Inteligentní plánování sekvencí taveb na zařízení plynulého odlévání oceli

Tomáš Plaček

Doctoral thesis

Intelligent planning of sequential melting on continuous steel casting equipment

Abstract:

Disertační práce se zabývá problematikou inteligentního plánování sekvencí taveb na zařízení plynulého odlévání ocelí. Algoritmizace podpory procesu plánování na zařízení plynulého odlévání ocelí spočívá v navržení metodiky a realizaci algoritmu, který by v libovolném časovém okamžiku umožňoval stanovit počty taveb značek ocelí, které je možné odlít tak, aby byl maximálně využit technický život krystalizátoru. Sekundárním požadavkem na tuto podporu procesu plánování je, aby navržený algoritmus umožňoval spojování značek ocelí, které jsou si chemickým složením a teplotně velmi blízké, do jedné sekvence. Navržená metodika a realizovaný prezentovaný systém pro podporu inteligentního plánování je založen na metodách umělé inteligence – konkrétně neuro-genetickým systémem. Navržená metodika inteligentní podpory procesu plánování představuje optimalizační úlohu, jejíž řešení je založeno na řešení a stanovení účelové funkce řešeného procesu. V daném případě účelová funkce procesu podpory plánování procesu plynulého odlévání oceli bude mít charakter složené funkce – spojující hledisko životnosti vložky krystalizátoru a hledisko druhového odlévaných taveb v jednotlivých sekvencích a je realizovaná pomocí umělé neuronové sítě. Data pro vstupní proměnné pro trénovací množinu neuronové sítě jsou stanovena z technologických parametrů jednotlivých odlévaných značek ocelí, na které je aplikován shlukovací Fuzzy Gustafson-Kesselův algoritmus. Samotná optimalizace je uskutečňována genetickým algoritmem, který může být nahrazen evolučním přístupem. Prezentovaný systém podpory plánování sekvencí taveb je realizovaný v Microsoft Excel, nabízí uživateli možné a efektivní varianty rozvržení výroby v dalším období dle zadaných omezujících podmínek. Tento model slouží pouze pro dílčí ověřování a testování navržených modelů v rámci řešení dané problematiky.

Abstract:

This dissertation deals with the issue of intelligent planning of sequential melting on continuous steel casting equipment. The algorithmization of the support of the planning process on continuous steel casting equipment which works in the proposed methodologies and implementation of the algorithm, which at any time allows to determine the number of melts of steel marks that can be cast to maximize the technical life of the crystallizer. A secondary requirement for this support of the planning process is that the proposed algorithm allows the joining of steel grades that are chemically complex and thermally very close to a single sequence. The proposed methodology and the implemented presented system for the support of intelligent planning is based on the methods of artificial intelligence – specifically the neuro-genetic system. The proposed methodology of intelligent support of the planning process represents an optimization task, the solution of which is based on the solution and determination of the purpose function of the solved process. In this case, the purpose of the process of supporting the planning of the continuous steel casting process will have the character of a complex function – combining the life of the crystallizer insert and the aspect of the type of castings in individual sequences and is implemented using an artificial neural network. The data for the input variables for the training set of the neural network are determined from the technological parameters of individual cast steel grades to which the clustering Fuzzy Gustafson-Kessel algorithm is applied. The optimization itself is performed by a genetic algorithm which can be replaced by an evolutionary approach. The presented system of support for planning of melting sequences is implemented in Microsoft Excel, it offers to the user the possible and effective variants of production layout in the next period according to the specified restrictive conditions. This model is used only for partial verification and testing of the proposed models within the solution of the given problem.

Keywords

Metalurgie, plynulé odlévání oceli, krystalizátor, výrobní proces, řízení výroby, operativní plánování, fuzzy Gustafson-Kessel shlukování, umělá inteligence

Keywords

Metallurgy, continuous steel casting, mold, manufacturing process, control production, operative planning, fuzzy Gustafson-Kessel clustering, artificial intelligence

Language used: Czech

Date on which the thesis was submitted / produced: 17. 9. 2021

Thesis defence

• Date of defence: 8. 12. 2021
• Supervisor: Jiří David
• Reader: Roman Šenkeřík, Markéta Tkadlečková, Martin Kotyrba

VSB – Technical University of Ostrava

Fakulta materiálově-technologická

Doctoral programme:
Řízení průmyslových systémů