Mathematical modeling, process optimization and quality estimation in side-trimming of heavy steel plates

Abstract

This thesis deals with the mathematical modelling, the inline measurement of quality parameters, and the optimization of the process and machine design of rolling-cut trimming shears for heavy steel plates. Side and longitudinal trimming of heavy plates constitute one of the last process steps in the finishing part of rolling mills. Thus, the product quality with respect to its geometrical shape is mainly determined by this process step. Traditionally, a mechanical rolling-cut shearing technique is utilized to conduct the plate trimming due to its high process speed. However, this technique frequently provokes quality defects on the plate geometry, in particular on the trimmed edges. These defects often bring along the necessity of costly post-processing of the steel plates. This motivates to develop an optimization strategy which yields a reduction or even avoidance of these quality defects. An important prerequisite is the accurate and complete inline measurement of quality parameters, which additionally enables a seamless quality monitoring.The first part of this thesis is dedicated to gain a physical understanding of the rolling-cut shearing process. For this purpose, a suitable mathematical 3D model of the trimming shear is developed and validated by plant measurements. Based on this model, the process forces and their nexus to common quality defects are investigated. The lateral process force, in particular its variation during the cut, turns out to be a root cause for these quality defects. Tailored plant measurements and simulations allow to provide a physical explanation of the variable lateral process force and its connection to the common machine design.These insights are utilized in the second part to optimize the geometrical design of common rolling-cut trimming shears. In fact, the specific shape of the cutting blades turns out to determine the time evolutions of the lateral process force during the cut and thus the product quality. A model-based approach aims in optimizing this shape in order to ensure a constant lateral process force. Long-term plant measurements demonstrate the significant quality improvements achieved by this low-cost adaption of the cutting blades.The third part presents an automated inline quality inspection system for trimmed steel plates. This novel system consists of a charge-coupled device camera and 2D laser sensors, which allow for a complete and accurate estimation of the product quality without interfering the production process. The developed estimation method includes machine vision concepts, sensor fusion, and model-based optimization algorithms. Comprehensive plant measurements demonstrate the accuracy and robustness of this system, which, in the meanwhile, is permanently installed at the rolling-mill of AG der Dillinger Hüttenwerke, Germany. This enables a seamless quality control, generates valuable process data, and enables to warn the plant operator in case of extensive quality defects.The final part of this thesis is concerned with the optimization of process parameters for rolling-cut trimming shears. The goal of this optimization is to achieve a high and consistent product quality. A data set generated by the proposed quality inspection system serves as a basis for machine learning applications. A data-based model is generated to predict the product quality based process parameters. An optimal adjustment for the most important process parameters is deduced from this model. Simulations reveal that utilizing this optimized adjustment yields reduced quality defects and a consistent product quality at the considered trimming shear.

Diese Arbeit beschäftigt sich mit der mathematischen Modellierung, der Echtzeiterfassung von Qualitätsparametern und der Prozess- und Anlagenoptimierung beim Rollschnitt-Scherprozess von Grobblech. Besäumen oder auch das Längsteilen stellen einen der letzten Prozessschritte im Grobblechwalzwerk dar. Somit ist dieser Prozessschritt ausschlaggebend für die resultierende Produktqualität in Hinblick auf die geometrische Form. Aufgrund des hohen Materialdurchsatzes erfolgt dieser Prozessschritt im Grobblechbereich üblicherweise per Rollschnittscheren. Dieses Verfahren führt häufig zu Qualitätsdefekten, die oftmals eine kostenintensive Nachbearbeitung der Grobbleche erfordern. Daraus resultiert die Notwendigkeit durch gezielte Optimierung den Prozess zu verbessern. Eine notwendige Voraussetzung dafür ist eine umfassende und genaue Messung der Qualitätsparameter, die unter anderem auch ein lückenloses Qualitätsmonitoring ermöglicht. Der erste Teil dieser Arbeit befasst sich mit dem physikalischen Verständnis des Rollschnitt-Scherprozesses. Als Basis dient ein mathematisches 3D Simulationsmodell, welches die wichtigsten Anlagenteile der Schere berücksichtigt. Dies ermöglicht die Untersuchung der auftretenden Prozesskräfte und deren spezifische Auswirkung auf die Qualitätsdefekte. Die Variation der lateralen Prozesskraft innerhalb eines Schnittes wird als Haupteinflussfaktor für die gängigsten Qualitätsdefekte identifiziert. Auf Basis des Simulationsmodells und spezieller Anlagenmessungen gelingt es ein physikalisch motiviertes Erklärungsmodell zu generieren. Diese Erkenntnisse ermöglichen eine Optimierung des Anlagendesigns von Rollschnittscheren. In diesem zweiten Teil der Arbeit wird eine modellbasierte Optimierungsmethode vorgestellt, welche die geometrische Form der Schneidemesser so optimiert, dass während des Schnitts nahezu konstante laterale Prozesskräfte auftreten. Experimente und ein Langzeiteinsatz dieser optimierten Messer zeigen die deutlichen Qualitätsverbesserungen an der Anlage. Im dritten Teil dieser Arbeit wird ein automatisiertes Messsystem zur Beurteilung der Qualität der Schneidekanten von Grobblechen vorgestellt, welches während der Produktion in Echtzeit fungiert. Dieses neuartige System besteht aus einer CCD Kamera und 2D Laserabstandssensoren. Dies ermöglicht eine vollständige Schätzung von Produktqualitätsparametern ohne dabei den Produktionsprozess zu beeinflussen. Die Schätzmethode basiert auf einer Kombination von Methoden der Bildverarbeitung, Sensorfusion und Algorithmen der Signalverarbeitung. Ein Vergleich der Schätzergebnisse mit umfassenden Anlagenmessungen bestätigt die Robustheit und Güte dieser Methode. Das entwickelte Messsystem ist mittlerweile permanent im Walzwerk der AG der Dillinger Hüttenwerke in Betrieb. Dies ermöglicht unter anderem auch eine lückenlose Qualitätskontrolle, die Generierung einer Datenbasis für maschinelles Lernen sowie das automatische Auslösen von Alarmfunktionen im Falle von problematischen Qualitätsdefekten. Der letzte Teil der Arbeit behandelt die optimale und systematische Einstellung der wichtigsten Prozessparameter. Diese Einstellung soll nicht nur die Produktqualität selbst erhöhen, sondern auch zu einer konsistenten und nachvollziehbaren Produktqualität über alle gewalzten Grobbleche hinweg führen. Aus diesem Grund wird mit Hilfe von bekannten Algorithmen des maschinellen Lernens ein datenbasiertes Modell entwickelt, das in Abhängigkeit von Prozessparametern die Produktqualität vorhersagt. Die optimale Einstellung der Prozessparameter erfolgt über Optimierung auf Basis des datenbasierten Modells. In Simulationen wird gezeigt, dass durch die optimale Vorgabe der Prozessparameter im Vergleich zur existierenden manuellen Einstellung eine deutliche Verbesserung der Produktqualität und deren Konsistenz erzielt werden kann.