SEARCH

SEARCH BY CITATION

Keywords:

  • principal component analysis;
  • partial least squares;
  • operations optimization;
  • process monitoring

Abstract

Experience has shown that data-driven modelling methods are useful for improving steelmaking processes. In particular, principal components analysis and partial least squares are well-suited for industrial implementation because they address practical issues such as colinearity and missing data. In the course of applying these multivariate methods on-line, a need for a flexible computer infrastructure to better support data handling and model implementation was identified and met with an internally developed software calculation platform. Multivariate methods have been found useful for monitoring and for prediction and can also be applied as a foundation for other methods such as optimization.

L'expérience montre que les méthodes de modélisation orientées sur les données sont utiles pour l'amélioration des procédés de fabrication de l'acier. En particulier, l'analyse en composantes principales et les moindres carrés partiels conviennent bien aux applications industrielles parce que ces méthodes abordent des questions pratiques comme la co-linéarité et les données manquantes. Lors de l'application de ces méthodes multivariées en ligne, on a identifié un besoin pour une infrastructure d'ordinateurs flexible afin de faciliter la manipulation des données et la mise en œuvre des modèles, auquel on a répondu par le développement d'une plate-forme logiciel maison. Les méthodes multivariées s'avèrent utiles pour la surveillance et la prédiction, et elles peuvent également être appliquées comme base de fondation pour d'autres méthodes telle l'optimisation.