煉鋼廠多尺度建模與協(xié)同制造

劉 青，邵 鑫，楊建平，張江山

1) 北京科技大學(xué)鋼鐵冶金新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，北京 100083 2) 鋼鐵生產(chǎn)制造執(zhí)行系統(tǒng)技術(shù)教育部工程研究中心，北京 100083

近年來，隨著國內(nèi)外裝備制造技術(shù)與自動(dòng)化、信息化水平的不斷提高，以信息物理系統(tǒng)（CPS，Cyber-physical systems）為技術(shù)核心的“智能制造”理念應(yīng)運(yùn)而生，并被譽(yù)為“第四次工業(yè)革命”. 隨著“智能制造”浪潮的興起，一些發(fā)達(dá)國家或聯(lián)盟組織根據(jù)自身的發(fā)展特點(diǎn)及技術(shù)優(yōu)勢(shì)紛紛制定并提出了“智能制造”發(fā)展戰(zhàn)略，包括：歐盟未來工廠計(jì)劃與“智能制造系統(tǒng)2020”、美國先進(jìn)制造業(yè)國家戰(zhàn)略規(guī)劃及工業(yè)互聯(lián)網(wǎng)、德國“工業(yè)4.0”、日本“機(jī)器人新戰(zhàn)略”與“社會(huì)5.0”、以及中國制造2025等.

鋼鐵工業(yè)作為我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，在經(jīng)歷近三十年的高速發(fā)展后，目前正處于“高產(chǎn)量、高成本、效益價(jià)格波動(dòng)大”的發(fā)展局面. 為促使鋼鐵行業(yè)可持續(xù)性發(fā)展，《中國制造2025》提出鋼鐵行業(yè)需著力開發(fā)基于大數(shù)據(jù)、云計(jì)算以及人工智能的信息技術(shù). 2016年工信部印發(fā)《鋼鐵工業(yè)調(diào)整升級(jí)規(guī)劃（2016—2020年）》，明確提出要以智能制造為重點(diǎn)，以企業(yè)為創(chuàng)新主體，完善產(chǎn)學(xué)研用協(xié)同創(chuàng)新體系，破解鋼鐵材料研發(fā)難題，推進(jìn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí). 此外，十四五規(guī)劃進(jìn)一步指出，深入實(shí)施智能制造和綠色制造工程，發(fā)展服務(wù)型制造新模式，推動(dòng)制造業(yè)高端化智能化綠色化. 尤其是在“碳達(dá)峰”“碳中和”背景下，鋼鐵行業(yè)的智能化綠色化轉(zhuǎn)型發(fā)展勢(shì)必成為未來鋼鐵工業(yè)的發(fā)展趨勢(shì).

煉鋼?連鑄過程作為鋼鐵生產(chǎn)流程的關(guān)鍵區(qū)段，是包含物理化學(xué)反應(yīng)的氣?液?固多相共存的間歇/準(zhǔn)連續(xù)化的復(fù)雜制造過程，特別是原料成分波動(dòng)、生產(chǎn)過程易受到外界隨機(jī)干擾，工藝操作不穩(wěn)、質(zhì)量波動(dòng)等，導(dǎo)致煉鋼?連鑄過程的運(yùn)行與管控變得更加復(fù)雜，控制機(jī)理難以厘清. 因而開展煉鋼?連鑄過程的智能化探索顯得極為迫切，相應(yīng)的探索極具挑戰(zhàn)性，并且更具現(xiàn)實(shí)意義.

1 單體工序尺度的工藝控制模型

筆者團(tuán)隊(duì)基于在煉鋼?連鑄過程模擬與流程優(yōu)化領(lǐng)域多年的研究與實(shí)踐成果，瞄準(zhǔn)關(guān)鍵工序工藝控制、物質(zhì)流運(yùn)行優(yōu)化與煉鋼廠協(xié)同控制等切入點(diǎn)，提出了煉鋼廠多尺度建模與協(xié)同制造的五級(jí)技術(shù)架構(gòu)，如圖1所示.

圖1 煉鋼廠多尺度建模與協(xié)同制造技術(shù)架構(gòu)Fig.1 Technological structure of multiscale modeling and collaborative manufacturing of steelmaking plants

第一層級(jí)為基礎(chǔ)理論與大數(shù)據(jù)層級(jí)，核心內(nèi)容為：“數(shù)據(jù)精準(zhǔn)獲取”與“價(jià)值深入挖掘”. 大數(shù)據(jù)技術(shù)與冶金學(xué)相關(guān)理論相輔相成，共同構(gòu)成煉鋼?連鑄過程智能化研究的基石. 該層級(jí)包含大量基礎(chǔ)研究，下文對(duì)此暫不做具體闡述.

第二層級(jí)為工序工藝層級(jí)，核心內(nèi)容為：“機(jī)理數(shù)據(jù)融合”與“協(xié)同驅(qū)動(dòng)建模”. 建立各工序工藝控制模型是實(shí)現(xiàn)關(guān)鍵工序智能化的關(guān)鍵，目前已有的各類工藝控制模型多是基于冶金機(jī)理而構(gòu)建靜態(tài)控制模型，其適用性具有很大的局限性. 在對(duì)冶金機(jī)理深入分析的基礎(chǔ)上，還應(yīng)利用大數(shù)據(jù)分析手段，考慮更多影響因素，構(gòu)建基于冶金機(jī)理與數(shù)據(jù)驅(qū)動(dòng)的融合模型，實(shí)時(shí)監(jiān)測(cè)生產(chǎn)過程，構(gòu)成閉環(huán)控制系統(tǒng)，提高過程控制的準(zhǔn)確率.

第三層級(jí)為工序銜接/關(guān)系層級(jí)，核心內(nèi)容為：“物流參數(shù)解析”與“生產(chǎn)模式優(yōu)化”. 該層級(jí)智能化的實(shí)現(xiàn)需在煉鋼?連鑄過程物質(zhì)流運(yùn)行規(guī)律解析的基礎(chǔ)上，確定各個(gè)工序的最佳作業(yè)周期及關(guān)鍵時(shí)間節(jié)點(diǎn)的溫度，探究設(shè)備/工序/系統(tǒng)產(chǎn)能與生產(chǎn)節(jié)奏、產(chǎn)品結(jié)構(gòu)之間的定量化關(guān)系. 并根據(jù)煉鋼廠運(yùn)行優(yōu)化原則[1]，確定每條生產(chǎn)線的最佳工藝路徑，實(shí)現(xiàn)產(chǎn)品專線化生產(chǎn)，解決多鋼種混合生產(chǎn)時(shí)車間作業(yè)模式優(yōu)化問題.

第四層級(jí)為計(jì)劃與調(diào)度層級(jí)，核心內(nèi)容為：“冶金規(guī)則建?！迸c“智能算法求解”. 生產(chǎn)計(jì)劃與調(diào)度是整個(gè)先進(jìn)生產(chǎn)制造系統(tǒng)實(shí)現(xiàn)運(yùn)籌技術(shù)、優(yōu)化技術(shù)、自動(dòng)化與計(jì)算機(jī)技術(shù)、管理技術(shù)發(fā)展的核心. 目前，鋼鐵企業(yè)的生產(chǎn)計(jì)劃與調(diào)度方法主要面臨求解質(zhì)量與求解效率難以同時(shí)提升的問題，筆者團(tuán)隊(duì)針對(duì)此問題提出“規(guī)則”+“算法”的研究策略與求解方法，兼顧解的質(zhì)量和求解效率，能夠在較短的時(shí)間內(nèi)獲得多個(gè)滿意解. 在未來煉鋼廠智能化研究中，結(jié)合工序銜接/關(guān)系層級(jí)的研究，可實(shí)現(xiàn)計(jì)劃與調(diào)度層級(jí)和工序/裝置層級(jí)的協(xié)同優(yōu)化.

第五層級(jí)為系統(tǒng)綜合層級(jí)，核心內(nèi)容為：“多層級(jí)縱向協(xié)同”與“多工序橫向協(xié)同”. 目前，鋼廠制造執(zhí)行系統(tǒng)（MES）與其工序工藝控制系統(tǒng)和計(jì)劃調(diào)度系統(tǒng)多數(shù)處于相互獨(dú)立狀態(tài)，信息孤島問題突出. 該層級(jí)需通過構(gòu)建MES同工序工藝控制模型、計(jì)劃與調(diào)度模型之間的數(shù)據(jù)接口，以實(shí)現(xiàn)工序工藝層級(jí)和計(jì)劃與調(diào)度層級(jí)的融合與集成. 各類實(shí)時(shí)信息在實(shí)際生產(chǎn)過程中能夠通過數(shù)據(jù)接口實(shí)現(xiàn)在線傳遞，解決各類系統(tǒng)之間信息孤島問題.工藝模型與調(diào)度模型通過對(duì)實(shí)時(shí)數(shù)據(jù)的即時(shí)分析與處理，實(shí)現(xiàn)工藝與調(diào)度的閉環(huán)控制.

近年來，我國煉鋼?連鑄區(qū)段工序裝置技術(shù)水平有了顯著提高，推動(dòng)了工序裝置自動(dòng)化的發(fā)展，但要真正實(shí)現(xiàn)工序裝置的智能化，還需要在先進(jìn)在線檢測(cè)技術(shù)開發(fā)、數(shù)據(jù)挖掘與處理、冶金機(jī)理模型精度與效率、設(shè)備控制精準(zhǔn)度等多方面深入研究. 本節(jié)中，針對(duì)煉鋼廠多尺度建模與協(xié)同制造技術(shù)架構(gòu)中的第二層級(jí)— —工序工藝層級(jí)，筆者團(tuán)隊(duì)基于鋼冶金機(jī)理和機(jī)器學(xué)習(xí)方法，從工序工藝模型化角度，進(jìn)行了工序裝置智能化的探索. 針對(duì)轉(zhuǎn)爐工序，構(gòu)建了轉(zhuǎn)爐冶煉鋼水脫碳和溫度變化模型、冶煉終點(diǎn)磷和錳含量預(yù)報(bào)模型以及冶煉末期補(bǔ)吹等模型[2?6]；針對(duì)精煉工序，構(gòu)建了LF精煉終點(diǎn)鋼水溫度和成分預(yù)報(bào)、造渣等模型[7?9]；針對(duì)連鑄工序，構(gòu)建了連鑄凝固冷卻控制模型、連鑄坯凝固組織控制模型以及連鑄坯偏析與裂紋預(yù)報(bào)模型[10?13]等. 本節(jié)以轉(zhuǎn)爐冶煉終點(diǎn)碳與溫度控制、LF精煉造渣與鋼液成分控制和連鑄坯凝固冷卻控制等3個(gè)煉鋼?連鑄區(qū)段核心過程模型為例進(jìn)行重點(diǎn)闡述.

1.1 轉(zhuǎn)爐工序工藝控制模型

轉(zhuǎn)爐作為煉鋼?連鑄過程的關(guān)鍵工序，轉(zhuǎn)爐冶煉過程工藝的精準(zhǔn)控制越來越受到廣泛關(guān)注，轉(zhuǎn)爐冶煉控制模型的研發(fā)已成為轉(zhuǎn)爐智能煉鋼的重要基礎(chǔ). 筆者團(tuán)隊(duì)在轉(zhuǎn)爐熔池混勻度的研究基礎(chǔ)上[14]，結(jié)合經(jīng)典脫碳三階段理論和熔池?zé)崞胶庠恚瑯?gòu)建了轉(zhuǎn)爐冶煉過程脫碳模型和鋼水溫度變化模型，并將上述兩個(gè)模型進(jìn)行綜合，構(gòu)建了基于熔池混勻度的轉(zhuǎn)爐冶煉過程模型[15].

采用國內(nèi)某鋼廠轉(zhuǎn)爐（無副槍）冶煉中高碳鋼的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行了模型驗(yàn)證，驗(yàn)證結(jié)果表明：所構(gòu)建的基于熔池混勻度的轉(zhuǎn)爐冶煉過程模型對(duì)脫碳規(guī)律的描述符合實(shí)際脫碳情況，可用于實(shí)時(shí)預(yù)報(bào)轉(zhuǎn)爐冶煉過程鋼水的碳含量；在轉(zhuǎn)爐冶煉后期，碳含量與溫度的預(yù)測(cè)值均與實(shí)測(cè)值比較接近，如圖2所示，碳含量預(yù)測(cè)誤差主要分布在±0.05%范圍內(nèi)，其中預(yù)測(cè)誤差絕對(duì)值在0.04%以內(nèi)的爐次占總爐次數(shù)的90%；溫度值預(yù)報(bào)誤差主要分布在±20 ℃范圍內(nèi)，其中預(yù)測(cè)誤差絕對(duì)值在15 ℃范圍以內(nèi)的爐次占總爐次數(shù)的80%，達(dá)到了較好的預(yù)測(cè)效果.

圖2 基于熔池混勻度的轉(zhuǎn)爐冶煉過程模型驗(yàn)證. (a)碳含量預(yù)報(bào); (b)溫度預(yù)報(bào)[15]Fig.2 Validation of converter steelmaking process model based on molten bath mixing degree: (a) carbon content prediction; (b) temperature prediction

針對(duì)轉(zhuǎn)爐吹煉末期終點(diǎn)碳含量精準(zhǔn)控制的問題，筆者團(tuán)隊(duì)在經(jīng)典指數(shù)衰減模型的基礎(chǔ)上引入熔池混勻度的概念，充分考慮了槍位、頂吹流量和底吹流量等實(shí)際生產(chǎn)過程操作參數(shù)對(duì)熔池?cái)嚢枧c混勻的影響，建立了基于熔池混勻度的轉(zhuǎn)爐終點(diǎn)碳指數(shù)模型[5]. 該模型終點(diǎn)碳含量預(yù)報(bào)誤差分布如圖3所示，終點(diǎn)碳含量預(yù)報(bào)誤差在±0.02%之間命中率為88.2%，具有較高的預(yù)報(bào)命中率.

圖3 基于熔池混勻度的指數(shù)模型終點(diǎn)碳含量預(yù)報(bào)誤差分布[5]Fig.3 Prediction error distribution of end-point carbon content of the exponential model based on bath mixing degree

綜上所述，在沒有采用動(dòng)態(tài)檢測(cè)設(shè)備的情況下，基于熔池混勻度的轉(zhuǎn)爐冶煉過程模型與終點(diǎn)碳指數(shù)模型可以實(shí)現(xiàn)碳含量的實(shí)時(shí)預(yù)報(bào)與溫度的準(zhǔn)確預(yù)報(bào)，為轉(zhuǎn)爐精準(zhǔn)控制冶煉終點(diǎn)鋼水碳含量和溫度提供參考.

1.2 精煉工序工藝控制模型

生產(chǎn)高品質(zhì)鋼是當(dāng)代鋼鐵工業(yè)的重要任務(wù)之一. 爐外精煉技術(shù)在提高鋼質(zhì)量和擴(kuò)大鋼材品種方面起著關(guān)鍵的作用，是生產(chǎn)高品質(zhì)鋼必不可少的重要工序. 在眾多的精煉方法中，LF精煉是當(dāng)前應(yīng)用最為廣泛的二次冶金方法之一，本節(jié)以LF精煉造渣模型與鋼水成分預(yù)報(bào)模型為例來進(jìn)行論述.

對(duì)于LF精煉造渣過程，筆者團(tuán)隊(duì)首先通過造渣機(jī)理分析和FactSage熱力學(xué)模擬計(jì)算，得到最優(yōu)的渣系成分含量；其次，基于冶金機(jī)理模型（硫質(zhì)量守恒、物料守恒、渣?金氧平衡等）與過程數(shù)據(jù)模型（運(yùn)用SPSS統(tǒng)計(jì)學(xué)軟件、Matlab數(shù)學(xué)軟件分析現(xiàn)場(chǎng)數(shù)據(jù)）相結(jié)合的方法，利用數(shù)據(jù)模型對(duì)機(jī)理模型進(jìn)行優(yōu)化，構(gòu)建“機(jī)理+數(shù)據(jù)”的灰箱模型，進(jìn)而計(jì)算LF精煉脫硫所需加入的石灰量；最后，對(duì)所建灰箱模型[8]進(jìn)行在線驗(yàn)證與調(diào)試，獲得符合生產(chǎn)需求的最優(yōu)命中率. 對(duì)某鋼廠52爐生產(chǎn)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果如圖4所示，該模型預(yù)報(bào)的石灰加入量誤差在±20 kg內(nèi)的命中率達(dá)88%，誤差在±40 kg內(nèi)的命中率達(dá)98%，該模型計(jì)算的一次石灰添加量可有效命中精煉終點(diǎn)鋼水硫含量的目標(biāo)值，滿足實(shí)際生產(chǎn)需求.

圖4 LF 精煉造渣模型預(yù)報(bào)結(jié)果. (a) 石灰加入量預(yù)報(bào); (b)石灰加入量命中率[8]Fig.4 Prediction results of LF refining slag-making model: (a) comparison between the calculated and actual weights of lime; (b) hit ratio of predicting the required weight of lime

為了使精煉終點(diǎn)鋼液成分能夠精準(zhǔn)命中目標(biāo)，筆者團(tuán)隊(duì)進(jìn)一步構(gòu)建了LF精煉終點(diǎn)鋼液成分預(yù)報(bào)模型. 本團(tuán)隊(duì)以某鋼廠現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)為研究對(duì)象，首先利用線性回歸的方法研究合金料加入量與合金元素在鋼液中收得質(zhì)量的關(guān)系，并根據(jù)線性回歸分析的結(jié)果，得到合金元素在鋼液中的終點(diǎn)化學(xué)成分. 其次，在線性回歸分析的基礎(chǔ)上，采用多層遞階回歸分析的方法構(gòu)建了精煉終點(diǎn)鋼液合金元素成分的預(yù)報(bào)模型. 采用某鋼廠現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)對(duì)所建模型進(jìn)行驗(yàn)證可知，該模型對(duì)鋼液中碳、硅元素的預(yù)報(bào)結(jié)果在±0.02%誤差范圍內(nèi)的命中率可以達(dá)到95%以上，對(duì)錳元素與鉻元素的預(yù)報(bào)結(jié)果在±0.02%誤差范圍內(nèi)的命中率可以達(dá)到90%以上，對(duì)硼元素的預(yù)報(bào)結(jié)果在±0.0003%誤差范圍內(nèi)的命中率可以達(dá)到90%以上. 綜上，所建模型能夠較為準(zhǔn)確地預(yù)報(bào)鋼液終點(diǎn)成分.

1.3 連鑄工序工藝控制模型

連鑄工序作為鋼水化學(xué)冶金過程的最后階段，是控制連鑄坯質(zhì)量的關(guān)鍵所在. 其結(jié)晶器、二冷區(qū)及空冷區(qū)的工藝條件對(duì)連鑄坯的凝固質(zhì)量具有重要的作用. 因此，針對(duì)鋼水連鑄過程工藝條件與鋼的凝固特性及組織性能之間的相互關(guān)系進(jìn)行深入研究，不斷優(yōu)化連鑄工藝參數(shù)，實(shí)現(xiàn)連鑄凝固冷卻過程的精益控制，是提高鑄坯質(zhì)量的重要措施. 筆者團(tuán)隊(duì)在連鑄坯“縱?橫”凝固冷卻[16]、連鑄過程二冷動(dòng)態(tài)控制[17]、“凝固前段弱冷+凝固末端強(qiáng)冷”連鑄坯凝固冷卻技術(shù)[18?19]以及連鑄坯質(zhì)量控制[12]等方面做了大量研究工作，以實(shí)現(xiàn)連鑄坯凝固冷卻過程的精益控制. 本節(jié)以連鑄過程凝固冷卻控制與鑄坯中心偏析預(yù)測(cè)為例進(jìn)行論述.

凝固末端強(qiáng)冷是改善連鑄坯內(nèi)部質(zhì)量的有效方法，但由于其作用位置靠近矯直區(qū)，噴水強(qiáng)冷易導(dǎo)致鑄坯產(chǎn)生角部裂紋和內(nèi)部裂紋. 因此，需要嚴(yán)格控制凝固末端強(qiáng)冷位置和水量，從而避免裂紋的產(chǎn)生. 筆者團(tuán)隊(duì)針對(duì)不同斷面尺寸的鑄坯[13, 20]，結(jié)合機(jī)理研究和工業(yè)試驗(yàn)，提出了“凝固前段弱冷+凝固末端強(qiáng)冷”的連鑄坯凝固冷卻技術(shù). 以斷面尺寸為 1800 mm×250 mm 的 Q345D 鋼連鑄板坯為例，運(yùn)用該技術(shù)對(duì)連鑄機(jī)結(jié)晶器和二冷區(qū)的配水量進(jìn)行系統(tǒng)優(yōu)化后，連鑄坯特征溫度情況如圖5所示，結(jié)晶器區(qū)的冷卻強(qiáng)度降低，足輥區(qū)和彎曲段上部回溫幅度和回溫速率趨于平緩，二冷區(qū)扇形段3段之前鑄坯寬面中心溫度降低變得更加平緩，冷卻更加均勻，有利于改善鑄坯內(nèi)部質(zhì)量.同時(shí)，二冷區(qū)第6、7冷卻段的冷卻強(qiáng)度加大，溫降速率加快，有利于發(fā)揮凝固末端強(qiáng)冷工藝對(duì)板坯中心偏析的抑制作用，進(jìn)而改善板坯中心的偏析缺陷. 采用“凝固前段弱冷+凝固末端強(qiáng)冷”的連鑄坯凝固冷卻技術(shù)實(shí)現(xiàn)了對(duì)連鑄坯裂紋和中心偏析的有效控制.

此外，隨著信息技術(shù)的快速發(fā)展，基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)方法也被用于連鑄坯中心偏析的預(yù)測(cè). 本團(tuán)隊(duì)采集了某鋼廠兩年的82B簾線鋼2396組連鑄生產(chǎn)數(shù)據(jù)，包括中間包鋼水成分、結(jié)晶器冷卻參數(shù)、二次冷卻參數(shù)、拉速、過熱度、比水量以及相應(yīng)的中心碳偏析指數(shù)等15個(gè)變量的大數(shù)據(jù)，經(jīng)過預(yù)處理后采用Pearson相關(guān)系數(shù)法來分析變量間的關(guān)聯(lián)性，剔除存在強(qiáng)相關(guān)性的變量，消除數(shù)據(jù)的多重共線性問題. 運(yùn)用灰色關(guān)聯(lián)分析法進(jìn)一步對(duì)變量進(jìn)行降維處理，剔除與中心碳偏析指數(shù)相關(guān)性較弱的變量. 最后，通過大量的參數(shù)調(diào)整試驗(yàn)確定預(yù)測(cè)模型的基本參數(shù)如表1所示，構(gòu)建了基于正則化極限學(xué)習(xí)機(jī)（RELM）的連鑄坯中心碳偏析預(yù)測(cè)模型[22].

表1 RELM 中心碳偏析預(yù)測(cè)模型的基本參數(shù)[22]Table 1 Basic parameters of the central carbon segregation prediction model based on RELM[22]

該模型的仿真結(jié)果表明，預(yù)測(cè)誤差分別在±0.03和±0.025時(shí)，RELM偏析預(yù)測(cè)模型命中率分別為94%和89%，模型預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)為0.871. 相較于多元線性回歸（MLR）與極限學(xué)習(xí)機(jī)（ELM）預(yù)測(cè)模型，所建模型預(yù)測(cè)精度最高，可滿足現(xiàn)場(chǎng)生產(chǎn)控制要求.

2 車間區(qū)段尺度的物質(zhì)流運(yùn)行優(yōu)化模型

在對(duì)各單體工序/裝置進(jìn)行工藝控制優(yōu)化的基礎(chǔ)上，開展煉鋼廠車間區(qū)段尺度的物質(zhì)流運(yùn)行優(yōu)化研究，優(yōu)化工序/裝置配置的合理性，對(duì)提高我國煉鋼廠的整體運(yùn)行水平、優(yōu)化企業(yè)結(jié)構(gòu)和資源配置具有重大的戰(zhàn)略意義[23]. 隨著國民經(jīng)濟(jì)的發(fā)展，市場(chǎng)對(duì)鋼鐵產(chǎn)品的需求呈現(xiàn)多品種、小批量、多規(guī)格和高質(zhì)量的特點(diǎn). 煉鋼廠各工序的單臺(tái)設(shè)備往往承擔(dān)多鋼種混合生產(chǎn)的任務(wù)，而不同鋼種的操作規(guī)程往往會(huì)存在較大差異，這給煉鋼?連鑄過程的高效運(yùn)行帶來了較大的困難. 目前，關(guān)于多工序協(xié)同運(yùn)行的研究尚不夠深入，多集中于生產(chǎn)計(jì)劃與調(diào)度方面. 關(guān)鍵工序協(xié)調(diào)匹配的研究是煉鋼廠智能化建設(shè)工作中極為重要的組成部分，而生產(chǎn)計(jì)劃與調(diào)度作為鋼鐵制造流程運(yùn)行控制的關(guān)鍵，是整個(gè)先進(jìn)生產(chǎn)制造系統(tǒng)高效運(yùn)行的核心內(nèi)容之一，因而本節(jié)針對(duì)工序銜接/關(guān)系層級(jí)和計(jì)劃與調(diào)度層級(jí)，分別從系統(tǒng)產(chǎn)能決策與生產(chǎn)模式優(yōu)化，生產(chǎn)計(jì)劃與調(diào)度，以及多工序協(xié)同運(yùn)行水平的量化評(píng)價(jià)3個(gè)方面重點(diǎn)介紹煉鋼?連鑄流程物質(zhì)流運(yùn)行優(yōu)化的研究工作，為煉鋼廠多工序協(xié)同運(yùn)行奠定基礎(chǔ).

2.1 系統(tǒng)產(chǎn)能決策與生產(chǎn)模式優(yōu)化

系統(tǒng)產(chǎn)能決策與生產(chǎn)模式優(yōu)化在煉鋼廠多工序運(yùn)行過程中具有舉足輕重的地位，是煉鋼廠物質(zhì)流運(yùn)行優(yōu)化的重要基礎(chǔ). 筆者團(tuán)隊(duì)基于煉鋼?連鑄生產(chǎn)過程物質(zhì)流運(yùn)行規(guī)律解析，在掌握煉鋼?連鑄流程時(shí)間、溫度參數(shù)等運(yùn)行規(guī)律的基礎(chǔ)上，進(jìn)行系統(tǒng)產(chǎn)能決策與生產(chǎn)模式優(yōu)化[24?26]，充分發(fā)揮整個(gè)煉鋼?連鑄區(qū)段的生產(chǎn)能力，為構(gòu)建煉鋼?連鑄過程的生產(chǎn)計(jì)劃與調(diào)度模型奠定基礎(chǔ).

在對(duì)生產(chǎn)模式進(jìn)行優(yōu)化前，首先進(jìn)行系統(tǒng)產(chǎn)能的決策，即通過對(duì)目標(biāo)鋼廠煉鋼?連鑄過程各個(gè)工序產(chǎn)能與產(chǎn)品結(jié)構(gòu)（品種鋼與普碳鋼比例）關(guān)系的分析與比較，找到不同產(chǎn)品結(jié)構(gòu)下系統(tǒng)產(chǎn)能的限制性環(huán)節(jié)，即瓶頸工序. 某煉鋼廠系統(tǒng)產(chǎn)能與品種鋼比例的關(guān)系如圖6所示，圖中A點(diǎn)表示當(dāng)品種鋼生產(chǎn)比例超過26.3%時(shí)，制約系統(tǒng)產(chǎn)能的瓶頸工序由轉(zhuǎn)爐工序轉(zhuǎn)變?yōu)檫B鑄工序；同理，B點(diǎn)表示當(dāng)品種鋼生產(chǎn)比例超過62.9%時(shí)，制約系統(tǒng)產(chǎn)能的瓶頸工序由連鑄工序轉(zhuǎn)變?yōu)榫珶捁ば? 由圖中a、b點(diǎn)可知，該廠要實(shí)現(xiàn)270～300萬噸的產(chǎn)能目標(biāo)，品種鋼的生產(chǎn)比例應(yīng)控制在33.7%～50.9%之間.

圖6 某鋼廠煉鋼?連鑄系統(tǒng)產(chǎn)能與品種鋼比例的關(guān)系圖[24]Fig.6 Relationship between the proportion of high-quality steel and the capacity of steelmaking plant[24]

其次，依據(jù)上述生產(chǎn)系統(tǒng)的產(chǎn)能要求，在明確品種鋼生產(chǎn)比例的基礎(chǔ)上，對(duì)不同鋼種的主要生產(chǎn)作業(yè)路線和輔助生產(chǎn)作業(yè)路線進(jìn)行確定，明確各工序/裝置之間的對(duì)應(yīng)關(guān)系. 工藝路徑的確定主要依據(jù)生產(chǎn)鋼種在不同作業(yè)路線上工序/裝置過程溫度的變化，遵循“能耗最小”原則優(yōu)先選擇過程能耗最小的作業(yè)路線，以確保“爐”與“機(jī)”之間明確的對(duì)應(yīng)關(guān)系. 最后，由于在實(shí)際生產(chǎn)時(shí)的生產(chǎn)模式還與工序/設(shè)備生產(chǎn)品種鋼的最大產(chǎn)能有關(guān)，且每個(gè)設(shè)備生產(chǎn)的鋼種或完成的生產(chǎn)任務(wù)越專一，越有利于生產(chǎn)的穩(wěn)定操作以及裝備的快捷維護(hù).因此，筆者團(tuán)隊(duì)提出單個(gè)設(shè)備“產(chǎn)能優(yōu)先滿足”的原則，即在生產(chǎn)模式分析的基礎(chǔ)上，確定某鋼種在生產(chǎn)過程中的主要生產(chǎn)作業(yè)路線和輔助生產(chǎn)作業(yè)路線，將生產(chǎn)任務(wù)優(yōu)先安排在主要生產(chǎn)作業(yè)路線的設(shè)備進(jìn)行生產(chǎn)，當(dāng)品種鋼產(chǎn)量超過該設(shè)備的最大品種鋼產(chǎn)能時(shí)，由輔助生產(chǎn)作業(yè)路線的設(shè)備承擔(dān)剩余品種鋼生產(chǎn)任務(wù).

基于上述分析，對(duì)煉鋼廠的生產(chǎn)模式進(jìn)行優(yōu)化. 以某煉鋼廠為例，優(yōu)化前后的爐?機(jī)匹配方案如圖7所示，圖中轉(zhuǎn)爐（BOF）、連鑄機(jī)（CCM）下方數(shù)字為各臺(tái)設(shè)備在所屬工序的生產(chǎn)量占比，各連線上方數(shù)字為該臺(tái)設(shè)備生產(chǎn)的鋼水運(yùn)往下個(gè)工序/設(shè)備的產(chǎn)量占比. 由圖可見，經(jīng)優(yōu)化后爐?機(jī)對(duì)應(yīng)模式車間內(nèi)轉(zhuǎn)爐和連鑄機(jī)的匹配度明顯提高，“爐”與“機(jī)”之間的對(duì)應(yīng)關(guān)系更加明確專一、簡捷清晰，最大限度地實(shí)現(xiàn)了煉鋼廠多工序物質(zhì)流的層流運(yùn)行，顯著降低了天車與鋼包調(diào)度的難度，并顯著加快了生產(chǎn)節(jié)奏，提高了生產(chǎn)效率.

圖7 模型應(yīng)用前后爐?機(jī)對(duì)應(yīng)關(guān)系. (a)應(yīng)用前; (b)應(yīng)用后[27]Fig.7 Furnace-caster coordinating scenario: (a) before application; (b) after application

2.2 生產(chǎn)計(jì)劃與調(diào)度模型

生產(chǎn)模式優(yōu)化是生產(chǎn)調(diào)度模型研究的重要基礎(chǔ)，開展基于生產(chǎn)模式優(yōu)化的生產(chǎn)計(jì)劃與調(diào)度模型研究則是煉鋼廠智能化發(fā)展的重要內(nèi)容. 生產(chǎn)計(jì)劃與生產(chǎn)調(diào)度面向的過程與階段不同. 生產(chǎn)計(jì)劃是以市場(chǎng)需求預(yù)測(cè)或客戶實(shí)際訂單為基礎(chǔ)、以企業(yè)設(shè)備和資源為依據(jù)，制定出包括產(chǎn)品品種、規(guī)格、產(chǎn)量和執(zhí)行期限在內(nèi)的生產(chǎn)規(guī)劃和決策. 生產(chǎn)調(diào)度則是根據(jù)生產(chǎn)計(jì)劃要求，在滿足生產(chǎn)約束條件的前提下，通過合理安排作業(yè)任務(wù)、工藝路線以及其他資源，實(shí)現(xiàn)制造系統(tǒng)性能的優(yōu)化.

筆者團(tuán)隊(duì)在對(duì)煉鋼?連鑄過程物質(zhì)流參數(shù)解析與運(yùn)行優(yōu)化的基礎(chǔ)上，構(gòu)建了以相鄰合同鋼級(jí)與寬度差異最小、余材量最小、交貨日期差異最小為目標(biāo)的煉鋼爐次計(jì)劃模型以及以鋼種與斷面差異最小、連鑄機(jī)平均作業(yè)率最大為目標(biāo)的連鑄澆次計(jì)劃模型，并分別通過單親遺傳算法與兩階段啟發(fā)式算法對(duì)模型進(jìn)行求解，得到了比較合理的爐次計(jì)劃與澆次計(jì)劃[28?30].

在確定爐次計(jì)劃與澆次計(jì)劃的基礎(chǔ)上，筆者團(tuán)隊(duì)進(jìn)行了生產(chǎn)調(diào)度模型的研究. 首先在總結(jié)歸納前人研究成果的基礎(chǔ)上，結(jié)合煉鋼廠的實(shí)際生產(chǎn)狀況和現(xiàn)場(chǎng)調(diào)度人員的經(jīng)驗(yàn)，構(gòu)建了包括調(diào)度基本規(guī)則、時(shí)間控制規(guī)則、設(shè)備匹配規(guī)則、工藝約束規(guī)則以及動(dòng)態(tài)調(diào)整規(guī)則等共計(jì)35條規(guī)則的生產(chǎn)調(diào)度規(guī)則庫[31]，用于指導(dǎo)后續(xù)靜態(tài)或者動(dòng)態(tài)調(diào)度生產(chǎn).

在上述調(diào)度規(guī)則庫的基礎(chǔ)上，筆者團(tuán)隊(duì)針對(duì)煉鋼?連鑄過程的靜態(tài)調(diào)度問題，提出了基于“規(guī)則+算法”的研究思路來解決生產(chǎn)調(diào)度問題[32]. 以國內(nèi)某無精煉跨煉鋼廠為例，筆者團(tuán)隊(duì)以目標(biāo)爐次在多工序之間總等待時(shí)間最小為目標(biāo)，構(gòu)建了基于“定爐對(duì)定機(jī)”模式的生產(chǎn)調(diào)度模型[33]，并設(shè)計(jì)了基于“定爐對(duì)定機(jī)”模式的改進(jìn)遺傳算法用于模型求解. 該改進(jìn)算法在種群生成過程中引入了“爐?機(jī)對(duì)應(yīng)”策略以改進(jìn)種群質(zhì)量，并根據(jù)轉(zhuǎn)爐（精煉）與連鑄作業(yè)周期的比較，來確定是否對(duì)個(gè)體進(jìn)行交叉、變異操作. 表2為某煉鋼廠煉鋼?連鑄生產(chǎn)過程3種主要生產(chǎn)模式的仿真計(jì)算結(jié)果，結(jié)果表明：建立的基于“爐?機(jī)對(duì)應(yīng)”的改進(jìn)算法（A2）由于引入定爐對(duì)定機(jī)原則，減少了個(gè)別爐次等待時(shí)間的不合理現(xiàn)象，性能顯著優(yōu)于經(jīng)典遺傳算法（A1）和啟發(fā)式算法（A3）的運(yùn)行結(jié)果，優(yōu)化了爐次在生產(chǎn)過程的等待時(shí)間，為研究煉鋼廠復(fù)雜生產(chǎn)調(diào)度問題提供了一種高效的解決方案.

表2 三種智能算法求解算例的結(jié)果對(duì)比[33]Table 2 Results of calculation examples solved by three algorithms

針對(duì)動(dòng)態(tài)調(diào)度問題，筆者團(tuán)隊(duì)綜合考慮了“能耗最小”原則、“連澆”原則，基于Agent建立了混合流水車間調(diào)度模型，設(shè)計(jì)了各Agent之間的協(xié)調(diào)機(jī)制. 針對(duì)混合流水車間問題以及動(dòng)態(tài)調(diào)度問題的特點(diǎn)，提出了系統(tǒng)的核心算法HIS，該算法適用于靜態(tài)調(diào)度和多種動(dòng)態(tài)調(diào)度問題. 故障重調(diào)度前/后甘特圖對(duì)比如圖8所示，其中CC代表連鑄，最終仿真結(jié)果表明，該多Agent系統(tǒng)產(chǎn)生的調(diào)度效果比多種調(diào)度規(guī)則更優(yōu)，能夠適應(yīng)多種動(dòng)態(tài)事件同時(shí)并存的動(dòng)態(tài)生產(chǎn)環(huán)境.

圖8 故障重調(diào)度前/后甘特圖對(duì)比. (a) 重調(diào)度前; (b) 重調(diào)度后[34]Fig.8 Gantt chart comparison (a) before rescheduling and (b) after rescheduling[34]

2.3 多工序協(xié)同運(yùn)行評(píng)價(jià)模型

煉鋼廠復(fù)雜生產(chǎn)過程運(yùn)行水平的量化評(píng)價(jià)問題一直以來都是冶金流程優(yōu)化研究的難點(diǎn)之一，針對(duì)此問題，筆者團(tuán)隊(duì)基于工序作業(yè)周期、連澆爐數(shù)和工序界面緩沖能力之間的量化關(guān)系研究，構(gòu)建了層流運(yùn)行水平評(píng)價(jià)模型；綜合分析系統(tǒng)產(chǎn)能、工序作業(yè)周期和爐?機(jī)對(duì)應(yīng)關(guān)系，建立了工序匹配水平評(píng)價(jià)模型；解析了影響生產(chǎn)調(diào)度的諸多因素，建立了調(diào)度模型可用性評(píng)價(jià)模型；并提出了層流運(yùn)行評(píng)價(jià)指數(shù)RM、工序匹配度R、調(diào)度模型可用性評(píng)價(jià)指數(shù) εp等表征煉鋼?連鑄多工序協(xié)同運(yùn)行水平的評(píng)價(jià)參數(shù)，實(shí)現(xiàn)了多工序協(xié)同運(yùn)行的量化評(píng)價(jià)[35].

運(yùn)用多工序協(xié)同運(yùn)行量化評(píng)價(jià)模型分別對(duì)國內(nèi)兩家無精煉跨煉鋼廠的層流運(yùn)行水平、工序匹配水平和調(diào)度模型可用性進(jìn)行了量化評(píng)價(jià). 表3所示為層流運(yùn)行水平與工序匹配水平評(píng)價(jià)結(jié)果，可知B煉鋼廠完全具備層流運(yùn)行的潛力，而A廠層流運(yùn)行評(píng)價(jià)指數(shù)RM的最大值僅為0.647，意味著實(shí)際生產(chǎn)中不同生產(chǎn)線之間需交叉供應(yīng)鋼水才能保證連鑄生產(chǎn)順行；A廠相較于B廠的工序匹配水平更低，原因在于A廠每月的系統(tǒng)層流運(yùn)行指數(shù)均低于0.65，且A廠LF精煉爐與連鑄機(jī)之間的爐→機(jī)匹配度[36]較低. A廠后續(xù)應(yīng)通過進(jìn)一步優(yōu)化爐?機(jī)對(duì)應(yīng)關(guān)系，提高爐→機(jī)匹配度進(jìn)而提升工序匹配度R. 表4反映了A廠4種調(diào)度模型（基于爐?機(jī)對(duì)應(yīng)模式優(yōu)化的調(diào)度模型p1[37]、基于遺傳算法的調(diào)度模型p2[38]、基于貪婪規(guī)則的調(diào)度模型p3[39]和A廠煉鋼廠人工調(diào)度模型p4）在不同生產(chǎn)模式下的可用性指數(shù) εl,p，并根據(jù)4種生產(chǎn)模式的權(quán)重值（0.2、0.1、0.6和0.1），可計(jì)算得到4種調(diào)度策略的可行性評(píng)價(jià)指數(shù) εp. 由表可知，基于爐?機(jī)對(duì)應(yīng)模式優(yōu)化的調(diào)度策略更適合A廠實(shí)際情況.煉鋼?連鑄過程多工序協(xié)同運(yùn)行水平量化評(píng)價(jià)方法的建立，對(duì)煉鋼?連鑄區(qū)段界面技術(shù)的開發(fā)與優(yōu)化具有重要的指導(dǎo)作用，實(shí)現(xiàn)了多工序協(xié)同運(yùn)行的量化評(píng)價(jià)，是煉鋼?連鑄區(qū)段智能化發(fā)展的重要基礎(chǔ).

表3 A、B 兩廠2019年4月～7月期間系統(tǒng)層流運(yùn)行指數(shù) RM 與工序匹配度R[35]Table 3 System laminar flow operation index RM and process matching index R for steelmaking plants A and B from April to July, 2019

表4 A 廠 4 種調(diào)度模型的可用性評(píng)價(jià)指數(shù)εpTable 4 Scheduling model availability degree εp of the four scheduling models of Plant A

3 煉鋼廠運(yùn)行優(yōu)化與協(xié)同控制

綜合分析當(dāng)前煉鋼?連鑄過程智能化的探索，多數(shù)研究集中于某一局部層面，或是關(guān)鍵工序工藝的智能化，或是計(jì)劃調(diào)度的智能化. 僅追求單一目標(biāo)或某一局部的智能化，所實(shí)現(xiàn)的生產(chǎn)優(yōu)化并不是真正意義上的智能化制造. 在煉鋼?連鑄過程中，精煉工序是煉鋼爐和連鑄機(jī)實(shí)現(xiàn)穩(wěn)定、長時(shí)間準(zhǔn)連續(xù)化運(yùn)行的保障，是煉鋼?連鑄過程運(yùn)行優(yōu)化的關(guān)鍵環(huán)節(jié)之一，而鋼包周轉(zhuǎn)貫穿整個(gè)煉鋼廠制造流程的始終，提出科學(xué)合理的鋼包運(yùn)行控制模型對(duì)實(shí)現(xiàn)煉鋼廠運(yùn)行優(yōu)化意義重大[27]. 因此，本節(jié)面向煉鋼廠多尺度建模與協(xié)同制造技術(shù)架構(gòu)中的最高層級(jí)— —系統(tǒng)綜合層級(jí)，從影響煉鋼?連鑄過程的爐?機(jī)界面— —鋼水精煉工序和煉鋼?連鑄全流程物質(zhì)流的載體— —鋼包運(yùn)行兩個(gè)重要環(huán)節(jié)出發(fā)，開展煉鋼?連鑄過程運(yùn)行優(yōu)化與協(xié)同控制探討. 同時(shí)，基于多智能體系統(tǒng)技術(shù)實(shí)現(xiàn)工序控制與生產(chǎn)調(diào)度的動(dòng)態(tài)協(xié)同，并與煉鋼廠MES系統(tǒng)進(jìn)行有機(jī)融合，以實(shí)現(xiàn)煉鋼?連鑄過程工序的運(yùn)行優(yōu)化與協(xié)同控制.

3.1 精煉工序緩沖策略與鋼包運(yùn)行優(yōu)化

精煉工序在轉(zhuǎn)爐與連鑄機(jī)之間承擔(dān)著緩沖調(diào)節(jié)的作用，緩沖能夠有效地消解擾動(dòng)事件對(duì)煉鋼廠多工序正常運(yùn)行的影響，對(duì)于降低能耗和重調(diào)度的頻率、保持生產(chǎn)系統(tǒng)的穩(wěn)定運(yùn)行具有積極的作用. 目前，煉鋼廠的生產(chǎn)緩沖多是根據(jù)經(jīng)驗(yàn)確定，缺乏定量依據(jù). 因此，合理優(yōu)化的精煉緩沖策略是煉鋼?連鑄過程運(yùn)行優(yōu)化的核心內(nèi)容.

筆者團(tuán)隊(duì)以LF精煉工序?yàn)槔谄涔に嚵鞒谭治龊吞幚頃r(shí)間解析的基礎(chǔ)上，針對(duì)LF鋼包精煉工序歸納總結(jié)了單工位獨(dú)立緩沖、雙工位聯(lián)合緩沖（座包位、軟吹位）等6種緩沖思路[40]，綜合考慮煉鋼?連鑄過程各工序的銜接匹配、鋼水溫度與成分控制、車間布局等情況，提出了LF精煉爐運(yùn)行調(diào)控策略，當(dāng)LF需要縮短操作時(shí)間時(shí)，縮短時(shí)間的工位選擇順序?yàn)樽?、軟吹位、精煉位；?dāng)LF需要延長操作時(shí)間時(shí)，延長時(shí)間的工位選擇順序?yàn)樽?、精煉位、軟吹?

基于上述精煉工序緩沖策略，進(jìn)一步對(duì)鋼包的運(yùn)行控制進(jìn)行優(yōu)化. 鋼包運(yùn)行控制的內(nèi)容主要包括鋼包數(shù)量和周轉(zhuǎn)效率的控制，鋼包運(yùn)轉(zhuǎn)的解析與優(yōu)化涉及煉鋼系統(tǒng)運(yùn)行過程的諸多工序[41]，是煉鋼廠系統(tǒng)運(yùn)行優(yōu)化的爐機(jī)對(duì)應(yīng)原則、能耗最小原則、拉速?zèng)Q定流量原則、連澆原則在多工序生產(chǎn)過程中的集中體現(xiàn). 因此，掌握鋼包運(yùn)轉(zhuǎn)規(guī)律，實(shí)施生產(chǎn)過程鋼包運(yùn)轉(zhuǎn)的過程優(yōu)化尤為重要.

筆者團(tuán)隊(duì)根據(jù)某鋼廠的車間布局、鋼包運(yùn)行特性和實(shí)際生產(chǎn)情況，運(yùn)用Plant-simulation仿真軟件建立了鋼包運(yùn)行過程仿真模型[42?43]. 通過分析某鋼廠實(shí)際生產(chǎn)數(shù)據(jù)與澆次計(jì)劃，將其輸入仿真模型，對(duì)實(shí)際鋼包運(yùn)行過程進(jìn)行綜合仿真研究.“定爐對(duì)定機(jī)”生產(chǎn)模式下的鋼包仿真結(jié)果如圖9所示，與實(shí)際生產(chǎn)使用18個(gè)鋼包相比，仿真實(shí)驗(yàn)使用的鋼包數(shù)量減少3個(gè). 且實(shí)際生產(chǎn)中94.4%的鋼包運(yùn)行次數(shù)在7次以下，只有1個(gè)鋼包運(yùn)行次數(shù)達(dá)到11次；而仿真研究中73.3%的鋼包運(yùn)行次數(shù)在5次以上，并且有3個(gè)鋼包達(dá)到11次以上，總體鋼包利用率提高. 同時(shí)，在24 h內(nèi)生產(chǎn)97爐鋼水，仿真模型的鋼包每天周轉(zhuǎn)6.5次，也明顯高于實(shí)際生產(chǎn)中鋼包每天周轉(zhuǎn)5.4次. 這是由于爐?機(jī)匹配模式的改變優(yōu)化了鋼包運(yùn)行過程，可有效避免使用過多的鋼包. 從仿真結(jié)果來看，優(yōu)化煉鋼廠爐?機(jī)匹配模式后，提高了各工序規(guī)范化作業(yè)時(shí)間，有效提高了煉鋼廠鋼包運(yùn)行效率.

圖9 “定爐對(duì)定機(jī)”生產(chǎn)模式運(yùn)行甘特圖（使用鋼包 15 個(gè)）Fig.9 Gantt chart of ladle operation based on “furnace?caster coordinating” strategy (use 15 ladles)

3.2 工序控制與生產(chǎn)調(diào)度的動(dòng)態(tài)協(xié)同

煉鋼廠調(diào)度過程是通過對(duì)各工序/裝置不間斷地進(jìn)行動(dòng)態(tài)交互，實(shí)現(xiàn)不同工序/裝置的高效運(yùn)行.其中，生產(chǎn)調(diào)度模型與工藝控制模型具有不同的功能并不斷生成不同的數(shù)據(jù)，模型之間需要互通數(shù)據(jù)、互傳指令，這對(duì)協(xié)同調(diào)度系統(tǒng)的動(dòng)態(tài)性和智能性提出較高的要求. 多智能體（Multi-agent systems,MAS），是當(dāng)今智能控制與人工智能優(yōu)化領(lǐng)域的熱門技術(shù)，對(duì)分布式、多模塊、動(dòng)態(tài)交互的復(fù)雜問題求解獨(dú)具優(yōu)勢(shì)[44?45]. 本節(jié)基于多智能體系統(tǒng)技術(shù)對(duì)協(xié)同調(diào)度進(jìn)行架構(gòu)分析，發(fā)揮多智能體系統(tǒng)技術(shù)的分步求解優(yōu)勢(shì)，將復(fù)雜的生產(chǎn)調(diào)度任務(wù)逐個(gè)分解成相對(duì)簡單的個(gè)體單元模塊，在生產(chǎn)調(diào)度模型與工藝優(yōu)化模型的協(xié)調(diào)和交互中共同完成調(diào)度任務(wù).

基于工藝模型的多智能體技術(shù)的煉鋼?連鑄過程協(xié)同調(diào)度系統(tǒng)架構(gòu)如圖10所示，該系統(tǒng)中的爐次作業(yè)計(jì)劃執(zhí)行Agent與澆次作業(yè)計(jì)劃執(zhí)行Agent完成生產(chǎn)計(jì)劃的實(shí)施與執(zhí)行，調(diào)度優(yōu)化模型Agent根據(jù)計(jì)劃執(zhí)行情況進(jìn)行后續(xù)作業(yè)計(jì)劃的修改與生產(chǎn)任務(wù)的分配. 各作業(yè)計(jì)劃執(zhí)行Agent根據(jù)生產(chǎn)設(shè)備的實(shí)際運(yùn)行狀況和生產(chǎn)能力實(shí)施相應(yīng)生產(chǎn)工序/裝置的作業(yè)計(jì)劃，并傳送至相應(yīng)工序的工藝模型Agent集；工藝模型Agent集完成作業(yè)計(jì)劃的調(diào)度任務(wù)，并將執(zhí)行過程中遇到的生產(chǎn)異常問題，交由異常沖突處理Agent通過內(nèi)部協(xié)調(diào)機(jī)制解決，調(diào)度執(zhí)行的所有情況均由生產(chǎn)作業(yè)記錄Agent進(jìn)行記錄.

圖10 基于多智能體技術(shù)的煉鋼?連鑄過程協(xié)同調(diào)度系統(tǒng)架構(gòu)[46]Fig.10 System architecture of collaborative scheduling for steelmaking plant based on multi-agent technology

此外，各工序的工藝模型Agent集與生產(chǎn)調(diào)度模型Agent之間存在著相應(yīng)的協(xié)同機(jī)制，以轉(zhuǎn)爐工序?yàn)槔?，由于調(diào)度優(yōu)化模型在求解調(diào)度計(jì)劃時(shí)，是以轉(zhuǎn)爐平均冶煉周期值為參考求解爐次作業(yè)計(jì)劃，通過將各爐次的生產(chǎn)時(shí)間在轉(zhuǎn)爐冶煉周期范圍內(nèi)進(jìn)行調(diào)整，進(jìn)而形成轉(zhuǎn)爐煉鋼作業(yè)計(jì)劃，但在作業(yè)計(jì)劃執(zhí)行時(shí)，需要根據(jù)每一爐次的具體生產(chǎn)狀況，明確判斷實(shí)際冶煉周期與調(diào)度計(jì)劃給出的煉鋼過程執(zhí)行時(shí)間是否匹配，從而向調(diào)度系統(tǒng)及時(shí)反饋是否需要調(diào)整計(jì)劃時(shí)間. 通過轉(zhuǎn)爐煉鋼過程模型與調(diào)度模型的相互融合與協(xié)同，以實(shí)現(xiàn)爐次作業(yè)計(jì)劃的順利執(zhí)行.

綜上，工序工藝模型可將調(diào)度模型無法考慮到的設(shè)備因素、產(chǎn)品質(zhì)量因素、工藝控制參數(shù)等信息“轉(zhuǎn)換”為時(shí)間信息，反饋給調(diào)度模型，調(diào)度模型與工藝模型不斷互動(dòng)、進(jìn)行調(diào)整，從而實(shí)現(xiàn)基于工序工藝模型的多智能體協(xié)同調(diào)度，保證了煉鋼?連鑄過程的動(dòng)態(tài)調(diào)度有序、高效地進(jìn)行.

同時(shí)，針對(duì)鋼廠MES同工藝控制、流程協(xié)同運(yùn)行、生產(chǎn)計(jì)劃與調(diào)度系統(tǒng)之間存在的信息“脫節(jié)”問題，筆者團(tuán)隊(duì)研發(fā)了煉鋼生產(chǎn)工序工藝控制模型、生產(chǎn)計(jì)劃與調(diào)度模型同MES之間的數(shù)據(jù)接口，包括：物質(zhì)流參數(shù)解析子系統(tǒng)同MES的子數(shù)據(jù)接口、煉鋼?連鑄過程工藝控制模型（轉(zhuǎn)爐、LF爐、連鑄）同MES的子數(shù)據(jù)接口以及生產(chǎn)計(jì)劃與調(diào)度模型同MES的子數(shù)據(jù)接口，接口關(guān)系如圖11所示. 通過數(shù)據(jù)接口模塊的研發(fā)，使煉鋼廠生產(chǎn)過程物質(zhì)流參數(shù)解析、工序過程精準(zhǔn)控制、生產(chǎn)計(jì)劃與動(dòng)態(tài)調(diào)度同MES進(jìn)行深度融合，實(shí)現(xiàn)了煉鋼廠高效化、精益化的集成制造.

圖11 煉鋼?連鑄過程工藝控制模型、生產(chǎn)計(jì)劃與調(diào)度模型同鋼廠MES接口關(guān)系圖[46]Fig.11 Relationship between process control model, production planning, and scheduling model with MES interface in steelmaking-continuous casting process[46]

3.3 煉鋼廠集成制造技術(shù)的應(yīng)用

在煉鋼?連鑄流程解析與運(yùn)行優(yōu)化、轉(zhuǎn)爐煉鋼、LF鋼包精煉、連鑄過程控制與工藝優(yōu)化以及生產(chǎn)計(jì)劃與調(diào)度優(yōu)化等系統(tǒng)研究的基礎(chǔ)上，筆者團(tuán)隊(duì)開發(fā)了煉鋼廠集成制造技術(shù)[34, 47]，即以工序工藝調(diào)優(yōu)、流程運(yùn)行調(diào)控、生產(chǎn)計(jì)劃與調(diào)度動(dòng)態(tài)協(xié)同為支撐的煉鋼?連鑄過程（SMCC）協(xié)同制造技術(shù).

該技術(shù)在工序?qū)蛹?jí)，研發(fā)轉(zhuǎn)爐工序、精煉工序和連鑄工序的工藝精準(zhǔn)控制技術(shù)，解決關(guān)鍵工序工藝控制的精準(zhǔn)率不高問題；在工序匹配層級(jí)，提出工序的協(xié)調(diào)運(yùn)行與優(yōu)化技術(shù)，解決混合型鋼廠多工序之間爐?機(jī)對(duì)應(yīng)關(guān)系復(fù)雜、生產(chǎn)模式不明確的問題；在計(jì)劃與調(diào)度層級(jí)，開發(fā)“運(yùn)行規(guī)則+智能算法”的生產(chǎn)計(jì)劃與動(dòng)態(tài)調(diào)度技術(shù)，解決混合型鋼廠面對(duì)多品種、小批量訂單生產(chǎn)排產(chǎn)和調(diào)度困難的問題；最后，通過研制MES與各工序工藝過程精準(zhǔn)控制系統(tǒng)、計(jì)劃與調(diào)度系統(tǒng)間的數(shù)據(jù)接口模塊，構(gòu)建協(xié)同工藝精準(zhǔn)控制、流程協(xié)同運(yùn)行和“規(guī)則+算法”生產(chǎn)計(jì)劃與調(diào)度的煉鋼?連鑄過程集成制造技術(shù)系統(tǒng)，實(shí)現(xiàn)了工藝精準(zhǔn)控制與生產(chǎn)調(diào)度的動(dòng)態(tài)協(xié)同，最終實(shí)現(xiàn)基于準(zhǔn)連續(xù)/連續(xù)特征的高品質(zhì)鋼穩(wěn)定、優(yōu)質(zhì)、高效、低耗生產(chǎn)[48]. 技術(shù)架構(gòu)如圖12所示.

圖12 煉鋼廠的集成制造技術(shù)路線圖[47]Fig.12 Integrated manufacturing technology roadmap for steelmaking plants

該技術(shù)在某鋼廠應(yīng)用后，取得了以下進(jìn)步：煉鋼?連鑄生產(chǎn)流程一個(gè)爐次生產(chǎn)時(shí)間縮短了14.27 min，技術(shù)應(yīng)用兩年提高產(chǎn)量252.8萬噸；轉(zhuǎn)爐冶煉鋼種的臨時(shí)改判、連鑄坯的質(zhì)量改判現(xiàn)象大幅度降低，相比之前，技術(shù)應(yīng)用兩年廢品和質(zhì)量改判減少3326.624 t；轉(zhuǎn)爐平均冶煉周期由 37.43 min 降低到35.46 min；噸鋼合金料消耗成本從148.75元降低至 134.43元，噸鋼輔料成本從 82.93元·t?1降低至78.73 元·t?1，轉(zhuǎn)爐噸鋼氧耗量從 55.74 m3·t?1降低至53.92 m3·t?1（噸鋼在 0 ℃、1 個(gè)標(biāo)準(zhǔn)大氣壓下消耗的氧氣體體積）；連鑄坯平均合格率由99.877%提升至99.928%，取得了顯著的經(jīng)濟(jì)效益.

該技術(shù)解決了煉鋼?連鑄過程單體工序、車間區(qū)段與煉鋼廠運(yùn)行等多尺度的協(xié)同控制問題，實(shí)現(xiàn)了煉鋼?連鑄過程的集成制造，提升了混合型鋼廠的智能化制造水平，是對(duì)煉鋼?連鑄過程智能制造的有益探索與實(shí)踐.

4 結(jié)論與展望

近年來，煉鋼廠的自動(dòng)化水平已有長足的進(jìn)步，智能化發(fā)展已成為鋼鐵企業(yè)的發(fā)展趨勢(shì)，但由于鋼鐵生產(chǎn)流程的復(fù)雜性和過程參數(shù)的不確定性，現(xiàn)階段大多數(shù)鋼廠的智能生產(chǎn)技術(shù)研究僅局限于某一裝置或?qū)蛹?jí). 本研究通過對(duì)工藝精準(zhǔn)控制、流程運(yùn)行控制和精益生產(chǎn)計(jì)劃與調(diào)度進(jìn)行了系統(tǒng)研發(fā)與綜合集成，實(shí)現(xiàn)了煉鋼廠的多尺度建模與協(xié)同制造.

未來鋼鐵企業(yè)要深入實(shí)現(xiàn)智能制造，需從鋼鐵工業(yè)全局角度出發(fā)，不斷深化先進(jìn)在線檢測(cè)技術(shù)開發(fā)、數(shù)據(jù)挖掘與處理、冶金機(jī)理模型精度與效率、設(shè)備控制精準(zhǔn)度等多領(lǐng)域、多方面的研發(fā)，深入完善基于冶金過程各單元裝置的機(jī)理模型，逐步形成以冶金機(jī)理模型為主導(dǎo)、過程數(shù)據(jù)模型為支撐的協(xié)同建模思路，努力實(shí)現(xiàn)信息物理系統(tǒng)中物理系統(tǒng)與數(shù)字系統(tǒng)的有機(jī)融合，實(shí)現(xiàn)全流程關(guān)鍵工序工藝同生產(chǎn)計(jì)劃與調(diào)度、流程質(zhì)量管控等的動(dòng)態(tài)協(xié)同，加快煉鋼?連鑄過程智能制造系統(tǒng)的工程化，推進(jìn)鋼鐵工業(yè)智能化發(fā)展.