CN113240244A - 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 - Google Patents
一种适用于炼钢生产跟踪的铸坯自动分级判定方法 Download PDFInfo
- Publication number
- CN113240244A CN113240244A CN202110407177.3A CN202110407177A CN113240244A CN 113240244 A CN113240244 A CN 113240244A CN 202110407177 A CN202110407177 A CN 202110407177A CN 113240244 A CN113240244 A CN 113240244A
- Authority
- CN
- China
- Prior art keywords
- abnormal event
- casting blank
- abnormal
- converter
- steel
- 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.)
- Pending
Links
- 238000005266 casting Methods 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000009628 steelmaking Methods 0.000 title claims abstract description 59
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 177
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 54
- 239000010959 steel Substances 0.000 claims abstract description 54
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 44
- 239000001301 oxygen Substances 0.000 claims description 44
- 229910052760 oxygen Inorganic materials 0.000 claims description 44
- 238000007664 blowing Methods 0.000 claims description 26
- 238000007670 refining Methods 0.000 claims description 25
- 238000012423 maintenance Methods 0.000 claims description 22
- 239000007788 liquid Substances 0.000 claims description 21
- 239000002893 slag Substances 0.000 claims description 19
- 239000000047 product Substances 0.000 claims description 15
- 239000002436 steel type Substances 0.000 claims description 14
- 238000009749 continuous casting Methods 0.000 claims description 12
- 239000013589 supplement Substances 0.000 claims description 8
- 238000004886 process control Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000005272 metallurgy Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 238000012827 research and development Methods 0.000 abstract description 2
- 230000004069 differentiation Effects 0.000 abstract 1
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 16
- 229910052786 argon Inorganic materials 0.000 description 8
- 230000003068 static effect Effects 0.000 description 6
- 238000000137 annealing Methods 0.000 description 4
- 229910052791 calcium Inorganic materials 0.000 description 4
- 239000011575 calcium Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005554 pickling Methods 0.000 description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 3
- 238000003723 Smelting Methods 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- 238000006477 desulfuration reaction Methods 0.000 description 3
- 102100036312 5-hydroxytryptamine receptor 1E Human genes 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000010079 rubber tapping Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009469 supplementation Effects 0.000 description 2
- 208000032370 Secondary transmission Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 102220414581 c.33A>G Human genes 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- QVGXLLKOCUKJST-NJFSPNSNSA-N oxygen-18 atom Chemical compound [18O] QVGXLLKOCUKJST-NJFSPNSNSA-N 0.000 description 1
- 102220218929 rs1060500109 Human genes 0.000 description 1
- 102220233810 rs1085308047 Human genes 0.000 description 1
- 102220287738 rs1360609728 Human genes 0.000 description 1
- 102220283078 rs1376500870 Human genes 0.000 description 1
- 102200126635 rs137853313 Human genes 0.000 description 1
- 102220017736 rs137854215 Human genes 0.000 description 1
- 102220014330 rs147406419 Human genes 0.000 description 1
- 102220082322 rs148294392 Human genes 0.000 description 1
- 102220279354 rs1554890340 Human genes 0.000 description 1
- 102200132971 rs200856070 Human genes 0.000 description 1
- 102200019600 rs281875323 Human genes 0.000 description 1
- 102220005286 rs33932981 Human genes 0.000 description 1
- 102220045402 rs41294986 Human genes 0.000 description 1
- 102220234440 rs572685299 Human genes 0.000 description 1
- 102220041874 rs587780791 Human genes 0.000 description 1
- 102220027179 rs63750216 Human genes 0.000 description 1
- 102220052455 rs727503301 Human genes 0.000 description 1
- 102220054319 rs727504413 Human genes 0.000 description 1
- 102220056958 rs730880941 Human genes 0.000 description 1
- 102220058220 rs730881937 Human genes 0.000 description 1
- 102220208083 rs749414711 Human genes 0.000 description 1
- 102220059933 rs754752449 Human genes 0.000 description 1
- 102220227975 rs762884109 Human genes 0.000 description 1
- 102220083618 rs772729006 Human genes 0.000 description 1
- 102220218221 rs778408360 Human genes 0.000 description 1
- 102220083619 rs863224719 Human genes 0.000 description 1
- 102220086336 rs864622288 Human genes 0.000 description 1
- 102220097799 rs876658568 Human genes 0.000 description 1
- 102220095298 rs876660391 Human genes 0.000 description 1
- 102220214523 rs942019524 Human genes 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种适用于炼钢生产跟踪的铸坯自动分级判定方法，包括采集生产过程中所有与铸坯质量等级相关的工艺参数数据；基于智慧工厂实现用户、用途差异化的冶金规范数据库设计；读取冶金规范数据库的规则对比；进行异常质量事件分级判定，铸坯等级综合判定。该方法能够对每个铸坯进行质量等级判定，详细记录每个定尺铸坯上所发生的异常事件，每个事件所影响的范围和程度，以及铸坯综合质量等级，不但为铸坯生产提供了详尽指导，更能够校验模型准确性、为品种钢研发、钢种机理研究提供强大技术支持。
Description
技术领域
本专利申请属于冶金行业制造与信息技术领域，更具体地说，是涉及一种适用于炼钢过程中生产跟踪的铸坯自动分级判定方法。
背景技术
在连铸生产中，铸坯的重量是生产中主要的环节，对后续轧机轧制成材率有着直接的影响。传统的冷态检测铸坯法因周期长的问题，而在线光学或涡流等检测装置无法检测铸坯内部质量且技术复杂、设备昂贵等现象，实际应用均较少。
为此业内开始逐步推进铸坯质量判定系统，根据从铁水预处理开始到最终铸坯浇筑完成整个生产过程进行跟踪，以冶金规范数据库设计铸坯的质量等级和轧材产品质量要求为目标、MES接收二级传递的炼钢过程中实时信息和手动维护异常事件为驱动。通过二者之间的对比，判断铸坯的质量等级，并利用这些数据帮助工艺人员找出问题发生的原因，最终为生产工艺流程的优化和产品质量的提升，提供支持。
发明内容
本发明需要解决的技术问题是提供一种适用于炼钢生产跟踪的铸坯自动分级判定方法，实现了铸坯分级质量管理功能，具有较高的实际应用价值。
为实现本发明，本发明采用的方案是：
包括如下步骤：
步骤S1：在智慧工厂中搭建冶金规范数据库，存储公司所有产品工艺控制参数及评价标准；
步骤S2：在智慧工厂中建立规则编辑器，进而制定异常事件规则，实现过程参数判定规则的细化及匹配；
步骤S3：在MES系统中建立炼钢过程异常事件维护界面，支持人工录入缺陷并匹配到每个铸坯；
步骤S4：通过智慧工厂，采集二级关键工艺参数PDO，通过过程参数判定规则，自动识别异常事件，并匹配到每个铸坯；
步骤S5：建立铸坯判定系统，建立每个钢种、钢类、单项异常事件判定等级规则；
步骤S6：通过智慧工厂，建立单项异常事件等级、铸坯综合判定等级匹配规则；
步骤S7：最终给出每个铸坯综合判定质量等级。
进一步，，步骤S1的具体实施步骤包括：
步骤S101：创建产品大类、出厂牌号、执行标准、最终用户、最终用途、炼钢钢种对应表，用于将客户对钢铁产品的外部要求转换到部炼钢区内部钢种；
步骤S102：创建炼钢钢种与炼钢工艺路径对应表，用于维护炼钢钢种可选工艺路径；
步骤S103：创建炼钢钢种工艺路径下工艺参数表，用于维护炼钢钢种控制用工艺参数；
步骤S104：创建炼钢工艺参数表，维护每个炼钢钢种工艺控制参数目标的上限、下限。
进一步，，步骤S2的异常事件规则包括转炉下渣回P元素异常事件、转炉补吹次数异常事件、转炉终点氧位不符异常事件、结晶器液面不符异常事件，上述异常事件的规则均在信息化系统中进行程序开发，具体步骤如下：
步骤S201：实现转炉下渣回P元素异常事件这一规则的细化及匹配；
输入：精炼出站样P元素的含量，转炉终点样P元素的含量；
规则定义配置如下：
Y1：转炉下渣P元素异常事件；
X1：转炉下渣P元素值；
S1：标准上限值；
Z1：转炉下渣P元素异常；
如果X1>S1，则Y1=Z1；
步骤S202：实现转炉补吹次数这一规则的细化及匹配；
输入：转炉补吹次数、转炉补吹氧量；
定义如下参数：
Y2：转炉补吹氧量不符异常事件；
X2：转炉补吹氧量（来自炼钢生产实际）；
Z21：转炉补吹次数1；
Z22：转炉补吹次数2；
Z23：转炉补吹次数3；
如果0＜X2≤1，则Y2=Z21；
如果1＜X2≤2，则Y2=Z22；
如果X2>2，则 Y2=Z23；
步骤S203：实现转炉终点氧位不符这一规则的细化及匹配；
规则定义如下：
Y3：转炉终点氧位不符异常事件；
X3：终点氧位（来自炼钢生产实际）；
S31：标准上限值；
S32：转炉终点氧位判定标准一；
S33：转炉终点氧位判定标准二；
Z31：终点氧位超标轻度；
Z32：终点氧位超标较重；
Z33：终点氧位超标严重；
如果0＜X3≤S31，则Y3=Z31；
如果S1＜X3≤S32，则Y3=Z32；
如果X3>S33，则 Y3=Z33；
步骤S204：实现结晶器液面不符这一规则细化及匹配，
规则定义如下实现：
Y4：结晶器液面不符异常事件；
X4：结晶器液面状态（来自炼钢生产实际）；
炼钢生产实际中，结晶器液面大概包括如下四种：
X41：结晶器液面异常翻腾（含单侧）；
X42：结晶器液面自动控制未投入；
X43：结晶器液面冻结；
X44：结晶器捞渣条；
根据来自炼钢二级的数据，将对应的X4直接给Y4赋值。
进一步，步骤S3包括如下步骤：
步骤S301：创建转炉工序异常事件维护界面，对于转炉工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成转炉炉次异常事件的收集；
步骤S302：创建LF精炼工序异常事件维护界面，对于LF精炼工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成LF精炼炉次异常事件的收集；
步骤S303：创建RH精炼工序异常事件维护界面，对于RH精炼工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成RH精炼炉次异常事件的收集；
步骤S304：创建连铸工序异常事件维护界面，对于连铸工序，异常事件即可对应到炉次也可对应到铸坯，在发生异常事件时，由现场操作人员选择炉次或铸坯，并勾选对应的异常事件，输入备注信息，完成连铸异常事件的收集；
步骤S305：对基于炉次的异常事件，通过炉次与铸坯的物料追溯关系，将异常事件匹配到具体铸坯上。
进一步，步骤S4包括如下步骤：
步骤S401：根据步骤S2中异常事件规则，梳理需要二级采集的过程工艺参数，将此类数据需求在与二级洽谈接口时提出，要求二级提供，对于二级无法提供的数据项，通过步骤S3在MES系统进行维护；
步骤S402：通过二级系统上传的PDO接口接收工艺过程参数数据，根据步骤S2中异常事件规则，抓取相应工艺过程参数数据进行计算，识别异常事件；
步骤S403： 通过炉次与铸坯的物料追溯关系，将基于炉次的异常事件匹配到对应的铸坯上。
进一步，步骤S5包括如下步骤：
步骤S501：根据炼钢钢种的用途、去向、表面，定义出钢种9种分类；
步骤S502：定义铸坯单个异常事件40个等级。
进一步，步骤S6是指，创建异常事件与钢类分类、铸坯等级对应表，该表中包括了异常事件名称、来源、控制标准、判定标准、异常事件代码、适用工厂、产生区域、对应钢类等级信息。
进一步，步骤S7是指，通过智慧工厂接收到铸坯生产实际以及每个工艺参数判定规则、每个钢种、钢类、单项异常事件判定等级规则、单项异常事件等级、铸坯综合判定等级匹配规则，最终给出每个铸坯综合判定质量等级。
本发明的有益效果是：
本发明实现了铸坯分级质量管理功能，钢类和炼钢记号的分类是铸坯质量设计的基础，各质量数据在不同方面和不同程度上影响着铸坯的质量，通过构建铸坯等级判定规则库，将铸坯等级与化学成分、过程数据（拉速异动、中间包温度异常等）、控制失败事件、人工检测数据、尺寸、外形、混坯等质量数据的关系进行固化，再通过自动采集、系统维护等手段将相关数据收集到铸坯判定系统，匹配铸坯等级判定规则库，自动推测出铸坯的质量等级，简化业务操作、提高工作效率、提升铸坯质量。
本方法能够对每个铸坯进行质量等级判定，详细记录每个定尺铸坯上所发生的异常事件，每个事件所影响的范围和程度，以及铸坯综合质量等级，不但为铸坯生产提供了详尽指导，更能够校验模型准确性、为品种钢研发、钢种机理研究提供强大技术支持。
附图说明
图1是本发明实现铸坯等级判定的流程图；
图2是本发明采集信息的传递图；
图3是本发明异常事件计算与判定流程图；
图4是本发明的总体流程示意图。
具体实施方式
下面结合实施例对本发明做进一步详细说明。
本发明公开了一种适用于炼钢生产跟踪的铸坯自动分级判定方法，参见图1~图4，包括如下步骤：
步骤S1：在智慧工厂中搭建冶金规范数据库，存储公司所有产品工艺控制参数及评价标准；
步骤S2：在智慧工厂中建立规则编辑器，实现过程参数判定规则的细化及匹配；
步骤S3：在MES系统中建立炼钢过程异常事件维护界面，支持人工录入缺陷并匹配到每个铸坯；
步骤S4：通过智慧工厂，采集二级关键工艺参数PDO，通过过程参数判定规则，自动识别异常事件，并匹配到每个铸坯；
步骤S5：铸坯判定系统，建立每个钢种、钢类、单项异常事件判定等级规则；
步骤S6：通过智慧工厂，建立单项异常事件等级与铸坯综合判定等级匹配规则；
步骤S7：通过智慧工厂接收到铸坯生产实际以及每个工艺参数判定规则、每个钢种、钢类、单项异常事件判定等级规则、单项异常事件等级与铸坯综合判定等级匹配规则，最终给出每个铸坯综合判定质量等级。
下面具体描述，包括如下七个部分：
第一部分：在智慧工厂中搭建冶金规范数据库，存储公司所有产品工艺控制参数及评价标准，具体实施步骤包括：
步骤S101：创建产品大类、出厂牌号、执行标准、最终用户、最终用途、与炼钢钢种对应表，主要字段包括产品大类编码、出厂牌号编码、执行标准编码、最终用户编码、最终用途编码、炼钢钢种编码等。用于将客户对钢铁产品外部要求转换到部炼钢区内部钢种。
步骤S102：创建炼钢钢种与炼钢工艺路径对应表，主要字段包括炼钢钢种、炼钢产线族编码、炼钢有序机组链编码，用于维护炼钢钢种可选工艺路径；
步骤S103：创建炼钢钢种工艺路径下工艺参数表，主要字段包括产线族编码、工序号编码、机组编码、工序编码、工艺参数组编码、工艺参数编码、工艺参数值，用户维护炼钢钢种控制用工艺参数；
步骤S104：创建炼钢工艺参数表，维护每个炼钢钢种工艺控制参数目标上、下限。
第二部分：在智慧工厂中创建异常事件数据库，主要内容包括异常事件编码、异常事件描述、来源、控制标准、判定标准、适用工厂、产生区域、对应钢类等级，用于保存炼钢生产相关的，影响铸坯质量的异常事件数据。
根据各工序实际生产工艺控制情况与对产品质量的影响，归集各工序的对质量有影响的工艺影响因素，定义为“异常事件”。在确定异常事件时，确定不同标准下的影响程度；确定适用产线；根据最终质量影响实际将异常事件分为“判定性”与“监控项”两种形式；针对每个异常事件制定控制标准与等级判定标准；同时对每个异常事件进行编码，包含异常事件的顺序号、影响程度编号、细化事件顺序号、发生区域编号，组合上述编码形成最终的异常事件代码，确保每条异常事件代码不重复。
异常事件分三种类型：一是可采集的单值数据类型；二是可采集的连续性曲线数据类型；三是无法采集的异常情况数据类型。
（1）可采集的单值数据类型逻辑实现：采集到的实际单值数据与控制标准比较，比较后的差值与等级判定标准值再进行比较，当超出等级判定标准时确定为异常事件，其中部分控制标准或判定标准来源于OD系统或MES系统。
（2）可采集的连续性曲线数据：曲线是由对应铸坯不同长度或时间下的多个数据点组成。逻辑实现时，将铸坯对应的所有数据点与控制标准进行比较，比较后的差值与等级判定标准再进行比较，超出等级判定标准确定为异常事件。两个标准在逻辑计算模块进行设定。
（3）无法信息采集的异常情况数据：针对无法信息采集的异常情况，将异常情况逐项录入不同工序的MES系统，在生产时如果发生，由操作人员将异常情况与对应的炉次或单块铸坯进行匹配。
在异常事件数据库的基础上建立规则编辑器，实现过程参数判定规则的细化及匹配，具体实施步骤包括：
步骤S201：实现转炉下渣回P元素异常事件这一规则的细化及匹配；
输入：精炼出站样P元素的含量，转炉终点样P元素的含量；
规则定义配置如下：
Y1：转炉下渣P元素异常事件；
X1：转炉下渣P元素值；
S1：标准上限值；
Z1：转炉下渣P元素异常；
如果X1>S1，则Y1=Z1；
步骤S202：实现转炉补吹次数这一规则的细化及匹配；
输入：转炉补吹次数、转炉补吹氧量；
定义如下参数：
Y2：转炉补吹氧量不符异常事件；
X2：转炉补吹氧量（来自炼钢生产实际）；
Z21：转炉补吹次数1；
Z22：转炉补吹次数2；
Z23：转炉补吹次数3；
如果0＜X2≤1，则Y2=Z21；
如果1＜X2≤2，则Y2=Z22；
如果X2>2，则 Y2=Z23；
步骤S203：实现转炉终点氧位不符这一规则的细化及匹配；
规则定义如下：
Y3：转炉终点氧位不符异常事件；
X3：终点氧位（来自炼钢生产实际）；
S31：标准上限值；
S32：转炉终点氧位判定标准一；
S33：转炉终点氧位判定标准二；
Z31：终点氧位超标轻度；
Z32：终点氧位超标较重；
Z33：终点氧位超标严重；
如果0＜X3≤S31，则Y3=Z31；
如果S1＜X3≤S32，则Y3=Z32；
如果X3>S33，则 Y3=Z33；
步骤S204：实现结晶器液面不符这一规则细化及匹配，
规则定义如下实现：
Y4：结晶器液面不符异常事件；
X4：结晶器液面状态（来自炼钢生产实际）；
炼钢生产实际中，结晶器液面大概包括如下四种：
X41：结晶器液面异常翻腾（含单侧）；
X42：结晶器液面自动控制未投入；
X43：结晶器液面冻结；
X44：结晶器捞渣条；
根据来自炼钢二级的数据，将对应的X4直接给Y4赋值。
第三部分：在MES系统中建立炼钢过程异常事件维护界面，通过维护界面将异常事件数据写入到异常事件维护表，异常事件维护表主要字段包括异常事件类别（炉次、铸坯）、批次号（炉次号、铸坯号）、工序号（脱硫、转炉、LF精炼、RH精炼、连铸）、机组号、工位号（多工位机组、多铸流铸机）、异常事件代码、异常事件备注，支持人工录入缺陷并匹配到每个铸坯，具体实施步骤包括：
步骤S301：创建转炉工序异常事件维护界面，对于转炉工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成转炉炉次异常事件的收集。
步骤S302：创建LF精炼工序异常事件维护界面，对于LF精炼工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成LF精炼炉次异常事件的收集。
步骤S303：创建RH精炼工序异常事件维护界面，对于RH精炼工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成RH精炼炉次异常事件的收集。
步骤S304：创建连铸工序异常事件维护界面，对于连铸工序，异常事件即可对应到炉次也可对应到铸坯，在发生异常事件时，由现场操作人员选择炉次或铸坯，并勾选对应的异常事件，输入备注信息，完成连铸异常事件的收集。
步骤S305：对于基于炉次的异常事件，通过炉次与铸坯的物料追溯关系，将异常事件匹配到具体铸坯上。
第四部分：通过智慧工厂，采集二级关键工艺参数PDO，通过过程参数判定规则，自动识别异常事件，并匹配到每个铸坯，具体实施步骤包括：
步骤S401：根据步骤S2中异常事件规则，梳理需要二级采集的过程工艺参数，将此类数据需求在与二级洽谈接口时提出，要求二级提供，对于二级无法提供的数据项，通过步骤S3在MES系统进行维护。
步骤S402：通过二级系统上传的PDO接口接收工艺过程参数数据，主要信息内容包括批次号（炉次号、铸坯号）、工序号（脱硫、转炉、LF精炼、RH精炼、连铸）、机组号、工位号（多工位机组、多铸流铸机）、工艺参数编码、工艺参数值，根据步骤S2中异常事件规则，抓取相应工艺过程参数数据进行计算，识别异常事件。
步骤S403： 通过炉次与铸坯的物料追溯关系，将基于炉次的异常事件匹配到对应的铸坯上。
第五部分：铸坯判定系统，建立每个钢种、钢类、单项异常事件判定等级规则，具体实施步骤包括：
步骤S501：根据炼钢钢种的用途、去向、表面定义出钢种9种分类P0 ~ P8；
P0 连铸坯废品；
P1 铸坯轧制热带后，热带判Ⅲ级品外卖；
P2 仅允许供外售，不允许热基镀锌（此铸坯级别适用于有供热基镀锌流向的炼钢记号）；
P3 仅允许供外售和热基镀锌、酸洗S2（供热基镀锌、酸洗S2适用于有供热基镀锌或酸洗S2流向时）；
P4 允许供退火、冷基镀锌S3；
P5 允许供酸洗S3；
P6 允许供退火、冷基镀锌S4；
P7 允许供退火、冷基镀锌S5及以上级别；
P8 允许供退火、冷基镀锌S6。
步骤S502：定义铸坯单个异常事件等级A1G ~ A40G 如下表：
| 补吹（2次） | A1G | 静吹流量低 | A21G |
| 补吹（≥3次） | A2G | 静吹流量高 | A22G |
| 转炉补吹氧超标 | A3G | LF冶炼时间短 | A23G |
| 终点氧位超标轻度 | A4G | LF冶炼时间长 | A24G |
| 终点氧位超标较重 | A5G | LF二次冶炼 | A25G |
| 终点氧位超标严重 | A6G | LF回钢水 | A26G |
| 出钢顶渣改质不符 | A7G | 钢包透气性较差 | A27G |
| 钢包不洁净（包底） | A8G | 钢包透气性非常差 | A28G |
| 钢包不洁净（包沿） | A9G | LF吨钢铝耗高 | A29G |
| 转炉终渣TFe高 | A10G | 全工序吨钢铝耗高 | A30G |
| 吹氩线路故障 | A11G | 喂钙线速度低 | A31G |
| 吹氩站氩气流量低 | A12G | 喂钙线速度高 | A32G |
| 吹氩站氩气流量高 | A13G | 钙线脱硫 | A33G |
| 吹氩站吹氩时间短 | A14G | 钙后给铝 | A34G |
| 吹氩站吹氩时间长 | A15G | 白渣不充分 | A35G |
| LF蹲钢时间长 | A16G | LF增N较轻 | A36G |
| LF静吹时间长 | A17G | LF增N较重 | A37G |
| LF静吹时间短（轻） | A18G | OB吹氧量较轻 | A38G |
| LF静吹时间短（较重） | A19G | OB吹氧量较重 | A39G |
| LF静吹时间短（严重） | A20G | OB吹氧量严重 | A40G |
第六部分：通过智慧工厂，建立单项异常事件等级与铸坯综合判定等级匹配规则，在异常事件与铸坯质量之间建立关系，使系统能够通过生产中的异常事件自动推测铸坯的质量等级，提升铸坯质量，降低质检人员工作强度。
第七部分：通过智慧工厂接收到铸坯生产实际以及每个工艺参数判定规则、每个钢种、钢类、单项异常事件判定等级规则、单项异常事件等级与铸坯综合判定等级匹配规则，最终给出每个铸坯综合判定质量等级。
本发明是一种基于智慧工厂集成实现整个炼钢过程的铸坯自动判定方法，通过构建铸坯等级判定规则库，将铸坯等级与化学成分、过程数据（比如拉速异动、中间包温度异常等数据）、控制失败事件、人工检测数据、尺寸、外形、混坯等质量数据的关系进行固化，再通过自动采集、系统维护等手段将相关数据收集到铸坯判定系统，匹配铸坯等级判定规则库，自动推测出铸坯的质量等级，简化业务操作、提高工作效率、提升铸坯质量。
Claims (8)
1.一种适用于炼钢生产跟踪的铸坯自动分级判定方法，其特征在于，包括如下步骤：
步骤S1：在智慧工厂中搭建冶金规范数据库，存储公司所有产品工艺控制参数及评价标准；
步骤S2：在智慧工厂中建立规则编辑器，进而制定异常事件规则，实现过程参数判定规则的细化及匹配；
步骤S3：在MES系统中建立炼钢过程异常事件维护界面，支持人工录入缺陷并匹配到每个铸坯；
步骤S4：通过智慧工厂，采集二级关键工艺参数PDO，通过过程参数判定规则，自动识别异常事件，并匹配到每个铸坯；
步骤S5：建立铸坯判定系统，建立每个钢种、钢类、单项异常事件判定等级规则；
步骤S6：通过智慧工厂，建立单项异常事件等级、铸坯综合判定等级匹配规则；
步骤S7：最终给出每个铸坯综合判定质量等级。
2.根据权利要求1所述的一种适用于炼钢生产跟踪的铸坯自动分级判定方法，其特征在于，步骤S1的具体实施步骤包括：
步骤S101：创建产品大类、出厂牌号、执行标准、最终用户、最终用途、炼钢钢种对应表，用于将客户对钢铁产品的外部要求转换到部炼钢区内部钢种；
步骤S102：创建炼钢钢种与炼钢工艺路径对应表，用于维护炼钢钢种可选工艺路径；
步骤S103：创建炼钢钢种工艺路径下工艺参数表，用于维护炼钢钢种控制用工艺参数；
步骤S104：创建炼钢工艺参数表，维护每个炼钢钢种工艺控制参数目标的上限、下限。
3.根据权利要求2所述的一种适用于炼钢生产跟踪的铸坯自动分级判定方法，其特征在于，步骤S2的异常事件规则包括转炉下渣回P元素异常事件、转炉补吹次数异常事件、转炉终点氧位不符异常事件、结晶器液面不符异常事件，上述异常事件的规则均在信息化系统中进行程序开发，具体步骤如下：
步骤S201：实现转炉下渣回P元素异常事件这一规则的细化及匹配；
输入：精炼出站样P元素的含量，转炉终点样P元素的含量；
规则定义配置如下：
Y1：转炉下渣P元素异常事件；
X1：转炉下渣P元素值；
S1：标准上限值；
Z1：转炉下渣P元素异常；
如果X1>S1，则Y1=Z1；
步骤S202：实现转炉补吹次数这一规则的细化及匹配；
输入：转炉补吹次数、转炉补吹氧量；
定义如下参数：
Y2：转炉补吹氧量不符异常事件；
X2：转炉补吹氧量；
Z21：转炉补吹次数1；
Z22：转炉补吹次数2；
Z23：转炉补吹次数3；
如果0＜X2≤1，则Y2=Z21；
如果1＜X2≤2，则Y2=Z22；
如果X2>2，则 Y2=Z23；
步骤S203：实现转炉终点氧位不符这一规则的细化及匹配；
规则定义如下：
Y3：转炉终点氧位不符异常事件；
X3：终点氧位；
S31：标准上限值；
S32：转炉终点氧位判定标准一；
S33：转炉终点氧位判定标准二；
Z31：终点氧位超标轻度；
Z32：终点氧位超标较重；
Z33：终点氧位超标严重；
如果0＜X3≤S31，则Y3=Z31；
如果S1＜X3≤S32，则Y3=Z32；
如果X3>S33，则 Y3=Z33；
步骤S204：实现结晶器液面不符这一规则细化及匹配，
规则定义如下实现：
Y4：结晶器液面不符异常事件；
X4：结晶器液面状态；
根据来自炼钢二级的数据，将对应的X4直接给Y4赋值。
4.根据权利要求3所述的一种适用于炼钢生产跟踪的铸坯自动分级判定方法，其特征在于，步骤S3包括如下步骤：
步骤S301：创建转炉工序异常事件维护界面，对于转炉工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成转炉炉次异常事件的收集；
步骤S302：创建LF精炼工序异常事件维护界面，对于LF精炼工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成LF精炼炉次异常事件的收集；
步骤S303：创建RH精炼工序异常事件维护界面，对于RH精炼工序，异常事件对应到炉次，在发生异常事件时，由现场操作人员选择炉次，并勾选对应的异常事件，输入备注信息，完成RH精炼炉次异常事件的收集；
步骤S304：创建连铸工序异常事件维护界面，对于连铸工序，异常事件即可对应到炉次也可对应到铸坯，在发生异常事件时，由现场操作人员选择炉次或铸坯，并勾选对应的异常事件，输入备注信息，完成连铸异常事件的收集；
步骤S305：对基于炉次的异常事件，通过炉次与铸坯的物料追溯关系，将异常事件匹配到具体铸坯上。
5.根据权利要求4所述的一种适用于炼钢生产跟踪的铸坯自动分级判定方法，其特征在于，步骤S4包括如下步骤：
步骤S401：根据步骤S2中异常事件规则，梳理需要二级采集的过程工艺参数，将此类数据需求在与二级洽谈接口时提出，要求二级提供，对于二级无法提供的数据项，通过步骤S3在MES系统进行维护；
步骤S402：通过二级系统上传的PDO接口接收工艺过程参数数据，根据步骤S2中异常事件规则，抓取相应工艺过程参数数据进行计算，识别异常事件；
步骤S403： 通过炉次与铸坯的物料追溯关系，将基于炉次的异常事件匹配到对应的铸坯上。
6.根据权利要求1-5任一项所述的一种适用于炼钢生产跟踪的铸坯自动分级判定方法，其特征在于，步骤S5包括如下步骤：
步骤S501：根据炼钢钢种的用途、去向、表面，定义出钢种9种分类；
步骤S502：定义铸坯单个异常事件40个等级。
7.根据权利要求6所述的一种适用于炼钢生产跟踪的铸坯自动分级判定方法，其特征在于，步骤S6是指，创建异常事件与钢类分类、铸坯等级对应表，该表中包括了异常事件名称、来源、控制标准、判定标准、异常事件代码、适用工厂、产生区域、对应钢类等级信息。
8.根据权利要求7所述的一种适用于炼钢生产跟踪的铸坯自动分级判定方法，其特征在于，步骤S7是指，通过智慧工厂接收到铸坯生产实际以及每个工艺参数判定规则、每个钢种、钢类、单项异常事件判定等级规则、单项异常事件等级、铸坯综合判定等级匹配规则，最终给出每个铸坯综合判定质量等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110407177.3A CN113240244A (zh) | 2021-04-15 | 2021-04-15 | 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110407177.3A CN113240244A (zh) | 2021-04-15 | 2021-04-15 | 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113240244A true CN113240244A (zh) | 2021-08-10 |
Family
ID=77128179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110407177.3A Pending CN113240244A (zh) | 2021-04-15 | 2021-04-15 | 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240244A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114150099A (zh) * | 2021-11-29 | 2022-03-08 | 中冶华天南京工程技术有限公司 | 一种炼钢智慧集控方法 |
| TWI785966B (zh) * | 2022-01-19 | 2022-12-01 | 中國鋼鐵股份有限公司 | 特定產品的訂單管理系統及其操作方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102319883A (zh) * | 2011-10-09 | 2012-01-18 | 北京首钢自动化信息技术有限公司 | 一种连铸坯质量在线预报的控制方法 |
| CN110991916A (zh) * | 2019-12-10 | 2020-04-10 | 马鞍山钢铁股份有限公司 | 一种铸坯质量判定系统和方法 |
| CN112651425A (zh) * | 2020-12-01 | 2021-04-13 | 攀钢集团西昌钢钒有限公司 | 一种板坯连铸工艺中异常铸坯的识别方法 |
-
2021
- 2021-04-15 CN CN202110407177.3A patent/CN113240244A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102319883A (zh) * | 2011-10-09 | 2012-01-18 | 北京首钢自动化信息技术有限公司 | 一种连铸坯质量在线预报的控制方法 |
| CN110991916A (zh) * | 2019-12-10 | 2020-04-10 | 马鞍山钢铁股份有限公司 | 一种铸坯质量判定系统和方法 |
| CN112651425A (zh) * | 2020-12-01 | 2021-04-13 | 攀钢集团西昌钢钒有限公司 | 一种板坯连铸工艺中异常铸坯的识别方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114150099A (zh) * | 2021-11-29 | 2022-03-08 | 中冶华天南京工程技术有限公司 | 一种炼钢智慧集控方法 |
| TWI785966B (zh) * | 2022-01-19 | 2022-12-01 | 中國鋼鐵股份有限公司 | 特定產品的訂單管理系統及其操作方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102591286B (zh) | 在线轧制计划动态预分析自调整系统及其方法 | |
| CN113240244A (zh) | 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 | |
| CN108787749B (zh) | 一种热轧生产计划预警方法 | |
| CN102915027B (zh) | 一种基于模式识别技术构建的高炉冶炼专家系统及其方法 | |
| CN101727103B (zh) | 一种冶金连铸连轧生产计划动态调整系统 | |
| CN102581244B (zh) | 一种连铸铸坯表面质量的在线控制系统及控制方法 | |
| CN103472811A (zh) | 炼钢二级过程控制系统及控制方法 | |
| CN111626532A (zh) | 一种基于大数据规则自学习的炼钢生产计划智能排程方法 | |
| CN110991916A (zh) | 一种铸坯质量判定系统和方法 | |
| CN110669963A (zh) | 一种铝合金熔铸配料系统 | |
| CN110322057B (zh) | 一种100t直流电弧炉出钢碳成分的预测系统及预测方法 | |
| CN110989510A (zh) | 一种热镀锌产品全流程质量控制与等级自动判断系统 | |
| CN107695107B (zh) | 一种双机架粗轧机设定数据的跟踪管理方法 | |
| CN107765550B (zh) | 一种基于钢包自动定位的稳定出钢温度的方法 | |
| CN113723768A (zh) | 一种钢铁生产管控系统和方法 | |
| CN112784938A (zh) | 一种面向工业大数据的工序批量产出智能计数方法 | |
| CN112387780A (zh) | 一种新型轧钢生产工艺 | |
| CN112926828B (zh) | 一种面向中厚板产线的炼钢生产数据解析与优化排程方法 | |
| CN114559027B (zh) | 一种基于炼钢铁水质量需求的铁水调度方法及系统 | |
| CN116086201A (zh) | 冶炼除尘系统终端粉尘的二次燃烧喷射控制系统 | |
| CN112149966B (zh) | 一种基于炼钢多数据源聚合指导过程质量判定的方法 | |
| CN114185976A (zh) | 一种高炉可视化智能感知平台 | |
| Carayannis | Artificial intelligence and expert systems in the steel industry | |
| CN202639268U (zh) | 一种连铸铸坯表面质量的在线控制系统 | |
| CN215975982U (zh) | 一种智能粗锡冶炼系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210810 |
|
| RJ01 | Rejection of invention patent application after publication |