Resumen

En este trabajo presentamos la aplicación de técnicas de minería de datos para desarrollar una "cerradura artificial" para el skin-pass en un intento de solucionar un problema que puede surgir durante el proceso de fabricación del galvanizado: el etiquetado erróneo del grado de acero de una bobina. Para detectar estos errores y evitar así que bobinas con propiedades diferentes a las esperadas acaben en manos de un cliente, proponemos modelos basados en redes neuronales para predecir en línea el alargamiento de la banda en la sección skin-pass en función de las condiciones de fabricación y de su composición química. Así, una diferencia significativa entre el alargamiento estimado y el medido significaría que la bobina debe retirarse de la línea para realizar nuevos análisis.

• Materias:Acetamida
• Subjects:Acetamida
• Palabras claves:Acero galvanizado por inmersión en caliente; Pasa de piel; Minería de datos; Redes neuronales; Bloqueo artificial
• Keywords:Hot dip galvanised steel; Skin-pass; Data mining; Neural networks; Artificial lock