ترجمه: محمدحسین نشاطی

گروه رسانه‌ای پردازش – پس از معرفی چالش‌های پیش‌بینی کیفیت قراضه و تشریح مدل‌های ترکیبی مبتنی‌بر داده و اصول اولیه، این بار نوبت به آزمون میدانی مدل می‌رسد. داده‌های یک کوره ۶۰ تنی EAF مبنای محاسبات قرار گرفت تا ترکیب شیمیایی، بهره‌دهی فلزی و مصرف انرژی ویژه به‌طور دقیق تحلیل شود.

فرآیند جمع‌آوری داده‌ها‌ و اطلاعات مربوط به‌ فرآیند

برای فعال کردن قابلیت زمان واقعی، مدل با تمام رابط‌های (اینترفیس) لازم برای تعامل با محیط تولید توسعه داده شد. توجه به ‌این نکته ضروری است که به‌ هیچ ‌دوربین، سخت‌افزار یا سنسور اضافی نیازی نیست. داده‌های ورودی برای مدل، داده‌هایی هستند که معمولا از سیستم‌های مدیریت فرآیند، مانند مخلوط شارژ کوره (برای مثال، مخلوط قراضه)، نمونه‌های ترکیب شیمیایی ‌مذاب و سایر داده‌های تولید اندازه‌گیری‌ شده در دسترس هستند. پس از اتمام هر ذوب، این داده‌ها‌ توسط مدل دریافت ‌می‌شوند، از نظر معقول بودن و کامل بودن بررسی ‌می‌شوند و ویژگی‌های قراضه مربوطه F(n) محاسبه‌‌ می‌شوند. در مقاله حاضر،داده‌ها‌ی تولیداز یک کوره ۶۰ تنیEAF برای نشان دادن قابلیت‌ها‌ی مدل استفاده شده است، از جمله:

• مخلوط شارژ کوره (kg).
• نمونه‌های ترکیب شیمیایی ‌مذاب (wt. %).
• مصرف انرژی الکتریکی (kWh).
• اکسیژن تزریقی (Nm^۳).
• مصرف‌کنندگان اکسیژن (گاز طبیعی (Nm^۳)، کربن (kg) و…).
• وزن تخلیه (kg).

     این کوره با نرخمتوسط تزریق کربن kg/ton 4، گاز طبیعی Nm^۳/ton 2/3، اکسیژن Nm^۳/ton 97 کار ‌می‌کند و تقریبا ً kWh/ton 400 انرژی الکتریکی مصرف ‌می‌کند. عملیات کوره همچنین شامل شیوه پاشنه مذاب (هات هیل) است که درمدل نیز گنجانده شده است.

بعد از محاسبه ویژگی‌های قراضه فعلی پس از هر ذوب، یک پیش‌بینی از ویژگی‌های ذوب بعدیبر اساس آخرین ویژگی‌های قراضه شناخته‌شده در محاسبه‌ قبلی انجام ‌می‌شود.این کار مدل را قادر می‌سازد که دائماً خودیادگیرنده باشد و ویژگی‌های قراضه مربوطه را در زمان واقعی تنظیم نموده و امکان ارزیابی تغییر ویژگی‌های هر نوع قراضه منفرد را به‌صورت تابعی از زمان فراهم سازد.

نتایج و بحث

نتایج محاسبات‌ بدست‌آمده بامدل ترکیبی که در بخش قبل تشریح شد، در این بخش ارائه و مورد بحث قرار می‌گیرد. همانطورکه قبلا بیان شد، سه ویژگی اصلی قراضه را ‌می‌توان با استفاده از مدل توسعه‌یافته محاسبه‌ کرد: ترکیب شیمیایی، بهره‌دهی فلزی و انرژی الکتریکی ویژه. همه این پارامترها برای بهینه‌سازی موفق و مناسب استفاده از موادخام در طی فولادسازی مهم هستند. مورد آخر به‌ویژه برای فولادسازانی اهمیت دارد که برای آنها هزینه مواد و برق به ‌ازای هر کیلوگرم فولاد به‌طور مشابه قابل توجه استو حتی بیشتر زمانی که هزینه‌ها‌ی برق بسیار بالا باشد.

تعیین ترکیب شیمیایی قراضه

ابتدا، با استفاده از مس برای مثال، یافته‌های محاسبات ترکیب شیمیایی سه نوع قراضه مورد استفاده رایج (A، B و C) بررسی می‌شوند. مس در طی دمش اکسیژن اکسید نمی‌شود، بنابراین تعیین محتوای مس در انواع قراضه‌ها‌ی جداگانه را آسان‌تر ‌می‌کند و کمتر به ‌این بستگی دارد که آیا یک مدل متالورژیکی گنجانده شده است یا خیر. اما، از آنجا که مزایای تعیین آنالیز توسعه‌یافته قراضه را ‌می‌توان بسیار واضح ارائه کرد، در ادامه از آن برای مثال استفاده ‌می‌شود. علاوه بر این، ناتوانی در تعیین دقیق محتوای مسقراضه ‌می‌تواند منجربه‌ مشکلات کیفی و زیان‌ها‌ی مالی قابل توجهی شود. این شکل نتایج ۳۰۰ ذوب را نشان ‌می‌دهد.خطوط ممتد نشان‌دهنده مقدار مس انواع قراضهجداگانه است که در مدیریت داده‌های اصلی ذخیره می‌شوند و قبلاً توسط اپراتورها برای محاسبات مخلوط شارژ استفاده می‌شدند. این مقدار ۰/۵ درصد وزنی برای قراضه A، ۰/۲ درصد وزنی برای قراضه B و ۱/۰ درصد وزنی برای قراضه C است.

     نقاط نشان‌دهنده مقادیر مس محاسبه‌شده برایهر قراضه درهر ذوب هستند.بلافاصله مشهود است کهقراضه بابالاترین محتوای مس (قراضه A) بیشترین انحراف و یا نوساناترا از مقدار داده اصلی ۰/۵ درصد وزنی دارد. دریک شاخص ذوب ۲۰۰<، مقدار پیش‌بینی تقریبا ۰/۲ درصد وزنی مس بیش از مقدار داده اصلی است. برای قراضه B، مقدار داده اصلی و مقدار پیش‌بینی‌شده تقریباً هر دو در یک سطح ۰/۲ وزنی مس هستند. برای قراضه C، مدل تغییرات کوچکی را در تمام۳۰۰ ذوب در محدود ۰/۱± درصد وزنی، با مقادیر پیش‌بینی‌شده‌ای که تمایل دارند بیشتر از مقدار داده‌های اصلی باشند را نشان داد. قبل ازبحث در مورد پیامدهایاین نتایج، قابلیت اعتماد محاسبات باید نشان داده شود.

     نمودار A مقدار مس اندازه‌گیری‌شده را در مقابل مقدار مس محاسبه‌شدهمذاب برای همه ذوب‌ها نشان ‌می‌دهد.این محاسبه‌ بر اساس مقادیر داده اصلی ثابت محتوای مسهر نوع قراضه‌ شارژشده است. به‌راحتی ‌می‌توان دید که مقادیر محاسبه‌شده دارای حد ریاضی ۰/۵ درصد وزنی مس هستند. اما، محتوای مس تا ۰/۷ درصد وزنی در مذاب اندازه‌گیری شده استکه از قبل نشان ‌می‌دهد کهمقادیر ثابت داده‌های اصلی‌ فقط به‌‌میزان محدودی واقعیت را منعکس ‌می‌کنند. این مطمئناچیز جدیدی نیست و فولادسازانیاد گرفته‌اند که عمدتاً از طریق استفاده از محدودیت‌ها‌ی مس بسیار کوچکتر(حداکثر مجاز خاص گرید) به‌عنوان یک بافر ایمنی با آن برخورد کنند. همچنین مشهود است که برای محتویات مس اندازه‌گیری‌شده کمتر از ۰/۳ درصد وزنی، مقادیر محاسبه‌شده مطابقت خوبی دارند. این را ‌می‌توان باتغییرات کوچک محتوای مسدر قراضه تمیز ومرتب‌شده توضیح داد.

نمودار B وضعیت مشابهی را نشان ‌می‌دهد، اما محاسبه ‌بر اساس مقادیر پیش‌بینی‌شده توسط مدل ترکیبی است. به‌خصوص برای مقادیر مس اندازه‌گیری‌شده بالاتر، مدل ترکیبی منتج به ‌پیش‌بینی‌ها‌ی قابل توجه بهتری در مقایسه با داده‌ها‌ی اصلی ‌می‌شود. نمودار C آنچه را که در نگاه اول از نمودارهای A و B ‌می‌توان مشاهده کرد خلاصه ‌می‌کند.در این نمودار،دقت پیش‌بینی(± انحراف مطلق از مقدار اندازه‌گیری‌شده) بر روی محور x رسم شده است، درحالی‌که محور y نشان ‌می‌دهد که چه تعداد از مقادیر پیش‌بینی‌شده در انحراف ± مربوطه قرار دارند.در مثال نشان داده شده، محاسبات مبتنی‌بر داده‌ها‌ی اصلی تنها ‌می‌توانند ۴۰ درصد ذوب‌ها را با دقت ۰/۰۲۵ درصد وزنی مس پیش‌بینی کنند (۰/۰۲۵± درصد وزنیانحرافنیز در نمودارهای A و B به‌صورت خط‌چین‌های قرمز نشان داده شده است).مدل توسعه‌یافته منتج به‌نرخ موفقیت ۶۵ درصدمی‌شود (یعنی ۶۵ درصد از تمام ذوب‌های محاسبه‌شده در محدوده ۰/۰۲۵ ± درصد وزنی مس هستند). علاوه بر این، این مدل‌می‌تواند تقریباً ۹۰ درصد از تمام ذوب‌ها را با دقت ۰/۰۵ ± درصد وزنی مس به‌طور دقیق پیش‌بینی کند. این یک پیشرفت قابل توجه است و قابلیت مدل را نشان ‌می‌دهد.