Improving the galvanized roll stock production technology by using machine learning methods: a case study of the novolipetsk steel (NLMK) continuous hot-dip galvanizing unit (CHGU-1)

Der Artikel befasst sich mit der Anwendung von maschinellem Lernen zur Verbesserung des Produktionsprozesses verzinkter Walzen in der CHGU-1 von Novolipetsk Steel. Sie adressiert die Herausforderungen der Aufrechterhaltung einer hohen Produktivität und einer stabilen Produktqualität im Feuerverzinkungsprozess. Die Studie konzentriert sich auf die Implementierung eines CatBoost-Modells zur Vorhersage und Stabilisierung der Aluminiumkonzentration im Verzinkungsbad, was zu einer verbesserten Wirtschaftsleistung und einem geringeren Zinkverbrauch führt. Der Aufsatz bietet einen umfassenden Überblick über die Methodik, Datenverarbeitungstechniken und die erfolgreiche Einführung des Modells in einer Produktionsumgebung. Sie unterstreicht auch das Potenzial für weitere Fortschritte bei der Anwendung von Methoden des maschinellen Lernens in anderen Stadien der galvanisierten Walzenproduktion und in verschiedenen Einheiten der metallurgischen Industrie.