Volltext-Downloads (blau) und Frontdoor-Views (grau)
  • search hit 1 of 1
Back to Result List

Datenbasierte Analyse des induktiven Aufwärmprozesses beim Aluminiumstrangpressen

Analysis of induction heating during extrusion

  • In den letzten Jahrzehnten gewann Aluminium als vielseitig einsetzbarer Werkstoff immer mehr an Bedeutung. Das Vorarlberger Unternehmen Hydro Extrusion Nenzing ist Teil der Aluminiumverarbeitungsindustrie und stellt stranggepresste Aluminiumprofile her. Beim Strangpressen werden Aluminiumstangen in einem Durchlaufinduktionsofen auf bis zu 520 °C erhitzt und anschließend durch ein formgebendes Werkzeug gepresst. Nach dem induktivem Aufwärmen wird ein Teil der Stange aus dem Ofen gefahren und abgeschert. Die erzeugte Temperaturverteilung an diesem abgescherten Bolzen ist der sogenannte Taper. Das induktive Aufwärmen ist ein wichtiger Teil der Extrusion und steht im Fokus dieser Forschungsarbeit. Ziel dieser Arbeit ist es, den Aufwärmprozess der Aluminiumstangen, mithilfe einer Kombination aus explorativer Datenanalyse und Methoden des maschinellen Lernens, genauer zu verstehen und den resultierenden Taper vorherzusagen. Außerdem werden parallel die signifikanten Einflussparameter, ohne Berücksichtigung von Materialparametern, untersucht. Nach der explorativen Datenanalyse wurden mithilfe eines k-means-Clusterverfahren zwei Klassifizierungsvarianten entwickelt. In der ersten Variante liegen die Taper nach ihrer Bolzenlänge und Form gegliedert vor. Es zeigte sich, dass die Taper der Bolzen mit ähnlicher Länge auch ähnliche Formen annehmen. Ein einfacher Entscheidungsbaum konnte die 13 Zielklassen zu etwa 85 % vorhersagen. Die Bolzenlänge spielt bei der Vorhersage eine wichtige Rolle. Die zweite Klassifizierungsvariante basiert hingegen ausschließlich auf der Taperform. Die angewendeten Modelle (k-Nearest-Neighbor, Decision Tree, Random Forest) waren jedoch kaum in der Lage, die 11 Klassen abzubilden. Grund für die unzureichende Vorhersageleistung können die vielen Unsicherheiten in der Datenstruktur sein. Die anschließende detaillierte, explorative Analyse der formabweichenden Taper deutet fehlende Merkmale im Datensatz an. Einige Bolzen setzen sich aus zwei Stangenenden zusammen. Diese geteilten Bolzen führen zu abweichenden Aufwärmverhalten, wodurch auffällige Taper entstehen. Die Information ob sich ein Bolzen aus zwei Stangen zusammensetzt fehlt jedoch im Datensatz. Der Aufwärmvorgang der Stangen wird demnach durch ein Wechselspiel der aktuellen Regelung und zwei maßgeblichen Faktoren beeinflusst: die Bolzenlänge und das Auftreten von geteilten Bolzen. Diese Faktoren bestimmen die Stangentemperatur im Ofen, den induzierten Strom und somit den resultierenden Taper. Aufgrund dieser Ergebnisse könnte die temperaturbasierte Regelung zukünftig durch eine Steuerung hinsichtlich des induzierten Stroms ersetzt, dadurch Energie eingespart und Schrott vermieden werden.
  • Over the past decades, aluminum has gained significance as a widely applicable material in an array of industries. The company Hydro Extrusion Nenzing has been producing extruded aluminum solutions for over 40 years in Nenzing, Vorarlberg. In extrusion, aluminum billets are heated up till 520 ° C in an induction heater and then pressed through a forming die. The process of inductive heating is a vital aspect of extrusion and will be, next to the resulting taper, in focus within this research paper. The aim is to better comprehend the heating process of the aluminum billet by using explorative data analysis and by better understanding methods of machine learning. By doing this there will be a search for the significant influential parameters during the heating process and on the predictability of the taper. Parameters of material will not be considered here. Two categories emerged after the explorative analysis of the process data and the k-means-clustering: The first category classifies the taper by observing the billet length and the taper shape. It shows that the billet tapers with similar length take similar shapes. A decision tree could predict the dependent variables with an accuracy up to 85%. The billet length plays a vital role in the decision process. The second category however is solely focused on the shape of the taper. The applied models (k-nearest-neighbor, decision tree, random forest) were however barely able to display the 11 different classes. Reason for the insufficient predictability could be various insecurities in the data structure. A detailed, explorative data analysis points to a missing quality in the data sets. Various billets consist of two cutting edges from the aluminum rods. The split billet lead to derivations in the induced energy which creates derivative tapers. The information whether or not a billet is solid or combined from two cutting edges is missing as a variable in the data sets. The heating process of the billets is thus influenced by the interplay of the regulation of two factors: The billet length and additionally a splitted billet. Due to these results, the temperature based regulation could in the future be replaced through an electricity based control system, which would save energy and excess waste.

Download full text files

Export metadata

Additional Services

Search Google Scholar
Metadaten
Author:Katharina Silberer
DOI:https://doi.org/10.25924/opus-3153
Subtitle (German):Am Beispiel der Strangpresslinie P16 im UnternehmenHydro Extrusion Nenzing GmbH
Advisor:Kathrin Plankensteiner
Document Type:Master's Thesis
Language:German
Year of publication:2019
Publishing Institution:FH Vorarlberg (Fachhochschule Vorarlberg)
Granting Institution:FH Vorarlberg (Fachhochschule Vorarlberg)
Release Date:2019/11/18
Tag:Aluminium; Explorative Datenanalyse; Extrusion; Machine Learning; Strangpressen
Number of pages:92
DDC classes:600 Technik, Medizin, angewandte Wissenschaften / 670 Industrielle und handwerkliche Fertigung
Open Access?:ja
Course of Studies:Energietechnik und Energiewirtschaft
Licence (German):License LogoUrhG - The Austrian Copyright Act applies - Es gilt das österr. Urheberrechtsgesetz