Resumen de Optimización del proceso de fabricación de acero en horno de arco eléctrico mediante algoritmos machine learning y procedimientos experimentales específicos para la detección de macroinclusiones no metálicas
Estela Ruiz Martinez
La fabricación del acero en horno de arco eléctrico es un proceso industrial extremadamente complejo donde el resultado de cada una de las etapas involucradas (selección de materias primas, fusión en horno de arco eléctrico, tratamiento en horno cuchara y colada continua) depende de numerosas variables, muchas veces interrelacionadas entre sí. La comercialización de los productos de acero tiene lugar en un mercado globalizado y altamente competitivo que exige la máxima calidad por parte de los fabricantes. Además, en el sector de la automoción se ha impuesto la necesidad de reducir el peso de los elementos al objeto de mitigar las emisiones de gases de efecto invernadero. Por ello, es necesario optimizar la capacidad resistente del material y su limpieza inclusionaria. En esta Tesis Doctoral se han implementado algoritmos Machine Learning para mejorar el comportamiento de cuatro calidades de acero fabricadas por la empresa Global Steel Wire: acero de pretensado, de refuerzo de neumáticos, de estampación y de muelles para automoción. Se han utilizado técnicas de aprendizaje supervisado (regresión y clasificación) y no supervisado (clustering) así como algoritmos específicos para la identificación de variables relevantes en cada caso y de la influencia que se puede atribuir a cada una de ellas.
Además, se ha desarrollado y validado empíricamente un procedimiento experimental, completamente novedoso y superior a las alternativas actualmente existentes, para la identificación de macroinclusiones no metálicas en acero, las cuales provocan en muchos casos la rotura por fatiga experimentada por los muelles empleados en las suspensiones de los vehículos.
