×
Community Blog 鋼鐵是怎麼用人工智慧 AI 煉成的?新技術降低能耗案例

鋼鐵是怎麼用人工智慧 AI 煉成的?新技術降低能耗案例

利用資料、運算能力與演算法技術,鋼鐵企業有了新的提升產能、降低能耗的手段和方法,並開始推動整個產業的智能化發展。

過去 20 年裡,儘管中國貢獻了全球粗鋼增量的 80%,但中國鋼鐵業的發展不容樂觀,產能過剩與結構嚴重失衡、全球經濟下滑導致鋼鐵需求增速放緩、生產質量的不穩定,廢品率高,高耗能以及多元化需求,給整個產業都帶來了極大的挑戰。中國鋼企的轉型升級迫在眉睫。作為一個傳統老三線建設的國有企業,在鋼鐵產業嚴重過剩、鋼企轉型壓力巨大的背景下,攀鋼在前些年增長遭遇瓶頸,透過這幾年的改革創新,不僅終結了虧損歷史,打了一個漂亮的「翻身仗」,去年全年經營性利潤創歷史最好水準。它究竟是怎麼做到的?

依托西部地區豐富的釩鈦磁鐵礦資源和自主創新建設,攀鋼集團有限公司(簡稱攀鋼)已經成為中國特大型釩鈦鋼鐵企業集團,全球第一的產釩企業、國內最大的鈦原料和產業鏈最完整的鈦加工企業,以及國內重要的鐵路用鋼、汽車用鋼、家電用鋼、特殊鋼生產基地。中國 40% 的鋼軌和高速軌道由攀鋼生產的。

儘管產業地位重要,但攀鋼一樣面對著和產業一樣的難點痛處。從 2011 年到 2016 年,受國內鋼鐵產能嚴重過剩導致的產業普遍虧損,資源不足、位置偏僻、人員多、負擔重等多種因素的影響,攀鋼持續虧損,企業發展面臨巨大挑戰。

為此,攀鋼確定了提質增效的大目標,開始改革創新:一方面紮實推進品種、市場、原材料、產線結構調整,鐵血降本;一方面推進產業升級,推動釩鈦加快發展、鋼鐵精品發展、非鋼創新發展;人力資源方面推行績效考核新模式,鼓勵自主創新等,打開了一個科技強企的新局面。

1. 新技術降低能耗

「煉鋼就是煉渣」,這是鋼鐵生產過程中的一句俗語。對攀鋼集團來說,「煉渣」還有「煉釩渣」的特殊意義。鋼由生鐵而來,和生鐵的主要區別在於成分不同,所謂煉鋼就是透過冶煉提出釩、降低生鐵中的碳、去除有害雜質,再根據鋼性能要求加入適量合金元素,使之性能優良。為了將鐵水中釩應提必提、去除一些不需要的雜質,都必須進行造渣。造好渣是實現提釩煉鋼生產優質、高產、低消耗的重要保證。

其中,鋼鐵料消耗佔整個煉鋼廠成本的 70% 以上,攀鋼需要透過降低鋼鐵料的消耗,實現減少原料投入及最佳化能耗成本,才能提升企業的整體綜合競爭力。

攀鋼和阿里雲簽訂戰略合作協議推進工業大腦合作,以阿里雲為技術載體、以工業大腦為平台、以攀鋼集團西昌鋼釩公司為場景試點,率先深化工業大腦在鋼鐵生產領域的應用。出於資料擷取難度、專案風險性與收益等綜合因素考慮,最終決定從板材廠(連退機組表面檢測)與煉鋼廠(脫硫、提釩、精煉、煉鋼和連鑄)兩個場景切入,著手工業智能的嘗試。

煉鋼工序中脫硫是鋼鐵生產過程中的一個重要環節,旨在降低鐵水或鋼液中的硫含量。而脫硫環節由於扒渣帶鐵(脫硫劑反應之後的脫硫渣中帶走了大量的鐵)會造成大量鐵損,工業大腦對脫硫環節進行了造渣消耗工藝最佳化。除此之外,工業大腦對轉爐提礬、轉爐煉鋼、RH 和 LF,連鑄四個工序進行了基於大數據的工藝建模。根據實際測算,鋼鐵原料消耗降低不低於 1.28kg/噸鋼,合金成本消耗降低不低於 1.2 元/噸鋼,對年產量 440 萬噸鋼的西昌鋼釩公司煉鋼廠來說,年成本降低不低於 1700 萬元。

_01

同時,工業大腦還被應用到了冷軋環節。鋼材經過冷軋連退工藝加工,會形成長度約 1 千米的鋼捲。在表面檢測環節,質檢員通常會在短短 5 到 10 分鐘內,識別出少則幾百個,多則幾千個的缺陷,並給出分選度、表面等級、主缺陷和是否合格等判定。但長時間、高強度、重複性且枯燥的表面質檢工作讓判鋼質量工程師難以保證判定結果的穩定性,同時質量工程師間的經驗差異也會造成判定水準的參差不齊。最終導致的結果則是客戶的服務體驗與滿意度波動,造成巨大的隱性成本。工業大腦的引入,可以在線智能輔助人工判斷產品缺陷,降低人工依賴性。在冷軋板的表面檢測場景中,演算法模型輸出的自動定級結果與人工判定結果對比,表判碼平均準確率達 95% 以上,分選度平均準確率達 90% 以上。


_02

2.「老師傅」們的經驗複用和傳承

鋼鐵產業歷經上百年的發展,累積了大量的經驗。然而,經驗都是碎片化地藏在「老師傅」的腦袋裡,像一個個黑箱,難以形成經驗共享與規模化的複用。工業大腦的使命就是將這些隱性化的知識顯性化,並幫助打破人的傳統思維框架與認知局限。

工業大腦由四塊拼圖組成:人工智能(AI)、大數據(Big Data)、雲端運算(Cloud Computing)、專家經驗(Domain Knowledge)。簡單來說,就是利用A、B、C技術將D(工廠老師傅、老專家的經驗)抽象成知識、並將知識規範化、模型化與代碼化,以數位的方式嵌入到系統與設備當中,被重複調用,指導或是替代人力進行決策與執行。

未來,隨著大數據、運算能力與演算法技術的不斷成熟,與資料智能相關的工業應用將呈指數級增長。鋼鐵企業的核心競爭力不在擁有多少產能或是固定資產,而是在於掌握了多少行代碼與核心演算法。工業智能應用的場景顆粒度會不斷細化,面對焦化、燒結、高爐、熱軋、煉鋼系統、安保、物流、園區、電商等場景,都有機會開放出熱銷款的工業 SaaS 或是工業 APP。此外,除了持續加強場景化的演算法開發能力以及數位基礎架構建設(數據中台),更重要的是加快鋼鐵企業的數位組織、數位領導、數位文化、以及數位人才的轉型,創造工業智能的生長與創新土壤。


後記

本篇文章內容擷取自阿里雲製造業數位轉型案例集,如欲了解更多案例資訊,歡迎下載白皮書。

點擊了解製造業通用解決方案,或直接與我們聯繫洽談

0 0 0
Share on

Alibaba Cloud TC Content

46 posts | 3 followers

You may also like

Comments

Alibaba Cloud TC Content

46 posts | 3 followers

Related Products