BFI VDEh-Betriebsforschungsinstitut GmbH

Ausgangssituation:

Analytische Prozessmodelle werden im Rahmen der Level-2-Automatisierung zur Beobachtung und Steuerung von Stahlerzeugungsprozessen eingesetzt. Aufgrund von Änderungen in den Betriebspraktiken, den Einsatzstoffen oder den hergestellten Qualitäten verschlechtert sich die Vorhersagegenauigkeit der Modelle und die Zuverlässigkeit der Sollwertberechnungen. Für die kontinuierliche Überwachung der Prozessperformance sowie der Modellgenauigkeit und der Anpassung von Modell- und Materialparametern fehlen geeignete Analysewerkzeuge. Somit ist die Zuverlässigkeit von Prozessmodellen innerhalb eines Level-2-Automatisierungssystems nicht dauerhaft gewährleistet.

Projektziele:

• Kontinuierliche Überwachung von zyklischen und azyklischen Eingangsdaten der Modelle mit Plausibilitätsprüfung.
• Entwicklung von Algorithmen zur kontinuierlichen Überwachung des Prozesses sowie der Modellperformance und -genauigkeit.
• Erkennung von Drift und anderen Abweichungen, die durch das Verlassen des Validierungsbereichs der Modelle verursacht werden, z.B. aufgrund geänderter Betriebspraktiken oder Einsatzmaterialien.
• Anpassung von Modell- und Materialparametern, um die Genauigkeit der Modelle wieder auf das erforderliche Niveau zu bringen (Selbstlernen).

Innovative Ansätze:

Nutzung von modernen Methoden der Regelungstechnik um selbstlernende Modelle auch für Prozesse zu realisieren, für die nur wenige und punktuelle Messwerte für die Zustandsgrößen vorliegen.

Nutzen für die Industrie:

Erweiterung von Level-2-Automatisierungssystemen um kontinuierliche Überwachung der Prozessleistung und Genauigkeit dynamischer Prozessmodelle, um die Gründe für Abweichungen von der optimalen Performance des Prozesses sowie der Modelle zu ermitteln und Modellparameteranpassungen zu identifizieren, um die erforderliche Modellgenauigkeit wiederherzustellen. Dadurch verbesserte und genauere Erreichung der Prozessziele bei höherer Ressourceneffizienz.