Выпуск чугуна из доменной печи. Один из процессов, вокруг которого будем вести диалог.

С точки зрения ИТ доменная печь — это огромный «чёрный ящик». Вы кладёте сырьё и топливо, получая на выходе чугун и шлак. Измерить внутри все можно почти ничего нельзя: датчики просто «умирают» от температуры, воздействия шихты и прочих условий. Измерить снаружи тоже сложно (да и нужно ли?): большие печи имеют диаметр порядка 15 метров и высоту 35 метров, — что нам дадут граничные условия для таких размеров?! По опыту на малых печах можно измерять уровень расплава (без разделения на шлак и чугун) по ЭДС внешними датчиками, но у нас так не выйдет, и нам пришлось провести целое исследование, чтобы понять, почему.

Как операционный персонал управлял процессом последние 47 лет? На базе своего производственного опыта, данных по загруженному сырью, параметров прошлых выпусков чугуна и шлака, а также косвенных параметров предполагал, как поведёт себя печь. Но управлять процессами внутри надо, поэтому остаётся только моделирование процессов по данным входа и выхода, базируясь на принципах материального баланса и используя математические ухищрения.

Если коротко, то мы те самые энтузиасты, которые «доставляют» данные, создают алгоритмы и вместе с производством добиваются эффекта. Собственно, мы оптимизируем всё что можем, и вот наконец добрались до самого нетронутого, сакрального и неизвестного легаси, вызванного «чернотой» ящика. Десятилетиями ограниченность данных воспринималась как неизбежность.

Но цифровые возможности развиваются, и мы пробуем применить самые современные цифровые решения, даже если они на грани возможного.

Почему это было нужно

Всё ради «удельников». И пока среди них Царь и Бог — Кокс (но мы не исключаем важности остальных). Кокс — самое дорогое в производстве чугуна, ключевой элемент. Его доля — 30–40% в себестоимости готового сырья.

Кокс — это восстановитель, топливо и «каркас» для рудного сырья сразу. То есть, если вы собираете в одном объёме оксиды железа из руды и кокса, а потом начинаете их «жечь», то углерод из кокса начинает отрывать кислород от оксидов железа. Получается, что на выходе после печи много CO2, шлака и такого нужного жидкого Fe.

От того, что за кокс, как он лежит в печи (а укладывается он сложными слоями определённой формы), как он будет «прогорать», сколько кокса по отношению к руде и так далее — от всего этого зависит количество потраченного топлива на единицу выплавленного чугуна.

Вот он, кокс

Другими словами, оптимизация использования кокса даёт миллиарды экономии.

Простые оптимизации уже давно сделаны. Уголь и железорудное сырьё доготавливаются в переделах до печи до званий «агломерат» и «окатыши», процессы до доменного передела имеют большее оснащение датчиками и камерами (компьютерным зрением) в связи с меньшими размерами недоступных зон и экстремальных условий. Аналогично и с процессами после доменного передела. И только печь осталась крупным по размерам и неизвестности «объектом», почти не тронутым цифровизацией.

Проблема в том, что мы точно не знаем, когда сливать чугун из печи. Понятно, что есть оптимальный момент для начала выпуска «наверняка». Но как понять, когда наступит этот момент?

Вот здесь есть первый пост, где подробнее рассказывается про доменный процесс. Если коротко: мы плавим руду в печи, вниз стекает расплав — чугун и шлак. Чем дольше вы ждёте, тем выше шанс, что расплав поднимется и попортит фурмы, а печь будет «упираться», то есть в ней будет создаваться дополнительное избыточное давление.

Иллюстрация из книги «Современный доменный процесс» (М. Геердес, Р. Ченьо, И. Курунов, О. Лингарди, Д. Рикеттс, редакция И. Ф. Курунова), наше издание НЛМК

Как подойти к этому «снаряду»

О стандартном процессе

Изначально количество чугуна, как и шлака, во время выпуска никто особо не считал. Считали налив чугуна по количеству ковшей (один ковш — примерно 100 тонн чугуна, в зависимости от печи выдача чугуна за выпуск порядка шести ковшей => 600 тонн) и по последующей их провеске через 90–120 минут. «Наполнили ли ковш настолько, что в нём 100 тонн?» или «Вышел ли весь чугун из печи?». Такие вопросы витали в головах, но надёжного решения пока не было. Поэтому коллектив просто придерживался планов производства и применял статистические эвристики. Да, будет меньше КПД, зато ковш не переполнится, как и горн.

Чугуновоз под печью

Следует дополнить, что при наполненном горне (часть печи, где скапливаются чугун и шлак) возможно поднятие коксовой насадки: усложняется газодинамика (да-да, в горне большую часть занимает коксовая насадка, которая может ещё и подниматься — «плавать»). Если деформируются верхние слои — тоже нарушается проход газа. Два слоя с железнорудным сырьём смыкаются — «короткое замыкание»: тоже плохо. Любое нарушение ухудшает восстановление железа, и процесс выплавки становится дороже.

Можно ли измерить уровень расплава в горне

Ещё в 80-х появились теоретические работы о том, как можно проверить наполненность горна. Например, работа Юрия Васильевича Федулова по поводу измерения напряжённости магнитного поля в горне доменной печи во время выпуска. Есть и свежие результаты работ китайских коллег в этом направлении.

На данный момент совместно с экспертами мы пришли к выводу, что для малых и средних печей более-менее работает измерение ЭДС через слой горячего металла: в зависимости от объёма наполнения горна показания менялись. К сожалению, начиная с определённого размера печи, показания выглядят сомнительными. Мы проводили свои научные изыскания, коллеги с других производств также подтвердили эти результаты. Если коротко: у нас очень высокая погрешность при «блуждающих» токах на кожухе доменной печи. И ещё: любая сварка рядом с кожухом будет влиять на показания. Большую роль играет и размер горна: датчиков всего четыре на диаметр порядка 16 метров. Да, некоторый тренд улавливается по показаниям датчиков, но в практическое русло его не переведёшь.

Для затравочки (можно!). Но не так, как написали наверху.

Балансовый подход

Что же делать? Начинаем разбираться, потому что это была очевидная точка большой оптимизации. В печи происходят достаточно сложные процессы. Коротко: если мы можем замерить вход-выход, то можем предположить, что находится внутри. Но мы почти сразу «упёрлись» в замер шлака на выходе. Мы не можем замерить шлак в реальном времени, поэтому первое, с чего начали, — это моделирование процессов, чтобы понять, сколько там шлака. Подробнее описывали тут.

Измерить, сколько чугуна мы слили, — это целое приключение. У нас есть ковш на раме с двухосными тележками для передвижения по железнодорожным путям. Мы заполняем его почти до краёв, за это отвечает микроволновый уровнемер. Он представляет собой что-то вроде эхолокатора, ловящего отражение от зеркала металла, и установлен над ковшами в местах налива чугуна. Кто ходит на рыбалку, возможно, знаком с таким приспособлением, только тут мы «ловим рыбу» погорячее. По нему мы можем узнать расстояние от зеркала до места установки прибора и в целом до края ковша. С учётом геометрии ковша (зависимость от расстояния там нелинейная) можно прикинуть процент его заполнения.

Каждый ковш имеет разную форму и разную ёмкость — в первую очередь из-за того, что внутри он футерован кирпичами, и это не даёт ковшу прогореть. Однако самой футеровке чугун покоя не даёт: она горит и прогорает с разной скоростью. Поэтому про ковш мы знаем то, сколько чугуна получилось вылить из него в прошлый раз. То есть предыдущее значение ёмкости и расстояние до зеркала помогают получить модель, которая предскажет, сколько влезет в ковш в следующий раз. Ещё одно преобразование с учётом нового расстояния до зеркала металла — и вот у нас есть более-менее достоверные данные о том, сколько чугуна в ковше.

Почему мы не взвешивали тензодатчиком под чугуновозом? Высокая вероятность прогара и дорого. К тому же тяжело обслуживать и пути, и датчики. Вообще почти везде, где хочется поставить датчик или камеру, там горячо и «непредсказуемо» с точки зрения технологического процесса. А вот модель даёт очень хорошие данные и делает это практически без обслуживания. Единственное, что мы поменяли, — это дооснастили места налива ковшей уровнемерами. Старые где-то выгорели, где-то показывали высокую погрешность. И дополнительно обрабатываем показания «математикой».

Сервис делали так

Сначала произвели в каком-то смысле risk-assessment test — проверили возможность оценивать шлак во время выпуска. Получилось! Цех дал добро для дальнейшего развития сервиса. Кстати, недавно был на пульте, сервис открыт — люди пользуются. Также сервис вывели на компьютеры — так называемые «банкоматы» от @ivankn1984 — на литейный двор ближе к печи. Ибо мастер доменной печи проводит там много времени и контролирует процесс, находясь бок о бок с горячим шлаком и чугуном.

Пришёл на пульт управления, сервис открыт. За кадром обсуждаем доработки.

Далее нарисовали схему печи, чтобы мастера и инженеры цеха могли представлять конечный сервис. Они уже привыкли к тому, что мы что-то делаем-созидаем, и не относятся субъективно, что опять пришли странные люди, которые ничего не понимают, чтобы всё ломать. Тут очень помогли поездки на производство и лекции внутреннего обучения, про которые я писал в прошлый раз : после них уважения к айтишникам прибавилось, а внешние статьи на подобные темы стали читаться. Цеховые поняли, что мы делаем что-то, что им как минимум не мешает, а если ещё и заработает — будет страховать от разного вида неоднозначных условий работы печи. И что их умеют слышать. Эта мотивация для них крайне важна. Рисунки интерфейсов очень помогли разобраться, что и как воспринимают именно они. Мужики участвовали очень живо и помогали конкретными правками и доработками… Да и до сих пор участвуют!

Потом сделали прослеживаемость загружаемого сырья уже в динамике, как оно всё выглядит в процессе. Мужики посмотрели, снова обсудили по-деловому. Увидели, где какая шихта, какая порция и как распределяется по печи, из чего состоит. Увидели схему слоёв: в какое время что загружено, когда придёт в горн, сколько чугуна и шлака ждать, очень порадовались сравнению с предыдущими выпусками: уже один этот инструмент им сильно помогал. Кстати, об этом был пост в группе НЛМК.

Дальше собрали данные из технологической платформы и свели в визуализацию. Это небыстрый процесс, потому что надо много всего подключать, где-то дорабатывать, где-то очищать данные, где-то дозакупать устройства по типу уровнемеров. Но в итоге получилось примерно 1500 сигналов, которые надо выравнивать по времени и обрабатывать (в результате используем меньшее количество сигналов, причём часть пришлось создавать на уровне АСУ ТП: спасибо за это коллегам из технологической автоматизации). Передаётся с помощью IIoT Gateway и других специализированных инструментов, дальше забираем данные либо из Kafka, либо по специальному протоколу по API из промплатформы. Крутится это всё в средствах контейнеризации и оркестровки наподобие Kubernetes. Архитектурно лежит как сервис внутри контура MES системы.

1. Описали модели поведения на основе исторических данных. Там то, что мы называем «слабый ML»: простые регрессии или вообще где-то эвристики, статистические модели. Где-то — физические формулы плюс анализ процессов. Ничего заумного, но нужно много аккуратной работы и понимания техпроцесса. Для определения уровня шлака пришлось чуть повозиться уже с нормальным ML и хорошими обучающими выборками — там довольно долго сводили данные.

2. Написали фронт, вывели на экран в центральной пультовой управления доменной печи. Сервис доступен всем, кто прямо или косвенно участвует в процессе.

3. Получили ещё несколько советов вроде того, что хорошо бы вывести перед глазами параметры с последних ремонтов и статистику за несколько прошлых смен.

Получили вот это, что полностью устраивало и цеховых, и нас.

Центральный пульт управления доменной печи № 6 (сервис — в левом верхнем углу)

Итог: сервис, который показывает матбаланс домны и основные параметры по выпускам (не только наполняемость горна). В нем есть ещё ряд дополнительных фич в виде учёта данных по выпускам, по сырью в шахте доменной печи. По ходу дела было потрачено много сил и решено много проблем.

Теперь коллеги могут увидеть, где и какие подачи находятся в печи (что особенно важно перед и после капитальных ремонтов), могут оценивать стабильность выпусков по чугуну и шлаку и начинать/заканчивать выпуск по подсказкам и рекомендациям сервиса. Всё это влияет на ключевые параметры печи: в зависимости от режима работы — на производительность и/или на удельные расходы.

И что ещё важнее — мы продвинулись в цифровизации и теперь можем докручивать разные фичи. Например, сейчас цех хочет знать больше про форму слоёв шихты в доменной печи, и мы это делаем.

Экономический эффект есть за счёт оптимизации расхода кокса — а это 30–40% себестоимости чугуна. Частично о влиянии сервиса писали в этом посте. Теперь система подсказывает, когда именно начать выпуск, чтобы минимизировать перерасход топлива. На крупной печи НЛМК даже 0,1% экономии кокса — это десятки миллионов в год.

С технологической стороны операторы теперь видят, что происходит внутри «чёрного ящика»: где находятся подачи, как перемещаются слои шихты, сколько чугуна и шлака находится в горне и сколько можно ожидать на выходе.