CN116109069A - 一种基于钢铁企业的大数据融合应用控制方法 - Google Patents
一种基于钢铁企业的大数据融合应用控制方法 Download PDFInfo
- Publication number
- CN116109069A CN116109069A CN202211620522.2A CN202211620522A CN116109069A CN 116109069 A CN116109069 A CN 116109069A CN 202211620522 A CN202211620522 A CN 202211620522A CN 116109069 A CN116109069 A CN 116109069A
- Authority
- CN
- China
- Prior art keywords
- production
- time
- model
- steelmaking
- control
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 93
- 239000010959 steel Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 76
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 52
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 26
- 230000004927 fusion Effects 0.000 title claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 193
- 238000009628 steelmaking Methods 0.000 claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 238000007726 management method Methods 0.000 claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 230000001360 synchronised effect Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 34
- 238000009749 continuous casting Methods 0.000 claims description 23
- 238000007670 refining Methods 0.000 claims description 22
- 230000033764 rhythmic process Effects 0.000 claims description 19
- 238000003723 Smelting Methods 0.000 claims description 14
- 239000002893 slag Substances 0.000 claims description 13
- 238000005266 casting Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 claims 7
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000010972 statistical evaluation Methods 0.000 abstract 1
- 238000010079 rubber tapping Methods 0.000 description 14
- 230000008520 organization Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 7
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 3
- 235000011941 Tilia x europaea Nutrition 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000004571 lime Substances 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 229910000639 Spring steel Inorganic materials 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
一种基于钢铁企业的大数据融合应用控制方法，包括步骤：S1,采集生产过程数据,建立数据中心；S2,构建生产指挥中心，将各生产要素进行集中管控，实现生产智能调度；S3,构建全时间流管控模型，对每个生产工序流程进行统一的时间管控；S4,构建四大技术模型，准确指导操作、评价操作差异；S5,建立3D生产导航和综合看板，实时展示炼钢各工序生产状态、生产工艺参数、异常情况；S6,通过文字与语音播报，实时播报生产情况，实现无人指挥；S7,拓展移动端应用，使生产管理人员能进行直观、同步、即时的管控；S8,生成综合报表，对重要指标执行效果进行统计分析及评价。本发明通过系统打造智能化与数字化工厂，可以全面提升炼钢生产效率，降低生产成本。
Description
技术领域
发明属于钢铁企业管理控制技术领域，具体地说是一种基于钢铁企业的大数据融合应用控制方法，以准时化生产理念为指导，以钢铁生产过程大数据为基础，将数据与业务紧密结合，从业务实际问题出发，通过生产模型、技术模型、大数据算法，结合数据分析技术解决实际问题，构建一个实现感知、联接和智能的平台。
背景技术
现有的炼钢生产过程，存在以下几种问题：
1、炼钢生产工艺流程复杂、品种多、钢水运行模式多，品种规格之间生产节奏存在差异，在人工管控条件下，转炉、精炼、连铸节奏无法高效匹配，炼钢生产很难达到高产、高效状态。
2、对生产过程衔接时间、辅助时间控制缺乏有效实时手段，班组之间差异比较明细，在追溯时间浪费上缺乏有效手段。
3、生产组织几乎全靠人工电话传递信息，经常出现信息滞后与信息缺失，造成调整不及时，影响生产。人工指挥对多炉多机多品种节奏的生产难度非常大，对后续计划预测与生产指令下达存在不准确性。工序之间互动与工序之间纠错能力不能得到有效提升。
4、天车运行压力大，节奏异常与天车检修生产组织难度大压力大。
5、没有一套完整生产组织系统。转炉出钢时间偏差，可能直接影响连铸生产，精炼过程时间经常成为生产缓冲调整时间，造成温度损失及成本升高。钢水罐周转不到位影响转炉节奏，运行周期的不稳定造成连铸中包温度波动、低温死流、高温拉漏事故，非计划停浇造成生产中断。
6、炼钢工序由于缺乏一套准时化生产系统，生产物流难于精准控制，一直处于相互干扰与相互影响的状态，经常出现转炉等铁水、废钢，钢水等行车，行车、台车运行效率低下，造成生产过程综合成本增加，能耗指标相对较高，也制约了快节奏生产。
发明内容
本发明要解决的技术问题是提供一种基于钢铁企业的大数据融合应用控制方法。
通过全面采集生产过程的时间、温度、重量、音像、空间等五大要素的数据，把人的操作、管理行为、设备状态、计划和工艺流程作为管控对象，抓住时间流、物质流、温度流、能源流、成本流和信息流，全面应用生产组织过程的大数据，通过智能调度、准时化模型、技术模型、管控模型、智能看板、移动端等管控技术，实现质量稳定、效率提升、降本增效的目标。
为了解决上述技术问题，本发明采取以下技术方案：
一种基于钢铁企业的大数据融合应用控制方法，包括以下步骤：
S1,建立数据中心，采集炼钢生产过程数据,建立数据库，实现查询与集成需要；
S2,构建生产指挥中心，将生产计划、炉机生产节奏、生产条件、工艺流程需求、异常状态调控等生产要素进行集中管控，通过一个操作界面、一个指挥中心，实现生产智能调度，包括准时化模型、钢水时刻表、智能调度、钢水罐吊运模型；
S3,构建全时间流管控模型，将炼钢全流程规范为四大周期、十大时长、20个时间点，对每个生产工序流程进行统一的时间管控；
S4,构建四大技术模型，准确指导操作、评价操作差异，包括冶炼模型、热平衡模型、终点预报模型、温降预测模型；
S5,建立3D生产导航和综合看板，实时展示炼钢各工序生产状态、生产工艺参数、异常情况；
S6,设置文字播报与语音播报，实时播报将生产过程控制情况，实现无人指挥；
S7,拓展移动端应用，使生产管理人员随时、随地可以了解生产情况，并进行直观、同步、即时的管控；
S8，生成综合报表，包括日报、月报，成本、技术报表等，对重要指标、准点率、命中率等执行效果进行统计分析，以减少班组差异，改善过程不足；
依据步骤S1-步骤S8实现炼钢准时化生产智能管控。
通过自动采集获取炼钢生产过程数据,在此基础上建立数据库，通过条件判断及动作逻辑复合识别技术进行规范定义、关联，实现查询与集成需要，所述步骤S1具体包括：明确数据采集的范围，确定数据采集的方式，利用采集服务器对信息进行存储、处理和实时计算，把处理后的信息通过传送到后台服务器，再通过技术模型、大数据、算法提供应用软件服务。
通过准时化模型、钢水时刻表、天车智能调度、钢水罐吊运模型，将生产计划、炉机生产节奏、生产条件、工艺流程需求、异常状态调控等生产要素进行集中管控，通过一个操作界面、一个指挥中心，实现生产智能调度，所述步骤S2具体包括：
S2.1,建构建准时化模型，根据连铸开浇时间自动编制炼钢全流程的准时化的计划时间流；
S2.2,系统自动匹配钢水去向，形成具有指导生产的钢水时刻表；
S2.3,构建天车智能调度模型，将天车吊运计划推送到每台天车，并及时反馈每台天车的执行情况；
S2.4,构建钢水罐吊运模型，根据钢水罐位置与运行情况，自动匹配钢水罐。
将炼钢全流程规范为四大周期、十大时长、20个时间点，对每个生产工序流程进行统一的时间管控，所述步骤S3具体包括：
S3.1，规范时间流专业术语与统计口径，包括全流程四大周期、十大时长、20个时间节点；
S3.2，在系统建立时间管控标准，对炼钢各工序准点率进行命中率、准点率评价，分炉、分机、分班的准点率评价等；
S3.3，根据工艺流程、工序和时间步骤，建立时间流管控模型，包括全流程时间流、炼钢时间流、精炼时间流、连铸时间流。
通过技术模型准确指导操作、评价操作差异；所述步骤S4具体包括：
S4.1,建立冶炼模型：根据工艺要求，利用经验数据并根据增量计算法和历史数据并根据回归计算法计算加料时间与重量；
S4.2,建立热平衡模型：根据工艺技术要求综合评估出热量平衡状态，计算矿石的加入数量；
S4.3,建立终点预报模型：根据渣料和热平衡模型，匹配冶炼的工艺技术参数，准确预报终点C和温度；
S4.4,建立温降预测模型：根据大数据和模型计算温度补偿，实现中包温度窄幅控制；根据生产过程10大要素建立钢水罐温降预测模型和出站温度。
通过炼钢全流程3D生产导航综合数字看板，实时展示炼钢各工序生产状态、生产工艺参数、异常情况，所述步骤S5具体包括：
S5.1,建立炼钢全流程3D生产导航,转炉、铸机、精炼的生产状态、生产工艺参数等即时管控，即时显示生产异常情况与异常数据；
S5.2,建立综合数字看板，在总调室、炼钢铁水班、炼钢调度室、炼钢、精炼、连铸主控操作室均设置数字看板，实时显示各工序状态，即时显示生产异常情况，提示、提醒各工序完成生产计划的偏差值，每个工序按照看板组织生产。
实时通过文字与语音播报将生产过程控制情况实时播报给各岗位，实现无人指挥，所述步骤S6具体包括：
S6.1,通过文字与语音向给各岗位实时播报生产节奏控制情况,温度、重量等重要生产过程参数，统一指挥标准，杜绝人为的指挥上差异,实现无人指挥；
S6.2,对每一炉的时间流、温度、重量的执行情况进行播报，对每炉钢水的操作进行回头式播放，每班分时段通报班组的计划情况、当班生产情况。
通过前端开发，使生产管理人员可以通过手机随时、随身可以了解生产情况，并进行直观、同步、即时的管控；
通过生产日报、月报，成本、技术指标报表等，为管理人员和操作人员提供管理提升数据支持，对重要指标、准点率、命中率等执行效果进行统计分析，便于管理人员和操作人员减少班组差异，改善过程不足。
本发明通过全流程准时化模型，将生产流程、工艺技术、生产组织调度、过程管控、生产绩效即时评价充分融合，把时间流、物质流、能源流、温度流、成本流集成到系统，通过算法、模型实现生产组织管理的信息化、数字化、可视化和智能化。
本发明面向一线生产，把复杂的生产过程变得简单直接，一键指挥、智能调度，通过炼钢准时化生产智能管控系统，打造智能化与数字化工厂，实现准时准点、精准控制，可以全面提升炼钢的生产效率，降低生产成本。
本发明能够针对客户生产模式、技术路径、炉机匹配的特点，从系统匹配最优模型，解决客户的痛点和难点问题，实现实时的生产组织管控，通过数据分析找出生产过程班组差异、炉座差异，提出解决方案，从而减少对人的依赖。
本发明具有以下有益技术效果：
1、缩小操作人员之间的差异，达到操作标准化，管理规范化，使生产组织集中化、统一化、高效化。
2、缩短全流程时间，从提高生产组织运行效率。
3、不断降低生产成本：炉龄、温降、渣料消耗、钢铁料消耗、准点率、工艺质量事故率等重要指标不断改善。
4、打造智能化与数字化工厂，实现准时准点、精准控制，全面提升炼钢的生产效率，降低生产成本。
附图说明
图1为本发明准时化模型示意图；
图2为本发明中时间规范定义；
图3为本发明钢水时刻表界面图；
图4为本发明全流程时间流界面图；
图5为本发明冶炼模型；
图6为本发明热平衡模型；
图7为本发明终点预报模型；
图8为本发明3D看板范例；
图9为本发明综合数字看板范例；
图10为本发明炼钢生产月报范例；
图11为本发明月报曲线范例。
具体实施方式
为能进一步了解本发明的特征、技术手段以及所达到的具体目的、功能，下面结合附图与具体实施方式对本发明作进一步详细描述。
实施例一
一种基于钢铁企业的大数据融合应用控制方法，以准时化生产理念为指导，以炼钢生产过程大数据为基础，将数据与业务紧密结合，从业务实际问题出发，通过生产模型、技术模型、大数据算法，结合数据分析技术解决实际问题，构建一个实现感知、联接和智能的数据软件平台，包括以下步骤：
采集炼钢生产过程中的各种数据，包括转炉、精炼、连铸生产运行记录信息，这些信息可通过PLC或者其他设备自动采集，或者一部分数据通过人工采集。行车位置、台车位置通过格雷母线、激光测距实现数据采集。数据的具体体现为时间、重量、温度、工艺参数、成份、当前加工位置等。
数据实现毫秒的采集、存储，保存时间大于1年，以确保能够对数据进行查询和追溯。对采集的时间、重量、温度、工艺参数、成份、位置等数据，进行规范定义、关联、建立数据库，实现查询与集成需要。
利用采集到的各种数据，将生产计划、炉机生产节奏、生产条件调整、工艺流程需求、异常状态调控等生产要素进行集中管控，实现一个操作界面、一套模型、一个指挥中心、全流程准时化；构建自动匹配、自动纠错、效率优先的准时化生产模型，实现科学、高效、精准、均衡的生产目标。
构建准时化模型，根据连铸开浇时间自动编制炼钢全流程的准时化的计划时间流；根据连铸开浇时间自动编制炼钢全流程的准时化的计划时间流。自动匹配进/出站时间、座包时间、出钢时间、开吹时间等时间点，匹配钢水去向、精炼工艺路线，与生产实际情况对接及关联，形成具有指导生产的钢水时刻表(系统界面参考图3)，各区域根据钢水时刻表上的时间要求组织生产操作，达到生产系统整体的协调统一，实现调度集中指挥、有序生产。参考图1所示，利用该准时化模型，可以实现对浇次计划、炉机匹配、生产模式、工艺路线进行有效地管控，设定大数据标准，对采集到的各种数据与标准进行对比，评价生产过程。
通过准时化模型，与实际生产流程对接，形成全流程的钢水运行时刻表，各区域根据钢水时刻表上的时间要求进行生产操作，达到生产系统整体协调统一，自动编制开浇时间、浇完时间、精炼出站时间、出钢时间、冶炼开始，根据设定的运行时刻表，实现生产组织智能化、高效化。在钢水运行时刻表中，通过对采集来的数据实时进行计算分析，自动推送下一炉计划开始时间，各区域根据钢水运行时刻表上的时间要求进行生产操作，达到生产系统整体协调统一。
构建天车智能调度模型，根据生产计划出钢时间、工艺路线、钢水去向、连铸浇钢、当前炉机匹配模式，匹配天车正常运行模型，利用无线通信，将天车吊运计划推送到每台天车，并及时反馈每台天车的执行情况。实现无人在地面指挥天车吊运计划。通过天车动态称量ADM精准算法计算出钢量、铁水量、钢包渣量、钢铁量消耗与连铸收得率，实现精准控制。
构建钢水罐吊运模型，系根据钢水罐位置与运行情况，自动匹配钢水罐，自动推送天车操作人员与热修人员，自动采集钢水罐的热修时间。根据生产工艺流程特点建立钢水罐的匹配模型(即钢水罐的周转个数)，按照准时化模型匹配钢水的运行周期与天车计划，连铸机与转炉按照准时化生产周期错开，实现天车有序运行，缩短钢水罐周转时间，提高钢水罐的热效益，降低钢水罐的温度，降低出钢温度，稳定中包温度。
建立全时间流管控模型(系统界面参考图4)，对每一个生产工序流程进行统一的时间管控；在系统建立时间管控标准(标准因客户工艺路径不同而调整)，对炼钢各工序准点率进行命中率、准点率评价，分炉、分机、分班的准点率评价等；根据工艺流程、工序和时间步骤，建立时间流管控模型，包括全流程时间流、炼钢时间流、精炼时间流、连铸时间流；时间流按钢水流向时间顺序排列，按周期、时长(参考图2规范定义)进行归集计算，用实际值与标准值进行实时对比和评价(准点、命中、快、慢等)，分工序分班组分周期评价，使各工序人员对当前的生产进展以及下一步的工作计划一目了然。
通过冶炼模型、热平衡模型、终点预报模型、温降预测模型，准确指导加料(石灰、矿石、合金)、加废钢、出钢操作、钢水吊运等操作，并能评价操作差异；
参考图8、参考图9，设置语音播报模块，对生产过程中的各个工序进行实时语音播报和回头式播放。
生成综合报表(参考图10、图11)，并且与远程终端进行通讯，比如手机，可实现在远程查看。
实施例二
所述天车智能调度模型包括钢包吊运区域、精炼吊运区域、连铸吊运区域这三个天车作业区域，设置时间系数N，设定钢包吊运区域、精炼吊运区域、连铸吊运区域这三个区域的天车作业时间，动态匹配对应的天车在相应的天车作业区域进行作业，并将天车作业时间发送给作业人员。
放钢包吊运时间：X，精炼出站吊运时间：Y，大包下台吊运：Z；
X＝计划出钢时间-N，根据实际生产状态：实际开炼+N；
Y＝计划/实际出站时间+N，如果有多个工艺路径，则根据每个工艺路径的出站时间调整；
Z＝计划/实际浇完时间+N；
根据各个天车作业区域的划定，通过计算出的天车作业时间，动态匹配最优的天车进行作业，防止天车出现相互干扰，从而达到最优执行效率。
参考图2所示，所述全时间管控模型包括四大周期和十大时长，以及可设置若干个时间节点，四大周期为冶炼周期、精炼周期、运行周期、浇钢周期，十大时长为加挡渣塞、溅渣、废加钢、加铁水、吹炼、出钢、精炼、运行、浇钢、收集的时长，每个周期设定相应的时间。通过四大周期和十在时长，进行各个工序时间的衔接，规范时间流专业术语与统计口径，明确时间流中基准值与岗位责任，提升作业效率。
基于系统的四大周期十大时长，通过计划模型与实际数据的匹配，得出炼钢的节奏匹配，用于检验实际是否有异常。
节奏：X，计划或实际出钢：Y，需求出钢：Z；
冶炼周期:A，吊运时长:B，精炼周期:C，运行周期:D，浇铸周期:E,炼钢计划开始：F，连铸计划开始H，
Y＝F+A；Z＝H-D-C-B；X＝Z-Y。
根据计算得出的X，如果X值超出一定范围，可以知道出当前生产出现了异常，提醒现场及时进行生产调整。
通过计划模型与实际数据的匹配，得出炼钢的节奏匹配，若节奏匹配时长超出设定范围，则说明当前生产出现异常，若在设定范围内，则当前生产无异常。
所述全时间管控模型具体包括建立时间管控标准，对转炉、精炼、运行、连铸准点率进行命中率评价，同时准时化日报、月报，包括分炉、分机、分班的准点率评价。
实施例三
所述生产模型包括：
冶炼模型(参考图5)，根据废钢品种结构、废钢重量，铁水重量、铁水温度，铁水Si、S、P成份，石灰质量、渣料类型，渣碱度控制标准、钢种等，获取加料时间与重量。
热平衡模型(参考图6)，根据废钢品种结构、废钢重量，铁水重量、铁水温度，铁水Si、S、P成份，石灰质量、渣料类型，渣碱度控制标准、钢种等，评估出热量平衡状态，计算矿石的加入数量。
终点预报模型(参考图7)，根据渣料和热平衡模型，匹配冶炼的工艺技术参数，预报终点C和温度。
温降预测模型，设定钢种出站温度标准，计算温度补偿，消除拒浇钢水，实现中包温度窄幅控制。根据钢水罐上线时间、钢水罐当前状态、罐龄、空罐停留时间、重罐停留时间、出钢量、执行路线、生产节奏、操作控制、连铸中包温度等10大要素建立钢水罐温降预测模型和出站温度。通过温降预测模型，从而可以准确的预测出钢水罐的温度差异性，确保生产的连续性和品质。
所述炼钢全流程3D生产导航(参考图8)，将转炉、铸机、精炼的生产状态、生产工艺参数进行即时管控，即时显示生产异常情况与异常数据。
设置数字看板(参考图9)，将生产异常情况与异常数据在数字看板上显示，在总调室、炼钢铁水班、炼钢调度室、转炉、精炼、连铸主控操作室均设置数字看板，每个工序按照数字看板组织生产，提醒各工序完成生产计划的偏差值，提高管理人员对现场生产掌控能力，辅助管理人员生产控管控决策，提高生产管理掌控能力，提高全流程生产运作效率。在总调室、炼钢铁水班、炼钢调度室、转炉(电炉)、精炼、连铸主控操作室均设置数字看板，每个工序按照数字看板组织生产。
此外，对于语音播报，相较于文本短信和文字展示,语音短信属于一种强提醒的方式,接收者的感知度更强,提醒效果更好,但相应地对接收者的干抗程度也更强。与其它的消息推送方式相比,语音播报方式的使用具有多项优势:减少人员的重复劳动,提升人员的工作效率；避免出现用户虽然接收到短信通知但是没有及时查看、被拦截掉、忽略掉的诸多意外情况，提升用户的使用体验。
实时通过文字与语音播报生产节奏控制情况、对出完、开始、浇完、出站时；温度、重量等重要生产过程进行实时播报给各岗位，统一指挥标准，杜绝人为的指挥上差异,实现无人指挥。
对每一炉的时间流、温度、重量的执行情况进行播报，对每炉钢水的操作进行回头式播放；每班分时段通报班组的计划情况、当班生产情况。
通过设置通讯模块，与远程终端，如手机或者远程控制终端通讯连接，按照炉号、班组、日期提供相关生产、技术、工艺数据、指标，系统模型情况，时间流的管控情况，生产导航，数据集成报表、生产日报、成本报表等，通过手机进行直观、同步、即时的管控，随时、随身可以了解生产情况。可广泛应用于目前的安卓、苹果系统。
所述综合报表(参考图10、图11)包括生产日报表、月报表、成本报表、技术指标报表；综合报表对炼钢产量、装入量、平均温度、四大周期时间、准点率、命中率、等指标和执行效果按班组、按日进行统计分析，将生产效果实时展示，便于管理人员和操作人员及时了解生产状态与执行效率。减少班组差异，改善过程不足。同时也为客户提供定制化报表功能，如准时化汇总表、劳动竞赛统计表等。
通过以上各个工序的时间管控，可以有效地将不同工序之间的时间进行有效衔接，并且实现最优匹配。
按照本申请的准时化生产智能管控系统，应用到具体的实例中。
阳春钢铁案例：产能提升了46％，钢铁消耗降低4-5kg；渣料消耗降低5kg，系统降成本20元/吨，年效益达到7000万元以上。
广西贵钢案例：2016年产150万吨，2021年产195万吨，产能提升了30％。铁水罐运行效率提高了25％，钢铁消耗降低4kg；渣料消耗降低6kg，出钢温度降低15℃，系统降成本30元/吨以上，年度降成本达到4500万元以上。
宝武韶钢案例：全流程命中率平均90.2％，匹配节奏合格率平均89％，全面按准时化模式组织生产，年度降成本达4000万元以上。
需要说明的是，以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，但是凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于钢铁企业的大数据融合应用控制方法，其特征在于，包括以下步骤：
S1,建立数据中心，采集炼钢生产过程数据,建立数据库，实现查询与集成需要；
S2,构建生产指挥中心，将生产计划、炉机生产节奏、生产条件、工艺流程需求、异常状态调控生产要素进行集中管控，通过一个操作界面、一个指挥中心，实现生产智能调度，包括准时化模型、钢水时刻表、智能调度、钢水罐吊运模型；
S3,构建全时间流管控模型，将炼钢全流程规范为四大周期、十大时长、20个时间点，对每个生产工序流程进行统一的时间管控；
S4,构建四大技术模型，准确指导操作、评价操作差异，包括冶炼模型、热平衡模型、终点预报模型、温降预测模型；
S5,建立3D生产导航和综合看板，实时展示炼钢各工序生产状态、生产工艺参数、异常情况；
S6,设置文字播报与语音播报，实时播报将生产过程控制情况，实现无人指挥；
S7,拓展移动端应用，使生产管理人员随时、随地可以了解生产情况，并进行直观、同步、即时的管控；
S8，生成综合报表，包括日报、月报，成本、技术报表，对重要指标、准点率、命中率执行效果进行统计分析。
2.根据权利要求1所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，通过自动采集获取炼钢生产过程数据,在此基础上建立数据库，通过条件判断及动作逻辑复合识别技术进行规范定义、关联，实现查询与集成需要，所述步骤S1具体包括：明确数据采集的范围，确定数据采集的方式，利用采集服务器对信息进行存储、处理和实时计算，把处理后的信息通过传送到后台服务器，再通过技术模型、大数据、算法提供应用软件服务。
3.根据权利要求2所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，所述步骤S2具体包括：
S2.1,构建准时化模型，根据连铸开浇时间自动编制炼钢全流程的准时化的计划时间流；
S2.2,系统自动匹配钢水去向，形成具有指导生产的钢水时刻表；
S2.3,构建天车智能调度模型，将天车吊运计划推送到每台天车，并及时反馈每台天车的执行情况；
S2.4,构建钢水罐吊运模型，根据钢水罐位置与运行情况，自动匹配钢水罐。
4.根据权利要求3所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，所述步骤S3具体包括：
S3.1，规范时间流专业术语与统计口径，包括全流程四大周期、十大时长、20个时间节点；
S3.2，在系统建立时间管控标准，对炼钢各工序准点率进行命中率、准点率评价，分炉、分机、分班的准点率评价；
S3.3，根据工艺流程、工序和时间步骤，建立时间流管控模型，包括全流程时间流、炼钢时间流、精炼时间流、连铸时间流。
5.根据权利要求4所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，通过技术模型准确指导操作、评价操作差异；所述步骤S4具体包括：
S4.1,建立冶炼模型：根据工艺要求，利用经验数据并根据增量计算法和历史数据并根据回归计算法计算加料时间与重量；
S4.2,建立热平衡模型：根据工艺技术要求综合评估出热量平衡状态，计算矿石的加入数量；
S4.3,建立终点预报模型：根据渣料和热平衡模型，匹配冶炼的工艺技术参数，准确预报终点C和温度；
S4.4,建立温降预测模型：根据大数据和模型计算温度补偿，实现中包温度窄幅控制；根据生产过程10大要素建立钢水罐温降预测模型和出站温度。
6.根据权利要求5所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，通过炼钢全流程3D生产导航综合数字看板，实时展示炼钢各工序生产状态、生产工艺参数、异常情况，所述步骤S5具体包括：
S5.1,建立炼钢全流程3D生产导航,转炉、铸机、精炼的生产状态、生产工艺参数即时管控，即时显示生产异常情况与异常数据；
S5.2,建立综合数字看板，在总调室、炼钢铁水班、炼钢调度室、炼钢、精炼、连铸主控操作室均设置数字看板，实时显示各工序状态，即时显示生产异常情况，提示、提醒各工序完成生产计划的偏差值，每个工序按照看板组织生产。
7.根据权利要求6所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，实时通过文字与语音播报将生产过程控制情况实时播报给各岗位，实现无人指挥，所述步骤S6具体包括：
S6.1,通过文字与语音向给各岗位实时播报生产节奏控制情况,温度、重量重要生产过程参数，实现无人指挥；
S6.2,对每一炉的时间流、温度、重量的执行情况进行播报，对每炉钢水的操作进行回头式播放，每班分时段通报班组的计划情况、当班生产情况。
8.根据权利要求7所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，通过网络模块与远程终端通讯，使生产管理人员通过远程终端实时了解生产情况，并进行远程管控。
9.根据权利要求8所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，通过生产日报、月报，成本、技术指标报，将相应的数据进行显示，对预设的重要指标、准点率、命中率执行效果进行统计分析。
10.根据权利要求9所述的基于钢铁企业的大数据融合应用控制方法，其特征在于，对相关的数据以毫秒的频率进行采集、存储，保存时间大于1年。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211620522.2A CN116109069A (zh) | 2022-12-15 | 2022-12-15 | 一种基于钢铁企业的大数据融合应用控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211620522.2A CN116109069A (zh) | 2022-12-15 | 2022-12-15 | 一种基于钢铁企业的大数据融合应用控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116109069A true CN116109069A (zh) | 2023-05-12 |
Family
ID=86257154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211620522.2A Pending CN116109069A (zh) | 2022-12-15 | 2022-12-15 | 一种基于钢铁企业的大数据融合应用控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116109069A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117631627A (zh) * | 2023-12-01 | 2024-03-01 | 邵东智能制造技术研究院有限公司 | 一种基于工业互联网的数字化改造方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104835012A (zh) * | 2015-05-21 | 2015-08-12 | 湖南视拓科技发展有限公司 | 一种钢铁企业生产调度管理系统及方法 |
| CN109708482A (zh) * | 2018-12-07 | 2019-05-03 | 冶金自动化研究设计院 | 一种高温炉内多品种及多规格钢锭的位置跟踪系统 |
| CN113506034A (zh) * | 2021-07-28 | 2021-10-15 | 上海示右智能科技有限公司 | 构建智能第三方监督评估组织的方法 |
| CN113554331A (zh) * | 2021-07-30 | 2021-10-26 | 山东莱钢永锋钢铁有限公司 | 一种基于工序节奏管控的炼钢数字化调度优化方法 |
| CN114154840A (zh) * | 2021-11-29 | 2022-03-08 | 中冶华天南京工程技术有限公司 | 一种炼钢智慧集控智能应用平台构建方法 |
| CN115115335A (zh) * | 2022-06-16 | 2022-09-27 | 北京同创信通科技有限公司 | 连铸生产系统以及连铸生产方法 |
| US20220318714A1 (en) * | 2020-03-23 | 2022-10-06 | Dalian University Of Technology | Method for predicting oxygen load in iron and steel enterprises based on production plan |
| CN115222083A (zh) * | 2021-04-16 | 2022-10-21 | 上海宝信软件股份有限公司 | 基于工业互联网的炼钢集控系统、方法及介质 |
-
2022
- 2022-12-15 CN CN202211620522.2A patent/CN116109069A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104835012A (zh) * | 2015-05-21 | 2015-08-12 | 湖南视拓科技发展有限公司 | 一种钢铁企业生产调度管理系统及方法 |
| CN109708482A (zh) * | 2018-12-07 | 2019-05-03 | 冶金自动化研究设计院 | 一种高温炉内多品种及多规格钢锭的位置跟踪系统 |
| US20220318714A1 (en) * | 2020-03-23 | 2022-10-06 | Dalian University Of Technology | Method for predicting oxygen load in iron and steel enterprises based on production plan |
| CN115222083A (zh) * | 2021-04-16 | 2022-10-21 | 上海宝信软件股份有限公司 | 基于工业互联网的炼钢集控系统、方法及介质 |
| CN113506034A (zh) * | 2021-07-28 | 2021-10-15 | 上海示右智能科技有限公司 | 构建智能第三方监督评估组织的方法 |
| CN113554331A (zh) * | 2021-07-30 | 2021-10-26 | 山东莱钢永锋钢铁有限公司 | 一种基于工序节奏管控的炼钢数字化调度优化方法 |
| CN114154840A (zh) * | 2021-11-29 | 2022-03-08 | 中冶华天南京工程技术有限公司 | 一种炼钢智慧集控智能应用平台构建方法 |
| CN115115335A (zh) * | 2022-06-16 | 2022-09-27 | 北京同创信通科技有限公司 | 连铸生产系统以及连铸生产方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117631627A (zh) * | 2023-12-01 | 2024-03-01 | 邵东智能制造技术研究院有限公司 | 一种基于工业互联网的数字化改造方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105353733B (zh) | 一种炼钢生产过程智能调度方法 | |
| CN109559027A (zh) | 应用于钢铁企业高速工具钢冶炼流程的计划调度系统 | |
| CN104835012A (zh) | 一种钢铁企业生产调度管理系统及方法 | |
| CN105243512A (zh) | 一种炼钢作业计划动态排程方法 | |
| Zhang et al. | Cost-effective scheduling of steel plants with flexible EAFs | |
| CN106408153A (zh) | 一种基于案例推理的钢铁企业生产动态调度调整方法及其专家系统 | |
| CN101908092A (zh) | 一种炼铁炼钢连铸一体化调度系统 | |
| CN101152668A (zh) | 一种炼钢连铸生产工序集中监控的方法 | |
| CN112699524A (zh) | 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型 | |
| CN101833322A (zh) | 钢铁企业高炉-转炉区段生产调度过程控制中的专家系统及控制方法 | |
| CN108265157A (zh) | 智能电弧炉炼钢系统 | |
| CN116109069A (zh) | 一种基于钢铁企业的大数据融合应用控制方法 | |
| CN110647124A (zh) | 考虑铸轧协调的炼钢连铸热轧一体化生产计划方法及系统 | |
| CN106647674A (zh) | 基于知识表示的钢铁生产调度模型匹配方法 | |
| CN110442090A (zh) | 一种基于物联网的炼钢全流程物流信息化方法 | |
| CN107321947A (zh) | 一种自动跟踪单支连铸坯质量的方法 | |
| CN102419581A (zh) | 一种基于hrcea的特殊钢厂炼钢-连铸生产调度方法 | |
| CN104102982A (zh) | 一种炼钢工序管理系统与方法 | |
| CN116909236A (zh) | 基于铁-钢界面铁水罐物流仿真和智能调度方法及系统 | |
| CN113554331A (zh) | 一种基于工序节奏管控的炼钢数字化调度优化方法 | |
| CN104122873B (zh) | 一种炼钢工艺数据管理系统与方法 | |
| CN107153927B (zh) | 一种钢铁生产误工管理方法 | |
| CN105242545B (zh) | 一种基于工艺批次模型的转炉用氧流量的预测方法 | |
| Yang et al. | Quantitative evaluation of multi-process collaborative operation in steelmaking-continuous casting sections | |
| CN101105842A (zh) | 钢铁mes中实现出钢计划实时匹配与动态调度的方法 |
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 |