Machine learning methods for the prediction of non-metallic inclusions in steel wires for tire reinforcement

Abstract

ABSTRACT: Non-metallic inclusions are unavoidably produced during steel casting resulting in lower mechanical strength and other detrimental effects. This study was aimed at developing a reliable Machine Learning algorithm to classify castings of steel for tire reinforcement depending on the number and properties of inclusions, experimentally determined. 855 observations were available for training, validation and testing the algorithms, obtained from the quality control of the steel. 140 parameters are monitored during fabrication, which are the features of the analysis; the output is 1 or 0 depending on whether the casting is rejected or not. The following algorithms have been employed: Logistic Regression, K-Nearest Neighbors, Support Vector Classifier (linear and RBF kernels), Random Forests, AdaBoost, Gradient Boosting and Artificial Neural Networks. The reduced value of the rejection rate implies that classification must be carried out on an imbalanced dataset. Resampling methods and specific scores for imbalanced datasets (Recall, Precision and AUC rather than Accuracy) were used. Random Forest was the most successful method providing an AUC in the test set of 0.85. No significant improvements were detected after resampling. The improvement derived from implementing this algorithm in the sampling procedure for quality control during steelmaking has been quantified. In this sense, it has been proved that this tool allows the samples with a higher probability of being rejected to be selected, thus improving the effectiveness of the quality control. In addition, the optimized Random Forest has enabled to identify the most important features, which have been satisfactorily interpreted on a metallurgical basis.

RESUMEN: Las inclusiones no metálicas se producen inevitablemente durante la fabricación del acero, lo que resulta en una menor resistencia mecánica y otros efectos perjudiciales. El objetivo de este estudio fue desarrollar un algoritmo fiable para clasificar las coladas de acero de refuerzo de neumáticos en función del número y el tipo de las inclusiones, determinadas experimentalmente. Se dispuso de 855 observaciones para el entrenamiento, validación y test de los algoritmos, obtenidos a partir del control de calidad del acero. Durante la fabricación se controlan 140 parámetros, que son las características del análisis; el resultado es 1 ó 0 dependiendo de si la colada es rechazada o no. Se han empleado los siguientes algoritmos: Regresión Logística, Vecinos K-Cercanos, Clasificador de Vectores Soporte (kernels lineales y RBF), Bosques Aleatorios, AdaBoost, Gradient Boosting y Redes Neurales Artificiales. El bajo índice de rechazo implica que la clasificación debe llevarse a cabo en un set de datos desequilibrado. Se utilizaron métodos de remuestreo y métricas específicas para conjuntos de datos desequilibrados (Recall, Precision y AUC en lugar de Accuracy). Random Forest fue el algoritmo más exitoso que proporcionó un AUC en los datos de test de 0.83. No se detectaron mejoras significativas después del remuestreo. Se ha cuantificado la mejora derivada de la implementación de este algoritmo en el procedimiento de muestreo para el control de calidad durante la fabricación de acero. En este sentido, se ha comprobado que esta herramienta permite seleccionar las muestras con mayor probabilidad de ser rechazadas, mejorando así la eficacia del control de calidad. Además, el Random Forest optimizado ha permitido identificar las variables más importantes, que han sido interpretadas satisfactoriamente sobre una base metalúrgica.