本网站含有烟草内容,未成年人谢绝访问

烟业智汇

零售户在线

微薰

手机版

您的位置:  首页 > 资讯 > 就事论事 > 正文

酒钢的启示:数字化转型后上半年亏损9.7亿元,卷烟工业企业如何借鉴(中)

2024年10月14日 来源:烟草在线 作者:张俊英
A+ A

二,数字赋能传统产业转型升级的目的和意义

还以酒钢宏兴炼铁为例。

铁在铁矿石中是以化合物(如氧化铁)的形式存在。炼铁的原理,是利用铁及有害杂质硅的熔点不同,通过控制温度和压力,让铁的化合物还原形成液态的铁水,有害杂质形成固态的炉渣,实现铁与杂质的分离。

炼铁操作中,将原料铁矿石、焦炭和石灰石按一定比例分层加入高炉中,热风吹入高炉,焦炭燃烧使温度上升,并产生一氧化碳,一氧化碳与铁矿石发生化学反应,铁的化合物逐步被还原成液态的铁水。石灰石与熔点很高的脉石(其主要成分是二氧化硅)反应,生成硅酸钙浮于铁水之上,形成炉渣。

脱硅以后,还需要进行脱硫脱磷处理。最后的铁水:一般含铁90%~95%,碳3%~4.5%,和少量的硅、锰、硫、磷等,含量都有严格的要求。硅、锰有一定的范围,硫、磷越低越好。

进入转炉炼钢的铁水,温度一般不低1250度,而且要稳定,还要有稳定的化学成分。铁水和废钢进入转炉,进一步减少碳、硅、磷等杂质,可得各种成分的钢。加入铬、镍等,可得更高性能的钢。

所以,铁冶炼的干净程度,即生铁中的含碳量以及其它杂质的含量,是钢材质量和性能的决定性因素。

酒钢宏兴炼铁厂对高炉的数字化改造,并没有对于铁水的内在质量(工艺量),即含碳量及硅、锰、硫、磷含量进行预测和控制。即使提前知道了炉温和铁水温度,由于高炉内部多变量、时变、非线性因素,对于铁水化学成分的控制,总有一种隔靴搔痒的感觉,用了很大劲,但挠不到关键点上,打蛇没有打到七寸上。

那么如何破解这个难题? iAnn工业人工神经网络对于高炉这样的系统,处理起来得心应手。

iAnn工业人工神经网络,原理来源于人工神经网络,借鉴人脑神经网络处理信息的方法,包含多层神经元,神经元之间有可变权重连接。通过反复学习训练,逐步调整改变神经元的连接权重,模拟输入输出之间的关系,具有自学习、自组织、自适应以及很强的非线性函数(数学模型)逼近能力。iAnn工业人工神经网络也可以说是用数学模型模拟神经元的活动。

图片1.png

其最大的优势,是不需要知道输入输出之间的确切关系,不需要大量的参数,只需要知道引起输出变化的非恒定因素(输入)。通过输入和输出数据就可辨识神经元的权重(相当于数学模型的系数)。与传统的数据处理方法相比,iAnn可以很优秀地处理非线性数据系统,建立数学模型,实现预测和逼近控制。

高炉的输入是铁矿石等来料、热风及外部能够测量的数据,输出即高炉出口的铁水温度、化学成分。输入输出都是可测量的(以前工业数字化的数据)。iAnn工业人工神经网络通过输入输出辨识炉内的状态量或工艺量,运用高等数学的函数关系,建立高炉的动态模型(数学模型)。

经过仿真训练,由AI算法找到在冶炼周期内为约束条件下的最佳状态量或工艺量(温度或化学成分),成为参考模型。这样就能控制高炉按照参考模型来运行。

图片2.png

通过数学模型的稳态和动态,进一步得到状态观测器(或工艺观测器),来观测高炉内部动态的状态量或工艺量(温度和铁水化学成分)。

为了减少各环节的运行惯性,观测器对铁水温度和化学成分的观察值,反馈到全状态反馈控制(或工艺控制器)实行积分控制,高炉出口的铁水温度和化学成分就能跟踪参考模型的理想输出,实现时时在线的闭环控制。由于参考模型不受来料、室温、热风等的影响,冶炼的铁水温度和化学成分也不受这些因素的影响。

图片3.png

在限定条件下,想要什么样的结果,就设定什么样的结果。并且不论在哪个高炉上,不论在哪个生产基地,不论在什么季节,铁水的温度和化学成分稳定性不变,实现“三个一致”:批批一致,处处一致,时时一致。

这样的铁水,什么样的好钢炼不出来。同时的道理,应用在炼钢的转炉上,什么高性能的钢炼不出来,什么样的特殊用途钢炼不出来?产品结构就能实现跨越式提升,酒钢宏兴就不用再打价格战,高端设备用钢的企业会排着队来,也可以出口高端钢,扬眉吐气走出国门。

这不正是数字赋能传统产业转型升级的目的和意义吗?在高端产品、关键工艺、关键软件上,不但能够破解发达国家卡我们的脖子的问题,还能走上国际舞台和发达国家竞技。

iAnn工业神经网络控制系统,不需要采集大量数据,够用就好。设备在运行中,能够实现动态平衡,各种资源和能源投入,不需要多,刚刚好就行。能够最大程度降低成本和能源消耗,以及降低云平台的租用费用和维护费用。

从iAnn工业人工神经网络的角度来说,数据模型或者叫数字化模型,仍然是数据拟合,需要采集大量的数据,根据大量的数据拟合出比较合适的模型,来预测规律或趋势,指导操作或决策。这样的数据模型不能脱离原数据,耗电量大,数据存储成本也高。并且数据模型用到别的高炉上,需要重新调整参数,以适应新的环境。

iAnn在产品质量提升的同时,伴随着降低成本、降低能源消耗、提高生产效率。数据模型是在降本、降耗增效的同时,伴随一定质量的提升,虽然都采用了模型控制,但是有本质区别。

在一定的约束条件下,降低成本和能源消耗是有天花板的,而产品质量的提升是无止境的,能够不断提高产品质量,才算真正实现了脱胎换骨。现代工业化的实质是“量的喷涌而出,质的不断精进”。

以工信部发布的成熟度模型来衡量,钢铁行业数字化转型起步早,但基本还在三级阶段,也就是采集分享和分析阶段,这是数据模型阶段。用数学模型解决关键工序,对核心业务精准预测和优化,形成关键技术软件,才是到了四级,这是一个从硬实力向软实力的跃升。

图片4.png

(智能制造成熟度等级演进示意图)

从上图明确看到,从三级到四级,是重要的分水岭,是从硬件到软件的跃升,从装备升级到知识产权的跃升,从信息化技术手段向数据挖掘的提升,从互联网+技术向人工智能的提升,从采集外部数据向控制内部数据跃升,从数据采集共享到数据利用释放价值的跃升,从数据模型向数学模型的提升,从提高管理效率生产效率向提高产品质量的跃升。

关于数据复用的判断,2024年5月的第七届数字中国建设峰会,以“释放数据要素价值,发展新质生产力”为主题,发改委中国数据局发布了《全国数据资源调查报告(2023年)》,明确指出:数据资源管理和利用整体处于起步阶段,表现在:

1,我国“互联网+”的蓬勃发展,产生了海量的数据。2,数据加工能力不足导致大量数据价值被低估、难以挖掘复用;3,大模型、训练工具等支撑能力不足,海量数据开发利用价值低于存储成本。

iAnn工业人工神经网络的应用,将会改善这样的状况,真正做到释放数据要素价值,发展新质生产力。

中国智能制造,就是要通过发展新质生产力,赶上并超过发达国家的制造。比如钢铁行业,发达国家在高端钢材的质量稳定性、性能一致性方面表现更优,其产品能够满足严苛的技术要求和质量标准,如高强度钢、超高强度钢、特殊合金钢、精密合金等。这些高端钢材在航空航天、汽车、高端装备制造等领域应用广泛。我国钢铁制造在这方面有很大差距。

国外在高端制造方面,依靠的是计算机编程语言,创建算法和逻辑来实现精细化控制,这是一种传统的控制方法。iAnn工业人工神经网络能够让机器具备智能和学习能力,特别是对于不能直接测量的数据,并且具有非线性、时变、多变量等复杂的系统,更具有优势。这或许是我国在高端制造领域的一个突破口。

举个例子:神五外罩的一个部件是国产的,冶金部老专家亲自出马,夜以继日,用革命的精神,试错的理论,终于达标。也有人说,单批生产,如果有工艺技术人员现场指导把关,什么样的钢都能生产出来,但是批量生产,就不行了。

如果在酒钢宏兴的计算机屏幕上,直接显示铁水或者钢水的化学成分控制曲线,那是多么振奋人心!解决了化学成分的精准控制,实现了高端产品的批量生产。这将会成为钢铁产业新标准、新标杆。

卷烟工业企业的数字化转型升级,其核心也是提升产品质量,生产效率和管理效率的提高是副产品。

相关新闻链接:

酒钢的启示:数字化转型后上半年亏损9.7亿元,卷烟工业企业如何借鉴(上)

酒钢的启示:数字化转型后上半年亏损9.7亿元,卷烟工业企业如何借鉴(下)

声明:本文系烟草在线用户的原创作品,所有内容均代表作者个人观点,并仅供学习和交流之目的。本文内容未经授权,严禁任何形式的转载。如有转载需求,请通过微信号“tobacco_yczx”联系客服烟小蜜,以获取正式授权。
404 Not Found

404 Not Found


nginx
分享到微信朋友圈×
打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。