[go: up one dir, main page]

WO1998012612A1 - Method and device for designing or controlling a basic industry plant process operation - Google Patents

Method and device for designing or controlling a basic industry plant process operation Download PDF

Info

Publication number
WO1998012612A1
WO1998012612A1 PCT/DE1997/002006 DE9702006W WO9812612A1 WO 1998012612 A1 WO1998012612 A1 WO 1998012612A1 DE 9702006 W DE9702006 W DE 9702006W WO 9812612 A1 WO9812612 A1 WO 9812612A1
Authority
WO
WIPO (PCT)
Prior art keywords
model
models
optimization
level
model level
Prior art date
Application number
PCT/DE1997/002006
Other languages
German (de)
French (fr)
Inventor
Thomas Peuker
Friedemann Schmid
Otto Gramckow
Günter SÖRGEL
Original Assignee
Siemens Aktiengesellschaft
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Priority to DE19780983T priority Critical patent/DE19780983D2/en
Priority to AT0908797A priority patent/AT500862B8/en
Publication of WO1998012612A1 publication Critical patent/WO1998012612A1/en

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0285—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and fuzzy logic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B2265/00—Forming parameters
    • B21B2265/22—Pass schedule

Definitions

  • the invention relates to a method for controlling the process flow of a plant in the basic material industry, in particular a steelworks, the decision variables regarding the process flow being optimized by means of a mathematical optimization algorithm which optimizes the settings of the process flow on the basis of a process model.
  • the object of the invention is to provide a method or a device by means of which the above-mentioned disadvantages can be avoided, in particular with a reasonable economic outlay. It is particularly desirable to specify a method or a device that it enables settings to be generated according to the optimal pass schedule for a rolling mill.
  • the object is achieved according to the invention by a method according to claim 1 or a device according to claim 19.
  • models can be used that use certain optimization algorithms, e.g. Gradient method, do not allow.
  • Such models are e.g. Differential equation systems, neural networks, finite element models, rule-based models or fuzzy models.
  • models in the form of neural networks can be created by the method according to the invention using an optimization algorithm, such as the gradient method.
  • an optimization algorithm such as the gradient method.
  • existing or known partial models e.g. are used in process control. This enables a particularly cost-effective modeling of the freezing process.
  • the process flow is modeled on two modeling levels, a higher-level modeling level 1 and a lower modeling level 2.
  • This two-level structure according to the invention for the optimization of a process flow has been found particularly for complex systems in which partial models, e.g. in the form of differential equation systems, neural networks, finite element models, rule-based models, or fuzzy models.
  • the superordinate model 7 In the course of linking the models 3, 4, 5, 6, 7 of the two modeling levels 1, 2, the superordinate model 7 generates variable quantities 10, which form the input variables for the sub-models 3, 4, 5, 6.
  • the output variables of the sub-models 3, 4, 5, 6 are parameters 9 which are used as input variables in the superordinate process model 7. Further input variables in the higher-level process model are requirements 8.
  • variable variables 10 are first determined by the superordinate process model 7, from which the submodels 3, 4, 5, 6 calculate parameters 9. On the basis of these parameters 9, new variable variables 10 are generated in accordance with the selected optimization algorithm educated. This cycle is repeated until a selected termination criterion for the optimization is fulfilled. Two optimization processes take place. First, the model equations and the model inequalities of the superordinate process model 7 are optimized by means of target functions. The results of this optimization are optimal variable variables 10 on the basis of given parameters 9. After completion of this optimization, parameters 9 are calculated on the basis of these optimal variable variables 10.
  • new optimal variable variables 10 are determined in the course of the internal optimization.
  • new parameters 9 are calculated in the submodels 3, 4, 5, 6. In the course of this external optimization, iteration continues until the new parameters 9 differ from the old parameters 9 by less than a tolerance value or the new variable sizes 10 differ from the old variable sizes 10 by less than a tolerance value.
  • optimization criteria are preferably formulated in the form of an under-determined equation system, so that there is a solution space in the form of a compromise set during the optimization.
  • the optimization criterion is advantageously formulated in the form of functions that are formulated as goals in a target tree as shown in FIG.
  • all sensible goals Zl, Z2, Z3, Za are used for a specific application. These goals can be refined further, so that a tree structure as shown in FIG. 2 results. Not all criteria necessarily have the same branching depth.
  • the following goals can result for the pass schedule calculation: Z optimal pass schedule, ZI technical aspects, Z2 flexibility, Za economic aspects, Z12 control, Z13 technology, Z121 product quality, Z1211 flatness, Z1212 structure, Z122 critical conditions, Z1221 maximum rolling force, Z1222 maximum motor power, Z1223 maximum rolling speed, Zal key figures , Za2 profit, Za21 revenue, Za22 expenses.
  • the target tree thus created represents a hierarchical structure of targets, targets within a branch being complementary and targets of different branches generally competing.
  • the target tree is advantageously defined as generally valid as possible, so that only a partial structure of the target tree is used in concrete application.
  • the individual optimization criteria are provided with attributes that determine the type of their use. The following attributes are used:
  • the attribute "not active” means that the target is not considered relevant in the specific application and is therefore excluded from further considerations. All targets with the "objective function” attribute are the basis for the optimization, the result of which is a compromise set.
  • This compromise set is reduced to a reduced compromise set using the targets provided with the "constraint" attribute. From this reduced compromise quantity is in turn determined by means of the goals provided with the "evaluation criterion" attribute, a ranking for the decision variables about the process flow. This procedure, consisting of optimization, reduction of the compromise quantity and evaluation of the reduced compromise quantity, is called decision making.
  • Particularly suitable applications for the method according to the invention are the calculation of presettings for the establishment of a rolling mill, analysis and development of rolling strategies, planning processes during rolling operation and support for decision-making in the design of rolling mills.

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

The invention concerns a method of designing or controlling a basic industry plant process operation, in particular for a steelworks or rolling mill, decision variables concerning the process operation being optimized by means of a mathematical optimization algorithm which optimizes the decision variables concerning the process operation on the basis of a process model. The process model is distributed over two model planes, a higher-level model plane (1) and a lower model plane (2). The lower model plane (2) comprises partial models (3, 4, 5, 6) which are linked by at least one model (7) on the higher-level model plane.

Description

Beschreibungdescription
Verfahren und Einrichtung zum Entwurf oder zur Steuerung des Prozeßablaufs einer Anlage der GrundstoffindustrieMethod and device for designing or controlling the process flow of a plant in the raw materials industry
Die Erfindung betrifft ein Verfahren zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindustrie, insbesondere eines Stahlwerkes, wobei die Entscheidungsgrδßen über den Prozeßablauf mittels eines mathematischen Optimierungs- algorithmus optimiert werden, der die Einstellungen des Prozeßablaufs auf der Basis eines Prozeßmodells optimiert.The invention relates to a method for controlling the process flow of a plant in the basic material industry, in particular a steelworks, the decision variables regarding the process flow being optimized by means of a mathematical optimization algorithm which optimizes the settings of the process flow on the basis of a process model.
Es ist bekannt, zur Steuerung des Prozeßablaufs von Anlagen der Grundstoffindustrie Entscheidungsgrößen wie Einstellungen des Prozeßablaufs zu optimieren. Es ist weiterhin bekannt, eine derartige Optimierung mittels eines vereinfachten Modells des Prozeßablaufs durchzuführen. Sind nicht alle für eine Optimierung notwendigen Reaktionen des Prozeßablaufs auf Einstellungen des Prozeßablaufs bekannt, versagt diese Methode. Die Einstellungen des Prozeßablaufs müssen dann heuristisch getroffen werden. Dieses gilt z.B. für die Berechnung von Stichplänen in einem Walzwerk. Ermöglicht die Modellierung des Prozeßablaufs dessen Optimierung, so führt diese Optimierung aufgrund der notwendigen Vereinfachungen zu suboptimalen Lösungen für die Einstellungen des Prozeßablaufs. Müssen heuristische Methoden für die Einstellungen des Prozeßablaufs herangezogen werden, so liegen die ermittelten Einstellungen häufig weit entfernt von den optimalen Einstellungen.It is known to optimize decision variables such as settings of the process flow in order to control the process flow of plants in the basic material industry. It is also known to carry out such an optimization by means of a simplified model of the process flow. If not all reactions of the process flow to settings of the process flow necessary for an optimization are known, this method fails. The settings of the process flow must then be made heuristically. This applies e.g. for the calculation of pass schedules in a rolling mill. If the modeling of the process flow enables its optimization, this optimization leads to suboptimal solutions for the settings of the process flow due to the necessary simplifications. If heuristic methods have to be used for the settings of the process flow, the determined settings are often far from the optimal settings.
Aufgabe der Erfindung ist es, ein Verfahren bzw. eine Einrichtung anzugeben, mittels dessen die obengenannten Nachteile, insbesondere unter vertretbarem ökonomischem Aufwand, vermieden werden können. Dabei ist es besonders wünschens- wert, ein Verfahren bzw. eine Einrichtung anzugeben, die es ermöglicht, Einstellungen entsprechend optimaler Stichplane für ein Walzwerk zu generieren.The object of the invention is to provide a method or a device by means of which the above-mentioned disadvantages can be avoided, in particular with a reasonable economic outlay. It is particularly desirable to specify a method or a device that it enables settings to be generated according to the optimal pass schedule for a rolling mill.
Die Aufgabe wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 bzw. eine Einrichtung gemäß Anspruch 19 gelost.The object is achieved according to the invention by a method according to claim 1 or a device according to claim 19.
Auf diese Weise ist es möglich, einem Optimierungsalgorithmus ein besonders detailliertes Modell des Prozeßablaufs zur Verfügung zu stellen, so daß dieser optimale Einstellungen des Prozeßablaufs ermitteln kann. Dabei können auf der unteren Modellebene Modelle verwendet werden, die bestimmte Optimierungsalgorithmen, wie z.B. Gradientenverfahren, nicht zulassen. Derartige Modelle, sind z.B. Differentialgleichungssysteme, neuronale Netze, Finite-Elemente-Modelle, regelbasierte Modelle oder Fuzzy-Modelle . Insbesondere für Prozesse, wie z.B. Walzwerke, die sich mit vertretbaren wirtschaf lichem Aufwand nicht mit Gleichungssystemen beschreiben lassen, für die aber für bestimmte Teilkomponenten z.B. Modelle in Form neuronaler Netze vorliegen, können durch das erfindungsgemäße Verfahren mittels eines Optimierungsalgorithmus, wie z.B. dem Gradientenverfahren, optimiert werden. Auf diese Weise ist es möglich, die Entscheidungsgrößen von Prozeßabläufen mit einer hohen Komplexit t wie etwa oei Anlagen der Grundstoffindustrie zu optimieren.In this way it is possible to provide an optimization algorithm with a particularly detailed model of the process flow so that it can determine optimal settings of the process flow. At the lower model level, models can be used that use certain optimization algorithms, e.g. Gradient method, do not allow. Such models are e.g. Differential equation systems, neural networks, finite element models, rule-based models or fuzzy models. In particular for processes such as Rolling mills that cannot be described with equation systems with reasonable economic effort, but for which for certain subcomponents e.g. Models in the form of neural networks can be created by the method according to the invention using an optimization algorithm, such as the gradient method. In this way it is possible to optimize the decision variables of process flows with a high level of complexity, such as for example in plants in the basic materials industry.
In einer vorteilhaften Ausgestaltung der Erfindung werden bereits existierende bzw. bekannte Teilmodelle, die z.B. in der Prozeßsteuerung zum Einsatz kommen, verwendet. Dies ermöglicht e ne besonders kostengünstige Modellierung des Frozeß- ablaufs .In an advantageous embodiment of the invention, existing or known partial models, e.g. are used in process control. This enables a particularly cost-effective modeling of the freezing process.
Weitere Vorteile und erfinderische Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen, anhand der Zeichnungen und m Verbindung mit den Unteransprüchen. Im einzelnen zeigen: FIG 1 eine Zweiebenen-Optimierung,Further advantages and inventive details emerge from the following description of exemplary embodiments, using the drawings and m connection with the subclaims. In detail show: 1 shows a two-level optimization,
FIG 2 einen Zielbaum2 shows a target tree
FIG 1 zeigt eine Zweiebenen-Optimierung. Dabei wird der Pro- zeßablauf auf zwei Modellierungsebenen, einer übergeordneten Modellierungsebene 1 und einer unteren Modellierungsebene 2, modelliert. Auf der unteren Modellierungsebene 2 befinden sich Teilmodelle 3,4,5,6, die Teile des zu optimierenden Prozesses modellieren. Auf der übergeordneten Modellierungsebene 1 befindet sich ein übergeordnetes Prozeßmodell 7, das Modellgleichungen und/oder Modellungleichungen aufweist und das zusammen mit den Teilmodellen 3,4,5,6 der unteren Modellierungsebene ein Gesamtabbild des zu optimierenden Prozesses bildet. Diese erfindungsgemäße Zweiebenenstruktur für die Optimierung eines Prozeßablaufs hat sich besonders für komplexe Anlagen, bei denen bereits Teilmodelle, z.B. in Form von Differentialgleichungssystemen, neuronalen Netzen, Fi- nite-Elemente-Modellen, regelbasierten Modellen, oder Fuzzy- Modellen, existieren, bewährt. Im Zuge der Verknüpfung der Modelle 3,4,5,6,7 der beiden Modellierungsebenen 1,2 werden durch das übergeordnete Modell 7 variable Größen 10 erzeugt, die die Eingangsgrößen für die Teilmodelle 3,4,5,6 bilden. Ausgangsgrößen der Teilmodelle 3,4,5,6 wiederum sind Parameter 9, die als Eingangsgrößen in das übergeordnete Prozeßmodell 7 eingehen. Weitere Eingangsgrößen in das übergeordnete Prozeßmodell sind Vorgaben 8.1 shows a two-level optimization. The process flow is modeled on two modeling levels, a higher-level modeling level 1 and a lower modeling level 2. On the lower modeling level 2 there are partial models 3, 4, 5, 6 that model parts of the process to be optimized. On the superordinate modeling level 1 there is a superordinate process model 7 which has model equations and / or model inequalities and which, together with the partial models 3, 4, 5, 6 of the lower modeling level, forms an overall image of the process to be optimized. This two-level structure according to the invention for the optimization of a process flow has been found particularly for complex systems in which partial models, e.g. in the form of differential equation systems, neural networks, finite element models, rule-based models, or fuzzy models. In the course of linking the models 3, 4, 5, 6, 7 of the two modeling levels 1, 2, the superordinate model 7 generates variable quantities 10, which form the input variables for the sub-models 3, 4, 5, 6. The output variables of the sub-models 3, 4, 5, 6 are parameters 9 which are used as input variables in the superordinate process model 7. Further input variables in the higher-level process model are requirements 8.
Aufgabe der Optimierung ist es, Entscheidungsgrößen über den Prozeßablauf, wie etwa Einstellungen des Prozeßablaufs, zu finden. Diese Entscheidungsgrößen bilden eine Teilmenge der variablen Größen 10. Im Rahmen der Optimierung werden zunächst durch das übergeordnete Prozeßmodell 7 variable Größen 10 ermittelt, aus denen die Teilmodelle 3,4,5,6 Parameter 9 errechnen. Auf der Basis dieser Parameter 9 werden gemäß dem gewählten Optimierungεalgorithmus neue variable Größen 10 gebildet. Dieser Zyklus wird solange wiederholt, bis ein gewähltes Abbruchkriterium für die Optimierung erfüllt ist. Dabei laufen zwei Optimierungsvorgänge ab. Zunächst werden die Modellgleichungen und die Modellungleichungen des über- geordneten Prozeßmodells 7 mittels Zielfunktionen optimiert. Das Ergebniε dieser Optimierung sind auf der Basis von gegebenen Parametern 9 optimale variable Größen 10. Nach Abschluß dieser Optimierung werden aufgrund dieser optimalen variablen Größen 10 durch die Teilmodelle Parameter 9 errechnet. Auf der Basis dieser neuen Parameter 9 werden im Zuge der inneren Optimierung neue optimale variable Größen 10 ermittelt. Auf dieser Basis dieser neuen variablen Größen 10 werden in den Teilmodellen 3, 4, 5, 6 neue Parameter 9 errechnet. Im Zuge dieser äußeren Optimierung wird solange iteriert, bis sich die neuen Parameter 9 von den alten Parametern 9 um weniger als einen Toleranzwert oder die neuen variablen Größen 10 von den alten variablen Größen 10 um weniger als einen Toleranzwert unterscheiden.The task of optimization is to find decision variables about the process flow, such as settings of the process flow. These decision variables form a subset of the variable variables 10. In the course of the optimization, variable variables 10 are first determined by the superordinate process model 7, from which the submodels 3, 4, 5, 6 calculate parameters 9. On the basis of these parameters 9, new variable variables 10 are generated in accordance with the selected optimization algorithm educated. This cycle is repeated until a selected termination criterion for the optimization is fulfilled. Two optimization processes take place. First, the model equations and the model inequalities of the superordinate process model 7 are optimized by means of target functions. The results of this optimization are optimal variable variables 10 on the basis of given parameters 9. After completion of this optimization, parameters 9 are calculated on the basis of these optimal variable variables 10. Based on these new parameters 9, new optimal variable variables 10 are determined in the course of the internal optimization. On the basis of these new variable variables 10, new parameters 9 are calculated in the submodels 3, 4, 5, 6. In the course of this external optimization, iteration continues until the new parameters 9 differ from the old parameters 9 by less than a tolerance value or the new variable sizes 10 differ from the old variable sizes 10 by less than a tolerance value.
Dieses Verfahren hat sich als besonders geeignet erwiesen,This method has proven to be particularly suitable
Stichpläne, d.h. Voreinstellungen für Walzstraßen, zu ermitteln. Dabei sind Methoden der nichtlinearen Optimierung besonders geeignet. Für die Stichplanberechnung werden vorzugsweise Optimierungskriterien in Form eines unterbesti mten Gleichungsεystemε formuliert, εo daß sich bei der Optimierung ein Lösungsraum in Form einer Kompromißmenge ergibt . Die Formulierung des Optimierungskriteriums erfolgt dabei vorteilhafterweise in Form von Funktionen, die als Ziele in einem wie in FIG 2 gezeigten Zielbaumes formuliert sind. Dazu werden alle sinnvollen Ziele Zl,Z2,Z3,Za für eine bestimmte Anwendung verwendet . Diese Ziele können weiter verfeinert werden, εo daß sich eine Baumstruktur wie in FIG 2 ergibt. Dabei haben nicht alle Kriterien notwendigerweise die gleiche Verzweigungstiefe. Für die Stichplanberechnung können sich mit Bezugnahme auf FIG 2 z.B. folgende Ziele ergeben: Z optimaler Stichplan, ZI technische Aspekte, Z2 Flexibilität, Za ökonomische Aspekte, Z12 Steuerung, Z13 Technologie, Z121 Produktqualität, Z1211 Planheit, Z1212 Gefüge, Z122 kri- tische Zustände, Z1221 maximale Walzkraft, Z1222 maximale Motorleistung, Z1223 maximale Walzgeschwindigkeit, Zal Kennzahlen, Za2 Gewinn, Za21 Erlös, Za22 Aufwendungen.Determine pass schedules, ie presettings for rolling mills. Methods of non-linear optimization are particularly suitable. For the pass schedule calculation, optimization criteria are preferably formulated in the form of an under-determined equation system, so that there is a solution space in the form of a compromise set during the optimization. The optimization criterion is advantageously formulated in the form of functions that are formulated as goals in a target tree as shown in FIG. For this purpose, all sensible goals Zl, Z2, Z3, Za are used for a specific application. These goals can be refined further, so that a tree structure as shown in FIG. 2 results. Not all criteria necessarily have the same branching depth. With reference to FIG. 2, the following goals can result for the pass schedule calculation: Z optimal pass schedule, ZI technical aspects, Z2 flexibility, Za economic aspects, Z12 control, Z13 technology, Z121 product quality, Z1211 flatness, Z1212 structure, Z122 critical conditions, Z1221 maximum rolling force, Z1222 maximum motor power, Z1223 maximum rolling speed, Zal key figures , Za2 profit, Za21 revenue, Za22 expenses.
Durch die Verfeinerung im Zielbaum werden Ziele allgemeiner Art durch immer konkretere Ziele beschrieben, die in der letzten Verfeinerungsstufe als Blätter bezeichnet werden. Der so entstandene Zielbaum stellt eine hierarchische Struktur von Zielen dar, wobei Ziele innerhalb eines Astes komplementär und Ziele verschiedener Äste im allgemeinen konkurrierend sind. Der Zielbaum wird vorteilhafterweise möglichst allgemein gültig definiert, so daß bei konkreter Anwendung nur eine Teilεtruktur des Zielbaumes Verwendung findet. Für eine konkrete Anwendung werden die einzelnen Optimierungskriterien mit Attributen versehen, welche die Art ihrer Verwendung festlegen. Dabei finden folgende Attribute Anwendung:Due to the refinement in the target tree, goals of a general nature are described by increasingly concrete goals, which are referred to as leaves in the last refinement stage. The target tree thus created represents a hierarchical structure of targets, targets within a branch being complementary and targets of different branches generally competing. The target tree is advantageously defined as generally valid as possible, so that only a partial structure of the target tree is used in concrete application. For a specific application, the individual optimization criteria are provided with attributes that determine the type of their use. The following attributes are used:
"nicht aktiv" "Zielfunktion" "Nebenbedingung" oder - "Bewertungskriterium" ."not active" "objective function" "constraint" or - "evaluation criterion".
Dabei heißt Attribut "nicht aktiv", daß in der konkreten Anwendung das Ziel als nicht relevant eingeschätzt und somit aus den weiteren Betrachtungen ausgeεchlossen wird. Alle mit dem Attribut "Zielfunktion" versehenen Ziele sind Grundlage für die Optimierung, deren Ergebnis eine Kompromißmenge ist.The attribute "not active" means that the target is not considered relevant in the specific application and is therefore excluded from further considerations. All targets with the "objective function" attribute are the basis for the optimization, the result of which is a compromise set.
Diese Kompromißmenge wird unter Verwendung der mit dem Attribut "Nebenbedingung" versehenen Ziele zu einer reduzierten Kompromißmenge reduziert. Aus dieser reduzierten Kompromiß- menge wird wiederum mittels der mit dem Attribut "Bewertungs- kriterium" versehenen Ziele eine Rangfolge für die Entscheidungsgrößen über den Prozeßablauf ermittelt. Dieses Vorgehen, bestehend aus Optimierung, Reduzierung der Kompromißmenge und Bewertung der reduzierten Kompromißmenge wird als Entscheidungsfindung bezeichnet.This compromise set is reduced to a reduced compromise set using the targets provided with the "constraint" attribute. From this reduced compromise quantity is in turn determined by means of the goals provided with the "evaluation criterion" attribute, a ranking for the decision variables about the process flow. This procedure, consisting of optimization, reduction of the compromise quantity and evaluation of the reduced compromise quantity, is called decision making.
Besonders geeignete Anwendungsfälle für das erfindungsgemäße Verfahren stellen die Berechnung von Voreinstellungen für die Einrichtung einer Walzstraße, Analysen und Erarbeitung von Walzstrategien, Planungεprozesse während deε Walzbetriebes sowie die Unterstützung der Entscheidungsfindung beim Entwurf von Walzstraßen dar. Particularly suitable applications for the method according to the invention are the calculation of presettings for the establishment of a rolling mill, analysis and development of rolling strategies, planning processes during rolling operation and support for decision-making in the design of rolling mills.

Claims

Patentanεprüche Claims
1. Verfahren zum Entwurf oder zur Steuerung deε Prozeßablaufs einer Anlage der Grundstoffindustrie, insbesondere eines Stahl- bzw. Walzwerks, wobei Entscheidungεgrößen über den Prozeßablauf mittelε eines mathematischen Optimierungsalgo- rithmuε optimiert werden, der die Entscheidungsgrößen über den Prozeßablauf auf der Basis eines Pro∑eßmodells optimiert, d a d u r c h g e k e n n z e i c h n e t, daß das Prozeßmodell auf zwei Modellebenen, eine übergeordnete Modellebene (1) und eine untere Modellebene (2), verteilt wird, wobei die untere Modellebene (2) Teilmodelle (3,4,5,6) aufweist, die durch zumindest ein Modell (7) auf der übergeordneten Modellebene (1) verknüpft werden.1. Method for designing or controlling the process flow of a plant in the basic material industry, in particular a steel or rolling mill, whereby decision variables about the process flow are optimized by means of a mathematical optimization algorithm, which determines the decision variables about the process flow on the basis of a process model optimized, characterized in that the process model is distributed over two model levels, a superordinate model level (1) and a lower model level (2), the lower model level (2) having sub-models (3,4,5,6) which are characterized by at least a model (7) can be linked at the superordinate model level (1).
2. Verfahren nach Anspruch 1, d a d u r c h g e k e n n z e i c h n e t , daß auf der übergeordneten Modellebene variable Größen (10) , von denen die Entscheidungεgrößen eine Teilmenge εind, ermit- telt werden, wobei auf der Basis der variablen Größen (10) auf der unteren Modellebene Parameter (9) ermittelt werden, auf deren Basis wiederum die variablen Größen (10) ermittelt werden.2. The method according to claim 1, characterized in that variable sizes (10), of which the decision sizes are a subset, are determined on the superordinate model level, parameters (9.) Being based on the variable sizes (10) on the lower model level ) are determined, on the basis of which the variable variables (10) are determined.
3. Verfahen nach Anspruch 1 oder 2, d a d u r c h g e k e n n z e i c h n e t, daß das Modell (7) auf der übergeordneten Modellebene (1) ein analytisches Modell ist, daß durch Modellgleichungen und Modellungleichungen beschrieben ist.3. The method according to claim 1 or 2, so that the model (7) on the superordinate model level (1) is an analytical model that is described by model equations and model inequalities.
4. Verfahren nach Anspruch 1, 2 oder 3 d a d u r c g e k e n n z e i c h n e t, daß d e Teilmodelle (3,4,5,6) Differentialgleichungssysteme, neuronale Netze, Finite-Elemente-Modelle, Fuzzy-Modelle oder regelbasierte Modelle sind, wobei die Teilmodelle (3,4,5,6) vorteilhafterweise bekannte bzw. bereits existierende Modelle sind, die in der Prozeßsteuerung zum Einsatz kommen.4. The method according to claim 1, 2 or 3 dadurcgek Indicates that de partial models (3,4,5,6) differential systems of equations, neural networks, finite element models, fuzzy models or rule-based models, the partial models (3.4 , 5.6) are advantageously known or already existing models that are used in process control.
5. Verfahren nach Anspruch 1, 2, 3 oder 4 d a d u r c h g e k e n n z e i c h n e t, daß die Optimierung in Form einer experimentellen Optimierung, z.B. in verschiedenen Varianten des Simplexverfahrens oder genetischer Algorithmen, erfolgt.5. The method according to claim 1, 2, 3 or 4 d a d u r c h g e k e n n z e i c h n e t that the optimization in the form of an experimental optimization, e.g. in different variants of the simplex method or genetic algorithms.
6. Verfahren nach Anspruch 1, 2, 3 oder 4, d a d u r c h g e k e n n z e i c h n e t, daß die Optimierung gemäß oder einem nichtlinearen Optimierungsverfahren, wie z. B. einem Gradientenverfahren erfolgt.6. The method of claim 1, 2, 3 or 4, d a d u r c h g e k e n n z e i c h n e t that the optimization according to or a non-linear optimization method, such as. B. a gradient method.
7. Verfahren nach Anspruch 1 bis 6, d a d u r c h g e k e n n z e i c h n e t , daß m zwei verschachtelten Optimierungsvorgangen, einer inneren Optimierung und einer äußeren Optimierung, optimiert wird, wobei im Zuge der inneren Optimierung über die Modell- gleichungen, die Modellungleichungen sowie über Zielfunktionen optimiert wird und wobei das Ergebnis dieser Optimierung eine Kompromißmenge ist.7. The method according to claim 1 to 6, characterized in that m two nested optimization processes, an internal optimization and an external optimization, is optimized, being optimized in the course of the internal optimization via the model equations, the model inequalities and via target functions and wherein The result of this optimization is a compromise set.
8. Verfahren nach Anspruch 7, d a d u r c h g e k e n n z e i c h n e t, daß zur äußeren Optimierung die Entscheidungsgrößen über den Prozeßablauf so lange über beide Ebenen, d.h. über die übergeordnete Modellebene (1) und die untere Modellebene (2), iteriert werden, bis sich die auf der unteren Modellebene (2) ermittelten Parameter (9) aus dem jeweils vorhergehenden8. The method according to claim 7, d a d u r c h g e k e n n z e i c h n e t that for the external optimization, the decision variables on the process flow so long over both levels, i.e. iterate over the superordinate model level (1) and the lower model level (2) until the parameters (9) determined on the lower model level (2) are derived from the previous one
Iterationsschritt von den im aktuellen Iterationsschritt ermittelten Parametern (9) um weniger als vorgegebene Toleranzwerte unterscheiden.Differentiate the iteration step from the parameters (9) determined in the current iteration step by less than predetermined tolerance values.
9. Verfahren nach einem der vorhergehenden Ansprüche, d a d u r c h g e k e n n z e i c h n e t, daß bei einigen Iterationsschritten der äußeren Optimierung, insbesondere bei den ersten Iterationsschritten, die Teilmodelle (3,4,5,6) der unteren Modellebene linearisiert werden und in den entsprechenden Iterationεschritten die lineari- sierten Teilmodelle anstelle der ursprünglichen Teilmodelle (3,4,5,6) verwendet werden.9. The method according to any one of the preceding claims, characterized in that in some iteration steps of the external optimization, especially in the first iteration steps, the sub-models (3,4,5,6) of the lower model level are linearized and in the corresponding iteration steps the linearized sub-models instead of the original sub-models (3,4 , 5,6) can be used.
10. Verfahren nach Anspruch 9, d a d u r c h g e k e n n z e i c h n e t, daß als linearisierte Teilmodelle, sogenannte Wirksamkeiten10. The method of claim 9, d a d u r c h g e k e n n z e i c h n e t that as linearized partial models, so-called efficacies
(w0) mit ,j = Δyi/Δ j benutzt werden, wobei x_ die j-te Eingangsgröße und yi die i-te Ausgangεgröße des lmearisierten Teilmodells ist.(w 0 ) with, j = Δyi / Δ j, where x_ is the j-th input variable and yi is the i-th output variable of the linearized partial model.
11. Verfahren nach einem der vorhergehenden Ansprüche, d a d u r c h g e k e n n z e i c h n e t, daß Ziele für eine Entscheidungεfindung, von der die Optimierung ein Teil ist, in hierarchischer Weise, d.h. als Zielbaum, formuliert werden, wobei Ziele innerhalb eines11. The method according to any one of the preceding claims, d a d u r c h g e k e n n z e i c h n e t that targets for decision-making, of which the optimization is a part, in a hierarchical manner, i.e. as a goal tree, where goals are within a
Astes komplementär und Ziele verschiedener Äste, vorzugsweise konkurrierend sind, und wobei die Ziele mit wachsender Verzweigung konkreter werden.Astes are complementary and targets of different branches, preferably competing, and the targets become more specific with increasing branching.
12. Verfahren nach einem der Ansprüche 1 bis 11, d a d u r c h g e k e n n z e i c h n e t, daß ein Ziel als Zielfunktion, als Nebenbedingung, als Bewertungskriterium oder gar nicht bei der Entscheidungsfindung berücksichtigt wird.12. The method according to any one of claims 1 to 11, that a target is taken into account in the decision-making process as a goal function, as a secondary condition, as an evaluation criterion or not at all.
13. Verfahren nach Anspruch 12, dadurch gekennzeichnet , daß zur Entscheidungsf indung aus der Kompromißmenge mittels der Nebenbedingungen eine reduzierte Kompromißmenge und aus der reduzierten Kompromißmenge mittels der Bewertungskriterien, insbesondere punktweise, eine Rangfolge ermittelt wird.13. The method according to claim 12, characterized in that for decision-making from the compromise set by means of the constraints a reduced compromise set and from the reduced compromise quantity is determined by means of the evaluation criteria, in particular point by point.
14. Verfahren nach einem der vorhergehenden Ansprüche, d a d u r c h g e k e n n z e i c h n e t, daß mit ihm optimale Stichpläne für eine Walzstraße mit den entsprechenden Einstellungen der Walzstraße bestimmt werden.14. The method according to any one of the preceding claims, d a d u r c h g e k e n n z e i c h n e t that optimal pass schedules for a rolling mill are determined with the corresponding settings of the rolling mill.
15. Verfahren nach Anspruch 14, d a d u r c h g e k e n n z e i c h n e t, daß mit ihm optimale Stichpläne bzw. Walzεtrategien mit den entsprechenden Einstellungen der Walzstraße für bestehende Walzstraßen bestimmt werden.15. The method according to claim 14, d a d u r c h g e k e n n z e i c h n e t that optimal pass schedules or rolling strategies with the appropriate settings of the rolling mill for existing rolling mills are determined with it.
16. Verfahren nach Anspruch 13 oder 14, d a d u r c h g e k e n n z e i c h n e t , daß die optimalen Stichplane als Grundlage für eine Organisation des Walzbetriebes (u. a. des Brammenlagers) im Rahmen einer Level-3 -Automatisierung genutzt v/erden.16. The method according to claim 13 or 14, d a d u r c h g e k e n n z e i c h n e t that the optimal pass schedule as a basis for an organization of the rolling operation (including the slab storage) used as part of a level 3 automation.
17. Verfahren nach einem der vorhergehenden Ansprüche, d a d u r c h g e k e n n z e i c h n e t, daß die Modelle (7) der übergeordneten Modellebene (1) auf einem anderen Rechner implementiert sind als die Teilmodelle (3,4,5,6) auf der unteren Modellebene (2).17. The method according to any one of the preceding claims, that the models (7) of the superordinate model level (1) are implemented on a different computer than the sub-models (3, 4, 5, 6) on the lower model level (2).
18. Verfahren nach einem der vorhergehenden Ansprüche, d a d u r c h g e k e n n z e i c h n e t, daß die Teilmodelle (3,4,5,6) auf der unteren Modellebene (2) zum Teil auf verεchiedenen Rechnern implementiert sind.18. The method according to any one of the preceding claims, that the sub-models (3, 4, 5, 6) on the lower model level (2) are partially implemented on different computers.
19. Emricntunσ zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindustrie, insbesondere eines Stahlwerks, zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche, wobei Entscheidungsgrößen über den Prozeßablauf mittelε eineε mathematiεchen Optimierungεalgorithmus optimiert werden, der die Entscheidungεgrößen über den Prozeßablauf auf der Baεis eines Prozeßmodells optimiert, d a d u r c h g e k e n n z e i c h n e t, daß das Prozeßmodell auf zwei Modellebenen, eine übergeordnete Modellebene (1) und eine untere Modellebene (2), verteilt wird, wobei die untere Modellebene (2) Teilmodelle (3,4,5,6) aufweist, die durch zumindest ein Modell (7) auf der übergeordneten Modellebene (1) verknüpft werden. 19. Emricntunσ for controlling the process flow of a plant in the raw material industry, in particular a steel mill, for performing the method according to one of the preceding claims, wherein decision variables about the process flow be optimized by means of a mathematical optimization algorithm which optimizes the decision variables about the process flow on the basis of a process model, characterized in that the process model is distributed over two model levels, a superordinate model level (1) and a lower model level (2), the lower model level (2) has partial models (3, 4, 5, 6) which are linked by at least one model (7) on the superordinate model level (1).
PCT/DE1997/002006 1996-09-17 1997-09-09 Method and device for designing or controlling a basic industry plant process operation WO1998012612A1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE19780983T DE19780983D2 (en) 1996-09-17 1997-09-09 Method and device for designing or controlling the process flow of a plant in the raw materials industry
AT0908797A AT500862B8 (en) 1996-09-17 1997-09-09 METHOD AND DEVICE FOR DESIGNING OR CONTROLLING THE PROCESS OF A GROUND OF INDUSTRY

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE1996137917 DE19637917C2 (en) 1996-09-17 1996-09-17 Method and device for designing or controlling the process flow of a plant in the raw materials industry
DE19637917.2 1996-09-17

Publications (1)

Publication Number Publication Date
WO1998012612A1 true WO1998012612A1 (en) 1998-03-26

Family

ID=7805924

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE1997/002006 WO1998012612A1 (en) 1996-09-17 1997-09-09 Method and device for designing or controlling a basic industry plant process operation

Country Status (3)

Country Link
AT (1) AT500862B8 (en)
DE (2) DE19637917C2 (en)
WO (1) WO1998012612A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1067444A3 (en) * 1999-04-08 2001-02-07 Siemens Aktiengesellschaft Method and device for modeling a technical system
DE19912221B4 (en) * 1998-08-11 2006-07-27 Siemens Ag Computer system for designing a plant of the basic industry, in particular a rolling mill

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE59905856D1 (en) 1998-07-03 2003-07-10 Siemens Ag METHOD AND ARRANGEMENT FOR DESIGNING A CONTROL FOR AN OVERALL PROCESS
AT407993B (en) * 1999-03-03 2001-07-25 Voest Alpine Ind Anlagen METHOD FOR OPTIMIZING THE DESIGN AND OPERATION OF A REDUCTION METHOD
DE10018704A1 (en) * 2000-04-14 2001-10-18 Siemens Ag Process for modeling and/or simulating a rolling mill comprises structuring a plant layout so that process conditions of the plant and/or the product conditions are produced, and mapping a virtual plant
DE10126251A1 (en) * 2001-05-29 2003-01-23 Buehler Ag Online process monitoring and online process modeling
WO2003025689A2 (en) 2001-09-14 2003-03-27 Ibex Process Technology, Inc. Large scale process control by driving factor identification
US6810291B2 (en) 2001-09-14 2004-10-26 Ibex Process Technology, Inc. Scalable, hierarchical control for complex processes
US6915173B2 (en) 2002-08-22 2005-07-05 Ibex Process Technology, Inc. Advance failure prediction
US6970857B2 (en) 2002-09-05 2005-11-29 Ibex Process Technology, Inc. Intelligent control for process optimization and parts maintenance
DE10250325B4 (en) * 2002-10-28 2005-02-24 Siemens Ag Method and tool for controlling the operation of the plants provided in a refinery or a petrochemical industrial complex
US7020569B2 (en) 2003-03-13 2006-03-28 Ibex Process Technology, Inc. Intelligent modelling of process and tool health
DE10339766A1 (en) * 2003-08-27 2005-04-07 Siemens Ag Method and device for controlling a plant for the production of steel
AT500764A1 (en) * 2004-05-19 2006-03-15 Voest Alpine Ind Anlagen METHOD FOR CALCULATING THE GEOMETRIC FORM OF ROLLING MATERIAL
EP2340133B2 (en) 2008-10-30 2023-07-19 Primetals Technologies Germany GmbH Method for setting a drive load for multiple drives on a mill train to mill milled items, control and/or regulating device, storage medium, program code and mill train
DE102021205735A1 (en) 2021-06-08 2022-12-08 Robert Bosch Gesellschaft mit beschränkter Haftung Method for controlling a pump, method for training a neural network and fluid supply system

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0445729A1 (en) * 1990-03-06 1991-09-11 Matsushita Electric Industrial Co., Ltd. Model following control device and method
EP0534221A1 (en) * 1991-09-24 1993-03-31 Siemens Aktiengesellschaft Control parameter improvement method for industrial installations
US5408405A (en) * 1993-09-20 1995-04-18 Texas Instruments Incorporated Multi-variable statistical process controller for discrete manufacturing
DE4338615A1 (en) * 1993-11-11 1995-05-18 Siemens Ag Method and device for managing a process in a regulated system
FR2728368A1 (en) * 1994-12-20 1996-06-21 Andra Simulation of physical system as decision making aid in toxic storage

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4416364B4 (en) * 1993-05-17 2004-10-28 Siemens Ag Method and control device for regulating a process

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0445729A1 (en) * 1990-03-06 1991-09-11 Matsushita Electric Industrial Co., Ltd. Model following control device and method
EP0534221A1 (en) * 1991-09-24 1993-03-31 Siemens Aktiengesellschaft Control parameter improvement method for industrial installations
US5408405A (en) * 1993-09-20 1995-04-18 Texas Instruments Incorporated Multi-variable statistical process controller for discrete manufacturing
DE4338615A1 (en) * 1993-11-11 1995-05-18 Siemens Ag Method and device for managing a process in a regulated system
FR2728368A1 (en) * 1994-12-20 1996-06-21 Andra Simulation of physical system as decision making aid in toxic storage

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
RUCHARDT C F ET AL: "DER NUTZEN EINES KOMPLEXEN PROZESSMODELLS FUR SYSTEMANALYSE UND REGLERENTWURF EINER DREISTOFF-DESTILLATIONSANLAGE", AUTOMATISIERUNGSTECHNIK - AT, vol. 37, no. 1, January 1989 (1989-01-01), pages 14 - 22, XP000009664 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19912221B4 (en) * 1998-08-11 2006-07-27 Siemens Ag Computer system for designing a plant of the basic industry, in particular a rolling mill
EP1067444A3 (en) * 1999-04-08 2001-02-07 Siemens Aktiengesellschaft Method and device for modeling a technical system

Also Published As

Publication number Publication date
AT500862A5 (en) 2006-04-15
AT500862B8 (en) 2007-02-15
AT500862B1 (en) 2006-04-15
DE19780983D2 (en) 1999-11-18
DE19637917C2 (en) 1998-12-10
DE19637917A1 (en) 1998-03-19

Similar Documents

Publication Publication Date Title
WO1998012612A1 (en) Method and device for designing or controlling a basic industry plant process operation
EP2185980B1 (en) Method for computer-aided control and/or regulation using neural networks
EP2106576B1 (en) Method for the computer-assisted control and/or regulation of a technical system
EP2135140B1 (en) Method for computer-supported control and/or regulation of a technical system
DE4008510C2 (en) Control device with optimal decision unit
EP2112568B1 (en) Method for computer-supported control and/or regulation of a technical system
DE19881711C5 (en) Method and device for controlling a metallurgical plant
EP2422246B1 (en) Control system
EP1546823B1 (en) Method for the computer-supported generation of prognoses for operative systems and system for the generation of prognoses for operative systems
WO2021259980A1 (en) Training an artificial neural network, artificial neural network, use, computer program, storage medium, and device
DE602004012399T2 (en) Procedures for generating optimal control problems for industrial processes
EP1055180B1 (en) Method and device for designing a technical system
WO2019068376A1 (en) Evenness control using optimizer
WO2020207789A1 (en) Method and device for controlling a technical apparatus
DE102019214640A1 (en) CONTROL DEVICE AND CONTROL METHOD
DE69426229T2 (en) Process for parallel processing of fuzzy logic inference rules and matching circuit architecture with fuzzy input and output
DE10222700B4 (en) Computer-aided method for mass and / or function optimization of vehicle components and structures
EP1014239B1 (en) Method for calculating a reduction plan
EP0813986B1 (en) Method for distance control in a vehicle
EP0814402A2 (en) Method for the design or for the adaption of a fuzzy controller, or a system of linked fuzzy controllers
DE102011076969B4 (en) Method for computer-aided learning of a control and / or control of a technical system
DE102019132624A1 (en) Method, device, computer program and computer-readable storage medium for creating a motion cueing algorithm
EP1390821B1 (en) Method for conducting steel processing, especially a hot rolling process
EP0796457B1 (en) Method of operating neural networks in industrial plants and associated neural network
WO2000072096A1 (en) Method, arrangement and computer program for designing a technical system

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AT CN DE ID KR

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
ENP Entry into the national phase

Ref document number: 1997 9087

Country of ref document: AT

Date of ref document: 19980326

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 19979087

Country of ref document: AT

REF Corresponds to

Ref document number: 19780983

Country of ref document: DE

Date of ref document: 19991118

WWE Wipo information: entry into national phase

Ref document number: 19780983

Country of ref document: DE