Estudio multivariable de las dimensiones de un inhibidor de turbulencia con cavidad interna rectangular en un paralelepípedo regular
Palabras clave:
distribuidor, colada continua, inclusiones no metálicas, modelo físico a escala, inhibidor de turbulencia, regresión por mínimos cuadradosResumen
El distribuidor desempeña un papel decisivo en la colada continua porque condiciona la hidrodinámica previa al molde y, con ello, la limpieza del acero. Dentro del distribuidor, el inhibidor de turbulencia actúa como el modificador de flujo más influyente ya que altera el patrón de circulación y favorece que las inclusiones floten hacia la escoria en lugar de ser arrastradas a la salida. Reducir ese arrastre es crítico para la calidad y para los costos de producción y retrabajo. En este estudio se desarrolla una correlación estadística por mínimos cuadrados que sirve como guía de diseño para inhibidores con cavidad interna rectangular. La atención se centra en dos variables geométricas altura y longitud y su efecto sobre la masa de partículas colectada a la salida como medida inversa de eficiencia. Los ensayos en modelo físico muestran tendencias consistentes y el ajuste por mínimos cuadrados reproduce con buena proximidad los valores observados, lo que respalda la validez del modelo. En el rango estudiado, cuando el inhibidor es más alto y más corto, se arrastran menos partículas y el acero queda más limpio. Esta relación ofrece un criterio simple y útil para afinar diseños en planta y orientar futuras evaluaciones con mayor resolución experimental y condiciones operativas diversas.
Referencias
Barbur, V. A., Montgomery, D. C., & Peck, E. A. (1994). Introduction to Linear Regression Analysis. The Statistician, 43(2): 120–123. https://doi.org/10.2307/2348362
Barnett, V., Neter, J., & Wasserman, W. (1975). Applied Linear Statistical Models. Journal of the Royal Statistical Society. Series A (General), 138(2): 230–234. https://doi.org/10.2307/2984653
Crocker, D. C., & Seber, G. A. F. (1980). Linear Regression Analysis. Technometrics, 22(1): 130–132. https://doi.org/10.2307/1268395
Draper, N. R., & Smith, H. (2014). Applied Regression Analysis. Wiley-Interscience, 3rd ed.: 85–90. https://doi.org/10.1002/9781118625590
Fang, Q., Zhang, H., Luo, R., Liu, C., Wang, Y., & Ni, H. (2020). Optimization of flow, heat transfer and inclusion removal behaviors in an odd multistrand bloom casting tundish. Journal of Materials Research and Technology, 9(1): 120–134. https://doi.org/10.1016/j.jmrt.2019.10.064
Gunst, R. F., Myers, R. H., & Montgomery, D. C. (1996). Response Surface Methodology: Process and Product Optimization Using Designed Experiments. Technometrics, 38(3): 305–310. https://doi.org/10.2307/1270613
Li, Q., Qin, B., Zhang, J., Dong, H., Li, M., Tao, B., Mao, X., & Liu, Q. (2023). Design improvement of four-strand continuous-casting tundish using physical and numerical simulation. Materials, 16(2): 849–861. https://doi.org/10.3390/ma16020849
Mabentsela, A., Akdogan, G., & Bradshaw, S. (2017). Numerical and physical modelling of tundish slag entrainment in the steelmaking process. Journal of the Southern African Institute of Mining and Metallurgy, 117(5): 445–455. https://doi.org/10.17159 /2411-9717/2017/v117n5a9
Morales, R. D., De Barreto, J. J., López-Ramírez, S., Palafox-Ramos, J., & Zacharias, D. (2000). Melt flow control in a multistrand tundish using a turbulence inhibitor. Metallurgical and Materials Transactions B: Process Metallurgy and Materials Processing Science, 31(6): 1385–1393. https://doi.org/10.1007/s11663-000-0035-x
Porzio, G. C. (2013). Regression analysis by example. Journal of Applied Statistics, 40(12): 2659–2661. https://doi.org/10.1080/02664763.2013.817041
Quan, Q., Zhang, Z. X., Qu, T. P., Li, X. L., Tian, J., & Wang, D. Y. (2023). Physical and numerical investigation on fluid flow and inclusion removal behavior in a single-strand tundish. Journal of Iron and Steel Research International, 30(6): 1167–1181. https://doi.org/10.1007/s42243-022-00884-3
Sheng, D. Y., & Chen, D. (2021). Comparison of fluid flow and temperature distribution in a single-strand tundish with different flow control devices. Metals, 11(5): 746–757. https://doi.org/10.3390/met11050796
Tie, Z., Tang, H., Wang, K., Miao, H., Cai, S., Xian, F., & Zhang, J. (2022). Effect of flow field optimization of an asymmetric multi-strand tundish on the quality consistency of cracking con-rod steel. Materials, 15(10): 3698–3709. https://doi.org/10.3390/ma15103698
Wetherill, G. B., & Seber, G. A. F. (1977). Linear Regression Analysis. Journal of the Royal Statistical Society. Series A (General), 140(4): 546–549. https://doi.org/10.2 307/2345290
Yao, C., Wang, M., Zheng, R., Pan, M., Rao, J., & Bao, Y. (2020). Effect of turbulence inhibitors on molten steel flow in 66-ton t-type tundish with large impact area. Metals, 10(9): 1111–1123. https://doi.org/10.3390/met10091111
Yue, Q., Zou, Z. S., Hou, Q. F., & Chen, Z. (2009). Water modeling of swirling flow tundish for steel continuous casting. Journal of Iron and Steel Research International, 16(5): 1–6. https://doi.org/10.1016/S1006-706X(10)60004-0
Zhang, L., Taniguchi, S., & Cai, K. (2000). Fluid flow and inclusion removal in continuous casting tundish. Metallurgical and Materials Transactions B: Process Metallurgy and Materials Processing Science, 31(2): 253–266. https://doi.org/10.1007/s11663-000-0044-9
