قامت EVRAZ بتطبيق شبكة عصبية لتسخين الفولاذ وتقليل استهلاك الغاز في مصنع الدرفلة

حكت إيفراز كيف استبدلت في الدرفلة الساخنة بمصنع NTMK الضبط اليدوي للأفران بنظام توصيات بناءً على نموذج رياضي وشبكة عصبية. لم يكن الهدف أتمتة من أجل التقرير، بل تقليل الإفراط في استهلاك الغاز أثناء تسخين الشغلة دون فقدان جودة الدرفلة.

لماذا كان الغاز يُهدر

في الدرفلة الساخنة، تمر الشغلات عبر أفران التسخين قبل تغذيتها في آلة الدرفلة، وعلى الورقة تبدو هذه المرحلة قياسية. في الممارسة العملية، يتصرف كل فرن بشكل مختلف: تختلف البناء، حالة الموقد، تآكل البطانة الحرارية وحتى المسار الذي تسلكه الشغلة إلى أول وقف. تتأثر النتيجة أيضاً بنوع الفولاذ، المقطع، درجة الحرارة قبل التحميل، التحويلات المخطط لها والتوقفات غير المخطط لها.

بالنسبة لورشة بها نطاق واسع من الأنواع، هذا يعني أن النمط نفسه لا يناسب تقريباً جميع الدفعات على التوالي. في السابق، كان المشغلون ينظمون درجة الحرارة والوقت والاستهلاك اليدوي للغاز بناءً على التعليمات والخبرة والحالة الحالية للمعدات. رسمياً، كانت القواعد مشتركة للجميع، لكن في نوبات العمل الحقيقية، كان يتعين تكييفها باستمرار مع الموقف.

لهذا السبب، أظهرت فرق مختلفة استهلاك وقود مختلف، وعند الانتقال بين أنواع المنتجات، أصبح الإفراط في الاستهلاك يقترب من أن يصبح الحالة الطبيعية. تصف إيفراز المشكلة بشكل مباشر من خلال الفجوة بين المستند وأرضية الورشة الحقيقية.

"اتبع التعليمات التكنولوجية."

مما تم بناء النموذج

فهمت الفريق بسرعة أن نموذج ML البحت لن يساعد هنا. يتم قياس درجة حرارة الشغلة فقط عند مدخل ومخرج الفرن، وليس هناك تقريباً بيانات عن كيفية تسخين المعادن أثناء الدورة. لذا قاموا بعمل الأساس الفيزيائي: نموذج رقمي للتسخين بناءً على قانون التوصيل الحراري، مع الأخذ في الاعتبار الحرارة من المواقد والحمل الحراري والتبادل الحراري بالإشعاع والاتصال وخصائص المعادن عند درجات حرارة مختلفة.

بشكل منفصل، أخذ النموذج في الاعتبار تكون الأكسيد، الذي يخلق فعلياً طبقة عازلة حرارية على سطح الشغلة. لجعل النظام يعمل في ورشة حقيقية، كان يتعين ضبط النموذج لأفران محددة وأنماط إنتاج حقيقية. أثناء مرحلة الضبط، برزت تفاصيل نادراً ما تكون مرئية في الرسوم البيانية المجردة: امتصاص الهواء من الورشة، تأثير تباعد توزيع الشغلات، توقفات معروفة أثناء التحويلات وحتى صعوبات في تفسير بيانات مقياس الحرارة بعد وقف الضغط.

• الاختلافات في هندسة الأفران وموضع المواقد
• امتصاص الهواء من الورشة إلى جو الفرن
• تباعد توزيع الشغلات والفجوات بينها
• توقفات معروفة أثناء تحويلات آلة الدرفلة
• خصائص عشرات أنواع الفولاذ وأشكال مقاطع مختلفة

بعد ذلك، قاموا بتعبئة نتائج النمذجة الرقمية في شبكة عصبية. تم تدريبها على بيانات حسابية من عشرات الآلاف من سيناريوهات التسخين المستخرجة من الأرشيف التاريخي على مدى عدة سنوات. أعطى هذا النهج الهجين النظام شيئين في نفس الوقت: الدلالة الفيزيائية والسرعة الكافية للوقت الفعلي الناعم. كانت النتيجة توأماً رقمياً لعملية التسخين لا يتنبأ فقط بدرجة حرارة الشغلة بل يقترح على المشغلين كيفية ضبط مناطق الفرن والمواقد لدفعة محددة.

الاختبار في الإنتاج

قبل التطبيق، تم التحقق من النموذج على أساس معيارين رئيسيين. أولاً، قارنوا درجة الحرارة المحسوبة للشغلة ببيانات مقياس الحرارة عند مخرج الفرن، وليس بعد وقف الضغط حيث تكون الصورة مشوهة بالفعل بسبب التبريد اللاحق. ثانياً، استخدموا اختبارات مؤرشفة لشغلات مجهزة حرارياً بأجهزة استشعار داخل المعادن.

على الرغم من أن الفرن خضع لإصلاح شامل منذ تلك الاختبارات، ساعدت البيانات على تأكيد أن النموذج يعكس بشكل صحيح ملف التسخين الحقيقي. بشكل منفصل، قيمت إيفراز مدى دقة حساب النظام لاستهلاك موارد الطاقة المطلوبة بمرور الوقت. للقيام بذلك، قارنوا القيم الفعلية والنموذجية باستخدام معامل التحديد R².

تقول الشركة أنها حققت 0.75 — كافٍ لإظهار ملاءمة النموذج للإنتاج والإدارة. بعد الجزء التقني، أنشأوا واجهة عمل: يرى المشغلون مخطط الفرن حسب المناطق والتوصيات لضبط المواقد.

تم اعتبار التجربة الأولية في ورشة واحدة ناجحة، لا يتم الكشف عن الأرقام الدقيقة للتوفير، لكن النظام يُحضر بالفعل للتوسع إلى أفران أخرى في المؤسسة.

ما يعنيه هذا

تُظهر هذه الحالة بشكل جيد إلى أين تتجه الذكاء الاصطناعي الصناعي فعلاً. جاء التأثير الأكثر فائدة هنا ليس من روبوت محادثة عالمي، بل من مزيج من التوأم الرقمي والبيانات التاريخية والاقتراحات المفهومة من قبل المشغل. إذا بدأت هذه الأنظمة بالانتشار، ستتمكن الصناعة المعدنية من توفير الطاقة ليس من خلال قيود صارمة، بل من خلال ضبط أكثر دقة للعملية لكل دفعة محددة.