از بازار فلزات پایه چه خبر؟
مرداد ۲۸, ۱۴۰۴هشدار مدیرعامل “معادن سنگآهن احیا سپاهان”: ناترازی انرژی، فولاد کشور را زیانده میکند
مرداد ۲۹, ۱۴۰۴سیستم جدید پیشبینی آنلاین کیفیت آهن قراضه برای بهبود بهینهسازی مواد خام در فولادسازی با کوره قوسالکتریکی
ترجمه: محمدحسین نشاطی
قراضه فولادیمهمترین ماده ورودیبرای مسیر کوره قوسالکتریکی (EAF) است و در دسترس بودن قراضه تمیز و مرتبشده بهطور فزایندهای محدود میشود.امروزه ۵۵ درصد از قراضه فولادیموجود در جهان(تقریباً ۸۸۰ میلیون تن)قراضه پایان عمرکاری آن است که ترکیب آن بسیار نامشخص است. انتظار میرود این میزان تا سال ۲۰۵۰ به ۶۵ درصد افزایش یابد.
اهمیت پیشبینی کیفیت آهن قراضه و بهینهسازی مواد خام در فولادسازی با EAF
گروه رسانهای پردازش – در اروپا،بیش از ۶۰ درصد قراضه موجوداز قبل حاوی بیش از ۰/۳ درصد عناصر ناخواسته است که با اکسیداسیون در فرآیندEAF قابل حذف نیستند.چنین عناصر ناخواستهای را میتوان فقط با منابع آهن اولیه مانند آهناسفنجی (DRI)/(HBI) یا قراضه با کیفیت بالا و گران قیمت رقیق کرد.
بنابراین، جداسازی فیزیکی بخشهای ناخواسته قراضه تا حد امکان، یا داشتن آگاهی دقیق در محل از خواص دقیق هر نوع قراضه بسیار مهم است. این خواص عبارتند از ترکیب شیمیایی واقعی، بهرهدهی فلزی ومصرف انرژی ویژههر نوع قراضهجداگانه درمخلوط قراضهای که باید به کوره شارژ شود.تنها با آگاهی دقیق از این ویژگیهایقراضه میتوان بهینهسازی مستندو معتبرورودی مواد خام رابرای اطمینان از عملکرد پایدار وکارآمد فرآیند EAF انجام داد.
علاوه بر پیشبینی خواص ذوب بعدی قبل از ذوب کردن قراضه،شناخت دقیق چگونگی تغییر ترکیب شیمیایی قراضه،بهرهدهی و انرژی ویژه در طول زمان، همراه با یک نرمافزار پیشرفته بهینهسازی مواد، میتواند پاسخهایی بهتمام پرسشهای مرتبط در طول زنجیره ارزش مواد خام ارائه دهد:
- ارزیابی تامینکننده: آیا تامینکنندگان من قراضه را طبق مشخصات خرید من تحویل میدهند؟
- مشخصه قراضه: خواص فعلی مواد خام من چیست؟
- دستورالعمل شارژ کردن کوره: چگونه باید کوره خود را با توجه به فرآیندهای متالورژیکی شارژ کنم؟
- پیشنمایش ذوب: ویژگیهای مورد انتظار ذوب با توجه به شارژ واقعی چیست؟
- کاهش هزینه کلی: چگونه میتوانم هزینههای کلی و انتشار CO۲ را کاهش دهم؟
چالشها و محدودیتهای کنونی سیستمهای موجود
تا به امروز، هیچ تکنولوژیای به اندازه کافی نیاز به تعیین صحیح خواص مختلف قراضه مانند ترکیب شیمیایی، انرژی ویژه و بهرهدهی فلزی را برطرف نکرده است.تکنولوژیهای کنونی را میتوانبر اساس نحوه برخورد با مشکل ازچند منظرطبقهبندیو متمایز کرد:
- تکنولوژی جداکننده قراضه از نظر فیزیکی (برای مثال، بخشهای فلزی/غیرفلزی).
- تکنولوژی تعیین آنلاین آنالیز شیمیایی قراضه.
- تکنولوژی مبتنیبر مدلهای بینایی کامپیوتری برای شناسایی مواد مختلف در انباشته قراضه یا نوار نقاله یک خردکن (شریدر).
- تکنولوژی مبتنیبر رگرسیون یا مدلهای داده محور.
چالشها و محدودیتهای عمدهدر مشخصسازی ویژگیهای مختلف قراضهبا استفاده از روشهای آنالیز فیزیکیعمدتاً بهدلیل ناهمگونی قراضه است که هم در یک محموله قراضه و هم بین محمولههای مختلف بسیار متفاوت است. علاوهبر آن، اینروشها بسیار زمانبر و پرهزینه هستندو بنابراین فقط بهصورت تصادفی انجام میشوند.تکنولوژیهای بر اساسسیستمهایدوربین و بینایی کامپیوتری رایجهستند، اماچالشها و محدودیتهادر کیفیت و کمیتدادههای یادگیری و کیفیت تصاویرزنده (غبار، نور خورشید، انعکاس و…) وجود دارد. در نهایت، مدلهای رگرسیون و همچنین مدلهای هوش مصنوعی مبتنی بر داده (AI)برای پیشبینی برخی ویژگیهای قراضه استفاده میشوند. این روشها قابلیت بالقوه بالایی دارند و دائما در حال بهبود هستند.اما، باید توجه داشت کهاغلب معماریها و تکنیکهای بسیار پیچیده هوش مصنوعی مورد نیاز استو استانداردسازیکهبرای بهبود سازگاری دادهها و تعاملپذیری مدل ضروری است وجود ندارد.
معرفی سیستم پیشبینی آنلاین کیفیت قراضه
برای هر فرآیند بهینهسازی،از جمله بهینهسازی شارژ فرآیند EAF،یک مبنای دادههای صحیحپایه و اساسنتایج بهینهسازیخوب را میسازد.یک روش معمول برای اکثر فولادسازان کار با ترکیبات قراضه و ارقام بهرهدهی از پیش تعریفشده است کهبرای ایجاد دستورالعملهای شارژ استانداردبرای هر گرید فولاد استفاده میشود.برای درنظر گرفتن تغییرات پیشبینینشده درترکیب قراضه، ایندستورالعملها اغلب شاملیک بافر ایمنی (حیطه احتیاطی) خاص هستندتا در محدوده مشخصاتگرید فولاد مربوطه باقیبمانند.
برای مثال،چنانچه مشخصات گرید فولاد مورد نظر حداکثر مقدار ۰/۳ درصد وزنی مس را مجاز بداند، دستور شارژممکن است برای ۰/۲ وزنی مسطراحی شود تا عدمقطعیت ترکیب شیمیایی قراضه را در نظر بگیرد. اما، این کار نیاز به استفاده از قراضه تمیزتر دارد که معمولاً گرانتر از قراضه با محتوای مس بالاتر است. در واقعیت تغییر مداوم قیمت مواد خام و انرژی الکتریکی، همراه با افزایش عدمقطعیت ترکیب قراضهو در دسترس بودن آن،لازم است بر رویشیوههای کار متداول شارژکردن ومخلوط مواد خام تجدید نظر کرد واز تأثیر این پارامترها بر ساختار هزینه و تضمین کیفیت آگاه بود.
این مقاله ابزار جدیدی را برای تعیین ویژگیهای مواد خام (ترکیب شیمیایی، بهرهدهی فلزی و مصرف انرژی ویژه) در زمان واقعی معرفی میکند تافولادسازان را قادر سازد وارد عصر جدیدی از بهینهسازی مصرف مواد خام در طی فولادسازی شوند. با ترکیب تکنیکهای قدرتمند هوش مصنوعی با مدلسازی متالورژیکی بنیادی در یک رویکرد حلقه بسته ترکیبی (هیبریدی)، سیستم جدیدیایجاد شده است که نه تنها تعیین عناصر ناخواسته خاص قراضه مانند Cu یا Sn، بلکههمچنین عناصری را کهدر طی فرآیند دمش اکسیژن اکسید میشوند را امکانپذیر میکندتا قابلیت بهینهسازی در مقیاس کامل را فراهم کند.نتایج اینمرحله مشخصسازی میتواندبرای راهنمایی اپراتورهادر انتخاب مواد خامبا نشان دادن زمان واقعی ویژگیهای هر قراضه درمحوطه قراضه استفاده شود یامیتواند در هر نرمافزار بهینهسازی برایمحاسبه استفاده ایدهآل از مواد خام در طول مسیر کاملتولید ازذوب کردن تا ریختهگری گنجانده شود.
