青島特鋼鐵前系統(tǒng)智能制造優(yōu)化提升實(shí)踐

楊領(lǐng)芝，王海波，陳 哲，王 東

（1 青島特殊鋼鐵有限公司，山東青島 266409；2 青島海信醫(yī)療設(shè)備股份有限公司，山東青島 266000；3 青島理工大學(xué)，山東青島 266520）

1 前 言

青島特殊鋼鐵有限公司（簡稱青島特鋼）的鐵前生產(chǎn)體系中配置了大型二次料場和混勻料輸配系統(tǒng)、2 座焦?fàn)t、3 臺(tái)燒結(jié)機(jī)、3 座高爐，具有完整的自動(dòng)化、信息化生產(chǎn)管理體系。但是在進(jìn)一步的產(chǎn)業(yè)升級(jí)過程中，出現(xiàn)了諸多發(fā)展瓶頸。為此，青島特鋼以鐵前系統(tǒng)為試點(diǎn)，按照“總體規(guī)劃、分步實(shí)施”的推進(jìn)方式，把綜合原料場、焦化工序、燒結(jié)工序、煉鐵工序的生產(chǎn)數(shù)據(jù)整合在一起，打造一個(gè)功能完備的鐵前一體化智能管控平臺(tái)，從而打破工序間的信息孤島［1-2］、優(yōu)化工序人員結(jié)構(gòu)布局、實(shí)現(xiàn)工序間的智能銜接；引入智能制造和機(jī)器學(xué)習(xí)技術(shù)，對(duì)生產(chǎn)操控參數(shù)進(jìn)行優(yōu)中選優(yōu)，實(shí)現(xiàn)工序產(chǎn)線能力的綜合提升。

2 鐵前系統(tǒng)的主要問題及提升方向

2.1 人員結(jié)構(gòu)問題

隨著鋼鐵產(chǎn)業(yè)技術(shù)進(jìn)步，從業(yè)人員的人員結(jié)構(gòu)也發(fā)生著重大變化，傳統(tǒng)的一線操作工人已經(jīng)全部被大專以上學(xué)歷的員工替代，知識(shí)結(jié)構(gòu)的提升深化了對(duì)生產(chǎn)工藝的認(rèn)知，一線員工在洞悉上下游崗位操作和工序間的耦合影響方面的意愿非常強(qiáng)烈。同時(shí)，鋼鐵行業(yè)從業(yè)人員短缺，尤其是艱苦崗位，也是助推智能制造進(jìn)步，實(shí)施機(jī)器代替人的重要需求。

2.2 信息孤島問題

在綜合原料場、焦化工序、燒結(jié)工序和高爐工序中，每條產(chǎn)線都有獨(dú)立的一級(jí)、二級(jí)操控系統(tǒng)，生產(chǎn)數(shù)據(jù)的采集、存儲(chǔ)和梳理都需要人工記錄，再轉(zhuǎn)移到技術(shù)管理人員的計(jì)算機(jī)上進(jìn)行，然后再進(jìn)行系統(tǒng)性匹配分析，這不僅分析結(jié)果滯后，而且數(shù)據(jù)不全面，分析結(jié)果對(duì)生產(chǎn)的指導(dǎo)和促進(jìn)作用微弱；因此，聯(lián)通各信息孤島，實(shí)現(xiàn)數(shù)據(jù)即時(shí)互通，是生產(chǎn)體系聯(lián)動(dòng)進(jìn)步的關(guān)鍵。

2.3 工序協(xié)同問題

鐵前是典型的長流程，從二次料場開始配制混勻料到轉(zhuǎn)變?yōu)殍F水，需要?dú)v時(shí)7 d，期間要操控預(yù)配料系統(tǒng)11個(gè)料倉、焦化12個(gè)料倉、燒結(jié)17個(gè)料倉、高爐12個(gè)料倉及諸多物料轉(zhuǎn)運(yùn)環(huán)節(jié)，實(shí)現(xiàn)點(diǎn)到點(diǎn)的全過程跟蹤，分析影響鐵水產(chǎn)質(zhì)量水平的影響因素，在依賴人工統(tǒng)計(jì)的情況下，不僅勞動(dòng)量巨大，而且難以準(zhǔn)確匹配和精準(zhǔn)分析，需要各工序的高度協(xié)同。

2.4 智能化提升問題

在鐵前生產(chǎn)體系中，需要進(jìn)行二次料場配比、焦化工序配煤、燒結(jié)工序配料、高爐槽下配礦等多環(huán)節(jié)的持續(xù)高頻數(shù)據(jù)采集和即時(shí)聯(lián)動(dòng)運(yùn)算。在傳統(tǒng)的生產(chǎn)模式中，均為人工預(yù)算-生產(chǎn)記錄-數(shù)據(jù)統(tǒng)計(jì)-對(duì)比分析-人工優(yōu)化的粗放式閉環(huán)，在計(jì)算器運(yùn)算能力快速發(fā)展的大環(huán)境下，以實(shí)時(shí)數(shù)據(jù)庫為依托的人工智能迭代運(yùn)算［3］，是智能化提升過程最核心環(huán)節(jié)。

3 鐵前智能制造全面提升的措施

3.1 打造鐵前一體化智能管控平臺(tái)

從機(jī)理與大數(shù)據(jù)分析層面建立機(jī)理模型，打造單元工序智能應(yīng)用系統(tǒng)，搭建鐵前生產(chǎn)大數(shù)據(jù)中心［4］，深度融合物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算、移動(dòng)互聯(lián)等先進(jìn)工業(yè)互聯(lián)網(wǎng)技術(shù)，構(gòu)建鐵前一體化智能管控平臺(tái)。平臺(tái)分為燒結(jié)生產(chǎn)大數(shù)據(jù)模塊和高爐生產(chǎn)大數(shù)據(jù)模塊兩大部分，主要功能如下。

（1）燒結(jié)-高爐生產(chǎn)聯(lián)動(dòng)分析功能。從“燒結(jié)配料1號(hào)鐵料倉”開始，至“高爐出渣出鐵”結(jié)束，根據(jù)皮帶轉(zhuǎn)速、混合制粒時(shí)間、燒結(jié)臺(tái)車、環(huán)冷機(jī)運(yùn)行速度、高爐槽下料位等數(shù)據(jù)，實(shí)時(shí)動(dòng)態(tài)地將整個(gè)煉鐵過程的生產(chǎn)數(shù)據(jù)進(jìn)行時(shí)間上的統(tǒng)一匹配，真正打通鐵前產(chǎn)線的數(shù)據(jù)鏈，實(shí)現(xiàn)工序數(shù)據(jù)協(xié)同［5］，基于數(shù)據(jù)協(xié)同進(jìn)一步實(shí)現(xiàn)各類物料質(zhì)量跟蹤，從而準(zhǔn)確分析各工藝點(diǎn)數(shù)據(jù)對(duì)產(chǎn)、質(zhì)量的影響因素。

（2）數(shù)據(jù)挖掘智能對(duì)標(biāo)功能。從產(chǎn)線、工序、班組等不同層級(jí)對(duì)生產(chǎn)、質(zhì)量、操作等不同方面進(jìn)行橫向、縱向不同維度的智能對(duì)標(biāo)，從時(shí)空多維度分析指標(biāo)差異與提升空間，并給出綜合對(duì)標(biāo)評(píng)價(jià)。

（3）人工智能尋優(yōu)分析功能［6］。通過對(duì)歷史運(yùn)行數(shù)據(jù)進(jìn)行分析，自動(dòng)提取高產(chǎn)型、低耗型績優(yōu)工況時(shí)間區(qū)間，并自動(dòng)生成績優(yōu)工況時(shí)期的原燃料條件及操作控制標(biāo)準(zhǔn)范圍，通過有監(jiān)督和無監(jiān)督機(jī)器學(xué)習(xí)，自動(dòng)分析當(dāng)前操作與績優(yōu)工況的差異，給出定量化調(diào)整建議，優(yōu)化修正工藝操作標(biāo)準(zhǔn)。

（4）爐況智能診斷。實(shí)現(xiàn)高爐生產(chǎn)參數(shù)、模型計(jì)算參數(shù)、推理過程參數(shù)的全生命周期監(jiān)控；聯(lián)動(dòng)邊緣側(cè)爐況診斷推理機(jī)實(shí)時(shí)分析、診斷爐況變化，并通過“云邊協(xié)同”不斷迭代優(yōu)化邊緣側(cè)診斷規(guī)則庫。

（5）便捷的數(shù)據(jù)統(tǒng)計(jì)分析模式。系統(tǒng)集成各類數(shù)據(jù)算法、數(shù)據(jù)分析工具、數(shù)據(jù)可視化工具、應(yīng)用開發(fā)工具，讓各層級(jí)管理人員輕松、準(zhǔn)確地對(duì)各工藝點(diǎn)進(jìn)行橫向產(chǎn)線對(duì)比分析和縱向數(shù)據(jù)變化規(guī)律預(yù)判，生產(chǎn)組織進(jìn)入良性發(fā)展模式。

3.2 智能運(yùn)算模型得到廣泛應(yīng)用

實(shí)現(xiàn)生產(chǎn)過程中的原料參數(shù)、操作參數(shù)和設(shè)備參數(shù)的實(shí)時(shí)調(diào)整是平臺(tái)建設(shè)的重要目標(biāo)，為此，平臺(tái)規(guī)劃、開發(fā)了一系列的優(yōu)化模型，能夠減小中間操作對(duì)指標(biāo)波動(dòng)的影響，通過過程穩(wěn)定性的提高，提質(zhì)降本。平臺(tái)累計(jì)開發(fā)各類模型18個(gè)。

（1）智能配料計(jì)算模型。傳統(tǒng)的配料計(jì)算方法多采用人工經(jīng)驗(yàn)試算，計(jì)算量大，難以考慮所有影響因素，計(jì)算精度也不能滿足現(xiàn)代燒結(jié)生產(chǎn)的需求。智能配料計(jì)算模型基于依據(jù)物料平衡原理，充分考慮原燃料的成分和燒損，兼顧燒結(jié)礦的目標(biāo)成分和目標(biāo)產(chǎn)量，在恰當(dāng)范圍內(nèi)，給出各種原料使用的最優(yōu)配比方案。

（2）燒結(jié)礦堿度智能控制模型。生產(chǎn)過程中，燒結(jié)礦的檢化驗(yàn)信息自動(dòng)上傳到大數(shù)據(jù)平臺(tái)，當(dāng)檢測結(jié)果與目標(biāo)堿度發(fā)生偏差時(shí)，系統(tǒng)自動(dòng)對(duì)配料的目標(biāo)堿度進(jìn)行修正。二級(jí)系統(tǒng)得到新的堿度目標(biāo)值后，配料系統(tǒng)自動(dòng)按照此目標(biāo)值去調(diào)整熔劑配比。該模型改善了技術(shù)人員憑經(jīng)驗(yàn)對(duì)原料配比進(jìn)行人工調(diào)整的現(xiàn)狀，實(shí)現(xiàn)了在原料發(fā)生變化或成品礦質(zhì)量波動(dòng)時(shí)，做出及時(shí)、精準(zhǔn)的調(diào)整，從而提高燒結(jié)礦堿度的穩(wěn)定率，最終實(shí)現(xiàn)燒結(jié)礦堿度的智能控制。

（3）燒結(jié)終點(diǎn)（BTP）智能控制模型。燒結(jié)終點(diǎn)預(yù)測模型采用廢氣溫度進(jìn)行曲線回歸擬合的辦法進(jìn)行分析［7］。根據(jù)實(shí)際終點(diǎn)位置與預(yù)設(shè)定理想位置的偏差，兼顧溫度上升點(diǎn)位置偏移情況，自動(dòng)給出燒結(jié)終點(diǎn)的調(diào)整方向，實(shí)現(xiàn)燒結(jié)終點(diǎn)判斷的智能化；通過提前分析、適度預(yù)調(diào)整，來穩(wěn)定生產(chǎn)過程，實(shí)現(xiàn)高產(chǎn)優(yōu)質(zhì)。

（4）高爐氣流分布模型。高爐氣流分布的穩(wěn)定性是高爐順行的基礎(chǔ)［8］，傳統(tǒng)的操控模式是中控室操作人員通過密切關(guān)注爐頂十字測溫裝置和冷卻壁水溫差等數(shù)據(jù)進(jìn)行分析，判斷氣流分布變化；新的模型上線后，系統(tǒng)能夠自動(dòng)記錄、即時(shí)縱向、橫向比較氣流分布的變化，出現(xiàn)異常時(shí)能夠即時(shí)預(yù)警。

3.3 平臺(tái)核心理念及技術(shù)應(yīng)用

（1）鐵前原料-燒結(jié)-高爐聯(lián)動(dòng)分析。以“燒結(jié)配料1 號(hào)鐵料倉”為起點(diǎn)，以“高爐出渣出鐵”時(shí)間節(jié)點(diǎn)為結(jié)束，根據(jù)皮帶轉(zhuǎn)速、混合機(jī)混料速度、燒結(jié)臺(tái)車、環(huán)冷機(jī)臺(tái)車運(yùn)行速度、高爐槽下料位、高爐排料速度等數(shù)據(jù)，實(shí)時(shí)動(dòng)態(tài)地將整個(gè)煉鐵過程的生產(chǎn)數(shù)據(jù)進(jìn)行時(shí)間上的統(tǒng)一匹配，真正打通鐵前系統(tǒng)的數(shù)據(jù)壁壘，實(shí)現(xiàn)各生產(chǎn)線間的數(shù)據(jù)協(xié)同?；跀?shù)據(jù)協(xié)同可進(jìn)一步實(shí)現(xiàn)各類物料質(zhì)量跟蹤，分析產(chǎn)質(zhì)量與原料質(zhì)量、過程數(shù)據(jù)之間的對(duì)應(yīng)關(guān)系，有助于第一時(shí)間找到制約生產(chǎn)的痛點(diǎn)，制定更有效的應(yīng)對(duì)措施，提升產(chǎn)線生產(chǎn)能力。鐵前一體化平臺(tái)智能爐況分析業(yè)務(wù)包括產(chǎn)線聯(lián)動(dòng)分析、智能對(duì)標(biāo)、工況分析、尋優(yōu)分析、智能診斷等。

（2）最佳操控參數(shù)獲取。通過對(duì)歷史運(yùn)行數(shù)據(jù)進(jìn)行分析，自動(dòng)提取高產(chǎn)型、低耗型績優(yōu)工況時(shí)間區(qū)間，并自動(dòng)生成績優(yōu)工況時(shí)期的原燃料條件及操作控制標(biāo)準(zhǔn)范圍，通過有監(jiān)督和無監(jiān)督機(jī)器學(xué)習(xí)，自動(dòng)分析當(dāng)前操作與績優(yōu)工況的差異，給出定量化調(diào)整建議，優(yōu)化修正工藝操作標(biāo)準(zhǔn)。

（3）智能對(duì)標(biāo)驅(qū)動(dòng)競賽意識(shí)提升。從產(chǎn)線、工序、班組等不同層級(jí)對(duì)生產(chǎn)、質(zhì)量、操作、安全等不同方面進(jìn)行橫向、縱向不同維度的智能對(duì)標(biāo)，從時(shí)空多維度地分析指標(biāo)差異與提升空間，并給出綜合對(duì)標(biāo)評(píng)價(jià)，以折線圖、柱狀圖等直觀的形式在線展示，讓基層班組直觀看到差距。

4 效果檢驗(yàn)

平臺(tái)通過爐況種類進(jìn)行標(biāo)記，結(jié)合平臺(tái)定制化配置的分析方案對(duì)各種異常爐況進(jìn)行在線分析，將結(jié)果進(jìn)行保存并支持隨時(shí)對(duì)分析過程及結(jié)果復(fù)盤討論，最終的分析結(jié)論可聯(lián)動(dòng)邊緣側(cè)推理機(jī)形成推理提示，實(shí)踐證明平臺(tái)運(yùn)行效果良好。

4.1 高爐爐況跟蹤預(yù)測

2022年2月，2號(hào)高爐出現(xiàn)爐況波動(dòng)，通過高爐系統(tǒng)尋優(yōu)分析模塊，自動(dòng)尋找到2號(hào)高爐的高產(chǎn)低耗和低產(chǎn)高耗的兩類爐況類型的數(shù)據(jù)，并做出對(duì)比分析，結(jié)果如表1所示。

通過表1數(shù)據(jù)分析可知，高產(chǎn)低耗階段與低產(chǎn)高耗階段對(duì)比，燒結(jié)礦的轉(zhuǎn)鼓強(qiáng)度、煤氣利用率較高，頂溫波動(dòng)范圍較小，爐缸活躍性指數(shù)較高，鐵水硅含量整體水平較穩(wěn)定。

4.2 高爐專家系統(tǒng)模型運(yùn)行案例

系統(tǒng)對(duì)高爐生產(chǎn)參數(shù)、模型計(jì)算參數(shù)、推理過程參數(shù)進(jìn)行周期性監(jiān)控；聯(lián)動(dòng)邊緣側(cè)爐況診斷推理機(jī)的實(shí)時(shí)分析，通過“云邊協(xié)同”不斷迭代優(yōu)化邊緣側(cè)診斷規(guī)則庫，形成智能系統(tǒng)專家診斷模型［9］。

2#高爐智能系統(tǒng)專家診斷模型于2022年3月5日11：00 推理出高爐發(fā)生邊緣管道，并建議減風(fēng)103 m3/min，臨時(shí)加焦比15 kg/t，且10：40 推理出高爐有小氣流。爐況發(fā)生后，現(xiàn)場及時(shí)減風(fēng)150 m3/min，且在13：00 增加噴煤量1 t/h，15：00 增加噴煤量1.5 t/h。

實(shí)踐證明，智能系統(tǒng)的相關(guān)模型在異常爐況發(fā)生時(shí)，都能從數(shù)據(jù)表現(xiàn)上看出異常。結(jié)合案例導(dǎo)致的結(jié)果和現(xiàn)場的后續(xù)操作可知，操作工增加噴煤量的時(shí)間比較延后，最終導(dǎo)致爐溫大幅下降，造成一定損失。隨著機(jī)器學(xué)習(xí)樣本的增加和經(jīng)驗(yàn)數(shù)據(jù)的積累，系統(tǒng)對(duì)爐況判斷的準(zhǔn)確性將越來越準(zhǔn)確。

5 結(jié) 語

青島特鋼鐵前一體化智能管控平臺(tái)的開發(fā)與運(yùn)行，對(duì)鐵前生產(chǎn)起到明顯促進(jìn)作用，不僅解決了信息孤島難題，而且工序協(xié)同發(fā)揮了更重要作用。隨著智能分析、智能反饋、智能操作等模塊的逐漸完善，平臺(tái)對(duì)生產(chǎn)的影響凸顯。

（1）平臺(tái)集成了各類數(shù)據(jù)算法、數(shù)據(jù)分析工具、數(shù)據(jù)可視化工具、應(yīng)用開發(fā)工具，對(duì)企業(yè)不同類型數(shù)據(jù)進(jìn)行匯集、規(guī)整、融合、分析，將生產(chǎn)過程中所形成的設(shè)計(jì)資料、事故預(yù)案、工況樣本、分析報(bào)告、操作規(guī)程及技術(shù)文獻(xiàn)等形成電子數(shù)據(jù)資產(chǎn)，形成各類案例庫、樣本庫、資料庫。

（2）平臺(tái)把各工序單元的生產(chǎn)信息匯聚在一起，根據(jù)設(shè)定條件和目標(biāo)遠(yuǎn)程掌握燒結(jié)、高爐的一線生產(chǎn)情況，主動(dòng)、直觀、即時(shí)了解技術(shù)經(jīng)濟(jì)指標(biāo)變化；幫助管理人員實(shí)現(xiàn)了對(duì)異常工況的早了解、早應(yīng)對(duì)。

（3）通過數(shù)據(jù)對(duì)標(biāo)、尋優(yōu)分析等模塊，可以提取最佳生產(chǎn)情況下的相關(guān)數(shù)據(jù)，不斷積累生產(chǎn)經(jīng)驗(yàn)，實(shí)現(xiàn)各工序之間生產(chǎn)差異逐步減小，生產(chǎn)指標(biāo)逐漸優(yōu)化提升。

（4）燒結(jié)智能系統(tǒng)通過智能配料模型，根據(jù)原料成分和燒結(jié)礦化驗(yàn)結(jié)果，調(diào)整熔劑和燃料的配比，優(yōu)化配料比例，保證燒結(jié)礦堿度和亞鐵的穩(wěn)定，降低燒結(jié)礦成分波動(dòng)。通過燒結(jié)點(diǎn)火模型、均勻一致性模型、燒結(jié)終點(diǎn)模型等模型的使用，實(shí)現(xiàn)了燒結(jié)終點(diǎn)及料面均勻性的可視化，幫助現(xiàn)場操作人員實(shí)時(shí)掌握燒結(jié)狀況，穩(wěn)定了燒結(jié)終點(diǎn)，提高了燒結(jié)質(zhì)量。

（5）高爐智能系統(tǒng)通過其豐富的數(shù)據(jù)展示及其機(jī)理模型的應(yīng)用，從安全、長壽、高效等方面全方位提升了高爐的穩(wěn)定順行狀態(tài)，系統(tǒng)上線期間，高爐冷卻壁、風(fēng)口、爐缸的安全得到有效監(jiān)控，高爐爐況診斷的準(zhǔn)確率達(dá)到80%以上，一定程度上避免了較大的爐況波動(dòng)。自動(dòng)報(bào)表的上線解決了現(xiàn)場長期記錄紙質(zhì)報(bào)表的難題，工長勞動(dòng)強(qiáng)度得到緩解。同時(shí)，高爐智能系統(tǒng)的投用，經(jīng)濟(jì)指標(biāo)也得到提升，燃料比降低2.3 kg/t，煤氣利用率提高0.6%。