Jatketiilen tukkeentumisen mallintaminen neuroverkoilla

Abstract

<div lang="fi" class="abs"><p class="abs_header">Tiivistelmä</p><p>Tämän raportti on osa Oulun yliopiston ja teknillisen korkeakoulun sulautettua vikadiagnostiikkaa käsittelevän tutkimusprojektin raportointia. Oulun yliopiston osuudessa teollisena yhteistyökumppanina on toiminut Rautaruukki Oyj, jonka prosessiin tutkimus on keskittynyt. Tutkittavana vikana on ollut jatketiilen tukkeutuminen teräksen jatkuvavalussa. </p><p>Jatketiili tukkeentuu siten, että terässulan kuona-aineita kertyy tiilimateriaalin sisäpinnalle. Myös alhainen terässulan lämpötila voi kiihdyttää tukkeentumisilmiötä. Valunopeus ja ennenkaikkea sen muutokset vaikuttavat tukkeentumisilmiöön. Jatketiilen tukkeentuminen teräksen ja tkuvavalussa useimmiten keskeyttää tekeillä olevan valusarjan ja hidastaa tuotantoa. Tukkeentunut jatketiili on vaihdettava uuteen ennen kuin valua voidaan jatkaa. Lisäksi kuona-aineet voivat kulkeutua jatketiilen kautta valettavaan teräsaihioon aiheuttaen erilaisia laatuvikoja aihion pintaan ja sisäosiin. Jos laatuviat ovat vakavia, niin ko. aihiot joudutaan romuttamaan ja hylkäämään. Jatketiilen pikainen tukkeentuminen on usein myös merkki terässulan suuresta kuona-ainepitoisuudesta. </p><p>Tässä tutkimuksessa on data-analyysin keinoin etsitty tekijöitä, jotka vaikuttavat jatketiilen tukkeentumiseen. Samalla on tutkittu, voidaanko mallipohjaisesti määrittää ja ennustaa valetut tonnit tukkeumahetkellä tai ainakin ennakoida, kuinka monta sulatusta voidaan valaa ilman jatketiilen vaihtoa. Tässä raportissa esitetyt mallit on tehty myötäkytketyillä neuroverkoilla, jotka on opetettu backpropagation-menetelmällä.</p></div>