趙恕昆
(山西太鋼不銹鋼股份有限公司煉鋼二廠, 山西 太原 030003)
生產(chǎn)實踐·應(yīng)用技術(shù)
大數(shù)據(jù)在煉鋼廠的應(yīng)用探索
趙恕昆
(山西太鋼不銹鋼股份有限公司煉鋼二廠, 山西 太原 030003)
介紹了大數(shù)據(jù)技術(shù)和大數(shù)據(jù)方法在太鋼煉鋼二廠的應(yīng)用探索。內(nèi)容主要介紹大數(shù)據(jù)技術(shù)的軟硬件架構(gòu)及具體在煉鋼廠中的應(yīng)用探索。
大數(shù)據(jù)架構(gòu) 煉鋼數(shù)據(jù) 質(zhì)量管理
大數(shù)據(jù)技術(shù)的研發(fā)與應(yīng)用正在以超乎想象的速度推進(jìn)。國內(nèi),大數(shù)據(jù)在互聯(lián)網(wǎng)行業(yè)有較為成熟的應(yīng)用,而制造業(yè)對大數(shù)據(jù)的應(yīng)用還處在摸索階段。
山西太鋼不銹鋼股份有限公司(全文簡稱太鋼)煉鋼二廠是典型的連續(xù)生產(chǎn)型傳統(tǒng)制造業(yè)工廠,集合鋼鐵行業(yè)先進(jìn)冶煉設(shè)備,具備年產(chǎn)360萬t不銹鋼,865萬t碳鋼的生產(chǎn)能力。面對激烈的市場競爭,大數(shù)據(jù)將是煉鋼廠推進(jìn)創(chuàng)新挖潛的利器。
大數(shù)據(jù)系統(tǒng)包括軟件、硬件、應(yīng)用等組成部分。在探索大數(shù)據(jù)的應(yīng)用過程中,首先要找到適用于煉鋼廠的大數(shù)據(jù)技術(shù)實現(xiàn)路線。于此同時,把煉鋼廠的管理需求轉(zhuǎn)化為大數(shù)據(jù)的應(yīng)用,也是需要仔細(xì)的研究和大膽的嘗試。
1.1 煉鋼大數(shù)據(jù)特點
煉鋼廠具有嚴(yán)謹(jǐn)?shù)墓に囋O(shè)計、復(fù)雜的生產(chǎn)線、自動化的設(shè)備、精確的過程控制、嚴(yán)格的日常管理。這些都在時刻產(chǎn)生著煉鋼數(shù)據(jù),海量數(shù)據(jù)可被不同的信息化系統(tǒng)(如:過程控制系統(tǒng)、制造執(zhí)行系統(tǒng)、企業(yè)資源計劃系統(tǒng)、辦公自動化系統(tǒng)、視頻監(jiān)控系統(tǒng)等)所收集,成為當(dāng)今煉鋼廠的重要資產(chǎn)。大數(shù)據(jù)具有五個V的特點:大數(shù)據(jù)量(Volume)、高速度(Velocity)、多樣化(Variety)、價值密度(Value)低、真實性(Veracity)。
1.2 大數(shù)據(jù)架構(gòu)
國外和國內(nèi)公司都針對大數(shù)據(jù)進(jìn)行了很多前沿性的研究,且成果很豐碩。市面上主流的大數(shù)據(jù)分析構(gòu)架有:Hadoop,Spark,Storm。
Hadoop是其中一款優(yōu)秀的大數(shù)據(jù)處理框架,性能表現(xiàn)高效穩(wěn)定,太鋼煉鋼二廠選擇其為大數(shù)據(jù)的基礎(chǔ)架構(gòu)。Hadoop構(gòu)建擴展性好、可靠性強、具有良好可移植性的分布式系統(tǒng)。Hadoop云平臺主要包括:HDFS分布式文件系統(tǒng)、MapReduce編程模型和HBase數(shù)據(jù)庫。
圖1 Hadoop平臺架構(gòu)
1.3 虛擬化
有了軟件架構(gòu),大數(shù)據(jù)的搭建還需要硬件支持。大數(shù)據(jù)的硬件基礎(chǔ)是虛擬化,即通過虛擬化技術(shù)將一臺計算機虛擬為多臺邏輯計算機,實現(xiàn)了硬件資源的動態(tài)分配、靈活調(diào)度、跨域共享。
太鋼煉鋼二廠于2013年投用了第一套服務(wù)器虛擬化系統(tǒng)。系統(tǒng)采用了完全冗余設(shè)計,計算資源由4臺機架式服務(wù)器組成;數(shù)據(jù)存儲資源由2套高速存儲支撐;計算資源和數(shù)據(jù)存儲之間由2臺光纖交換機進(jìn)行通訊。該系統(tǒng)支撐著煉鋼二廠大數(shù)據(jù)信息系統(tǒng)。
大數(shù)據(jù)技術(shù)的核心能力在于對海量數(shù)據(jù)的處理、相關(guān)性的辨識和基于相關(guān)性的預(yù)測。因此用好大數(shù)據(jù),就需要積累和處理數(shù)據(jù)、梳理問題的相關(guān)性,運用大數(shù)據(jù)技術(shù)、大數(shù)據(jù)方法發(fā)現(xiàn)問題的關(guān)鍵因素并預(yù)測可能性。
圖2 煉鋼二廠虛擬化資源池
2.1 質(zhì)量管理
在應(yīng)對殘酷的市場競爭中,會密集地實施降本增效措施。質(zhì)量的擾動因素大為增多,任何的考慮不周都會引發(fā)質(zhì)量的“蝴蝶效應(yīng)”。太鋼煉鋼二廠運用大數(shù)據(jù)技術(shù)在質(zhì)量管控方面進(jìn)行了一些有意探索。
1)統(tǒng)計過程控制(SPC)是一種重要的質(zhì)量管控工具。將生產(chǎn)各工序確定的關(guān)鍵SPC控制點采集篩選,通過自動的應(yīng)用控制圖實現(xiàn)對工序過程狀態(tài)的分析、預(yù)測、監(jiān)控和改進(jìn)。如:轉(zhuǎn)爐出站S含量、AOD一次還原堿度等。針對每一個關(guān)鍵控制點,應(yīng)用SPC方法提高過程控制水平,使各項參數(shù)實現(xiàn)精(波動小)、準(zhǔn)(接近目標(biāo))化管理。實現(xiàn)以“結(jié)果控制”為主,向以“過程控制”為主的質(zhì)量管控轉(zhuǎn)變。
2)K-OBM-S到站溫度預(yù)報?;诖罅繗v史參數(shù)三脫出站溫度a,處理結(jié)束時間b,接管時間c,建立“到站溫度(T)=fun(a,b,c)函數(shù)”,利用反饋補償模式逐步提高fun(a,b,c)的擬合度,將fun(a,b,c)的最優(yōu)值用作轉(zhuǎn)爐煉鋼過程的到站溫度預(yù)測值。
3)不銹鋼全成分命中率(逐日)統(tǒng)計分析?;陂L期樣本數(shù)據(jù),應(yīng)用質(zhì)量管理的理論,計算過程輸出Y(當(dāng)天的成分全命中的爐數(shù)占當(dāng)天冶煉爐數(shù)的比例)的過程控制能力。分析過程是否受控,及時發(fā)現(xiàn)的問題并改進(jìn),最終通過生產(chǎn)過程的改善提高產(chǎn)品質(zhì)量。
2.2 成本管理
成本的高低直接決定了企業(yè)的生存與發(fā)展。實時全過程、全工序精準(zhǔn)成本監(jiān)控,在大數(shù)據(jù)時代已經(jīng)成為現(xiàn)實。
1)優(yōu)化爐料結(jié)構(gòu)。收集原料進(jìn)廠信息、各工序的加料數(shù)據(jù)、生產(chǎn)實績數(shù)據(jù)、爐次化驗數(shù)據(jù),基于原料質(zhì)檢成分動態(tài)核算價格,計算每爐鋼的工藝路線,按照不同的工藝路線實時統(tǒng)計成本。對于關(guān)鍵指標(biāo)的計算。實現(xiàn)了:對CrNi收得率的實時監(jiān)控;實時計算單爐成本;預(yù)測爐料結(jié)構(gòu)效益;支持廉價物料使用的決策。
2)脫硫劑加入量預(yù)報。基于有效合理收集的從鐵水到連鑄全工序與S變化相關(guān)實績數(shù)據(jù)和各鋼種S標(biāo)準(zhǔn)的大量數(shù)據(jù),采用神經(jīng)網(wǎng)絡(luò),動態(tài)提取數(shù)據(jù)之間的S控制變化規(guī)律,為預(yù)確定合適的脫硫加入量,避免鋼種S超標(biāo),減少鋼種S波動,提升脫S命中率提供支持。
2.3 設(shè)備管理
現(xiàn)代化煉鋼廠的裝備正在沿著大型化、自動化、連續(xù)化、智能化、環(huán)保化等方向發(fā)展。追求設(shè)備的高可靠性和最合理的維修方式是企業(yè)設(shè)備管理的焦點。大數(shù)據(jù)正在幫助企業(yè)的設(shè)備管理模式由“點檢定修”向“狀態(tài)維修”轉(zhuǎn)變。
1)實時數(shù)據(jù)庫系統(tǒng)。將關(guān)鍵設(shè)備運行的實時數(shù)據(jù)進(jìn)行高效的數(shù)據(jù)壓縮和長期的歷史存儲,如:電機轉(zhuǎn)速、閥門開閉信號、馬達(dá)啟停、管道流量、壓力、電流、電壓、操作動作等。這些數(shù)據(jù)長期存儲后,不僅用于大數(shù)據(jù)分析,還用于支持專業(yè)人員日常對設(shè)備運行狀態(tài)的長期對比查詢和分析。有了上述與設(shè)備直接相關(guān)的數(shù)據(jù),還不足以滿足分析的需要,需要將過程控制系統(tǒng)和制造執(zhí)行系統(tǒng)的數(shù)據(jù)與之相關(guān)聯(lián),從而形成完整的數(shù)據(jù)鏈。數(shù)據(jù)可以按照爐次、品種、工藝路線、時間等進(jìn)行關(guān)聯(lián)。
2)設(shè)備大數(shù)據(jù)模型。大數(shù)據(jù)時代的分析方式既不必、也不應(yīng)再拘泥于對因果關(guān)系的探究,相反,完全有條件實現(xiàn)向關(guān)聯(lián)、非關(guān)聯(lián)等相關(guān)因素呈現(xiàn)式趨勢分析的轉(zhuǎn)變。如果單獨提取各系統(tǒng)變量,是沒有太大用處的,也無法判定這臺設(shè)備運行的情況如何,但是如果把所有的這些細(xì)小的因素全部結(jié)合在一起,就有可能發(fā)現(xiàn)具有強指向性的東西,可以比較準(zhǔn)確地判斷出來設(shè)備的運行情況,為預(yù)防性維護(hù)提供數(shù)據(jù)支持。只看關(guān)聯(lián)不看因果,這是一個非常重要的觀點,也是大數(shù)據(jù)模型的理念。
經(jīng)過實踐和努力,目前,太鋼煉鋼二廠已經(jīng)搭建起了適用于自身應(yīng)用需求的大數(shù)據(jù)信息系統(tǒng),同時探索大數(shù)據(jù)技術(shù)在質(zhì)量、成本、設(shè)備管理等方面的應(yīng)用。從目前的成果看來,太鋼煉鋼廠可以通過大數(shù)據(jù)技術(shù)提升各方面管理水平;基于現(xiàn)有技術(shù)路線,未來大數(shù)據(jù)還能在煉鋼數(shù)據(jù)的復(fù)雜應(yīng)用、生產(chǎn)組織和物流的優(yōu)化等方面提供支持。
(編輯:苗運平)
Application of Big Data in Steel Plant
Zhao Shukun
(No.2 Steel Mill of Taiyuan Iron&Steel Co.,Ltd.,Taiyuan Shanxi 030003)
This paper introduces application of big data technology and big data method in second steel plant of TISCO.This paper mainly introduces the hardware and software architecture of big data technology and its application in the steel plant.
big data structure,steel-making data,quality management
TP334
A
1672-1152(2017)01-0081-02
10.16525/j.cnki.cn14-1167/tf.2017.01.32
2016-11-18
趙恕昆(1971—),男,1994年7月太原科技大學(xué)、工業(yè)電氣自動化,工學(xué)學(xué)士,工程師,現(xiàn)就職于太鋼煉鋼二廠。