Desarrollo de un cerrojo artificial para el skin-pass en una línea de acero galvanizado por inmersión en caliente

摘要

En este trabajo se presenta la aplicación de técnicas de minería de datos en el desarrollo de un "cerrojo artificial" para el skiri-pass, que permita solucionar un problema que puede presentarse en la fabricación de bobinas de acero galvanizado: el etiquetado incorrecto del grado de acero de una bobina. Para tratar de detectar estos errores y evitar así que los clientes reciban bobinas con propiedades distintas de las esperadas, se proponen modelos, basados en redes neu-ronales, que predicen on-Üne el alargamiento de las bobinas en el skiri'pass en función de las variables del proceso de fabricación y de su composición química. De esta forma, si la diferencia entre el alargamiento que estima el modelo y el medido realmente es significativa, se hace necesario sacar la bobina de la línea para someterla a análisis más exhaustivos.%In this paper, we present the application of data mining techniques to develop an "artificial lock" for the skin-pass in an attempt to solve a problem that can arise during the galvanising manufacturing process: the wrong labelling of the steel grade of a coil. In order to detect these errors and thus to avoid that coils with different properties than expected end up with a client, we propose neural network-based models for on-line predicting the strip elongation in the skin-pass section according to the manufacturing conditions and its chemical composition. Thus, a significant difference between estimated and measured elongation would mean that the coil must be removed from the line for further analyses.