um ein MPCA-Modell zum Charakterisieren des normalen transienten Vorgangs von SEN-Wechseln aufzubauen, ist ein Modelldatensatz erforderlich, der eine große Menge an historischen Betriebsdaten enthält, wodurch die meisten normalen Operationsbereiche abgedeckt werden können. Die Prozedur für die Konstruktion des Modelldatensatzes bei 92 wird nun detailliert beschrieben.
Insgesamt 124 Prozessvariablen, einschließlich realer Sensormessungen und berechneter technischer Variablen (einschließlich der Temperaturdifferenz, der Wärmeübertragung usw.) der Stranggießmaschine, werden aus der historischen Prozessdatenbank bei einem Abtastintervall von 400 ms über einen Zeitraum von etwa 12 Monaten gesammelt. Es sei bemerkt, dass der Zeitraum und das Abtastintervall, die hier spezifiziert wurden, als Beispiel für bevorzugte Einstellungen für das Sammeln einer ausreichenden Datenmenge bei einer zufriedenstellenden Abtastfrequenz im Vergleich mit der Betriebsgeschwindigkeit der Stranggießmaschine dienen, und dass diese Erfindung daher nicht darauf beschränkt ist. Der Datenabruf führt zu einem zweidimensionalen Datensatz mit 124 Prozessvariablen und 216.000 Beobachtungen während einer Betriebsperiode von 24 Stunden und zu einer ziemlich großen Datenmatrix über den Zeitraum von 12 Monaten. Ein solcher Datensatz muss reduziert werden, um ihn für die Modellentwicklungszwecke geeignet zu machen. Gemäß einer bevorzugten Ausführungsform wird die Datensatzreduktion durch Auswählen der geeigneten Prozessvariablen, die die Natur transienter Vorgänge einer Gießmaschine darstellen, und durch Selektieren von Daten mit einer geeignet definierten Dauer erreicht.
Das Auswählen geeigneter Prozessvariablen ist für den Erfolg der Datenreduktion und der künftigen Modellentwicklung entscheidend. Die Prozeduren zum Wählen geeigneter Prozessva- 9 AT 500 365 B1 riablen folgen einer Anzahl einfacher Verfahren, wie die Verwendung von Prozesswissen, einer Bedingungsprüfung oder einer statistischen Berechnung usw., die individuell oder vorzugsweise in Kombination verwendet werden können, um die Prozessvariablen auszuwählen, die einen erheblichen Einfluss auf SEN-Wechsel oder transiente Gießausbrüche haben.
Wie zuvor angegeben wurde, werden insgesamt 124 Prozessvariablen aus der Geschichtsdatenbank abgerufen, und sie können in die folgenden Gruppen unterteilt werden: - Thermoelement-Messwerte, einschließlich insgesamt 44 Formtemperaturen und ihrer nachstehend definierten Differenzen, - Forminformationen, einschließlich der Formoszillationsfrequenz, der Stopperstangen-Posi-tion, der SEN-Eintauchtiefe, der Formbreite usw., - Tundish-Informationen, einschließlich des Nettogewichts des Tundish-Wagens, des SEN-Argonflusses usw., - Kühlwasserinformationen, einschließlich Einlass-/Auslass-Kühlwasserflüsse und Temperaturen, - Wärmeübertragungsinformationen, einschließlich des durch Formflächen übertragenen Wärmeflusses, - Zusammensetzungsinformationen, einschließlich der Zusammensetzung von Kohlenstoff, Mangan, Silicium usw. in dem geschmolzenen Stahl.
Gemäß einer bevorzugten Ausführungsform wird eine Reihe von Kriterien auf die Auswahl geeigneter Prozessvariablen angewendet, wobei die Variablen ausgewählt werden, wenn bekannt ist, dass sie für SEN-Wechsel entscheidend sind oder für transiente Gießausbrüche relevant sind oder sie während SEN-Wechseln einen dynamischen Übergang offenbaren, während die Variablen nicht gewählt werden, falls sie während SEN-Wechseln, im Vergleich mit der Prozessdynamik, sehr seltene Änderungen aufweisen oder sie mehr als 20 % fehlende Daten enthalten oder sie eine sehr geringe Varianz der Abweichung von ihrer durchschnittlichen Tra-jektorien (anhand verfügbarer Geschichtsdaten berechnet) aufweisen.
Die Anwendung der voranstehenden Kriterien führt dazu, dass 60 der 124 Prozessvariablen gemäß einer bevorzugten Ausführungsform ausgewählt werden. Diese sind: - Form-Thermoelement-Messwerte, - Temperaturdifferenzen zwischen den vordefinierten Thermoelementpaaren (siehe unten), - die Stopperstangen-Position, - Form-Kühlwasserflüsse, - die Temperaturdifferenz zwischen dem einfließenden und dem ausfließenden Form-Kühlwasser, - der durch jede Formfläche übertragene berechnete Wärmefluss.
Die Thermoelementorte um die Form gemäß dieser Erfindung sind in Figur 5 dargestellt. In jeder der schmalen Flächen der Form (d.h. der östlichen Fläche 110 und der westlichen Fläche 114) gibt es zwei ein vertikales Paar bildende Thermoelemente (mit 118 bezeichnet). In jeder der breiten Flächen der Form (d.h. der südlichen Fläche 116 und der nördlichen Fläche 112) gibt es dreizehn Thermoelemente, wobei zwölf von ihnen sechs vertikale Paare bilden. Zwei zusätzliche Paare sind durch 124 und 126 in der südlichen Fläche und 120 und 122 in der nördlichen Fläche gebildet. Bei einem normalen transienten Vorgang sollte die Temperaturdifferenz jedes Thermoelementpaars oberhalb eines bestimmten Werts liegen, um eine geeignete Verfestigung des geschmolzenen Stahls anzugeben. Es ist erwähnenswert, dass bei der in Figur 5 dargestellten Form beide schmalen Flächen (110 und 114) bewegt werden können, um die Formbreite einzustellen. Daher sind drei Operationsmodi folgendermaßen definiert: - Breiter Gießmodus, wobei die Breite des Gießstrangs größer als 1,25 Meter ist. 10 AT 500 365 B1 - Mittlerer Gießmodus, wobei die Breite des Gießstrangs größer als 1,0 Meter und kleiner oder gleich 1,25 Meter ist. - Schmaler Gießmodus, wobei die Breite des Gießstrangs kleiner oder gleich 1,0 Meter ist.
Infolge der Änderung der Formbreite können manche Thermoelemente an der Außenseite der breiten Flächen nicht mehr die Temperatur des Stahls in der Form darstellen, wenn die Form im mittleren oder im schmalen Gießmodus betrieben wird.
Der durch jede Formfläche übertragene Wärmefluss lässt sich folgendermaßen berechnen: Q = Cp * Fw * ΔΤ/Α wobei Q der berechnete Wärmefluss ist, Cp die Wärmekapazität von Kühlwasser ist, Fw der Kühlwasserfluss ist, ΔΤ die Temperaturdifferenz zwischen dem einströmenden und dem ausströmenden Kühlwasser ist und A die Größe der Formfläche ist. Die Auswahl der Wärmeflussvariablen beruht auf der Tatsache, dass die Wärmeübertragung durch die Form für die Oberflächenqualität von Brammen und die Produktivität der Gießmaschine verantwortlich ist. Eine übermäßige Wärmeabfuhr oder auch eine unzureichende Wärmeabfuhr von dem sich verfestigenden Strang könnte zu einem Ausbruch führen.
Die Auswahl von Prozessvariablen ist eine iterative Prozedur, wobei die Prozessvariablen, abhängig von der Funktionsweise der entwickelten Modelle, hinzugefügt oder entfernt werden können. Ein Fachmann wird verstehen, dass, wenn andere Prozessvariablen verfügbar werden, die die voranstehend erwähnten Kriterien erfüllen, diese aufgenommen werden, um die Modellqualität zu verbessern und die Funktionsweise der Vorhersage transienter Gießausbrüche weiter zu verbessern. Daher ist die Erfindung nicht darauf beschränkt.
Zum Überwachen eines SEN-Wechsels und zum Vorhersagen eines bevorstehenden transienten Gießausbruchs unter Verwendung der MPCA-Technologie muss die Dauer des SEN-Wechsels genau definiert werden. Ein SEN-Wechsel wird gewöhnlich während der Stranggießproduktion alle 3 oder 4 Stunden vorgenommen. In Bezug auf das in Figur 6 dargestellte Gießgeschwindigkeitsprofil 132 eines SEN-Wechsels sei bemerkt, dass er typischerweise aus drei Operationsschritten besteht:
Punkt A nach B: das Verlangsamen der Gießmaschine von der Gießgeschwindigkeit im Gleichgewichtszustand im kontinuierlichen Betrieb (am Punkt A) auf etwa 0,6 Meter/Minute,
Punkt B nach C: das manuelle Ersetzen der verwendeten SEN durch eine neue, während die Gießgeschwindigkeit unverändert bleibt (die Gießgeschwindigkeit zwischen B und C wird als Haltegeschwindigkeit bezeichnet),
Punkt C nach E: das Hochfahren der Gießgeschwindigkeit zurück zur gewünschten normalen Betriebsbedingung (am Punkt E). Für den gegebenen großen Geschichtsdatensatz können die Punkte A, B, C und E jedes SEN-Wechsels in etwa in der folgenden Sequenz identifiziert werden:
Schritt 1: Punkt B wird durch den ersten Punkt in den historischen Betriebsdaten bestimmt, wobei die Gießgeschwindigkeit an diesem Punkt kleiner als 0,65 Meter/Minute und größer als 0,55 Meter/Minute ist, und die Formniveausteuerung ist gleichzeitig im manuellen Modus,
Schritt 2: Punkt A wird so bestimmt, dass A der letzte Punkt vor dem Punkt B ist, wobei die durchschnittliche Gießgeschwindigkeit während einer Dauer von 5 Minuten kurz vor dem Punkt A größer als 0,7 Meter/Minute ist und die Standardabweichung der Gießgeschwindigkeit während der Dauer von 5 Minuten kleiner als 5 x 10'3 ist,
Schritt 3: Punkt C wird durch den ersten Punkt nach dem Punkt B bestimmt, wobei der Gradient der Gießgeschwindigkeit größer als 1,5 x 10'3 Meter/Minute2 ist, 1 1 AT 500 365 B1
Schritt 4: Punkt E wird so bestimmt, dass E der erste Punkt nach C ist, wobei die durchschnittliche Gießgeschwindigkeit während einer Dauer von 5 Minuten gleich nach dem Punkt C größer als 0,7 Meter/Minute ist und die Standardabweichung der Gießgeschwindigkeit während der Dauer von 5 Minuten kleiner als 5 x 10'3 ist,
Schritt 5: Speichern aller Betriebsdaten der gewählten Prozessvariablen zwischen Punkt A und Punkt E und Beseitigen von ihnen aus dem großen Geschichtsdatensatz. Gehe zu Schritt 1 für den nächsten SEN-Wechsel, bis Punkt B nicht mehr in dem Geschichtsdatensatz gefunden wird.
In der Praxis existiert eine Anzahl von Variationen in SEN-Wechseln infolge verschiedener Stahlqualitäten und sich ändernder Betriebsbedingungen. Wie beispielsweise in Figur 7(a) dargestellt ist, kann sich die Gleichgewichtsgeschwindigkeit im Punkt A von 0,8 auf 1,7 Meter/Minute ändern, die zeitliche Dauer von Punkt B zu Punkt C abhängig davon ändern, wie lange Bedienpersonen benötigen, um eine SEN manuell zu wechseln, und die Erhöhung der Gießgeschwindigkeit zwischen den Punkten C und E kann sich auch ändern, wobei beispielsweise die Gießgeschwindigkeit zunehmen kann, konstant bleiben kann oder sogar zu irgendeiner Zeit an Dauer abnehmen kann. Die voranstehend erwähnten Änderungen führen zu verschiedenen Prozessdynamiken, die sich bei jedem SEN-Wechsel zeigen. Beispiele von Pro-zesstrajektorien der Temperatur eines oberen Thermoelements der Form sind in Figur 7(b) dargestellt.
Statt die SEN-Wechseldauer durch die Punkte A und E zu definieren, wird sie gemäß dieser Erfindung für den Zweck der Prozesstrajektoriensynchronisation folgendermaßen definiert:
Mit Bezug auf Figur 6 sei bemerkt, dass die SEN-Wechseldauer mit dem Punkt A beginnt, dass eine Stranglängenvariable 134, die mit L bezeichnet ist, zur Anfangszeit, wenn die Gießmaschine eingeleitet wird, auf Null gesetzt wird, und die Stranglänge zu einer Zeit während der Gießsequenz durch das Integral der Gießgeschwindigkeit über die Zeit zwischen der Anfangszeit und der gegebenen Zeit berechnet werden kann. Demgemäß endet die SEN-Wechseldauer an Punkt F, wobei F so bestimmt ist, dass L(F) - L(C) = 2,4 Meter ist. Der Wert 2,4 Meter wird anfänglich auf der Grundlage früheren Prozesswissens ausgewählt und dann durch die Erfassung im Gleichgewichtszustand überprüft, um zu gewährleisten, dass die meisten Operationen der Gießvorrichtung am Ende des SEN-Wechsels einen Gleichgewichtszustand erreichen. Ein Fachmann wird verstehen, dass sich dieser Wert abhängig von verschiedenen Gießprozessen ändern kann und noch annehmbare Ergebnisse erzeugen kann und dass diese Erfindung daher nicht darauf beschränkt ist.
Sobald die SEN-Wechseldauer festgelegt ist, werden nur die Daten in der identifizierten Dauer (zwischen Punkt A und F) aus dem Geschichtsdatensatz ausgewählt, um den Modelldatensatz zu konstruieren.
Nach dem Reduzieren des aus der historischen Datenbank abgerufenen großen Datensatzes durch Auswählen der Daten geeigneter Prozessvariablen während der definierten SEN-Wechseldauer wird der reduzierte Datensatz als ein dreidimensionaler Datenblock 144 reorganisiert, wie in Figur 8 dargestellt ist, wobei jeder SEN-Wechselvorgang 146 als eine zweidimensionale Datenmatrix mit ausgewählten Variablen anhand einer Anzahl von Messproben während der SEN-Wechseldauer beschrieben wird. Insbesondere betrifft das Element (i, j, k) des Datenblocks 144 den Wert der Variablen j an der Probe i im k-ten SEN-Wechselvorgang. Es sei bemerkt, dass in diesem Datenblock jeder SEN-Wechselvorgang ein identisches Abtastintervall von 400 ms aufweist, wobei jedoch eine unterschiedliche Anzahl von Messproben vorhanden sein kann, weil sich die SEN-Wechseldauer von einer Operation zu einer anderen ändern kann, wie voranstehend beschrieben wurde.
Die SEN-Wechselvorgänge in dem Datenblock 144 können in 2 Gruppen, nämlich eine Gruppe A und eine Gruppe B, eingeteilt werden, indem die folgenden Kriterien angewendet werden: 1 2 AT 500 365 B1 - Ein SEN-Wechselvorgang gehört zur Gruppe A, falls bei diesem Vorgang ein transienter Gießausbruch auftritt, - ein SEN-Wechselvorgang gehört zur Gruppe B, falls bei diesem Vorgang kein transienter Ausbruch auftritt und die folgenden Bedingungen erfüllt sind: Es gibt keine fehlenden Daten der Gießgeschwindigkeit, die Gießgeschwindigkeit nimmt zwischen dem Punkt A und dem Punkt B monoton ab, die Breite des Gießstrangs ändert sich während des SEN-Wechsels nicht, und die durchschnittliche Gießbeschleunigung zwischen den Punkten C und F liegt innerhalb eines bestimmten vorgegebenen Bereichs, - falls der SEN-Wechselvorgang die voranstehenden Bedingungen nicht erfüllt, wird er verworfen.
Als Ergebnis wird der Modelldatensatz bei 92 in Figur 4 gemäß einer bevorzugten Ausführungsform durch beliebiges Auswählen von 80 % der SEN-Wechsel in Gruppe B aufgebaut. Die restlichen 20 % der SEN-Wechsel in Gruppe B zusammen mit allen SEN-Wechseln in Gruppe A bilden einen Validierungsdatensatz. Der Modelldatensatz wird zum Entwickeln von MPCA-Modellen verwendet, um die transienten Gießausbrüche während SEN-Wechseln vorherzusagen, und der Validierungsdatensatz wird verwendet, um die Vorhersagewirksamkeit der entwickelten Modelle zu überprüfen, wenn ein neuer SEN-Wechselvorgang präsentiert wird.
Der Modelldatensatz sollte den größten Teil des normalen Betriebsbereichs umspannen, und es ist erwünscht, dass gemäß einer bevorzugten Ausführungsform der Modelldatensatz mindestens 500 SEN-Wechselvorgänge enthält.
Es sei bemerkt, dass sich die voranstehenden Einstellungen zum Aufbauen von Modell- und Validierungsdatensätzen in verschiedenen Ausführungsformen ändern können und dass die Erfindung nicht darauf beschränkt ist.
Prozesstrajektoriensynchronisation
Gemäß der Erfindung wird ein statistisches Modell für die Abweichung jeder gewählten Prozessvariable von ihrer durchschnittlichen Trajektorie unter Verwendung der Geschichtsdaten normaler SEN-Wechsel aufgebaut. Es wird dann die Abweichung von der durchschnittlichen Trajektorie derselben Prozessvariablen bei einem neuen SEN-Wechsel mit der durch das Modell charakterisierten historischen Vergleichsmarke verglichen, wobei jede Differenz, die üblichen Prozessvariationen nicht statistisch zugeschrieben werden kann, angibt, dass der neue Vorgang von einem normalen Vorgang verschieden ist. Ein solcher Vergleich gemäß dieser Erfindung erfordert, dass alle Trajektorien in verschiedenen SEN-Wechselvorgängen die gleiche Dauer haben und mit dem Fortschritt der SEN-Wechselvorgänge synchronisiert sind.
Wie zuvor angegeben wurde, hat in einem Modelldatensatz oder einem Validierungsdatensatz jeder SEN-Wechsel infolge der unterschiedlichen Dauern von SEN-Wechseln verschiedene Anzahlen von Messproben. Solche Daten sind zum Aufbau eines MPCA-Modells nicht geeignet und müssen synchronisiert werden.
Gemäß einer bevorzugten Ausführungsform der Erfindung wird eine Prozesstrajektorien-Synchronisationsprozedur bei 94 in Figur 4 auf der Grundlage eines eindeutigen Zweistufen-Synchronisationsschemas entwickelt. Mit Bezug auf Figur 6 sei bemerkt, dass ein gesamter SEN-Wechselvorgang in zwei Stufen unterteilt wird. Die als D-Stufe bezeichnete erste Stufe 136 beginnt am Punkt A und endet am Punkt C, wobei die Gießgeschwindigkeit stufenartig kontinuierlich abnimmt, und sie kann daher verwendet werden, um den Fortschritt dieser Stufe darzustellen. Die als U-Stufe bezeichnete zweite Stufe 138 verläuft von Punkt C zu Punkt F, wobei die vordefinierte Länge L des Gießstrangs monoton zunimmt und zum Charakterisieren der Entwicklung der U-Stufe verwendet wird. Demgemäß können die Prozesstrajektorien eines SEN-Wechsels in den definierten zwei Stufen auf der Grundlage der Gießgeschwindigkeit 132 bzw. der Länge 134 des Gießstrangs synchronisiert werden, wie nachstehend detailliert 1 3 AT 500 365 B1 beschrieben wird.
In dieser Erfindung werden drei Schritte verfolgt, um die Prozesstrajektorien in der D-Stufe zu synchronisieren:
Schritt 1: Die maximale und die minimale Gießgeschwindigkeit innerhalb der D-Stufe werden auf der Grundlage früheren Prozesswissens oder des großen Geschichtsdatensatzes bestimmt. Sie werden als Vmax bzw. Vmin bezeichnet. Gemäß einer bevorzugten Ausführungsform der Erfindung beträgt Vmax = 1,7 Meter/Minute und Vmin = 0,55 Meter/Minute.
Schritt 2: Die Synchronisationsskala für die D-Stufe ist durch
r(i) = Vmax - i * (Vmax - Vmin) / (M -1), i = 0.....M definiert, wobei i der Index von r ist und M die Anzahl der Skalen innerhalb der D-Stufe ist. Eine Leitlinie für das Bestimmen des Werts von M ist durch M = min {n| (Vmax - Vmin) / n < dV, n > 0} gegeben, wobei dV die minimale Stufenänderung der Gießgeschwindigkeit während der D-Stu-fe ist.
Schritt 3: Alle Prozesstrajektorien in der D-Stufe werden durch Interpolieren auf der Grundlage der anhand der Gießgeschwindigkeit definierten Synchronisationsskala synchronisiert. Die synchronisierten Werte bei jeder Synchronisationsskala werden als eine Beobachtung bezeichnet. Ähnlich werden vier Schritte verfolgt, um die Prozesstrajektorien in der U-Stufe zu synchronisieren:
Schritt 1: Ein nominelles Gießgeschwindigkeitsprofil in der U-Stufe wird anhand der Geschichtsdaten erhalten. Eine lineare Funktion wird zum näherungsweisen Beschreiben des Profils der mit v0 bezeichneten zunehmenden Gießgeschwindigkeit mit Bezug auf die Zeit t verwendet: v0(t) = a * t + b, wobei gemäß einer bevorzugten Ausführungsform t = 0 im Punkt C ist, der Parameter a gleich 4,15 x 10'5 ist und b gleich 1,7 x 10'3 ist.
Schritt 2: Die mit L0 bezeichnete nominelle Stranglänge in der U-Stufe kann durch Berechnen des Integrals der nominellen Gießgeschwindigkeit erhalten werden:
Lo(t) = 0,5 * a * t2 + b * t
Schritt 3: Die mit s bezeichnete nominelle Stranglänge wird durch die nicht-einheitlichen Synchronisationsskalen neu abgetastet und ist durch
s(i) = 0,5 * a * (i * T/N)2 + b * (i * T/N), i = 0.....N bestimmt, wobei i der Index von s ist, T der Nennwert der Dauer des SEN-Wechsels ist, der durch L0(T) = 2,4 Meter berechnet wird, und N die Anzahl der Skalen in der Stranglänge ist. Die nicht-einheitlichen Synchronisationsskalen in der U-Stufe sind in Figur 9 durch 148 angegeben. Eine Leitlinie für das Bestimmen des Werts von N ist durch 1 4 AT 500 365 B1 N = min {n|T/n < ts, n > 0} gegeben, wobei ts das Abtastintervall ist, das gemäß einer bevorzugten Ausführungsform dieser Erfindung 400 ms beträgt.
Schritt 4: Sobald die Synchronisationsskalen in der Stranglänge bestimmt worden sind, wird die Trajektoriensynchronisation durch Interpolieren der Trajektorien anderer ausgewählter Prozessvariablen auf der Grundlage der Skalen der Stranglänge ausgeführt, wie in Figur 9 dargestellt ist.
Demgemäß entspricht bei einer synchronisierten Prozesstrajektorie jede Beobachtung einer Synchronisationsskala der Gießgeschwindigkeit in der D-Stufe oder einer Synchronisationsskala der Stranglänge in der U-Stufe. Beispiele synchronisierter Prozesstrajektorien 150 einer Temperatur eines oberen Thermoelements der Form sind in Figur 10 angegeben.
Spezielle Aufmerksamkeit muss den folgenden Problemen während der Synchronisation von Prozesstrajektorien gewidmet werden.
Erstens wird die Gießgeschwindigkeit während der D-Stufe schrittweise verringert, womit einhergeht, dass mehrere Prozessmessproben einer Gießgeschwindigkeit entsprechen können. Wenn die Interpolation für das Synchronisieren von Prozesstrajektorien ausgeführt wird, wird beim vorgeschlagenen Schema dieser Erfindung die Prozessmessung für diese Gießgeschwindigkeit anhand des Durchschnitts der mehreren Messproben bestimmt.
Zweitens kann ein praktischer SEN-Wechsel verschiedene Gleichgewichtszustände und Haltegeschwindigkeiten aufweisen, die gleich irgendeinem Wert zwischen ν^χ und Vmin sind. Demgemäß existieren in den synchronisierten Prozesstrajektorien in der D-Stufe infolge des angewendeten Synchronisationsschemas einige fehlende Daten, wie in Figur 10 dargestellt ist. Diese fehlenden Daten sind unvermeidlich und werden anschließend bei folgenden Modellent-wicklungs- und Online-Überwachungsprozeduren behandelt.
Zusätzlich können für die Trajektoriensynchronisationszwecke in der U-Stufe anstelle nichteinheitlicher Synchronisationsskalen in der Stranglänge gleichförmige Skalen auf die Stranglänge angewendet werden. Dies impliziert, dass die Stranglänge durch N Abtastwerte gleichmäßig neu abgetastet wird. Dieses Verfahren führt jedoch dazu, dass die MPCA-Berechnung zu Beginn der U-Stufe weniger häufig als an ihrem Ende ausgeführt wird, weil die Gießgeschwindigkeit fast immer im Laufe der U-Stufe zunimmt. Wie wir wissen, weist der Beginn der U-Stufe normalerweise mehr Prozessstörungen auf. Daher kann ein gleichmäßiges Skalierungsverfahren dazu führen, dass Gelegenheiten für das Erfassen transienter Gießausbrüche zu einer frühen Zeit verpasst werden.
Als Ergebnis der Ausführung der Trajektoriensynchronisation wird ein neuer dreidimensionaler Datenblock 162 erhalten, wie in Figur 11 dargestellt ist, wobei alle Prozesstrajektorien in verschiedenen Stufen von SEN-Wechseln in Bezug auf die entweder durch die Gießgeschwindigkeit oder die Gießstranglänge definierten gegebenen Synchronisationsskalen 160 ausgerichtet werden.
An dieser Stufe werden die Durchschnittswerte und Standardabweichungen für jede Spalte des Datenblocks 162 berechnet, und sie werden für die weitere Datenvorverarbeitung, einschließlich der Mittelwertzentrierung und der Autoskalierung, verwendet. MPCA-Modellentwicklung mit fehlenden Daten
Ein MPCA-Modell wird bei 96 (Figur 4) auf der Grundlage der synchronisierten Daten in dem Modelldatensatz entwickelt. Die Daten in dem synchronisierten dreidimensionalen Datenblock 1 5 AT 500 365 B1 162 werden mittelwertzentriert und autoskaliert, um den Mittelwert und die Einheitsvarianz spaltenweise auf Null zu setzen. Die Mittelwertzentrierung wird verwendet, um die durchschnittliche Trajektorie jeder Prozessvariable zu subtrahieren, so dass die Daten nur die Abweichung von der durchschnittlichen Trajektorie darstellen, und die Prozessnichtlinearität wird daher zumindest teilweise entfernt. Die Autoskalierung wird verwendet, um eine Einheitsvarianzverteilung mit einem Mittelwert von Null für jede Variable bei jeder Beobachtung zu erhalten, um der Variable das gleiche Prioritätsgewicht zuzuweisen.
Mit Bezug auf Figur 12 sei bemerkt, dass das Kernkonzept der MPCA-Technologie darin besteht, den mittelwertzentrierten und autoskalierten dreidimensionalen Datenblock 164 zu entfalten, um die Richtung der Operationen 166 zu bewahren. Der Datenblock 164 wird entlang der Beobachtungsrichtung 168 vertikal aufgeschnitten, und die sich ergebenden Ausschnitte bzw. Scheiben 172 werden nebeneinander gelegt, um eine zweidimensionale Datenmatrix X 174 mit einer großen Spaltendimension aufzubauen, so dass jede Zeile einem SEN-Wechselvorgang entspricht. Es wird dann ein Standard-PCA-Algorithmus auf diese entfaltete Datenmatrix X angewendet: Die Daten in dieser Matrix werden auf einen durch eine Ladematrix P definierten neuen latenten Variablenraum projiziert, wobei der größte Teil der in den ursprünglichen Daten enthaltenen Prozessvarianz von nur wenigen als Hauptkomponenten bekannten latenten Variablen erfasst wird. Die Werte der Hauptkomponenten für jeden SEN-Wechselvorgang werden als Maße bezeichnet, die durch T angegeben sind. Es ist erwähnenswert, dass infolge des angewendeten Prozesstrajektorien-Synchronisationsschemas in der D-Stufe die Matrix X einige fehlenden Daten enthält. Das Muster der fehlenden Daten in der Matrix X ist in Figur 13 durch 176 dargestellt, wobei die fehlenden Daten am Anfang (178) oder am Ende (179) der D-Stufe des SEN-Wechsels dargestellt sind. Zum Behandeln solcher fehlenden Daten wird der NIPALS-Algorithmus von H. Wold (von Geladi u.a. in Analytica Chemica Acta, Band 185, 1986 beschrieben) verwendet, wobei lineare Regressionen zwischen den Spalten (oder Zeilen) der Datenmatrix X und der Maß- (oder Lade-)vektoren iterativ ausgeführt werden, um die konvergierten Maße T und die Ladematrix P zu erhalten. Wenn gemäß dieser Erfindung insbesondere Daten in einer Spalte oder Zeile der Datenmatrix X fehlen, werden sie so behandelt, dass die linearen Regressionen einfach ausgeführt werden, indem die fehlenden Punkte ignoriert werden. Demgemäß wird die Wirkung der durch die Prozesstrajektorien-Synchronisationsprozedur erzeugten fehlenden Daten aus der MPCA-Modellentwicklung beseitigt.
Zwei Statistiken, nämlich die Quadrierte-Vorhersagefehler-Statistik (SPE-Statistik) und die "Hotelling-T-Statistik" (HT-Statistik), werden bei jeder Beobachtung auf der Grundlage der Ladematrix P und der Maße T definiert, so dass sie beschreiben können, wie jeder Vorgang in dem Modellsatz in Übereinstimmung mit dem normalen Vorgang gebracht werden kann, wenn sich der Vorgang mit der sich verringernden Gießgeschwindigkeit in der D-Stufe und der sich erhöhenden Stranglänge in der U-Stufe entwickelt. Die detaillierte Definition von SPE und HT wurden von Nomikos u.a. in Technometrics, Band 37, 1995 beschrieben. Ähnlich der Philosophie der univariaten statistischen Prozesssteuerung müssen die Steuergrenzen sowohl für SPE als auch für HT bei 98 bestimmt werden (Figur 4), um einen neuen SEN-Wechsel zu überwachen. Theoretisch folgen diese beiden Statistiken unter der Annahme, dass alle Prozessvariablen und die sich ergebenden Maße T multinormal verteilt sind, bekannten Wahrscheinlichkeitsverteilungen. Eine solche Annahme wird jedoch nicht auf den SEN-Wechselvorgang angewendet. Gemäß einer bevorzugten Ausführungsform dieser Erfindung werden die Steuergrenzen sowohl für SPE als auch für HT folgendermaßen durch die Geschichtsdaten in dem Modellsatz bestimmt. Wenn SPE als ein Beispiel genommen wird, werden bei der Beobachtung k SPE-Werte für alle normalen SEN-Wechselvorgänge in dem Modelldatensatz berechnet und die Histogramme der sich ergebenden SPE-Werte aufgetragen. Eine Konstante Cspea wird so bestimmt, dass nur ein bestimmter Prozentsatz (beispielsweise 5 % gemäß einer bevorzugten Ausführungsform dieser Erfindung) der SEN-Wechselvorgänge in dem Modelldatensatz einen SPE-Wert jenseits CSPE,k hat. Demgemäß ist die SPE-Steuergrenze bei der Beobachtung k durch 16 AT 500 365 B1 CLsPE.k = 9 * CsPE.k gegeben, wobei g ein Abstimmungsparameter für das Kompensieren jeglicher Fehler infolge der begrenzten Größe des Modelldatensatzes ist. Der Wert von g ist normalerweise größer als 1 und kleiner als 1,75. Dasselbe Verfahren wird angewendet, um die Steuergrenzen von HT zu bestimmen. Es ist erwähnenswert, dass die Annahme hinter diesem alternativen Verfahren darin besteht, dass eine große Anzahl historischer Daten von SEN-Wechselvorgängen verfügbar ist, um den Modelldatensatz aufzubauen, und dass diese Vorgänge den größten Teil der Betriebsbereiche abdecken können.
Des weiteren wird auch der Beitrag jeder Variablen zu SPE oder HT bei jeder Beobachtung auf der Grundlage der Definition von SPE und HT berechnet. Das voranstehend beschriebene Verfahren wird auf die Bestimmung der Steuergrenzen für diese Beiträge angewendet.
Es ist möglicherweise erforderlich, dass eine Anzahl von Modellen entwickelt wird, um den gesamten Bereich der Betriebsbedingungen von Gießmaschinen abzudecken. Dies hängt in hohem Maße von dem Prozess selbst und davon ab, ob es eine Anzahl abgesetzter Betriebsbedingungen gibt, von denen jede möglicherweise ein getrenntes Modell benötigt. Typische Faktoren, die die Anzahl der für die Überwachung von SEN-Wechseln erforderlichen Modelle beeinflussen können, sind die Stahlqualität, die Breite des Gießstrangs usw., sie sind jedoch nicht darauf beschränkt. Gemäß einer bevorzugten Ausführungsform dieser Erfindung wird jedoch nur ein einziges MPCA-Modell entwickelt, um die drei Betriebsbedingungen, nämlich breites Gießen, mittleres Gießen und schmales Gießen, abzudecken, wie zuvor beschrieben wurde.
Wenn die Gießmaschine im mittleren Gießmodus oder im schmalen Gießmodus betrieben wird, stellen manche Thermoelementpaare infolge der Formbreitenänderung möglicherweise nicht mehr die Temperatur des geschmolzenen Stahls in der Form dar. Falls dies der Fall ist, werden alle Variablen, die sich auf diese Thermoelemente beziehen, als fehlend angesehen und dementsprechend behandelt.
Ein Fachmann wird verstehen, dass für jede der voranstehend erwähnten abgesetzten Betriebsbedingungen drei verschiedene Modelle aufgebaut werden könnten, um die Funktionsweise des Modells zu verbessern, und die Erfindung daher nicht darauf beschränkt ist.
Modellvalidierung und -Verbesserung
Der letzte Schritt in dem Verfahren vor dem Eingeben der sich ergebenden MPCA-Modelle in ein Online-Überwachungssystem besteht darin, das Modell unter Verwendung der SEN-Wechseldaten in dem bei 100 definierten Validierungsdatensatz zu validieren (Figur 4).
Wie voranstehend beschrieben wurde, weist der Validierungsdatensatz sowohl normale SEN-Wechselvorgänge als auch abnorme Vorgänge mit den transienten Gießausbrüchen auf. Drei Vergleichsmarken werden gemäß einer bevorzugten Ausführungsform verwendet, um das sich ergebende Modell zu überprüfen: - die Rate von Fehlalarmen, die in der Statistik auch als Typ-I-Fehler bekannt, - die Rate fehlgeschlagener Alarme, die in der Statistik auch als Typ-I I-Fehler bekannt ist, - die Vorlaufzeit bis zum Ausbruch, die sich auf das Zeitintervall zwischen dem ersten Alarm und einem tatsächlichen Ausbruch bezieht.
Die Anfangswerte sind auf 10 % für die Rate von Fehlalarmen, 5 % für die Rate fehlgeschlagener Alarme und 10 Sekunden für die Vorlaufzeit bis zum Ausbruch gelegt. Sobald das Modell diese Validierungsvergleichsmarken erfolgreich erfüllt hat, ist es für die Online-Implementation bereit. 1 7 AT 500 365 B1
Ein Fachmann wird verstehen, dass die erwähnten Vergleichsmarken ausgeglichen werden müssen, um sowohl in Bezug auf die Leistungsfähigkeit als auch auf die Robustheit des Modells ein praktisch einsetzbares MPCA-Modell zu erhalten. Das heißt, dass das Modell eine gute Vorhersagefähigkeit von transienten Gießausbrüchen aufweisen muss und gleichzeitig recht robust für übliche Prozessstörungen sein muss.
Einige Verfahren können verwendet werden, um das Modell neu aufzubauen und die vorbestimmten Validierungsvergleichsmarken vor der Online-Implementation zu erfüllen. Diese Verfahren umfassen folgendes, ohne jedoch darauf beschränkt zu sein: - Erhöhen der Größe des Modellsatzes, indem eine größere Zahl normaler SEN-Wechselvor-gänge erworben wird, - Verfeinern der ausgewählten Prozessvariablenliste, um zu vermeiden, dass entscheidende Prozessvariablen ausgelassen werden, - Erhöhen der Anzahl der Hauptkomponenten, um eine größere Prozessvarianz zu erfassen, oder deren Verringern, um ein robusteres Modell zu erhalten, - Neuabstimmen der Steuergrenzen für die SPE- und die HT-Statistik, - Klassifizieren von Gießmaschinen-SEN-Wechselvorgängen durch Bedingungen (in der Art von Produktqualitäten usw.) und Entwickeln von Modellen für jede abgesetzte Betriebsbedingung.
Diese Verfahren können einzeln oder vorzugsweise in Kombination angewendet werden, um ein praktisch einsetzbares Modell zu entwickeln, das die wirklichen Anforderungen der Überwachung des SEN-Wechselvorgangs erfüllt.
Nach dem erfolgreichen Abschluss der voranstehend erwähnten Prozeduren in dem Modellentwicklungsmodul bei 76 in Figur 3 wird ein MPCA-Modell 78 bei 102 in Figur 4 gespeichert und ist für die Online-Implementation bereit. Das Modell wird in das Online-Prozessüber-wachungsmodul 80 (Figur 3) geladen, um einen neuen SEN-Wechselvorgang online und in Echtzeit zu überwachen und einen bevorstehenden transienten Gießausbruch vorherzusagen. Das Prozessüberwachungsmodul enthält intensive Schritte dazu, wie das MPCA-Modell zu verwenden ist, um die gewünschten Ergebnisse zu erreichen, die nachstehend beschrieben werden.
Mit Bezug auf Figur 14 sei bemerkt, dass gemäß einer bevorzugten Ausführungsform alle Sensormessungen eines Gießprozesses bei 180 in einem vorgegebenen Abtastintervall von 400 ms online gesammelt werden. Die Echtzeitmessungen werden kontinuierlich abgetastet und in das Prozessüberwachungsmodul eingegeben, wo ein temporärer Datenpuffer ausgebildet ist, um diese Daten nach Bedarf zu speichern. Auf der Grundlage der Echtzeitmessungen wird eine Prozesszustandsbestimmungs-Funktion in dem Online-Prozessüberwachungsmodul verwendet, um den aktuellen Prozesszustand bei 182 zu bestimmen. Wenn und nur wenn sich der Prozess in einem SEN-Wechselzustand (einschließlich sowohl der D-Stufe als auch der U-Stufe) befindet, werden die folgenden Berechnungen ausgeführt.
Wenn ein neuer SEN-Wechsel auftritt, werden die erfassten Messungen zuerst mit ihren jeweiligen annehmbaren Bereichen überprüft, und alle ungültigen Messwerte werden bei 184 als "fehlend" gekennzeichnet. Falls bei der Gießgeschwindigkeit fehlende Daten erfasst werden, wird die Berechnung angehalten, weil sie als eine kritische Variable für eine erfolgreiche Überwachung eines SEN-Wechsels angesehen werden, und das MPCA-Modell wird andernfalls bei 186 in das Prozessüberwachungsmodul geladen, und die vom Modell benötigten Prozessvariablen werden dann bei 188 gewählt. Ihre Prozesstrajektorien vom Anfang des SEN-Wechsels bis zur aktuellen Zeit sind anhand des voranstehenden Datenpuffers bekannt, und sie werden bei 190 auf der Grundlage der bei 94 bestimmten vordefinierten Synchronisationsskalen synchronisiert (Figur 4) und in der D-Stufe des SEN-Wechsels in Bezug auf die Gießgeschwindigkeit und in der U-Stufe des SEN-Wechsels in Bezug auf die Stranglänge ausgerichtet. Der Rest 18 AT 500 365 Bi der Trajektorien in den künftigen Beobachtungen ist nicht verfügbar und wird daher bei 192 unter der Annahme geschätzt, dass die aktuelle Abweichung von der durchschnittlichen Trajek-torie über den Rest der SEN-Wechseldauer konstant bleibt. Fachleute werden verstehen, dass die voranstehende Annahme geändert werden kann, um den wirklichen Prozessablauf widerzuspiegeln, wobei die Trajektorien in den künftigen Beobachtungen beispielsweise in manchen Fällen direkt anhand der durchschnittlichen Trajektorien selbst vorhergesagt werden können und noch die annehmbaren Ergebnisse erzeugen können. Die sich ergebenden geschätzten und synchronisierten Trajektorien ausgewählter Prozessvariablen haben die gleiche Anzahl von Beobachtungen, wie durch die Synchronisationsskalen in der SEN-Wechseldauer definiert ist, und sie bilden eine zweidimensionale Datenmatrix Xnew. wobei das Element Xnew(j. k) den synchronisierten Wert der Variablen j bei der Beobachtung k darstellt.
Xnew wird bei 194 vorverarbeitet, um jede Variable bei jeder Beobachtung um Null zu zentrieren und auf die Einheitsvarianz auf der Grundlage der Durchschnittswerte und Standardabweichungen, die anhand der historischen Daten abgeleitet wurden, zu skalieren. Als nächstes entfaltet das Prozessüberwachungsmodul die vorverarbeitete Datenmatrix nach demselben Verfahren, das bei 96 beschrieben wurde (Figur 4), und berechnet dann bei 196 die Maße und SPE- und HT-Statistiken unter Verwendung der Ladematrix P im MPCA-Modell. Diese Statistiken liefern Informationen dazu, wie sich der gegenwärtige SEN-Wechselvorgang oder insbesondere der durch das Modell gekennzeichnete normale SEN-Wechsel statistisch von dem Modell unterscheidet, und es wird daher dadurch der Zustand der Gießmaschine abgeleitet.
Falls bei 197 entweder die SPE- oder die HT-Statistik eines neuen SEN-Wechselvorgangs ihre Steuergrenze über 3 aufeinanderfolgende Abtastintervalle überschreitet, wird ein Alarm erzeugt, um einen bevorstehenden transienten Gießausbruch oder eine abnorme Situation anzugeben. Ein HT-Alarm impliziert, dass der gegenwärtige SEN-Wechsel vom normalen Betriebsbereich abweicht und ein möglicher transienter Gießausbruch auftreten kann. Dagegen gibt ein SPE-Alarm an, dass die inhärente Korrelation innerhalb der ausgewählten Prozessvariablen unterbrochen wurde und ein transienter Gießausbruch sehr wahrscheinlich ist. Diese beiden Alarmtypen können individuell erzeugt werden, oder sie werden in den meisten Fällen gemeinsam erzeugt. Im Fall von SPE- und/oder HT-Alarmen wird eine bestimmte Anzahl von Prozessvariablen, die sich sehr wahrscheinlich auf den vorhergesagten Ausbruch beziehen, auf der Grundlage ihrer Beiträge zur SPE- und/oder HT-Statistik bei 198 identifiziert. Sowohl die Alarme als auch die identifizierten Prozessvariablen werden bei 200 zu den HMI-Bildschirmen gesendet, um Bedienpersonen mitzuteilen, dass sie die bereitgestellten Informationen nutzen können, um eine weitere Diagnose auszuführen oder eine korrigierende Entscheidung zu treffen, um das wirkliche Auftreten des vorhergesagten Ausbruchs zu vermeiden.
Ein Computersystem 202 ist für eine industrielle Implementation eines Überwachungssystems für einen transienten Vorgang einer Gießmaschine ausgelegt. Die Systemarchitektur ist in Figur 15 dargestellt, und sie besteht aus zwei Komponenten, nämlich dem Online-Überwa-chungssystem 204 und dem Offline-Modellsystem 206. Das Online-Überwachungssystem ist nach dem Standard-Softwareentwicklungsrahmen mit drei Ebenen (three-tier) ausgelegt:
Eine Datenebene (Data Tier) 208, in der ein Datenzugriffsserver 218 mit allen programmierbaren Logiksteuereinrichtungen (PLC) 214 verbunden ist, um alle Echtzeit-Prozessdaten zu erfassen. Gemäß einer bevorzugten Ausführungsform dieser Erfindung wird die OPC-Datenzugriffs-spezifikation verwendet. Die ausgewählten Echtzeitdaten werden einer zweiten Ebene 210 für die Modellberechnung und gleichzeitig einer Prozessgeschichtsdatenbank 216 für Datenarchivierungszwecke zugeführt. Die archivierten Daten werden von dem Offline-Modellsystem verwendet, wenn die MPCA-Modelle neu aufgebaut werden müssen.
Die Berechnungsebene (Calculation Tier) 210, in der ein Rechenserver 220 in der Lage ist, die Echtzeitdaten in der über die Datenzugriffsschnittstelle zu empfangen, die MPCA-Berechnung auszuführen und die sich auf den Alarm beziehenden Informationen zu einem HMI-Computer 1 9 AT 500 365 B1 222 zu senden.
Eine Präsentationsebene (Presentation Tier) 212, in der ein HMI-Computer 222, der sich im Steuerpult der Gießmaschine befindet, in der Lage ist, die aktuellen Betriebsbedingungen des SEN-Wechsels anzuzeigen, einen Alarm zu einem bevorstehenden transienten Gießausbruch oder anderen Prozessabnormitäten bei einem SEN-Wechsel auf der Grundlage der bereitgestellten SPE- und HT-Statistiken auszugeben, und Bedienpersonen dabei zu unterstützen, eine richtige Entscheidung zu fällen, wenn ein Alarm erzeugt wird. Gemäß einer bevorzugten Ausführungsform dieser Erfindung ist "OSI PI process book", ein Warenzeichen von OSI Soft, Inc., als die Benutzerschnittstelle ausgewählt.
Das Offline-Modellsystem 206 weist einen oder mehrere Entwicklungscomputer 224 auf, die über einen Router eine Verbindung zum Produktionsnetzwerk herstellen, um die Netzwerksicherheit aufrechtzuerhalten. Die Entwicklungscomputer sind in der Lage, auf Prozessgeschichtsdaten, die hauptsächlich für die MPCA-Modellentwicklung, die Beurteilung der Modelleistungsfähigkeit und andere Ad-Hoc-Analysen verwendet werden, leicht zuzugreifen. Diese Analysen sind sehr wichtig, um das System mit einer hohen Betriebszeit am Laufen zu halten.
Fachleute werden verstehen, dass das voranstehend erwähnte Computersystem in verschiedenen Hinsichten geändert werden kann, wobei beispielsweise ein kundenspezifisches Datenerfassungssystem verwendet werden kann, um den Datenzugriffsserver zu ersetzen, oder die Anzeigefunktion in der HMI-Maschine in ein anderes Steuersystem, wie ein verteiltes Steuersystem (DCS) usw., integriert werden kann. Daher ist diese Erfindung nicht darauf beschränkt.
Es gibt eine Anzahl von Merkmalen in dem Online-System, die bei der Realisierung eines solchen Systems neu und nicht offensichtlich sind. Diese Merkmale werden in dem nachstehenden Text in weiteren Einzelheiten beschrieben.
Vorbedingungen für die Online-Überwachung eines SEN-Wechsels
Es bestehen zwei Vorbedingungen für die Online-Überwachung eines SEN-Wechsels unter Verwendung der voranstehend erwähnten Prozeduren. Diese Vorbedingungen und die Lösungen zu ihrer Erfüllung gemäß einer bevorzugten Ausführungsform werden im folgenden Zusammenhang detailliert beschrieben.
Erstens erfordert die Online-Überwachung von SEN-Wechseln, dass der Prozesszustand des SEN-Wechsels bestimmt wird, während der Gießprozess abläuft. Wie voranstehend beschrieben wurde, folgt bei einem Stranggießprozess einem langfristigen, kontinuierlichen Laufzeitvorgang häufig ein Einleitungsvorgang, während dem transiente Vorgänge, wie SEN-Wechsel, fliegende Tundish-Wechsel, Produktqualitätsänderungen usw., durchgeführt werden. Eines der für das Online-System entwickelten Merkmale besteht in der Fähigkeit zur Überwachung von Einleitungsvorgängen, Laufzeitvorgängen und transienten Vorgängen in einem integrierten Computersystem. Eine regelbasierte Prozesszustands-Bestimmungsfunktion wird bei 182 (Figur 14) im Prozessüberwachungsmodul entwickelt, um auf der Grundlage der verfügbaren Echtzeitdaten den Zustand zu bestimmen, der gegenwärtig auf den Prozess angewendet wird, und automatisch das geeignete Modell für die Prozessüberwachung auszuwählen. Mit Bezug auf Figur 16 werden mehrere Prozesszustände als ein Herunterfahrzustand 230, ein Laufzeitzustand 232, ein Einleitungszustand 234 und ein SEN-Wechselzustand 236, der aus einer D-Stufe 238 und einer U-Stufe 240 besteht, definiert. In jedem Zustand werden die entsprechenden Berechnungen ausgeführt, wobei beispielsweise die in dieser Erfindung offenbarten MPCA-Modellberechnungen im SEN-Wechselzustand ausgeführt werden, normale PCA-Berechnungen (von Vaculik u.a. in der US 6 564 119 beschrieben) im Laufzeitzustand ausgeführt werden und keine Berechnung im Herunterfahrzustand ausgeführt wird. Abhängig von den aktuellen Betriebsbedingungen (anhand der Gießgeschwindigkeit, der Stranglänge usw. bestimmt) ist das System in der Lage, sich von einem Zustand zu einem anderen zu bewegen und 20 AT 500 365 B1 daher den Einleitungsvorgang, den Laufzeitvorgang, den SEN-Wechselvorgang oder andere transiente Vorgänge der Gießmaschine zu überwachen. Zum Bestimmen des SEN-Wechsel-zustands ist ein Schalter-Hardwareteil, beispielsweise eine Drucktaste, die als SEN-Wechsel-taste bezeichnet wird, am Steuerpult des Bedieners installiert, und es werden Standard-Betriebsprozeduren (SOP) revidiert, um zu gewährleisten, dass die SEN-Wechseltaste gedrückt wird, wenn Bedienpersonen damit beginnen, die Gießgeschwindigkeit für einen SEN-Wechsel zu verringern. Das Drucktastensignal wird dem Online-Überwachungssystem verfügbar gemacht. Demgemäß bewegt sich das System, wie in Figur 16 dargestellt ist, vom Laufzeitzustand zur D-Stufe des SEN-Wechselzustands, wenn Bedingung 1 angewendet wird, d.h. die Gießgeschwindigkeit unterhalb von Vmax liegt, nachdem die SEN-Wechseltaste gedrückt wurde. Das System bewegt sich von der D-Stufe zur U-Stufe, wenn Bedingung 2 angewendet wird, d.h. die stufenweise Änderung der Gießgeschwindigkeit größer als +0,01 Meter/Minute ist, nachdem die Gießgeschwindigkeit die SEN-Wechsel-Haltegeschwindigkeit erreicht hat, und es bewegt sich weiter zum Laufzeitzustand zurück, wenn Bedingung 3, nämlich dass die Länge des innerhalb der U-Stufe gegossenen Stahlstrangs 2,4 Meter erreicht, angewendet wird. Es ist erwähnenswert, dass sehr ähnliche Bedingungen angewendet werden können, um die Stufe anderer transienter Vorgänge 242 von Gießmaschinen, wie von fliegenden Tundish-Wechseln und Produktqualitätsänderungen, zu bestimmen.
Zweitens erfordert es die Online-Überwachung eines SEN-Wechsels, dass die Gießgeschwindigkeit während der D-Stufe für den Zweck der Trajektoriensynchronisation monoton abnimmt, so dass gilt dV/dt < 0, wobei dV/dt der Gradient der Gießgeschwindigkeit während der D-Stufe des SEN-Wechsels ist. Gemäß einer bevorzugten Ausführungsform dieser Erfindung wird diese Vorbedingung durch ein Stück Programmcode erfüllt, das sich in einer programmierbaren Logiksteuereinrichtung befindet und dazu dient, die Gießgeschwindigkeit automatisch auf die bedienerspezifizierte Haltegeschwindigkeit des SEN-Wechsels zu verringern, nachdem die SEN-Wechseltaste gedrückt wurde.
Ein Fachmann wird verstehen, dass die voranstehend erwähnten Lösungen für die Vorbedingungen der Online-SEN-Wechselüberwachung nicht eindeutig sind, und dass die SOP beispielsweise modifiziert werden können, um Bediener dazu zu zwingen, die Gießgeschwindigkeit kontinuierlich zu verringern, um die zweite Vorbedingung zu erfüllen. Daher ist diese Erfindung nicht darauf beschränkt. HMI-Übergang zwischen Prozesszuständen
Wie voranstehend angegeben wurde, ist das Online-Überwachungssystem in der Lage, einen Stranggießprozess in verschiedenen Prozesszuständen zu überwachen, wobei Prozessalarme und die identifizierten Prozessvariablen, die sich am wahrscheinlichsten auf die Alarme beziehen, von dem Online-Überwachungssystem durch einen Satz geeignet ausgelegter HMI-Bildschirme zu Bedienpersonen gesendet werden. Ein wichtiges Merkmal dieser Erfindung besteht darin, dass die Änderung der voranstehend erwähnten Prozesszustände für Bedienpersonen transparent und nahtlos ist. Zu diesem Zweck wird ein Satz identischer HMI-Bildschirme definiert, um Bedienern die Überwachungsinformationen (einschließlich Alarmen und der Prozessvariablen, die die Alarme am wahrscheinlichsten hervorgerufen haben) und die Betriebsinformationen (einschließlich des aktuellen Prozesszustands, der Wärme und der Brammenidentifikationsnummer, der Produktqualität, der Gießgeschwindigkeit und der Stranglänge, der Thermoelementtemperaturen usw.) für alle Prozesszustände bereitzustellen. Zusätzlich werden die in jedem Prozesszustand berechnete SPE- und HT-Statistik in Bezug auf ihre entsprechenden Steuergrenzen auf [0, 1] skaliert. Demgemäß werden die Steuergrenzen sowohl der skalierten SPE-Statistik als auch der skalierten HT-Statistik für alle Prozesszustände auf Eins konsolidiert. 21 AT 500 365 B1 Fähigkeit zum Behandeln fehlender Daten in Echtzeit
In Echtzeit fehlende Daten sind ein entscheidendes Problem für den Erfolg der Online-Prozessüberwachung von SEN-Wechseln. Die fehlenden Daten können sich bei dem Online-Überwachungssystem gemäß dieser Erfindung aus drei Quellen ergeben. Erstens können einige ungültige Messwerte von Sensoren aus bestimmten Gründen, einschließlich Sensorfehlern, einer Fehlfunktion des Datenerfassungssystems oder Computernetzwerkproblemen, auf-treten. Zweitens können fehlende Daten durch das in der D-Stufe des SEN-Wechsels angewendete Prozesstrajektorien-Synchronisationsschema in das Überwachungssystem eingeführt werden, wobei die fehlenden Daten zu Beginn der D-Stufe eines SEN-Wechsels erzeugt werden, wenn die Gleichgewichtsgeschwindigkeit des SEN-Wechsels am Ende der D-Stufe kleiner als Vmax ist und/oder wenn die Haltegeschwindigkeit des SEN-Wechsels größer als Vmin ist (siehe Figur 10). Schließlich können fehlende Daten bei manchen Thermoelementtemperaturen auftreten, wenn die Gießmaschine im mittleren Gießmodus oder im schmalen Gießmodus betrieben wird, wobei diese Thermoelemente infolge der Formbreitenänderung nicht mehr die Temperatur der Form darstellen.
Eines der für das Online-System entwickelten Merkmale ist die Fähigkeit zum Fortsetzen der Überwachung von SEN-Wechseln bei Abwesenheit eines Teils der Echtzeit-Sensormessungen. Sobald von dem Online-System fehlende Daten gefunden werden, werden sie nach den folgenden Regeln und Verfahren behandelt:
Falls fehlende Daten in der Gießgeschwindigkeit gefunden werden, werden die fehlenden Daten durch den vorhergehenden Wert ersetzt. Wenn der vorhergehende Wert jedoch auch als fehlend ausgezeichnet ist, geht das System in den Bereitschaftszustand über, und es wird keine MPCA-Berechnung für die SEN-Wechselüberwachung ausgeführt, weil die Gießgeschwindigkeit als für den Erfolg der Online-Implementation entscheidend angesehen wird.
Falls fehlende Daten in anderen ausgewählten Prozessvariablen gefunden werden, werden sie folgendermaßen kompensiert: - Bei der Trajektoriensynchronisation bei 190 (Figur 14) werden die synchronisierten Daten auf eine identifizierbare Zahl gesetzt und als "fehlend" ausgezeichnet, falls sie anhand fehlender Daten interpoliert werden, - bei der Modellberechnung bei 196 (Figur 14) werden die fehlenden Daten durch die modellbasierte Schätzung ersetzt, und sie werden dann durch die Modellberechnungen geführt, wobei der Schätzalgorithmus als die Projektion auf die Modellebene bezeichnet wird, wie von Nelson u.a. in Chemometrics and Intelligent Laboratory Systems, Band 35, 1996 beschrieben ist.
Schnelle Anweisungsinformationen für die Fehlerdiagnose
Das Identifizieren der Prozessvariablen, die sich am wahrscheinlichsten auf einen vorhergesagten transienten Gießausbruch beziehen, bei 198 (Figur 14), ist ein wichtiges Merkmal bei dem Online-Überwachungssystem des SEN-Wechsels einer Gießmaschine. Wenn ein Alarm erzeugt wird, ist es wichtig, die Bedienpersonen darüber schnell zu informieren, durch was der Alarm hervorgerufen sein kann, so dass eine weitere Diagnose vorgenommen werden kann und/oder geeignete Steuertätigkeiten ausgeführt werden können, um das eigentliche Auftreten des vorhergesagten transienten Gießausbruchs zu vermeiden.
Im Stand der Technik der multivariaten statistischen Prozessüberwachung werden solche Prozessdiagnoseinformationen normalerweise von Beitragsauftragungen abgeleitet. Eine traditionelle PCA-Beitragsauftragung enthält alle Prozessvariablen, die an der Modellberechnung beteiligt sind, und die Prozessvariablen, die die Alarme am wahrscheinlichsten erzeugen, werden durch ihre größten Beiträge identifiziert. Wie jedoch durch 246 in Figur 17(a) veranschau- 22 AT 500 365 B1 licht ist, kann eine solche Beitragsauftragung den Nachteil einer sehr großen Anzahl von Prozessvariablen und ihrer Beobachtungen im Laufe der Zeit im MPCA-Modell aufweisen (gemäß einer bevorzugten Ausführungsform dieser Erfindung gibt es insgesamt 60 Prozessvariablen und 120 Beobachtungen über eine SEN-Wechseldauer für jede Prozessvariable), und sie würde Bedienpersonen nicht schnell und klar hilfreiche Betriebsanleitungen bereitstellen. Daher wird gemäß dieser Erfindung eine modifizierte Beitragsauftragung entwickelt, wobei nur die Beobachtungen, die die aktuellen, momentanen Betriebsbedingungen beschreiben, den Bedienpersonen präsentiert werden. Es wird erwartet, dass bei einer aktuellen Beobachtung eine bestimmte Prozessvariable mit einem hohen Beitrag zur SPE- oder HT-Statistik bei allen normalen SEN-Wechseln innerhalb des Modelldatensatzes auch einen hohen Beitrag bei einem neuen SEN-Wechselvorgang haben sollte. Falls demgemäß bei einer Alarmsituation eine Prozessvariable bei der aktuellen Beobachtung einen höheren Beitrag hat als bei normalen Vorgängen üblich, ist dies die wahrscheinlichste Prozessvariable, die den Alarm hervorgerufen hat. Auf der Grundlage der bei 98 in Figur 4 zuvor entwickelten Beitragssteuergrenzen werden die Prozessvariablen, die die Alarme während eines SEN-Wechsels am wahrscheinlichsten hervorgerufen haben, dann bei der aktuellen Beobachtung durch das höchste Beitragsverhältnis zu ihrer entsprechenden Steuergrenze identifiziert, wie bei 248 in Figur 17(b) dargestellt ist.
Online-Modellabstimmung durch einstellbare Parameter
Gemäß dieser Erfindung liefern die Steuergrenzen der SPE-Statistik, der HT-Statistik und die Beiträge von Prozessvariablen sowohl zur SPE- als auch zur HT-Statistik die Vertrauensintervalle für die Bestimmung, ob ein SEN-Wechsel oder eine bestimmte Prozessvariable beim Vergleich mit der historischen Vergleichsmarke normal ist. Diese Steuergrenzen werden auf der Grundlage einer großen Anzahl historischer Betriebsdaten statt durch einige in der Theorie bekannte Wahrscheinlichkeitsverteilungsfunktionen berechnet. Wenngleich erwartet wird, dass die ausgewählten Geschichtsdaten einen möglichst großen Teil der Normalbetriebsbereiche umfassen, können sie infolge der begrenzten Größe der verfügbaren Geschichtsdaten nicht 100 % der Betriebsbereiche abdecken. Des weiteren kann der Normalbetriebsbereich im Laufe der Zeit driften. All diese Probleme haben einen großen Einfluss auf die Genauigkeit der berechneten Steuergrenzen zu der Zeit, zu der ein Modell aufgebaut wird, und sie können zu einer Anzahl von Fehlalarmen oder fehlgeschlagenen Alarmen führen.
Ein für diese Erfindung entwickeltes Merkmal besteht darin, dass ein Satz einstellbarer Modellparameter als Mittel zur Online-Modellabstimmung verfügbar ist. Die Parameter betreffen den Multiplizierer "g", wobei es sich um eine Konstante handelt, die zum Definieren der Steuergrenzen für SPE-, HT-Funktionsweiseindizes und ihre Verteilungen verwendet wird. Gemäß einer bevorzugten Ausführungsform dieser Erfindung werden verschiedene Werte von g zugewiesen, um SPE- und HT-Steuergrenzen in der D-Stufe bzw. der U-Stufe des SEN-Wechsels zu erhalten. Auf der Grundlage der Modellfunktionsweise, wie der Rate von Fehlalarmen und fehlgeschlagenen Alarmen, kann der Parameter g online in Echtzeit abgestimmt werden. Falls die gewünschte Modellfunktionsweise jedoch nicht durch Abstimmen des Parameters g erreicht wird, gibt dieser an, dass das Modell möglicherweise neu aufgebaut werden muss.
INDUSTRIELLE ANWENDBARKEIT
Zusammenfassend sei bemerkt, dass es für die Verwirklichung eines Online-Überwachungs-systems eines SEN-Wechsels einer Gießmaschine unter Verwendung multivariater statistischer Modelle des Prozesses erforderlich ist, dass einem Computersystem die voranstehend beschriebenen Prozessmessungen zur Verfügung stehen. Das Computersystem wird verwendet, um MPCA-Berechnungen auszuführen, um dadurch einen gegenwärtig ablaufenden SEN-Wechsel zu überwachen, einen bevorstehenden transienten Gießausbruch vorherzusagen und Bedienern alle Alarme vorhergesagter Ausbrüche mitzuteilen. Die multivariaten statistischen Modelle werden offline auf der Grundlage der sorgfältig ausgewählten Geschichtsdaten unter Verwendung der MPCA-Technologie entwickelt, wobei ein einzigartiges zweistufiges Prozess-
Claims (29)
- 23 AT 500 365 B1 trajektorien-Synchronisationssystem angewendet wird. Die Modelle werden durch Auswerten der Rate von Fehlalarmen, der Rate fehlgeschlagener Alarmen und der Vorlaufzeit für einen Ausbruch überprüft, bevor sie online und in Echtzeit angewendet werden können. Wenngleich diese Erfindung mit Bezug auf die Überwachung eines SEN-Wechsels eines Stranggießprozesses und die Vorhersage transienter Gießausbrüche während eines solchen SEN-Wechsels beschrieben worden ist, ist sie nicht darauf beschränkt. Insbesondere kann diese Erfindung auch auf andere transiente Vorgänge von Gießmaschinen, wie fliegende Tun-dish-Wechsel, Produktqualitätsänderungen usw., angewendet werden, um transiente Gießausbrüche vorherzusagen, die bei den voranstehenden Vorgängen auftreten. Es sei bemerkt, dass an den voranstehend beschriebenen Ausführungsformen der Erfindung innerhalb des Schutzumfangs der anliegenden Ansprüche mehrere Abänderungen vorgenommen werden können. Patentansprüche: 1. Verfahren zum Online-Überwachen transienter Vorgänge in einer Stranggießmaschine und zum Vorhersagen eines bevorstehenden transienten Gießausbruchs oder einer anderen Prozessabnormität mit den folgenden Schritten: Abrufen von Prozessgeschichtsdaten einer Mehrzahl von ausgewählten Prozessvariablen während einer vordefinierten Dauer eines transienten Vorgangs, wobei die sich ergebenden Prozessgeschichtsdaten den größten Teil der Bereiche normaler transienter Vorgänge abdecken und zum Erstellen eines Modelldatensatzes verwendet werden, Einteilen der Modelldaten in jedem transienten Vorgang in zwei Stufen und getrenntes Synchronisieren der Modelldaten in Bezug auf einen Satz anhand der Gießgeschwindigkeit bzw. der Gießstranglänge vordefinierter Synchronisationsskalen in den zwei Stufen, um eine Reihe von Beobachtungen zu definieren, die einen synchronisierten Modelldatensatz bilden, Ausführen einer Mehrwege-Hauptkomponentenanalyse (MPCA) an dem synchronisierten Modelldatensatz, um ein multivariates statistisches Modell für das Versehen normaler transienter Vorgänge mit Vergleichsmarken zu entwickeln, und Berechnen einer Ladematrix P und von Werten von Hauptkomponenten für jeden transienten Vorgang in dem Modelldatensatz, Berechnen von Teststatistiken bei jeder Beobachtung über eine vordefinierte Dauer eines transienten Vorgangs für jeden transienten Vorgang in dem Modelldatensatz auf der Grundlage des multivariaten statistischen Modells, Bestimmen von Steuergrenzen für die Teststatistiken und ihrer Beiträge anhand jeder ausgewählten Prozessvariable, Erfassen von Online-Prozessdaten jeder ausgewählten Prozessvariable von einer vordefinierten Anfangszeit bis zu einer aktuellen Zeit t bei einem neuen zu überwachenden transienten Vorgang, Synchronisieren der erfassten Online-Daten auf der Grundlage der in den zwei Stufen definierten Synchronisationsskalen und Vorhersagen künftiger Prozesstrajektorien für den Rest der Dauer des transienten Vorgangs, nämlich von der aktuellen Zeit t bis zu einem vordefinierten Endpunkt für die Dauer des transienten Vorgangs, um vollständige Prozesstrajektorien zu erzeugen, Berechnen von Teststatistiken auf der Grundlage des multivariaten statistischen Modells für die sich ergebenden vollständigen Prozesstrajektorien des neuen transienten Vorgangs, Vergleichen der anhand des neuen transienten Vorgangs berechneten Teststatistiken mit ihren entsprechenden Steuergrenzen und Erzeugen mindestens eines Hinweissignals, das angibt, ob der neue transiente Vorgang von seiner historischen Vergleichsmarke des Normalbetriebs bei einem Stranggießprozess statistisch verschieden ist.
- 2. Verfahren nach Anspruch 1, in dem ein Alarmsignal erzeugt wird, wenn die Teststatistiken 24 AT 500 365 B1 ihre Steuergrenzen über mehr als eine vordefinierte Anzahl aufeinanderfolgender Abtastintervalle überschreiten, wobei das Alarmsignal einen bevorstehenden transienten Gießausbruch oder eine andere Prozessabnormität angibt.
- 3. Verfahren nach Anspruch 2, in dem eine Liste von Prozessvariablen erzeugt wird, die die wahrscheinlichsten Beitragenden zu dem Alarmsignal sind.
- 4. Verfahren nach Anspruch 1, in dem ein transienter Vorgang dadurch gekennzeichnet ist, dass die Gießgeschwindigkeit verlangsamt wird, die Gießgeschwindigkeit der Stranggießmaschine über einen kurzen Zeitraum unverändert bleibt und die Gießgeschwindigkeit schließlich über mehrere Minuten allmählich wieder auf die normalen Betriebsbedingungen hochgefahren wird.
- 5. Verfahren nach Anspruch 4, in dem die transienten Vorgänge SEN-Wechsel, fliegende Tundish-Wechsel und Produktqualitätsänderungen einer Stranggießmaschine umfassen.
- 6. Verfahren nach Anspruch 1, in dem die Prozessvariablen einer Stranggießmaschine aus der Gruppe ausgewählt werden, die folgendes umfasst: Form-Thermoelement-Messwerte, Temperaturdifferenzen zwischen vordefinierten Thermoelementpaaren, die Stopperstan-gen-Position, das Nettogewicht des Tundish-Wagens, Form-Kühlwasserflüsse, die Temperaturdifferenz zwischen dem einströmenden und dem ausströmenden Form-Kühlwasser und der durch jede Formfläche übertragene Wärmefluss.
- 7. Verfahren nach Anspruch 6, wobei der durch jede Formfläche einer Stranggießmaschine übertragene Wärmefluss anhand der Temperaturdifferenz zwischen dem einströmenden und dem ausströmenden Kühlwasser für jede Formfläche berechnet wird.
- 8. Verfahren nach Anspruch 1, in dem die Dauer eines transienten Vorgangs in einem Stranggießprozess durch zwei Stufen definiert wird, nämlich: eine D-Stufe, die an dem Anfangspunkt beginnt, wenn die Gießgeschwindigkeit für einen transienten Vorgang verringert wird, und die an einem Endpunkt endet, wenn die Gießgeschwindigkeit von einer vordefinierten Haltegeschwindigkeit an erhöht wird, und eine U-Stufe, die an dem Ende der D-Stufe beginnt und an einem Endpunkt endet, bei dem die Länge des in der U-Stufe gegossenen Stahlstrangs einen vordefinierten Wert erreicht.
- 9. Verfahren nach Anspruch 8, in dem die Gießgeschwindigkeit in der D-Stufe kontinuierlich auf einen gewünschten Wert abnimmt, der durch eine automatische Steuereinrichtung gesteuert wird.
- 10. Verfahren nach Anspruch 8, in dem die Länge eines in der U-Stufe gegossenen Stahlstrangs 2,4 Meter beträgt.
- 11. Verfahren nach Anspruch 8, in dem die Länge des Stahlstrangs als das Integral der Gießgeschwindigkeit über die Zeit berechnet wird und in der U-Stufe monoton ansteigt.
- 12. Verfahren nach Anspruch 8, in dem Prozesstrajektorien in der D-Stufe auf der Grundlage eines Satzes unter Verwendung der Gießgeschwindigkeit definierter gleichmäßiger Synchronisationsskalen synchronisiert werden und fehlende Daten infolge des angewendeten Prozesstrajektorien-Synchronisationsverfahrens an dem Anfang und/oder an dem Ende der D-Stufe existieren.
- 13. Verfahren nach Anspruch 8, in dem Prozesstrajektorien in der U-Stufe auf der Grundlage eines Satzes unter Verwendung der Gießstranglänge definierter nicht-einheitlicher Synchronisationsskalen synchronisiert werden, so dass eine Online-Überwachungsberechnung an dem Anfang der U-Stufe häufiger als an dem Ende der U-Stufe ausgeführt wird. 25 AT 500 365 B1
- 14. Verfahren nach Anspruch 1, in dem das multivariate statistische Modell unter Verwendung der MPCA-Technologie entwickelt wird und die Anzahl der Hauptkomponenten so bestimmt wird, dass ein vorgegebener Prozentsatz der in dem historischen Modelldatensatz existierenden Varianz von Vorgang zu Vorgang erfasst wird.
- 15. Verfahren nach Anspruch 1, in dem die Teststatistiken aus der aus der quadratischen Vorhersagefehler-Statistik (SPE-Statistik) und der "Hotelling-T-Statistik" (HT-Statistik) bestehenden Gruppe ausgewählt werden.
- 16. Verfahren nach Anspruch 1, in dem die Steuergrenzen für die Teststatistiken und Beiträge jeder ausgewählten Prozessvariable auf der Grundlage der Geschichtsdaten in dem Modelldatensatz bestimmt werden und ein einstellbarer Multiplizierer online verwendet wird, um die Steuergrenzen einzustellen.
- 17. Verfahren nach Anspruch 16, in dem der Multiplizierer für die Steuergrenzen der Teststatistiken in der D-Stufe und der U-Stufe verschiedene Werte aufweist.
- 18. Verfahren nach Anspruch 3, in dem die Prozessvariablen, die sich am wahrscheinlichsten auf die vorhergesagten Ausbrüche oder Prozessabnormitäten beziehen, verglichen mit ihren entsprechenden Steuergrenzen bei der aktuellsten Beobachtung, durch hohe Beitragswerte identifiziert werden.
- 19. Echtzeitsystem zum Online-Überwachen transienter Vorgänge in einer Stranggießmaschine und zum Vorhersagen eines bevorstehenden transienten Gießausbruchs oder einer anderen Prozessabnormität, mit: einer Mehrzahl von Messsensoren zum Erhalten von Echtzeit-Prozessdaten einer Stranggießmaschine, einem Datenzugriffsmodul zum Erfassen der Echtzeit-Prozessdaten von den Sensoren und zu deren Zuführen zu anderen Modulen in dem System bei Bedarf, einem Prozesszustands-Bestimmungsmodul zum Bestimmen eines Prozesszustands, der aus einem Einleitungszustand, einem Herunterfahrzustand, einem Laufzeitzustand und einem transienten Betriebszustand ausgewählt wird, und zum Auswählen eines Modellberechnungsmoduls für die Überwachung von Operationen bzw. Vorgängen einer Stranggießmaschine, einem Modellberechnungsmodul, das entsprechend dem vorgegebenen Prozesszustand von dem Prozesszustands-Bestimmungsmodul ausgewählt wird und dazu dient, die Echtzeit-Prozessdaten zu empfangen, MPCA-Berechnungen auszuführen und Teststatistiken zu berechnen, und einer Mensch-Maschine-Schnittsteile zum Anzeigen aktueller transienter Betriebsbedingungen entsprechend dem bestimmten Prozesszustand.
- 20. System nach Anspruch 19, in dem der transiente Betriebszustand die Wechsel eingetauchter Eintrittsdüsen (SEN-Wechsel), fliegende Tundish-Wechsel und Produktqualitätsänderungen einschließt.
- 21. System nach Anspruch 19, in dem die Mensch-Maschine-Schnittsteile Betriebsinformationen, einschließlich der Identifizierung des Prozesszustands, Brammen-Verfolgungsken-nungen, Echtzeit-Sensormesswerte, und Überwachungsinformationen, einschließlich Teststatistiken, Steuergrenzen, die den Teststatistiken zugeordnet sind, und identifizierter Prozessvariablen, die die wahrscheinlichsten Beitragenden für das Erzeugen von Alarmen sind, bereitstellt.
- 22. System nach Anspruch 21, in dem die Teststatistiken und die Beitragswerte in Bezug auf entsprechende Steuergrenzen über eine definierte Dauer eines transienten Vorauf [0, 1] skaliert sind. 26 AT 500 365 B1
- 23. Echtzeitsystem zum Online-Überwachen transienter Vorgänge in einer Stranggießmaschine und zum Vorhersagen eines bevorstehenden transienten Gießausbruchs oder einer anderen Prozessabnormität, mit: einem Modellentwicklungsmodul (76) zum Empfangen und Einteilen von Modelldaten von transienten Vorgängen in zwei Stufen und zum getrennten Synchronisieren der Modelldaten in Bezug auf einen Satz anhand der Gießgeschwindigkeit bzw. der Gießstranglänge vordefinierter Synchronisationsskalen in den zwei Stufen, wobei das Modellentwicklungsmodul (76) eine Reihe von Beobachtungen definiert, die einen synchronisierten Modelldatensatz bilden, zum Ausführen einer Mehrwege-Hauptkomponentenanalyse (MPCA) an dem synchronisierten Modelldatensatz, um ein multivariates statistisches Modell (78) zu entwickeln, das die in Geschichtsdaten existierende Varianz von Vorgang zu Vorgang erfasst, um normale transiente Vorgänge mit Vergleichsmarken zu versehen, zum Berechnen einer Ladematrix P und von Werten von Hauptkomponenten für jeden transienten Vorgang in dem Modelldatensatz, zum Berechnen von Teststatistiken bei jeder Beobachtung über eine vordefinierte Dauer eines transienten Vorgangs für jeden transienten Vorgang in dem Modelldatensatz auf der Grundlage des multivariaten statistischen Modells (78) und zum Bestimmen von Steuergrenzen für die Teststatistiken und ihrer Beiträge anhand ausgewählter Prozessvariablen, eine Mehrzahl von Messsensoren (70) zum Erfassen von Online-Prozessdaten ausgewählter Prozessvariablen von einem vordefinierten Anfangspunkt bis zu einer aktuellen Zeit t in einem überwachten neuen transienten Vorgang, einem Synchronisationsmodul zum Synchronisieren der erfassten Online-Prozessdaten auf der Grundlage der in den zwei Stufen definierten Synchronisationsskalen und zum Vorhersagen künftiger Prozesstrajektorien für den Rest der Dauer des transienten Vorgangs, nämlich von der aktuellen Zeit t bis zu einem vordefinierten Endpunkt für die Dauer des transienten Vorgangs, um vollständige Prozesstrajektorien zu erzeugen, einem Berechnungsmodul zum Berechnen von Teststatistiken auf der Grundlage des multivariaten statistischen Modells für die sich ergebenden vollständigen Prozesstrajektorien des neuen transienten Vorgangs und zum Vergleichen der anhand des neuen transienten Vorgangs berechneten Teststatistiken mit ihren entsprechenden Steuergrenzen und einer Mensch-Maschine-Schnittsteile zum Anzeigen aktueller transienter Betriebsbedingungen.
- 24. System nach Anspruch 23, mit einem Alarm zum Erzeugen eines Alarmsignals, wenn Teststatistiken ihre Steuergrenzen über mehr als eine vorgegebene Anzahl aufeinanderfolgender Abtastintervalle überschreiten, wobei das Alarmsignal einen bevorstehenden transienten Gießausbruch oder eine andere Prozessabnormität angibt.
- 25. System nach Anspruch 24, in dem die Mensch-Maschine-Schnittsteile das Alarmsignal präsentiert.
- 26. System nach Anspruch 24, in dem die Mensch-Maschine-Schnittstelle eine Liste von Prozessvariablen anzeigt, die die wahrscheinlichsten Beitragenden für den Alarm sind.
- 27. System nach Anspruch 23, in dem das Modellentwicklungsmodul die Modelldaten bei jedem transienten Vorgang in zwei Stufen einteilt, nämlich: eine D-Stufe, die an dem Anfangspunkt beginnt, wenn die Gießgeschwindigkeit für einen transienten Vorgang verringert wird, und an einem Endpunkt endet, wenn die Gießgeschwindigkeit von einer vordefinierten Haltegeschwindigkeit an erhöht wird, und eine U-Stufe, die an dem Ende der D-Stufe beginnt und an einem Endpunkt endet, an dem die Länge des in der U-Stufe gegossenen Stahlstrangs einen vorgegebenen Wert erreicht.
- 28. System nach Anspruch 23, mit einem einstellbaren Multiplizierer zum Online-Einstellen von Steuergrenzen. 27 AT 500 365 B1
- 29. System nach Anspruch 23, mit Mitteln zum Behandeln von durch Sensorfehler, nicht funktionierende Thermoelemente infolge von Änderungen der Breite der Form der Stranggießmaschine und durch das Synchronisationsmodul erzeugten fehlenden Daten. Hiezu 17 Blatt Zeichnungen
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/854,217 US6885907B1 (en) | 2004-05-27 | 2004-05-27 | Real-time system and method of monitoring transient operations in continuous casting process for breakout prevention |
Publications (2)
Publication Number | Publication Date |
---|---|
AT500365A2 AT500365A2 (de) | 2005-12-15 |
AT500365B1 true AT500365B1 (de) | 2009-04-15 |
Family
ID=34435983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
AT0088605A AT500365B1 (de) | 2004-05-27 | 2005-05-24 | Echtzeitsystem und -verfahren zum uberwachen transienter vorgange bei einem stranggiessprozess zur ausbruchsverhinderung |
Country Status (5)
Country | Link |
---|---|
US (1) | US6885907B1 (de) |
AT (1) | AT500365B1 (de) |
CA (1) | CA2497489C (de) |
DE (1) | DE102005022922A1 (de) |
FR (1) | FR2870762B1 (de) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004047885A (ja) * | 2002-07-15 | 2004-02-12 | Matsushita Electric Ind Co Ltd | 半導体製造装置のモニタリングシステム及びモニタリング方法 |
US7444197B2 (en) | 2004-05-06 | 2008-10-28 | Smp Logic Systems Llc | Methods, systems, and software program for validation and monitoring of pharmaceutical manufacturing processes |
US7799273B2 (en) | 2004-05-06 | 2010-09-21 | Smp Logic Systems Llc | Manufacturing execution system for validation, quality and risk assessment and monitoring of pharmaceutical manufacturing processes |
US7444191B2 (en) * | 2005-10-04 | 2008-10-28 | Fisher-Rosemount Systems, Inc. | Process model identification in a process control system |
US8036760B2 (en) * | 2005-10-04 | 2011-10-11 | Fisher-Rosemount Systems, Inc. | Method and apparatus for intelligent control and monitoring in a process control system |
KR100709000B1 (ko) * | 2005-10-04 | 2007-04-18 | 주식회사 포스코 | 스테인레스강 주편 품질 온라인 예측 시스템 및 이를이용한 예지방법 |
US7738975B2 (en) * | 2005-10-04 | 2010-06-15 | Fisher-Rosemount Systems, Inc. | Analytical server integrated in a process control network |
US20070088448A1 (en) * | 2005-10-19 | 2007-04-19 | Honeywell International Inc. | Predictive correlation model system |
CN100337773C (zh) * | 2005-12-27 | 2007-09-19 | 上海宝信软件股份有限公司 | 炼钢连铸生产工艺中的组连浇批次方法 |
US20070265801A1 (en) * | 2006-05-05 | 2007-11-15 | Honeywell International Inc. | Multivariate monitoring of operating procedures |
US7720553B2 (en) | 2006-08-31 | 2010-05-18 | Dell Products L.P. | Service metric portfolio management |
US7917240B2 (en) * | 2006-09-29 | 2011-03-29 | Fisher-Rosemount Systems, Inc. | Univariate method for monitoring and analysis of multivariate data |
EP2097794B2 (de) | 2006-11-03 | 2017-03-08 | Air Products and Chemicals, Inc. | System und verfahren zur prozessüberwachung |
US7680553B2 (en) * | 2007-03-08 | 2010-03-16 | Smp Logic Systems Llc | Methods of interfacing nanomaterials for the monitoring and execution of pharmaceutical manufacturing processes |
US20090084517A1 (en) | 2007-05-07 | 2009-04-02 | Thomas Brian G | Cooling control system for continuous casting of metal |
DE102007058109A1 (de) * | 2007-12-03 | 2009-06-04 | Sms Demag Ag | Vorrichtung zur Steuerung oder Regelung einer Temperatur |
DE102008028481B4 (de) * | 2008-06-13 | 2022-12-08 | Sms Group Gmbh | Verfahren zur Vorhersage der Entstehung von Längsrissen beim Stranggießen |
WO2010075166A1 (en) | 2008-12-23 | 2010-07-01 | Shell Oil Company | System and method for monitoring an industrial production process |
CN106094568B (zh) | 2010-05-21 | 2019-04-02 | 费希尔-罗斯蒙特***公司 | 多阶段过程建模方法 |
US8880203B2 (en) | 2010-05-21 | 2014-11-04 | Fisher-Rosemount Systems, Inc. | On-line alignment of a process analytical model with actual process operation |
US8630728B2 (en) * | 2011-01-28 | 2014-01-14 | Abb Technology Ag | System and method for generating indices to quantify operating transition performance of a continuous process |
CN102527971B (zh) * | 2012-02-27 | 2014-01-22 | 宝山钢铁股份有限公司 | 一种铸坯内裂缺陷的在线预报方法 |
US9509706B2 (en) * | 2012-08-31 | 2016-11-29 | Hitachi, Ltd. | Service performance monitoring method |
CN102866630B (zh) * | 2012-10-11 | 2015-03-18 | 西北工业大学 | 基于最大信息量在线辨识准则的飞行器建模方法 |
JP6119640B2 (ja) * | 2014-02-28 | 2017-04-26 | Jfeスチール株式会社 | 連続鋳造スラブの表面欠陥判定方法及び装置 |
JP6119807B2 (ja) * | 2014-08-18 | 2017-04-26 | Jfeスチール株式会社 | 連続鋳造スラブの表面欠陥判定方法及び装置、該表面欠陥判定方法を用いた鋼鋳片の製造方法 |
US10455349B2 (en) * | 2016-03-14 | 2019-10-22 | Aveva Software, Llc | Contextual filtering in a historian system |
CN106055836B (zh) * | 2016-06-27 | 2019-01-29 | 重庆大学 | 连铸机组浇炉次选择、排序与开浇时间决策的多目标优化方法 |
US11899417B2 (en) * | 2019-05-02 | 2024-02-13 | Fisher-Rosemount Systems, Inc. | Methods and apparatus to implement predictive analytics for continuous control system processes |
EP3819727B1 (de) * | 2019-11-11 | 2023-05-24 | Siemens Aktiengesellschaft | Leitsystem für eine technische anlage mit trendkurvendiagramm |
CN113369451B (zh) * | 2020-03-10 | 2022-11-29 | 中冶京诚工程技术有限公司 | 连铸生产中的漏钢自动监测方法及装置 |
US11861494B2 (en) * | 2020-06-26 | 2024-01-02 | Intel Corporation | Neural network verification based on cognitive trajectories |
CN112387947B (zh) * | 2020-11-06 | 2021-10-08 | 福建三宝钢铁有限公司 | 一种冷镦钢的制备方法 |
CN116274916A (zh) * | 2021-12-20 | 2023-06-23 | 斯凯孚公司 | 用于钢坯连铸过程的实时监测方法和稳定性分析方法 |
CN114653914B (zh) * | 2021-12-30 | 2023-12-29 | 白居冰 | 基于形态重构的结晶器漏钢预警方法及电子装置 |
CN116944446B (zh) * | 2023-07-27 | 2024-02-09 | 常州润来科技有限公司 | 一种水平连铸铜管坯工艺参数异常监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995018420A2 (en) * | 1993-12-22 | 1995-07-06 | Asea Brown Boveri | Method for monitoring multivariate processes |
WO2000005013A1 (en) * | 1998-07-21 | 2000-02-03 | Dofasco Inc. | Multivariate statistical model-based system for monitoring the operation of a continuous caster and detecting the onset of impending breakouts |
EP1428598A1 (de) * | 2002-12-12 | 2004-06-16 | Dofasco Inc. | Verfahren und Online-Überwachungssystem zum Angiessen einer Stranggiessanlage und Verfahren zur Durchbruchfrüherkennung beim Stranggiessen von Stahl |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3478808A (en) | 1964-10-08 | 1969-11-18 | Bunker Ramo | Method of continuously casting steel |
US4235276A (en) | 1979-04-16 | 1980-11-25 | Bethlehem Steel Corporation | Method and apparatus for controlling caster heat removal by varying casting speed |
US4949777A (en) | 1987-10-02 | 1990-08-21 | Kawasaki Steel Corp. | Process of and apparatus for continuous casting with detection of possibility of break out |
US5020585A (en) | 1989-03-20 | 1991-06-04 | Inland Steel Company | Break-out detection in continuous casting |
JPH04238662A (ja) | 1991-01-09 | 1992-08-26 | Toshiba Mach Co Ltd | ダイカストマシンの鋳造データ表示方法 |
US5257206A (en) | 1991-04-08 | 1993-10-26 | Praxair Technology, Inc. | Statistical process control for air separation process |
DE4338607B4 (de) | 1993-11-11 | 2005-10-06 | Siemens Ag | Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System |
JP3035688B2 (ja) | 1993-12-24 | 2000-04-24 | トピー工業株式会社 | 連続鋳造におけるブレークアウト予知システム |
US5659667A (en) | 1995-01-17 | 1997-08-19 | The Regents Of The University Of California Office Of Technology Transfer | Adaptive model predictive process control using neural networks |
CA2217156C (en) | 1995-04-03 | 2006-11-14 | Siemens Aktiengesellschaft | Device for early detection of break-outs during continuous casting |
US5819258A (en) | 1997-03-07 | 1998-10-06 | Digital Equipment Corporation | Method and apparatus for automatically generating hierarchical categories from large document collections |
DE19718262A1 (de) | 1997-04-30 | 1998-11-05 | Schenck Panel Production Syste | Verfahren und System zur Generierung eines Prozeßmodells eines technischen Problems |
DE19725433C1 (de) | 1997-06-16 | 1999-01-21 | Schloemann Siemag Ag | Verfahren und Vorrichtung zur Durchbruchfrüherkennung beim Stranggießen von Stahl mit einer oszillierenden Kokille |
US7130781B2 (en) * | 2002-04-10 | 2006-10-31 | 3M Innovative Properties Company | One-dimensional modeling of the manufacture of multi-layered material |
-
2004
- 2004-05-27 US US10/854,217 patent/US6885907B1/en not_active Expired - Lifetime
-
2005
- 2005-02-17 CA CA2497489A patent/CA2497489C/en active Active
- 2005-05-13 FR FR0504876A patent/FR2870762B1/fr not_active Expired - Fee Related
- 2005-05-13 DE DE102005022922A patent/DE102005022922A1/de not_active Ceased
- 2005-05-24 AT AT0088605A patent/AT500365B1/de active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995018420A2 (en) * | 1993-12-22 | 1995-07-06 | Asea Brown Boveri | Method for monitoring multivariate processes |
WO2000005013A1 (en) * | 1998-07-21 | 2000-02-03 | Dofasco Inc. | Multivariate statistical model-based system for monitoring the operation of a continuous caster and detecting the onset of impending breakouts |
EP1428598A1 (de) * | 2002-12-12 | 2004-06-16 | Dofasco Inc. | Verfahren und Online-Überwachungssystem zum Angiessen einer Stranggiessanlage und Verfahren zur Durchbruchfrüherkennung beim Stranggiessen von Stahl |
Non-Patent Citations (1)
Title |
---|
DUDZIC M ET AL: ''MULTIVARIATE STATISTICAL MONITORING OF A CONTINUOUS STEEL SLAB CASTER'' * |
Also Published As
Publication number | Publication date |
---|---|
AT500365A2 (de) | 2005-12-15 |
CA2497489A1 (en) | 2005-11-27 |
FR2870762A1 (fr) | 2005-12-02 |
CA2497489C (en) | 2012-01-03 |
DE102005022922A1 (de) | 2005-12-29 |
FR2870762B1 (fr) | 2007-06-15 |
US6885907B1 (en) | 2005-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AT500365B1 (de) | Echtzeitsystem und -verfahren zum uberwachen transienter vorgange bei einem stranggiessprozess zur ausbruchsverhinderung | |
DE60311739T2 (de) | Verfahren und Online-Überwachungssystem zum Angiessen einer Stranggiessanlage und Verfahren zur Durchbruchfrüherkennung beim Stranggiessen von Stahl | |
DE69921602T2 (de) | Auf einem multivariablen statistischen modell basierendes system zur darstellung des betriebs einer stranggiessanlage und detektion bevorstehender durchbrüche | |
DE102012224132B4 (de) | Überwachungsverfahren für eine Stranggießkokille mit Aufbau einer Datenbank | |
WO2020094778A1 (de) | Verfahren und system zur dynamischen visualisierung von strukturverzerrungen in einer stranggiessanlage | |
EP2431104A1 (de) | Echtzeit-Ermittlungsverfahren für Temperatur und Geometrie eines Metall-Warmbandes in einer Fertigstraße | |
DE102022213206A1 (de) | Echtzeit-Überwachungsverfahren und Stabilitätsanalyseverfahren für ein Stranggießverfahren | |
EP2428288A1 (de) | Verfahren zum Herstellen von Stahlbändern durch Endloswalzen oder Semi-Endloswalzen | |
EP2334454B1 (de) | Anordnung und verfahren zur detektierung eines betriebszustandes einer strangführung | |
EP4042081A1 (de) | Verfahren zum überwachen einer verfahrenstechnischen anlage und verfahrenstechnische anlage | |
Zhang et al. | Industrial application of multivariate SPC to continuous caster start-up operations for breakout prevention | |
EP2578335B1 (de) | Verfahren zur Steuerung einer Giessprozessvorrichtung | |
DE102011075855B4 (de) | Vorrichtung und Verfahren zur Kontrolle einer hüttenmännischen Anlage | |
EP4176985B1 (de) | Verfahren zur vorhersage einer bevorstehenden ausbruch-situation eines gewalzten bandes in einer walzstrasse | |
Dudzic et al. | Multivariate statistical monitoring of a continuous steel slab caster | |
EP3878574A1 (de) | Zustandsermittlung für strangführungsrollen durch schwingungsauswertung | |
DE102021210136A1 (de) | Betriebszustands-Verwaltungsvorrichtung, Betriebszustands-Verwaltungssystem und Betriebszustands-Verwaltungsverfahren | |
CN118122976A (zh) | 基于数字孪生的连铸方法、装置、存储介质及计算机设备 | |
Zhang et al. | Industrial Experience on Process Transition Monitoring for Continuous Steel Casting Operation | |
DE212021000426U1 (de) | Überwachen einer Giessumgebung | |
JPH04364599A (ja) | プロセス制御系監視装置 | |
DE102021116167A1 (de) | Vorrichtung zur additiven Fertigung eines Produkts und Verfahren zur Überwachung einer additiven Fertigung eines Produkts | |
CN116507978A (zh) | 用于工业设备的控制方法 | |
CN108453228A (zh) | 一种宽板坯连铸智能化数据采集*** |