产业应用案例

鞍钢集团自动化有限公司是鞍钢集团旗下集设计开发、系统集成和技术服务于一体的高新技术企业。公司遵循“视质量为生命、以质量占市场、靠质量求发展、用质量赢信誉”的质量方针,紧密围绕“互联网+先进制造”的发展战略,始终注重产品研发和持续改进,及时向客户提供周到的服务,充分体现以客户为中心的经营理念,为客户创造最大的价值。

一、项目概况

钢铁制造是典型的长流程工业,生产工序众多,工艺流程复杂,大型设备集中,且工艺参数繁多,多参数间耦合性强。我国各钢铁企业的生产过程数据均存放在各工序独立的一二级与三四级系统中。由于数据架构、技术平台和数据采集技术的局限,使得日累计达上百GB的生产数据形成信息孤岛,无法共享、融合,更有大量非结构数据无法被利用参与分析。

2015年,我国政府工作报告提出“互联网+”行动计划,推动移动互联网、云计算、大数据、物联网等与现代制造业相结合,大数据产业逐步从理论研究加速进入应用时代。

在中国制造2025,互联网+行动计划指引下,移动互联网、云计算、大数据、物联网、5G技术与现代制造业融合势在必行。炼钢厂每日上百GB非结构化数据形成信息孤岛,无法利用参与分析,以炼钢为代表的长流程工业生产工序难以实现智能制造是摆在面前的难题。鞍钢集团自动化公司通过打通一二三四级计算机网络,解决各计算机层级通讯问题;打通前后工序信息通道,解决长流程工序衔接问题;通过云计算+5G应用,解决非结构化数据传输与边缘计算机算力不足问题。

鞍钢集团自动化有限公司多年以来在炼钢转炉、精炼、连铸等生产工艺环节通过大量的工程项目积累了丰富的生产经验,拥有多项专利技术与丰富的先进生产操作法;中国移动拥有国家颁布的4.9GHz频段5G工业互联网牌照,在鞍钢厂区布署了最快速最安全的工业互联网;中兴公司拥有5G通讯模组开发能力,与鞍钢集团自动化有限公合作进行5G通讯模组的开发和应用;鞍钢集团自动化有限公司拥有独立的数据中心“精钢云”,提供高速、稳定、低价、安全的云计算平台。

本项目应用于原材料工业—黑色金属/钢铁工业行业,转炉炼钢生产控制领域。首次实现4.9GHz频段5G工业互联网的工业场景应用,建成基于云边端架构的5G+智慧炼钢系统,实现转炉氧枪、副枪、投料、终点全自动控制的智慧炼钢。

实现在鞍钢股份炼钢总厂三分厂五号线转炉车间,通过平板电脑,无线启动5G+智慧炼钢系统,应用5G网络实现由“精钢云”数学模型实时控制转炉氧枪、副枪、投料、终点全自动生产。

二、项目实施概况

通过5G等通讯技术将声呐、吊车等信息孤岛与“精钢云”高速连接,同时解决了非结构数据的传输问题,通过大数据处理更精准的识别转炉的工作状态,云计算强大的算力支持,实现了动态精确生产控制。解决了钢铁冶炼无法精准动态控制的问题。

1.1项目总体架构

(1)技术方案

本方案以鞍钢集团自动化有限公司“精钢云”为云平台,以鞍钢股份炼钢总厂数据集控平台为边缘服务器,以炼钢总厂三分厂五号线E转炉声呐、吊车、摄像头、氧枪、副枪、料仓等为终端设备,横跨5G通讯技术、云计算技术、钢铁冶金工艺控制三大技术领域,与中国移动、中兴公司在鞍钢联手打造4.9GHz频段5G工业互联网云边端架构的5G+智慧炼钢系统。

基于4.9GHz频段5G智慧钢铁专网项目基于SA组网模式+MEC边缘计算架构,通过在厂区机房内独立建设边缘计算设备(MEC)与私有云进行对接,实现数据不出厂,保障工业数据和信息安全。新建的4.9GHz频段专用基站不用考虑与现网基站并存,适合在厂房内或局域场景独立建网进行应用,与公网用户完全物理隔离,保障数据安全、提升抗干扰能力。同时,基于特殊的3U1D帧结构满足超级上行需求,灵活配置上下行速率,实现上行峰值速率700Mbps。基于网络切片技术定制5G专网,按需提供网络服务、容量、分布式部署,确保安全、资源、操作维护隔离,提供差异化SLA服务,切片之间独立监控、运营、管理,满足各类应用的差异化网络需求。

以“一种转炉炉渣状态检测控制装置及方法”、“一种转炉冶炼终点碳含量预报装置及预报方法”、“一种转炉副枪过程碳含量预报方法”等15项专利为冶金技术支撑,结合云计算、自学习算法、大数据处理、声呐分析、5G网络通讯架构、APP开发等计算机技术与PLC、OPCUA等自动化控制技术形成5G通讯技术、冶金技术、云计算技术、与自动控制技术的完美结合。

通过设立“精钢云”服务器、架设4.9GHz频段5G工业互联网、打通一二三四级网络建立云边端智慧工厂架构,建立声呐、吊车、摄像头、化验室、MES的通讯接口,开发与应用氧枪、副枪、投料、终点四大冶炼工艺模型,使用PAD经由4.9GHz频段5G工业互联网实现氧枪自动、副枪自动、投料自动、冶炼终点自动控制的一键智慧炼钢。

(2)实施方案

系统建设主要包括三个层次四大部分,三个层次分别是本地执行层、生产监控层和云端,四大部分分别是一键炼钢(包括钢包数据接口)、转炉监控、工业大数据平台和智能专家系统。

本地执行层以一键炼钢为核心建设目标和系统支撑,分为声呐氧枪控制系统、副枪自动控制系统、自学习下料系统、智能终点控制系统四部分;同时实现与声呐系统、吊车系统的数据对接。

生产监控层包括转炉监控系统和工业大数据平台两大部分:

转炉监控系统:主要实现转炉生产控制和状态监视,同时作为专家系统的本地端,既可以由系统设置为专家系统直接执行分析优化后的生产指令,也可以设置为只为生产操控人员提供操作指导。

工业大数据平台:作为系统数据核心,主要包括数据接入、数据集控、数据过滤、数据存储四大部分功能。数据接入即实现与包括二级向一级延伸(倾动系统、氧枪系统、副枪系统、料仓系统、煤气回收系统等)、三级向四级延伸(化检验系统、MES系统等)的数据实时通讯功能;数据集控包括声呐系统,吊车定位系统、钢水罐定位系统数据的通讯与数据处理;数据过滤包括数据清洗与数据整理;数据存储包括数据记录与参数维护。

云端即利用鞍钢集团自动化有限公司的“精钢云”搭建的智慧炼钢支撑系统,主要功能为炼钢工业大数据的管理和对本地算法模型进行训练优化。

本地执行层

主要设计范围包括氧枪自动、副枪自动、料仓自动、终点自动四大功能;分为声呐氧枪控制系统、副枪自动控制系统、自学习下料系统、智能终点控制系统四部分;

接入设备包括倾动系统、氧枪系统、副枪系统、料仓系统、煤气回收系统、声呐系统、吊车定位系统、钢水罐定位系统、化检验系统、三级计划系统、数据库系统、通讯系统、吹氩站设备等。

接入网络包括四级网络、三级网络、二级网络、一级环网等。

通讯协议包括TCP/IP、UDP、OPCDA、OPCUA、REST、MQTT、HTTP、WEBSPHEREMQ等;

接入数据库包括SQLSERVER数据库、ORACLE数据库、DATABASE等。

声呐氧枪控制模块、副枪自动测试模块、自学习投料模块、智慧终点控制模块的调试与应用;通过增设二级服务器、工控机,连接氧枪系统、副枪系统、散料料仓系统、合金料仓系统、声呐系统、吊车定位系统、钢水罐定位系统、三级系统、化检验系统,通过声呐氧枪控制模型、副枪自动测试模型、自学习投料模型、智慧终点控制模型,实现氧枪、副枪、下料、终点自动控制。

功能架构

功能描述

声呐氧枪控制模块

声呐氧枪控制模块由计算静态枪谱、声呐信号分析、控制氧枪枪位、控制氧气流量四部分组成。共分为声呐模式、静态枪谱模式、质谱仪模式(预留)三种控制模式。

l声呐模式

声呐氧枪模块需要连接声呐检测设备,本模块机理为运用声纳微机监控装置对转炉造渣过程的音强变化进行现场测定研究分析造渣制度,通过音强信号的相对模型、喷溅和返干预警线的自动调节和确定最佳化渣区域。

噪声源为吹炼喷枪枪嘴处氧气膨胀发出的声音。谱线分析表明,大多数炉座的曲线峰值出现在低频范围内(100Hz-500Hz)。实践证明特征频率的声强与渣面水平有关。峰值的中心频率主要取决于转炉的尺寸,以及其他一些现场的共鸣条件和各种干扰源的情况。噪声强度等级取决于由炉渣水平面距氧枪口的距离或浸入程度所引起的衰减。在吹炼开始时噪声强度很高这与转炉的低渣面相一致,随着吹炼造渣的进行,渣面逐渐升高,噪声等级逐渐下降。选出特定转炉吹炼时能代表渣面变化的“特征”噪声信号,滤除和抑制杂散干扰后,经声信号处理后如果噪声大幅度下降,操作人员不采用适当方式操作,随之就会发生喷溅,大量炉渣从炉口喷出造成钢铁料的损失。反之,噪声等级在吹炼几分钟以后又出现增大的现象,就意味着炉内泡沫的减少,即所谓反干现象。这种现象如不采取适当的操作方式处理,往往造成钢水的最终成分的超标。

声呐氧枪模块通过大数据分析与声呐系统反馈生成动态氧枪枪位、流量控制指令,通过在转炉电气PLC、仪表PLC编写氧枪自动控制程序及增加通讯接口,实现氧枪动态自动控制;通过动态控制氧枪,减少跑渣或溢渣现象,提高钢水收得率。

l静态枪谱模式

对于没有声呐系统或声呐系统故障的转炉,在冶炼过程中氧枪通过静态枪谱的模式进行控制。静态枪谱分为经验型和大数据型两种控制方式。

经验型枪谱是根据铁水成份(硅含量、钛含量等)、铁水重量、废钢重量及废钢成份等入炉原料情况,精确计算转炉材料总体情况,选择适合的氧枪谱模型,通过DBLC液位计算模型及静态枪谱模型生成氧枪静态控制枪谱,通过在转炉电气PLC、仪表PLC编写氧枪自动控制程序及增加通讯接口,对氧枪进行自动控制。

l质谱仪模式(预留)

对于有质谱仪的转炉,可选择质谱仪模式动态控制氧枪操作。由于质谱仪系统可以实时准确的分析烟气成份,结合烟气流量可测算出转炉炉内的碳氧反应速率。根据大数据求出转炉冶炼各阶段的理想反应速率,并确定跑渣与返干的速率区间,通过质谱仪模型,在转炉电气PLC、仪表PLC编写氧枪自动控制程序及增加通讯接口动态控制氧枪,使转炉脱碳反应速度保持在理想脱碳曲线区间内,从而实现转炉氧枪动态自动控制,达到减少跑渣与返干现象的发生,提高钢水收得率,稳定钢水成份的作用。

副枪自动测试模块

副枪自动测试模块由探头种类选择、探头自动安装、TSC自动测试、TSO自动测试四部分组成。

自学习投料模块

自学习投料模块由自学习参数、碱镁平衡计算、热平衡计算、料仓自动控制四部分组成。通过大数据分析与专家模型确定自学习参数;通过碱镁平衡计算确定熔剂种类及加入量;通过热平衡计算确定降温材料或升温材料加入量;通过料仓自动控制将各熔剂与降温材料或升温材料通过模拟人工手动加入方式,多批次小批量适时加入炉内;

通过在转炉电气PLC、仪表PLC编写料仓阀门、称量斗、汇总斗等设备自动控制程序及增加通讯接口,实现料仓系统自动控制;通过计算机计算,取代人工计算,提高计算精度,通过增加粘度设计,可有效保护炉衬,提高转炉炉龄,延长转炉底吹寿命,降低钢铁料成本。

智能终点控制模块

智能终点控制模块由计算冶炼目标,计算实时碳温,料仓自动控制,终点自动控制四个部分组成。

模块在副枪TSC测试时启动运行,首先根据三级IBMWEBSPHEREMQ协议发送的冶炼计划电文及钢水罐定位系统数据,计算冶炼目标温度与目标碳含量;根据副枪TSC测试熔池温度与结晶温度、吹氧量等数据计算实时碳温曲线;根据冶炼目标与实时碳温趋势控制料仓自动加料;

通过七段论转炉冶炼终点控制法生成转炉终点操作指令,通过在转炉电气PLC、仪表PLC编写转炉终点控制程序及增加通讯接口,实现冶炼终点自动控制;七段论包含了转炉冶炼终点可能出现的七种状态,各种状态都给出合理的解决方案,可实现任何情况下最理想的碳温平衡输出结果。

生产监控层

HMI人机界面

专家指导

专家指导系统包括决策指导与闭环控制两种模式。当操作人员选择手动操作时,专家指导系统将给出推荐计算结果,为操作人员提供决策指导;当操作人员选择自动控制模式时,智慧炼钢系统根据生产状态自动启动运行,自动进行氧枪、副枪、料仓及冶炼终点自动生产控制。

工业大数据平台

数据接入

一二级系统接口:在一键炼钢服务器上建设基于OPCUA通讯协议的一二级数据集控平台,电气PLC、仪表PLC、煤气PLC、合金PLC、副枪PLC等通过工业以太网协议集控在数据集控平台,二级系统通过OPCUA协议与数字孪生技术与数据集控平台通讯。

三四级系统接口:建设三四级通讯的IBMWEBSPHEREMQ数据通讯队列管理器,设计三四级通讯电文接口,编写通讯程序,将MQ队列管理器数据写入SQL数据库对应数据表,实现与三四级通讯。

数据集控

声呐数据集控:通过增设网线将声呐仪表接入炼钢网络,与声呐厂家联合开发声呐系统通讯接口,建设MICROSOFTSQLSERVER数据库将声呐数据写入数据库。通过ODBC+OPCUA技术将声呐信号接入数据集控平台,实现声呐数据接入智慧炼钢系统。

吊车数据集控:通过增设网线将吊车系统接入炼钢网络,与吊车厂家联合开发吊车系统通讯接口,建设MICROSOFTSQLSERVER数据库将吊车数据写入数据库。通过ODBC+OPCUA技术将吊车信号接入数据集控平台,实现吊车数据接入智慧炼钢系统。

数据清洗

通过高效的过滤处理,将抽取各环节的有效数据,将生产过程中的分散、零乱、标准不统一的数据整合到一起,将设备故障、仪表故障、人为操作失误等造成的错误数据进行清洗,避免对自动生产控制产生影响,为数据分析提供坚实的基础。

数据整理

数据的抽取、转换、装载是构建数据仓库的重要环节。大数据分析系统与生产车间的一二级系统、三四级系统、ERP系统、检化验系统、物联网设备、移动设备进行全面对接,收集所有工序的生产、控制、工艺、能源介质、设备运行、质量参数等数据及图像视频资料。系统将这些多源、多类型数据经过整理转换形成统一可用的数据格式。

数据记录

采用海量数据仓库管理及分布式数据处理技术,不但提高了系统的可靠性、可用性和存取效率,而且易于扩展。数据存储机制通过多节点的冗余处理有效保障了系统的数据安全。先进的流处理技术使得系统具备高速的数据采集能力,满足钢铁企业各生产车间,尤其是毫秒级数据采集存储需求。

数据存储后形成数据湖,为数据挖掘,工艺改进,生产问题查询,模型优化提供了数据基础。

参数维护

采用数据集控平台与数据库的数字孪生技术实现炼钢冶炼参数与数据传递,不但提高了系统的可靠性,而且提高了大数据平台的数据传递效率。先进的流处理技术使得系统具备高速的数据传递能力,满足HMI人机界面、一键炼钢模型、云端的参数运算需求。

在本地系统中利用算法工具建立各执行层控制模块的生产及工艺模型,这些模型是参与生产控制的核心模块,同时为了提高模型精度,系统将在云端通过历史数据对算法模型进行不断优化验证后,形成新的参数,通过数字孪生技术返回给本地系统中,从而反复提高算法模型的适用性和准确度。

云端

大数据管理

收集所有工序的生产、控制、工艺、能源介质、设备运行、质量参数等数据资料。系统将这些多源、多类型数据经过清洗和转换形成统一格式存入数据仓库。

收集订单、技术协议、产品质量、原料成本数据形成钢铁产品全生命周期大数据,收集炼铁、预处理、转炉、氩站、精炼、连铸炼钢生产全工序大数据,为后期数据挖掘、模型开发提供数据湖。

模型优化系统

在大数据湖的基础上,通过数据挖掘,利用云端的算力优势,进行智能炼钢参数自优化计算。通过云边数字孪生技术,进行智慧炼钢系统参数动态更新,实现智慧炼钢生产工艺参数在线动态优化。

质量判定系统

利用大数据湖对影响钢种质量的数据进行分析,根据钢种作业指导书,对转炉生产工序质量进行预判,对操作工提出操作建议。

指标分析系统

利用大数据湖对影响成本的钢铁料、白灰单耗、氧气单耗等指标进行分析,当指标异常时,通过HMI画面及声音报警等方式对操作工进行提示。

2.1本地系统网络架构

本地系统网络架构主要设计范围包括氧枪自动、副枪自动、料仓自动、终点自动四大功能;分为声呐氧枪控制系统、副枪自动控制系统、自学习下料系统、智能终点控制系统四部分;

声呐氧枪控制模块、副枪自动测试模块、自学习投料模块、智慧终点控制模块的调试与应用;通过增设二级服务器、工程机,连接氧枪系统、副枪系统、散料料仓系统、合金料仓系统、声呐系统、吊车定位系统、钢水罐定位系统、三级系统、化检验系统,通过声呐氧枪控制模型、副枪自动测试模型、自学习投料模型、智慧终点控制模型,实现氧枪、副枪、下料、终点自动控制的一键炼钢生产方式。

图13网络架构图

钢铁制造是典型的长流程工业,生产工序众多,工艺流程复杂,大型设备集中,且工艺参数繁多,多参数间耦合性强。我国各钢铁企业的生产过程数据均存放在各工序独立的一二级与三四级系统中。由于数据架构、技术平台和数据采集技术的局限,使得日累计达上百GB的生产数据形成信息孤岛,无法共享、融合,更有大量诸如视频、图片的非结构数据无法被利用参与分析。

炼钢总厂五号线于2015年1月16日建设投产,采购了武汉自动化公司副枪设备、镭目公司声呐检测设备(RM-200S多频段音频分析仪)、余姚太平洋公司吊车定位与钢水罐定位设备、辽宁光电公司下渣检测设备、鞍钢集团自动化有限公司PLC及集控设备等。

由于供货厂商繁多,设计范围、通讯标准各不相同,导致声呐设备、吊车称重设备、钢水罐定位设备、化检验设备等各自独立运行,未实现数据及时互联互通。

其它使用的炼钢各系统存在问题如下:

1、信息孤岛化:由于声呐、吊车、副枪、氧枪、料仓等设备网络不通,冶炼系统不能接收声呐数据;不能自动接收三级计划(接收不到冶炼目标);不能自动接收三级作业指导书(接收不到合金目标);不能自动采集铁水罐号、成份、温度,废钢槽号、重量等信息(无法收到钢铁料数据);由于网络复杂,不能及时接收化检验数据,各系统皆为信息孤岛;

2、人机界面不友好:吹炼开始前,需要操作工人录入百余项数据,在现场操作工人减员的情况下,冶炼系统无法投入运行;吹炼开始后,收到正确的入炉材料信息也不能自动修正模型运算;数据时延长,生产节奏快,冶炼系统无法投入运行;

3、氧枪不能动态控制:氧枪只有固定枪谱,没有动态控制。跑渣返干现象严重,钢铁料损失大,成本高,钢水质量合格率低,不满足鞍钢成本质量要求;

4、下料系统不能加料:二级系统有时启动计算有熔剂值,有时不计算没有熔剂值;下料操作有时阀门动作有时不动作(实际熔剂加入量与计算量不一致,存在丢料现象);TSC测试结果后,只能自动加入一种降温材料(当TSC温度高时,加料不及时,不能满足生产需要);

5、终点控制过氧化:终点温度控制不准确(当碳含量低时经常造成钢水严重过氧化,损害转炉炉衬,可引发安全事故;

6、参数维护不及时:炼钢工艺是随着原材料成本及客户要求变化而变化的,需要持续的技术支持与维护服务,武汉公司不能根据现场工艺变化及时计算和修正工艺参数,现场没有专职参数维护工程师,不能及时调整参数,因而未能应用一键炼钢。

建设切入点

2017年鞍钢正式开启了两化融合、智能制造项目开始大规模建设。2019年鞍钢股份决定将炼钢5#线全线打造成为智慧炼钢示范工厂。

开发环节

氧枪系统改造

采集接口:增加氧枪PLC数据通讯,包括氧枪绝对高度、氧枪实际枪位、熔池深度、氧气实际流量、氧阀状态、氮气实际流量、氮阀状态等数据通讯接口;

控制接口:增加氧枪自动模式、氧枪吹炼模式、氧枪溅渣模式、氧枪吹炼点、氧枪等候点、氧枪上极限点、氧枪设定枪位、氧气设定流量、氮气设定流量控制信号通讯接口;

PLC编程:在氧枪半自动模式基础上,增加两种氧枪自动控制模式;

自动吹炼:当氧枪自动模式、氧枪吹炼模式、氧枪吹炼点信号同时为开时,氧枪自动降枪到氧枪设定枪位、开启氧气阀门并PID调节氧气实际流量至氧气设定流量;

自动溅渣:当氧枪自动模式、氧枪溅渣模式、氧枪吹炼点信号同时为开时,氧枪自动降枪到氧枪设定枪位、开启氮气阀门并PID调节氮气实际流量至氮气设定流量;

枪位控制:当氧枪设定枪位小于氧枪实际枪位时,启动氧枪下降控制;当氧枪设定枪位大于氧枪实际枪位时,启动氧枪上升控制;

氧气流量控制:当氧枪设定流量小于氧枪实际流量时,启动阀开度增大PID控制;当氧枪设定流量大于氧枪实际流量时,启动阀开度减小PID控制;

氮气流量控制:当氮枪设定流量小于氮枪实际流量时,启动氮气阀开度增大PID控制;当氮枪设定流量大于氮枪实际流量时,启动氮气阀开度减小PID控制;

副枪系统改造

采集接口:增加副枪PLC数据通讯,包括熔池温度值、结晶温度值、氧电势值等数据通讯接口;

控制接口:增加副枪自动模式、探头仓选择、副枪连接周期、副枪测量周期等控制信号通讯接口;

当副枪在待机位转炉氧枪吹氧开始时,选择TSC探头仓打开,当探头下降至旋转位时,转动机柜手臂,将探头旋转90度。将副枪高度下降至装探头高度,检测探头导通信号,导通成功后,抬至旋转位,并将副枪枪架旋转至测量位;

当收到副枪自动测试模型测量命令后,将副枪下降至探头插入深度达到目标值,并将贺利氏仪表检测结果发送给副枪自动测试模型接口;将副枪抬出炉口并退掉TSC探头;

将TSO探头仓打开,探头下降至旋转位时,转动机柜手臂,将探头旋转90度。将副枪高度下降至装探头高度,检测探头导通信号,导通成功后,抬至旋转位,并将副枪枪架旋转至测量位;

当收到副枪自动测试模型测量命令后,将副枪下降至探头插入深度达到目标值,并将贺利氏仪表检测结果发送给副枪自动测试模型接口;将副枪抬出炉口并退掉TSO探头。

下料系统改造

采集接口:增加料仓PLC数据通讯,包括各料仓称量值、汇总值、炉内值、称量信号、振动器、翻板阀信号等数据通讯接口;

控制接口:增加各料仓称量目标值、称量控制接口、汇总阀控制接口等控制信号通讯接口;

增设下料自动模式,当下料自动模式且收到自学习投料模型下达各料仓称量目标值时,将各料仓称量目标值写入PLC各料仓称量目标值;

当下料自动模式且收到自学习投料模型下达称量控制信号时,将振动器启动,当各料仓称量重量达到设定目标值时,振动器停止,并打开称量斗,散料进入汇总斗后,关闭称量斗开关,并将料仓称量目标值清零;

声呐系统改造

采集接口:增加声呐系统通讯,包括吹氧信息、加料信息、声呐频率等数据通讯接口;

控制接口:增加声呐启动控制、反冲洗启停控制通讯接口;

当吹炼开始时,将声呐系统启动,声呐频率信号通过数据接口传输到数据共享平台;当吹炼检测结束后,启动氮气反冲洗装置。

吊车系统改造

采集接口:通过与厂家合作,建立天车定位和钢包定位系统通讯,编写数据采集软件,实现废钢入炉量采集、铁水/回炉钢入炉量采集、出钢重量采集、浇铸重量采集;为炼钢工序钢铁料分析与控制提供基础数据。

废钢入炉量采集

铁水/回炉钢入炉量采集

出钢重量采集

浇铸重量采集

“精钢云”:鞍钢集团自动化有限公司数据中心,位于鞍钢厂区内。

5G设备:4.9GHz频段5G设备由中兴公司研发,保证数据安全。

5G网络:5G私有云工业互联网为中国移动公司设计及组网,数据不出厂。

数学模型:鞍钢集团自动化有限公司开发,拥有自主知识产权。

数据可靠:生产实时数据通过OPCUA存储在精钢云服务器上。

国外引进

国内先进

智慧炼钢系统亮点

氧枪自动

静态枪谱

(跑渣、返干严重)

自学习枪谱+质谱仪/声呐动态控制

(有效减少跑渣返干)

副枪自动

按氧控制(碳控制不准)

氧副枪简单联动(测成率较一般)

氧副枪不联动(测成率低)

按碳控制(碳自优化控制)

氧副枪预动作联动(测成率高)

下料自动

2批量(不准确)

静态料谱(计算1次)

20批料(不动作)

每料斗5批料(精准控制)

实时计算+动态称量+智能投料

终点自动

副枪+质谱仪(维护成本高)

副枪(过氧化严重)

副枪+质谱仪(可选)+七段论(碳温协调)

数据采集

自动(人工补充数据20余项)

手动(人工录入数据60余项)

全自动(无人工录入)

升级维护

仍用2004年系统,无法升级

没有维护,无法升级

鞍钢自主知识产权,持续升级

精钢云冗余计算,7*24贴身服务

三、下一步实施计划

中国移动为4.9GHz频段5G工业互联网的服务运营商,中兴公司为4.9GHz频段5G设备制造商,随着4.9GHz频段5G工业互联网的推广与普及,联手推广5G+智慧炼钢系统。

鞍钢集团自动化有限公司拥有20多年的转炉建设经验,主持参与了国内200余座转炉建设项目,是转炉自动化建设领域资深企业,5G+智慧炼钢系统作为鞍钢集团自动化公司的最新炼钢自动化产品,在设计与实验期间,已有一些钢厂提出合作意向,下一步准备开展商务洽谈。

按照公司领导安排,下一步与中兴等OEM公司联合开发5G仪表与工业设备。朝阳钢铁公司已将智慧炼钢建设写入十四五规划,已开展前期商务与技术洽谈。

四、项目创新点和实施效果

本项目为4.9GHz频段5G工业互联网首次工业应用,代表我国4.9GHz频段5G工业互联网在工业领域率先实现突破。

代表我国率先建成由“精钢云”云计算实时远程控制的智慧炼钢工厂,率先完成由一二三四级架构向云边端架构转变的现代工业革命。

代表鞍钢作为共和国工业长子积极践行国家“新基建”战略,在5G、云计算、人工智能、工业互联网、智能制造等国家战略方面引领钢铁行业新技术的发展。

该项目由鞍钢集团自动化公司、中国移动、中兴公司共同实施,从此我国拥有自主知识产权的全套5G+智慧炼钢系统,代表炼钢生产迈入AI时代。

解决痛点

经济效益

(1)转炉命中率提高,转炉终点钢水氧含量降低约64ppm,每炉可节约脱氧铝铁消耗41kg,效益计算:

7.5×41÷260=1.18元/吨钢

7.5—铝球单价,元/kg

(2)转炉终点碳含量、温度可实现精准预测,低硅钢、中碳钢等约45%的炉次可实现终点不测试出钢,节省探头消耗效益:

110/260×45%=0.19元/吨钢

110—TSO探头价格,元/支

45%—终点不测试比例

(3)造渣辅原料实现成本最优下的动态计算,约可降低石灰消耗1kg/吨、轻烧1.2kg/吨,降低辅料成本效益计算:

0.7×1+0.53×1.2=1.34元/吨钢

(4)合金优化配置,高碳类、低成本合金取代低碳类、高成本合金,实现单炉成本最优化,合金钢每炉可节省合金成本约2.6元/吨钢,按照合金钢比例65%计算效益:

2.6×65%=1.69元/吨钢

(5)加料、氧枪、合金化、钢包底吹、溅渣等过程操作实现标准化、加之过程防错纠错预警,可有效减少各种人为误操作和成分不合造成的成本浪费,可降低成本约0.7元/吨钢。

总成本降低:1.18+0.19+1.34+1.69+0.7=5.1元/吨钢。

按照吨钢平均降低成本5.1元计算,鞍钢炼钢总厂5#线年产钢约200万吨。

THE END
1.企业大模型开发平台EPAI诞生:让大模型成为新质生产力在4月17日举办的IPF 2024上,浪潮信息发布了大模型开发平台“元脑企智”EPAI(Enterprise Platform of AI),推动大模型与行业场景的深度结合,释放大模型技术的潜力,让大模型技术走出象牙塔,变成真正意义上的新质生产力。大模型从风口到落地,还要过几道关 从2023年的ChatGPT,到2024年的Sora,大模型技术正以https://baijiahao.baidu.com/s?id=1796747050491668350&wfr=spider&for=pc
2.什么是软件开发中的生产模式零代码企业数字化知识站软件开发中的生产模式包括敏捷开发、瀑布模型、快速应用开发(RAD)、极限编程(XP)、Scrum、DevOps、精益开发、V模型、螺旋模型、增量模型、迭代模型等。这些模式根据项目的需求和团队的特点选择使用。例如,敏捷开发是目前最流行的生产模式之一,它强调快速交付、小步快跑、持续反馈和灵活应对变化。敏捷开发通过迭代和增量的https://www.jiandaoyun.com/blog/article/470484/
3.Pytorch与Tensorflow,哪个更值得你学习?TensorFlow是一个非常强大非常成熟的深度学习库,具有非常强大的可视化功能,以及有多个可供选择的框架来进行高级模型开发。它具有用于生产的部署选项,以及对移动平台的支持。如果你有以下需求,那么TensorFlow是一个很好的选择: 1. 开发生产模型 2. 开发需要部署在移动平台上的模型 https://cloud.tencent.com/developer/article/1803704
4.基于“W”模型的整车开发BOM质量数字化管控体系导读:迎接智能制造及大规模个性化定制带来的挑战,满足产品研发配置复杂化、开发敏捷化、响应及时化对产品数据质量的要求,本文提出了一种基于“W模型”的整车开发BOM质量数字化管控体系。 1 前言 传统车企的BOM管理聚焦在生产制造启动之前,针对实际的生产订单要求核对工程BOM,并采取纠错措施,以满足生产制造的物料准备需求https://www.dongchedi.com/article/7410298802856346151
5.药物的研发和生产(化学实体和生物技术产品/生物制品实体)可以开发小规模的模型,并用于支持工艺开发研究。模型开发时应考虑规模效应,及对所拟定商业化生产工艺的代表性。一个科学的确证好的模型能够预测质量,并可以被用于支持多种规模和设备的操作条件的外推研究。 3.1.6 设计空间 设计空间是输入变量(例如,物料属性)和已被证明能够提供质量保证的工艺参数的多维组合和相互作用https://db.ouryao.com/ich/content.php?lang=cn&id=44
6.AI大模型应用开发LangSmith:生产级AI应用维护平台0简介:【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然 大家好,我是同学小张,日常分享AI知识和实战案例 欢迎点赞 + 关注,持续学习,持续干货输出。 一起交流,一起进步。 微信公众号也可搜【同学小张】 https://developer.aliyun.com/article/1490281
7.上海器审发布《医疗器械独立软件现场核查指南》(附全文)根据产品需求、风险特点、开发目标、开发资源等要素,企业可根据需要选择适宜的开发模型和实践方法。每种模型都会涉及图 1 中软件开发过程的相应阶段活动,会产生相应的文件及记录,这些文件和记录应满足可追溯性要求,满足质量管理体系的设计开发控制、软件生存周期控制、文件控制、记录控制等相关文件要求。 http://www.anytesting.com/news/1947829.html
8.2022年度陕西省重点研发计划项目申报指南目录研究内容:针对空天动力作动装臵,开展典型作动机构动力学特性及相关参数的监测与诊断,开展损伤机理研究,结合结构损伤评估、损伤事件统计构建与检测数据相关连的损伤预测模型,实现作动机构运动机理及实时寿命评估方法研究,机械零件运动参数的非接触监测与诊断方法研究及非接触式线性位移和角位移传感器开发,多参量多通道的数据http://www.kt180.com/html/sxs/9889.html
9.APQC企业流程分类框架参考企业风险评估的关键前提一法网4.1.1 开发生产和物料策略 10221 4.1.2 管理产品和服务需求 10222 4.1.3 创建物料计划 10223 4.1.4 创建和管理生产主计划 10224 4.1.5 计划配送要求 17042 4.1.6 建立配送规划约束条件 10226 4.1.7 评审配送规划政策 10227 4.1.8 开发质量标准和程序 10368 4.2 采购物料和服务 10216 流程组 4.2https://www.shangyexinzhi.com/article/4751699.html
10.什么是供应链管理?为什么供应链体系非常重要?界面新闻二、如何选择最优的生产模式? 1.四种传统的生产模型 传统的生产和制造都会经过设计、采购、加工、装配、发运五个环节,主要有四种生产模型。 一是订单设计(Engineer to Order)。从设计环节到发运环节叫订单设计,这种模型从设计本身出发,给客户做贴身定制,需要消耗大量的设计资源、开发资源。在设计和开发阶段,流程周期https://www.jiemian.com/article/4392572_foxit.html
11.系列文章分类汇总尤娜系列 从前,有一个简单的通道系统叫尤娜…… 尤娜系统的第一次飞行中换引擎的架构垂直拆分改造 四种常用的微服务架构拆分方式 尤娜,我去面试了 专业课回顾 白话linux操作系统原理 白话TCP/IP原理 温故知新-什么是软件工程 温故知新-软件生存周期和过程模型 面https://maimai.cn/article/detail?fid=1717206459&efid=rjkjp3XnQ3Cilaj-ZIoEXw
12.高端军事模型定制专业研发制作国防教育基地军事模型装备生产在河南赏艺模型开发有限公司,我们拥有专业的设计团队,结合先进的生产工艺,打造出每一款模型。我们的军事模型产品广受欢迎,尤其是售价54000元的坦克模型,这不仅是因其出色的品质,更因为其在细节处理与实际性能模拟上的精准表现。 一、定制化服务,满足多样需求 http://binzhou.11467.com/info/25713525.htm
13.2023年中国AIGC产业全景报告相比独立分散的小模型开发,标准化、流程化程度更高,在开发效率和运维成本上都有较大改善,有效促进了AI的工业化生产。同时,模型能力的提升使得更多AI服务可以落地,有效扩展了AI的应用范围,这些共同促进AI供需两侧潜力释放。 MaaS是大模型能力落地输出的新业态https://36kr.com/p/2399958967312512
14.首都师范大学学报编辑部同时,模型通过“智能分包网络”“制作日志记账系统”“宣发日志记账系统”“版权交易监督系统”四种技术支持架构,打通电影生产的开发、制作、发行、营销、放映、衍生品开发环节,与消费者之间建立全价值链的供需流动机制,使传统的线性价值链,演变为融合多方参与者的价值生态环境。区块链对电影价值链线性关系的重构(见图2)https://sdsdwkxb.cnu.edu.cn/gkll/2020n/2021d6q_d42c5c55bed94493a9d317bd5bc85b0b/007be2625635458faa60f708b9211252.htm
15.2024年藤编家具发展趋势分析第三节 藤编家具生产开发注意事项 第四节 藤编家具销售注意事项 第十四章 2024-2030年中国藤编家具行业发展预测分析 第一节 2024-2030年国内藤编家具产业宏观预测分析 一、2024-2030年我国藤编家具行业宏观预测分析 1、2019-2024年中国固定资产投资预测分析 2、2019-2024年中国际贸易预测分析 二、2024-2030年藤编家具https://www.cir.cn/3/09/TengBianJiaJuFaZhanQuShiFenXi.html
16.SAM图像分割大模型在遥感领域介绍(一)SAM模型介绍数据标注领域大大解放生产力 数据标注可实现自动标注和和半自动标注。效率大大提升 算法应用门槛降低、不需要算法团队也可以研发应用 自动抠图软件、自动标注、证件照处理等应用的开发门槛降低,端侧开发工程师有更多的机会开发小的应用。 一些产品技术的核心竞争力,成为业界标配 https://m.thepaper.cn/newsDetail_forward_23181826
17.国际TOP10药学期刊文章信息(2023年7月)2. 使用基于模型的药物开发范例优化西妥昔单抗和雷莫西尤单抗给药方案 (Safety Monitoring of COVID-19 Vaccines: Perspective from the European Medicines Agency) 作者:Lan Ni (Eli Lilly and Company, Indianapolis, USA) Systematic Review(系统综述) https://www.ctdm.org.cn/.php?s=/Meeting/metDynamicById/id/84d8428026d04513ad6b56d9b266557a/meetingid/42be20d9368243838d90ee95002dd441
18.普朗克智能工业·广州普朗克工业设备有限公司官方网站在数字模型的信息化,虚拟与现实高度一致的基础上,进行硬件接口开发和软件功能开发,建立虚拟与现实的数据通讯与互联,搭建虚实融合的数据采集、分析、优化平台,实现基于大数据、物联网的工艺优化和智能生产指导。 图8 数字化工厂搭建 2.1.3工艺一体化平台 基于3D的数字化工艺规划、仿真和优化平台来帮助恒大新能源汽车建立http://www.plksys.cn/index.php/Article/show/40.html
19.建设数字工厂:MRP物料需求计划的逻辑原理与配置方法“MRP物料需求计划”模型的信息字段除了“物料”等基础字段,主要有: 需求数量相关:粗需求量、净需求量、计划订货量以及计算冲减库存量所需的中间数量字段:现有库存量、安全库存量、已采购下单数量、已到货入库数量、在途库存量等。 需求时间相关:需求交付日期、计划订单发出(生产开工)日期。 https://blog.51cto.com/u_15214399/6908917
20.湖南中仿模型制造有限公司专业仿真模型解决方案制作商 优良的技术优良的产品合适的价格完善的服务 咨询服务热线:13974991809 立即咨询 选择我们的四个理由 仿真模型设计开发、生产制作、销售服务一体化综合性企业 动态演示/高仿真种类繁多,功能多样 行业数十年制作经验,部分模型可模拟旋转、升降、行走等动作。 http://hnzfmx.com/