Real Intelligence — A Novel Approach to EAF Optimization

智能電爐生產優化新方法

近年來,人們致力于將人工智能(AI)整合到制造業的操作中。對于周期性重復操作上的高度自動化是很有必要的。然而,在電弧爐煉鋼這樣的冶煉過程中,工藝的變化很難有效使用人工智能。作為一種替代方案,作者提出了真正的智能——在充分了解工藝的基礎上使用有效工具,使操作者能夠實時做出更好的決策。由于電爐自動化程度提高,操作者的角色就必須從設備操作轉變為一線的工藝優化決策者。

近年來,人們致力于將人工智能(AI)整合到制造業的操作中。對于周期性重復操作上的高度自動化是很有必要的。然而,在電弧爐(EAF)煉鋼這樣的工藝過程中,一爐鋼到另外一爐鋼生產過程中工藝變化多、波動大,很難有效地應用人工智能。作為一種替代方法,作者建議使用真正的智能(RI)——在充分了解工藝的基礎上使用有效的工具,這些工具可及時對數據進行過濾處理,以便作業者能夠及時做出更好的決策,改善工藝過程。隨著電弧爐工藝自動化程度的提高,操作者的角色就必須從設備操作轉變為一線的工藝優化決策者。作者將演示一些可能的可用于現場的工藝流程模型,以幫助操作者能夠適應使用。

背景

在過去的20年里,小型迷你鋼廠沒有很多重大的工藝變化。人們對新技術的關注較少,而更多地關注現有技術的安全性、可靠性和一致性的提高。在這個階段,冶煉車間變得精簡有效,對工藝過程的分析關注減少了,這是由幾個因素造成的,包括:

1. 大學里課程在發展變化,許多冶金學課程已經過渡放到材料科學里面了。20年前,冶金學專業課可能包括幾個學期的鋼鐵制造方面的課程;10年前縮減到一個學期,現在一些材料科學課程可能只包括3小時的鋼鐵生產知識教學內容。具有諷刺意味的是,就在這同一時期,成百上千種新的鋼種已經開發出來,并且已經在生產和使用中。

2. 現在的大學畢業生在煉鋼廠轉崗的速度更快,很少有機會真正詳細了解煉鋼工藝過程,與關注工藝技術過程相反,關注的重點倒是超前進入各種管理崗位。

3. 如果進行工藝過程分析,往往是多人參加的開會討論,結果是,分析往往是膚淺的,并沒有真正深入到細節要點。

4. 總是希望工作是按一個“簡單的按鈕”就能完成所有的工藝過程,這也就讓年輕的工程師遠離現場實踐了。

這種演變的最終結果是工藝過程分析這門藝術正在慢慢地消失,在這一代人中,很少有人能夠詳細了解電爐工藝的復雜過程。

那么,工藝工程師到底要做什么呢?工藝工程師根據化學和冶金學對工藝過程進行分析,并評估工藝各階段的熱力學、傳熱、傳質、原材料特性、設備可靠性、能源效率以及如何將這些因素結合起來,達到高效、低成本的操作生產過程。

電弧爐工藝變化很大,這在很大程度上是由于所使用的原材料的變化,以一定的成本可以獲得一致性的優質原材料,但鋼鐵制造業主往往不愿為此付費。但是的確有這種情況,電爐持續采用良好的工藝會導致生產率提高20-30%,而無需什么額外的資金投入。問題的核心是,大多數電爐車間現場缺少必要的軟件工具,同時也缺少有能力的專業人員以最佳方式優化冶煉來進行工藝評估。

其實這些工具都不是真正新的工具,已經存在多年了。問題是,許多煉鋼企業沒有意識到使用這些工具的價值,因此沒有選擇使用這些對現場有用的工具。

許多年前,Jones[1]開發了電爐優化的金字塔,見圖1所示。這張圖的目的是表明有一種結構化的方法可以用來優化電弧爐的操作。為了達到最佳冶煉效果,必須按照順序的優化級別執行各種步驟。

圖1  Jones電弧爐(EAF)優化的金字塔

為了有效地排除故障并優化冶煉操作,工藝工程師必須對冶煉的基本原理有良好的理解。由于電弧爐工藝的高度可變性,落實使用有效的人工智能工具極為困難。作者更傾向于在充分理解工藝基礎之上實施真實的人工智能RI,工藝模型作為篩選工具,使得工藝工程師和操作人員都能實時做出明智的決定。如果不理解冶煉工藝所必需的基本原理,人工智能很難發揮作用。但與此同時,受過充分工藝培訓并且掌握冶金工藝基本原理的工程師正在迅速減少。

工藝工具

現代煉鋼工序收集了大量的工藝數據。然而,他們并沒有能夠有效地利用這些數據,大多數煉鋼企業在將這些過程數據轉化為可操作的信息方面做得很差。過去年代,工藝工程師部分地承擔了將過程數據轉換為可操作信息的工作,這種數據信息的轉變處理既乏味又費時。隨著現場冶金工藝工程師的消失,出現了對工藝功能自動化的需求。因此,開發了工藝模型,協助鋼廠的運作和工藝過程分析。良好的工藝模型能夠實時過濾數據,是工藝優化非常有效的工具。

工藝模型Process Model Pyramid是由Jones[1]開發的,它是電爐優化金字塔的組成部分,同樣,目標是演示如何實現連續的工藝過程優化。首先,實現簡單的工藝模型來提供工藝流程反饋,在隨后的過程中,模型被集成以提供增強的功能和對工藝實現更嚴格的控制,見圖2所示。

圖2  電弧爐優化的Jones電爐工藝模型

廢鋼模型

以其最簡單的形式,廢鋼模型可用于開發混合爐料的需求,以滿足其它金屬料配置的目標,并基于廢鋼跨堆場現有金屬物料進行優化配置。在更為復雜的形式下,該模型可用于實時地對每種鋼鐵料類型進行多元回歸,以跟蹤金屬料的化學成分,并確定電爐需要的金屬料配方。廢鋼模型可用于跟蹤廢鋼金屬料的收得率,并將其輸入有使用價值模型中。廢鋼模型也可用于跟蹤非金屬物料及其對環境系統操作的影響,包括跟蹤電爐粉塵的產生等。

爐渣模型

許多鋼鐵企業都熟悉Pretorius2在時間-溫度-轉變(T-T-T)周期的不同階段確定渣的化學成分,要求產生理想爐渣達到各個階段所需要泡沫渣。值得注意的是,有效渣的發泡取決于同時滿足堿度和氧化鎂含量達到設定要求,爐渣FeO水平的控制也至關重要。在模型的增強形式中,爐渣模型反向計算廢鋼中無用垃圾含量水平,并幫助評估廢鋼的質量。爐渣模型還可以與終點模型相互集成,以提供有效的泡沫渣,同時實現終點目標和控制爐渣的FeO含量。

能量跟蹤模型

模型最簡單的形式里,能量跟蹤模型可以用來在電爐操作中產生一個靜態能量平衡參考系統,靜態能量平衡對于工藝過程的內部基準管理是非常有用的工具。在其最復雜的形式中,動態能量平衡可以用來實時跟蹤過程中的能量分布。

煙氣能量跟蹤

在T-T-T循環的某些階段,煙氣系統的能量損失可能占進入電弧爐總能量輸入的50%以上,了解到能量高的損失時段,可調整能量輸入曲線,提高電爐的能源效率。

冷卻水帶走能量損失

跟蹤電弧爐水冷爐蓋和水冷上爐殼冷卻水的能量損失是一項相對容易的工作。這些信息可用于優化電能和化學能輸入曲線以及優化泡沫渣實踐,了解電弧爐的能量損失是實現良好運行效率的關鍵。

廢鋼/爐渣模型相結合

廢鋼/爐渣組合模型允許監測廢鋼質量和泡沫渣操作之間的相互作用和影響,組合模型還有助于提供有關廢鋼金屬化率、非金屬含量爐渣化學成分和熔劑的要求、以及對造渣的影響,提供更加完整的信息。

統計工藝過程控制(SPC)趨勢

關鍵工藝數據的SPC從爐罐號到另外的爐罐號趨勢是一個非常有用的工具。CIX通常通過運行在大屏幕顯示看到這個工具。SPC呈現的趨勢允許快速診斷故障情況,并且在操作班次中進行調整變化時也非常有用,因為當班的操作人員可以得到上一個班次操作的狀況。該工具需要對操作員進行培訓,以識別趨勢中一些常見的“違規行為”,如西方電氣規則概述。

終點模型(C/O/Fe平衡)

設計終點控制模型是為了幫助操作員在該爐鋼冶煉結束時同時達到所需的鋼溫和溶解氧含量水平。電爐出鋼溫度過高將會影響精煉爐操作生產,而過度吹氧會造成電爐中金屬收得率下降、電爐耐材消耗大和電爐損壞。

實時質量/能量平衡

CIX的成員在20世紀90年代末開發了第一個實時質量/能量平衡工具,該工具已經在一些電爐上使用,使用結果是相應的成本降低10美元/噸以上,生產率提高30%以上。該工具允許工藝工程師跟蹤該爐生產的整體能量分布,并識別高效和低效的時段,這就可以更加容易在工藝上進行優化。

實時過程的反饋

很容易看出,這里描述的許多模型都可以用于實時過濾工藝過程形成的數據,并將關鍵操作參數反饋給爐前操作人員和工藝工程師,這樣的操作對當前電爐冶煉工藝進行實時修正的能力得到很大的提高,并保持了其工藝過程的穩定和一致性。

使用價值

使用價值的概念是指商品的價格不如商品在生產過程中所帶來的價值重要。當處理電爐的金屬物料時,需要的是鐵元素,按照鐵的收得率付費采購廢鋼等,但其它不需要的元素組份也會隨之而來。垃圾、塑料、合金元素和其他成分隨著廢鋼進入爐內,這些東西影響渣料量、對環境和精煉都提出了額外要求等。因此,所有這些負面影響的組份都有相應的成本,對其進行評估,以確定對電弧爐操作成本產生的影響。

為什么沒有更多的工廠使用工藝軟件工具?

隨著對電弧爐工藝的理解加深以及工藝篩選模型的不斷進步,就可以更精確地控制電弧爐工藝操作。雖然電爐中的變化仍然存在,但是變化的幅度收窄,這個工藝軟件在一些非常有效的電弧爐作業中已經證明,對于工藝工程師達到所需要的的操作能力十分有利。有了足夠的工藝信息,可以調整原料輸入以實現所需的電爐的T-T-T循環。這可以在市場低迷時期可以看到,生產能力不再是主要經營驅動力,經營焦點轉變為控制生產成本。

從冶金行業上看,我們需要更好地理解工藝參數之間的相互作用,例如,提高電能利用效率就需要更好的泡沫渣,需要較大的體積泡沫渣量來覆蓋熔池和屏蔽電弧。提高化學能的利用會影響除塵系統,導致化學能利用效率較低,但電爐產能提高,從成本上看是有效益的。顯然,鋼鐵廠必須了解推動工藝改進的動力是什么?成本?提高產能?或者兩者都有?必須很好地理解工藝過程,以便工藝的目標與財務效益目標相匹配。

那么,為什么沒有更多的鋼廠使用那么多可用工藝模型呢?最大的原因之一是初始配置這些模型需要很長時間,此外,維護模型和確保相關輸入數據更新也需要時間。例如,一個廢鋼型需要更新成分數據才能有效、爐渣料模型需要定期更新熔劑組成數據、鋼包精煉爐和合金模型必須能夠考慮到輸入料變化的雜質含量,每一爐都需要花時間做這些事情。

顯然,工程軟件工具需要由專門的工藝工程師來維護。不幸的是,大多數鋼廠看不上工藝工程師工作的重要性,其結果就是已經安裝了這些軟件工具也沒有看到好處。如果沒有持續的支撐,即使是最好的工藝模型也無法實現預期的結果。

影響工藝模型利用的另一個因素是,許多工程師進入鋼鐵行業時,對正確地進行有效的工藝分析所必需的工藝基礎知識缺乏扎實的理解。于是就需要一種機制來支持從院校為鋼廠培養人才,使得工藝工程師能夠向正確的方向發展。

工藝分析的例子

工藝工程實踐的一個簡單例子是電爐爐渣的優化。通常的時候,冶煉過程會采集幾個爐渣試樣來進行分析,并根據分析結果進行渣料的添加。然而,爐渣分析是動態的,在不同爐之間會發生明顯地改變。許多鋼廠看不到定期分析爐渣的益處。在生產扁平材鋼廠中,必須對每一爐渣進行分析。在一個長材生產的鋼廠,就是每隔幾爐進行一次渣分析仍然是有好處的,爐渣分析是跟蹤廢鋼質量的最佳反饋,達到理想的爐渣堿度和MgO飽和設定值是保證爐渣起泡性和供電傳熱效率最佳途徑。為了準確地執行回歸分析,知曉爐渣的組成必須做到(例如跟蹤SiO₂進入電爐中的量),需要每爐鋼一個渣樣和每爐鋼一個真實的廢鋼混合料配比,而且需要相當大的樣本量才能進行回歸分析。

如果渣量增加,廢鋼中的鐵收得率就會降低。因此,不僅要跟蹤爐渣的化學成分,而且要計算出產渣量。爐渣生成量的急劇增加可能表明廢鋼質量有問題,可能需要調整爐渣的堿度和氧化鎂飽和含量的設定值。

同樣,鋼水中的磷含量過高就需要調整設定目標。此外,工藝工程師必須評估的問題是爐渣體積量不足、渣的堿度不合適,還是與整爐冶煉過程中的爐渣化學成分和溫度曲線構成相關的影響。利用已出版公布的磷分配數據,工藝工程師可以確保每爐鋼都能達到一個最佳的渣量。

顯然,工藝分析軟件非常合適對爐渣進行優化,爐渣優化的結構方法包括以下步驟:

?評估廢鋼中垃圾成分和數量。

?選擇一組合適的爐渣堿度和MgO飽和設定值,給出一個有效的爐渣體積量,與電爐操作的電氣參數相匹配。

?定期分析爐渣化學成分,計算爐渣體積。評估鐵損量并相應調整設定值。

?定期檢查液壓渣罐車上的渣罐重量。

?評估鋼水除磷效果,相應地調整爐渣化學成分和體積量,有必要調整爐渣的堿度,根據終點鋼水含氧量的要求也是有必要對爐渣進行調整。

?定期更新計算模型中的溶劑成分數據,定期分析溶劑成分。

?根據終點目標協調設定渣的化學成分。

?定期重復以上所有內容。

對于工藝工程師來說,另一個有用的練習例子是為電爐開發了一個靜態能量匯總。有了完整的渣量平衡和良好的爐號記錄數據,就可以制作一個所有電能和化學能輸入的總匯表,并與將一噸鋼水從室溫廢鋼到出鋼溫度所需的最小理論能量進行比較。這是評估各種能源的成本與效益的有用基準。如果任何一種能源的真實價格都被開發出來,其結果都可能是令人震驚的。例如,當一爐鋼結束冶煉時,以下輸入應該是已知的或可以估計的:

?加入爐內或噴碳進入的煤碳量。

?最終爐渣中FeO重量與估計FeO輸入量差別。

?最終爐渣中SiO2的重量與估計輸入的SiO2(矸石或垃圾)量對比。

?使用的甲烷量。

?耗氧量。

?使用的電能。

圖3  加熱和熔化廢鋼需要的理論能量

表1  各種氧化物單位重量生成的熱量(千瓦時)

由此,我們可以總結鐵的氧化、硅元素的氧化和碳的氧化產生的能量輸入,必須對碳的一次燃燒形成一氧化碳釋放的能量和一氧化碳二次燃燒后形成二氧化碳形成的能量進行跟蹤,這對于設計捕捉利用化學能很有幫助。康斯迪電爐后燃燒系統吹氧、余熱收系統和朗肯循環發電機都可以安裝在各種電爐系統中,它們都在一定程度上依賴后燃燒產生的熱量。在構建靜態能量模型,花費太多時間制作完美的電爐能量模型并不是很重要,與往常一樣,工藝改進是最終目標,即使模型不完美,但是仍然可以提供工藝改進的路線圖,主要目標就能夠實現。真實地實現高效節能才始終是工藝工程師為此奮斗的目標。

未來現場工藝工程師的角色

人們很容易相信,隨著工藝工具的實施,工藝工程師的角色將會過時,但是事實上絕不是那么一回事。工藝模型工具作為數據過濾器,它們能夠快速的“實時”進行工藝分析,生成具有實際操作的信息,然而,仍然需要工藝工程師來確定工藝應該如何調整,以及這些調整可能對其他工藝參數會產生什么樣的影響。電爐是重工業中最復雜的工藝反應器之一,工藝參數之間的耦合量是巨大的,變化量也非常大,因此,電爐冶金過程優化是一項全職性的工作。在未來,作者設想工藝工程師的角色是工藝宏觀優化——將多個工藝工具的結果結合在一起,得到高層次工藝參數優化。與此同時,電爐操作職工將承擔微觀優化的角色——根據智能工藝工具生成的優化參數進行小的調整。

隨著工藝工具的演變,對各種工藝參數數據的需求會越來越大,需要更多的儀器儀表。然而,如果沒有定期校準和維護,再多的儀器儀表都不能很好發揮作用。作者已經看到了很多錯誤數據被收集的例子,錯誤的數據比沒有數據更糟糕,因為它可以產生糟糕有害的工藝調整。一些工藝工具實現了數據篩選,過濾掉“壞的”數據。在一天結束的時候,最好的態度是確保儀器得到校準和維護。安裝這些儀器儀表就是為了提供必要的工藝數據。

隨著收集更多工藝數據的能力不斷發展,工藝模型“過濾器”變得更加必要,以實時處理不斷增長的數據量,并向操作人員和工藝工程師提供最佳的可操作信息。技術必須發展以支持工藝工程師的活動,并且不能僅僅是為了技術而技術。

未來現場工藝操作者的角色

許多行業預測,在不久的將來,自動化將取代對操作者的需求,最容易實現的行業是工藝過程已經高度儀器化,生產和原料是基本一致,具有高度一致的原料和工藝輸入的工藝流程可以實現自動化,在這種情況下,操作者的干預是很少的。然而,電爐冶煉車間并非如此,當這并不是說,在自動化的使用方面,熔煉車間將不會繼續發展。自動化對于替代重復性的操作非常有效,并使操作人員遠離危害場所。然而,即使在自動化方面取得了進步,電爐操作仍將需要操作者,一個大的問題是,“他們未來的角色將發生怎樣的變化?”

作者認為,在未來,運營商將升級其功能,提供一級工藝優化。操作人員需要具備工藝基礎方面的良好基礎。操作人員將被提供正確的工藝過程軟件工具,以便他們能夠確定何時發生了工藝過程偏離,并采取適當的措施來糾正。在過去,操作人員只能利用他們在工廠里能看到和聽到的知識來確定什么時候發生了操作問題,并相應采取糾正措施。將來,工藝模型將被用于篩選原始工藝數據,并向操作人員提供可執行的信息。除了提供工藝分析的工藝工具外,還需要提供有效的工藝控制手段,以便操作人員采取糾正措施。

結論

工藝工程的藝術性正慢慢地從鋼鐵廠消失了,這在一定程度上是由于大多數大學課程的變化,重點從冶金學轉移到材料科學。社會對鋼鐵工業的理解減少,鋼鐵工業也沒有很好地向社會表達已經生產了成千上萬種鋼種,但是為滿足各種工程需求,仍然需要社會和大學重視冶金工業。結果,社會錯誤地認為,由于鋼鐵冶煉歷程時間很長,有關鋼鐵的一切知識都已為人所知。為了鋼鐵工業良性的循環發展,還是需要增加補充教育,幫助剛畢業的工程師迅速從大學已有的知識過渡到鋼鐵工業生產中,這種補充教育必須集中在工程師獲得對工藝充分理解所必需的基礎知識上。

近年來,煉鋼企業已經減少了工藝工程師擔任的角色,有些企業甚至已經取消了這個角色職務。由于時間限制,其他活動領域對人員的需求不斷增長,使得有效地進行工藝優化變得更加困難。隨著工藝分析資源的減少,工藝工具可以實現更快、更有效的實時分析。技術不斷向前發展,人們必須學會更聰明地工作,而不僅僅是更努力地工作。工藝工具可以幫助工程師理解與電爐操作相關的各方面情況,要知道沒有任何神奇的按鈕來自動優化冶煉過程的,也沒有任何工藝模型可以取代工藝工程師,在電爐冶煉中總是會有工藝偏差情況,通過正確的實時分析,才可以減輕這些偏差干擾的影響,并將恢復“正常”操作所需的時間降至最低。

時代的發展已經表明,已有大量的工藝模型可用。這些工具可以在基礎級別實現,并且隨著對工藝流程理解的提高,可以對它們進行集成以提供更強大的功能。然而,如果沒有專門的工藝工程師來協調優化活動,軟件模型對操作的影響將是最小的。在未來,隨著工藝流程自動化程度的提高,作者設想了工藝操作員的“重新加工”,以提供一線優化工作。這將要求對操作人員進行進一步的培訓,以便他們對工藝基礎有一個良好的理解,并知道如何應用工藝工具所提供的指導。

工藝工程是工藝優化的核心,工藝優化需要人們的奉獻和堅韌,追求的結果不會立即出現,但很清楚的是,工藝軟件工具能夠支撐工藝優化結構,前進的道路是曲折的,堅持下來得到的果實是甜美的。

參考文獻

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., [email protected]

Jeremy A.T. Jones:President/Managing Partner, Continuous Improvement Experts Inc., Clinton,Pa., USA [email protected]

唐杰民2024年元月在安徽黃山市屯溪翻譯自美國《鋼鐵技術》2024年元月期刊。

	? 請關注 微信公眾號: steeltuber.  轉載請保留鏈接: http://www.kqfzw.com.cn/Steel-Knowledge/1611555767.html