CN117008550A - 基于智能工厂的生产控制系统 - Google Patents
基于智能工厂的生产控制系统 Download PDFInfo
- Publication number
- CN117008550A CN117008550A CN202311000007.9A CN202311000007A CN117008550A CN 117008550 A CN117008550 A CN 117008550A CN 202311000007 A CN202311000007 A CN 202311000007A CN 117008550 A CN117008550 A CN 117008550A
- Authority
- CN
- China
- Prior art keywords
- production
- iron
- molten iron
- steel
- monitoring unit
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 196
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 294
- 229910052742 iron Inorganic materials 0.000 claims abstract description 147
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 77
- 239000010959 steel Substances 0.000 claims abstract description 77
- 239000002994 raw material Substances 0.000 claims abstract description 62
- 238000009628 steelmaking Methods 0.000 claims abstract description 57
- 238000007726 management method Methods 0.000 claims abstract description 47
- 239000000463 material Substances 0.000 claims abstract description 46
- 238000005096 rolling process Methods 0.000 claims abstract description 25
- 238000007670 refining Methods 0.000 claims abstract description 11
- 238000010079 rubber tapping Methods 0.000 claims abstract description 11
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 239000002184 metal Substances 0.000 claims description 25
- 229910052751 metal Inorganic materials 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000012384 transportation and delivery Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 18
- 238000009749 continuous casting Methods 0.000 claims description 9
- 239000000571 coke Substances 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000033764 rhythmic process Effects 0.000 claims description 7
- 230000003137 locomotive effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005245 sintering Methods 0.000 claims description 5
- 239000003245 coal Substances 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000007306 turnover Effects 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 4
- 238000010223 real-time analysis Methods 0.000 abstract 1
- 239000000047 product Substances 0.000 description 46
- 238000009826 distribution Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000011265 semifinished product Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- -1 ironmaking Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005453 pelletization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004449 solid propellant Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种基于智能工厂的生产控制系统,生产控制系统通过智慧运营中心综合总厂业务数据库与各分厂厂区的区域物联网平台数据对生产各个集群进行控制,原料管控单元响应用料需求进行配料与采购,炼铁监测单元实时监控铁水炼制状态并形成业绩任务的跟踪,铁调跟踪单元实时监控铁水生产以及出铁转运,炼钢监测单元实时监控钢水炼制状态并且完成业绩任务的跟踪,轧钢监测单元监控加热炉以及轧机的生产状态并且完成业绩任务的跟踪,成品跟踪单元跟踪确认产品的库存与出入动态、并对库存结构进行实时分析跟踪产品动态。本申请能够整合支撑系统业务、流程、数据、模型,可保证钢铁生产企业整个生产系统的稳定有序运行以及生产运行效率的不断提升。
Description
技术领域
本发明涉及工厂厂区数字化运营管理技术领域,具体是一种基于智能工厂的生产控制系统。
背景技术
2021年,中国钢铁工业协会围绕行业数字化转型持续开展工作,组建了钢铁行业智能制造联盟,着力构建跨产业、跨领域的协同创新生态圈,同时工信部印发的《信息化和工业化深度融合发展规划》也指出,钢铁行业数字化转型以工艺优化为切入点,加速向设备运维智能化、生产工艺透明化、供应链协同全局化、环保管理清洁化等方向数字化转型。同时,在企业自身发展驱动下,需要突破传统钢铁企业痛点,尤其表现在近几年随着信息化的发展。虽然大多数钢铁企业建设了诸多信息化系统,例如ERP、生产MES、能源EMS、设备管理等,但这些系统相互独立,信息孤岛较多,协同不足,缺乏一个从原料、炼铁、炼钢、轧钢至成品出库的全流程运营管控平台。
运营管控平台的工作需要借助于各个信息化系统,例如ERP、物流仓库管理、生产MES系统、设备管理等做分散查询,存在大量的离线管理和纸质管理流程。运营管控工作中存在着信息收集滞后、需观测系统较多、信息缺失、信息不连贯等问题。运营管控人员无法及时掌握现场生产异常情况,无法及时的对影响生产的异常因素做出恰当的处理,无法及时评估和制定后续生产策略。
因此,基于智能工厂进行生产控制就成为钢铁行业急需解决的技术问题。
发明内容
本发明的目的是要提供一种基于智能工厂的生产控制系统,能够整合支撑系统业务、流程、数据、模型,形成运营管控从传统到数字、从离散到集约、从多层级到一体化的转变,可保证钢铁生产企业整个生产系统的稳定有序运行以及生产运行效率的不断提升。
为达到上述目的,本发明采用的技术方案是:
本发明提供了一种基于智能工厂的生产控制系统,生产控制系统通过智慧运营中心综合总厂业务数据库与各分厂厂区的区域物联网平台数据对生产各个集群进行控制,所述智慧运营中心中针对原料集群、炼铁集群、铁调集群、炼钢集群、轧材集群、成品集群六个运营生产集群分别配置有原料管控单元、炼铁监测单元、铁调跟踪单元、炼钢监测单元、轧钢监测单元、成品跟踪单元,其中:
原料管控单元,所述原料管控单元对生产用料根据品种通用原则建立资源可替换分类库,并根据可替代分类原则对相应的品种资源由近到远进行物料流跟踪,同时原料管控单元响应炼铁集群、炼钢集群的用料需求,通过预设的匹配机制调整相应生产用料的供应;
炼铁监测单元,包括设置于铁水罐处的RFID标签,所述RFID标签内配置存储有内部铁水量数据,所述炼铁监测单元根据所述RFID标签中的存储数据形成炼化铁水的业绩任务的跟踪;
铁调跟踪单元,包括设置于吊运挂钩处的第一RFID识别设置,读取所述铁水罐处的RFID标签,用于实时监控生产出的铁水出铁转运过程;
炼钢监测单元,包括设置于高炉区处的第一RFID读写设备和设置于倒罐站处的第二RFID读写设备,所述炼钢监测单元在所述高炉区处实时检测钢水炼制状态并将内部钢水量数据通过所述第一RFID读写设备写入至所述RFID标签,所述炼钢监测单元在所述倒罐站处实时检测内部钢水量数据并通过所述第二RFID读写设备写入至所述RFID标签;
所述轧钢监测单元,对炼钢集群产出的钢坯予以监测统计同时监测钢坯库存量,根据钢坯库存量与轧材集群的钢坯需求量的比较结果调整炼钢集群的钢坯产出量乃至炼铁集群的铁水产出量;
所述成品跟踪单元,跟踪确认产品的库存与出入动态、并对库存结构进行实时分析跟踪产品动态。
对于上述技术方案,申请人还有进一步的优化措施。
可选地,炼铁监测单元还包括监测铁水罐内部铁水量的铁水探测器、RFID写入设备,所述RFID写入设备将读取到的铁水量数据写入至所述铁水罐处的RFID标签。
可选地,所述原料管控单元对生产用料根据品种通用原则建立资源可替换分类库时,生产用料包括混匀料、焦炭以及煤,对于各类型的生产用料的库存量、在途量以及待卸量通过物联网平台进行统计,同时将库存量、在途量以及待卸量的总量与预设的目标产值相比较,判断确认原料的供给是否匹配产值需求,并根据需求的判断确认下发用料请求进行配料与采购。
进一步地,所述原料管控单元对于在途原料的位置与到达时间进行跟踪,综合生产计划通过计算模型对阶段原料消耗进行预估,调派原料接卸计划,匹配原料库存与原料需求,用于实现原料的采购与到达节奏。
可选地,所述炼铁监测单元通过铁区MES制造执行系统、铁区ERP系统以及铁区计量系统对于烧结炉、焦炉以及高炉的生产状况进行状态检测,并对铁水进行生产统计与计量检测,同时收集检测数据,形成高炉出铁量与生产业绩指标间的比对,并为后续的铁钢平衡与能源平衡提供决策依据。
可选地,所述铁调监控单元通过第一RFID识别装置读取铁水罐处的RFID标签实时监控铁水生产及流转状态,并通过铁调计量系统、货运系统对出铁信息、铁水罐运行位置及状态信息,实时跟踪铁水罐及机车的布局及状态,预测预判铁水罐到达炼钢区域的时间及重量,建立铁水运输智能决策模型。
进一步地,所述铁水运输智能决策模型中结合生产MES制造执行系统及货运系统对铁水罐的周转进行控制,对所述铁水罐的分流去向进行分配调整。
可选地,所述炼钢监测单元通过设置于高炉区处的第一RFID读写设备和设置于倒罐站处的第二RFID读写设备对铁水罐进行铁水数据读取,跟踪所述铁水罐的位置与动态,结合生产MES制造执行系统、生产ERP系统实时监控转炉、电炉、精炼炉以及连铸机的生产状态和生产实绩,对铁水调进、铁水分流、炼钢连铸进行柔性衔接控制。
可选地,所述轧钢监测单元实时监控加热炉以及轧机的生产状态,对轧钢产线作业率、成材率、热装热送率、合同兑现率、钢坯库存、能介耗用进行统计。
可选地,所述成品跟踪单元对已产成品由生产完成、出库、出厂的流程环节进行监控,结合物流派车、门禁进出厂、计量过磅的数据,实时跟踪产成品及待判库存以及成品运输实绩,在成品库存或运输出现异常时给出预警。
可选地,生产控制系统实时采集设备信号、生产及各业务系统的数据,当异常预警信息发生时,以红色或黄色进行突出显示,其中,所述异常预警信息包括铁水隐患因素提示预警、关键设备报警、关键生产指标异常预警、仓库涨库风险预警、提货装车超时预警。
与现有技术相比较,本发明专利申请的优点在于:
本申请的基于智能工厂的生产控制系统,其利用新一代传感技术(如RFID识别技术)、网络技术、物联技术、人工智能、大数据技术,基于工业互联网平台,通过多专业、多领域、多行业高效协同,充分融合的生态圈,打造钢铁行业首个一体化智造、经营、生态决策中心,实现横向到边、纵向到底的多专业、多领域高效协同、辅助决策,建设成钢企智慧运营的智控大脑,通过对各生产工序管控工艺参数进行收集和关联,通过数据流的串联跟踪将六大生产运行集群(原料、炼铁、铁调、炼钢、轧材、成品)之间的衔接关系的打通,通过采取生产运营异常信息的预测、预警和处置建模等措施,来实现一体化的数字智慧运营管控系统的搭建。
本申请的生产控制系统能够更好的组织与服务企业生产运营,配合推进了企业数字化转型工作,提升企业生产组织的应急能力和问题协调处理能力,整合支撑系统业务、流程、数据、模型,形成运营管控从传统到数字、从离散到集约、从多层级到一体化的转变。通过各生产运行集群的实时展示,有助于生产管控(调度)人员及时准确的在原燃料库存、预期库存变化、生产运行质量、工序间物料衔接、能介资源有效利用、设备运行状态、产成品库存以及外发等方面进行把控;有助于生产经营异常情况的快速发现;有助于通过调度指挥、多部门协同进行资源的调配和应急处置,从而能够较好的保证公司整个生产系统的稳定有序运行以及生产运行效率的不断提升。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的基于智能工厂的生产控制系统的框架结构示意图。
具体实施方式
下面将结合附图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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例描述了一种基于智能工厂的生产控制系统,生产控制系统通过智慧运营中心综合总厂业务数据库与各分厂厂区的区域物联网平台数据对生产各个集群进行控制,所述智慧运营中心中针对原料、炼铁、铁调、炼钢、轧材、成品六个运营生产集群分别配置有原料管控单元、炼铁监测单元、铁调跟踪单元、炼钢监测单元、轧钢监测单元、成品跟踪单元,区域物联网平台通过传感器、环保检测仪器等对厂区内的设备运行状态进行检测并将监测数据经由采集网关输送至区域物联网平台,所述区域物联网平台的物联网检测数据传送至智慧运营中心,而业务数据库则综合MES系统、ERP系统、计量系统、货运系统、采购系统以及船运网等方面的数据,在将业务数据库的数据综合后上传至工业互联网平台进行数据的计算处理,在处理完成后统一数据服务传送至智慧运营中心,智慧运营中心再分别对各个集群的数据予以显示并分析,给出计算处理结果以及预警报告。
具体说来,本实施例的生产系统中的原料管控单元、炼铁监测单元、铁调跟踪单元、炼钢监测单元、轧钢监测单元、成品跟踪单元,其在工作过程中以多单元数据关联的形式构成数据流上的串联,具体按照炼钢步骤阐述各单元间关系如下:
原料管控单元,所述原料管控单元对生产用料根据品种通用原则建立资源可替换分类库,并根据可替代分类原则对相应的品种资源由近到远进行物料流跟踪,同时原料管控单元响应炼铁集群、炼钢集群的用料需求,通过预设的匹配机制调整相应生产用料的供应;
炼铁监测单元,包括设置于铁水罐处的RFID标签,所述RFID标签内配置存储有内部铁水量数据,所述炼铁监测单元根据所述RFID标签中的存储数据形成炼化铁水的业绩任务的跟踪;
铁调跟踪单元,包括设置于吊运挂钩处的第一RFID识别设置,读取所述铁水罐处的RFID标签,用于实时监控生产出的铁水出铁转运过程;
炼钢监测单元,包括设置于高炉区处的第一RFID读写设备和设置于倒罐站处的第二RFID读写设备,所述炼钢监测单元在所述高炉区处实时检测钢水炼制状态并将内部钢水量数据通过所述第一RFID读写设备写入至所述RFID标签,所述炼钢监测单元在所述倒罐站处实时检测内部钢水量数据并通过所述第二RFID读写设备写入至所述RFID标签;
所述轧钢监测单元,对炼钢集群产出的钢坯予以监测统计同时监测钢坯库存量,根据钢坯库存量与轧材集群的钢坯需求量的比较结果调整炼钢集群的钢坯产出量乃至炼铁集群的铁水产出量;
所述成品跟踪单元,跟踪确认产品的库存与出入动态、并对库存结构进行实时分析跟踪产品动态。
也就是说,所述原料管控单元响应用料需求进行配料与采购,所述炼铁监测单元实时监控铁水炼制状态并形成业绩任务的跟踪,所述铁调跟踪单元实时监控铁水生产以及出铁转运,所述炼钢监测单元实时监控钢水炼制状态并且完成业绩任务的跟踪,所述轧钢监测单元监控加热炉以及轧机的生产状态并且完成业绩任务的跟踪,所述成品跟踪单元跟踪确认产品的库存与出入动态、并对库存结构进行实时分析跟踪产品动态。
本实施例的生产控制系统中的利用新一代传感技术、网络技术、物联技术、人工智能、大数据技术,基于工业互联网平台,通过多专业、多领域、多行业高效协同,充分融合的生态圈,打造钢铁行业首个一体化智造、经营、生态决策中心,实现横向到边、纵向到底的多专业、多领域高效协同、辅助决策,建设成钢企智慧运营的智控大脑,通过对各生产工序管控工艺参数进行收集和关联,将六大生产运行集群(原料、炼铁、铁调、炼钢、轧材、成品)之间的衔接关系的打通,通过采取生产运营异常信息的预测、预警和处置建模等措施,来实现一体化的数字智慧运营管控系统的搭建。
具体说来,本实施例的生产控制系统中的数据采集是基于MES系统、ERP系统、计量系统、货运系统、采购系统以及船运网等,数据采集完成后上传至工业互联网平台,同时生产控制系统将原燃料发运、在途、接卸、原料处理、烧结、炼铁等方面的数据汇总,从而实现生产保供,保证库存合理,实现智慧生产、智慧采购、智慧物流,保障生产正常进行的同时降低生产成本。
所述原料管控单元是以用料需求为中心,从采购源头到原料耗用结束,实现物料、时间、成本、质量的实时跟踪,通过超时预警、到达预测、库存预测、预警,通过精确调度,实现原材料的保产保供。
所述原料管控单元对生产用料根据品种通用原则建立资源可替换分类库时,生产用料包括混匀料、焦炭以及煤,对于各类型的生产用料的库存量、在途量以及待卸量通过物联网平台进行统计,同时将库存量、在途量以及待卸量的总量与预设的目标产值相比较,判断确认原料的供给是否匹配产值需求,并根据需求的判断确认下发用料请求进行配料与采购。所述原料管控单元对于在途原料的位置与到达时间进行跟踪,,综合生产计划通过计算模型对阶段原料消耗进行预估,调派原料接卸计划,匹配原料库存与原料需求用于实现原料的采购与到达节奏、满足生产需求。
所述原料管控单元实时跟踪采购、耗用、库存、质量等信息,同时进行品种、数量、输运时间的实时预测,为实时库存、在途资源、实现三级预警,为配料、调进、采购提供决策支撑,所实现的功能主要有以下两项:
1)全流程原料跟踪:通过对物流信息,各港口库存信息进行实时的数据采集分析,实现国外资讯,在途信息及厂内物流全流程的物料跟踪。
2)决策支撑:根据物流转运规则、厂内库存量、生产消耗量、物流大数据信息为江港、锚地、码头、原料在途时间、港口码头滞留时间等进行预警,发现影响物流运输效率的因素,为调度人员提供决策支撑,降低原料不足的风险,从而建立原料消耗模型,通过原料消耗模型为港口门机卸料优先级提供支撑。
原料库存作为原料集群与炼铁集群的衔接项,为炼铁集群提供相应的生产库存保障。原料管控单元协同用户对生产用料(铁料、燃料等)进行穷举,根据品种通用原则建立资源可替换分类库,按可替代分类原则对相应的品种资源由近到远进行物料流跟踪,通过匹配预案可以快速找到相应资源的供应情况(耗用、库存分配、调进状态),为公司极限低库存下的生产保障保驾护航。原料管控单元根据库存进行分析预警,并具体显示预警内容,根据在途量以及未来使用量等给出具体原料配制方案以及使用趋势分析。
炼铁监测单元还包括监测铁水罐内部铁水量的铁水探测器、RFID写入设备,所述RFID写入设备将读取到的铁水量数据写入至所述铁水罐处的RFID标签。所述炼铁监测单元通过铁区MES制造执行系统、铁区ERP系统以及铁区计量系统对于烧结炉、焦炉以及高炉的生产状况进行状态检测,并对铁水进行生产统计与计量检测,同时收集检测数据,形成高炉出铁量与生产业绩指标间的比对,并为后续的铁钢平衡与能源平衡提供决策依据。所述炼铁监测单元实时掌控烧结、球团、焦炉、高炉等工序的生产状况,以及掌控设备运行状况、关键工艺参数、铁水质量信息、能介产耗数据,原料库存实绩、生产业绩指标,为铁钢平衡、能源平衡提供决策依据。
所述炼铁监测单元所实现的功能主要有以下:
1)工序生产情况监控:监控各个炼铁相关的设备状态,监控其是正常生产、计划检修还是非计划停机状态;
2)工序关键生产指标监控:技经煤比、铁水单耗、固体燃耗、高炉燃料比等;
3)工序统计报表:日、月、年产量及计划完成进度等;
4)重要报警/预警信息:关键设备报警、工艺参数报警等;
5)能介产耗:高炉煤气、焦炉煤气发生量、使用量等;
6)预测管理:高炉出铁量预测等。
铁水作为炼铁集群、铁调集群、炼钢集群的关键衔接项,如何满足铁钢平衡,使炼铁产铁、铁调运输、炼钢耗铁趋于动态平衡,能够通过各个区域的铁水库存量,使集群间进行有效的衔接,从而实现对整体生产情况的有效把控,对调度工作来讲,尤为重要,本生产控制系统对应的在炼铁监测单元、铁调跟踪单元、炼钢监测单元中对铁水进行跟踪,具体是通过在铁水罐上的RFID标签和设置在高炉区和倒罐站的多个RFID识别设备,以实现通过所述RFID识别设备识别RFID标签,从而确定铁水罐的分布情况,继而统计各区区域铁水量,包括高炉铁水量、在途铁水量以及炼钢铁水量。通过对各区域铁水库存的跟踪,实现铁水运输的全流程管控,为铁钢平衡提供了强力支撑;同时对超时罐等情况设立报警机制,进一步提高铁水到站温度,保障了后道工序生产节奏。
所述铁调监控单元通过第一RFID识别装置读取铁水罐处的RFID标签实时监控铁水生产及流转环节中的出铁信息、铁水罐运行位置及状态信息,实时监控铁水生产及流转状态,并通过铁调计量系统、货运系统对出铁信息、铁水罐运行位置及状态信息,对铁水运输中存在的隐患因素进行预警。所述铁调监控单元实时跟踪铁水罐及机车的布局及状态,预测预判铁水罐到达炼钢区域的时间及重量,建立铁水运输智能决策模型。所述铁水运输智能决策模型中结合生产MES制造执行系统及货运系统对铁水罐的周转进行控制,由机车带动铁水罐行走,对所述铁水罐的分流去向进行分配调整,能够给予调度人员去向建议,为铁钢平衡提供决策支撑。
所述铁调监控单元单元所实现的功能主要有以下:
1)全流程铁水罐、机车的布局及状态实时跟踪;
2)自动预测预判铁水罐到达炼钢区域的时间及重量;
3)多系统联动、实现铁水质量、温度与炼钢工序的提前匹配;
4)铁水罐分流去向智能决策,满足机车高效率调度需求;
5)滞留时间预警、分析,促进铁水罐高效运行;
6)铁水隐患因素提示预警(受铁量、未倒空、皮重、成分等)。
所述炼钢监测单元通过设置于高炉区处的第一RFID读写设备和设置于倒罐站处的第二RFID读写设备对铁水罐进行铁水数据读取,跟踪所述铁水罐的位置与动态,结合生产MES制造执行系统、生产ERP系统实时监控转炉、电炉、精炼炉以及连铸机的生产状态和生产实绩,对铁水调进、铁水分流、炼钢连铸进行柔性衔接控制,为铁水调进、铁水分流、炼钢连铸柔性衔接、能源平衡提供决策依据,达到稳定连续生产的目的。
所述炼钢监测单元所实现的功能主要有以下:
1)产线生产情况监控:各个产线状态,是正常生产、计划检修还是非计划停机状态;
2)产线关键生产指标监控:转炉日炉数、班炉数、精炼日炉数、班炉数、连铸日炉数、班炉数、连浇炉数、钢铁量消耗、铁水单耗、废钢消耗等;
3)产线生产效率监控:冶炼周期等;
4)产线统计报表:日、月、年产量及计划完成进度、冶炼炉数跟踪等;
5)重要报警/预警信息:关键设备报警。
炼钢集群产出钢坯,而钢坯作为炼钢集群的产出,同时又是轧钢集群的原料,钢坯的管理是钢铁企业中一个重要的管理内容,其中合理库存又是钢坯管理中的重中之重,在能够满足正常轧钢消耗钢坯的要求下,尽可能的降低库存,确保最佳安全生产库存,降低资金占用。在生产过程中,炼钢监测单元配合轧钢监测单元监控钢坯库存,根据炼钢生产节奏及轧钢生产节奏,预测钢坯未来一段时间库存合理性对钢坯异常库存实时报警。
所述轧钢监测单元实时监控加热炉以及轧机的生产状态,对轧钢产线作业率、成材率、热装热送率、合同兑现率、钢坯库存、能介耗用进行统计。
所述轧钢监测单元所实现的功能主要有以下:
1)产线生产情况监控:各个产线状态,正常生产、计划检修还是非计划停机;
2)产线关键生产指标监控:产线作业率、成材率、热装热送率、合同兑现率、钢坯库存、能介耗用等;
3)产线统计报表:日、月、年产量及计划完成进度等
4)重要报警/预警信息:关键生产指标异常预警。
所述成品跟踪单元通过ERP系统、C2M系统、CRM系统以及生产MED执行系统对已产成品由生产完成、出库、出厂的流程环节进行监控,结合物流派车、门禁进出厂、计量过磅的数据,实时跟踪产成品及待判库存以及成品运输实绩,在成品库存或运输出现异常时给出预警。所述成品跟踪单元对产成品、半成品库存状态、出入动态、库存结构实时分析;副产品发货、钢坯/板坯发货实时监管;产成品发货及交付进度监管,对提货异常情况实现预警。
轧钢成品通过生产过程中的半成品、在制品经过轧钢、精整转化而来,作为生产过程最后的产物,也作为生产与库存管理甚至销售管理的衔接物质,产成品的库存高低影响着生产节奏的调整和库存管理的管控,同时库存的判定型态也决定了库存本身是否具备发货条件,因此产成品库存管理作为物质流全生命周期的最后一步,尤为重要。在成品集群中对成品库存的管理包括但不限于:
1)各产线、各产品型态的半成品库存、成品库存、综判库存、已发货库存监控;
2)各仓库的库存及库容上限实时监管;
3)库存的产品型态分布、销售部门分布;
4)成品仓库的库存涨库预警。
所述成品跟踪单元所实现的功能主要有以下:
1)产成品库存跟踪:各生产状态库存量、每日库存趋势、进出口成品分布、各型态成品分布、仓库库存占比等;
2)外售坯实时跟踪:钢坯/板坯实时发货量监控、钢坯/板坯的备坯情况等;
3)产成品发运:汽运、船运、铁运发货频次、吨位等;
4)客户交付:客户交付进度、回单数、客户分布等;
5)预警预案信息:仓库涨库风险预警及预案、提货装车超时预警及预案。
系统实时采集设备信号、生产及各业务系统的数据,当异常预警信息发生时,以红色或黄色进行突出显示,其中,所述异常预警信息包括铁水隐患因素提示预警、关键设备报警、关键生产指标异常预警、仓库涨库风险预警、提货装车超时预警。
可知,本申请的生产控制系统能够更好的组织与服务企业生产运营,配合推进了企业数字化转型工作,提升企业生产组织的应急能力和问题协调处理能力,整合支撑系统业务、流程、数据、模型,形成运营管控从传统到数字、从离散到集约、从多层级到一体化的转变。通过各生产运行集群的实时展示,有助于生产管控(调度)人员及时准确的在原燃料库存、预期库存变化、生产运行质量、工序间物料衔接、能介资源有效利用、设备运行状态、产成品库存以及外发等方面进行把控;有助于生产经营异常情况的快速发现;有助于通过调度指挥、多部门协同进行资源的调配和应急处置,从而能够较好的保证公司整个生产系统的稳定有序运行以及生产运行效率的不断提升。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于智能工厂的生产控制系统,其特征在于,生产控制系统通过智慧运营中心综合总厂业务数据库与各分厂厂区的区域物联网平台数据对生产各个集群进行控制,所述智慧运营中心中针对原料集群、炼铁集群、铁调集群、炼钢集群、轧材集群、成品集群六个运营生产集群分别配置有原料管控单元、炼铁监测单元、铁调跟踪单元、炼钢监测单元、轧钢监测单元、成品跟踪单元,其中:
原料管控单元,所述原料管控单元对生产用料根据品种通用原则建立资源可替换分类库,并根据可替代分类原则对相应的品种资源由近到远进行物料流跟踪,同时原料管控单元响应炼铁集群、炼钢集群的用料需求,通过预设的匹配机制调整相应生产用料的供应;
炼铁监测单元,包括设置于铁水罐处的RFID标签,所述RFID标签内配置存储有内部铁水量数据,所述炼铁监测单元根据所述RFID标签中的存储数据形成炼化铁水的业绩任务的跟踪;
铁调跟踪单元,包括设置于吊运挂钩处的第一RFID识别设置,读取所述铁水罐处的RFID标签,用于实时监控生产出的铁水出铁转运过程;
炼钢监测单元,包括设置于高炉区处的第一RFID读写设备和设置于倒罐站处的第二RFID读写设备,所述炼钢监测单元在所述高炉区处实时检测钢水炼制状态并将内部钢水量数据通过所述第一RFID读写设备写入至所述RFID标签,所述炼钢监测单元在所述倒罐站处实时检测内部钢水量数据并通过所述第二RFID读写设备写入至所述RFID标签;
所述轧钢监测单元,对炼钢集群产出的钢坯予以监测统计同时监测钢坯库存量,根据钢坯库存量与轧材集群的钢坯需求量的比较结果调整炼钢集群的钢坯产出量乃至炼铁集群的铁水产出量;
所述成品跟踪单元,跟踪确认产品的库存与出入动态、并对库存结构进行实时分析跟踪产品动态。
2.根据权利要求1所述的基于智能工厂的生产控制系统,其特征在于,炼铁监测单元还包括监测铁水罐内部铁水量的铁水探测器、RFID写入设备,所述RFID写入设备将读取到的铁水量数据写入至所述铁水罐处的RFID标签。
3.根据权利要求1所述的基于智能工厂的生产控制系统,其特征在于,所述原料管控单元对生产用料根据品种通用原则建立资源可替换分类库时,生产用料包括混匀料、焦炭以及煤,对于各类型的生产用料的库存量、在途量以及待卸量通过物联网平台进行统计,同时将库存量、在途量以及待卸量的总量与预设的目标产值相比较,判断确认原料的供给是否匹配产值需求,并根据需求的判断确认下发用料请求进行配料与采购。
4.根据权利要求3所述的基于智能工厂的生产控制系统,其特征在于,所述原料管控单元对于在途原料的位置与到达时间进行跟踪,综合生产计划通过计算模型对阶段原料消耗进行预估,调派原料接卸计划,匹配原料库存与原料需求用于实现原料的采购与到达节奏。
5.根据权利要求1所述的基于智能工厂的生产控制系统,其特征在于,所述炼铁监测单元通过铁区MES制造执行系统、铁区ERP系统以及铁区计量系统对于烧结炉、焦炉以及高炉的生产状况进行状态检测,并对铁水进行生产统计与计量检测,同时收集检测数据,形成高炉出铁量与生产业绩指标间的比对,并为后续的铁钢平衡与能源平衡提供决策依据。
6.根据权利要求1所述的基于智能工厂的生产控制系统,其特征在于,所述铁调监控单元通过第一RFID识别装置读取铁水罐处的RFID标签实时监控铁水生产及流转状态,并通过铁调计量系统、货运系统对出铁信息、铁水罐运行位置及状态信息,实时跟踪铁水罐及机车的布局及状态,预测预判铁水罐到达炼钢区域的时间及重量,建立铁水运输智能决策模型。
7.根据权利要求6所述的基于智能工厂的生产控制系统,其特征在于,所述铁水运输智能决策模型中结合生产MES制造执行系统及货运系统对铁水罐的周转进行控制,对所述铁水罐的分流去向进行分配调整。
8.根据权利要求1所述的基于智能工厂的生产控制系统,其特征在于,所述炼钢监测单元通过设置于高炉区处的第一RFID读写设备和设置于倒罐站处的第二RFID读写设备对铁水罐进行铁水数据读取,跟踪所述铁水罐的位置与动态,结合生产MES制造执行系统、生产ERP系统实时监控转炉、电炉、精炼炉以及连铸机的生产状态和生产实绩,对铁水调进、铁水分流、炼钢连铸进行柔性衔接控制。
9.根据权利要求1所述的基于智能工厂的生产控制系统,其特征在于,所述成品跟踪单元通过ERP系统、C2M系统、CRM系统以及生产MED执行系统对已产成品由生产完成、出库、出厂的流程环节进行监控,结合物流派车、门禁进出厂、计量过磅的数据,实时跟踪产成品及待判库存以及成品运输实绩,在成品库存或运输出现异常时给出预警。
10.根据权利要求1至9中任一项所述的基于智能工厂的生产控制系统,其特征在于,生产控制系统实时采集设备信号、生产及各业务系统的数据,当异常预警信息发生时,以红色或黄色进行突出显示,其中,所述异常预警信息包括铁水隐患因素提示预警、关键设备报警、关键生产指标异常预警、仓库涨库风险预警、提货装车超时预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000007.9A CN117008550A (zh) | 2023-08-09 | 2023-08-09 | 基于智能工厂的生产控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000007.9A CN117008550A (zh) | 2023-08-09 | 2023-08-09 | 基于智能工厂的生产控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117008550A true CN117008550A (zh) | 2023-11-07 |
Family
ID=88566981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311000007.9A Pending CN117008550A (zh) | 2023-08-09 | 2023-08-09 | 基于智能工厂的生产控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117008550A (zh) |
-
2023
- 2023-08-09 CN CN202311000007.9A patent/CN117008550A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106779220B (zh) | 一种炼钢-连铸-热轧集成调度方法与系统 | |
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 | |
CN111815230A (zh) | 一种钢铁企业铁水罐运输管控系统 | |
CN106647674A (zh) | 基于知识表示的钢铁生产调度模型匹配方法 | |
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 | |
CN114026511A (zh) | 工业设施、特别是金属生产工业或铝或钢铁工业的设施和用于运行工业设施、特别是金属生产工业或铝或钢铁工业的设施的方法 | |
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 | |
CN113723768B (zh) | 一种钢铁生产管控系统和方法 | |
CN113240244A (zh) | 一种适用于炼钢生产跟踪的铸坯自动分级判定方法 | |
CN117008550A (zh) | 基于智能工厂的生产控制系统 | |
CN107765550B (zh) | 一种基于钢包自动定位的稳定出钢温度的方法 | |
CN202885936U (zh) | 一种钢包热状态的自动测量装置 | |
CN117196195A (zh) | 基于新能源电池车的车列编组与电源系统配置方法及系统 | |
CN201194080Y (zh) | 炼钢物流信息自动跟踪计量采集系统 | |
Zhang et al. | Solving the order planning problem at the steelmaking shops by considering logistics balance on the plant-wide process | |
CN109850465B (zh) | 一种矿山物料运输调度系统及方法 | |
CN116109069A (zh) | 一种基于钢铁企业的大数据融合应用控制方法 | |
Klinger et al. | Expert systems controlling the iron making process in closed loop operation | |
Runde et al. | Hi-tech steel production planning | |
CN115719140B (zh) | 铁钢界面“一罐制”运行下转炉钢厂铁水罐动态调度方法及系统 | |
CN113408789A (zh) | 一种用于企业的生产管理系统 | |
CN116027745B (zh) | 一种基于铁水罐运行时间流管控的平台控制方法 | |
Li et al. | The architecture of manufacturing execution system in iron & steel enterprise | |
Wang et al. | Balancing Production Capacity of Steelmaking by Considering the Demands of Downstream Processes | |
CN118469223A (zh) | 一种基于专家系统的铁水配罐方法 |
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 |