CN112522474A - 一种控制lf精炼终点温度的方法 - Google Patents
一种控制lf精炼终点温度的方法 Download PDFInfo
- Publication number
- CN112522474A CN112522474A CN202011386654.4A CN202011386654A CN112522474A CN 112522474 A CN112522474 A CN 112522474A CN 202011386654 A CN202011386654 A CN 202011386654A CN 112522474 A CN112522474 A CN 112522474A
- Authority
- CN
- China
- Prior art keywords
- temperature
- refining
- compensation
- data analysis
- big data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C7/00—Treating molten ferrous alloys, e.g. steel, not covered by groups C21C1/00 - C21C5/00
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21C—PROCESSING OF PIG-IRON, e.g. REFINING, MANUFACTURE OF WROUGHT-IRON OR STEEL; TREATMENT IN MOLTEN STATE OF FERROUS ALLOYS
- C21C2300/00—Process aspects
- C21C2300/06—Modeling of the process, e.g. for control purposes; CII
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Treatment Of Steel In Its Molten State (AREA)
Abstract
本发明提供了一种控制LF精炼终点温度的方法,包括以下步骤:a)通过第一次大数据分析确定控制LF精炼过程温度的影响因子;b)建立加热时间与步骤a)中所述影响因子的模型,再通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值,并代入初始值和工艺限定值进行迭代计算,得到加热时间的输出结果,实现LF精炼终点温度的精准控制。与现有技术相比,本发明提供的控制LF精炼终点温度的方法通过对相关数据进行大数据分析,解决了LF精炼终点温度控制不准确的问题,温度一次命中率能够提高至98%,避免LF精炼过程产生二次加热导致生产效率低下以及因温度高于目标值导致能源、材料浪费,从而提高了生产效率,同时减少了能源和材料浪费。
Description
技术领域
本发明涉及钢水精炼技术领域,更具体地说,是涉及一种控制LF精炼终点温度的方法。
背景技术
目前,LF精炼温度控制通常采用静态模型进行控制,即在控制系统中设定某一升温速率,根据初始温度和目标温度要求,静态计算所需加热升温时间,然后进行测温校正,若测温值低于目标值,则再次进行加热升温,若测温值高于目标值则采用降温材料进行强制降温或采用等等进行自然降温。该种方法通常需要二次加热升温,导致生产效率低下,或因温度高于目标值导致能源及材料浪费。在此背景下,运用大数据对LF精炼温度进行精准控制意义重大。
发明内容
有鉴于此,本发明的目的在于提供一种控制LF精炼终点温度的方法,能够解决LF精炼终点温度控制不准确的问题,提高了生产效率,同时减少了能源和材料浪费。
本发明提供了一种控制LF精炼终点温度的方法,包括以下步骤:
a)通过第一次大数据分析确定控制LF精炼过程温度的影响因子;
b)建立加热时间与步骤a)中所述影响因子的模型,再通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值,并代入初始值和工艺限定值进行迭代计算,得到加热时间的输出结果,实现LF精炼终点温度的精准控制。
优选的,步骤a)中所述第一次大数据分析针对建立的能识别钢种类别的模型与该模型中各类别钢种进行LF精炼的数据信息。
优选的,步骤a)中所述确定的控制LF精炼过程温度的影响因子包括:
钢水量、进站温度、钢包罐提温温度、合金补偿温度、辅料补偿温度、LF出站温度目标、浇铸周期温度补偿、等待时长温度补偿、开浇与换包提温、升温速率。
优选的,步骤b)中所述第二次大数据分析针对LF精炼生产的历史数据;所述LF精炼生产的历史数据至少为过去三个月的生产数据。
优选的,步骤b)中所述加热时间与步骤a)中所述影响因子的模型包括:
输入项:
(1)钢水量升温T1=(M-220)*a;其中,M为采集钢水重量,a为钢水升温系数;
(2)进站温度T2;
(3)钢包罐提温温度T3;
(4)合金补偿温度T4=b*m1;其中,m1为所有合金重量,b为合金升温系数;
(5)辅料补偿温度T5=c*m2;其中,m2为辅料重量,c为辅料升温系数;
(6)LF出站温度目标T6;
(7)浇铸周期温度补偿T7;
(8)等待时长温度补偿T8=d*t;其中,t为等待时间,d为等待时长温度补偿;
(9)开浇与换包提温T9;
输出项:
加热时间T=(T6-T2+T1+T3+T4+T5+T7+T8+T9)/e;其中,e为升温速率。
优选的,步骤b)中所述通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值的过程中,所述部分影响因子及其参数具体包括:
钢水升温系数a为0.8℃/吨~1.4℃/吨;
钢包罐提温温度T3为3℃~25℃;
合金升温系数b为0.005℃/kg~0.020℃/kg;
辅料升温系数c为0.005℃/kg~0.020℃/kg;
浇铸周期温度补偿T7为0℃~10℃;
等待时长温度补偿d为0.2℃/min~8℃/min;
开浇与换包提温T9为5℃~15℃;
升温速率e为1.5℃/min~5.5℃/min。
优选的,步骤b)中所述代入的初始值包括:
采集钢水重量M、进站温度T2、所有合金重量m1、辅料重量m2、等待时间t。
优选的,步骤b)中所述代入的工艺限定值为LF出站温度目标T6。
优选的,所述LF出站温度目标T6由建立的钢种目标温度数据库中提取出站目标温度获得。
本发明提供了一种控制LF精炼终点温度的方法,包括以下步骤:a)通过第一次大数据分析确定控制LF精炼过程温度的影响因子;b)建立加热时间与步骤a)中所述影响因子的模型,再通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值,并代入初始值和工艺限定值进行迭代计算,得到加热时间的输出结果,实现LF精炼终点温度的精准控制。与现有技术相比,本发明提供的控制LF精炼终点温度的方法通过对相关数据进行大数据分析,解决了LF精炼终点温度控制不准确的问题,温度一次命中率能够提高至98%,避免LF精炼过程产生二次加热导致生产效率低下以及因温度高于目标值导致能源、材料浪费,从而提高了生产效率,同时减少了能源和材料浪费。
具体实施方式
下面将结合本发明实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种控制LF精炼终点温度的方法,包括以下步骤:
a)通过第一次大数据分析确定控制LF精炼过程温度的影响因子;
b)建立加热时间与步骤a)中所述影响因子的模型,再通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值,并代入初始值和工艺限定值进行迭代计算,得到加热时间的输出结果,实现LF精炼终点温度的精准控制。
本发明首先通过第一次大数据分析确定控制LF精炼过程温度的影响因子。在本发明中,所述第一次大数据分析优选针对建立的能识别钢种类别的模型与该模型中各类别钢种进行LF精炼的数据信息。本发明对所述建立能识别钢种类别的模型的过程没有特殊限制,采用本领域技术人员熟知的根据钢种的特点将钢种进行分类,再根据每个钢种唯一的炼钢记号就可进行识别该钢种数据哪一类的技术方案即可。
在本发明中,所述确定的控制LF精炼过程温度的影响因子优选包括:
钢水量、进站温度、钢包罐提温温度、合金补偿温度、辅料补偿温度、LF出站温度目标、浇铸周期温度补偿、等待时长温度补偿、开浇与换包提温、升温速率。
然后,本发明建立加热时间与步骤a)中所述影响因子的模型,再通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值,并代入初始值和工艺限定值进行迭代计算,得到加热时间的输出结果,实现LF精炼终点温度的精准控制。
本发明首先建立加热时间与步骤a)中所述影响因子的模型。在本发明中,所述加热时间与步骤a)中所述影响因子的模型优选包括:
输入项:
(1)钢水量升温T1=(M-220)*a;其中,M为采集钢水重量,a为钢水升温系数;
(2)进站温度T2;
(3)钢包罐提温温度T3;
(4)合金补偿温度T4=b*m1;其中,m1为所有合金重量,b为合金升温系数;
(5)辅料补偿温度T5=c*m2;其中,m2为辅料重量,c为辅料升温系数;
(6)LF出站温度目标T6;
(7)浇铸周期温度补偿T7;
(8)等待时长温度补偿T8=d*t;其中,t为等待时间,d为等待时长温度补偿;
(9)开浇与换包提温T9;
输出项:
加热时间T=(T6-T2+T1+T3+T4+T5+T7+T8+T9)/e;其中,e为升温速率。
之后,本发明通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值,并代入初始值和工艺限定值进行迭代计算,得到加热时间的输出结果。在本发明中,所述第二次大数据分析优选针对LF精炼生产的历史数据;所述LF精炼生产的历史数据,及第二次大数据分析的数据来源,至少为过去三个月的生产数据。
在本发明中,所述通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值的过程中,所述部分影响因子及其参数优选具体包括:
钢水升温系数a为0.8℃/吨~1.4℃/吨;
钢包罐提温温度T3为3℃~25℃;
合金升温系数b为0.005℃/kg~0.020℃/kg;
辅料升温系数c为0.005℃/kg~0.020℃/kg;
浇铸周期温度补偿T7为0℃~10℃;
等待时长温度补偿d为0.2℃/min~8℃/min;
开浇与换包提温T9为5℃~15℃;
升温速率e为1.5℃/min~5.5℃/min。
本发明运用大数据分析,获得上述部分影响因子相应参数的最佳赋值。
在本发明中,所述代入的初始值优选包括:
采集钢水重量M、进站温度T2、所有合金重量m1、辅料重量m2、等待时间t。
在本发明中,所述代入的工艺限定值优选为LF出站温度目标T6。在本发明中,所述LF出站温度目标T6优选由建立的钢种目标温度数据库中提取出站目标温度获得。
在本发明中,得到的输出结果为加热时间,LF精炼工序根据上述得出的输出项(输出结果,即加热时间)进行加热操作,能够实现温度命中出站目标,进而实现LF精炼终点温度的快速、精准控制。
本发明提供的控制LF精炼终点温度的方法通过对相关数据进行大数据分析,解决了LF精炼终点温度控制不准确的问题,经生产实际统计,温度一次命中率由之前的70%左右提高至98%,避免LF精炼过程产生二次加热导致生产效率低下以及因温度高于目标值导致能源、材料浪费,从而提高了生产效率,同时减少了能源和材料浪费。
本发明提供了一种控制LF精炼终点温度的方法,包括以下步骤:a)通过第一次大数据分析确定控制LF精炼过程温度的影响因子;b)建立加热时间与步骤a)中所述影响因子的模型,再通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值,并代入初始值和工艺限定值进行迭代计算,得到加热时间的输出结果,实现LF精炼终点温度的精准控制。与现有技术相比,本发明提供的控制LF精炼终点温度的方法通过对相关数据进行大数据分析,解决了LF精炼终点温度控制不准确的问题,温度一次命中率能够提高至98%,避免LF精炼过程产生二次加热导致生产效率低下以及因温度高于目标值导致能源、材料浪费,从而提高了生产效率,同时减少了能源和材料浪费。
为了进一步说明本发明,下面通过以下实施例进行详细说明。
实施例
采用上述技术方案,以下为输入项:
(1)钢水量升温T1=(M-220)*a;其中,M为采集钢水重量(吨),a为钢水升温系数,a=0.8℃/吨~1.4℃/吨,a由大数据分析赋值;
(2)进站温度T2(采集二级测温参数);
(3)钢包罐提温温度T3(T3=3℃~25℃,由大数据分析赋值);
(4)合金补偿温度T4=b*m1;其中,m1为所有合金重量(kg),b为合金升温系数,b=0.005℃/kg~0.020℃/kg,b由大数据分析赋值;
(5)辅料补偿温度T5=c*m2;其中,m2为辅料重量(kg),c为辅料升温系数,c=0.005℃/kg~0.020℃/kg,c由大数据分析赋值;
(6)LF出站温度目标T6(建立钢种目标温度数据库,从数据库中提取出站目标温度);
(7)浇铸周期温度补偿T7(T7=0℃~10℃,由大数据分析赋值);
(8)等待时长温度补偿T8=d*t;其中,t为等待时间,d为等待时长温度补偿,d=0.2℃/min~8℃/min,d由大数据分析赋值;
(9)开浇与换包提温T9(T9=5℃~15℃,由大数据分析赋值);
输出项:
加热时间T=(T6-T2+T1+T3+T4+T5+T7+T8+T9)/e;其中,e为升温速率,e=1.5℃/min~5.5℃/min,e由大数据分析赋值。
实际生产炉次X20107931迭代计算过程如下:
T1=(225-220)*1=5;
进站温度T2=1600;
钢包罐提温温度T3=5;
合金补偿温度T4=0.01*500=5;
辅料补偿温度T5=0.005*600=3;
LF出站目标温度T6=1585;
浇铸周期补偿温度T7=5;
等待时长温度补偿T8=0.3*20=6;
开浇、换包提温T9=10;
加热时间T=(1585-1600+5+5+5+3+5+6+10)/4=6;
该炉次根据计算出的加热时间6min进行加热,出站温度为1586℃,与目标温度1585℃仅相差1℃;实现LF精炼终点温度的快速、精准控制。
所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种控制LF精炼终点温度的方法,包括以下步骤:
a)通过第一次大数据分析确定控制LF精炼过程温度的影响因子;
b)建立加热时间与步骤a)中所述影响因子的模型,再通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值,并代入初始值和工艺限定值进行迭代计算,得到加热时间的输出结果,实现LF精炼终点温度的精准控制。
2.根据权利要求1所述的方法,其特征在于,步骤a)中所述第一次大数据分析针对建立的能识别钢种类别的模型与该模型中各类别钢种进行LF精炼的数据信息。
3.根据权利要求1所述的方法,其特征在于,步骤a)中所述确定的控制LF精炼过程温度的影响因子包括:
钢水量、进站温度、钢包罐提温温度、合金补偿温度、辅料补偿温度、LF出站温度目标、浇铸周期温度补偿、等待时长温度补偿、开浇与换包提温、升温速率。
4.根据权利要求1所述的方法,其特征在于,步骤b)中所述第二次大数据分析针对LF精炼生产的历史数据;所述LF精炼生产的历史数据至少为过去三个月的生产数据。
5.根据权利要求1所述的方法,其特征在于,步骤b)中所述加热时间与步骤a)中所述影响因子的模型包括:
输入项:
(1)钢水量升温T1=(M-220)*a;其中,M为采集钢水重量,a为钢水升温系数;
(2)进站温度T2;
(3)钢包罐提温温度T3;
(4)合金补偿温度T4=b*m1;其中,m1为所有合金重量,b为合金升温系数;
(5)辅料补偿温度T5=c*m2;其中,m2为辅料重量,c为辅料升温系数;
(6)LF出站温度目标T6;
(7)浇铸周期温度补偿T7;
(8)等待时长温度补偿T8=d*t;其中,t为等待时间,d为等待时长温度补偿;
(9)开浇与换包提温T9;
输出项:
加热时间T=(T6-T2+T1+T3+T4+T5+T7+T8+T9)/e;其中,e为升温速率。
6.根据权利要求5所述的方法,其特征在于,步骤b)中所述通过第二次大数据分析得到上述模型中部分影响因子的最佳赋值的过程中,所述部分影响因子及其参数具体包括:
钢水升温系数a为0.8℃/吨~1.4℃/吨;
钢包罐提温温度T3为3℃~25℃;
合金升温系数b为0.005℃/kg~0.020℃/kg;
辅料升温系数c为0.005℃/kg~0.020℃/kg;
浇铸周期温度补偿T7为0℃~10℃;
等待时长温度补偿d为0.2℃/min~8℃/min;
开浇与换包提温T9为5℃~15℃;
升温速率e为1.5℃/min~5.5℃/min。
7.根据权利要求5所述的方法,其特征在于,步骤b)中所述代入的初始值包括:
采集钢水重量M、进站温度T2、所有合金重量m1、辅料重量m2、等待时间t。
8.根据权利要求5所述的方法,其特征在于,步骤b)中所述代入的工艺限定值为LF出站温度目标T6。
9.根据权利要求8所述的方法,其特征在于,所述LF出站温度目标T6由建立的钢种目标温度数据库中提取出站目标温度获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011386654.4A CN112522474B (zh) | 2020-12-01 | 2020-12-01 | 一种控制lf精炼终点温度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011386654.4A CN112522474B (zh) | 2020-12-01 | 2020-12-01 | 一种控制lf精炼终点温度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112522474A true CN112522474A (zh) | 2021-03-19 |
CN112522474B CN112522474B (zh) | 2022-03-29 |
Family
ID=74995966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011386654.4A Active CN112522474B (zh) | 2020-12-01 | 2020-12-01 | 一种控制lf精炼终点温度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112522474B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115466820A (zh) * | 2022-08-22 | 2022-12-13 | 山东钢铁股份有限公司 | 钢包精炼炉的升温预测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020022381A (ko) * | 2000-09-20 | 2002-03-27 | 이구택 | 슬로핑이 방지되는 전로조업방법 |
CN102277468A (zh) * | 2010-06-12 | 2011-12-14 | 上海梅山钢铁股份有限公司 | Lf精炼炉钢水温度实时测报方法 |
CN102766728A (zh) * | 2012-06-25 | 2012-11-07 | 攀钢集团研究院有限公司 | 钢包精炼炉精炼过程钢水硫含量实时预测的方法及装置 |
CN103388054A (zh) * | 2013-07-19 | 2013-11-13 | 东北大学 | 一种在线控制lf精炼过程钢水温度的系统及方法 |
CN103898275A (zh) * | 2012-12-28 | 2014-07-02 | 攀钢集团研究院有限公司 | 一种用于提高钢的洁净度的精炼方法 |
CN106636530A (zh) * | 2016-11-17 | 2017-05-10 | 北京光科博冶科技有限责任公司 | 一种转炉炼钢温度预报方法及服务器 |
CN107164604A (zh) * | 2017-04-26 | 2017-09-15 | 河钢股份有限公司承德分公司 | 一种铁水在钢包精炼炉保温的方法 |
CN110064279A (zh) * | 2019-04-10 | 2019-07-30 | 互邦达科技(北京)有限公司 | 一种尾气处理装置及其控制方法 |
CN111020118A (zh) * | 2019-12-25 | 2020-04-17 | 武汉科技大学 | 一种基于粒子群优化案例推理的rh终点温度预测方法 |
-
2020
- 2020-12-01 CN CN202011386654.4A patent/CN112522474B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020022381A (ko) * | 2000-09-20 | 2002-03-27 | 이구택 | 슬로핑이 방지되는 전로조업방법 |
CN102277468A (zh) * | 2010-06-12 | 2011-12-14 | 上海梅山钢铁股份有限公司 | Lf精炼炉钢水温度实时测报方法 |
CN102766728A (zh) * | 2012-06-25 | 2012-11-07 | 攀钢集团研究院有限公司 | 钢包精炼炉精炼过程钢水硫含量实时预测的方法及装置 |
CN103898275A (zh) * | 2012-12-28 | 2014-07-02 | 攀钢集团研究院有限公司 | 一种用于提高钢的洁净度的精炼方法 |
CN103388054A (zh) * | 2013-07-19 | 2013-11-13 | 东北大学 | 一种在线控制lf精炼过程钢水温度的系统及方法 |
CN106636530A (zh) * | 2016-11-17 | 2017-05-10 | 北京光科博冶科技有限责任公司 | 一种转炉炼钢温度预报方法及服务器 |
CN107164604A (zh) * | 2017-04-26 | 2017-09-15 | 河钢股份有限公司承德分公司 | 一种铁水在钢包精炼炉保温的方法 |
CN110064279A (zh) * | 2019-04-10 | 2019-07-30 | 互邦达科技(北京)有限公司 | 一种尾气处理装置及其控制方法 |
CN111020118A (zh) * | 2019-12-25 | 2020-04-17 | 武汉科技大学 | 一种基于粒子群优化案例推理的rh终点温度预测方法 |
Non-Patent Citations (2)
Title |
---|
吴晓东: "LF精炼终点钢水温度的预报模型", 《炼钢》 * |
郑伟: "基于BP神经网络的LF精炼终点温度预测模型", 《山西冶金》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115466820A (zh) * | 2022-08-22 | 2022-12-13 | 山东钢铁股份有限公司 | 钢包精炼炉的升温预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112522474B (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112522474B (zh) | 一种控制lf精炼终点温度的方法 | |
CN103140815A (zh) | 用于协调生产过程的两个相继的制造级的方法和装置 | |
CN103642972A (zh) | 转炉出钢温度智能优化控制系统 | |
CN106834593A (zh) | 一种以参考炉次法确定rh精炼炉脱碳工艺数据的方法 | |
CN110322057A (zh) | 一种100t直流电弧炉出钢碳成分的预测系统及预测方法 | |
Zanoni et al. | Energy savings in reheating furnaces through process modelling | |
JP3561401B2 (ja) | 製造プロセスの状態量推定方法 | |
JP2019073799A (ja) | 溶湯温度補正装置、溶湯温度補正方法、及び溶湯の製造方法 | |
CN108153250B (zh) | 一种用于热矫直机智能模型系统的控制方法 | |
JP5652069B2 (ja) | 最適チャ−ジ編成装置及び最適チャージ編成方法 | |
CN104060024B (zh) | 一种转炉提钒过程中转炉实时温度的预报方法 | |
CN112836353B (zh) | 一种面向批次生产的锻造调度方法 | |
CN105084729B (zh) | 一种玻璃钢化工艺的工艺参数设置方法 | |
CN103290170B (zh) | 一种lf精炼炉中加入合金重量的获取方法及装置 | |
CN105385843B (zh) | 一种基于段末温度的热轧板坯加热控制方法 | |
JP2004059954A (ja) | 転炉吹錬制御方法 | |
Zeng et al. | Investigating the energy consumption of casting process by multiple life cycle method | |
JP7031350B2 (ja) | 製鋼プロセスにおける鋳造時間の推定方法 | |
CN108491601B (zh) | 一种基于电弧半径波动的矿热炉冶炼炉况识别方法及系统 | |
CN109609724B (zh) | 一种含合金冷钢的配加系统及方法 | |
JP6375741B2 (ja) | 製鋼工場における溶鋼温度の制御方法 | |
KR100832975B1 (ko) | 가열로의 추출 목표 온도 최적화 시스템 | |
Bhero et al. | The cost of quality: elements of lean production in foundries | |
JP2011134283A (ja) | 製造負荷予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
JP2984181B2 (ja) | 処理順序決定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |