您好,欢迎来到兰格云商!
0
0
手机版
兰格云商小程序
兰格云商公众号
兰格钢铁网
兰格物流APP
您当前所在的位置: 首页 > 钢市简评

自组织生产模式助力钢铁工业数字化转型发表日期:2021/01/22 17:22:27   浏览次数:47   null

作为欧洲钢铁行业数字化转型的13个重点科研基金项目之一,自组织生产类RFCS(欧洲煤钢研究基金会)项目关注生产线及设备的自动协调和产出的优化。自组织生产整合了资源、设备和人员,基于它们与主计算机的密切互动,提高了自动化程度,实现了对生产网络的实时控制。
自组织生产类RFCS项目包括以下7个主要子项目:
一是长材产品的网络物理生产优化系统(CPPS)项目。
目前,钢铁行业的生产技术已达到一定水平,要想进一步的改善,需要对工艺流程进行整体优化,而不仅仅是改善单个工艺流程。因此,钢铁行业必须开发出适合整个工艺流程的技术模型,以寻求典型、多准则的解决方案。把工艺流程控制模型、材料质量模型、物流/调度模型和通信(计算机、软件、网络)等模型整合并用于生产优化,能够实现对各种变化的快速反应。
为降低能耗、缩短生产时间并提高产品质量,该项目为网络物理生产优化系统设计开发了一个虚拟仿真平台。该项目在安赛乐米塔尔位于西班牙和曼斯塔德的两家工厂中得到了开发和实际应用,提高了流程链的灵活性、生产效率,改善了质量并节省了能源。
二是预测性传感器数据挖掘项目。
预测性传感器数据挖掘项目旨在开发新的方法和工具,以提高产品质量、降低制造成本。该项目的主要功能有:通过识别质量缺陷的主要形成原因,以优化制造工艺、预测产品质量及降低成本。该项目主要关注外观、内在质量和机械性能3个方面的指标,一方面识别质量异常的主要原因,以优化制造工艺;另一方面挖掘数据,预测产品质量情况,以更好地表征产品特性。
该项目从大量复杂的数据中提取知识,基于相当长时间内(2年~3年)的高频(1赫兹~10赫兹)时间序列记录,获取相关数据信息(如平均浇铸速度)用于统计分析。
为了自动大量分析这些时间序列数据,该项目提出了5个围绕主轴构建的综合解决方案:设计和管理大数据库类型;从时间序列中提取特征,开发用于构建高级指标的算法,以更好地表征影响质量的工艺现象;对机器学习进行描述性和预测性分析,以查明质量不合格的原因并实现更好的预测;开发分析型服务器,以加快模型构建、优化模型管理,并为流程专家和数据挖掘专家之间的交流提供支持;实现知识资本化和有价值的统计知识管理,规范和优化工艺知识与统计知识之间的交流。
三是通过增强自动程序监控能力检测钢结构缺陷项目。
该项目旨在开发新颖的设计方法、系统、程序和技术解决方案,通过集成感测和自动化技术实现钢结构建筑物的自动检测。该项目将延长工业基础设施的使用寿命并降低检查成本,通过使用先进的工具改善人工作业环境,提高生产安全性。
该研究的主要内容包括:通过图像处理、热成像和振动测量的数据融合,实现钢结构的几何形状和条件虚拟化;开发机器人和自动系统(如无人机和地面移动机器人)等用于检测钢结构缺陷的软件;嵌入传感器系统,采用纳米等技术,使钢结构能进行自评估和自诊断;等等。
四是一贯制钢水温度控制项目。
一贯制钢水温度控制项目旨在开发一个覆盖电弧炉和铸造工艺全过程的操作专家系统,从而在精确控制铸造温度的同时,实现节能和减少物料消耗。操作专家系统可帮助操作员评估温度信息的准确性和可靠性,并提出进一步的测量建议和余下工艺步骤的最佳化操作建议,从而帮助操作员以最佳方式处理温度异常变化。具体效果如下:提高铸造温度命中率精度;优化资源效率,减少电能消耗;减少对浇铸速度的干扰,提高钢的生产率和质量。五是新型自动模型识别和在线参数自适应项目。
该项目提出了可扩充系统的概念,旨在应用自学习方法,实现基于模型的产品性能在线控制。该项目采用了遗传算法、多项式模型、迭代学习控制方法和前馈控制等技术,并在热轧—层流冷却、层流冷却—酸洗—冷轧、退火线—热镀锌3个作业线上得到了实际应用。
六是控制热轧产品几何形状的简明数据系统项目。
该项目旨在开发一个新的工具,对全部工艺路线不同设备的地图进行客观说明和分析,并生成适用于自动控制、决策系统的简明数据系统。目前,热轧板材、卷带材的平面度和尺寸精度的测量系统已得到广泛应用,通常采用等高线图或“地图”的形式向轧机操作员和技术人员提供直观的显示。该项目试图开发的工具将用于集成不同测量工艺及设备的几何形状信息,并进行直观简明的表达,以有利于在线控制和技术调查
七是钢铁生产的集成动态能源管理项目。
由于电网在同一天的不同时间内、不同季节之间都存在波动,再加上可再生能源的兴起进一步增加了电网的电力波动,而钢铁又是用电大户,需要基于电网和价格的波动对能源进行动态管理和优化。钢铁生产的集成动态能源管理项目通过对接智能电网,引入灵活的负荷控制技术和程序,从而降低电力成本。
该项目的目标包括:开发以能源成本为重点的生产计划;预测能源需求,优化生产流程从而最大程度地减少不平衡(预定功率与实际功率之间的偏差);实现最小化峰值负载;对电网异常事件进行合适的处置。
该项目的主要开发内容包括:确定预测方法、模型;采用代理系统;在4种不同生产类型的钢厂中实现实际应用。
《中国冶金报》(2021年1月22日 02版二版)