Resumen

Predecir la temperatura de la banda de acero en el proceso de recocido en una línea de galvanizado en caliente (HDGL) es importante para garantizar las propiedades físicas del material procesado. El desarrollo de un modelo preciso que sea capaz de predecir la temperatura que alcanzará la banda en función de las variaciones de temperatura y velocidad del horno, sus dimensiones y las propiedades químicas del acero, es un requisito cada vez más demandado por las plantas industriales de esta naturaleza. En este trabajo se presenta un estudio comparativo realizado entre varios tipos de algoritmos de Minería de Datos e Inteligencia Artificial para el diseño de un modelo de predicción eficiente y global que permita determinar la variación de temperatura de la banda en función de las especificaciones físico-químicas de las bobinas a procesar, y las fluctuaciones de temperatura y velocidad que se registran dentro del proceso de recocido. El objetivo final es encontrar un modelo que sea efectivamente aplicable a bobinas de nuevos tipos de acero o tamaños que se procesan por primera vez. Este modelo permite afinar el modelo de control para normalizar el tratamiento en las zonas de la banda en las que se produce una transición entre bobinas de distintos tamaños o tipos de acero.

• Materias:Acetamida
• Subjects:Acetamida
• Palabras claves:Línea de galvanizado por inmersión en caliente; Minería de datos; Inteligencia artificial; Modelado
• Keywords:Hot-dip galvanizing line; Data mining; Artificial intelligence; Modelling