DE19508476A1 - Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o. ä. - Google Patents

Description

Die Erfindung betrifft ein Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o. ä., z. B. für eine hüttentechnische Anlage, etwa zur Erzeugung von Bändern aus Stahl oder NE-Metallen, wobei das Leitsystem durch Rech­ nertechnik, aufbauend auf eingegebenem Vorwissen, den Zustand der Anlage und Einzelheiten eines in der Anlage ablaufenden Herstellungsprozesses, z. B. eines kontinuierlichen Gießprozesses für Bänder, selbsttätig erkennend und zur Erzielung eines sicheren Produktionserfolges situations­ gerechte Anweisungen gebend, ausgebildet ist.

Für industrielle Anlagen zur Erzeugung oder Verarbeitung von Gütern oder Energie besteht seit jeher ein Bedürfnis nach einem Leitsystem, das eine optimale und dabei insbesondere kostengünstige, Führung des in der Anlage durchgeführten Prozesses ermöglicht. Diesem Bedürfnis wurde bisher sub­ optimal durch Einrichtungen der konventionellen Regeltechnik soweit wie möglich Rechnung getragen. Insbesondere bei Produktionsprozessen, die große regeltechnische Probleme mit sich bringen, steigt jedoch der notwendige regeltechnische Aufwand enorm an, ohne daß das erreichte Ergebnis wirklich zufriedenstellend ist.

Bei Bandgießanlagen für Metall, deren Betrieb besonders große regeltechnische Probleme mit sich bringt und die daher bei­ spielhaft im weiteren behandelt werden, ist es bereits bekannt, mit miteinander verbundenen Einzelreglern oder Regelkreisen zu arbeiten. Beispiele zeigen die EP 0 138 059 A1 und die EP 0 228 038 sowie der Aufsatz "Development of twin-drum strip caster for stainless steel" von K. Yanagi u. a., Metec Conference, Juni 1994, Mitsubishi Heavy Industries, Ltd./Nippon Steel Corp. Die bekannten Regelungen, die suboptimal arbeiten, obwohl sie teilweise bereits mit Reglern ausgerüstet sind, die mathematische Modelle benutzen, führen zur Herstellung von Bändern, deren Maßhaltigkeit und Qualität noch relativ großen Schwankungen unterliegen. Besonders nachteilig ist dabei, daß die Anlagen, die mit den bekannten Reglern und Regelkreisen arbeiten, schnelle, vorzugsweise hydraulische, Stellglieder benötigen, die sehr kostenaufwendig sind.

Um die vorstehenden Nachteile zumindest teilweise zu vermeiden, ist es bekannt, Expertensysteme zu verwenden. Expertensysteme als sogenannte intelligente Systeme, mit denen die Qualität der hergestellten Produkte auch in bezug auf regeltechnisch schlecht beherrschbare Qualitätsmerkmale verbessert werden soll, sind auch für Anlagen der Grundstoff­ industrie bekannt, so z. B. aus dem Aufsatz "Process optimization for maximum availability in continuous casting", veröffentlicht in der Zeitschrift "Metallurgical Plant and Technologie International 5/1994". Derartige Expertensysteme, die den Produktionserfolg durchaus verbessern können, besei­ tigen jedoch nicht die prinzipiellen Schwächen der konventionellen Regelung. Diese werden insbesondere dann sichtbar, wenn es sich um Vorgänge handelt, die (wie etwa in der Grundstoffindustrie) wegen des Fehlens geeigneter Sensoren, etwa im Innern von Hochtemperaturvorgängen, nicht direkt geregelt werden können.

Speziell zur Regelung des Bandgießens von Stahl ist es zur indirekten Regelung aus der EP 0 411 962 A2 weiterhin bekannt, mit einer Kurvenschar zulässiger Eingangsgrößen als Anlagenführungsbasis zu arbeiten. Die Kurvenschar gibt den Verlauf von als sicher erkannten Eingangsgrößen-Konstella­ tionen wieder. Ein derartiges Vorgehen, bei dem Experten­ wissen über Sollwertvorgaben in die Anlagenführung umgesetzt wird, erfordert bei Qualitäts- oder Anforderungsänderungen aufwendige Anlagen-Verhaltenstests zur Ermittlung neuer Führungskurven. Darüber hinaus ist nur ein Arbeiten in weitem Abstand vom Prozeßoptimum möglich.

Es ist Aufgabe der Erfindung, insbesondere für konventionell schwierig zu regelnde Produktionsprozesse, z. B. für das Band­ gießen von Metallbändern, ein Leitsystem anzugeben, mit dem sicher in kostengünstigen Anlagen ein besserer Produktions­ erfolg erreicht werden kann.

Die Aufgabe wird durch ein tatsächlich intelligent ausgebil­ detes Leitsystem gelöst, das aufbauend auf eingegebenem Vor­ wissen, selbsttätig situationsgerechte Anweisungen für eine sichere und möglichst gute (optimale) Prozeßführung gibt. Es handelt sich also um eine vollständig ausgebildete technische Intelligenz, die überraschenderweise bereits mit den heute zur Verfügung stehenden rechentechnischen Mitteln auch für Prozeßleitsysteme von Großanlagen realisiert werden kann.

In Ausgestaltung der Erfindung ist vorgesehen, daß das erfin­ dungsgemäße Leitsystem die situationsgerechten Anweisungen rechentechnisch schrittweise optimierend ausgebildet ist. Hierdurch wird eine weitere Steigerung des intelligenten Ver­ haltens erreicht, die zu einer Qualität der Prozeßführung führt, die durch menschliches Bedienungspersonal nicht oder zumindest nicht in der rechentechnisch erreichbaren, kurzen Zeit erzielbar ist.

In weiterer Ausgestaltung der Erfindung ist vorgesehen, daß das eingegebene Vorwissen, also das von Menschen vorgegebene Prozeßwissen, vorzugsweise selbsttätig, laufend durch am Prozeß während der Produktion intern rechentechnisch, z. B. in unterschiedlichen Betriebspunkten, gewonnenes Wissen verbes­ sert und dieses selbstgenerierte Prozeßwissen in einen, ins­ besondere ständig aktualisierten, Datenspeicher als neues Vorwissen übernommen wird. So wird sehr vorteilhaft eine ständig verbesserte Grundlage für eine weitere Adaption oder Optimierung des Prozesses geschaffen. Das gewonnene Wissen ist dabei nicht nur auf genauere Parameter etc. beschränkt, sondern schließt auch insbesondere die Prinzipien der verwendeten Algorithmen etc. mit ein.

Insbesondere für das Erreichen eines sicheren Produktionser­ folges, der die Grundlage des Vertrauens der Kunden in ein derartiges System bildet, ist vorgesehen, daß das Leitsystem ein Basis-Funktionssystem für die Anlagenkomponenten auf­ weist, welches die Anweisungen aus dem rechentechnisch, z. B. aus einem Prozeßmodell, vorzugsweise einem Prozeßgesamt­ modell, gewonnenen Wissen, sicher in die Anlagenführung um­ setzt. Durch die Verbindung eines sicheren Basisfunktions­ systems, das vorzugsweise als ein die Anlagenkomponenten je für sich oder zusammengefaßt sicher arbeitsfähig machendes Basisautomatisierungssystem ausgebildet ist, mit einem situa­ tionsgerecht angepaßten, statischen Prozeßmodell, ergibt sich eine Ausführung, die in bezug auf die Sicherheit der Prozeß­ führung der herkömmlichen Ausbildung eines Leitsystems minde­ stens gleichwertig, in bezug auf das Kosten/Nutzenverhältnis und das sicher erreichbare Prozeßergebnis, aber überlegen ist.

Von besonderem Vorteil ist dabei, daß die situationsgerechten Anweisungen, z. B. in Form von Einstellwerten, den Anla­ genkomponenten direkt in Form von Ansteuerungswerten, etwa von Positionen oder insbesondere indirekt, z. B. über Regler­ sollwerte, etwa für Drehzahlen, aufgegeben werden. Die Anweisungen werden besonders vorteilhaft direkt aus den Größen des Prozeßmodells bestimmt. Dies geschieht für zeitkritische Sollwerte vorteilhaft on-line, sonst off-line. So ergibt sich eine besonders günstige Reaktion der Anlage auf geänderte Prozeßbedingungen unter vorteilhaft möglicher Einsparung von Sollwertrechnern.

Vorteilhaft wird-zur Erhöhung der Betriebssicherheit das Basisautomatisierungssystem als autonomes, einen sicheren Zustand der Anlage oder der Anlagenkomponenten und des Pro­ zeßzustandes garantierendes Subsystem, z. B. als Gefahren- Zustands-Rückfallsystem ausgebildet, das ggf. anstelle der rechentechnisch erzeugten Anweisungen, insbesondere auf als sicher erkannte, im Datenspeicher abgelegte, Betriebswerte zurückgreifen kann. So ist ein sicheres, wenn auch suboptima­ les Arbeiten der Anlage auch bei einem Ausfall oder beim Auftreten von Fehlfunktionen des intelligenten Rechnerteils möglich.

Das Basisfunktionssystem weist vorteilhaft auch Start- und Hochlaufroutinen auf, die manuell oder automatisch eingegeben werden können, sowie suboptimale Normalbetriebsroutinen, in denen einzelne, sonst rechentechnisch ermittelte, Anweisungen durch konstante, sichere Vorgaben ersetzt werden können. Eine derartige Ausgestaltung des Basisfunktionssystems ist besonders für die Inbetriebnahmephasen, für einen Betrieb mit sprunghaftem Anforderungswechsel etc. vorteilhaft. Zur, wenn auch suboptimalen, Funktion des intelligenten Rechnerteils brauchen auch nicht immer alle Modellteile in spezifisch angepaßter Form zur Verfügung stehen. Es ist vorteilhaft auch ein Betrieb mit einem nur teilweise ausgearbeiteten und/oder angepaßten Prozeßgesamtmodell möglich.

Das Prozeßmodell selbst ist in der Form als Prozeßgesamt­ modell insbesondere modular aufgebaut und beschreibt das Ver­ halten zwischen den Prozeßeingangsgrößen sowie den Stellgrö­ ßen und den Prozeßausgangsgrößen, z. B. Qualitätskennwerten des erzeugten Produktes. Die Modularität erlaubt dabei eine besonders vorteilhafte Ausgestaltung und Bearbeitung des Prozeßgesamtmodells, da von einzelnen, gut übersehbaren, Teilmodellen ausgegangen werden kann. Das Prozeßmodell beruht vorteilhaft soweit wie möglich auf mathematischen Beschrei­ bungsformen. Wo derartige mathematische Beschreibungsformen nicht möglich sind, wird etwa auflinguistisch formulierte Modellteile zurückgegriffen, die z. B. durch Fuzzy-Systeme, Neuro-Fuzzy-Systeme, Expertensysteme o. ä. realisiert sein können. Für, z. B. völlig neue, Anlagenkomponenten, für die keine Modellbildung auf Basis mathematisch-physikalischer, chemischer oder metallurgischer Grundlagen o. ä. oder aufgrund von linguistisch beschreibbarem prozeßwissen möglich ist, werden selbstlernende Systeme, z. B. neuronale Netze ver­ wendet. So ergibt sich für alle Produktionsanlagen, gleich­ gültig wie groß sie ausgelegt oder wie sie ausgestaltet sind, die Möglichkeit, ein Prozeßgesamtmodell zu erstellen.

Es ist natürlich auch möglich, den Produktionsprozeß mit den Teilen, für die kostengünstige konventionelle Lösungen zur Verfügung stehen, konventionell zu betreiben. Dann wird das sonst notwendig gewesene Modellmodul unter Berücksichtigung der Wirkung des verwendeten konventionellen Teils passend ersetzt. Dieses Vorgehen bietet sich u. U. im Haspelbereich eines Walzwerks an.

Das Prozeßmodell wird vorteilhaft aufgrund von an der Anlage gesammelten Prozeßdaten, die in einer Prozeßdatenbank archi­ viert werden, dem Prozeß fortlaufend angepaßt und weiter ver­ bessert, wobei dies vorteilhaft mittels adaptiver Verfahren, Lernverfahren, z. B. durch ein Backpropagation-Lernverfahren oder auch ein Auswahlverfahren für verschiedene Teilmodelle, etwa neuronale Netze oder deren Teile, geschieht. So ergibt sich ein in wesentlichen Teilen selbstgelerntes Modell, das on-line oder off-line angepaßt oder verbessert werden kann.

In vorteilhafter Ausgestaltung ist vorgesehen, daß die ein­ stellbaren prozeßvariablen durch den Optimierer am Prozeß­ modell derart optimiert werden, daß die Modellausgangsgrößen, die insbesondere Qualitätskennwerte des Produktes sind, möglichst gut mit vorgegebenen, z. B. den anzustrebenden, Werten übereinstimmen. Durch eine off-line-Bearbeitung der Optimierung wird der hohe Rechenaufwand derartiger Vorgänge kostengünstig beherrschbar. Die off-line-Optimierung kann sowohl auf einer separaten Recheneinheit parallel zu der Modelladaption, als auch in Pausen, z. B. am Wochenende oder bei Reparaturstillständen auf dem Rechner, der z. B. im Betrieb die Führungsgrößen des Basis-Funktionssystems ausgibt, erfolgen.

Die Optimierung erfolgt vorteilhaft mit bekannten Optimie­ rungsverfahren, insbesondere über genetische Algorithmen. Die Auswahl der Optimierungsverfahren erfolgt dabei situations- und problemabhängig. Sie kann sowohl durch eine Vorgabe, z. B. aufgrund einer Analyse des Prozeßverlauf s, oder durch rechen­ technische Auswahl aus einer Optimierungs-Methodensammlung erfolgen. Hierfür kann ein einfaches "Trial and Error"- Vor­ gehen angewendet werden, es empfiehlt sich jedoch zur Vermin­ derung des Rechenaufwandes, das "Trial and Error"-Vorgehen durch Konvergenzkriterien, Methoden der Mustererkennung beim Fehlerabnahmeverlauf etc. zu unterstützen.

Die jeweiligen Startwerte für eine Optimierung werden vor­ teilhaft auf Basis der in einem Prozeßdatenspeicher archi­ vierten, suboptimalen Betriebsdaten ermittelt. So verringert sich der Optimierungsaufwand, da die Optimierungsrechnung schon mit voroptimierten Werten beginnt, wenn sie als sicher erkannte Zwischenwerte als Startwerte benutzt.

Die Verbesserung des Gesamtsystems erfolgt zumindest dreistu­ fig. Die unterste Stufe bildet die laufende Verbesserung des vorhandene Prozeßwissens, abgelegt im Datenspeicher, z. B. in Form von suboptimalen, sicheren Betriebspunkten, die selbst­ tätig fortlaufend auf ein besser angepaßtes Wissensniveau ge­ bracht werden, und von dem dann wiederum weiter ausgegangen wird.

Die zweite Stufe ,bildet im wesentlichen die Modelladaption, die das Modellverhalten dem prozeßverhalten möglichst gut an­ paßt.

Als dritte Stufe erfolgt eine fortlaufende Verbesserung der situationsgerechten Anweisungen durch den Prozeßoptimierer, z. B. über evolutionäre Strategien, genetische Algorithmen etc. Diese Strategien erfordern eine große Rechenzeit und laufen vorzugsweise off-line ab.

Die Systemverbesserung wird vorteilhaft auch noch durch externe Simulationsrechnungen, Modellversuche, evtl. auch durch Versuche an der Produktionsanlage mit neuen Hilfsmit­ teln etc., laufend unterstützt.

Das erfindungsgemäße Leitsystem wird im folgenden beispiel­ haft anhand einer Bandgießanlage für Stahl beschrieben. Dabei ergeben sich weitere, auch erfinderische Einzelheiten und Vorteile aus der Zeichnung und der Zeichnungsbeschreibung ebenso wie aus den Unteransprüchen.

Im einzelnen zeigen:

Fig. 1 eine schematisierte Darstellung der Bandgießanlage mit Meßdatenerfassung und Stellgrößenausgabe,

Fig. 2 die Struktur des "intelligenten" Teils des Leitsy­ stems mit der Sollwert-Vorgabebildung,

Fig. 3 Einzelheiten des Prozeßoptimierers,

Fig. 4 Einzelheiten des Adaptionsvorgangs,

Fig. 5 wesentliche Bestandteile des Prozeßmodells und ihre Grob-Verknüpfungsstruktur,

Fig. 6 erfindungswesentliche Teile des Datenspeichers und

Fig. 7 ein Komponenten-Schema der Basisautomatisierung.

In Fig. 1 bezeichnet 1 die Gießwalzen einer Zweiwalzen-Gieß­ einrichtung, wobei zwischen den Gießwalzen 1 das Material, etwa flüssiger Stahl, aus der Gießpfanne 4 über den Tundish 5 und ein Tauchrohr 6 eingegeben wird und zu einem Band 3 er­ starrt, das in einer, durch die Kreise 2 mit Bewegungspfeilen symbolisierten, Walzanlage weiterverformt werden kann. Die nachgeschaltete Walzanlage kann auch einfach durch Förder­ rollen, eine Haspel o. ä. ersetzt werden, wenn das Auswalzen nicht unmittelbar nach dem Gießen erfolgen soll. Die Ausge­ staltung der Gesamtanlage wird anforderungsspezifisch vor­ genommen. Auch eine Ausbildung der, der Gießeinrichtung nachgeschalteten, Anlage als Warm-Kalt-Walzwerk ist möglich und bei sehr hohen Gießgeschwindigkeiten empfehlenswert, da dann auch der Walzteil der Anlage ausreichend ausgelastet sein kann.

Zwischen den Gießwalzen und den nachgeschalteten Einrichtun­ gen weist die Gießwalzeinrichtung vorzugsweise ein ebenfalls nur symbolisch dargestelltes elektrodynamisches System 8,9 und ein Induktionsheizsystem 10 auf. Der elektrodynamische Systemteil 8 dient dabei vorteilhaft der Gewichtsentlastung, des gegossenen, hier noch sehr weichen und damit einschnü­ rungsgefährdeten, Bandes 3 und der elektrodynamische System­ teil 9 der Führung des Bandes 3, während dem Induktionsheiz­ system 10 die Einhaltung eines vorherbestimmten Temperatur­ profils über die Bandbreite obliegt, wenn sich z. B. eine di­ rekte Nachverformung in einer Walzanlage anschließt. Dies ist insbesondere für rißempfindliche Stähle vorteilhaft. Die Kontrolle des gegossenen Bandes 3 auf Risse erfolgt durch eine Kamera 73, wobei vorteilhaft ausgenutzt werden kann, daß das Rißbild im Zunder durch Risse im Grundmaterial beeinflußt wird. Die Bildung einer Meßgröße erfolgt dabei vorteilhaft durch ein Neuro-Fuzzy-System.

Da die Oberflächentemperatur der Gießwalzen zur Vermeidung von Temperaturwechselbeanspruchungen im wesentlichen konstant sein soll, werden diese durch ein IR-Heizsystem 7, ein Induk­ tionsheizsystem o. ä. auch in dem, nicht mit flüssigem Stahl in Berührung stehenden Bereich, auf Arbeitstemperatur gehal­ ten. Diese und andere Einzelkomponenten der, nur grob schema­ tisch gezeichneten, Gießwalzeinrichtung werden z. B. über Tem­ peraturregler, Durchflußeinsteller, Drehzahlregler etc. im Rahmen der Basisautomatisierung über eine Stellgrößenausgabe 12 direkt oder geregelt eingestellt. Die Ist-Daten der Stell­ glieder, der Regler etc. werden in der Meßdatenerfassung 11 für den Datenspeicher und den Modelleingang sowie in nicht gezeigter Weise für die Basisautomatisierung zusammengefaßt und aufbereitet. Durch die Datenübertragungen I,II und VI, die durch Pfeile symbolisiert sind, ist die Gießwalzein­ richtung, in der. Die auf den beiden Gießwalzen 1 gebildeten Erstarrungsschalen des Stahls nicht nur vereinigt, sondern auch schon walzend vormaßhaltig geformt werden, mit dem in­ telligenten Teil des Leitsystems verbunden.

Fig. 2 zeigt die Struktur des intelligenten Teils des Leit­ systems. Dieser besteht im wesentlichen aus den Teilen Pro­ zeßoptimierer 15, Modell 20, Modelladaption 16 und Datenspei­ cher 17. Diese Teile des Leitsystems wirken derart zusammen, daß über die Sollwertausgabe 13 möglichst gute, situationsgerechte Anweisungen über die Datenleitung V zur Prozeßführung zur Verfügung gestellt werden. Diese Anweisungen werden dann in Sollwerte für die Basis­ automatisierung umgesetzt. Im folgenden wird die Aufgabe und die Funktion der einzelnen Teile beschrieben.

Das Modell 20 bildet das statische prozeßverhalten

y_i = f_i(u₁, . . ., u_i, . . ., v_l, . . ., v_i, . . .),

d. h. die Abhängigkeit der n Modellausgangsgrößen y_i von den Stellgrößen u_i, mit denen der Prozeß beeinflußt werden kann, und von den nichtbeeinflußbaren Prozeßgrößen v_i, wie z. B. der Kühlwassertemperatur, nach. Die Modellausgangsgrößen sind da­ bei, wie schon erwähnt, typische Qualitätsparameter des Pro­ duktes. Die Modellbeschreibung

erfaßt das Prozeßverhalten im allgemeinen nicht exakt, wes­ halb y_i und _i mehr oder weniger voneinander abweichen. Über­ tragen werden die Stellgrößen u_i und die nichtbeeinflußbaren Stellgrößen v_i über die Datenleitungen I und II.

Die Modelladaption 16 hat die Aufgabe das Modell zu verbes­ sern, damit das Modellverhalten möglichst gut dem prozeßver­ halten entspricht. Dies kann - zumindest für Modellteile - on-line geschehen, indem diese Modellteile auf der Basis von laufend erfaßten Prozeßdaten adaptiert oder nachgeführt wer­ den.

Für andere Modellteile kann die Adaption auch off-line zu be­ stimmten Zeitpunkten vorgenommen werden. Dies geschieht auf der Basis einer Anzahl m von den Prozeß repräsentierenden Prozeßzuständen (u^k _i, v^k _i, y^k _i), die im Datenspeicher 17 abgelegt sind. Der Index k beziffert den jeweiligen prozeßzustand. Bei dieser Art der Adaption wird der Modellfehler

minimiert in Abhängigkeit von den Modellparametern oder der Modellstruktur. D.h. man variiert die Modellparameter bzw. die -struktur so, daß ε möglichst klein wird.

Der Prozeßoptimierer hat die Aufgabe, mittels eines Optimie­ rungsverfahrens und des Prozeßmodells Stellgrößen u_i zu fin­ den, die zu einem möglichst guten prozeßverhalten führen. Der Prozeßoptimierer arbeitet off-line zu bestimmten, beispiels­ weise manuell vorgebbaren Zeitpunkten und zwar wie folgt:
Zuerst werden die nichtbeeinflußbaren Stellgrößen v_i, für die die Optimierung erfolgen soll - z. B. die aktuellen - , kon­ stant gehalten und dem Modell über die Datenleitung II zuge­ führt. Sodann wird mittels Schalter 18 der Prozeßoptimierer mit dem Modell verbunden. Er gibt Stellwerte u_i auf das Modell. Über das Modell werden die Ausgangswerte _i bestimmt. Diese werden mit Sollausgangswerten y_Soll,i verglichen, und es wird der Fehler

bestimmt.

Der Fehler E soll minimiert werden. Zu diesem Zweck variiert der Prozeßoptimierer die Stellgrößen u_i solange in einer iterativen Schleife, die jeweils die Berechnung von y_i und E sowie die Neuauswahl von u_i enthält, bis der Fehler nicht weiter verringert werden kann oder man diese Optimierung ab­ bricht. Als Optimierungsverfahren können beispielsweise gene­ tische Algorithmen, Hill-Climbing-Methoden etc. eingesetzt werden.

Die so erhaltenen optimalen Stellgrößen u_opt,i die das Ergebnis obiger Minimierung sind, werden dann über die Sollwertvorgabe und die Datenleitung V als Sollwerte zum Basisfunktionssystem transferiert.

Der Datenspeicher hat die Hauptaufgabe repräsentative Prozeß­ zustände (u_i,v_i,y_i) zu archivieren. Hierbei ersetzt er alte Pro­ zeßdaten immer wieder durch neu ermittelte, um anhand dieser Daten eine aktuelle, wenn auch punktuelle, Prozeßbeschreibung zu ermöglichen. Der Datenspeicher versorgt dann einerseits, wie oben beschrieben, die Modelladaption. Andererseits lie­ fert er auch Startwerte u_i für den Prozeßoptimierer. Die Startwerte werden hierbei z. B. so ausgewählt, daß die zu die­ sen Startwerten gehörenden Ausgangswerte y_i möglichst gut den Sollwerten y_Soll,i entsprechen.

Die vorzugsweise off-line arbeitende Schleife: Modell 20 und Prozeßoptimierer 15, die sich etwa z. B. genetischer Algo­ rithmen zur z. B. evolutionären, Modellverbesserung bedient, arbeitet vorzugsweise deswegen off-line, weil wegen der Kom­ plexität eines Anlagenleitmodells mit seinen vielen möglichen Ausgestaltungen die Rechenzeit eines evolutionären Opti­ mierungsvorgangs vergleichsweise lang wird. Auch bei guten Optimierungsstrategien, die z. B. aufgrund einer Analyse des wahrscheinlichen Modellverhaltens ausgewählt werden, sind viele Optimierungsvorgänge bis zum Erreichen einer deutlichen Modellverbesserung durchzurechnen.

Die Erstellung einer erfindungsgemäß zu verwendenden Modell­ struktur und eines wesentlichen Teilmodells wird z. B. in dem Aufsatz "Automation Of A Laboratory Plant For Direct Casting Of Thin Steel Strips" von S. Bernhard, M. Enning and H. Rabe in "Control Eng. Practice", Vol.2, No.6, page 961-967, 1994, Elsevier Science Ltd. beschrieben. Aus dieser Veröffent­ lichung sind u. a. auch die Grundstrukturen geeigneter Basis­ automatisierungssysteme und von Startroutinen zu ersehen, auf denen der Fachmann aufbauen kann.

Als Rechner für die Prozeßoptimierung und die Parameter­ adaption sind Workstations, z. B. von der Firma Sun, geeignet. Für große Leitsysteme werden vorteilhaft parallel arbeitende Rechner eingesetzt. Dies gilt insbesondere, wenn das Modell in Gruppen von Modell-Modulen aufteilbar ist, die teilab­ hängig voneinander optimiert werden können.

Im Vergleichspunkt 19, in den die Sollwerte, im gewählten Ausführungsbeispiel die Sollwerte für die Banddicke, die Pro­ filform, die Oberflächengüte des Bandes etc. einfließen, werden laufend die Ergebnisse aus der Modellrechnung mit den Sollwertvorgaben verglichen. Die Differenz ist durch die Optimierung zum minimieren. Da die Differenz bei technischen Prozessen im allgemeinen nicht Null werden kann, muß der Optimierungsvorgang sinnvoll begrenzt, also vorgegeben abge­ brochen werden. Genauere Einzelheiten der Programmstruktur, mit der die Optimierung abgebrochen und jeweils die neue Sollwertausgabe gestartet wird, zeigt Fig. 3.

In Fig. 3 bezeichnet 58 eine, jeweils auszuwählende, Fehler­ funktion, in die die festgestellten Fehler (Sollwertabwei­ chungen) einfließen. In 61 wird nun untersucht, ob die Feh­ lerfunktion die Abbruchkriterien der Optimierung erfüllt. Falls dies der Fall ist, werden weiter optimierte Steuer- und Regelgrößen ausgegeben. Vor Erreichen des Abbruchkriteriums gelangen laufend Startwerte vom Datenspeicher in die Start­ wertvorgabe 59, aus denen in Suchschritten in 60, nicht vom Optimierer, sondern aus dem Datenspeicher, z. B. unter Zuhil­ fenahme einer Fuzzy-Interpolation, Steuer- und Regelparameter für eine suboptionale Prozeßführung gewonnen werden. Eine Umschaltung erfolgt nach Erreichen des vorherbestimmten Gütefaktors, der dem jeweiligen Leitsystem-Wissensstand an­ gepaßt wird. Wie bereits vorstehend gesagt, wird die Minimie­ rung, die ja niemals absolut sein kann, bei Erreichen des vorgegebenen Gütefaktors abgebrochen.

Aus dem Modell wird im übrigen vorteilhaft, wenn es an den Prozeß angeschlossen, d. h. Schalter 1 geschlossen ist, auch ein Alarmsignal generiert, welches das Erreichen kritischer Betriebszustände signalisiert. Derartige Prozeduren sind bereits bekannt und finden sich in gleicher Weise auch in konventionellen Leitsystemen.

In Fig. 4, die die Struktur einer Modelladaption mittels eines Optimierungsalgorithmus zeigt, gelangen Daten aus der Start­ wertvorgabe 61 in eine Suchschritteinheit 62 und werden von dort als Modellparameter an das Modell 63 weitergegeben. Das Modell 63 bildet zusammen mit dem Datenspeicher 64 eine Para­ meterverbesserungsschleife, die in 65 in bekannter Weise die gebildeten und gespeicherten Werte vergleicht. Die Ver­ gleichswerte werden der Fehlerfunktion 67 zugeführt, die ihre Werte an die Abbruchkriterieneinheit 66 weitergibt. Sind die Abbruchkriterien erfüllt, wird das Modell nicht mehr weiter verbessert und mit den vorhandenen Werten gearbeitet. Sonst wird die Optimierung mit weiteren Suchschritten und den Zwischenwerten im Datenspeicher weitergeführt.

In Fig. 5, die die wesentlichen Teilmodelle des Prozeßgesamt­ modells des Ausführungsbeispiels zeigt, bezeichnet 46 das Eingangsmodell, in dem die Außeneinflüsse, etwa die Einflüsse aus der Qualität des eingesetzten Materials, zusammengefaßt sind. Aus der Stahl-Einsatzqualität ergibt sich z. B. der Liquiduswert, der Soliduswert, sowie weitere, das Gießver­ halten kennzeichnende Größen. 47 bezeichnet das Tundishmo­ dell, in das z. B. das Stahlvolumen des Tundish, die Tauch­ rohrstellung o.ä.; die Stopfenstellung und die Stahl-Aus­ flußtemperatur eingehen. Die Eingangsmodelle 46 und 47 werden im Teilmodell 56 zusammengefaßt, das den Status des zuge­ führten Materials wiedergibt. Derartige Teilmodelle können vorteilhaft parallel zu anderen Teilmodellen, etwa dem Gieß­ bereichsmodell, dem Walzbereichsmodell o. ä. optimiert werden.

Das Eingangsmodell 48 enthält die Einflüsse, die die Erstar­ rung beeinflussen, z. B. die Gießwalzenkühlung, die Infrarot­ heizung etc., Das Eingangsmodell 49 enthält die Werte, die für die Wärmebilanz notwendig sind, so die Stahl-Gießwalzen- Temperaturdifferenz, den Schmiermitteleinfluß als Funktion der Schmiermittelmenge, die Kristallbildungsgeschwindigkeit der jeweiligen Stahlsorte sowie z. B. den Walzenoberflächen­ zustand. Das Eingangsmodell 50 enthält z. B. die Einflüsse der Gießspiegelcharakteristik, so die Gießspiegelhöhe, die schlackenschichtdicke und den Abstrahlungskoeffizienten. Die Eingangsmodelle 48, 49 und 50 sind zu einem Teilmodell 54, das den Status Gießbereich wiedergibt, zusammengefaßt. Diese Modellbereichs-Zusammenfassung ist allgemein für Produktions­ bereiche vorteilhaft, da sie die Gesamt-Modelloptimierung vereinfacht und verbessert. Unter sich sind die Teilmodelle z. T. noch voneinander abhängig, so etwa in erheblichem Maß die Eingangsmodelle 49 (Eingangsmodell Wärmebilanz) und 50 (Eingangsmodell Gießspiegelcharakteristik). Sekundärabhän­ gigkeiten sind zur Vereinfachung nicht dargestellt.

Das Teilmodell 51 enthält alle Einflüsse auf die Erstarrungs­ front, d. h. auf den Bereich, in dem die auf den beiden Kühl­ walzen erstarrten Metallschalen zusammentreffen. Im wesentli­ chen sind diese Einflüsse die Umformarbeit, die von den Gieß­ walzen geleistet wird, die Vibrationsweite der Gießwalzen oder des austretenden Bandes, die Seitenspalt-Dichtungs­ einflüsse und der Anstrengungsgrad des Gesamtsystems, dies ist z. B. ein Fuzzy-Modell. Das Teilmodell 52 gibt die Aus­ trittswerte wieder, so z. B. die Qualität des Bandes, die Austrittstemperatur- und Verteilung, aber auch die Klebe­ neigung und den Zustand des gebildeten Zunders. In das Teil­ modell 52 geht auch das Eingangsmodell 53 und das Eingangsmo­ dell 74 ein, die sich auf den Temperaturverlauf quer zum Band und auf den Oberflächenzustand des Bandes beziehen. Für den besonders vorteilhaften Fall, daß es sich um ein Bandgieß-Walzwerk handelt, gehen auch die Walzwerksteilmodelle 54 mit in dieses spezielle Prozeßmodell ein, da die Produktausbildung nach dem Austritt aus den Walzgerüsten das entscheidende Kriterium ist.

Die Teilmodelle sind zu dem Produkt-Ausbildungsmodell 57 zu­ sammengefaßt, welches das Dickenprofil des gebildeten Bandes, die Banddicke, ein evtl. auftretendes Fehlerbild, die Korn­ struktur des Bandes, die Oberflächenstruktur etc. zusammen­ faßt. Die Oberflächenstruktur und insbesondere die Kornstruk­ tur des Bandes sind nur mit erheblicher Zeitverzögerung er­ mittelbar. Hier arbeitet man daher vorteilhaft mit Teilmodel­ len auf der Basis von neuronalen Netzen zur qualitativen und quantitativen Einflußgrößenermittlung.

Aus der vorstehenden Darstellung ergibt sich der besondere Vorteil, der sich aus der Ausbildung des Modells in Modulform ergibt, da insbesondere so die Teile eines komplexen Gesamt­ prozeßmodells parallel bearbeitbar werden. Dies ist besonders vorteilhaft für den Inbetriebsetzungszeitraum einer Anlage, in dem die Eingangs- und Teilmodelle den tatsächlichen Ver­ hältnissen angepaßt-, miteinander verknüpft etc. werden müs­ sen.

Fig. 6 zeigt schließlich den erfindungsgemäß wesentlichen Teil der Datenspeicherstruktur. 68 bezeichnet das Prozeßdaten­ archiv , 69 den Modellparameterspeicherteil, 70 den Teil mit den Startwerten für den Optimierer und 71 den Speicherteil für die sicheren Betriebspunkte. In 68 wird auch die jewei­ lige Modellausbildung gespeichert.

Die Basisautomatisierung, die mit ihren Regelungen, Steue­ rungen, Verriegelungen etc., einen unverzichtbaren Teil des Leitsystems bildet, da sie u. a. das sichere Funktionieren der Anlage auch bei einer Fehlfunktion des Modellteils des erfindungsgemäß arbeitenden Leitsystems garantiert, muß eine Vielzahl von Funktionen erfüllen.

Die einzelnen Funktionen sind, nicht abschließend, durch die einzelnen "black box" in Fig. 7 symbolisiert. Dabei bedeutet 21 im Ausführungsbeispiel die Massenflußregelung über die Einzel-Drehzahlregler, 22 die Regelung der Tundish-Heizung, 23 die Gießspiegelregelung, 24 die Tundish-Ausflußregelung und 25 die Heizleistung des Infrarot- o. ä. Schirms 7 für die Aufrechterhaltung der Betriebstemperatur der Gießwalzen. 26 bedeutet die Regelung der Schmiermittelzugabe, z. B. in Form von losem Gießpulver oder von auf die Gießwalzen aufgetrage­ ner Gießpulverpaste, 27 die Kühlwassermengenregelung, 28 ggf. die Walzenoszillationsregelung, 29 die elektrische Antriebsregelung und 30 die Walzspalteinstellung. 31 bedeutet die Walzendrehzahlregelung und 32 ggf. die Regelung des Walzendrehmoments, 33 die Einstellung des Reinigungssystems, bestehend beispielsweise aus einer Bürste und einem Schaber für die Gießwalzen und 34 die Regelung des elektrodynamischen Systems zum Ausgleich des Bandgewichtes sowie 35 die Regelung der Vibrationsweite des gegossenen Bandes. 36 bedeutet die Regelung der einzelnen Teile eines elektrodynamischen Systems zur Seitenspaltabdichtung und 37 die Regelung der Heizung für die Seitenwände des Raumes zwischen den Gießwalzen. 38 bedeutet die Temperatur-Profilregelung des Induktions­ heizsystems 10. 39 sowie angedeutete weitere Regeleinheiten beziehen sich auf Regelungen der nachgeschalteten Ver­ formungseinheiten, z. B. Walzgerüsten, den Zug zwischen diesen Walzgerüsten etc. Auf die vorstehenden Stellglieder, Regler etc. wirkt die Zeitsteuerung 45, die die Stellgrößenausgaben etc. zeitlich koordiniert. Im Block 40 sind beispielhaft die Hilfs-Steuerungen und die Verriegelungen zusammengefaßt, so bedeuten z. B. 41 die Anfahrautomatik, 42 die Ausschalt­ automatik, 43 und 44 Verriegelungen, die z. B. verhindern, daß Flüssigstahl fließen kann, bevor das Gieß-Walzenpaar und die Verformungswalzen arbeitsfähig sind, etc. Darüber hinaus sind weitere, in dem Prinzipbild nicht dargestellte, Systeme für die ggf. erforderliche Bandkantenabtrennung, z. B. durch Laser, für die Zunderausbildungsbeeinflussung, z. B. durch Silikatisierung, die Walzenschmierung etc. vorhanden. In der Basisautomatisierung, in die die Meßdaten I und die Soll­ wertvorgaben V eingehen, werden die Stellgrößen VI generiert, über die die Anlage geführt wird.

Die Charakteristik des sich selbst optimierenden und wis­ sensmäßig weiterentwickelnden Leitsystems, am Beispiel des Gießwalzprozesses gezeigt, werden im folgenden näher erläu­ tert:
Der Gießwalzprozeß besteht aus einer Anzahl von Teilprozes­ sen, deren Ausbildung und Einflüsse ausschlaggebend für das Endprodukt sind. Erfindungsgemäß beeinflußbar und optimierbar sind dabei die Eigenschaften des Endproduktes, z. B. seiner Dicke, seinem Dickenprofil und seiner Oberflächenausbildung, durch eine Reihe einstellbarer Prozeßgrößen, wie z. B. dem Gießwalzspalt, dem Gießwalzenprofil, der Gießspiegelhöhe etc., die wiederum die Lage der Vereinigungszone der auf den Gießwalzen abgeschiedenen, erstarrten Metallschalen beein­ flussen. Für eine Regelung und Optimierung wird vorteilhaft erfindungsgemäß ein Gesamtprozeßmodell erstellt, welches das prozeßverhalten beschreibt. Auf der Basis dieses prozeßmo­ dells können die Einflußgrößen, mit denen man den Prozeß beeinflußt, schrittweise entsprechend den Prozeßbedingungen angepaßt und optimiert werden. Die durch diese Optimierung bestimmten situationsgerechten Anweisungen führen dann zu einer Verbesserung des Prozeßgeschehens. Insgesamt ergeben sich trotz der bei der Erstellung relativ aufwendigen, (aber mit geringerem Aufwand auch bei anderen Anlagen weiter­ verwendbaren), Software erhebliche Kostenvorteile, da die Anlage mit wesentlich einfacheren mechanischen Komponenten, weniger Reglern etc. arbeiten kann, als die bekannten Anlagen. Auch die Sensorik wird wesentlich einfacher, da nur die Prozeßausgangsgrößen laufend genau erfaßt werden müssen.

Zusammengesetzt ist der intelligente, sich selbständig ver­ bessernde, Teil des Leitsystems aus drei wesentlichen Ele­ menten: Dem Prozeßmodell, der Modelladaption und dem Prozeß­ optimierer. Das Prozeßmodell setzt sich aus Teilsystemen (Modulen) zusammen, die je nach Prozeßkenntnis von unter­ schiedlichem Typ sein werden. Bei Kenntnis der physikalischen Zusammenhänge können klassische, physikalisch-mathematische Modelle erstellt werden. Verfügt man dagegen nur über Erfah­ rungswissen oder Schätzungen, so werden Fuzzy- oder Neuro- Fuzzy-Systeme verwandt. Falls man nur wenig oder nichts über das prozeßverhalten weiß, wie etwa bei der Rißbildung und der Oberflächenausbildung setzt man, zumindest am Anfang, neuro­ nale Netze für die Prozeßbildung ein. Insgesamt beschreibt das Modell den Zusammenhang zwischen den Prozeßgrößen, wie im gewählten Beispiel der Gießspiegelhöhe, den Zustandswerten und der Qualität des vergossenen Materials, den Einstell­ werten der Gießwalzen etc. und den Qualitätsparametern des Bandes, z. B. der Dicke, dem Profil und der Oberflächenausbil­ dung.

Da das Modell zu einem bestimmten, u. U. erheblichen, Prozent­ satz auf unsicherem Wissen gründet, ist es nicht genau. Das Modell muß also anhand gewonnener Prozeßdaten adaptiert, ver­ ändert etc. werden. Dies geschieht vorteilhaft einerseits mittels der bekannten Modelladaption, die auf Daten vergan­ gener Prozeßzustände aufsetzt. Auf Basis dieser Daten stellt sie die Modellparameter o. ä. so ein, daß das Modellverhalten möglichst gut dem des Prozesses entspricht. Außerdem werden die Modelle selbst verändernd optimiert, so z. B. durch gene­ tische Algorithmen, eine kombinatorische Evolution etc. Ent­ sprechende Optimierungsstrategien sind bekannt, z. B. aus Ul­ rich Hoffmann, Hanns Hofmann "Einführung in die Optimierung", Verlag Chemie GmbH, 1971 Weinheim/Bergstraße; H.P. Schwefel "Numerische Optimierung von Computer-Modellen mittels der Evolutionsstrategie, Basel, Stuttgart : Birkhäuser 1977; Eberhard Schöneburg "Genetische Algorithmen und Evolutionsstrategien, Bonn, Paris, Reading, Mass, Addison- Wesley, 1994; Jochen Heistermann "Genetische Algorithmen: Theorie und Praxis evolutionärer Optimierung, Stuttgart, Leipzig, Teubner, 1994 (Teubner-Texte zur Informatik; Bd 9)
Durch das erfindungsgemäße Leitsystem mit dem vorstehend be­ schriebenen erfindungsgemäßen Vorgehen wird die bisherige Aufbaustruktur eines Leitsystems verlassen. Über einer Basis­ automatisierung, die im wesentlichen die Prozeßebene betrifft (Level I), befindet sich ein nur einstufiges, intelligentes Leitsystem, dem die produktionssollwerte vorgegeben werden und das daraus selbsttätig alle Vorgabegrößen (Stellbefehle) generiert (Level II). In intelligenter Selbstoptimierung sorgt es aufgrund des bereits erreichten Prozeßergebnisses für immer bessere Prozeßergebnisse. Einzelne Feed-Back- Regelkreise können entfallen. Nur für die Kontrolle der Prozeßergebnisse sind qualitätskontrollierende Sensoren notwendig. Das erfindungsgemäße Leitsystem besitzt also nur noch zwei wesentliche Ebenen, von denen die intelligente Ebene außer etwa zur Programmierung keiner Visualisierung bedarf. Zur Kontrolle können aber die Elemente der Basis­ automatisierung in bekannter Weise visualisiert werden.

Claims (23)

1. Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie, z. B. für eine hüttentechnische Anlage, etwa zur Erzeugung von Bändern aus Stahl oder NE- Metallen, wobei das Leitsystem durch Rechnertechnik, aufbauend auf eingegebenem Vorwissen, den Zustand der Anlage und Einzelheiten eines in der Anlage ablaufenden Herstel­ lungsprozesses, z. B. eines kontinuierlichen Gießprozesses für Bänder, selbsttätig erkennend und zur Erzielung eines sicheren, ggf. möglichst hohen, Produktionserfolges situationsgerechte Anweisungen gebend, ausgebildet ist.

2. Leitsystem nach Anspruch 1, dadurch gekennzeichnet, daß es die situationsgerechten Anweisungen optimierend, vorzugsweise selbsttätig in vorgegebenen Optimierungsroutinen optimierend, ausgebildet ist.

3. Leitsystem nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß das eingegebene Vorwissen, vorzugsweise selbsttätig, laufend durch am Prozeßmodell während der Produktion intern rechentechnisch, z. B. in unterschiedlichen Betriebspunkten, gewonnenes Wissen verbessert und dieses selbst generierte Prozeßwissen in einen, insbesondere ständig aktualisierten, Datenspeicher als neues Vorwissen übernommen wird.

4. Leitsystem nach Anspruch 1, 2 oder 3, dadurch gekennzeichnet, daß die situationsgerechten Anweisungen, z. B. in Form von Einstellwerten, den Anlagenkomponenten direkt in Form von Ansteuerungswerten, etwa von Positionen oder insbesondere indirekt, z. B. über Reglersollwerte, etwa für Drehzahlen, aufgegeben werden.

5. Leitsystem nach Anspruch 1, 2, 3 oder 4, dadurch gekennzeichnet, daß es ein Basis-Funktionssystem für die Anlagenkomponenten aufweist, das die Anweisungen aus dem rechentechnisch, z. B. aus einem Prozeßmodell, vorzugsweise einem Prozeßgesamt­ modell, gewonnenen Wissen sicher in die Anlagenführung umsetzt.

6. Leitsystem nach Anspruch 5, dadurch gekennzeichnet, daß das Basis-Funktionssystem als ein die Anlagenkomponenten, je für sich oder zusammengefaßt, sicher arbeitsfähig machendes Basis-Automatisierungssystem ausgebildet ist.

7. Leitsystem nach Anspruch 5 oder 6, dadurch gekennzeichnet, daß das Basis-Funktionssystem seine Vorgabewerte direkt aus dem intelligenten Teil des Leitsystems erhält, das diese Werte aus den Ergebnissen von Adaptierungs- und/oder Optimierungsprozessen am Prozeßmodell bestimmt.

8. Leitsystem nach Anspruch 5, 6 oder 7, dadurch gekennzeichnet, daß das Basis-Automatisierungssystem als autonomes, einen sicheren Zustand der Anlage und des Prozesses garantierendes Subsystem (Gefahren-Zustands-Rückfallsystem) ausgebildet ist, das anstelle der rechentechnisch erzeugten Anweisungen, insbesondere auf als sicher erkannte, im Datenspeicher abge­ legte, Betriebswerte zurückgreifen kann.

9. Leitsystem nach Anspruch 5, 6, 7 oder 8, dadurch gekennzeichnet, daß das Basis-Funktionssystem Start- und Hochlaufroutinen aufweist, die manuell oder automatisch eingegeben werden können sowie suboptimale Normalbetriebsroutinen, in denen einzelne, sonst rechentechnisch ermittelte, Anweisungen durch konstante Vorgaben ersetzt werden können.

10. Leitsystem für industrielle oder in industriellen Anlagen genutzte Prozesse, insbesondere nach Anspruch 1, 2, 3, 4, 5, 6, 7, 8 oder 9, dadurch gekennzeichnet, daß der Zustand der Anlage und der einzelnen Anlagenkompo­ nenten zur Optimierung fortlaufend anhand eines prozeßmodells simuliert wird, das insbesondere modular aufgebaut ist und welches das Verhalten zwischen den Prozeßeingangsgrößen sowie Stellgrößen und den Prozeßausgangsgrößen, z. B. Qualitätskennwerten des erzeugten Produktes, beschreibt.

11. Leitsystem nach Anspruch 10, dadurch gekennzeichnet, daß das Prozeßmodell zumindest teilweise, soweit es auf Basis mathematisch-physikalischer, chemischer bzw. metallurgischer oder biologischer Gesetzmäßigkeiten modelliert werden kann, mathematische Beschreibungsformen aufweist.

12. Leitsystem nach Anspruch 10 oder 11, dadurch gekennzeichnet, daß das Prozeßmodell für die Anlagenkomponenten, für die Prozeßwissen vorliegt, das nur linguistisch ausgedrückt werden kann, linguistisch formulierte Modellteile aufweist, die z. B. durch Fuzzy-Systeme, Neuro-Fuzzy-Systeme, Expertensysteme oder Tabellenwerke realisiert sein können.

13. Leitsystem nach Anspruch 10,11 oder 12, dadurch gekennzeichnet, daß das Prozeßmodell für die Anlagenkomponenten, für die keine Modellbildung auf Basis mathematisch-physikalischer, chemischer bzw. metallurgischer oder biologischer Grundlagen oder aufgrund von linguistisch beschreibbarem prozeßwissen möglich ist, selbstlernende Systeme, z. B. neuronale Netze, aufweist.

14. Leitsystem nach Anspruch 10, 11, 12 oder 13, dadurch gekennzeichnet, daß das Prozeßmodell aufgrund von an der Anlage gesammelten Prozeßdaten, die in einer Prozeßdatenbank archiviert werden, dem Prozeß fortlaufend angepaßt oder nachgeführt wird und daß dies mittels adaptiver Verfahren oder Lernverfahren, z. B. durch ein Backpropagation-Lernverfahren oder ein Auswahl­ verfahren für verschiedene Teilmodelle, etwa neuronale Netze, geschieht.

15. Leitsystem nach Anspruch 10, 11, 12, 13 oder 14, dadurch gekennzeichnet, daß die einstellbaren Prozeßvariablen off-line durch einen Optimierer am Prozeßmodell derart optimiert werden, daß die Modellausgangsgrößen, die insbesondere Qualitätskennwerte des Produktes sind, möglichst gut mit vorgegebenen, z. B. den anzustrebenden, Werten übereinstimmen.

16. Leitsystem nach Anspruch 10, 11, 12, 13, 14 oder 15, dadurch gekennzeichnet, daß die Optimierung mit einem bekannten Optimierungs­ verfahren, z. B. mit einem genetischen Algorithmus, dem Verfahren von Hooke-Jeeves, einem Verfahren des Simulated Annealings o. ä. erfolgt und daß die jeweils angewandten Optimierungsverfahren situations- und problemabhängig, vorgegeben oder aus einer Datei ausgewählt werden, z. B. in Abhängigkeit von der Anzahl der zu optimierenden Größen und/oder der Ausbildung der zu erwartenden Minima.

17. Leitsystem nach Anspruch 16, dadurch gekennzeichnet, daß die Abbruchkriterien der Optimierungsverfahren, z. B. mit neuronalen Netzen, nach einer Methode der Mustererkennung oder klassischen Konvergenzkriterien aufgrund des Optimie­ rungsverlaufs ermittelt werden.

18. Leitsystem nach Anspruch 13, 14, 15, 16 oder 17, dadurch gekennzeichnet, daß die Startwerte für eine Optimierung auf Basis der in einem Prozeßdatenspeicher archivierten, suboptimalen Betriebsdaten ermittelt werden.

19. Leitsystem nach Anspruch 10, 11, 12, 13, 14, 15, 16, 17 oder 18, dadurch gekennzeichnet, daß die Optimierung off-line anhand des prozeßmodells erfolgt, wobei einstellbare Prozeßvariable, die so ermittelt wurden, daß die vom Modell nachgebildeten Kennwerte des erzeugten Produktes möglichst gut mit den vorgegebenen Wunschwerten übereinstimmen, als Vorgabewerte an das Basis- Funktionssystem des Prozesses gegeben werden und von diesem der Prozeß entsprechend den Vorgabewerten eingestellt wird.

20. Leitsystem nach Anspruche 10, 11, 12, 13, 14, 15, 16, 17, 18 oder 19, dadurch gekennzeichnet, daß die Vorgabewerte für das Basis-Funktions-System bei einer Fehlfunktion o. ä. des Modells oder des Optimierers direkt aus den Daten der Prozeßdatenbank erzeugt werden können, wobei zur Verbesserung der Vorgabewerte, insbesondere zwischen den gespeicherten Betriebsdaten, interpoliert wird.

21. Leitsystem nach einem oder mehreren der Ansprüche 10 bis 19, dadurch gekennzeichnet daß das Modell, etwa bei einem Walzgießprozeß für Metallbänder, insbesondere die Beschränkungen der Stellgrößen, das Stellglied-Zeitverhalten und ggf. die Prozeßdynamik berücksichtigt, vorzugsweise im und vor dem Bereich der Gießwalzen, z. B. in Bezug auf die Lage der Erstarrungsschalen-Vereinigungszone für die auf den Gießwalzen abgeschiedenen Erstarrungsschalen.

22. Verwendung von technischer, künstlicher Intelligenz in einem Leitsystem der verarbeitenden und/oder der Grundstoff­ industrie, insbesondere der Hüttentechnik, mit einem überge­ ordneten, sich fortlaufend selbst verbessernden, intelli­ genten Teil mit einem, insbesondere modulartig aufgebauten, Prozeßmodell, in dem eingegebenes Vorwissen und selbst­ generiertes Wissen über das Verhalten der Anlage, z. B. einer Bandgießanlage oder eines Bandgießwalzwerks, vorzugsweise unter Einbeziehung eines nachfolgenden Kaltwalzens, und den Prozeß enthalten ist und einem Basis-Funktionsteil, der die Ergebnisse der künstlichen Intelligenz umsetzt und bei einer Fehlfunktion des intelligenten Teils für einen sicheren Betrieb sorgt.

23. Technische, künstliche Intelligenz nach Anspruch 23, dadurch gekennzeichnet, daß über einen vorzugsweise off-line arbeitenden Optimierer, insbesondere mit Hilfe eines Gesamt-Prozeß-Modells, die für die Führung einer Anlage optimalen Betriebsparameter, Modell­ ausbildungen, Selbstlernroutinen, Einstellkombinationen der Anlagenkomponenten, z. B. von Gieß-Walzwerks-Komponenten etc. ermittelt werden, während der Produktionsprozeß auf einer bereits erreichten, suboptimalen Basis läuft.