DEMİR ÇELİK SEKTÖRÜNDE TAGUCHI DESTEKLİ YAPAY SİNİR AĞI MODELİ İLE SIVI HAM DEMİR KÜKÜRT İÇERİĞİ TAHMİNİ

Abstract

ÖZET

Entegre demir çelik tesislerinde demir cevherinden çelik üretimi gerçekleşir. Üretim ile beraber planlamanın da doğru yapılması, demir çelik sektöründe çeliğin kalitesi açısından önemlidir. Sıvı ham demirin üretildiği tesis olan yüksek fırın, planlama çerçevesinde hammadde miktarını istenilen seviyede kullanmaktadır. Hammaddeler sıvı ham demirin kalitesini etkilemektedir. İstenilen özellikteki ürünün takibi her işletmelerin otomasyon ünitelerince dijital platform üzerinde gerçekleştirilip kaydı alınmaktadır.

Son yıllarda, süreç modelleme ve optimizasyon konularında yapay sinir ağları (YSA) kullanımına artan bir ilgi bulunmaktadır. YSA’nın en önemli özelliklerinden doğrusal olmayan yapıları modelleyebilmesi, paralel dağılmış yapısı, öğrenme ve genelleme yapabilme yeteneği, farklı problemlerde uyarlanabilirliği ve hata toleransına sahip olmasıdır. YSA’nın kullanımı model gelişim sürecini kısaltmaktadır. Karmaşık ve uzun bir süreç olan demir cevherinden sıvı ham demir içerisindeki kükürt oranı tahminlemesi zordur.

Yüksek performanslı bir YSA modeli kullanıcıya birçok avantaj sunmaktadır. Ancak iyi bir YSA modelinin uygun eğitim ve mimari parametrelerinin belirlenmesi gerekmektedir. Gizli katman nöron sayısı, transfer fonksiyonu ve eğitim fonksiyonu gibi parametreler genel olarak, deneme-yanılma prosedürü ile çok sayıda YSA modelinin geliştirilmesi ve karşılaştırılarak en iyi performans gösteren modelin seçilmesi ile belirlenebilmektedir.

Bu çalışmada, entegre demir çelik fabrikası olan Kardemir’de 5. Yüksek Fırın’da üretilen sıvı ham demirin en önemli kalite parametrelerinden biri olan kükürt içeriği ele alınmıştır. Kükürt içeriğinin modellenmesinde YSA yönteminden yararlanılmıştır. YSA’nın eğitiminde literatürde yaygın olarak kullanılan Levenberg Marquardt algoritması tercih edilmiştir.

YSA’nın eğitilmesinde cüruf bazitesi, kükürt girdisi, mangan girdisi, silis girdisi, üfleme sıcaklığı ve tepe basıncı girdi parametreleri olarak kullanılmıştır. Yüksek fırına ait 2019 ve 2021 yılları arasında belirlenen günlük girdi ve çıktı kükürt içeriği üretim verileri YSA için kullanılabilir olması açısından normalize edilmiştir.

Taguchi tabanlı YSA modeli geliştirilmiş ve regresyon analizi ile karşılaştırılmıştır. Sonuçlar oluşturulan ağın yüksek doğruluk derecesine sahip olduğunu göstermiştir. Ayrıca Taguchi deney tasarımı yöntemi ile optimum YSA eğitimi ve mimari parametrelerinin sistematik bir şekilde belirlenebileceği ve böylece uzun deneme yanılma yöntemlerinden kaçınılabileceği görülmüştür.

ABSTRACT

Steel is produced from iron ore in integrated iron and steel plants. Correct planning along with production is important for the quality of steel in the iron and steel industry. The blast furnace, which is the facility where pig raw iron is produced, uses the amount of raw material at the desired level within the framework of planning. The raw materials affects the quality of the pig raw iron. Product control is recorded in automation units with a digital platform.

In recent years, there has been an increasing interest in the use of ANNs in process modeling and optimization. The most important properties of ANN are their ability to model nonlinear structures, their parallel distributed structure, their ability to learn and generalize, their adaptability to different problems, and their error tolerance. The use of ANN shortens the model development process. It is difficult to estimate the sulfur content in pig raw iron from iron ore, which is a complex and long process.

A high performance ANN model has many advantages. However, the appropriate training and architectural parameters of a good ANN model should be determined. The parameters such as the number of neurons in the hidden layers, transfer function and training function can generally be determined by trial-and-error procedure by developing multiple ANN models and selecting the best model by comparison.

In this study, the sulfur content which is one of the most important quality parameters of the pig raw iron produced in the 5th Blast Furnace of Kardemir that is an integrated iron and steel factory, is discussed. ANN method was used in modeling the sulfur content. Levenberg Marquardt algorithm that is widely used in the literature, was preferred in the training of the ANN.

In the training the ANN, slag basicity, sulfur input, manganese input, silica input, blowing temperature and peak pressure were used as input parameters The daily input and output sulfur content production data of the blast furnace determined between 2019 and 2021 has been normalized to be usable for ANN.

Taguchi-based ANN model was developed and compared with regression analysis. The results showed that the created network has a high degree of accuracy. In addition, it has been found that the optimum ANN training and architectural parameters can be determined systematically with the Taguchi experimental design method, thus avoiding long trial and error methods.