Neuroverkot ja lingvistiset yhtälöt jatketiilen tukkeuman ennustuksessa

Abstract

<div lang="fi" class="abs"><p class="abs_header">Lyhennelmä</p><p>Tämä raportti on osa Tekesin ja Rautaruukin rahoittamaa tutkimushanketta 1999–2002. Raportissa verrataan neuroverkkoja ja lingvistisiä yhtälöitä keskenään jatketiilen tukkeuman ennustuksessa. Malleissa käytetyt mittaukset on kerätty konverttereilta, huuhteluasemilta sekä jatkuvavalukoneilta. Malleja tutkittiin valukoneilla 4, 5 ja 6. Tutkitut aihiolaadut olivat kaksinumeroiset 1-, 2-, 3- ja 4-alkuiset laadut, jotka ovat ns. Al-tiivistettyjä laatuja. Jatketiilen tukkeentumien on tyypillistä em. laaduilla.</p><p>Valukoneen 4 tukkeumamalleissa käytetyt sulatukset ovat sulatusnumeroalueelta 38082–69675. Valukoneilla 5 ja 6 malleissa käytettiin sulatusnumeroaluetta 21241–69695. Valukoneella 4 mallit opetetiin ja testattiin ajallisesti lyhyemmällä ajanjaksolla. Valukoneen 4 aihiolaadun 1 NN-mallit olivat tutkimuksen tarkimmat. Ko. NN-mallilla 73% testipisteissä mallitarkkuus oli +/-60 t sisällä. Vastaavan LE-mallin tarkkuus oli 65 %. Valukoneita 5 ja 6 lyhyempi mallinnusjakso selittää osaltaan sen, että mallitarkkuus on verrattain hyvä valukoneen 4 1-aihioilla. Vuonna 2001 NN-mallien onnistumisprosentit olivat välillä 65–90 % valukoneilla 5 ja 6. Vuonna 2002 mittauksia saatiin lisää, joiden avulla mallien opetusjoukkoja saatiin kasvatettua merkittävästi. NN-mallien suorituskyky ja onnistumisprosentit kuitenkin laskivat samalla 50–65 % välille 5 ja 6 koneilla. LE-mallien tarkkuudet olivat tässä suuressa aineistossa samaa luokkaa. Nämä mallitarkkuudet 50–65 % eivät ole riittäviä, jotta malleilla olisi käytännön merkitystä. Jos prosessimuutoksia tehdään paljon, tukkeumamallien käytettävyys on kyseenalaista.</p><p>Tässä raportissa esitetyt tukkeumamallit eivät myöskään sovellu yksinään tukkeuman ennustamiseen, vaan ne tarvitsevat lisäinformaatiota, esim. sulkutangon asentotietoja tuekseen. Neuroverkot ja lingvistiset yhtälöt voivat toimia tarkentavana päättelynä vasta, jos niiden tarkkuutta ja luotettavuutta saadaan parannettua nykyisestä. Riittävä onnistumisprosentti voisi olla 80% +-60t tarkkuutta käytettäessä.</p></div>