Datapohjaiset mallit teräksen valmistuksessa, erityisesti konvertterissa
Määttä, Janne (2022-06-23)
Määttä, Janne
J. Määttä
23.06.2022
© 2022 Janne Määttä. Ellei toisin mainita, uudelleenkäyttö on sallittu Creative Commons Attribution 4.0 International (CC-BY 4.0) -lisenssillä (https://creativecommons.org/licenses/by/4.0/). Uudelleenkäyttö on sallittua edellyttäen, että lähde mainitaan asianmukaisesti ja mahdolliset muutokset merkitään. Sellaisten osien käyttö tai jäljentäminen, jotka eivät ole tekijän tai tekijöiden omaisuutta, saattaa edellyttää lupaa suoraan asianomaisilta oikeudenhaltijoilta.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202206233145
https://urn.fi/URN:NBN:fi:oulu-202206233145
Tiivistelmä
Työn tavoitteena on tutkia datapohjaisten mallien hyödyntämistä hiiliteräksen valmistuksessa sekä analysoida ja mallintaa kirjallisuudesta löytyvä, terästehtaalta kerätty data. Tarkastelu on rajattu vain teräskonvertteriprosessiin. Työssä perehdytään konvertteriprosessiin sekä datapohjaisiin malleihin, joita prosessissa on käytetty. Tämän lisäksi työssä tutustutaan yleisesti datapohjaisen mallinnuksen eri vaiheisiin, kuten datan esikäsittelyyn, tärkeiden muuttujien valintaan, datan jakamiseen opetus-, testaus-, ja validointiaineistoon sekä mallin luomiseen. Mallin tarkkuuden ja hyvyyden arviointimenetelmiä on myös tarkasteltu. Työssä luodaan lineaarinen monimuuttujaregressiomalli teräksen saannon ennustamiseksi terästehtaan mittausdatan perusteella.
Terästehtaan mittausdataa analysoidaan eksploratiivisen data-analyysin avulla ja mallin hyvyyttä arvioidaan eri kriteerein. Työssä luodun datapohjaisen mallin suhteellisen virheen keskiarvoksi on saatu 0,578 %, joten mallin tarkkuus on hyvä. Mallin ennustamat saannot sekä todelliset mittaukset antavat lähes saman lopputuloksen. Luotua mallia on verrattu myös samasta datasta luotuun neuroverkkomalliin ja eri arviointikriteerien perusteella voidaan sanoa työssä luodun lineaarisen monimuuttujaregressiomallin olevan tarkempi kuin neuroverkkomallin.
Terästehtaan mittausdataa analysoidaan eksploratiivisen data-analyysin avulla ja mallin hyvyyttä arvioidaan eri kriteerein. Työssä luodun datapohjaisen mallin suhteellisen virheen keskiarvoksi on saatu 0,578 %, joten mallin tarkkuus on hyvä. Mallin ennustamat saannot sekä todelliset mittaukset antavat lähes saman lopputuloksen. Luotua mallia on verrattu myös samasta datasta luotuun neuroverkkomalliin ja eri arviointikriteerien perusteella voidaan sanoa työssä luodun lineaarisen monimuuttujaregressiomallin olevan tarkempi kuin neuroverkkomallin.
Kokoelmat
- Avoin saatavuus [31919]