智能化无人钢厂-炼铁-炼钢-轧钢-宝钢内部资料

从而精确平衡物流,提高热装热送比,实现资源的均衡分配,提高资源利用率,有效降低生产成本,缩短生产制造周期,降低在制品库存,为实现按周交货提供有力的保障。 5.1.4 智能炼钢调度

支持多种优化策略、满足多种炼钢生产约束的出钢计划自动编制,尽可能减少每一炉次的等待时间,确保各炉次在同一工序上时间不冲突、实现连连浇的顺行。以甘特图方式直观展示出钢计划,并支持图形中直接编辑交互,可使调度人员快速掌握计划信息和产能安排,便于快速进行出钢计划调整,从而提高炼钢调度人员工作效率。 5.1.5虚拟仿真

以主要产线工序和仓库为背景,分析工序和仓库中涉及到的物流形态及相关工艺、规程等信息,建立多智能体工厂仿真系统,研究不同智能体之间的关系,建立智能体间的通信机制。对产线工序和仓库的运作效率进行仿真和评估,找出生产薄弱环节和运作过程中可能出现的瓶颈设备,并根据仿真结果对作业计划进行完善,使得生产过程更稳定,物流更平衡,从而提高运作管理水平,降低运作成本。 5.1.6工序质量一贯分析与控制

构建纵向集成L0、L1、L2、L3到L5,收集结构化缺陷数据及非结构化图像数据,集中存储大数据、深度挖掘分析、移动平台展示;横向贯通炼钢、热轧、冷轧的3条机组产线及宝钢国际剪切中心,满足上下工序间的缺陷数据传递,在线进行产品的质量控制和管理。

构建表面及性能等产品特性的一贯分析改进应用系统,提升缺陷工序分离及成因分析效率;

构建过程PFMEA分析及CP应用平台;通过实时采集制造全过程的质量数据,对从原料直至成品出厂全过程所涉及的人、机、料、法、环等关联性因素进行监控、分析和管理,达到提高产品质量、符合客户及行业的合规管理要求及提高质量管理效率的目的(如图4-1所示)。

图4-1 集中式BPC示意图。 5.1.7全流程物流跟踪及盈利分析

构建一个面向市场的产品成本预测与管控体系,提高成本精细化管控能力。具体工作内容包括: 1、物流跟踪及现货归户

物流跟踪:跟踪物料全流程合同信息、物流信息、质量信息和生产工艺等信息,构建全流程物料树,实现全流程物流跟踪。

成材率分摊:实际钢水量分摊,工序投入量分摊,板坯全流程分摊,将最初投入量分摊到每一个材料上,真实反映每一个物料、品种、用户等多维度成材率情况。

现货归户:按”谁产出谁负责”的主原则将现货材料进行追溯,合理分摊到相应期货合同上。

物流分析:在全流程物流追踪和现货归户的基础上,进行多维度分析展现,支持用户深入分析、挖掘,及时发现制造过程中的薄弱点,为全流程成本盈利分析提供物流数据基础,进一步提升公司价值化管理水平。

2、全流程成本测算

数据预处理:基于成本对象的要求,重置材料的投入产出关系及投入产出量,将扩展工序关联到相应的主工序。 成本对象生成:基于对象定义,将实际物流工艺路径和工艺信息转化为全流程基本成本对象和扩展成本对象,计算成本对象的实际成材率和铁水比,对废次品材料进行分摊。

成本结转计算:按平行结转、综合结转和工序结转三种方式计算全流程实际路径下的标准成本。 合同物料成本匹配:基于成本对象计算出来的成本结果,生成、匹配到当月明细合同物料的成本信息。 3、全流程盈利分析

全流程成本盈利分析:以合同的投入、产出跟踪为基础,从准发、结算、结案三个统计点分别计算盈利,实现质量现货和合同现货的全流程追溯,揭示现货归户对产品盈利能力的影响,重点关注对成本影响较大的工序的追加成本, 真实、完整地反映产品盈利能力水平。

T+1预测:以全流程成本计算结果为依据,预测次月的成本和盈利情况,为公司产品定价、资源安排、合同接单等提供支撑。

4、计划值与成本标准

拓展、完善指标体系,包括热轧、厚板、冷轧、薄板、硅钢等工序的基本标准和扩展标准; 追加工艺的计划值与成本标准生成、修订功能; 5、新产品目标成本预测

参考CE及预算系统产品标准,设计新产品工艺路径及钢铁料和合金成分构成,并根据各机组成材率和小时产量目标要求,测算新产品目标成本。通过审核和授权机制监控设计的合理性。其旨在将技术人员的产品设计转换为成本设计,识别出“成本差异”(如不同精炼方式、机清/手清、不同热处理方式等),并辅助技术人员在产品设计环节进行成本优化。

6、原料质量成本

实现全方位掌控炼铁主原料——煤和矿的各类质量及使用情况、计算分析从采购原材料到高炉用料之间生产环节各类成本损失情况,实现原燃料质量成本分析丰富化和精准化,为降低质量损失提供有效帮助,实现降本增效目标。

5.1.8 智能工厂在线控制

随着生产、控制、管理水平和用户要求越来越高,这些生产现场的实时数据对于生产、设备等管理来说就显得尤为重要,随着计算机容量越来越大,以及云平台技术的出现,这样的数据采集和存储就成为了可能。在线工艺控制包括以下内容

1、实时大数据采集

本子项目将研究哪些生产、设备等实时数据可以采集,并以何种方式进行传输,以及以大数据存储方式放置在云平台上。

存储的数据如何提取,需要提供方便的数据存储、提取、统计、展现等工具。 2、自动化集成平台

对于智能控制来说,需要将全流程的控制系统紧密结合起来,实现数据的全面关联和共享。在整合数据的基础之上,使用分布式部署的方式,融合所有的控制系统,使不同的控制模型之间可以相互协作,不断优化,持续提高生产工艺水平,提升产品质量。

在iPlature平台的基础上,研究可以实现全面集成的自动化集成平台。通过自动化集成平台,可以结合大数据云平台所提供的生产优化指导信息,在生产过程中,充分调用现场的控制系统能力,真正将大数据的分析结果,使用相互协作的智能控制应用及模型系统进行生产控制,在生产控制层级进行智能制造的精细控制和最优实现。

3、基于大数据技术的数模分析

宝钢每个生产线基本都设置了数学模型,这些数模对于宝钢的产品质量、产量发挥了重要的作用,近30年来宝钢积累了大量的生产数据、材料数据和操作数据,这些大数据对于分析宝钢产品质量、数模控制精度、以及其他的需求分析,有着重要的作用,积累的数据应好好使用,从中能挖掘出大量有用的信息。对于模型精度的提高,产品生产优化等有重要作用。

4、视频、PDA以及过程数据的链接

为了建设数字化宝钢的目标,视频与实时数据具有很强的关联性,在分析实际的生产过程故障或质量问题时,往往需要结合各方面的信息,但是这些信息又是分离存储、存储的方式又不相同,因此需要研究一套具有不同媒体集结、检索方便的综合监控系统,这对于设备的维护、故障的分析和质量的监控都具有十分重要的作用。

5、工业以太网络建设

工业以太网已成熟地应用于各种工业控制系统中,由于工业控制系统对网络可靠性、安全性的要求,改变原来星型或总线型的网络结构为具有冗余功能的环型结构已是一种必然的趋势。在控制点多、数据量大、分布广、可靠性要求高的控制系统中应用具有冗余功能的千兆以太工业环网,对系统性能的提升具有很大意义。宝钢改造系统应采用这种通信模式,并且要求稍微大些的检测设备都应将采用该链接方法,只有这才能从最高端也能获得最低端的数据。

5.2 智慧设备管理

以点检定修为特征的设备维修管理模式,结合移动互联、移动定位、移动办公;物联网、云存储、大数据分析等新兴技术变革,以适应追求更高效率、更低成本的需求,能更大力度地推行以把握设备状态为前提的预知维修管理模式,形成智慧设备管理。

智能化的设备管理,以提升设备的功能、精度、可靠性,提升运行效率、降低运行成本、提高劳动生产率、提升产品产能和质量水平、降低能耗为目标,建立智能化的设备无忧运行的管理体系,实现劳动效率和价值最大化。

图 4-2 股份公司未来智慧设备管理蓝图 5.2.1移动互联下的智能化设备点检管理

1、 设备定位技术的运用

通过移动互联技术及设备定位技术的运用,细化设备台账中“安装地点”对设备的位置信息的描述及维护,在地图上进一步实时显示设备的位置信息及相应的设备状态信息。达到如下目的:

联系客服:779662525#qq.com(#替换为@) 苏ICP备20003344号-4