青岛特钢铁前系统智能制造优化提升实践

杨领芝，王海波，陈 哲，王 东

（1 青岛特殊钢铁有限公司，山东青岛 266409；2 青岛海信医疗设备股份有限公司，山东青岛 266000；3 青岛理工大学，山东青岛 266520）

1 前 言

青岛特殊钢铁有限公司（简称青岛特钢）的铁前生产体系中配置了大型二次料场和混匀料输配系统、2 座焦炉、3 台烧结机、3 座高炉，具有完整的自动化、信息化生产管理体系。但是在进一步的产业升级过程中，出现了诸多发展瓶颈。为此，青岛特钢以铁前系统为试点，按照“总体规划、分步实施”的推进方式，把综合原料场、焦化工序、烧结工序、炼铁工序的生产数据整合在一起，打造一个功能完备的铁前一体化智能管控平台，从而打破工序间的信息孤岛［1-2］、优化工序人员结构布局、实现工序间的智能衔接；引入智能制造和机器学习技术，对生产操控参数进行优中选优，实现工序产线能力的综合提升。

2 铁前系统的主要问题及提升方向

2.1 人员结构问题

随着钢铁产业技术进步，从业人员的人员结构也发生着重大变化，传统的一线操作工人已经全部被大专以上学历的员工替代，知识结构的提升深化了对生产工艺的认知，一线员工在洞悉上下游岗位操作和工序间的耦合影响方面的意愿非常强烈。同时，钢铁行业从业人员短缺，尤其是艰苦岗位，也是助推智能制造进步，实施机器代替人的重要需求。

2.2 信息孤岛问题

在综合原料场、焦化工序、烧结工序和高炉工序中，每条产线都有独立的一级、二级操控系统，生产数据的采集、存储和梳理都需要人工记录，再转移到技术管理人员的计算机上进行，然后再进行系统性匹配分析，这不仅分析结果滞后，而且数据不全面，分析结果对生产的指导和促进作用微弱；因此，联通各信息孤岛，实现数据即时互通，是生产体系联动进步的关键。

2.3 工序协同问题

铁前是典型的长流程，从二次料场开始配制混匀料到转变为铁水，需要历时7 d，期间要操控预配料系统11个料仓、焦化12个料仓、烧结17个料仓、高炉12个料仓及诸多物料转运环节，实现点到点的全过程跟踪，分析影响铁水产质量水平的影响因素，在依赖人工统计的情况下，不仅劳动量巨大，而且难以准确匹配和精准分析，需要各工序的高度协同。

2.4 智能化提升问题

在铁前生产体系中，需要进行二次料场配比、焦化工序配煤、烧结工序配料、高炉槽下配矿等多环节的持续高频数据采集和即时联动运算。在传统的生产模式中，均为人工预算-生产记录-数据统计-对比分析-人工优化的粗放式闭环，在计算器运算能力快速发展的大环境下，以实时数据库为依托的人工智能迭代运算［3］，是智能化提升过程最核心环节。

3 铁前智能制造全面提升的措施

3.1 打造铁前一体化智能管控平台

从机理与大数据分析层面建立机理模型，打造单元工序智能应用系统，搭建铁前生产大数据中心［4］，深度融合物联网、大数据、人工智能、云计算、移动互联等先进工业互联网技术，构建铁前一体化智能管控平台。平台分为烧结生产大数据模块和高炉生产大数据模块两大部分，主要功能如下。

（1）烧结-高炉生产联动分析功能。从“烧结配料1号铁料仓”开始，至“高炉出渣出铁”结束，根据皮带转速、混合制粒时间、烧结台车、环冷机运行速度、高炉槽下料位等数据，实时动态地将整个炼铁过程的生产数据进行时间上的统一匹配，真正打通铁前产线的数据链，实现工序数据协同［5］，基于数据协同进一步实现各类物料质量跟踪，从而准确分析各工艺点数据对产、质量的影响因素。

（2）数据挖掘智能对标功能。从产线、工序、班组等不同层级对生产、质量、操作等不同方面进行横向、纵向不同维度的智能对标，从时空多维度分析指标差异与提升空间，并给出综合对标评价。

（3）人工智能寻优分析功能［6］。通过对历史运行数据进行分析，自动提取高产型、低耗型绩优工况时间区间，并自动生成绩优工况时期的原燃料条件及操作控制标准范围，通过有监督和无监督机器学习，自动分析当前操作与绩优工况的差异，给出定量化调整建议，优化修正工艺操作标准。

（4）炉况智能诊断。实现高炉生产参数、模型计算参数、推理过程参数的全生命周期监控；联动边缘侧炉况诊断推理机实时分析、诊断炉况变化，并通过“云边协同”不断迭代优化边缘侧诊断规则库。

（5）便捷的数据统计分析模式。系统集成各类数据算法、数据分析工具、数据可视化工具、应用开发工具，让各层级管理人员轻松、准确地对各工艺点进行横向产线对比分析和纵向数据变化规律预判，生产组织进入良性发展模式。

3.2 智能运算模型得到广泛应用

实现生产过程中的原料参数、操作参数和设备参数的实时调整是平台建设的重要目标，为此，平台规划、开发了一系列的优化模型，能够减小中间操作对指标波动的影响，通过过程稳定性的提高，提质降本。平台累计开发各类模型18个。

（1）智能配料计算模型。传统的配料计算方法多采用人工经验试算，计算量大，难以考虑所有影响因素，计算精度也不能满足现代烧结生产的需求。智能配料计算模型基于依据物料平衡原理，充分考虑原燃料的成分和烧损，兼顾烧结矿的目标成分和目标产量，在恰当范围内，给出各种原料使用的最优配比方案。

（2）烧结矿碱度智能控制模型。生产过程中，烧结矿的检化验信息自动上传到大数据平台，当检测结果与目标碱度发生偏差时，系统自动对配料的目标碱度进行修正。二级系统得到新的碱度目标值后，配料系统自动按照此目标值去调整熔剂配比。该模型改善了技术人员凭经验对原料配比进行人工调整的现状，实现了在原料发生变化或成品矿质量波动时，做出及时、精准的调整，从而提高烧结矿碱度的稳定率，最终实现烧结矿碱度的智能控制。

（3）烧结终点（BTP）智能控制模型。烧结终点预测模型采用废气温度进行曲线回归拟合的办法进行分析［7］。根据实际终点位置与预设定理想位置的偏差，兼顾温度上升点位置偏移情况，自动给出烧结终点的调整方向，实现烧结终点判断的智能化；通过提前分析、适度预调整，来稳定生产过程，实现高产优质。

（4）高炉气流分布模型。高炉气流分布的稳定性是高炉顺行的基础［8］，传统的操控模式是中控室操作人员通过密切关注炉顶十字测温装置和冷却壁水温差等数据进行分析，判断气流分布变化；新的模型上线后，系统能够自动记录、即时纵向、横向比较气流分布的变化，出现异常时能够即时预警。

3.3 平台核心理念及技术应用

（1）铁前原料-烧结-高炉联动分析。以“烧结配料1 号铁料仓”为起点，以“高炉出渣出铁”时间节点为结束，根据皮带转速、混合机混料速度、烧结台车、环冷机台车运行速度、高炉槽下料位、高炉排料速度等数据，实时动态地将整个炼铁过程的生产数据进行时间上的统一匹配，真正打通铁前系统的数据壁垒，实现各生产线间的数据协同。基于数据协同可进一步实现各类物料质量跟踪，分析产质量与原料质量、过程数据之间的对应关系，有助于第一时间找到制约生产的痛点，制定更有效的应对措施，提升产线生产能力。铁前一体化平台智能炉况分析业务包括产线联动分析、智能对标、工况分析、寻优分析、智能诊断等。

（2）最佳操控参数获取。通过对历史运行数据进行分析，自动提取高产型、低耗型绩优工况时间区间，并自动生成绩优工况时期的原燃料条件及操作控制标准范围，通过有监督和无监督机器学习，自动分析当前操作与绩优工况的差异，给出定量化调整建议，优化修正工艺操作标准。

（3）智能对标驱动竞赛意识提升。从产线、工序、班组等不同层级对生产、质量、操作、安全等不同方面进行横向、纵向不同维度的智能对标，从时空多维度地分析指标差异与提升空间，并给出综合对标评价，以折线图、柱状图等直观的形式在线展示，让基层班组直观看到差距。

4 效果检验

平台通过炉况种类进行标记，结合平台定制化配置的分析方案对各种异常炉况进行在线分析，将结果进行保存并支持随时对分析过程及结果复盘讨论，最终的分析结论可联动边缘侧推理机形成推理提示，实践证明平台运行效果良好。

4.1 高炉炉况跟踪预测

2022年2月，2号高炉出现炉况波动，通过高炉系统寻优分析模块，自动寻找到2号高炉的高产低耗和低产高耗的两类炉况类型的数据，并做出对比分析，结果如表1所示。

通过表1数据分析可知，高产低耗阶段与低产高耗阶段对比，烧结矿的转鼓强度、煤气利用率较高，顶温波动范围较小，炉缸活跃性指数较高，铁水硅含量整体水平较稳定。

4.2 高炉专家系统模型运行案例

系统对高炉生产参数、模型计算参数、推理过程参数进行周期性监控；联动边缘侧炉况诊断推理机的实时分析，通过“云边协同”不断迭代优化边缘侧诊断规则库，形成智能系统专家诊断模型［9］。

2#高炉智能系统专家诊断模型于2022年3月5日11：00 推理出高炉发生边缘管道，并建议减风103 m3/min，临时加焦比15 kg/t，且10：40 推理出高炉有小气流。炉况发生后，现场及时减风150 m3/min，且在13：00 增加喷煤量1 t/h，15：00 增加喷煤量1.5 t/h。

实践证明，智能系统的相关模型在异常炉况发生时，都能从数据表现上看出异常。结合案例导致的结果和现场的后续操作可知，操作工增加喷煤量的时间比较延后，最终导致炉温大幅下降，造成一定损失。随着机器学习样本的增加和经验数据的积累，系统对炉况判断的准确性将越来越准确。

5 结 语

青岛特钢铁前一体化智能管控平台的开发与运行，对铁前生产起到明显促进作用，不仅解决了信息孤岛难题，而且工序协同发挥了更重要作用。随着智能分析、智能反馈、智能操作等模块的逐渐完善，平台对生产的影响凸显。

（1）平台集成了各类数据算法、数据分析工具、数据可视化工具、应用开发工具，对企业不同类型数据进行汇集、规整、融合、分析，将生产过程中所形成的设计资料、事故预案、工况样本、分析报告、操作规程及技术文献等形成电子数据资产，形成各类案例库、样本库、资料库。

（2）平台把各工序单元的生产信息汇聚在一起，根据设定条件和目标远程掌握烧结、高炉的一线生产情况，主动、直观、即时了解技术经济指标变化；帮助管理人员实现了对异常工况的早了解、早应对。

（3）通过数据对标、寻优分析等模块，可以提取最佳生产情况下的相关数据，不断积累生产经验，实现各工序之间生产差异逐步减小，生产指标逐渐优化提升。

（4）烧结智能系统通过智能配料模型，根据原料成分和烧结矿化验结果，调整熔剂和燃料的配比，优化配料比例，保证烧结矿碱度和亚铁的稳定，降低烧结矿成分波动。通过烧结点火模型、均匀一致性模型、烧结终点模型等模型的使用，实现了烧结终点及料面均匀性的可视化，帮助现场操作人员实时掌握烧结状况，稳定了烧结终点，提高了烧结质量。

（5）高炉智能系统通过其丰富的数据展示及其机理模型的应用，从安全、长寿、高效等方面全方位提升了高炉的稳定顺行状态，系统上线期间，高炉冷却壁、风口、炉缸的安全得到有效监控，高炉炉况诊断的准确率达到80%以上，一定程度上避免了较大的炉况波动。自动报表的上线解决了现场长期记录纸质报表的难题，工长劳动强度得到缓解。同时，高炉智能系统的投用，经济指标也得到提升，燃料比降低2.3 kg/t，煤气利用率提高0.6%。