Application of significance analysis to finding root causes of product defects in continuous casting of steel

• Autorzy: Rodziewicz A. , Perzyk M.

Warianty tytułu

PL

Zastosowanie analizy istotności do znajdowania przyczyn powstawania wad wyrobów w procesie ciągłego odlewania stali

• Języki publikacji: PL

Abstrakty

PL

Celem niniejszej pracy jest przedstawienie analizy istotności zmiennych wejściowych jako narzędzia pozwalającego na znalezienie prawdopodobnych przyczyn wad wyrobów w procesie ciągłego odlewania stali. Do analizy wykorzystano dane przemysłowe zebrane w jednej z polskich hut stali, dotyczące produkcji kęsów. Skorzystano z zarejestrowanych danych związanych z przebiegiem i parametrami procesu produkcyjnego, według obowiązujących w zakładzie procedur. Podstawowym źródłem danych była baza tzw. wybraku technologicznego rejestrowanego przez zakład produkcyjny, informująca o fakcie pojawienia się braków oraz ich ilości wyrażonej w procentach dla każdego wytopu. Baza ta nie zawierała jednak pełnej informacji o tych wytopach, w których braki nie występowały, co powodowało istotne trudności i ograniczenia prowadzonych badań. Analizie poddano osiem parametrów wejściowych o różnym charakterze: fizycznym, organizacyjnym i ludzkim. W celu określenia, które z parametrów procesu mają największe znaczenie z punktu widzenia pojawiania sic braków, a które z nich mogą być pominięte, zastosowano i porównano dwie metody. Podstawowym narzędziem były sztuczne sieci neuronowe typu MLP, w których istotność względna jest definiowana jako bezwzględna suma wag połączeń między danym wejściem a wszystkimi węzłami w pierwszej warstwie ukrytej. Drugą metoda była jednoczynnikowa analiza wariancji (ANOVA), badająca wpływ poziomu jednego czynnika klasyfikującego na wartości badanej zmiennej zależnej typu rzeczywistego, określany wartością statystyki F. Otrzymane wyniki pozwalają jed¬noznacznie stwierdzić, że parametr wejściowy ‘pora spustu' ma znaczący wpływ na kształtowanie się parametru wyjściowego ‘udział braków’. Podstawowe fizyczne parametry procesu, tj. odchyłka od nominalnej temperatury odlewania i odchyłka od szybkości odlewania, zgodnie z oczekiwaniami wykazały również duże znaczenie, a ponadto duże zróżnicowanie w zależności od wartości parametru ‘pora spustu’. Końcowym wnioskiem wynikającym z przeprowadzonych analiz jest zidentyfikowanie bezpośredniej przyczyny powstawania wadliwych produktów, którą jest niepoprawne dostosowywanie prędkości odlewania do aktualnej temperatury stali, występujące głównie w godzinach porannych, lecz niezwiązane z konkretnymi pracownikami. Poczynione spostrzeżenia mogą w znaczący sposób ułatwić dokonanie ostatecznej identyfikacji źródeł powstawania wad w wyrobach przez personel inżynieryjny zakładu. W pracy zawarto również zalecenia dotyczące przyszłych badań, zarówno przemysłowych jak i związanych z metodyką prowadzenia podobnych badań.

EN

The aim of this paper is to present an application of the input variable significance analysis to finding probable causes of product defects occurring in continuous casting (CC) of steel. The research was carried out using production data routinely recorded in one of Polish steel plants and basically referred to defective fraction of billets per heat as the process output. The data did not include the cases with zero defects which made the analysis difficult. The process inputs included eight parameters of different nature (physical, organizational and human). For determining which of the process input parameters are crucial for the output and which of them can be easily eliminated in further analyses two different approaches were applied and compared. The basic tool was an MLP-type Artificial Neural Network in which the relative significance was defined as the sum of the absolute weights of the connections from the given input node to all the nodes in the first hidden layer. As a complementary method the one-way analysis of variance (ANOVA) was utilized in which the value of the F-statistics is used as a measure of the input significance. It was found that the both methods indicate that the start-time of the CC process is the factor highly influencing the fraction of defective products. The process physical parameters which are expected to have a large influence on the billet quality, i.e. deviations from nominal casting temperature and deviation from nominal casting speed also appeared to be significant, moreover their variations also highly depend on the start-time of the CC process. The final conclusion is that the direct cause of the defective products are incorrect adjustments of the casting speed occurring mainly in the morning hours, however not correlated with particular operators. This finding can considerably facilitate the identification of the root cause of the defects by the plant engineers. Some recommendations concerning the future work are also given.

Słowa kluczowe

EN

significance analysis; artificial neural networks; analysis of variance; continuous steel casting process

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2016
• Tom: Vol. 16, No. 4
• Strony: 187--195
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Rodziewicz A.

• Institute of Manufacturing Technologies, Warsaw University of Technology, Narbutta 85, 02-524 Warszawa, Poland

autor

Perzyk M.

• Institute of Manufacturing Technologies, Warsaw University of Technology, Narbutta 85, 02-524 Warszawa, Poland

Bibliografia

• Camisani-Calzolari, F.R., Craig, I.K. & Pistorius, P.C., 2003, Quality prediction in continuous casting of stainless steel slabs, .Journal of The South African Institute of Mining and Metallurgy, 103, 651 -665.
• Masters, T., 1993, Practical neural network recipes in C++, Academic Press, San Diego.
• Perzyk, M., Biernacki, R., Kozłowski, .1., 2008, Data mining in manufacturing: Significance analysis of process parameters, Journal of Engineering Manufacture, Proceedings of the Institution of Mechanical Engineers, part B, 222, 1503-1516.
• Perzyk, M., Kochański, A., Kozłowski, J., Soroczyński, A., Biernacki, R., 2014, Comparison of data mining tools for significance analysis of process parameters in applications to process fault diagnosis. Information Sciences, 259, 380-392.
• Perzyk, M., Rodziewicz, A., 2016, Application of time-series analysis for predicting defects in continuous steel casting process, Archives of Foundry Engineering, 16, 4, 125-130.
• Wieczorek, T., Golak, S., 2004, An algorithm of knowledge extraction from trained neural networks. Advances in soft computing, eds, Klopotek, M.A, Wierzchon, S.T., Trojanowski, K. Springer Verlag, Berlin Heidelberg, New York, 470-475.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).