Автоматизированная система управления качеством продукции листопрокатного цеха

Размещено на http://www.allbest.ru/

1

Размещено на http://www.allbest.ru/

Реферат

Автоматизированная система управления качеством продукции листопрокатного цеха



1. Принятие решений при управлении качеством тонколистового проката

Основная задача цеха холодной прокатки - обеспечение выпуска продукции заданного качества в намеченные сроки с минимальными затратами. Решение этой задачи должно основываться на эффективном управлении качеством холоднокатаных полос и листов при условии выполнения жестких требований к качеству горячекатаного подката и соблюдения их при помощи управления качеством полупродукта в кислородно-конвертерном цехе и цехе горячей прокатки.

Сложность, неоднозначность, нестационарность, стохастичность достаточно высокая скорость и другие условия протекания технологических процессов производства тонколистового проката обуславливает необходимость автоматизации процедур управления качеством на каждом технологическом агрегате и разработки автоматизированных систем управления качеством (АСУК) продукции ЛПЦ [22].

Для построения эффективных АСУК необходимо решение комплекса задач, включающих исследование процессов формирования каждого регламентированного и вспомогательного показателя качества, изучения изменений технико-экономических показателей, разработку на основе их результатов информационного, математического и программного обеспечения систем, в свою очередь, необходимых для правильного принятия решений при управлении качеством готовой продукции.

При большом разнообразии и различной степени сложности используемых на практике методов принятия решений при оптимизации управления различными технологическими и производственными процессами их объединяет структура построения и содержание процедур решения этого класса задач [22, 97-106 и др.].

Как правило, на первом этапе любого процесса принятия решений (ПР) по определенным правилам выделяется множество альтернативных вариантов и выбирается конечное (допустимое) их число. На втором этапе, чаще всего, с помощью информации, получаемой от экспертов или из нормативной документации, устанавливаются критерии выбора наилучшей альтернативы.

К этой информации следует в первую очередь отнести наиболее желаемые (задаваемые) значения и вес (важность) каждого критерия, а также ограничения, накладываемые на них. В зависимости от вида и содержания информации, получаемой лицом принимающем решение (ЛПР), в работе [103] на основе многокритериального подхода (наиболее правильного в задачах управления технологией и производством) приведена классификация методов решения данного типа задач.

Основные методы принятия решений можно условно классифицировать следующим образом:

1. Априорные методы для решения многокритериальных задач, не использующие дополнительную информацию (методы выделения множества Парето, совокупно-экстремального и гиперпаретовского выбора, гарантируемого и доминирующего результата и др.).

2. Методы относительной важности критериев и сужения множества Парето (лексико-графическое упорядочение критериев, методы Березовского-Кемпнера, Подиновского, доминирующего показателя, свертки, Саати, идеальной точки, удовлетворительных требований и др).

3. Методы классификации альтернатив (методы построения отношений превосходств, Джоффриона, непосредственной классификации и др).

Подводя итог, можно сделать вывод о том, что сам факт наличия большого числа методов ПР подтверждает важность и значимость правильного выбора того или иного метода решения конкретной задачи листопрокатного производства.

Основными задачами, решаемыми с помощью автоматизированной системы управления качеством (АСУК) продукции листопрокатных цехов, являются задачи поиска и выбора наилучших технологических режимов обработки металла на агрегатах цеха (тактический уровень), а также корректирующих и управляющих воздействий, обеспечивающих получение продукции желаемого качества (оперативный уровень).

Если первую задачу, которую условно можно отнести к задачам проектирования технологии, можно решить в условиях отсутствия жестких временных границ, то вторая задача должна быть решена для каждого конкретного случая в режиме реального времени - времени прохождения конкретной (отслеживаемой) партии металла через технологический агрегат. Зачастую решение сопровождается острым дефицитом времени, а решение по оптимизации управления на том или ином агрегате должно быть принято в ходе технологического процесса.

При решении первой задачи - задачи управления на тактическом уровне - ЛПР при отсутствии дефицита времени может проанализировать новую информацию, сравнить ее с подобного рода информацией, полученной ранее, т. е. должен иметь достаточный объем знаний и опыта для того, чтобы принять правильное решение при выборе технологических режимов обработки на конкретном агрегате цеха.

В качестве ЛПР в данном случае может выступать заместитель начальника цеха по технологии и (или) начальник экспериментальной группы (группы качества), какое-либо ответственное лицо от группы качества.

Совместное решение обеих задач предусматривает не только упрощение и максимальную формализацию (как следствие, максимально возможную автоматизацию) процедур принятия решений, но существенное сужение круга ЛПР для решения второй задачи на оперативном уровне управления. Для прокатного стана это может быть старший вальцовщик (оператор главного поста), для АНО-АГЦ - старший термист (оператор главного поста) и т. д. Но в этом случае информация, на основе которой они будут принимать решения по корректировке управляющих воздействий, должна быть представлена в удобной для восприятия форме и удовлетворять ЛПР с точки зрения точности, надежности и достоверности.

Для реализации описанных выше процедур ПР разработана практическая комбинированная методика, в основу которой положены методы теории вероятностей, математической статистики (в частности, многооткликовый многомерный регрессионный анализ) и классификации альтернативных вариантов.

Частично элементы методики рассмотрены в работах [22,106 и др.]. Основным отличием разработанной методики является то, что для принятия решения используется информация, полученная как при вычислениях, проведенных с помощью многооткликовых многомерных математических моделей, так и с помощью многокритериальных исследований. Сравнение результатов вычислений и является основным критерием при принятии решений. При совпадении результатов (или их заданной близости) решение принимается, в обратном случае расчеты повторяются при других граничных условиях. Ниже представлены краткое описание алгоритмов методики решения задачи ПР при выборе наилучшего режима обработки металла и прогнозировании конечных свойств готовой продукции цеха.

Любой технологический либо производственный процесс в листопрокатном цехе характеризуется вектором Х входных переменных (химический состав стали, качество подката, технологические режимы обработки - давление, температура, скорость и т. п.). Назовем их факторами. Эффективность процесса оценивается вектором Y выходных переменных (показатели качества готовой продукции, технико-экономические показатели и т. п.). Назовем их откликами.

Совокупность наблюдений факторов и откликов образует массив данных М (X, Y) объема N (см. табл. 1).

Таблица 1. Массив исходных данных

№ п/п

факторы

отклики

х1

х2

…

хi

…

xI

y1

y2

…

yj

…

yJ

1

х11

х21

…

хi1

…

xI1

y11

y21

…

yj1

…

yJ1

2

х12

х22

…

хi2

…

xI2

y12

y22

…

yj2

…

yJ2

…

…

…

…

…

…

…

…

…

n

х1n

х2n

…

хin

…

xIn

y1n

y2n

…

yjn

…

yJn

…

…

…

…

…

…

…

…

…

N

х1N

х2N

…

хiN

…

xIN

y1N

y2N

…

yjN

…

yJN

Первый индекс переменной означает ее номер по порядку, т. е. номер столбца массива, второй - номер строки массива (номер наблюдения, опыта, измерения и т. п.), 1 n N - число опытов; 1 i I - число факторов; 1 j J - число откликов.

Методика предусматривает проведение анализа параллельно двумя способами:

1. Строится многооткликовая многомерная математическая модель (при необходимости - нелинейная), которая представляет собой по существу набор моделей (J_мерная регрессионная функция) вида:

y_j= a_{j 0} + a_{j 1} x_{j 1} + … + a_{j i (j)} x_{j i (j)} + … + a_{j I (j)} x _{j I (j)}, (1)

где 1 j J, 1 i _(j) I _(j), 1 I _(j) I.

Подробно принципы построения моделей описаны в [22].

2. Проводится интервальная оценка факторов и откликов с помощью метода классификации альтернативных вариантов (подробно рассмотрена в [22]).

Каждый фактор изменяется в каких-то конечных интервалах (диапазонах значений) x_{i min} x_i x_{i max} (i=1, …, I). В реальных условиях значения фактора, как правило, группируются вокруг некоторых базовых значений. Поэтому целесообразно диапазон изменения каждого фактора разбивать на отдельные участки (группы). В системе разбиение производится двумя способами на основе анализа гистограмм эмпирических распределений каждого фактора, включенного в анализ. Отбор факторов производится на основе тщательного анализа информации, полученной: от экспертов; из технической документации; из научно-технической литературы; в результате экспериментальных исследований.

Разбиение на группы производится двумя способами:

1) границы факторов выбираются из условия их равномерного заполнения данными;

2) диапазон изменения каждого фактора делится на заданное число участков (подинтервалы) равной длины.

Каждая группа кодируется числом k_i (k_i =1, …, K_i - число участков для i_го фактора), а комбинация (сочетание) групп по всем факторам - строкой < k₁ k₂ … k_i … k_I >.

В результате этих процедур производится сжатие массива исходных данных. Число данных X^(m), Y^(m) уменьшается до M N.

Например, в анализ включено три фактора х₁, х₂, х₃. Первый и третий фактор имеют количественные значения, второй - качественные (температура: низкая, средняя, высокая). Диапазон изменения численных значений первого фактора разбиваем на четыре подинтервала (k₁=4), исходя из 1_го способа разбиения. Диапазон изменения третьего - на два (k₃=2).

В итоге получаем 24 (k₁ k₂ k₃ = 4 3 2 = 24) альтернативных варианта - сочетаний технологических факторов (технологических ситуаций), которые могут иметь различную степень повторяемости, оцениваемую абсолютной частотой возникновения конкретной альтернативы, и при которых получается продукция определенного качества (y_j^(m)).

Для того, чтобы оценить качество продукции проведем разбиение значений каждого показателя качества Y_j на L_j групп, получая при этом соответствующую совокупность значений (l_j =1, …, L_j; j =1, …, J). Базовые значения выбираются из стандартов или технических условий потребителей.

Решение задачи заключается в том, чтобы выбрать такой альтернативный вариант, который дает максимально возможное совпадение фактических показателей качества y_j^(m) с желаемыми (заданными) y_j^*. Предусмотрено два решения задачи: первое позволяет определить степень близости y_j^(m) к y_j^* из условия совпадения максимального числа показателей, второе учитывает важность показателей, т. е. выбор производится в соответствии с приоритетом каждого показателя.

Выбор наилучшей альтернативы основан на расчете, оценке и выборе наибольшего значения условной относительной частоты:

для первого решения - , (2)

где n_m=, Р_m=, P_jm=,,

C_jm - абсолютная частота реализаций m_го альтернативного варианта, при которых совпали фактические значения показателей качества y_j^(m) с заданными y_j^*;

Р_jm - соответствующая относительная частота;

j=1,…, J - число показателей качества; М^Л - число лучших альтернатив (см. [11]);

для второго решения - , (3)

где , - абсолютная частота реализаций m_го альтернативного варианта, при которых каждый фактический показатель совпал с каждой заданной группой . Величины рассчитывают для того, чтобы определить какие именно показатели качества совпали с заданными (попали в заданную группу) и реализовать их по важности.

Задача выбора наилучшего режима обработки металла решается следующим образом (алгоритм решения):

1. Задание групп металла (выбирается в зависимости от размеров полос, химического состава стали и марки назначения готовой продукции).

2. Выбор показателей качества готовой продукции (согласно ГОСТ, ТУ потребителя и т. п. - в зависимости от производственного задания).

3. Разбиение на подинтервалы диапазонов изменения каждого показателя качества готовой продукции и задание приоритетного подинтервала.

4. Задание технологического маршрута обработки.

5. Выбор необходимых технологических факторов обработки на каждом агрегате.

Разбиение на подинтервалы диапазонов изменения каждого из выбранных технологических факторов обработки.

1. Задание количества подинтервалов для каждого из выбранных технологических факторов обработки.

2. Задание метода разбиения на подинтервалы для выбранных технологических факторов обработки.

3. Задание конкретного технологического фактора.

4. Расчет границ подинтервалов технологического фактора либо из условия их равной длины, либо из условия их равномерного заполнения.

5. Запоминание значений границ подинтервалов технологического фактора.

Повторяем п. 3. для каждого из выбранных технологических факторов.

7. Выбор наилучших подинтервалов из диапазонов изменения каждого технологического фактора каждого агрегата цеха.

7.1. Кодирование выделенных подинтервалов каждого технологического фактора.

7.2. Построение строки сочетаний подинтервалов технологических факторов (технологическая ситуация) - < k₁ k₂ … k_i … k_I >.

7.3. Поиск одинаковых технологических ситуаций и вычисление их абсолютной частоты n_m.

7.4. Выбор пути решения задачи многокритериальной оптимизации:

Из условия совпадения максимального числа показателей качества.

7.4.1. Вычисление C_jm, Р_jm, Р_m.

7.4.2. Вычисление порогового значения (см. (4.8) [22]).

7.4.3. Нахождение числа лучших альтернатив М^Л.

7.4.4. Вычисление условной относительной частоты Р_m^H.

7.4.5. Нахождение соответствующих наилучших подинтервалов изменения технологических факторов.

Из условия важности показателей качества.

7.4. Вычисление , .

7.4.7. Вычисление порогового значения .

7.4.8. Нахождение числа лучших альтернатив М^Л.

7.4.9. Вычисление относительной частоты .

7.4.10. Нахождение соответствующих наилучших подинтервалов изменения технологических факторов.

8. Выбор количественных значений факторов из определенных в п. 7.4.5 или п. 7.4.10 подинтервалов.

8.1. Средние значения подинтервалов подставляются в математические модели (5.1) и вычисляются количественные значения y_j показателей качества.

8.2. Вычисленные значения сравниваются с нижней и верхней границами подинтервалов каждого показателя качества.

8.3. Проверка условия

y_j^* _(min) y_j y_j^* _(max). (4)

8.4. Выполнение условия (4). Вычисления завершаются.

Не выполнение условия (4). Из подинтервалов значений технологических факторов выбираются другие количественные значения по методу половинного деления (может также использоваться метод золотого сечения).

8.5. Выбор производится до выполнения условия (4).

Представленный практический метод принятия решения при поиске и выборе наилучших режимов обработки металла реализован в автоматизированной системе управления качества продукции ЛПЦ_5 ОАО «НЛМК» [22].

Результаты экспериментальной проверки разработанного метода представлены ниже.

Пример

Требуется получить готовый прокат марок 2212, М400-50А и V600-50А, отвечающий требованиям ГОСТ 21427.2-83, EN 10106, DIN 46400.1 соответственно, толщиной 0,5 мм.

Показатели качества готового проката, соответствующие заданным стандартам, представлены в табл. 5.2 (пункты 1-2 алгоритма).

Таблица 2. Показатели качества готового проката

№ п/п	Сталь Марки	P1,5/50, Вт/кг	B2500, Тл	?B, МПа	?4, %	HV5, ед	ЧП, шт
1	2212	не более 5,0	не менее 1,60	300-450	20-35	120-145	не менее 10
2	М400-50А	не более 4,0	не менее 1,53	-	-	-	-
3	V600-50А	не более 6,0	не менее 1,55	-	-	-	-



Примечания: Р_1,5/50 - удельные магнитные потери при индукции 1,5 Тл и частоте 50 Гц; B₂₅₀₀ - магнитная индукция при напряженности магнитного поля 2500 А/м; ?_B - предел прочности; ₄ - относительное удлинение; HV₅ - твердость по Виккерсу; ЧП - среднее арифметическое число перегибов.

Подинтервалы диапазонов изменения показателей качества готовой продукции для сталей марок 2212, М400-50А, V600-50А выбраны из условия их равномерного заполнения данными (пункт 3 алгоритма) и приведены соответственно в табл. 3-5.

Таблица 3. Подинтервалы диапазонов изменения показателей качества готовой продукции для стали марки 2212

№ п/п	Показатель качества	Единицы измерения	Подинтервалы диапазонов
			1	2	3
1	P1,5/50	Вт/кг	3,40-5,00	5,01-5,36	-
2	B2500	Тл	1,57-1,59	1,60-1,7	-
3	sB	МПа	360-450	451-475	-
4	d4	%	23-35	35,1-36	-
5	HV5	ед	110-119	120-145	146-162
6	ЧП	шт	31-70	-	-

Примечание: общее количество данных 1900

Таблица 4. Подинтервалы диапазонов изменения показателей качества готовой продукции для стали марки М400-50А

№ п/п	Показатель качества	Единицы измерения	Подинтервалы диапазонов
			1	2	3
1	P1,5/50	Вт/кг	3,40-4,00	4,01-5,36	-
2	B2500	Тл	1,57-1,7	-	-
3	?B	МПа	360-475	-	-
4	?4	%	23-36	-	-
5	HV5	ед	110-162	-	-
6	ЧП	шт	31-70	-	-



Примечание: общее количество данных 1500

Таблица 5. Подинтервалы диапазонов изменения показателей качества готовой продукции для стали марки V600-50А

№ п/п	Показатель качества	Единицы измерения	Подинтервалы диапазонов
			1	2	3
1	P1,5/50	Вт/кг	3,40-5,36	-	-
2	B2500	Тл	1,57-1,70	-	-
3	?B	МПа	360-475	-	-
4	?4	%	23-36	-	-
5	HV5	ед	110-119	-	-
6	ЧП	шт	31-70	-	-

Примечание: общее количество данных 2500

Приоритетные подинтервалы для показателей качества закодированы следующим образом: для 2212 - 121121, для М400-50А - 111111, для V600-50А - 111111.

Металл будет проходить следующие агрегаты (пункты 4-5 алгоритма): агрегат подготовки горячекатаных рулонов (АПГР), непрерывный травильный агрегат (НТА), непрерывный стан холодной прокатки 1400 (НСХП), агрегат подготовки холоднокатаных рулонов (АПХР), агрегат непрерывного отжига (АНО), агрегаты продольной резки (АПрР). Будем рассматривать технологические факторы обработки на непрерывном стане 1400 и агрегате непрерывного отжига, а также будем учитывать исходный химический состав стали. Подинтервалы диапазонов изменения технологических факторов обработки на непрерывном стане 1400, на агрегате непрерывного отжига (АНО) и химического состава стали выбраны также из условия их равномерного заполнения данными и представлены в табл. 6 (пункт 6 алгоритма).



Таблица 6. Подинтервалы диапазонов изменения технологических факторов обработки и химического состава стали

№ п/п	Факторы	Единицы измерения	Подинтервалы диапазонов
			1	2	3
1	P	%	0,007-0,014	0,015-0,080	0,081-0,162
2	Si		0,900-1,230	1,231-1,320	1,321-1,750
3	Ti		0,004-0,007	0,0071-0,0080	0,0081-0,0200
4	Vпр	м/мин	319,3-602,2	602,3-636,8	636,9-849,4
5	e1	ед	0,225-0,316	0,317-0,336	0,337-0,419
6	e2	ед	0,292-0,350	0,351-0,359	0,360-0,425
7	e4		0,156-0,214	0,215-0,232	0,233-0,305
8	eS		0,757-0,773	0,774-0,776	0,777-0,803
9	tН1	С	784-824	825-829	830-843
10	tВ1		784-894	895-900	901-911
11	tН2		794-902	903-909	910-966
12	tВ2		794-905	906-910	911-962
13	tКРО		384-468	469-491	492-726
14	tКСО		266-364	365-383	384-652
15	VАНО	м/мин	15-27	28-29	30-35
16	DsАНО	даН	2-22	23-28	29-50

Примечания: Р, Si, Ti - исходное содержание фосфора, кремния и титана соответственно; e₁,--e₂,--e₄,--e_S, - частные обжатия в 1, 2, 4 клетях и суммарное обжатие соответственно; V_пр - скорость прокатки; t_Н1, t_В1, t_Н2, t_В2, t_КРО, t_КСО - температура защитной среды в 1_й камере нагрева и выдержки, во 2_й камере нагрева и выдержки, в камерах регулируемого и струйного охлаждения АНО соответственно; V_АНО - скорость обработки полосы в АНО; Ds_АНО - разница натяжений на выходе и входе АНО.

Задача отыскания наилучшей технологии решена из условия совпадения максимального числа показателей качества по наибольшему значению условной относительной частоты P^H_m (см. (5.2), пункты 7.4.1-7.4.5 алгоритма).

Некоторые расчетные промежуточные величины для наилучших технологических ситуаций представлены в табл. 7.

Таблица 7. Наилучшие технологические ситуации

№ п/п	Сталь марки	Технологическая ситуация	Рm	РmH
1	2212	3133133211111111	0,1724	0,0007
2	М400-50А	1213131123312332	0,1034	0,0003
3	V600-50А	3131113111111112	0,1034	0,0003

В табл. 8 представлены подинтервалы и средние значения технологических факторов, которые с наибольшей вероятностью обеспечивают получение проката с заданными показателями качества.

Таблица 8. Подинтервалы технологических факторов, обеспечивающие с наибольшей вероятностью получение заданного качества проката

№ п/п	Факторы	Ед. измер.	2212	М400-50А	V600-50А
			Подинтер.	Ср.	Подинтер.	Ср.	Подинтер.	Ср.
1	P	%	0,081-0,162	0,121	0,007-0,014	0,011	0,081-0,162	0,121
2	Si		0,900-1,230	1,065	1,231-1,320	1,275	0,900-1,230	1,065
3	Ti		0,0081-0,020	0,014	0,004-0,007	0,005	0,0081-0,020	0,014
4	Vпр	м/мин	636,9-849,4	743,2	636,8-849,4	743,1	319,3-602,2	460,8
5	?1	ед	0,225-0,316	0,270	0,225-0,316	0,27	0,225-0,316	0,27
6	?2		0,360-0,425	0,392	0,360-0,425	0,392	0,292-0,350	0,321
7	?4		0,233-0,305	0,268	0,156-0,214	0,185	0,233-0,305	0,268
8	??		0,774-0,776	0,775	0,757-0,773	0,765	0,757-0,773	0,765
9	tН1	С	784-824	804,0	825-829	826,5	784-824	804,0
10	tВ1		784-894	839,0	901-911	905,5	784-894	839,0
11	tН2		794-902	848,0	910-966	937,5	794-902	848,0
12	tВ2		794-905	849,5	794-905	849,5	794-905	849,5
13	tКРО		384-468	426,0	469-491	479,5	384-468	426,0
14	tКСО		266-364	315,0	384-652	517,5	266-364	315,0
15	VАНО	м/мин	15-27	21	30-35	32	15-27	21
16	DsАНО	даН	2-22	12	23-28	25	22-28	25



Примечания: Подинтер. - подинтервал, Ср. - среднее значение из подинтервала

Вычисляем значения показателей качества, подставляя средние значения технологических факторов из выбранных подинтервалов (см. табл. 8) в разработанные математические модели (см. табл. 3, пункт 8 алгоритма).

Результаты расчета приведены в табл. 9.

Таблица 9. Расчетные значения показателей качества

№ п/п	Сталь марки	P1,5/50, Вт/кг	B2500, Тл	sB, МПа	d4, %	HV5, ед	ЧП, шт
1	2212	4,46	1,62	420	31	138	51
2	М400-50А	4,10	1,63	-	-	-	52
3	V600-50А	4,50	1,62	-	-	-	51

Проверяем условие (4) (пункт 8.3 алгоритма). Выбранная технология обработки с максимальной вероятностью обеспечивает получение проката с требуемыми показателями качества для стали марки 2212 и V600-50А.

Для стали марки М400-50А удельные магнитные потери (P_1,5/50) выше заданного значения (условие (4) не выполняется). Варьируем технологические факторы обработки проката в АНО с учетом степени их влияния на механические и электромагнитные свойства металла в границах выбранных подинтервалов. В первую очередь корректируем режим натяжений в АНО, оказывающий наименьшее влияние на механические и электромагнитные свойства проката. Затем скорость прохождения полосы через агрегат, и в последнюю очередь температурный режим в различных зонах агрегата в направлении движения полосы - нагрев, выдержка и т. д. С учетом сказанного скорректировали значения натяжения, скорости обработки и температуры в 1_й камере нагрева: ??_АНО=28 (даН), V_АНО=30 (м/мин), t_Н1=829 (С). После варьирования факторов показатели качества имеют следующие значения: P_1,5/50=3,97 (Вт/кг), B₂₅₀₀=1,62 (Тл), ЧП=52 (шт.). Условие (4) выполняется. Наилучшие режимы обработки найдены.

Представленный метод принятия решений вместе с математическими моделями, приведенными в предыдущих главах и в работе [22], составляют основу математического обеспечения АСУК ЛПЦ, порядок построения, структура и основные функции которой подробнее рассмотрим в следующих разделах главы.

прокатка автоматизированный управление тонколистовой

2. Основные функции и структура автоматизированной системы управления качеством продукции ЛПЦ

Авторами разработаны основные принципы построения и определены функциональные задачи, решаемые АСУК, которые представлены в форме таблицы (табл. 10).

Таблица 10. Основные функции АСУК

№ п/п	Наименование функциональной задачи
1. Подсистема сбора данных измерений показателей качества полупродукта, готовой продукции и технологических режимов на различных агрегатах цеха
1.1	Выделение единиц (порций) металла, контролируемых в процессе производства, и единиц гарантии качества готового проката.
1.2	Сбор данных показателей качества полупродукта и готовой продукции определенного вида.
1.3	Сбор данных и контроль отбракованной и переведенной в пониженные сорта продукции определенного вида (с указанием вида дефекта).
1.4	Сбор данных и контроль технологических факторов обработки на различных агрегатах цеха.
1.5	Построение распределений различных показателей качества продукции, оценка их изменений во времени и выявление закономерных трендов для определенных видов продукции.
1.6	Определение и периодическая оценка взаимосвязи между отдельными показателями качества конкретного вида продукции для снижения размерности (уменьшения компонент) вектора управляемых показателей.
1.7	Построение причинно-следственных диаграмм формирования отдельных (наиболее важных) показателей качества и основных видов дефектов продукции определенного вида.
2. Подсистема управления плоскостностью полос
2.1	Построение математических моделей процесса формирования эпюры продольных остаточных напряжений в полосе на основных агрегатах цеха.
2.2	Расчет регулирующих воздействий на прокатном стане (при заданных значениях станочных профилировок рабочих валков и режимов прокатки), режимов обработки на АНО (из заданных диапазонов), а также регулирующих воздействий на дрессировочном стане (для углеродистых марок сталей) из условия получения заданной плоскостности готового проката.
2.3	Определение корректирующих воздействий на каждом агрегате в режиме реального времени в случае отклонения характеристик неплоскостности полос от заданных значений.
2.4	Идентификация локальных утолщений на подкате и соответствующая настройка средств регулирования стана холодной прокатки.
3. Подсистема прогнозирования регламентированных показателей качества готовой продукции
3.1	Построение математических моделей процесса формирования показателей качества полупродукта и готовой продукции.
3.2	Прогноз показателей качества определенных видов продукции и полупродукта по текущим значениям технологических режимов обработки металла.
3.3	Переназначение заданной порции определенного вида продукции в случае необходимости (неправильный выбор режимов обработки, изменение заказа, отсутствие спроса и т. д.) по мере прохождения металла по технологической линии.
3.4	Аттестация заданной порции определенного вида продукции.
4. Подсистема анализа технологии производства и выбора наилучших технологических режимов обработки металла на различных агрегатах цеха
4.1	Поиск и выбор наилучших вариантов технологии обработки металла на различных агрегатах цеха при производстве определенного вида продукции с заданными показателями качества.
4.2	Определение наиболее эффективных способов управления технологическими и производственными процессами в цехе в функции заданного вектора показателей качества.
4.3	Определение оптимальных корректирующих воздействий с указанием непосредственных исполнителей (субъект, система, регулятор и т. п.).
5. Подсистема управления качеством поверхности полос
5.1	Построение математических моделей прогнозирования эпюры удельных натяжений в полосе в межклетевых промежутках стана холодной прокатки.
5.2	Расчет уставок СРП различных клетей многоклетевого стана из условия минимума вероятности обрывов и образования дефектов поверхности.
5.3	Текущая коррекция уставок в режиме «on-line» в случае невыполнения условия (п. 5.2).
5.4	Задание эпюры удельных натяжений в САРП стана в зависимости от поперечного профиля полосы.
5.5	Расчет и корректировка напряженного состояния рулонов, назначенных на обработку в отделение колпаковых печей.
Подсистема оценки и контроля распределения механических и электромагнитных свойств по длине и ширине полос
1	Построение математических моделей для количественной оценки неравномерности распределения регламентируемых показателей качества по длине и ширине полос.
2	Расчет и оценка величины изменения показателей качества по длине и ширине полос.
3	Контроль изменения по длине и ширине полос механических и электромагнитных свойств и аттестация готовой продукции цеха

Программное обеспечение АСУК, предназначенное для реализации основных ее задач, находится на сервере АСУК. Для работы системы необходимы данные о технологических режимах обработки порции металла (рулона) на всех агрегатах цеха, которые поступают на сервер АСУК из сервера цеховой системы слежения за металлом (ССМ). На Сервере АСУК предусмотрена возможность длительного хранения обработанных данных, которые непосредственно используются при работе системы.

На сервере ССМ находится центральная база данных (сервер ЦБД), где накапливается информация об усредненных значениях технологических величин обработки по рулону на каждом агрегате. На сервере технологической базы данных (сервер ТБД) предусмотрено накопление данных о технологических величин обработки рулона по его длине. На сервер ЦБД и сервер ТБД данные поступают из серверов агрегатного уровня (АУ). Сервера агрегатного уровня обрабатывают информацию, формируемую программируемыми логическими контроллерами JSP_315 на основе показаний датчиков, приборов КИП, программируемых логических контроллеров JSP_1000, которые находятся на агрегатах цеха. Связь программируемых логических контроллеров JSP_315 с серверами агрегатного уровня организована по токовому контуру через концентраторы последовательных линий RocketPort.

Результаты работы из сервера АСУК передаются в локальную сеть, откуда ее может востребовать лицо, принимающее решение (ЛПР), - заместитель начальника цеха по технологии, ответственное лицо от экспериментальной группы, начальник прокатного участка, начальник термического участка, работники УТК.

При разработке АСУК необходимо учитывать время прохождения металла по агрегатам цеха и величину промежутков времени, в течении которых можно эффективно воздействовать на процесс обработки порции металла с целью получения заданных показателей качества готовой продукции. С учетом этого выделены два уровня функционирования системы: тактический и оперативный.

Тактический уровень системы обеспечивает:

- сбор, учет и контроль данных о показателях качества продукции и технологических режимах обработки полосы на различных агрегатах цеха, - прогноз регламентированных показателей качества и плоскостности готовой продукции,

- выбор наилучших вариантов технологии и управляющих воздействий на основных агрегатах цеха с целью получения готовой продукции с заданным уровнем качества и заданной плоскостностью,

- расчет количественных значений показателей качества на заданных участках по длине и ширине полос.

Информация, полученная на тактическом уровне, должна использоваться заместителем начальника цеха по технологии, специалистами экспериментальной группы, которые задают режимы обработки металла, начальниками участков цеха, работниками УТК.

Оперативный уровень предусматривает:

- расчет показателей качества и плоскостности полос для порции металла (рулона), находящейся в процессе обработки,

- расчет корректирующих воздействий на текущем (последующем) агрегате в случае несоблюдения технологии обработки на предыдущем.

3. Порядок построения автоматизированной системы управления качеством продукции ЛПЦ

Как уже отмечалось выше процесс разработки и практического внедрения АСУК ЛПЦ включает и обобщает целый комплекс взаимосвязанных научно-исследовательских и промышленных работ, выполняемых в логической последовательности в течение, как правило, достаточно продолжительного промежутка времени из-за их большого объема. Для более удобного восприятия этот процесс представлен на рис. 3 в форме блок-схемы, где в качестве отдельных блоков приведены отдельные взаимосвязанные этапы по созданию и внедрению АСУК.

Работы по созданию АСУК сопровождаются и дополняются научно-исследовательскими работами по совершенствованию технологии и модернизации существующих АСУ и САУ.

В качестве практических примеров на рис. 4 и 5 приведены блок-схемы построения отдельных подсистем АСУК качеством ЛПЦ, из которых можно оценить трудоемкость, сложность и неразрывность проведения научно-исследовательских, проектных и внедренческих работ, производимых на каждом этапе построения.

Схемы построения других подсистем, включенных в состав АСУК (см. рис. 3), идентичны приведенным на рис. 4 и 5.

Таким образом, выполнив комплекс работ, перечисленных на схемах, можно построить эффективную систему управления качеством продукции листопрокатного цеха металлургического комбината, которая поможет решать все задачи, связанные со своевременным производством заданных видов тонколистового проката заданного качества с минимальными затратами.



Литература

1. Жиляев А.П.: Superplasticity and Grain Boudaries in Ultrafine-Grained Materials. - Cambridge: Cambridge International Science Publishing, 2010

2. Колесник П.А.: Материаловедение на автомобильном транспорте. - М.: Академия, 2010

3. Магомедов М.Н.: Изучение межатомного взаимодействия, образования вакансий и самодиффузии в кристаллах. - М.: ФИЗМАТЛИТ, 2010

4. Симонов Е.: Гипсокартонные работы своими руками. - СПб.: Питер, 2010

5. Симонов Е.В.: Дизайн, перепланировка, отделка квартир. - СПб.: Питер, 2010

6. [под общ. ред. М.М. Криштала; рец.: А.М. Глезер, В.С. Кондратенко]; Криштал М.М. и др.: Сканирующая электронная микроскопия и рентгеноспектральный микроанализ в примерах практического применения. - М.: ТЕХНОСФЕРА, 2009

7. Габуда С.П.: Неподеленные электронные пары и химическая связь в молекулярных и ионных кристаллах. - Новосибирск: СО РАН, 2009

8. Головин Ю.И.: Наноиндентирование и его возможности. - М.: Машиностроение, 2009

9. М-во образования и науки РФ, Федеральное агенство по образованию, Санкт-Петербургский гос. электротехнический ун_т «ЛЭТИ»: Развитие инфрастуктуры наноиндустрии в Российской Федерации на 2008-2010 годы. - Тверь: Тверской государственный университет, 2009

10. М-во образования и науки Украины, Харьковский национальный ун_т им. В.Н. Каразина; рец.: И.Е. Проценко, А.Г. Багмут: Наноматериалы, нанопокрытия, нанотехнологии. - Харьков: ХНУ им. В.Н. Каразина, 2009

11. под ред. В.С. Чередниченко; [рец.: Г.П. Фетисов и др.]: Материаловедение. - М.: Омега_Л, 2009

12. Порубов А.В.: Локализация нелинейных волн деформации. - М.: ФИЗМАТЛИТ, 2009

13. Солнцев Ю.П.: Материаловедение. - М.: Академия, 2009

14. Жиляев А.П.: Сверхпластичность и границы зёрен в ультрамелкозернистых материалах. - М.: Физматлит, 2008

15. под ред. С.Б. Рыжова: Стали и сплавы энергетического оборудования. - М.: Машиностроение, 2008

16. Сильман Г.И.: Материаловедение. - М.: Академия, 2008

17. Тюрин Ю.Н.: Плазменные упрочняющие технологии. - Киев: Наукова думка, 2008

18. Черепахин А.А.: Материаловедение. - М.: Академия, 2008

19. Чумаченко Ю.Т.: Материаловедение. - Ростов н/Д: Феникс, 2008

Размещено на Allbest.ru