Univerza v Ljubljani , Fakulteta za elektrotehniko
cid:image001.gif@01D17096.7B853DB0
Raziskovalni projekti so (so)financirani s strani Javne agencije za raziskovalno dejavnost.
Raziskovalni projekti  English version
Članica UL UL Fakulteta za elektrotehniko
Šifra Rezultat iskanja slik za mikroskop
J7-7197
Naziv projekta Razvoj metod za podporo odločanju na osnovi pametnih senzorjev za proces reciklaže jekla v električni obločni peči
Obdobje 1.1.2016 - 31.12.2018   
Letni obseg Rezultat iskanja slik za mikroskop
1,88 FTE
Vodja Vito Logar
Veda
Tehniške vede
Sodelujoče RO sodelujoče RO
Vsebinski opis projekta Reciklaža jekla v električnih obločnih pečeh (EOP) predstavlja približno eno tretjino svetovne, eno polovico evropske in celotno slovensko proizvodnjo jekla. Povečane zahteve glede kakovosti jekla, ekonomski, ekološki in tehnološki vidiki ter velika konkurenčnost na trgu narekujejo izboljšane, optimizirane ter programsko podprte proizvodne procese. Zaradi narave procesa reciklaže v EOP (visoke temperature in tokovi), je izvajanje meritev ključnih procesnih vrednosti otežkočeno ali nemogoče. Posledično se spremljanje in vodenje procesa taljenja večinoma izvaja po izkušnjah operaterja na osnovi posrednih meritev dogajanja (npr. čas od začetka topljenja, poraba energije, stabilnost električnih oblokov itd.) in ne na osnovi dejanskega stanja v EOP (npr. stopnje raztopljenosti, sestave taline ter temperature jekla), kar vodi do neoptimalnega obratovanja, t.j. manjšega izkoristka surovin in energije, povišanih izpustov dimnih plinov in CO2, manjše kvalitete jekla ter posledično višjih obratovalnih stroškov. Poleg tega na optimalnost delovanja vpliva tudi variabilnost v sestavi vhodnih surovin (jekleni odpadek, nekovinski materiali). Težavo je mogoče odpraviti z uporabo kombinacije naprednih metod modeliranja procesov, pametnih senzorjev (ang. Smart Sensors), optimizacije in metod za podporo odločanju (ang. Decision Support System). Omenjene metode izkoriščajo razpoložljive procesne meritve, optimizacijske metode ter algoritme za podporo odločanju, njihova integracija v enovito programsko rešitev pa tvori t.i. pametni vgrajeni sistem (ang. Embedded System) za obratovanje EOP, ki na eni strani zajema meritve, na drugi pa operaterju omogoča boljši vpogled v trenutno dogajanje in mu predlaga najoptimalnejšo akcijo v danem trenutku za doseganje optimalnega delovanja EOP. Z uporabo pametnih senzorjev na osnovi matematičnih modelov, ki upoštevajo fizikalne zakonitosti in za vhode uporabljajo razpoložljive procesne meritve, lahko z veliko natančnostjo ocenjujemo vrednosti pomembnejših procesnih spremenljivk, ki na samem procesu niso merljive, in sicer paralelno s procesom topljenja. Ker imamo pri takšnem sistemu opravka s kompleksnimi, nelinearnimi in časovno spremenljivimi procesi, je razvoj optimizacijskih metod in podpore odločanja zahtevno opravilo, ki zahteva implementacijo in razvoj najučinkovitejših metod za ta namen, t.j. evolucijskih in genetskih algoritmov, mehkih inferenčnih sistemov ter rojev delcev. V projektu bodo uporabljeni nekateri že razviti modeli EOP (toplotni, kemijski, masno-bilančni in električni), prilagojeni za namen pametnega zaznavanja in realnočasovne optimizacije. Zaradi kompleksnosti obnašanja taline, prenosa toplote med trdnim in tekočim vložkom ter poteka kemijskih reakcij, bodo nekateri od obstoječih modelov ponovno ovrednoteni in dopolnjeni ter parametrizirani s kompleksnejšim pristopom računske dinamike fluidov (ang. CFD – Computational Fluid Dynamics) ter podatkov snovnih lastnosti. Končni rezultat raziskave bo simulacijsko okolje, ki zajema modele EOP, pametne senzorje, kompleksne metode optimizacije in algoritme odločanja. Okolje bo testirano na podlagi simulacijskih primerjav med dejanskim (izmerjenim) ter optimalnim (vodenje ob upoštevanju predlaganih akcij) obratovanjem EOP, s čimer bo predstavljena razlika med trenutnim ter možnim delovanjem ter vpliv izboljšanega vodenja EOP na ekonomske bilance. Kombinacije realnega procesa ter podpore odločanju na osnovi računalniške simulacije in procesnih modelov pri obratovanju EOP še ni zaslediti. Gre torej za izviren pristop k izboljšanju procesa reciklaže jekla (večji izplen jekla, manjša poraba surovin, energije ali dodatkov, krajši čas reciklaže, višja kakovost jekla itd.). Z vpeljavo izboljšanega vodenja EOP, na osnovi sprotne optimizacije in orodij za podporo odločanju, ki je predvidena po uspešno zaključeni pričujoči predkonurenčni prijavi, se bodo izboljšali ekonomski, ekološki in tehnološki vidiki obratovanja jeklarn v katere bo sistem vgrajen.
Sestava projektne skupine  link na sicris 
Faze projekta in njihova realizacija  Projekt bo razdeleljen v pet glavnih faz:

    prilagoditev obstoječih matematičnih modelov (električni, hidravlični, toplotni, kemijski, hitrostni in snovni) za potrebe integracije v pametne senzorje, optimizacije procesa ter sistema za podporo odločanju,
    dopolnitev, razvoj in parametrizacija modela EOP s pristopom računske dinamike fluidov (CFD), meritvami temperatur termokamere ter podatkovne baze snovnih lastnosti,
    nadgradnja razvitih modelov v pametne senzorje ter razvoj optimizacijskega okolja za določanje optimalnih scenarijev taljenja ter talilnih programov,
    razvoj sistema za podporo odločanju ter integracija procesnih modelov, pametnih senzorjev ter optimizacijskih algoritmov v enovito programsko rešitev,
    opravljanje simulacijskih študij med trenutnim (neoptimalnim) ter možnim izboljšanim (optimiziranim) delovanjem.

V nadaljevanju je podan podroben opis problematike, metod in znanj ter konkretnih rezultatov za vsako fazo projekta.


1. FAZA PROJEKTA:

Prilagoditev obstoječih matematičnih modelov (električni, hidravlični, toplotni, kemijski, hitrostni in snovni) za potrebe integracije v pametne senzorje, optimizacije procesa ter sistema za podporo odločanju.


1.1   Opis problematike 1. faze projekta:

Matematični modeli, ki so bili razviti v temeljnem projektu ARRS (J2-2310 - Spremljanje in vodenje kvalitete taline jekla v električni obločni peči) opisujejo relacije med vhodnimi podatki, fizikalnimi pojavi ter izhodnimi signali med procesom reciklaže jekla v EOP. Ker razviti modeli temeljijo na dinamičnem zapisu sistemov, le-ti za razliko od statičnih zapisov, omogočajo ocenjevanje procesnih veličin v vsakem časovnem trenutku procesa taljenja oz. simulacije le-tega, in sicer z upoštevanjem trenutnih vhodnih signalov ter predhodnih vrednosti stanj procesa. Z modelskim pristopom na osnovi temeljnih fizikalnih zakonov (Kirchoffovi zakoni, zakoni termokemije in termodinamike, zakon o ohranitvi energije, mase, gibalne količine idr.) ter matematičnega modeliranja s pomočjo navadnih diferencialnih enačb je bil tako zgrajen kompleksen model procesov, ki z zadovoljivo natančnostjo opisuje dogajanje med taljenjem jekla v EOP. Integracijska metoda, ki je bila uporabljena za reševanje modela oz. diferencialnih enačb je bila Eulerjeva metoda s fiksnim integracijskim korakom. Vsi zgrajeni modeli so bili ovrednoteni s pomočjo razpoložljivih meritev med delovanjem EOP, kot so električne veličine, začetna kemijska sestava vložka, končna kemijska sestava vložka, končna kemijska sestava žlindre, čas taljenja, poraba električne energije, poraba jekla in dodatkov, poraba kisika in ogljika, izplen jekla, natančen potek talilnega programa (spreminjanje stopnje transformatorja in dušilke; čas in količina založenega jekla; trajanje in količina vpihanega kisika; trajanje in količina dodanega ogljika; čas in količina dodanih žlindrotvornih dodatkov – CaO, MgO, Al2O3; čas in količina dodanih kovinskih elementov – FeMn, FeSi, SiMn, Al itd.) idr. Z izvedbo simulacijskih študij ter primerjavo merjenih in simuliranih podatkov je bilo ugotovljeno, da je zgrajen model natančen ter primeren za nadaljno uporabo. Ker je bil cilj projekta (J2-2310) izdelava matematičnih modelov za namen simulacije, njihove vključitve v simulator delovanja EOP ter optimizacije procesa, modeli niso bili zasnovani in razviti za namen sprotne optimizacije, vključitve v pametne senzorje ter v orodje za podporo odločanju.


Zaradi zgoraj omenjenih omejitev obstoječih modelov je potrebno le-te prilagoditi za potrebe njihove vključitve v vse predlagane tehnologije (pametni senzorji, sprotna optimizacija procesa ter sistem za podporo odločanju), med drugim pa, zaradi časovne zahtevnosti optimizacije, tudi pohitriti njihovo delovanje. Rešitev zadnjega problema leži v zamenjavi integracijske metode, in sicer za hitrejšo večkoračno metodo s spremenljivim korakom, ki zagotavlja veliko hitrejše reševanje diferencialnih enačb od Eulerjeve metode, ob enaki ali celo večji natančnosti izračunov. Sama zamenjava integracijske metode ni enostavna, saj je potrebno poleg ustreznega programskega preoblikovanja modela, ustrezno rešiti tudi problem nezveznosti, ki se pojavljajo v procesu (npr. hipen začetek dodajanja jekla, dodatkov, kisika, ogljika itd.). Prav nezveznosti predstavljajo največjo težavo pri reševanju sicer zveznih procesov, saj ob nastopu nezveznosti stanja, odvod le-tega postane neskončen. Pri dosedanjem reševanju diferencialnih enačb z Eulerjevo metodo tega problema ni, saj je bila metoda implementirana direktno v programski kodi in s pojavom nezveznosti nima težav, kar pa ne velja za uporabo namenskih vgrajenih metod za numerično reševanje diferencialnih enačb oz. »solverjev« (ang. ordinary differential equation solver). Spremembe funkcionalnosti obstoječih modelov vključujejo še izgradnjo dodatnih modulov za sprotno podajanje vhodnih podatkov v model ter zapisovanje izhodnih podatkov iz modela, bodisi na osnovi podatkovnih baz, bodisi na osnovi podatkovnih datotek. Ta modifikacija je nujna, če želimo zgrajene modele uporabiti za namen pametnih senzorjev ter sprotne optimizacije procesa. Za potrebe optimizacije procesa je potrebno modele dopolniti tudi s funkcionalnostjo arhiviranja vseh veličin (vhodnih podatkov, izhodnih podatkov , predvsem pa stanj sistema), s čimer je omogočeno preigravanje večih možnih scenarijev v vsakem trenutku simulacije, npr. simulacija se lahko požene od poljubnega časovnega trenutka naprej, in sicer z različnimi vhodnimi podatki. S tem je omogočeno hitrejše iskanje optimalnih talilnih programov, saj ni potrebe po simulaciji celotnega poteka taljenja za vsako iteracijo optimizacije.


1.2 Opis metod in znanj v 1. fazi projekta:

Za uspešno realizacijo 1. faze projekta bodo uporabljene metode in znanja s področja numeričnih metod reševanja diferencialnih enačb, simulacije zveznih procesov z nezveznostmi ter podatkovnih baz. Obstoječi modeli bodo preoblikovani za namen reševanja z vgrajeno metodo za reševanje diferencialnih enačb oz. »solverjem«, za kar je potrebno model zapisati v oblik z izraženimi stanji. S tem se model preoblikuje na dva glavna dela, prvega predstavljajo vsi izračuni, ki vključujejo diferencialne enačbe, drugega pa ostale algebrajske enačbe ter relacije med diferencialnimi enačbami, vhodi in izhodi. Integracijska metoda, ki bo uporabljena za reševanje diferencialnih enačb, bo bazirala na numeričnih diferenčnih formulah (ang. numerical differentiation formulas, NDF) in se uporablja za učinkovito reševanje togih sistemov (ang. stiff). Pri implementaciji integracijske metode je potrebno posebno pozornost posvetiti reševanju problema nezveznosti, saj zaradi teoretično neskončnega odvoda stanja ob nastopu nezveznosti, pride do numeričnih težav pri reševanju diferencialne enačbe. To lahko vodi do bodisi nenatančnega reševanja in računskih napak, daljšega časa reševanja ali pa celo do odpovedi integracijske metode. Problem je možno odpraviti na več načinov, pri čemer je eden od enostavnejših preoblikovanje nezveznega dogodka (hipna sprememba v infinitezimalno kratkem času) v zveznega (zvezna sprememba v zelo kratkem času), zaradi česar bo sicer integracijska metoda v času trajanja spremembe delovala počasneje, a numeričnih težav ne bo imela. Poleg zamenjave integracijske metode je potrebno model dopolniti še z dodatnimi moduli za sprotno branje/zapisovanje vhodnih/izhodnih podatkov ter arhiviranjem vseh simuliranih veličin (vhodi, izhodi ter stanja). Takšen modul je mogoče razviti z uporabo podatkovnih baz ali podatkovnih datotek. Izbira ene ali druge je odvisna predvsem od hitrosti branja oz. zapisovanja podatkov iz nje oz. v njo. Opcij za realizacijo je več, v primeru uporabe podatkovne baze se ponuja možnost uprorabe baze MySQL, v primeru uporabe podatkovnih datotek pa uporaba MS Excel.


1.3 Konkretni rezultati 1. faze projekta:

Konkretni rezultati 1. faze projekta bodo naslednji:

    zamenjava obstoječe integracijske metode (Eulerjeva metoda s fiksnim korakom) za večkoračno metodo s spremenljivim korakom (NDF metoda), s čimer se bo pohitrila simulacija modelov,
    rešitev problema nezvezne spremembe stanj pri novi integracijski metodi, s čimer bo zagotovljeno ustrezno reševanje takšnih pojavov,
    dopolnitev modelov z dodatnimi moduli za sprotno podajanje vhodnih podatkov v model ter zapis izhodnih podatkov iz modela na osnovi podatkovnih baz ali podatkovnih datotek, s čimer bo zagotovljena uporaba modelov v pametnih senzorjih in metodah optimizacije,
    dopolnitev modelov s funkcijo arhiviranja vseh simuliranih veličin (vhodni/izhodni podatki ter stanja), s čimer bo omogočeno hitrejše iskanje optimalnih scenarijev topljenja.

 

2. FAZA PROJEKTA:

Dopolnitev, razvoj in parametrizacija modela EOP s pristopom računske dinamike fluidov (CFD), meritvami temperatur termokamere ter podatkovne baze snovnih lastnosti.


2.1 Opis problematike 2. faze projekta:

Računsko modeliranje dinamike EOP zajema kompleksne interakcije elektromagnetnih pojavov, prenosa toplote in snovi ter kemijskih reakcij v jekleni talini. Veliko fizikalnih, kemijskih in dinamičnih procesov, ki so povezani z obnašanjem taline, še dan danes ni dobro poznanih. Proces taljenja namreč zajema večfazne, visokotemperaturne kemijske rekacije, pretvorbo in porazdelitev energije električnih oblokov ter prenos toplote. Za EOP je znano, da je električen del le-te zelo dobro poznan, električne veličine so enostavno merljive, sam proces pa je tudi dobro vodljiv, kar pa ne velja za njen preostali del. Zaradi tega je določanje optimalnih vnosov energije in surovin ter porazdeljenih lastnosti procesa zahtevno in večinoma nenatančno opravilo. Za boljše razumevanje poteka tovrstnih procesov je zato potrebna pravšnja kombinacija električnih in metalurških vidikov, pri čemer sta oba vidika obravnavana na najbolj optimalen način.


Z razvojem podatkovnih baz termodinamičnih lastnosti tekočin ter razpoložljivostjo bolj zmogljivih računalniških sistemov, se pogosteje uporabljajo tudi simulacije toka tekočin. Komercialno dostopni programski paketi, ki zajemajo termodinamične podatke o lastnostih tekočin, običajno vsebujejo poseben modul, ki ga je možno uporabiti v programskih kodah računske dinamike fluidov (CFD) ali pa za simulacijsko iskanje termodinamičnih ravnotežij v povezavi z numeričnimi izračuni. S tem je omogočeno reševanje kompleksnih kemijskih reakcij ter iskanje ravnotežnih stanj v širokem razponu temperatur, oksidacijskih potencialov ter tlaka.


2.2 Opis metod in znanj v 2. fazi projekta:

V sklopu predlaganega projeta bo zasnovan in razvit kvalitativni CFD model, ki bo omogočal simulacijske študije vpliva električnih veličin na obratovalne pogoje EOP. Pri modeliranju bodo uporabljeni vsi poznani in potrebni vidiki EOP, razen geometrijske kompleksnosti EOP, ki je specifična vsaki posamezni peči. Model bo v tej fazi temeljil na osni simetriji. Pričakovano pa je, da bo pridobljeno znanje v naslednji fazi omogočilo modeliranje konkretne industrijske EOP ter razdelitvi geometrije po conah (talina, žlindra, trdni vložek, plinska cona). V postopku izgradnje modela bo zajeto tudi modeliranje vnosa dodatkov (jeklo, žlindrotvorni dodatki, kisik, ogljik).


Model notranjosti peči bo tako zgrajen kot kombinacija poroznih materialov, delno raztaljenega jekla ter popolnoma raztaljenega jekla, pri čemer bo matematični opis problema osnovan na konceptu volumskega povprečevanja. Enačbe za izračun mase, energije, gibalne količine ter prenosa snovi bodo uporabljene v kombinaciji s formulacijo z nizkim Reynoldsovim številom turbulentnega pretoka ter enačbami stopnje generiranja turbulentne energije, vključujoč spremenljivo viskoznost medija ter kemijske reakcije. Kašasta cona delno raztaljenega jekla bo modelirana kot Darcy-Brinkmanov porozni medij z uporabo Kozeny-Karmanove relacije permeabilnosti, pri čemer bo morfologija poroznega medija opisana s spremenljivo vrednostjo. Nestisljiv turbulentni tok taline in žlindre bo modeliran z uporabo k-epsilon turbulentnega modela z nizkim Reynoldsovim številom ter omejen z Abe-Kondoh-Nagano koeficienti in dušilnimi funkcijami. Uporabljene enačbe vodijo do tako imenovane prenosne enačbe. Za reševanje problema bo uporabljena eksplicitna numerična metoda, s kolokacijo z multikvadratičnimi radialnimi-baznimi funkcijami na neenakomerni pet-točkovni domeni ter adaptivni »upwind« metodi. Sklapljanje hitrosti in tlaka stisljivega pretoka bo razrešeno z uporabo eksplicitne Chorinove frakcijske koračne metode. Radiacija bo upoštevana v sklopu P-1 modela, ki zahteva reševanje Poissonove enačbe. Reševanje kinetike reakcij bo osnovano na povezavi energijskih in snovnih enačb ter komercialne podatkovne baze termodinamičnih lastnosti jekla. Prednost uporabe opisane brezmrežne metode reševanja je v njeni enostavnosti in učinkovitosti, saj ne vključuje poligonizacije, spreminjanje vozliščnih točk z velikim gradientom je enostavno, enačbe so podobne za dve in tri dimenzije, karakterizira pa jo tudi visoka računska natančnost ter nizka numerična difuzija.


Dobljen numerični model EOP bo nadalje uporabljen v simulacijskih študijah različnih talilnih scenarijev s čimer se bo preverila njegova natančnost in uporabnost. Nadalje bo CFD model uporabljen za ponovno parametrizacijo in vrednotenje obstoječih matematičnih modelov.


2.3 Konkretni rezultati 2. faze projekta:

Konkretni rezultati 2. faze projekta bodo naslednji:

    definicija ter numerična implementacija CFD modela, s čimer bo postavljena osnova za natančno in zanesljivo izgradnjo brezmrežnega modela taljenja jekla v EOP,
    preverjanje pravilnosti modela ter občutljivostne študije z uporabo modela, s čimer bo zagotovljena pravilnost delovanja ter uporabnost modela za nadaljnje študije,
    uporaba modela za simulacijske študije različnih talilnih scenarijev,
    uporaba modela za ponovno parametrizacijo in vrednotenje obstoječih snovnih, toplotnih in kemijskih modelov.

 

3. FAZA PROJEKTA:

Nadgradnja razvitih modelov v pametne senzorje ter razvoj optimizacijskega okolja za določanje optimalnih scenarijev taljenja ter talilnih programov.


3.1 Opis problematike 3. faze projekta:

Dopolnjeni, parametrizirani in ponovno ovrednoteni modeli iz predhodnih faz projekta bodo nadalje uporabljeni za razvoj pametnih senzorjev ter vključeni v okvir optimizacijskega okolja za določanje optimalnih scenarijev topljenja ter topilnih programov. Ime pametni senzor označuje programsko rešitev problema manjkajočih procesnih veličin, ki izkorišča razpoložljive meritve procesnih podatkov ter jih z uporabo vgrajenih metod in algoritmov obdela za namen izračunavanja oz. ocenjevanja določenih procesnih vrednosti. Običajno se takšna rešitev uporablja pri procesih, kjer meritve procesnih veličin iz kakršnega koli razloga ne morejo biti opravljene ali pa z namenom odkrivanja napak na procesih. V takšnem primeru je pametni senzor uporabljen vzporedno s fizičnim senzorjem in s primerjavo obeh signalov (merjen in ocenjen) skrbi za odkrivanje morebitnih odpovedi fizičnega senzorja. V primeru procesa reciklaže jekla, je uporaba pametnih sezorjev smiselna za ocenjevanje procesnih veličin, ki zaradi narave procesa (visoke temperature in električni tokovi) niso merjene, a predstavljajo ene izmed ključnih informacij za optimalno vodenje procesa. To so temperatura taline in žlindre, kemijska sestava taline in žlindre ter stopnja raztopljenosti vložka. Z integracijo razvitih matematičnih modelov ter razpoložjlivih procesnih meritev v pametne senzorje, je mogoče z dovolj veliko natančnostjo ocenjevati vrednosti omenjenih spremenljivk, s čimer je omogočen boljši vpogled v trenutno stanje v peči ter s tem optimalnejše vodenje procesa.


Poleg same ocene procesnih veličin, pametni senzorji predstavljajo tudi osnovo sistema za optimizacijo procesa ter sistema za podporo odločanju. Proces EOP sestavljajo izredno kompleksni, nelinearni ter časovno spremenljivi procesi, zaradi česar je razvoj optimizacijskih metod zahtevno opravilo. Prav nelinearnost ter časovna spremenljivost procesa povzročata največ težav tovrstnim metodam, saj je v določenem časovnem trenutku težko predvideti kakšno bo obnašanje sistema v prihodnosti. Zaradi tega razvoj optimizacijskega okolja zahteva implementacijo naprednih, bolj učinkovitih metod, ki so pri optimizaciji tovrstnih procesov robustnejše, njihova slabost pa je, da so časovno potratnejše. Rešitev problema se ponuja v kombinaciji nesprotne (offline) optimizacije procesa ter podatkovne baze optimalnih scenarijev topljenja. Ker pri uporabi nesprotne optimizacije nismo omejeni z izvajanjem le-te v realnem času, lahko uporabimo kompleksneješe pristope k iskanju optimalnih talilnih programov, ki praviloma dajejo boljše rezultate in jih nadalje shranimo v podatkovno bazo. Iskanje najprimernejših akcij v danem trenutku z uporabo shranjenih optimalnih talilnih programov, ki vsebujejo informacije o optimalnih potekih dovajanja električne energije, vpihavanja kisika, dodajanja ogljika, dodajanja žlindrotvornih dodatkov in ostalih kovinskih materialov, je tako hitrejše, saj lahko s primerjavo trenutnega stanja EOP s shranjenimi podatki zelo enostavno poiščemo podobno stanje, za katerega je optimalen potek oz. scenarij že v naprej poznan. Nadalje se sprotna (online) optimizacija uporablja le za optimizacijo krajšega časovnega intervala v prihodnosti, s čimer se odpravijo morebitne razlike med trenutnim stanjem ter shranjenim scenarijem ter zagotovi njeno delovanje v realnem času. Pri tem ni nujno, da bo posamezen simuliran potek vedno ustrezal istemu optimalnemu scenariju. V literaturi se za kombinacijo sprotnega spremljanja ter optimizacije procesa uporablja tudi izraz nadzor uspešnosti (ang. performance supervision).


Za izgradnjo opisanega optimizacijskega okolja je potrebno odlično poznavanje procesa reciklaže jekla, saj je uspešnost iskanja optimalnih talilnih scenarijev v veliki meri odvisna tudi od upoštevanih omejitev procesa, izvršnih členov, fizikalnih pojavov ter fizikalnih lastnosti prisotnih materialov.


3.2 Opis metod in znanj v 3. fazi projekta:

Za uspešno realizacijo 3. faze projekta bodo uporabljene metode in znanja s področja sistemske teorije, modeliranja in optimizacije. Vsi predhodno dopolnjeni modeli bodo nadgrajeni s funkcionalnostmi pametnih senzorjev ter uporabljeni za izgradnjo optimizacijskega okolja. Kot že omenjeno, pri reciklaži jekla potekajo kompleksni, nelinearni in časovno spremenljivi procesi, zaradi česar bodo za namen optimizacije uporabljene najučinkovitejše, napredne metode, kot so evolucijski in genetski algoritmi ter roji delcev. Prednost teh metod je, da so sorazmerno neobčutljive na pojave lokalnih optimizacijskih optimumov. Pri uporabi klasičnih optimizacijskih metod (simpleksne metode, iterativne metode), za namene izrazito nelinearnih problemov z večimi (lokalnimi) minimumi, se namreč pogosto zgodi, da metoda obstane v enem izmed lokalnih minimumov kot končno rešitvijo. Zaradi tega bodo za namen optimizacije procesa EOP uporabljene metode, ki temeljijo na hevrističnem pristopu optimizacije, in ki s pojavnostjo lokalnih minimumov načeloma nimajo težav. Pri izgradnji optimizacijskih algoritmov je potrebno posebno pozornost nameniti tudi omejitvam, ki predstavljajo enega od pomembnejših faktorjev pri učinkovitosti dobljene reštive. Omejitve izvršnih členov (moč transformatorja, maksimalne hitrosti dodajanja kisika, ogljika, žlindrotvornih in kovinskih materialov, maksimalen pretok dimnih plinov itd.), fizikalni pojavi (topljenje, strjevanje, kemijske reakcije itd.) ter fizikalne lastnosti materialov (obstojnost spojin, temperature topljenja, prehajanje agregatnih stanj, pragovi kemijskih reakcij itd.) določajo mejo med možnim in nemogočim dogajanjem v EOP, ki jih moramo nujno upoštevati v optimizacijskih algoritmih, če želimo, da bodo rezultati optimizacije realni. Dobljeni rezultati optimizacije, t.j. optimalni talilni scenariji in talilnih programi bodo shranjeni v podatkovno bazo, s čimer bo omogočeno hitrejše iskanje najboljše rešitve za posamezen konkreten primer. Nadalje bo uporaba sprotne optimizacije, za katero bo mogoče uporabljen pristop z enostavnejšimi, klasičnimi metodami, odpravila morebitne razlike med trenutnim stanjem ter shranjenim scenarijem ter zagotovila njeno delovanje v realnem času


3.3 Konkretni rezultati 3. faze projekta:

Konkretni rezultati 3. faze projekta bodo naslednji:

    uporaba dopolnjenih matematičnih modelov za razvoj pametnih senzorjev, s čimer bo zagotovljeno sprotno zaznavanje vrednosti procesnih veličin,
    izgradnja optimizacijskega okolja, ki vključuje nesprotno (offline) optimizacijo procesa, s čimer bodo pridobljeni optimalni talilni scenariji in talilni programi,
    izgradnja podatkovne zbirke optimalnih topilnih programov, s čimer bo zagotovljeno hitrejše delovanje celotnega optimizacijskega okolja,
    uporaba sprotne (online) optimizacije za namen izboljšanja rezultatov ter odprave morebitnih razlik med trenutnim stanjem ter shranjenimi scenariji, s čimer bo zagotovljeno optimalno vodenje procesa EOP v realnem času.

 

4. FAZA PROJEKTA:

Razvoj sistema za podporo odločanju ter integracija procesnih modelov, pametnih senzorjev ter optimizacijskih algoritmov v enovito programsko rešitev.


4.1 Opis problematike 4. faze projekta:

S prilagoditvijo obstoječih procesnih modelov za namene pametnih senzorjev v 1. fazi, njihovo dopolnitvijo in parametrizacijo s pristopom računske dinamike fluidov v 2. fazi, integracijo v sklop pametnih senzorjev in optimizacijskega okolja v 3. fazi, je bila pripravljena osnova za izdelavo najvišjega programskega nivoja projektne rešitve, t.j. sistema za podporo odločanju. Kot je bilo uvodoma povedano, na učinkovitost procesa reciklaže jekla vpliva mnogo dejavnikov. Pomanjkanje procesnih meritev, vodenje procesa po izkušnjah operaterja, variabilnost v sestavi surovin idr. vplivajo na to, da se med posameznimi šaržami reciklaže pojavljajo nihanja v različnih kazalcih učinkovitosti proizvodnje, kar seveda pomeni neizkoriščenost potenciala po optimalnejši proizvodnji. Z uporabo sistemskih rešitev, ki izkoriščajo prednosti metod modeliranja, optimizacije ter podpore odločanju lahko takšen sistem nadgradimo ter zmanjšamo vpliv omenjenih motenj ter s tem dosežemo boljšo učinkovitost celotnega procesa. Dan danes se vodenje večjega dela obstoječih EOP izvaja glede na izkušnje operaterja, talilni program ter posredne meritve dejanskega stanja (npr. čas od začetka topljenja, poraba energije, stabilnost električnih oblokov itd.). Pri tem velja poudariti, da posamezni topilni programi temeljijo na večih predpostavkah, kot so npr. začetna sestava jekla je pri vseh šaržah enaka, količina založenega jekla je raztaljena do določene stopnje po točno določenem  vnosu električne energije, količina preostalega dela taline v peči je vedno enaka itd., kar običajno vodi do večjih odstopanj od (teoretično) optimalnega vodenja. Namreč, zaradi narave procesa, lahko spremenjeni začetni pogoji vodijo do povsem različnih potekov topljenja (npr. kemijske reakcije lahko potekajo ob drugih časih z drugačno intenziteto), česar predpripravljeni topilni programi ne upoštevajo. V primeru, da so vsi začetni pogoji v EOP blizu pogojem, ki jih upošteva topilni program, je lahko vodenje EOP zelo učinkovito, a praksa govori drugače. Smiselno bi bilo, da se topilni programi izvajajo glede na dejansko stanje v EOP, ki ga izkazujejo podatki o stopnji raztaljenosti, sestavi taline ter temperaturi jekla, vendar pa izvajanje takšnih meritev (razen temperature) za enkrat še ni mogoče.


Rešitev zgornje težave leži v implementaciji naprednega sistema za podporo odločanju, v povezavi z razpoložljivimi meritvami, ocenjenimi vrednostmi procesnih veličin ter optimizacijskimi algoritmi. Gre torej za temeljno raziskavo visokotehnološke rešitve, ki predstavlja preskok v obratovanju EOP iz neoptimalnega v optimalno delovanje. Ob nadaljnih raziskavah bi bilo mogoče takšno rešitev uporabiti tako pri obstoječih kot novih EOP, s sorazmerno majhnim finančnim vložkom. Pregled literature razkriva, da se programske rešitve v smislu podpore procesu EOP uporabljajo, a le za spremljanje procesa taljenja. Kombinacije realnega procesa ter podpore odločanju na osnovi računalniške simulacije in procesnih modelov pri obratovanju EOP zaenkrat še ni zaslediti. Z uporabo tovrstnega sistema se ne izboljša samo ponovljivost procesa, temveč tudi ostali pokazatelji učinkovitosti proizvodnje (večji izplen jekla, manjša poraba surovin, energije ali dodatkov, krajši čas reciklaže, višja kakovost jekla, manjši vpliv na okolje itd.), posredno pa se izboljšajo tudi ekonomski, ekološki in tehnološki vidiki obratovanja jeklarne.


Optimizacijsko okolje v povezavi z algoritmi za podporo odločanju predstavlja največji doprinos k bolj učinkovitemu vodenju procesa, saj se s tem odločanje o najprimernejših ukrepih pri vodenju procesa prenese z operaterja na računalniški sistem. S tem operaterjeve izkušnje niso več bistvenega pomena pri ključnih odločitvah, saj le-te opravljajo podporni sistemi, s čimer je zagotovljena večja ponovljivost ter manjša nihanja v ključnih kazalcih proizvodnje.


4.2 Opis metod in znanj v 4. fazi projekta:

Za uspešno realizacijo 4. faze projekta bodo uporabljene metode in znanja s področja algoritmov za podporo odločanju ter simulacij. Predhodno razviti sistemi predstavljajo osnovo razvoja sistema za podporo odločanju. Le-tega lahko opišemo kot računalniško podprt informacijski sistem, ki se uporablja za pomoč pri sprejemanju ključnih odločitev, uprablja pa se predvsem pri procesih, ki so nepredvidljivi in hitro spreminjajoči. Vsak sistem za podporo odločanju sestavljajo trije ključni deli, in sicer 1) baza podatkov, 2) procesni modeli ter 3) uporabniški vmesnik. Za izdelavo tovrstnega sistema bosta uporabljeni dve podatkovni bazi. Prva je baza podatkov o optimalnih talilnih programih, ki bo zgrajena v 3. fazi projekta s pomočjo nesprotne optimizacije. Druga baza pa je baza znanja, ki jo odločitveni sistem uporablja, da v povezavi s trenutnimi ocenami procesnih spremenljivk, vhodnimi podatki, podatki iz prve baze ter sprotno optimizacijo določi najprimernejšo akcijo v danem trenutku. Za izgradnjo sistema za podporo odločanju bodo uporabljene metode in znanja s področja odločitvenih algoritmov, odločitvenih dreves, mehkih inferenčnih sistemov ter regresijske analize. Prava kombinacija omenjenih metod ter njihova povezava v delujočo celoto zagotavlja učinkovit ter uporaben sistem za podporo odločanju. Nadalje je za podajanje ključnih informacij uporabniku potrebno izdelati uporabniški vmesnik, ki le-temu, na jasen in nedvoumen način, prikazuje vse ključne podatke o procesu, vključno z možnim (optimalnim) potekom taljenja ob upoštevanju predlaganih akcij. Za izdelavo uporabniškega vmesnika bodo uporabljena znanja s področja programiranja. V končni fazi bo celoten sistem testiran na nivoju simulacije z uporabo merjenih obratovalnih podatkov EOP.


4.3 Konkretni rezultati 4. faze projekta:

Konkretni rezultati 4. faze projekta bodo naslednji:

    priprava podatkovne baze znanja, ki bo v povezavi s podatkovno bazo optimalnih talilnih programov ter merjenih podatkov predstavljala osnovo za odločitvene algoritme,
    izdelava sistema za podporo odločanju, ki vključuje predhodno razvite procesne modele, pametne senzorje ter optimizacijske algoritme, s čimer bo omogočena možnost spremljanja, optimizacije in izboljšanega vodenja celotnega procesa EOP,
    izdelava uporabniškega vmesnika, ki na jasen in nedvoumen način uporabniku prikazuje vse ključne procesne veličine ter predlaga optimalne akcije v teku procesa taljenja za doseganje optimalnega delovanja EOP.

 

5. FAZA PROJEKTA:

Opravljanje simulacijskih študij med trenutnim (neoptimalnim) ter možnim izboljšanim (optimiziranim) delovanjem


5.1 Opis problematike 5. faze projekta:

Uspešna realizacija vseh predhodnih faz projekta vodi do izboljšanega obratovanja EOP z večih vidikov (večja ponovljivost, večji izplen jekla, manjša poraba energije in surovin, krajši časi proizvodnje itd.). Za ustrezno ovrednotenje izvedenega dela je potrebno pripraviti primerjalne študije delovanja pred ter po izboljšavah. Za ta namen bodo opravljene statistične analize obeh načinov delovanja. Za oceno stanja pred izboljšavami bomo uporablili merjene obratovalne podatke EOP, s čimer bo jasno predstavljena kvaliteta obratovanja EOP pred izboljšavami. Te meritve vključujejo porabo električne energije ter surovin, čase za pripravo taline, kvaliteto taline ter izplen. Vse te meritve so praktični pokazatelji učinkovitosti proizvodnje, katere skuša ta študija izboljšati. Za oceno stanja po izboljšavah bomo opravili simulacijske študije z uporabo vseh razvitih podpornih metod (pametni senzorji, optimizacija ter sistem za podporo odločanju) in jih ovrednotili po enakih kriterijih kot oceno stanja pred izboljšavami. S tem bo jasno prikazana razlika med trenutnim (neoptimalnim) ter možnim (optimalnim) obratovanjem EOP ter vpliv izboljšanega obratovanja na vse omenjene kazalce učinkovitosti, vključno z ekonomskimi.


5.2 Opis metod in znanj v 5. fazi projekta:

Za uspešno realizacijo 5. faze projekta bodo uporabljene metode in znanja s področja statistične analize podatkov, ki bodo podale realno oceno uspešnosti izvedenega projekta. S tem bo predstavljena tudi razlika med obema načinoma delovanja ter prikazane možnosti za nadaljnji razvoj omenjenega pristopa.


5.3 Konkretni rezultati 5. faze projekta:

Konkretni rezultati 5. faze projekta bodo naslednji:

    ocena stanja trenutnega obratovanja EOP z vidika porabe električne energije in surovin, kvalitete taline, časa proizvodnje ter izplena jekla,
    ocena stanja obratovanja EOP po vključenih izboljšavah (optimiziran proces reciklaže) z vidika porabe električne energije in surovin, kvalitete taline, časa proizvodnje ter izplena jekla,
    primerjava obeh načinov delovanja po vseh ključnih kazalcih učinkovitosti proizvodnje, vključno z ekonomskimi.
Bibliografske reference link na sicris