HODNOCENÍ VZORKŮ BRAM V METALOGRAFICKÉ LABORATOŘI A NOVÉ MOŽNOSTI ZAVÁDĚNÉ V RÁMCI ŘEŠENÍ GRANTOVÉHO PROJEKTU SLAB SAMPLES ANALYSIS IN METALLOGRAPHICAL LABORATORY AND NEW POSSIBILITIES INTRODUCING IN RESPECT OF GRANT PROJECT Ladislav VÁLEK a, Pavla PETRIŠÁKOVÁ a, Radim PACHLOPNÍK a, Pavel PRAKS b a ArcelorMittal Ostrava a.s., Vratimovská 689,707 02 Ostrava - Kunčice, ČR, ladislav.valek@arcelormittal.com, pavla.petrisakova@arcelormittal.com, radim.pachlopnik@arcelormittal.com b VŠB-TU Ostrava, Katedra aplikované matematiky, Fakulta elektrotechniky a informatiky, 17. listopadu 15, 708 33 Ostrava Poruba, ČR, pavel.praks@vsb.cz Abstrakt Diskutovaná problematika je řešena v ArcelorMittal Ostrava a.s. Na řešení se podílí VŠB-TU Ostrava, a to v rámci grantového projektu v programu TIP. Grantový projekt pod ev. č. FR-TI1/432 Nové moderní výpočetní metody pro řízeni kvality v oblasti výroby náročných jakostí oceli je dotačně podpořen MPO ČR. Cílem projektu je vývoj a implementace metod analýzy makrostruktur metalografických vzorků vedoucích ke snadnějšímu monitorováni výroby, zvyšováni jakosti výroby a technologických postupů. Příspěvek se zabývá popisem možností hodnocení vzorků plynule litých bram a popisem nové metody hodnocení kvality v oblasti středové části (segregace). V příspěvku jsou uvedeny první výsledky z vyvíjeného modelu a z vývoje algoritmu pro rozpoznávání kvality. Abstract The discussed issue is solved in ArcelorMittal Ostrava a.s. The VŠB Technical University of Ostrava is participated on this issue under grant project of TIP program. The grant project with ID FR-TI1/432 New advanced computational methods for quality control in production of high quality steels is financially supported by Ministry of Industry and Trade of Czech Republic. The aim of the project is the development and implementation of methods for analysis of macrostructure metallographic samples leading to facilitate the monitoring of production, increasing quality of production and technological practices. The article describes possibilities of slab sample inspection and describes new methods for quality inspection in the middle part (segregation). The paper describes first results from developed model and from developed algorithm for quality recognition. 1. ÚVOD V rámci výše citovaného grantového projektu bylo zahájeno řešení problematiky středové kvality vzorků bram. Pozornost je věnována vývoji nových postupů pro vizuální hodnocení kvality středu makroskopických vzorků bram (příčné řezy, naleptané), vývoji matematických metod k automatickému rozpoznávání kvality (segregace) a statistickému šetření. 2. POPIS BRAMOVÉHO ZPO A ODBĚRU VZORKŮ Řešená problematika (popsána v úvodu) se týká výroby bram na ZPO č. 2 (zařízení plynulého odlévání) v Ocelárně ArcelorMittal Ostrava a.s. Toto bramové ZPO je v současnosti konstruováno pro odlévání jednotlivých bram (singl mód). Jedná se o jednoproudé ZPO, přičemž je provedena příprava na instalaci segmentů do druhého licího proudu. Poloměr oblouku činí 5 metrů. Maximální metalurgická délka je cca 22 metrů. Po modernizaci ZPO je možno odlévat s maximální licí rychlostí 2,75 m/min. Hmotnost taveb činí cca 200 tun. Další parametry ZPO jsou uvedeny v tabulce 1. 1
Tabulka 1 Vybrané parametry bramového ZPO Table 1 Selected parameters of slab CCM Kapacita Brama Stojan mezipánve Mezipánev Krystalizátor Oblouk 12/1997... 1,0 mil. t/rok 12/2003... 1,2 mil. t/rok (modernizace) 01/2008... 1,5 mil. t/rok (modernizace) 150 740 1575 6000 18000 mm 2 vozy, vážící zařízení, ponorná výlevka s regulací ponoru, možnost letmé výměny mezipánve max. objem oceli 28 t (teor.), hloubka 1 m, plynulé měření teploty, zátková tyč s automatickým řízením hladiny oceli v krystalizátoru, výměna ponorné výlevky během odlévání rovný, 900 mm, predikce průvalu (termočlánky; výpočet odvodu tepla), EMBR, rychlá změna šířky pomocí 4 el. pohonů na zvedacím stole, servo-hydraulické řízení oscilace ohýbací segment, 3 obloukové segmenty, 2 rovnací segmenty, 5 horizontálních segmentů s možností instalace šestého, vodo-vzdušné trysky (kromě chlazení patních válečků), metalurgické chlazení o 6. zónách, horizontální segmenty pouze s chlazením válečků, křížové ostřiky mohou být použity na spodní válečky (od rovnacích segmentů) Vzorky bram (příčné řezy) jsou odebírány pomocí pálícího stroje, který dělí bramy na požadované délky. Každý vzorek je po vychladnutí označen číslem tavby s vyznačením části vzorku: L levá, C centrální (středová), P pravá, jelikož vzorek je dělen na tři menší části (v případě širokých bram cca 1500 mm na čtyři části). Takto zpracované a označené vzorky bram jsou odvezeny do mechanické dílny, kde jsou připraveny (řezáním a frézováním) pro leptání v metalografické laboratoři. V laboratoři je standardně prováděno leptání vzorků bram na přístroji Macroetcher od fa Steltech pomocí elektrolytu, který má následující složení: - 1,0 až 2,0 N roztok HCl (tj. 6,5 % HCl). V případě řešení grantového projektu a vývoje nové metody hodnocení kvality středu s dalšími cíli projektu je v metalografické laboratoři prováděno ještě ruční leptání vzorků bram s cílem zvýraznit segregační místa, a to pro přesnější hodnocení kvality v oblasti středové části. 3. MOŽNOSTI HODNOCENÍ VZORKŮ BRAM 3.1 Zavedené postupy pro vizuální hodnocení kvality vzorků bram V rámci uvedení do provozu ZPO č. 2 byl vypracován katalog vad a metodika hodnocení kvality vzorků bram, a to v rámci externí spolupráce [1, 2]. V katalogu vad jsou popsány jednotlivé vady, příčiny vzniku vady, prevence vzniku vady, možnosti odstranění vady a další informace. Ukázka z katalogu vad je uvedena na obrázku 1. 2
Obr. 1 Příklad obrázku z katalogu vad Středová segregace [1] Fig. 1 Example of picture from catalogue of defects Centerline segregation [1] Na základě metodiky hodnocení kvality vzorků bram jsou vzorky bram hodnoceny v metalografické laboratoři. Dle metodiky je na příčném řezu vzorku bramy hodnocena daná vada, přičemž jsou měřeny parametry této vady (např. délka a počet vad v daném místě). Výsledky hodnocení jsou zaznamenány do protokolu metalografické laboratoře. Následně jsou pro danou vadu, resp. pro skupinu vad vypočteny stupně kvality. Stupně kvality nabývají hodnot 0 až 5, kde stupeň 0 znamená, že vzorek je bez vady daného typu. Dílčí stupně kvality jsou tyto: - vady geometrie vborcení úzké strany, vyborcení úzké strany, kosoúhlost, vyborcení široké strany, rýha; - trhliny.. podélná na široké straně, podélná na úzké straně, podélná rohová, příčná, v trojném bodě, hvězdicovitá, středová; - ostatní vady... lunkr, středová poréznost, bubliny, nekovové vměstky. V rámci metalografické inspekce vzorků bram (vizuální inspekce) byly rovněž zavedeny další nové metodiky, a to z pohledu hodnocení rohových trhlin a povrchových (podpovrchových) bublin. Metodika hodnocení trhlin byla zavedena v souvislosti se zaváděním mikrolegovaných ocelí [3]. Metodika hodnocení bublin byla zavedena v souvislosti se zaváděním výroby elektro ocelí, zvláště trafo ocelí [4]. 3.2 Zaváděný postup pro hodnocení kvality střední části bramy (segregace) V rámci řešení nového grantového projektu je dále věnována pozornost nové metodě vizuální inspekce vzorků bram. Pozornost je zaměřena na středovou část bramy poslední místo tuhnutí, kde se mohou vyskytovat vady typu středová trhlina, lunkr, středová porezita a středová segregace (viz již citovaný obrázek 1). K zavádění nové metodiky vizuálního hodnocení je využíváno informací získaných ze skupiny ArcelorMittal. Podstatou vyvíjené metody hodnocení je počítání tmavých částic, resp. úseků, které byly vyvolány leptáním vzorku bramy, viz obrázek 2. K leptání je používán persíran amonný (kratší doba leptání bez vyvolání 3
makrostruktury, ale s vyvoláním uhlíkové segregace). Tyto částice jsou pak hodnoceny dle velikosti a četnosti, přičemž jsou následně stanoveny tzv. třídy kvality. Metodika hodnocení je upřesňována a dále vyvíjena v rámci grantového projektu. Obr. 2 Ukázka hodnocení segregace na pravé části vzorku bramy, interní jakost B05M, šířka bramy 1430 mm Fig. 2 Example of segregation evaluation on right part of the slab sample, internal steel grade B05M, slab width 1430 mm 4. AUTOMATICKÉ ROZPOZNÁVÁNÍ KVALITY STŘEDU Z DIGITÁLNÍCH FOTOGRAFIÍ Systém automatického rozpoznávání středové kvality vzorků je vyvíjen na pracovišti spoluřešitele grantového projektu VŠB-TU Ostrava. Systém automatického rozpoznávání je založen na algoritmu vyhledávání drobných objektů v oblasti segregace. Splnění úkolu je o to složitější, že drobné objekty mohou být počítačem chybně identifikovány. Systém je koncipován jako samostatný model, který bude komunikačně propojen s modelem technologických a kvalitativních dat (TQ model) u řešitele projektu. Bylo provedeno testování různých segmentačních technik pro strojové zpracování neurčitostí digitálních obrazů metalografických vzorků. Zajímavé výsledky poskytla např. spektrální a izoparametrická segmentace, která ukazuje potenciál automatické detekce metalografického vzorku [5]. Navržený algoritmus pro automatickou klasifikaci vzorků bram byl již částečně publikován [5]. Algoritmus spočívá mj. v těchto krocích: - převod obrázku na stupně šedi; - rozpoznání tvaru vzorku bramy (segmentace); - kontrastní transformace k nalezení tmavých částic pocházejících ze segregace; - lokalizace středové části bramy mj. na základě znalosti extrahovaného tvaru bramy a na základě příznaků segregace; - smazání umělých artefaktů v digitálním obraze (odstranění šumu); - extrakce tmavých částic statistickými metodami; 4
- zobrazení výsledného digitálně zpracovaného obrazu viz obrázek 3. Obr. 3 Část obrázku fotografie vzorku bramy s detekovanými segregačními místy pomocí navrženého algoritmu. Nalezené tečky jsou označeny bílou barvou. Fig. 3 A part of slab sample image with detected segregated places by the developed algorithm. The extracted dots are marked in white color. V rámci řešení grantového projektu je plánován přenos fotografií makrostruktur vzorků bram, dále přenos digitálně zpracovaných fotografií a v neposlední řadě také přenos extrahovaných dat do databází. Cílem tohoto úkolu je kontrolovat a zlepšovat proces výroby bram na ZPO č. 2 s ohledem na požadovanou kvalitu středu výskyt segregací. Ukazuje se, že pro strojové zpracování extrahovaných poruchových dat lze s výhodou využít statistických metod [6]. Pro modelování intenzity poruch lze např. využít Weibullovy modely [7], které byly původně použity pro modelování statické pevnosti křehkých materiálů. V rámci vyvíjeného systému jsou také prováděny experimenty s přístupy, které umožňují mj. prohlížení, vyhledávání a třídění výsledků nejen na základě klíčových slov, ale také na základě vizuální podobnosti metalografických obrázků metodami image retrieval [8]. 5. ZÁVĚR V rámci prvních prací grantového projektu byla provedena analýza dostupnosti získávání reálných dat z provozu, jejich klasifikace lidskými experty a archivace dat. Byla vytvořena databáze fotografií reálných metalografických vzorků sloužící k dalšímu řešení projektu (ověřování vyvíjeného hodnotícího systému, možnost hodnocení procesu výroby bram). Byla navržena a částečně zavedena nová metoda vizuálního hodnocení kvality bram ve střední části (hodnocení segregace). Byly provedeny práce související s vývojem algoritmu pro automatické rozpoznávání kvality středu (segregace) z digitálních fotografií, včetně testování alternativních segmentačních technik. Řešení projektu úspěšně pokračuje. Další výsledky řešení budou průběžně publikovány. PODĚKOVÁNÍ Tento článek vzniknul díky řešení grantového projektu programu TIP, ev. č. FR-TI1/432, za finanční podpory Ministerstva průmyslu a obchodu České republiky. 5
LITERATURA [1] ŠMÍD, J. Katalog vad - Seznam možných vad bram a příčin jejich vzniku. TaM, VÚHŽ a.s., 09/1997, 95 s. [2] ŠMÍD, J. Metodika kvantitativního hodnocení vad a kvality bram. TaM, VÚHŽ a.s., 09/1997, 31 s. [3] VÁLEK, L., PACHLOPNÍK, R., MOKROŠ, L.: Establishing the Slab Production of Microalloy Steel Grades at Mittal Steel Ostrava a.s. In. METAL 2005, Hradec nad Moravicí, 24. - 26. 5. 2005, CD-ROM [4] VÁLEK, L., MOKROŠ, L.: Selected Knowledge s from Producing Slabs of Grain non Oriented Steels. In. METAL 2006, Hradec nad Moravicí, 23. - 25. 5. 2006, CD Room, No. 173. (ISBN 80 86840-18-2) [5] ZELJKOVIĆ, V., PRAKS, P., VINCELETTE, R., TAMEZE, C., VÁLEK, L. Automatic Pattern Classification of Real Metallographic Images. In 2009 IEEE Industry Applications Society Annual Meeting, Houston, TX, USA, 4.-8. 10. 2009, (ISSN 0197-2618) [6] BEIRLANT J., GOEGEBEUR Y., SEGERS J., TEUGELS J., WAAL D. DE, FERRO C.: Statistics of Extremes: Theory and Applications. John Wiley & Sons Ltd, 2004; pg.40-42 (ISBN: 978-0-471-97647-9) [7] PRAKS P., BACARIZO H. F., LABEAU P.E. On the modeling of ageing using Weibull models: Case studies. In S. Martorell, C. Guedes Soares, and J. Barnett (Eds.). Safety, Reliability and Risk Analysis: Theory, Methods and Applications. Vol 1, pp. 559 565. Taylor and Francis Group, 2009 (ISBN 978-0-415-48513-5) [8] PRAKS P., GRZEGORZEK M., MORAVEC R., VÁLEK L., IZQUIERDO E.: Wavelet and Eigen-Space Feature Extraction for Classification of Metallography Images. Frontiers in Artificial Intelligence and Applications. Vol. 166, 2008,. pg. 190 199. Edited by H. Jaakkola, Y. Kiyoki and T. Tokuda. IOS Press Amsterdam. (ISBN 978-1-58603-812-0) 6