Real Intelligence — A Novel Approach to EAF Optimization

智能电炉生产优化新方法

近年来,人们致力于将人工智能(AI)整合到制造业的操作中。对于周期性重复操作上的高度自动化是很有必要的。然而,在电弧炉炼钢这样的冶炼过程中,工艺的变化很难有效使用人工智能。作为一种替代方案,作者提出了真正的智能——在充分了解工艺的基础上使用有效工具,使操作者能够实时做出更好的决策。由于电炉自动化程度提高,操作者的角色就必须从设备操作转变为一线的工艺优化决策者。

近年来,人们致力于将人工智能(AI)整合到制造业的操作中。对于周期性重复操作上的高度自动化是很有必要的。然而,在电弧炉(EAF)炼钢这样的工艺过程中,一炉钢到另外一炉钢生产过程中工艺变化多、波动大,很难有效地应用人工智能。作为一种替代方法,作者建议使用真正的智能(RI)——在充分了解工艺的基础上使用有效的工具,这些工具可及时对数据进行过滤处理,以便作业者能够及时做出更好的决策,改善工艺过程。随着电弧炉工艺自动化程度的提高,操作者的角色就必须从设备操作转变为一线的工艺优化决策者。作者将演示一些可能的可用于现场的工艺流程模型,以帮助操作者能够适应使用。

背景

在过去的20年里,小型迷你钢厂没有很多重大的工艺变化。人们对新技术的关注较少,而更多地关注现有技术的安全性、可靠性和一致性的提高。在这个阶段,冶炼车间变得精简有效,对工艺过程的分析关注减少了,这是由几个因素造成的,包括:

1. 大学里课程在发展变化,许多冶金学课程已经过渡放到材料科学里面了。20年前,冶金学专业课可能包括几个学期的钢铁制造方面的课程;10年前缩减到一个学期,现在一些材料科学课程可能只包括3小时的钢铁生产知识教学内容。具有讽刺意味的是,就在这同一时期,成百上千种新的钢种已经开发出来,并且已经在生产和使用中。

2. 现在的大学毕业生在炼钢厂转岗的速度更快,很少有机会真正详细了解炼钢工艺过程,与关注工艺技术过程相反,关注的重点倒是超前进入各种管理岗位。

3. 如果进行工艺过程分析,往往是多人参加的开会讨论,结果是,分析往往是肤浅的,并没有真正深入到细节要点。

4. 总是希望工作是按一个“简单的按钮”就能完成所有的工艺过程,这也就让年轻的工程师远离现场实践了。

这种演变的最终结果是工艺过程分析这门艺术正在慢慢地消失,在这一代人中,很少有人能够详细了解电炉工艺的复杂过程。

那么,工艺工程师到底要做什么呢?工艺工程师根据化学和冶金学对工艺过程进行分析,并评估工艺各阶段的热力学、传热、传质、原材料特性、设备可靠性、能源效率以及如何将这些因素结合起来,达到高效、低成本的操作生产过程。

电弧炉工艺变化很大,这在很大程度上是由于所使用的原材料的变化,以一定的成本可以获得一致性的优质原材料,但钢铁制造业主往往不愿为此付费。但是的确有这种情况,电炉持续采用良好的工艺会导致生产率提高20-30%,而无需什么额外的资金投入。问题的核心是,大多数电炉车间现场缺少必要的软件工具,同时也缺少有能力的专业人员以最佳方式优化冶炼来进行工艺评估。

其实这些工具都不是真正新的工具,已经存在多年了。问题是,许多炼钢企业没有意识到使用这些工具的价值,因此没有选择使用这些对现场有用的工具。

许多年前,Jones[1]开发了电炉优化的金字塔,见图1所示。这张图的目的是表明有一种结构化的方法可以用来优化电弧炉的操作。为了达到最佳冶炼效果,必须按照顺序的优化级别执行各种步骤。

图1  Jones电弧炉(EAF)优化的金字塔

为了有效地排除故障并优化冶炼操作,工艺工程师必须对冶炼的基本原理有良好的理解。由于电弧炉工艺的高度可变性,落实使用有效的人工智能工具极为困难。作者更倾向于在充分理解工艺基础之上实施真实的人工智能RI,工艺模型作为筛选工具,使得工艺工程师和操作人员都能实时做出明智的决定。如果不理解冶炼工艺所必需的基本原理,人工智能很难发挥作用。但与此同时,受过充分工艺培训并且掌握冶金工艺基本原理的工程师正在迅速减少。

工艺工具

现代炼钢工序收集了大量的工艺数据。然而,他们并没有能够有效地利用这些数据,大多数炼钢企业在将这些过程数据转化为可操作的信息方面做得很差。过去年代,工艺工程师部分地承担了将过程数据转换为可操作信息的工作,这种数据信息的转变处理既乏味又费时。随着现场冶金工艺工程师的消失,出现了对工艺功能自动化的需求。因此,开发了工艺模型,协助钢厂的运作和工艺过程分析。良好的工艺模型能够实时过滤数据,是工艺优化非常有效的工具。

工艺模型Process Model Pyramid是由Jones[1]开发的,它是电炉优化金字塔的组成部分,同样,目标是演示如何实现连续的工艺过程优化。首先,实现简单的工艺模型来提供工艺流程反馈,在随后的过程中,模型被集成以提供增强的功能和对工艺实现更严格的控制,见图2所示。

图2  电弧炉优化的Jones电炉工艺模型

废钢模型

以其最简单的形式,废钢模型可用于开发混合炉料的需求,以满足其它金属料配置的目标,并基于废钢跨堆场现有金属物料进行优化配置。在更为复杂的形式下,该模型可用于实时地对每种钢铁料类型进行多元回归,以跟踪金属料的化学成分,并确定电炉需要的金属料配方。废钢模型可用于跟踪废钢金属料的收得率,并将其输入有使用价值模型中。废钢模型也可用于跟踪非金属物料及其对环境系统操作的影响,包括跟踪电炉粉尘的产生等。

炉渣模型

许多钢铁企业都熟悉Pretorius2在时间-温度-转变(T-T-T)周期的不同阶段确定渣的化学成分,要求产生理想炉渣达到各个阶段所需要泡沫渣。值得注意的是,有效渣的发泡取决于同时满足碱度和氧化镁含量达到设定要求,炉渣FeO水平的控制也至关重要。在模型的增强形式中,炉渣模型反向计算废钢中无用垃圾含量水平,并帮助评估废钢的质量。炉渣模型还可以与终点模型相互集成,以提供有效的泡沫渣,同时实现终点目标和控制炉渣的FeO含量。

能量跟踪模型

模型最简单的形式里,能量跟踪模型可以用来在电炉操作中产生一个静态能量平衡参考系统,静态能量平衡对于工艺过程的内部基准管理是非常有用的工具。在其最复杂的形式中,动态能量平衡可以用来实时跟踪过程中的能量分布。

烟气能量跟踪

在T-T-T循环的某些阶段,烟气系统的能量损失可能占进入电弧炉总能量输入的50%以上,了解到能量高的损失时段,可调整能量输入曲线,提高电炉的能源效率。

冷却水带走能量损失

跟踪电弧炉水冷炉盖和水冷上炉壳冷却水的能量损失是一项相对容易的工作。这些信息可用于优化电能和化学能输入曲线以及优化泡沫渣实践,了解电弧炉的能量损失是实现良好运行效率的关键。

废钢/炉渣模型相结合

废钢/炉渣组合模型允许监测废钢质量和泡沫渣操作之间的相互作用和影响,组合模型还有助于提供有关废钢金属化率、非金属含量炉渣化学成分和熔剂的要求、以及对造渣的影响,提供更加完整的信息。

统计工艺过程控制(SPC)趋势

关键工艺数据的SPC从炉罐号到另外的炉罐号趋势是一个非常有用的工具。CIX通常通过运行在大屏幕显示看到这个工具。SPC呈现的趋势允许快速诊断故障情况,并且在操作班次中进行调整变化时也非常有用,因为当班的操作人员可以得到上一个班次操作的状况。该工具需要对操作员进行培训,以识别趋势中一些常见的“违规行为”,如西方电气规则概述。

终点模型(C/O/Fe平衡)

设计终点控制模型是为了帮助操作员在该炉钢冶炼结束时同时达到所需的钢温和溶解氧含量水平。电炉出钢温度过高将会影响精炼炉操作生产,而过度吹氧会造成电炉中金属收得率下降、电炉耐材消耗大和电炉损坏。

实时质量/能量平衡

CIX的成员在20世纪90年代末开发了第一个实时质量/能量平衡工具,该工具已经在一些电炉上使用,使用结果是相应的成本降低10美元/吨以上,生产率提高30%以上。该工具允许工艺工程师跟踪该炉生产的整体能量分布,并识别高效和低效的时段,这就可以更加容易在工艺上进行优化。

实时过程的反馈

很容易看出,这里描述的许多模型都可以用于实时过滤工艺过程形成的数据,并将关键操作参数反馈给炉前操作人员和工艺工程师,这样的操作对当前电炉冶炼工艺进行实时修正的能力得到很大的提高,并保持了其工艺过程的稳定和一致性。

使用价值

使用价值的概念是指商品的价格不如商品在生产过程中所带来的价值重要。当处理电炉的金属物料时,需要的是铁元素,按照铁的收得率付费采购废钢等,但其它不需要的元素组份也会随之而来。垃圾、塑料、合金元素和其他成分随着废钢进入炉内,这些东西影响渣料量、对环境和精炼都提出了额外要求等。因此,所有这些负面影响的组份都有相应的成本,对其进行评估,以确定对电弧炉操作成本产生的影响。

为什么没有更多的工厂使用工艺软件工具?

随着对电弧炉工艺的理解加深以及工艺筛选模型的不断进步,就可以更精确地控制电弧炉工艺操作。虽然电炉中的变化仍然存在,但是变化的幅度收窄,这个工艺软件在一些非常有效的电弧炉作业中已经证明,对于工艺工程师达到所需要的的操作能力十分有利。有了足够的工艺信息,可以调整原料输入以实现所需的电炉的T-T-T循环。这可以在市场低迷时期可以看到,生产能力不再是主要经营驱动力,经营焦点转变为控制生产成本。

从冶金行业上看,我们需要更好地理解工艺参数之间的相互作用,例如,提高电能利用效率就需要更好的泡沫渣,需要较大的体积泡沫渣量来覆盖熔池和屏蔽电弧。提高化学能的利用会影响除尘系统,导致化学能利用效率较低,但电炉产能提高,从成本上看是有效益的。显然,钢铁厂必须了解推动工艺改进的动力是什么?成本?提高产能?或者两者都有?必须很好地理解工艺过程,以便工艺的目标与财务效益目标相匹配。

那么,为什么没有更多的钢厂使用那么多可用工艺模型呢?最大的原因之一是初始配置这些模型需要很长时间,此外,维护模型和确保相关输入数据更新也需要时间。例如,一个废钢型需要更新成分数据才能有效、炉渣料模型需要定期更新熔剂组成数据、钢包精炼炉和合金模型必须能够考虑到输入料变化的杂质含量,每一炉都需要花时间做这些事情。

显然,工程软件工具需要由专门的工艺工程师来维护。不幸的是,大多数钢厂看不上工艺工程师工作的重要性,其结果就是已经安装了这些软件工具也没有看到好处。如果没有持续的支撑,即使是最好的工艺模型也无法实现预期的结果。

影响工艺模型利用的另一个因素是,许多工程师进入钢铁行业时,对正确地进行有效的工艺分析所必需的工艺基础知识缺乏扎实的理解。于是就需要一种机制来支持从院校为钢厂培养人才,使得工艺工程师能够向正确的方向发展。

工艺分析的例子

工艺工程实践的一个简单例子是电炉炉渣的优化。通常的时候,冶炼过程会采集几个炉渣试样来进行分析,并根据分析结果进行渣料的添加。然而,炉渣分析是动态的,在不同炉之间会发生明显地改变。许多钢厂看不到定期分析炉渣的益处。在生产扁平材钢厂中,必须对每一炉渣进行分析。在一个长材生产的钢厂,就是每隔几炉进行一次渣分析仍然是有好处的,炉渣分析是跟踪废钢质量的最佳反馈,达到理想的炉渣碱度和MgO饱和设定值是保证炉渣起泡性和供电传热效率最佳途径。为了准确地执行回归分析,知晓炉渣的组成必须做到(例如跟踪SiO₂进入电炉中的量),需要每炉钢一个渣样和每炉钢一个真实的废钢混合料配比,而且需要相当大的样本量才能进行回归分析。

如果渣量增加,废钢中的铁收得率就会降低。因此,不仅要跟踪炉渣的化学成分,而且要计算出产渣量。炉渣生成量的急剧增加可能表明废钢质量有问题,可能需要调整炉渣的碱度和氧化镁饱和含量的设定值。

同样,钢水中的磷含量过高就需要调整设定目标。此外,工艺工程师必须评估的问题是炉渣体积量不足、渣的碱度不合适,还是与整炉冶炼过程中的炉渣化学成分和温度曲线构成相关的影响。利用已出版公布的磷分配数据,工艺工程师可以确保每炉钢都能达到一个最佳的渣量。

显然,工艺分析软件非常合适对炉渣进行优化,炉渣优化的结构方法包括以下步骤:

•评估废钢中垃圾成分和数量。

•选择一组合适的炉渣碱度和MgO饱和设定值,给出一个有效的炉渣体积量,与电炉操作的电气参数相匹配。

•定期分析炉渣化学成分,计算炉渣体积。评估铁损量并相应调整设定值。

•定期检查液压渣罐车上的渣罐重量。

•评估钢水除磷效果,相应地调整炉渣化学成分和体积量,有必要调整炉渣的碱度,根据终点钢水含氧量的要求也是有必要对炉渣进行调整。

•定期更新计算模型中的溶剂成分数据,定期分析溶剂成分。

•根据终点目标协调设定渣的化学成分。

•定期重复以上所有内容。

对于工艺工程师来说,另一个有用的练习例子是为电炉开发了一个静态能量汇总。有了完整的渣量平衡和良好的炉号记录数据,就可以制作一个所有电能和化学能输入的总汇表,并与将一吨钢水从室温废钢到出钢温度所需的最小理论能量进行比较。这是评估各种能源的成本与效益的有用基准。如果任何一种能源的真实价格都被开发出来,其结果都可能是令人震惊的。例如,当一炉钢结束冶炼时,以下输入应该是已知的或可以估计的:

•加入炉内或喷碳进入的煤碳量。

•最终炉渣中FeO重量与估计FeO输入量差别。

•最终炉渣中SiO2的重量与估计输入的SiO2(矸石或垃圾)量对比。

•使用的甲烷量。

•耗氧量。

•使用的电能。

图3  加热和熔化废钢需要的理论能量

表1  各种氧化物单位重量生成的热量(千瓦时)

由此,我们可以总结铁的氧化、硅元素的氧化和碳的氧化产生的能量输入,必须对碳的一次燃烧形成一氧化碳释放的能量和一氧化碳二次燃烧后形成二氧化碳形成的能量进行跟踪,这对于设计捕捉利用化学能很有帮助。康斯迪电炉后燃烧系统吹氧、余热收系统和朗肯循环发电机都可以安装在各种电炉系统中,它们都在一定程度上依赖后燃烧产生的热量。在构建静态能量模型,花费太多时间制作完美的电炉能量模型并不是很重要,与往常一样,工艺改进是最终目标,即使模型不完美,但是仍然可以提供工艺改进的路线图,主要目标就能够实现。真实地实现高效节能才始终是工艺工程师为此奋斗的目标。

未来现场工艺工程师的角色

人们很容易相信,随着工艺工具的实施,工艺工程师的角色将会过时,但是事实上绝不是那么一回事。工艺模型工具作为数据过滤器,它们能够快速的“实时”进行工艺分析,生成具有实际操作的信息,然而,仍然需要工艺工程师来确定工艺应该如何调整,以及这些调整可能对其他工艺参数会产生什么样的影响。电炉是重工业中最复杂的工艺反应器之一,工艺参数之间的耦合量是巨大的,变化量也非常大,因此,电炉冶金过程优化是一项全职性的工作。在未来,作者设想工艺工程师的角色是工艺宏观优化——将多个工艺工具的结果结合在一起,得到高层次工艺参数优化。与此同时,电炉操作职工将承担微观优化的角色——根据智能工艺工具生成的优化参数进行小的调整。

随着工艺工具的演变,对各种工艺参数数据的需求会越来越大,需要更多的仪器仪表。然而,如果没有定期校准和维护,再多的仪器仪表都不能很好发挥作用。作者已经看到了很多错误数据被收集的例子,错误的数据比没有数据更糟糕,因为它可以产生糟糕有害的工艺调整。一些工艺工具实现了数据筛选,过滤掉“坏的”数据。在一天结束的时候,最好的态度是确保仪器得到校准和维护。安装这些仪器仪表就是为了提供必要的工艺数据。

随着收集更多工艺数据的能力不断发展,工艺模型“过滤器”变得更加必要,以实时处理不断增长的数据量,并向操作人员和工艺工程师提供最佳的可操作信息。技术必须发展以支持工艺工程师的活动,并且不能仅仅是为了技术而技术。

未来现场工艺操作者的角色

许多行业预测,在不久的将来,自动化将取代对操作者的需求,最容易实现的行业是工艺过程已经高度仪器化,生产和原料是基本一致,具有高度一致的原料和工艺输入的工艺流程可以实现自动化,在这种情况下,操作者的干预是很少的。然而,电炉冶炼车间并非如此,当这并不是说,在自动化的使用方面,熔炼车间将不会继续发展。自动化对于替代重复性的操作非常有效,并使操作人员远离危害场所。然而,即使在自动化方面取得了进步,电炉操作仍将需要操作者,一个大的问题是,“他们未来的角色将发生怎样的变化?”

作者认为,在未来,运营商将升级其功能,提供一级工艺优化。操作人员需要具备工艺基础方面的良好基础。操作人员将被提供正确的工艺过程软件工具,以便他们能够确定何时发生了工艺过程偏离,并采取适当的措施来纠正。在过去,操作人员只能利用他们在工厂里能看到和听到的知识来确定什么时候发生了操作问题,并相应采取纠正措施。将来,工艺模型将被用于筛选原始工艺数据,并向操作人员提供可执行的信息。除了提供工艺分析的工艺工具外,还需要提供有效的工艺控制手段,以便操作人员采取纠正措施。

结论

工艺工程的艺术性正慢慢地从钢铁厂消失了,这在一定程度上是由于大多数大学课程的变化,重点从冶金学转移到材料科学。社会对钢铁工业的理解减少,钢铁工业也没有很好地向社会表达已经生产了成千上万种钢种,但是为满足各种工程需求,仍然需要社会和大学重视冶金工业。结果,社会错误地认为,由于钢铁冶炼历程时间很长,有关钢铁的一切知识都已为人所知。为了钢铁工业良性的循环发展,还是需要增加补充教育,帮助刚毕业的工程师迅速从大学已有的知识过渡到钢铁工业生产中,这种补充教育必须集中在工程师获得对工艺充分理解所必需的基础知识上。

近年来,炼钢企业已经减少了工艺工程师担任的角色,有些企业甚至已经取消了这个角色职务。由于时间限制,其他活动领域对人员的需求不断增长,使得有效地进行工艺优化变得更加困难。随着工艺分析资源的减少,工艺工具可以实现更快、更有效的实时分析。技术不断向前发展,人们必须学会更聪明地工作,而不仅仅是更努力地工作。工艺工具可以帮助工程师理解与电炉操作相关的各方面情况,要知道没有任何神奇的按钮来自动优化冶炼过程的,也没有任何工艺模型可以取代工艺工程师,在电炉冶炼中总是会有工艺偏差情况,通过正确的实时分析,才可以减轻这些偏差干扰的影响,并将恢复“正常”操作所需的时间降至最低。

时代的发展已经表明,已有大量的工艺模型可用。这些工具可以在基础级别实现,并且随着对工艺流程理解的提高,可以对它们进行集成以提供更强大的功能。然而,如果没有专门的工艺工程师来协调优化活动,软件模型对操作的影响将是最小的。在未来,随着工艺流程自动化程度的提高,作者设想了工艺操作员的“重新加工”,以提供一线优化工作。这将要求对操作人员进行进一步的培训,以便他们对工艺基础有一个良好的理解,并知道如何应用工艺工具所提供的指导。

工艺工程是工艺优化的核心,工艺优化需要人们的奉献和坚韧,追求的结果不会立即出现,但很清楚的是,工艺软件工具能够支撑工艺优化结构,前进的道路是曲折的,坚持下来得到的果实是甜美的。

参考文献

1.  J. Jones, M. Trapp and J. Schuster, “AStructured Approach to EAF Optimization,” AISTech 2008 Conference Proceedings,2008.

2.  E. Pretorius and R. Carlisle, “Foamy SlagFundamentals and their Practical Application to Electric Furnace Steelmaking,”ISS EAF Conference Proceedings, 1998.

作者

Mark E. Trapp:Consultant, Continuous Improvement Experts Inc., Clinton, Pa., USAmark.trapp@cixllc.com

Jeremy A.T. Jones:President/Managing Partner, Continuous Improvement Experts Inc., Clinton,Pa., USA jeremy.jones@cixllc.com

唐杰民2021年元月在安徽黄山市屯溪翻译自美国《钢铁技术》2021年元月期刊。

	❤ 请关注 微信公众号: steeltuber.  转载请保留链接: https://main.josen.net/Steel-Knowledge/1611555767.html