多项举措！浦项提升生产过程智能化程度

发布时间:2021-09-14 15:19 　作者:admin　点击量：　

近期，浦项钢铁公司光阳厂在热轧板生产线上建成“热轧人工智能中心”，将远程开展设备控制的核心操作。该厂将以热轧全工序为起点，对冷轧和涂镀等整个轧制工序引入智能钢厂技术。
　　热轧人工智能中心是一个远程操作室，基于人工智能、物联网等智能技术的远程控制，可以控制热轧厂设备。即使不去现场，也能远程实时控制设备，有助于实现工作模式的创新。
　　随着第四次工业革命兴起，加之新冠肺炎疫情的影响，光阳厂热轧部正在加速推进炼铁工艺的数字化转型，决定在汽车板技术中心内新建热轧人工智能中心。为此，热轧部正在逐步推进热轧全工序的智能自动化。
　　与此同时，光阳厂选定热轧三分厂为智能工厂的示范厂，目前既可以在厂内轧制操作室进行现场操作，又能通过热轧人工智能中心进行远程控制，建立了轧制工艺的双重操作体系。此外，光阳厂还采用了Smart Wave控制技术，利用实时监控影像在精轧工序中检测和控制钢材的形状。
　　光阳厂热轧部以热轧工序为起点，实现从加热到卷取的热轧全工序的综合监测和远程操控。根据热轧厂智能化及运营经验，光阳厂将在冷轧部、电镀部等轧制全工序实现操作自动化。
　　借助热轧人工智能中心构建数字双重操作体系，将让热轧操作成为开启未来的起点，有助于实现可持续发展的高科技智能钢厂。同时，浦项通过举办智能技术竞赛，由钢铁厂各部门的工程师分享技术成果和诀窍；通过举办工程技术会议，支持员工分享技术，提升能力；通过构建智能钢厂，致力于成为受尊敬的百年企业。
　　开发“质量影响因子分析系统”
　　近期，浦项钢铁开发了“质量影响因子分析系统”，可以快速准确地找出质量缺陷的发生原因，进一步提升质量管理。
　　在出现产品质量缺陷时，利用作业数据分析质量波动核心原因因子，应对质量缺陷。只有迅速找出导致缺陷的作业条件，才能提前防止缺陷的大量和重复发生，因此分析质量影响因子至关重要。要找出质量影响因子，必须统计分析优良品与次品之间作业变量值（代表作业条件的数据项目）是否存在显著差异，并根据工作经验和知识进行解析。
　　以往，负责产品质量的质量技术部工程师直接收集作业变量，将收集的数据转化为分析所需的变量形式后，运用多种分析技术，直接找到了质量影响因子。从数据收集、分类到分析、解析，工程师不仅需要投入大量的时间进行质量影响因子分析，而且需要丰富的统计知识和工作经验，因此经验较少的新员工在寻找缺陷原因时遇到了很大的困难。
　　对此，浦项以制造执行系统MES 3.0（Manufacturing Execution System 3.0）为基础，统一管理钢厂生产和质量信息的实时数据，构建了“质量影响因子分析系统”，以期提高质量管理效率。
　　质量影响因子分析系统通过确定质量指标，并推断相关的质量影响因子后，将直接收集两者之间关联性分析所需的数据，并进行自动统计分析，最后将分析结果以邮件形式进行发送。
　　通过引进该系统，无需手动收集和加工分析重复数据，使处理时间从2小时缩短到30分钟。根据数据类型，自动采用差别化分析技术，缩短了分析时间，能够更迅速地应对质量缺陷。此外，摒弃了依赖个别工程师业务经验的传统方式，分析精度也有所提高。
　　目前，浦项厂在21个质量指标和487个作业因子的分析中使用了质量影响因子分析系统，提高了质量管理工作的效率和准确性。该厂质量技术部表示，通过引进该系统，可以轻松分析并掌握质量影响因子，今后有望彻底解决固有缺陷的问题。
　　利用设备故障预知系统提高作业稳定性
　　近来，浦项钢铁公司在浦项厂利用设备故障预知系统 PRISM （PRognostics and health management Initiative for Smart Maintenance，智能维护预测和健康管理计划）提高作业稳定性，该系统通过自动化逻辑来反映5400多种设备的管理诀窍，主动检测设备异常情况并通知管理人员。该套系统是由浦项厂炼钢设备部自主研发的。
　　通过将技术知识系统化，实现了更加定量的设备管理，除了预知故障外，还利用1300多个设备传感器对数据进行实时监控，随着功能的不断升级，自动计算出3800多种更换周期，使设备管理更加高效。
　　自成功开发以来，通过6个月的试运营，目前PRISM已扩大应用于七家碳钢及不锈钢连铸分厂，实现了稳定运营。此外，根据PRISM进行设备管理的结果，已经预防了100多起设备故障
　　与此同时，即便发生设备故障时，通过事前预防性维修，也可以减轻维检人员的工作负担。一直以来，设备管理原本依靠员工的技术积累，通过应用PRISM，在浦项和光阳两大钢铁厂都取得了很好的应用效果，在降低潜在故障风险的同时，也提高了安全性，真正构建起人工智能化的维检体系。