Академический Документы
Профессиональный Документы
Культура Документы
aplicado a la estimacin de
temperatura en laminacin
en caliente
Jos ngel Barrios Gmez, Alberto Cavazos Gonzlez,
Luis A. Leduc Lezama, Jorge Ramrez Cuellar
Facultad de Ingeniera Mecnica y Elctrica - UANL
joseangel_barrios@yahoo.com.mx
RESUMEN
Actualmente en la mayora de los procesos industriales, como es el caso de
la laminacin de acero en caliente, las mediciones de las variables de proceso
presentan generalmente incertidumbre. Para minimizar los efectos de la
incertidumbre sobre el proceso de laminacin y la calidad de la cinta de acero se
han desarrollado y aplicado diversas tcnicas. En el presente artculo se utiliza
una tcnica de inteligencia artificial conocida como Lgica Difusa (Fuzzy Logic),
la cual es utilizada en muchas reas de ingeniera, y en este caso se aplica para
reducir la incertidumbre en la estimacin de la temperatura a la entrada de la
caja de descascarado (Scale Braker) mediante un modelo semifsico difuso.
PALABRAS CLAVE
Laminacin en caliente, sistemas hbridos, modelado semifsico, lgica difusa.
ABSTRACT
Nowadays, in industrial processes, such as hot strip milling, measurements
generally present uncertainties. In order to overcome inaccuracies on the process,
and hence on the steel strip quality, several techniques have been proposed. In
this paper, an artificial intelligence technique, known as Fuzzy Logic (FL), is
applied for reducing uncertainities on the estimation of the entry temperature at
the Scale Breaker Box (SB) by means of a semiphysical fuzzy model.
KEYWORDS
Hot strip mill, hybrid systems, semiphysical modelling, fuzzy logic.
INTRODUCCIN
Con frecuencia en la industria se manejan variables, como tiempo, velocidad,
temperatura, etc., de las cuales de alguna forma es necesario obtener sus valores.
Sin embargo, las mediciones son afectadas por factores ajenos al proceso, los
cuales generan cierto error en los resultados de la medicin provocando un grado
de incertidumbre.
La mayora de los procesos industriales requieren controles para lograr que
sus sistemas tengan un mejor desempeo y una mayor eficiencia, el conocer qu
factores del proceso son los ms crticos da lugar a diversas investigaciones para
tratar de realizar una mejor estimacin de estos.
(HC) por su lado posterior, en este lugar se mantienen e) Enrrolladores: La cinta proveniente del FM es
almacenados hasta que son laminados en las corridas enrrollada manteniendo una tensin constante
o turnos de produccin. El proceso de laminacin proporcionada por el ltimo castillo del FM,
inicia en el HC y termina en los enrolladores (CLR). existiendo tambin una temperatura determinada
Las dimensiones de los planchones varan de acuerdo de enrollado.
a la cinta que se desea producir y se presenta de Para esto tenemos en cuenta que las principales
101.0 mm a 304.8 mm de espesor, con ancho de especificaciones para tener un producto laminado
508.0 mm a 1,981.0 mm y de longitudes desde 9.75 en caliente, son el espesor, ancho, temperatura de
m a 12.18 m. Los pesos de cada planchn varan de acabado y temperatura de laminacin.
5 a 45 Ton.
Para comprender mejor el proceso de laminacin
INFORMACIN PARA LA EXPERIMENTACIN
en caliente (LC), se explican a continuacin
brevemente las etapas principales de este proceso Para el desarrollo de este proyecto son necesarios
(ver figura 2). algunos datos mencionados a continuacin. Las
entradas requeridas son, la temperatura superficial
a) Horno de recalentamiento: La temperatura de los
medida a la salida del RM, y el tiempo de traslado
planchones se eleva a 1,300C para que tengan
del planchn de acero desde la salida del RM hasta
las propiedades adecuadas para la deformacin
la entrada del SB. Finalmente el modelo estima
mecnica.
la temperatura a la entrada del SB. El tiempo de
b) Rompedor horizontal de xido: Es en donde una traslado tambin es calculado, sin embargo en
serie de chorros de agua a alta presin remueve este trabajo se utilizar el medido, ya que es la
la capa de xido formada en la superficie de los comparacin que se lleva a cabo para ajustar el
planchones. modelo.
c) Molino desbastador (RM): En este molino Los datos utilizados para llevar a cabo la
se realiza la reduccin vertical y horizontal, experimentacin, fueron recolectados del Molino
para producir el planchn de transferencia. En de laminacin en caliente No.1 de HYLSA, y stos
algunos casos es reversible, el planchn se mueve consisten en un total de 748 rollos de diferentes
hacia adelante y atrs hasta reducir la barra de grados de acero. Originalmente el modelo fsico fue
transferencia. programado para realizar una estimacin por corrida,
d) Molino continuo (FM): Conocido tambin como debido a esto, se llev a cabo una modificacin en la
molino acabador, en este molino es donde se estructura del programa para que el modelo efectuara
obtiene el espesor y ancho deseado. las predicciones en una sola corrida.
SISTEMA SEMIFSICO DIFUSO PARA ESTIMACIN de datos necesario para la compensacin. A este
DE LA TEMPERATURA DE ENTRADA AL SB procesos se le conoce como entrenamiento, y se
Un sistema hbrido o semifsico es aquel que llevo a cabo en diez pocas utilizando el sistema
combina un sistema fsico (planta) con otro sistema ANFIS.
en este caso lgica difusa. En esta seccin se Con el resultado obtenido por ANFIS, se realiza
presentarn los resultados de la aplicacin de sistema la operacin en paralelo con el modelo de planta,
semifsico difuso para la prediccin de temperatura para as obtener la temperatura ya corregida. En la
en la caja de descascarado. tabla II, se muestran los resultados estadsticos del
sistema semifsico.
Descripcin del sistema
Tabla II. Desviacin estndar, media, media absoluta,
Este sistema semifsico esta formado por dos RMS, banda de tolerancia, para el sistema semifsico.
sistemas, uno de ellos es un Sistema de Inferencia
Semifsico
Neuro Difuso Adaptativo (ANFIS por sus siglas Desviacin estandar 16.308
en ingls), y el otro es el modelo +PI (modelo Media 7.4905
compensado por un control Proporcional Integral), Media absoluta 14.506
utilizado en planta. RMS 17.921
En este trabajo se propone utilizar un esquema Banda de tol. 73.064
semifsico de error aditivo apoyado en sistemas
difusos, para la estimacin de la temperatura de Anlisis de los resultados
entrada al SB, como se muestra en la figura 6. Como ha sido mencionado, los resultado obtenidos
En la figura 6 las entradas son: temperatura y de los sistemas Mamdani y Sugeno, se realizaron
tiempo; E FIS es el error estimado por el sistema como sistemas difusos puros, para obtener una
FIS o ANFIS; Tmod . es la temperatura estimada por temperatura estimada a la entrada del SB, resultando
el modelo fsico; Ttotal es la temperatura estimada el sistema Sugeno con mejor desempeo.
por el sistema semifsico; Tmedida es la temperatura Del sistema semifsico se obtuvo un modelo
medida en la planta; y Esemi es el error de estimacin aditivo compensador, el cual genera un error de
del sistema semifsico. prediccin. Un anlisis estadstico fue llevado
Este modelo cuenta con dos entradas: errores a cabo para evaluar el desempeo del error de
de temperatura y tiempo. El sistema difuso, de tipo prediccin en el sistema difuso Sugeno (ANFIS),
Sugeno, cuenta tambin con 25 reglas. modelo semifsico y modelo compensado con PI
como se utiliza comnmente en planta. Los datos
Este sistema ANFIS se utiliza para la estimacin
de modelo compensado con PI es proporcionado
de el error, el cual sirve para compensar el sistema de
por la planta.
planta, como se muestra en el diagrama en paralelo.
Se considera como una poca a cada ocasin en Los resultados mostrados en la tabla III, permiten
que el conjunto de datos se presenta a la entrada del realizar una comparacin estadstica de: desviacin
sistema para ser evaluado y obtener as el vector estndar, media, media absoluta, y RMS, presentando
el sistema ANFIS y Semifsico desempeos
semejantes. Se busca reducir la desviacin estndar,
media, media absoluta y RMS. En el caso de la media
es deseable que est cercana a cero, mientras que el
parmetro de barras dentro de la banda de tolerancia
debe incrementarse.
En la figura 7 se muestra un histograma de los
resultados obtenidos, del error de prediccin de los
Fig. 6. Esquema semifsico de error aditivo. modelos semifsico, ANFIS, y compensado +PI.
Tabla III. Desviacin estndar, media, media absoluta, En las pruebas (simulaciones) de los Sistemas
RMS, banda de tolerancia, para los sistemas: ANFIS, el de Inferencia Neurodifusos Adaptativos (ANFIS),
sistema semifsico y el modelo +PI.
semifsico, y compensado +PI, se utilizaron datos
ANFIS Semifsico Comp.+PI reales de planta.
Desviacin Tambin se demostr que para la estimacin de
16.2819 16.308 20.6479
estandar temperatura a la entrada de la caja de descascarado
Media -7.5311 7.4905 -18.9096 (SB), para las condiciones establecidas, los esquemas
Media semifsico y ANFIS presentan un desempeo mejor
14.4958 14.506 23.3486
absoluta que el sistema compensado +PI en trminos de
RMS 17.9144 17.921 27.973 desviacin estndar, media, media absoluta, RMS,
Banda de tol. 73.064 73.064 47.8114 y banda de tolerancia.
REFERENCIAS
1. Gerardo M. Mndez, Alberto Cavazos, Rogelio
Soto & Luis Leduc (2006). Entry temperature
prediction of a hot strip mill by a hybrid learning
type-2 FLS. Journal of Intelligent and Fuzzy
Systems.
2. G.M. Mndez, Lopez-Juarez, L.A. Leduc, R.
Soto & A. Cavazos. Temperature Prediction in
hot strip mill Bars using a Hybrid Type-2 Fuzzy
Algorithm. I.J of Simulation.
3. Min-You Chen. Material Property Prediction
Using Neural Fuzzy Network (2000). Proceedings
of the 3rd World Congress on Intelligent Control
and Automation.
4. D. A. Linkens, J. H. Beynon & C. M. Sellars
Fig. 7. Histograma de modelos Semifsico, ANFIS y modelo
(1997). Grey Box Modelling Methodologies
+PI and Their Application to Materials Processing.
Australasia Pacific Forum.
5. Wouter Geerdes. An analysis physical, neural
CONCLUSIONES and Hybrid models for temperature prediction in
En este artculo se presentan los resultados de la a Hot Strip Mill (2005). Universidad of Twente
evaluacin de los modelos difusos de estimacin de en cooperacion con Hylsa Monterrey.
temperatura, Mamdani y Sugeno sin aprendizaje. De 6. Miguel A. Torres, Alberto Cavazos, Diana
estos dos, el sistemas Sugeno result ser ligeramente Melo, Luis Leduc & Jorge Ramrez. Modelado
mejor en cuanto a las medidas de desempeo, y Semifsico para la estimacin de la temperatura de
ambos superaron al modelo +PI en cuanto a media entrada a la concha de descascarado en un molino
(valores ms cercanos a cero). de laminacin en caliente basada en RNA.