«Цифровизация начинается с простого доступа к данным», — говорит Тарун Матур (Tarun Mathur), глобальный менеджер по портфелю и продажам цифровых решений для металлургической отрасли направления «Промышленные процессы» компании ABB. И эти данные становятся информативными, когда они связаны с факторами реального мира, такими как временные интервалы с точностью до миллисекунды, температуры, исходные материалы (различные марки металлолома) и качество готовой продукции. Затем можно применять анализ и алгоритмы для понимания прошлых операций, что позволяет операторам позитивно влиять на будущее.
«Данные — это основа любого анализа или контроля, — говорит Матур. — Независимо от того, нужно ли вам что-то доказать или улучшить, для достижения цели необходимо использовать данные».
Вот пять способов повысить экологичность вашего металлургического производства за счет использования данных:
Оценивая цифровую зрелость любого завода или отрасли, Матур задает вопрос: «Как вы используете свои данные в различных аспектах бизнеса?»
По его словам, уже пару десятков лет операционные менеджеры используют данные для повышения операционной эффективности, а специалисты по продажам — для улучшения работы с клиентами. Однако Индустрия 4.0 направлена на автоматизацию принятия решений с использованием данных, агрегированных из разных изолированных систем.
Регистрация данных на центральной платформе, такой как ABB Ability Data Analytics Platform для металлургии, помогает производителям собирать и хранить данные в правильном формате для установления взаимосвязей и принятия полностью обоснованных решений. Платформа обеспечивает сопоставимость данных, полученных из различных процессов и организационных отделов: она предоставляет комплексное представление об операциях с помощью мощных панелей мониторинга высокого разрешения и позволяет применять новые технологии, такие как машинное обучение, для оптимизации работы всего завода или отдельных производственных участков.
«Необходимо собирать данные из систем ERP, из отделов продаж, операций, цепочки поставок и так далее», — говорит Матур. Затем вы можете, например, выяснить, какое оборудование обеспечивает лучшую эффективность в долгосрочной перспективе или какой лом приводит к меньшим выбросам — все это помогает закупать сырье у поставщиков, которые способствуют достижению ваших целей в области эффективности и устойчивого развития. «Помимо этого, использование данных ваших поставщиков об их выбросах от транспорта и т. д. помогает понять показатели по охвату 2 и 3 (Scope 2 и 3), которые являются частью вашего собственного углеродного учета», — объясняет Матур.
Если платформа ABB Ability™ Data Analytics Platform для металлургии работает на базе периферийных вычислений (edge-based) и объединяет данные из различных систем операционных технологий (OT), то ABB Ability™ Genix Industrial Analytics and AI Suite — это облачная платформа, которая помогает производителям металлов извлекать практические выводы из огромных объемов промышленных данных, генерируемых при каждой плазменной или обычной плавке. Она объединяет промышленный искусственный интеллект (ИИ) и аналитику с Промышленным интернетом вещей (IIoT) в целях оптимизации производственных процессов, прогнозирования потребностей в техобслуживании и ускорения принятия решений таким образом, который стимулирует инновации и повышает экологичность.
Контекстуализация или «регистрация» данных в точке их сбора является ключом к обеим платформам. По словам Матура, при настройке системы регистрации данных полезно заранее представлять желаемые результаты.
Например, компания ABB сотрудничала с крупным мировым производителем нержавеющей стали, который смог определить 80–100 исследовательских или проектных задач на основе данных, которые он хотел инициировать. Они включали предиктивное техническое обслуживание и оптимизацию ресурсов для минимизации отходов. «Они сделали первоначальные инвестиции в инфраструктуру и предоставили небольшим стартапам, а также крупным компаниям, таким как ABB и Microsoft, доступ к данным, что позволило им разработать решения», — говорит Матур, добавляя: «Они добились отличных результатов благодаря, на мой взгляд, впечатляющей и сбалансированной стратегии».
Сбор контекстуализированных данных с течением времени позволяет оценивать эффективность работы по эталону (бенчмаркинг). Например, решение ABB Ability™ Data Analytics для станов холодного проката является ключевым цифровым технологическим решением, которое анализирует данные предприятия и технологического процесса. Имея, скажем, годовой массив данных в системе, производители могут определить наилучшие показатели за этот период и установить оптимальные настройки прокатки, обеспечивающие высочайшее качество и однородность полосы при максимальных скоростях прокатки.
«В любой день ваша панель мониторинга также может предоставить информацию о том, насколько вы далеки от эталона и какие параметры способствуют этому отклонению», — говорит Матур. Иногда вам приходится работать в условиях различных ограничений; понимание причин и следствий изменения исходных данных и условий может помочь менеджерам принимать более обоснованные решения о том, какие настройки можно изменить, чтобы в любых обстоятельствах приблизиться к целевым показателям эффективности (KPI).
Одним из показателей успеха является минимизация отходов. «Прокатные станы обычно должны отбраковывать часть металла на обоих концах листа, — объясняет Матур. — Если стан работает неправильно, приходится обрезать большую часть так называемой передней и задней частей листа, которые затем необходимо перерабатывать повторно». Производство стабильного качества сокращает количество отходов и объем переработки, что, в свою очередь, минимизирует энергопотребление, затраты и выбросы.
Электрооборудование, такое как двигатели и приводы, играет большую роль в прокатке металлов и потребляет значительное количество энергии. Двигатели ABB разрабатывались и совершенствовались на протяжении многих десятилетий, чтобы потреблять меньше энергии по сравнению с другими при сохранении тех же результатов. «В сочетании с автоматикой и цифровыми решениями ABB эти двигатели помогают нашим клиентам достигать максимальной экологичности операций», — говорит Матур.
Еще один цифровой способ оптимизации операций для повышения эффективности и экологичности заключается в использовании широкого спектра контекстуализированных данных и алгоритмов для имитации процесса или серии взаимосвязанных процессов. Полученная виртуальная модель процессов известна как цифровой двойник и позволяет операторам отвечать на вопросы «Что, если…», не рискуя ухудшить результаты в реальном производстве, отмечает Матур.
Вы можете протестировать, например, влияние различных марок лома на энергопотребление или качество и характеристики конечного продукта. Вы также можете протестировать различные режимы работы, чтобы выяснить, какие из них наиболее экологичны. Матур говорит: «Цифровой двойник помогает определить оптимальную траекторию для вашего стана или завода для получения стабильных результатов более экологичным способом».
«Принимая решения без модели, основанной на данных, — продолжает он, — вы, возможно, сможете добиться оптимальной работы один или два раза. Но без вычислительной мощности цифровых технологий человеку невозможно учесть миллионы точек данных, которые меняются каждую секунду».
Цифровой двойник может использоваться в качестве помощника оператора, рекомендуя различные настройки для процесса при изменении таких факторов, как стоимость или источники электроэнергии, либо качество сырья. Он может проанализировать все возможные сценарии, чтобы найти наиболее эффективный вариант. При необходимости он также может автоматизировать такие корректировки.
ABB Ability™ Expert Optimizer, решение ABB по усовершенствованному управлению процессами (APC) для металлургической промышленности, в настоящее время предлагает приложения для оптимизации следующих объектов:
- Горелки обжиговой машины фабрики окомкования
- Сушилка фабрики окомкования
- Окомковательная чаша (окомкователь)
- Мельницы измельчения сырья
Используя прогнозное управление (Model Predictive Control, MPC) для создания цифровых двойников этих процессов производства стали, решение ABB APC обрабатывает данные для прогнозирования поведения системы с течением времени. Затем решение направляет процесс в сторону более прибыльной работы, снижая необходимость для операторов круглосуточно контролировать и изменять технологические процессы.
В одном из случаев, говорит Матур: «Мы установили камеры для измерения размера сырых окатышей, производимых тарельчатым окомкователем. Эта обратная связь позволяет APC изменять уставки процесса, такие как скорость диска и добавление влаги, что в данном случае снизило количество брака почти на 50%. В результате улучшается удельное энергопотребление процесса. Кроме того, было обнаружено, что APC на машине обжига окатышей повышает производительность фабрики окатышей, а также снижает энергопотребление вентиляторов».
Поддержка удаленного доступа и отслеживание ключевых показателей эффективности (KPI) экспертами ABB могут гарантировать, что экологичность и операционная эффективность, обеспечиваемые цифровыми приложениями, такими как APC, сохраняются на протяжении всего жизненного цикла завода.
Иногда для реального преображения технологического процесса требуются дополнительные данные. Решение ABB Ability™ Smart Melt Shop было разработано в ответ на требование заказчика, компании JSW Steel, более эффективно управлять перемещением кранов и ковшей, а также оптимизировать контроль температуры в сталеплавильном цехе. Разработка этого решения потребовала постоянного взаимодействия и сотрудничества между ABB и JSW Steel в Махараштре (Индия), поскольку ABB интегрировала новые датчики, включая визуальное отслеживание, в свое системное моделирование.
В сталеплавильном цехе важно поддерживать правильную технологическую температуру, говорит Матур. Расплав перемещается краном с одной позиции на другую через последовательность технологических процессов, и вручную поддерживать точную температуру во время необходимых операций охлаждения и повторного нагрева очень сложно. Операторы обычно перестраховываются и допускают перегрев, поскольку недогрев несет в себе риск брака и потери 100–200 тонн материала. Перегрев же, с другой стороны, влечет за собой большой перерасход энергии, что влияет на показатели выбросов сталеплавильного цеха.
Smart Melt Shop фиксирует все перемещения ковшей с помощью камер и систем позиционирования, кардинально сокращая задержки, которые вызывают потерю тепла, и производит повторный нагрев только до точных температур, требуемых каждым процессом. «Мы собираем данные обо всех перемещениях кранов, оборудования и материалов в одном месте, а затем наши алгоритмы машинного обучения оптимизируют работу, включая то, какой кран следует назначить на какие задачи, чтобы производить больше за определенное время», — говорит Матур.
Применение этого цифрового решения привело к улучшению принятия решений, что дало многочисленные преимущества на заводах JSW, в том числе: увеличение скорости разливки на 4-5%, снижение интенсивности дугового нагрева на 5°C при каждом нагреве ковша в печи, уменьшение количества брака материалов из-за неверной температуры в пункте назначения, а также общее увеличение производительности, эквивалентное 24 000 дополнительных тонн стали в год.
Опираясь на цифровые приложения, такие как Smart Melt Shop, которые помогают продвигать прогнозируемое планирование работы оборудования и процессов, существует дополнительный потенциал для прогнозирования спроса на энергию и оптимизации потоков энергии и топливных газов на интегрированных металлургических заводах. Такое прогнозирование также помогает сталелитейщикам синхронизировать пиковые времена производства с ценами на электроэнергию в часы минимальной нагрузки или, по крайней мере, получать самую дешевую или экологически чистую энергию, доступную из сети в любой данный момент времени.
«Решение ABB по управлению энергопотреблением для производителей металлов теперь может включать прогнозирование спроса, — говорит Матур, — что означает, что мы используем данные с завода, чтобы подсказать операторам, сколько электроэнергии им потребуется в течение следующих нескольких часов». Функция оптимизации затем позволяет им выбирать, какой вид энергии приобретать — например, возобновляемые источники энергии, ископаемое топливо или накопленную энергию из комбинированных источников.
Компания ABB протестировала промышленное управление энергопотреблением со стороны спроса (industrial Demand Side Management, iDSM) в сотрудничестве с европейским производителем стали. Планировщик производства был успешно интегрирован с прогнозируемыми ценами на энергию, чтобы использовать наиболее выгодно оцененную электроэнергию на местном энергетическом рынке при сохранении объемов производства и использовании минимально возможного количества энергии.
В другом сценарии применения искусственный интеллект для точного прогнозирования спроса на энергию привел к более эффективному использованию энергии и улучшению прогнозов закупок электроэнергии на 15%.
В сочетании с возможностями приобретения более экологически чистой энергии iDSM предлагает отделам закупок два пути повышения экологичности своего металлургического производства.
