基于大口径不锈钢管企业高炉生产的大数据应用

随着中国制造2025国家战略的深入发展,国家不断制定落实一系列措施来推动中国制造业智能转型升级。同时,大口径不锈钢管企业的智能制造、绿色、数字化转型等议题成为讨论的焦点。其中重要的手段就是大口径不锈钢管企业深度应用工业互联网、云计算、大数据等先进技术,通过工业化和信息化的深度融合,推进企业智能制造技术落地应用,加快推动传统大口径不锈钢管企业的转型升级。利用大数据分析,研究模拟高炉“黑箱”内部作业情况,为生产调度决策提供指导依据,从而提高生产效率,降低能源消耗及生产损耗,以实现降低炼铁生产成本。文章通过对大数据在炼铁高炉生产过程中的应用设想加以叙述。

炼铁工序是直面企业外部复杂多变的原料采购环境,要消化原料质量波动对生产的影响;在生产过程各工序错综复杂难以协同优化控制,操作过程仍以人工经验和主观判断为主,炼铁知识难以转化、沉淀、复用,技术提升过程面对高炉“黑箱”内部的物理场难以解析的问题,难以做到炉况的长期稳定等。这就导致了整个炼铁过程基本都是依赖与人而不是智人在管理和控制,生产过程的标准化、智能化体系难以建立,以及行业企业内各炼铁厂技术经济指标参差不齐的问题。

1依托基础感知器件

现场PLC/DCS->实现智能化物质/能量/信息组织管理(通过各工艺单元智能管理系统实现生产控制自感知、自决策、自执行、自适应)->进而实现产线集中监控及智能化经营服务(通过硬件层面+软件层面智能化系统整合,实现产线各工艺单元的智能管理,同时基于平台整合铁前MES业务功能实现企业大数据智能分析及智能化经营服务)。将数据标准进行统一,实现数据互联共享、统一的数据资产智能分析以及产线的集中智能监控经营。

2炼铁云边协同的生产运营管理模式

“云”即指平台,在数据中心的基础上搭建大数据分析平台对中长期数据挖掘分析,实现操作制度的优化和长周期的炉况分析、诊断与决策,同时整合铁前MES业务功能,打通采购—生产—管理数据孤岛及业务孤岛。“边”即指各工艺单元的智能管理系统,在炼铁各工艺单元的主控制建立运用机理建模和人工智能实现工况诊断的智能管理系统,实现“工业传感+物联网动态感知”—“机理模型+知识库智能诊断”—“大数据+机器学习优化决策及协同管理”的炼铁的智造智管。因此大数据在炼铁高炉生产过程中应用主要包含“云”和“边”两个维度(协同优化),旨在推动炼铁高炉操作技术、管理水平的提升,进而实现铁前制造过程的标准化、智能化。

3工业互联网平台

IaaSPaaSSaaS的新型架构建立炼铁大数据平台,采用分布式数据处理和任务调度,经济高效的完成数据集成,实现高效率、规范化数据处理流程。平台技术架构的设计考虑到大口径不锈钢管行业大数据应用的时效性、周期性和复杂性,制定统一的数据标准和接口规范,实现对结构化和半结构化数据的上传和存储。结合数据展示分析挖掘的实际需要,选择内存数据库、关系型数据、时序数据库、对象数据库以及分布式数据库相结合的混搭式数据存储架构,充分发挥各类型数据库的特点,从而更好的实现在线监测、时序分析、设备报警、大数据分析等业务应用场景。

4建立决策支持的管理信息中心,打造智能领导驾驶舱

专门针对产线生产状态、成本、管理情况的总体分析展示,为企业内部领导及相关高管提供的指标分析型系统。打破数据隔离,实现指标分析及决策场景落地。通过详尽的生产指标、安全指标、成本指标等体系,实时反映炼铁产线的运行状态,将采集的数据形象化、直观化、具体化,打造智能领导驾驶舱,同时还可以支持直接下钻到各工艺单元。

5炼铁高炉大数据平台架构

平台技术架构要考虑到大口径不锈钢管行业大数据应用的时效性、周期性和复杂性,制定统一的数据标准和接口规范。结合数据展示分析挖掘的实际需要,选择内存数据库、关系型数据、时序数据库、对象数据库以及分布式数据库相结合的混搭式数据存储架构,充分发挥各类型数据库的特点,从而更好的实现在线监测、时序分析、设备报警、大数据分析等业务应用场景。采用分布式数据处理和任务调度,经济高效的完成数据集成,实现高效率、规范化数据处理流程。

5.1数据采集治理存储

数据采集部分,支持串口、OPC、关系型数据库、用户自定义报文等多种通讯方式与不同设备或第三方系统进行数据通讯,采用统一的数据标准,无缝链接大数据平台,实现工业现场多元异构系统数据采集,对于一级控制系统数据,提供分布式数据缓冲池,支持毫秒级数据通讯和数据缓存,可配置虚拟点,外挂复杂业务数据处理服务,实现复杂业务数据的加工处理整合。

5.2高炉智能管理系统

系统基于高炉水温差、炉缸热电偶、炉顶成像等整体监测系统,采集高炉一级操作数据、轨道衡、检化验等系统数据建立支撑整个系统高效准确运行数据仓库。运用高炉冶炼机理模型(冶金热力学、动力学模型、冶金物理化学)、专家推理机及移动互联等先进技术建立了服务于炼铁厂的安全预警、生产操作优化、智能诊断、生产管理、在线监测、实时预警等一系列丰富的业务功能,推动炼铁生产过程向数字化、网络化及智能化转型。

5.3安全生产预警模块

通过高炉安全生产预警模块,在统一的坐标系下定制化建立安全预警标准,打通包括冷却壁热负荷监测、炉缸炉底侵蚀、壁体温度巡检、风口检漏和高炉全景视图等各安全监测模型的数据孤岛,为操作人员提供整个炉体纵向、径向的整体化安全监测巡检。

5.4操作冶炼工艺模块

通过高炉生产操作工艺模块,结合包括布料模型、气流分布、操作炉型、送风制度、炉缸平衡、炉缸活跃性、炉渣粘度、动态镜像、平衡计算等对高炉生产具有指导意义的操作模型,可视化监控高炉,实现高炉上部调剂、中部调剂和下部调剂全方面的数字化、模型化。

5.5智能诊断模块

通过炉况智能诊断模块,提供包括炉况智能诊断推理机、多维变量炉况预警、炉况变化关联性分析等智能模型实现炉况的自动分析、诊断、预判,给出相应炉况的操作建议并支持下发一级实现闭环控制(下发一级功能需甲方自动化配合实施)的功能通过自学习实现工长操作层面的自感知-自分析-自决策-自执行的高炉智能优化。

5.6炉况智能诊断推理机

高炉推理机内提前录入完整的高炉炉况识别知识库以及诊断规则。炉况知识库主要分为炉料质量、高炉行程类、炉体和炉热等四大类。高炉行程类又包括空穴、塌料、悬料、管道、料线、煤气分布类型等子规则。高炉炉体类包括,炉缸堆积、结瘤、活跃指数,炉墙侵蚀,渣皮脱落行程等子规则,炉热类包括炉热趋势判断和漏水等两个子类,其中每个子类还包括不同程度的多种现象预报和对应的动作指导。

5.7炉况变化关联性分析

针对高炉实际操作和炼铁流程来看,主要关注的是高炉操作和状态参数同其它参数的关系,将所有涉及高炉生产的原料数据、安全数据、生产过程数据、经济指标数据做相关性矩阵分析,从大数据的角度简单分析影响各个参数的因子。选择高炉操作者关心的任意两组数,求得其阶段关联系数的变化,以此来调整优化高炉工长操作,提高高炉操作的稳定性和方向性,防止误判、盲目操作。

5.8多维变量炉况提前预警

首先将现场关注的、对炉况波动反映比较特征明显的多维数据作为训练集合,利用PCA算法进行降维处理,将样本主要部分进行三维凸包处理得到正常炉况时期的凸包包裹范围,将次要部分进行SPE处理得到正常炉况SPE控制限。将训练后得到的凸包包裹范围与SPE控制限样本应用于现场实时数据,进行检测,一旦有超过凸包包裹范围或者SPE控制限表明有异常炉况。

5.9生产质量管理模块

通过高炉生产质量管理模块,提供包括物料编码、原燃料信息、渣铁信息、有害元素、烧结矿质量跟踪等生产过程管理模型;根据自动读取的原燃料数据实现闭环配料,同时实现电子报表的定制化生成,完全取代纸质报表;此外实现对整个高炉生产过程长短周期的分析自动生成报告,分别在工长、炉长、厂长或专家层面实现为综合判断调整炉况提供更加清晰的依据,为专家制定出最优的调整策略及方向。

5.10数据资产仓库模块

通过高炉数据资产仓库模块,整合高炉一级PLC系统、MES系统、三级检化验系统和高炉智能管理系统等各系统,将实时生产操作数据、上料数据、炉顶布料数据、入炉原燃料数据、热电偶数据、水温差数据、渣铁成分数据、各模型计算结果数据等进行一代炉役的存储形成数据资产,并可按周期定期进行平均值、极值、标准差等数据统计,保障一代炉役的数据追溯。

综上所述,大数据在炼铁高炉生产中的应用,必须建立在炼铁各工艺智能单元及基础硬件监测基础上的,通过对各生产过程数据实时采集和监测,最终形成智造过程数据分析中心和共享中心。同时,运用大数据分析工具及技术,实现对整个生产过程的分析,为现场专家、厂级领导及技术科研发人员综合判断生成经营管理状态、调整生成工况提供更加清晰的依据。帮助企业实现从单一传统大口径不锈钢管制造设备监测到基于工业大数据的整体监测、分析和诊断的体系建立;助力从产线数字化管控到企业级全局分析再到集团对标决策的整体优化,提升生产效率,创新管理模式。

文章作者:不锈钢管|304不锈钢无缝管|316L不锈钢厚壁管|不锈钢小管|大口径不锈钢管|不锈钢换热管

文章地址:http://www.gbt14976.com/Info/View.Asp?Id=1127

版权所有 © 转载时必须以链接形式注明作者和原始出处

我们需要您的支持与分享

分享到:

相关新闻

    没有资料