ZPRACOVÁNÍ ROZSÁHLÉ DATABÁZE - 2013

 18. ‐ 20. 5. 2010, Rožnov pod Radhoštěm, Česká Republika ZPRACOVÁNÍ ROZSÁHLÉ DATABÁZE EXPERIMENTÁLNÍHO MĚŘENÍ NA ZPO METODOU
AGREGACE DAT
René PYSZKO a, Zdeněk FRANĚK b, Miroslav PROKEL c, Radek HERMANN d,
Leopold CUDZIK e
a
VŠB-TUO, 17. listopadu 15, 708 33 Ostrava - Poruba, Česká republika, [email protected]
b
c
d
Slezská univerzita, Univerzitní náměstí 1934/3, 733 40 Karviná, [email protected]
4Contact, s.r.o., Na Vyhlídce 1079, Karviná - Nové Město, 733 00, [email protected]
Třinecké železárny a.s., Průmyslová 1000, 739 70 Třinec - Staré Město, radek.hermann @trz.cz
e
DASFOS, v.o.s., Božkova 914/45, 702 00 Ostrava – Přívoz, [email protected]
Abstrakt
Příspěvek podává informaci o specifickém přístupu k vyhodnocení experimentálních dat z plynulého
odlévání oceli (ZPO). Data z experimentálního měření na ZPO jsou organizována do dvou typů souborů.
První soubor dat obsahuje záznamy s parametry taveb. Druhá skupina souborů obsahuje dynamicky měřené
veličiny, ukládané ve formě časových řad které jsou zpracovávány dvěma metodami. První je založena na
vyhledávání ustálených úseků a jejich vyhodnocení. Druhý přístup je specifický, transformuje databázi
časových řad na soubor tzv. nezávislých pozorování. Tento postup je nazýván agregací dat. Každý záznam
agregovaných dat přísluší k myšlenému příčnému řezu předlitku a obsahuje historii působení veličin na řez
při jeho průchodu licím strojem. Pro účel agregace byla vytvořena aplikace v architektuře klient – server.
Jako databázový server byl zvolen RDBMS Oracle. K vyhodnocení výběrů z databáze jsou používány
systémy Matlab, MS Excel, SPSS.
Abstract
The contribution gives information about a specific approach for experimental data evaluation from
continuous casting of steel. Data from experimental measurements at the continuous caster are organized
into two types of files. The first set of data contains parameters of heats. The second set contains values of
dynamic quantities stored in a form of time series which are processed in two different ways. The first
approach is based on seeking and evaluating steady intervals, which are analyzed. The second way, which
is specific, transforms the time series into the file of so called independent observations. This technique is
called data aggregation. Each record in the file of aggregated data pertains to a virtual transverse slice of a
billet and contains a history of parameters acting on the slice during its passing through the caster. For the
purpose of the aggregation an application of client-server architecture has been created. Oracle RDBMS
was chosen as a database server. Matlab, MS Excel and SPSS systems are used for further analysis of data
selections from the database.
1.
ÚVOD
Plynulé odlévání oceli je komplexní proces, který se vyznačuje značnou neustáleností. Z toho plyne
náročnost optimálního nastavení technologických parametrů odlévání a jejich řízení při událostech,
vyvolaných technologií. Vývoj technologie odlévání a metod řízení ZPO se děje, vedle postupů typu zkouška
- omyl, systematickým teoreticko-experimentálním výzkumem jak na reálném zařízení, tak na fyzikálních a
matematických modelech. V Třineckých železárnách, a.s. se na přelomu let 2008 a 2009 uskutečnilo
experimentální měření na sochorovém ZPO formátu 150 x 150 mm s využitím upraveného krystalizátoru,
18. ‐ 20. 5. 2010, Rožnov pod Radhoštěm, Česká Republika vybaveného teplotními snímači, a speciálního diagnostického systému DGS. Získaná data byla podrobena
předzpracování, po kterém budou sloužit k dalším analýzám. Za účelem přípravy dat byly vytvořeny
počítačové programy, které mohou být použity i v jiných případech strojového vyhodnocení dat
z kontinuálních procesů.
2.
STRUKTURA A PŘEDZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT
Teplotní čidla v krystalizátoru byla rozmístěna nad sebou v podélných osách stěn. Celkem 20 teplot ve
stěnách bylo vzorkováno s periodou 1 s převodníky, propojenými s měřicím počítačem. Diagnostický systém
DGS kromě funkce predikce průvalů měřil mimo jiné také veličiny tření a mazání v krystalizátoru, amplitudy
oscilace krystalizátoru ve třech kolmých osách a skutečnou frekvenci oscilace. Tyto veličiny byly
vyhodnocovány a ukládány s periodou 5 s. Kromě dat, měřených těmito dvěma počítačovými systémy, byla
k dispozici provozní data ze systému řízení ZPO, exportovaná s periodou 1 s. Z těchto dat byly využity
veličiny rychlost lití, odlitá délka, výška hladiny oceli v krystalizátoru, teplota oceli v mezipánvi, teploty a
průtoky chladicí vody v krystalizátoru a v jednotlivých zónách sekundární oblasti chlazení, poloha zátkové
tyče a teploty povrchu předlitku, měřené třemi pyrometry v různých místech.
Dynamická data ve formě časových řad z uvedených tří systémů byla nejprve sjednocena. Data ze systému
DGS musela být interpolována a převzorkována na jednotnou periodu 1 s. K časovým řadám byly poté
připojeny údaje o tavbách, získané z informačního systému ocelárny. Kromě chemického složení oceli se
jednalo o číslo tavby, hutní označení oceli, typ licího prášku, teplotu likvidu a údaj o způsobu lití. Pro
uvedené operace s daty byla vytvořena programová aplikace, která provedla automatickou kontrolu dat,
časovou synchronizaci, ošetření chyb v datech a nakonec sjednocení dat ze všech systémů.
Celkem bylo změřeno 387 taveb, což představuje asi 1,5 milionu záznamů ve formě časových řad. Každý
záznam obsahuje kromě údajů času a data dalších 46 položek s okamžitými hodnotami veličin.
1.1
Identifikace a vyhodnocení ustálených úseků
Prvním krokem předzpracování dynamických dat bylo nalezení ustálených úseků lití a jejich základního
statistického vyhodnocení. Příslušný program identifikuje ustálené úseky podle licí rychlosti, což je parametr,
který zásadním způsobem ovlivňuje proces odlévání. Z důvodu značné variability licí rychlosti se identifikace
ustálených úseků omezila na nalezení intervalů, ve kterých se licí rychlost neodchyluje více, než je
stanovený limit. Úseky jsou tedy kvazi-ustálené. Po nadlimitní změně hodnoty se nalezený úsek uzavře a je
hledán následující. Na začátku úseku může být odříznuta určitá část podle nastavení programu. Účelem je
vyloučit z vyhodnocení přechodový děj, který po náhlé změně licí rychlosti může ovlivnit jiné veličiny.
Nalezené úseky jsou poté rozděleny na části o délce 512 s. V příliš dlouhých úsecích by při průměrování
mohly zaniknout změny z důvodu pomalého kolísání parametrů, často z neznámé příčiny.
Z každého úseku jsou vypočteny základní statistické charakteristiky všech veličin, tj. střední hodnota,
maximum, minimum a směrodatná odchylka. Délka 512 s byla zvolena jako mocnina čísla 2, což je
požadavkem rychlé Fourierovy transformace (FFT), která je poté aplikována na vyhledané úseky. Fourierova
analýza je počítána jen pro vybrané veličiny a výstupem jsou hodnoty 6 nejvýznamnějších amplitud a jim
odpovídajících period pro každou vybranou veličinu. V databázi ustálených úseků jsou zaznamenána také
čísla záznamů začátků a konců úseků, což umožňuje snadné načtení dat z původních souborů časových řad
do jiných programových nástrojů, jako je Matlab, SPSS nebo Excel. Z nalezených úseků, případně
18. ‐ 20. 5. 2010, R
Rožnov pod Raadhoštěm, Česská Republikaa z posloupno
ostí na sebe navazujících úseků, jsou vyhodn
nocovány autokorelačníí a vzájemn
né korelačníí
funkce.
álených úsekků se může
e lišit podle velikosti zvvoleného limitu změny licí rychlosti..
Počet nalezzených ustá
Průměrně bylo
b
nalezeno 5 kvazi-usstálených úse
eků z každé tavby, přiče
emž záleží ne
ejen na zvoleném limitu,,
ale zejména
a na způsobu
u lití. Z každé
ého úseku vzniká jeden záznam data
abáze s vyho
odnocenými statistickýmii
charakteristtikami o 18
88 položkách
h a další záznam
z
s vý
ýsledky Fou
urierovy frekkvenční ana
alýzy o 424
4
položkách.
3.
ORITMUS AGREGACE
A
DAT
ALGO
Agregace dat
d představvuje konverzzi dat ve fo
ormě časový
ých řad do formy tzv. n
nezávislých pozorování..
Záznam v časových řa
adách předsttavuje tzv. „okamžitý snímek licího stroje“. Nezzávislým poz
zorováním je
e
ho příčného řezu předlitk
ku, který kvan
ntitativně cha
arakterizuje celou
c
historiii
nazýván záznam, týkající se fiktivníh
odu licím stro
ojem.
jeho průcho
Pojem „nezzávislá pozorrování“ nevyyjadřuje, že datové
d
objek
kty jsou nezzávislé statisticky, ale jso
ou nezávislé
é
fyzicky. Záznamy se mohou libovvolně seřadit nebo něk
které odstranit, přičemžž, na rozdíl od časové
é
á data stále informační hodnotu. Z praktických důvodů jsou
u záznamy ponechány
p
v
posloupnossti, mají zbylá
původním chronologické
c
ém sledu, co
ož umožňuje
e vyšetřovat také korelačční vztahy mezi jednotlivý
ými po sobě
ě
jdoucími ře
ezy, případně analyzo
ovat frekven
nční charak
kteristiky flu
uktuací para
ametrů, půs
sobících na
a
posloupnosst řezů.
K proveden
ní agregace dat
d je potřeb
ba definovat tzv.
t
intervalyy
působnosti jednotlivých
h parametrů.. Jsou dány počáteční a
a oblouku licího stroje..
koncovou souřadnicí, měřenou na
ky intervalu působnosti se rozlišují veličiny na
a
Podle délk
bodové a in
ntervalové, viz
v obr. 1. V p
případě bodo
ových veličin
n
se do výsledné data
abáze přene
ese okamžitá hodnota
a
veličiny
v okamžiku
průchodu
řezu
daným
místem..
V případě intervalovýcch veličin jsou vypočteny středníí
m
minima, směrodatné odchylk
ky, případně
ě
hodnoty, maxima,
Obr. 1.. Bodové a in
ntervalové ve
eličiny
Fig. 1. Point and in
nterval quantities
časová de
erivace a in
ntegrál příslušné veličin
ny za dobu
u
průchodu ře
ezu intervale
em působnossti.
Získaná ag
gregovaná da
atabáze umo
ožňuje efektivně strojově
ě
analyzovat působení pa
arametrů běh
hem tuhnutí řezu. Řez je
e definován časem
č
jeho výstupu z krrystalizátoru..
m
datt jsou vzdále
enosti virtuáln
ních řezů růzzné, a to od 30 do 50 mm, z důvodu
u
V konkrétním případě měřených
atabáze řezů
ů obsahuje stejný
s
počet záznamů
z
jakko databáze časových řad, tj. cca 1,5
5
kolísání licí rychlosti. Da
nterpolací přřepočtena na
a vzdálenostt
milionu. Pokud je požadována konsstantní vzdálenost řezů, jsou data in
m, aby mohla být podro
obena analýýze statistick
kými metoda
ami a metod
dami frekven
nční analýzyy
řezů 40 mm
v závislosti na délce pře
edlitku.
4.
TWAROVÁ REALIZACE
R
E
SOFT
Pro účel ag
gregace dat byla vytvoře
ena aplikace
e v architektu
uře klient – server. Jako
o databázov
vý server byll
zvolen RDBMS Oracle
e. Vstupní data jsou zpracováván
na rutinami,, které jsou
u napsány v nativních
h
h Oracle v ja
azyce PL/SQ
QL. Pro vyho
odnocení jed
dnotlivých ve
eličin pro fikttivní řezy byla vytvořena
a
prostředcích
18. ‐ 20. 5. 2010, Rožnov pod Radhoštěm, Česká Republika aplikace v prostředí Delphi s interaktivním ovládáním. V okně se zobrazuje seznam taveb a jejich
identifikačních údajů. K vybrané tavbě jsou relačně zobrazena data jednotlivých měřených údajů. Po
vygenerování řezů pro vybranou sekvenci lze prohlížet vypočtené výsledky pro jednotlivé veličiny. Z nabídky
veličin je možno vybrat požadovanou veličinu a poté jsou zobrazeny záznamy jednotlivých řezů. Vybrané
veličiny je možné exportovat do textového „csv“ souboru pro další analýzu v prostředí Matlab, SPSS nebo
Excel. Program je koncipován obecně, je možno zadat název hodnocené veličiny, její pole působnosti a typ
hodnoty, který určuje algoritmus, jakým se mají počítat charakteristiky pro tuto veličinu. Aplikace může být
instalována na serveru, takže je umožněno přistupovat k datům z více míst najednou. Existuje také webové
rozhraní pro přístup datům, tzv. webklient.
5.
VYUŽITÍ DATABÁZE AGREGOVANÝCH DAT
Agregovaná data umožňují snadnou analýzu závislostí mezi veličinami, které působí na dané místo předlitku
(řez) v různých pozicích licího stroje, a tudíž v různých časech, např. vztah mezi tepelným tokem
v krystalizátoru a povrchovou teplotou předlitku na výstupu ZPO. Pokud jsou k dispozici i data o kvalitě
předlitku nebo výrobku následné technologické operace, je možno snadno k danému místu (vadě) vyhledat
záznam, ze kterého lze zjistit informaci o průběhu chlazení tohoto místa od hladiny v krystalizátoru až po
dělicí zařízení. Optimální je kombinace databázového systému s on-line teplotním modelem předlitku, který
poskytuje doplňkové informace o teplotním poli předlitku, tloušťce licí kůry, metalurgické délce a době
tuhnutí, které mohou být součástí databáze časových řad a mohou být rovněž předmětem agregace.
6.
ZÁVĚR
V souvislosti s vyhodnocením experimentálních dat ze ZPO byl vytvořen programový databázový systém pro
předzpracování měřených a provozních dat. Vytvořené programy zahrnují funkce vyhledávání ustálených
úseků taveb, výpočet základních statistických charakteristik a frekvenční analýzy z nalezených úseků.
Program pro agregaci dat transformuje data z formy časových řad do databáze tzv. nezávislých pozorování,
která může být propojena s databází údajů o kvalitě výrobku. Programový systém je koncipován obecně, je
možná jeho modifikace pro širší použití, a to nejen pro plynulé odlévání oceli, ale prakticky pro jakýkoli
kontinuální výrobní proces.
PODĚKOVÁNÍ
Výzkum probíhal za finanční podpory grantů MPO No. FT-TA4/048 a GAČR No. GA106/07/0938.
LITERATURA
[1]
Franěk, Z. Data Analysis of Technological Parametres of Casting and Quality Production Assessment on The Continuous Steel
Casting Plant. In 5th International Symphosium on Business Administration. Çanakkale, Turkey: Çanakkale Onsekiz Mart
University, Turkey, 2008. s. 434-442. ISBN 978-975-8100-78-1.
[2]
PYSZKO, R. aj. Modelování vlivu technologických parametrů na povrchovou teplotu kruhového předlitku. In Sborník přednášek
14. mezinárodní konference metalurgie a materiálů METAL 2005 : 24.–26. 5. 2005, Hradec nad Moravicí [CD]. Ostrava :
TANGER, spol. s r. o., 2005. 7 s. ISBN 80-86840-13-1.