楠木軒

焦炭是怎樣煉成的?華為雲助力石橫特鋼“AI優化配煤”

由 宮繼梅 發佈於 科技

焦炭是怎樣煉成的?如果這是一次對人工智能的“考試”,超過97分意味着在保證焦炭質量的前提下,每噸配煤成本可降低15元,按照年產75萬噸焦炭計算,原料煤大概消耗是100萬噸,企業每年大約可節省1500萬元。當然,如只達到90分,並沒有安慰獎,解決方案或將一分不值。

01 每次過剩的冷思考

石橫特鋼就已通過了這次“考試”。這是一家集焦化、鍊鐵、鍊鋼、軋鋼、發電、機械製造、鋼鐵物流於一體的大型鋼鐵聯合企業。2019年,其位列中國製造業企業500強的第196位,實現營業收入425億元,利潤53億元。

此前,中國煉焦行業協會會長崔丕江在綜合分析行業數據後指出,“焦炭需求逐步減少是大勢所趨。”這意味着,作為石橫特鋼的核心業務之一,焦炭生產勢必要遵從“回爐另造”的專業邏輯。

根據相關數據預測,到2030年,中國鋼鐵蓄積量將達到132億噸,廢鋼鐵資源年產出量達到3.3億噸左右。其中,鋼鐵企業可通過“回爐另造”,每年消耗廢鋼鐵2.86億噸。以每1.1噸廢鋼,生產1噸粗鋼計算,將有2.6億噸粗鋼是由廢鋼生產。

變廢為鋼是件好事,但這將直接影響市場對焦炭的需求。如果到2030年,中國粗鋼市場需求保持在7億噸左右,其中只有4.4億噸粗鋼是用高爐加轉爐生產。按照每噸鐵平均消費焦炭435公斤計算,僅需要焦炭2.3億噸左右。而截至2018年底,中國焦炭總產能已經達到4.71億噸。

02 焦炭是怎樣煉成的?

這組數字不容樂觀,但類似的情況,石橫特鋼也並非沒有遇到過。2012年,石橫特鋼啓動ERP、MES系統建設,2014年建成並投入運行。而回顧此時的市場背景,2012年,中國粗鋼產量達到7.23億噸,產能過剩問題已經充分暴露。

彼時,石橫特鋼正是通過一系列信息化建設,提高了運營效率,從而在激烈的行業競爭中脱穎而出。當然,8年之後,類型的情況又擺在面前,只不過這次石橫特鋼想再次突破“天花板”,選擇了“數字化”和“智能化”同步走。

2019年底,為進一步推動肥城工業互聯網發展速度,肥城市政府、征途科技與華為簽訂戰略合作協議,並創建“華為雲(肥城)工業互聯網創新中心”。2020年初,石橫特鋼選擇與華為雲合作,以“配煤優化”為核心場景,切入數字化建設。在此稍作技術層面講解,配煤是煉焦的前置工序之一,其也是影響焦炭生產成本最關鍵的因素,而影響配煤的關鍵因素則包括:原料煤質量、配比、備煤工藝等。

或可如此理解,我們將粗糧和細糧搭配,是為了膳食健康。焦化廠也將“粗糧”和“細糧”搭配,這既為了健康,也為了經濟實惠,而且焦化廠要通過煎炒烹炸等工藝,做出口味純正的菜餚。

03 焦化廠中的烹飪大師

上述的配煤是煉焦工藝的關鍵之一,但“配煤優化”中的學問,遠不只如此簡單,這是一門複雜的工業知識,必須通過工業軟件和專家經驗進行傳承。在焦化企業中,負責配煤工藝的配煤專家,就是焦化工業知識的傳承者。

也可如此比喻,配煤專家即是焦化廠中的烹飪大師,“鹽少許”、“油温七成熱”等就是這些烹飪大師傳承的“工業知識”。他們可以藉此爐火純青的手藝,做出色香味俱全的菜餚——通過考慮不同原料煤的成分、價格、庫存,以及焦炭質量指標等多維度因素,最終做出配煤決策——在每一次焦炭生產中,計劃使用哪些原料煤,比例分別是多少,都有不同。

04 行業機理和人工智能

當然,即使是經驗最為豐富的配煤專家,也很難始終以全局視角,每次做出最優解配煤決策,而這正是石橫特鋼思考的問題:如何基於工業互聯網和人工智能,解構焦炭生產流程,並最終降低生產成本?

“工業互聯網是以機理為核心的工業知識及工業數據,和AI的深度融合。”在此次石橫特鋼的“配煤優化”項目中,華為工業互聯網平台FusionPlant發揮了關鍵作用,但華為工業互聯網解決方案總裁、華為雲人工智能領域總裁賈永利並沒有首先強調平台中的算力和算法,而特別強調了“行業機理+人工智能”的融合。

“行業機理”可理解為行業“知識圖譜”。具體在焦炭行業,即是在生產環境下,諸多要素之間相互聯繫、相互作用的運行規則和原理。而將此進行數字孿生,則要依靠配煤工藝機理模型和工業數據。

華為工業互聯網平台FusionPlant,正是將華為雲EI企業智能與工業行業知識結合,並最終打造形成EI工業智能體。基於華為雲EI工業智能體,智能配煤方案可進一步將配煤工藝機理模型+AI數據驅動的方法結合,並在更廣泛的求解空間內,搜索更優化的配煤方案。

這就是説,該解決方案能夠在滿足焦炭產品質量的前提下,在繼承配煤專家經驗的基礎上,輔助配煤專家做出更好的決策,顯著降低企業配煤成本,幫助焦炭企業實現降本增效。

05 90分都不算及格

當然,“行業機理+人工智能”只是智能配煤方案的理論基礎。項目啓動後,華為雲工程師數次走進石橫特鋼,深入焦化產線與配煤專家共同梳理配煤工藝細節,探討優化決策中的可選方向、技術方案、優化空間。雙方經過反覆討論,在配煤優化場景上形成了三點關鍵共識:精準預測、協同優化、持續迭代。

其實,焦炭生產質量預測和配煤優化決策,是相輔相成的兩個環節。只有關鍵指標的預測準確率,接近或超過97%,才能體現配煤優化決策的價值。如果質量預測準確率低於90%,則在此之上的優化決策可信度將大打折扣。

除此之外,配煤優化決策還需要考慮多目標的約束條件,比如產品質量、設備工況、原料規格、原料價格、原料庫存,並結合企業的關注點實現協同優化。同時,工業產線的工況往往會隨着時間發生變化,AI模型的開發也不可能一蹴而就、一成不變,需要能夠有動態的機制實現持續更新迭代。

06 突破傳統行業機理的“天花板”

石橫特鋼項目中的“三點共識”也只是解決方案的設計原則,而將“圖紙”落地於應用,將人工智能轉變為工業智能,還需腳踏實地,還需完成數據準備、數據預處理、焦炭質量預測模型訓練、配比模型優化、在線配比推薦等諸多工作。

舉例説明,配煤優化方案首先要對原料煤數據、生產過程數據、焦炭產品數據、以及原料煤的採購價格、庫存等相關數據進行匯聚收集,並去粗取精進行數據預處理,之後上傳至華為雲,供構建模型使用。

當然,此後還需反覆對“秘方”進行調試。即以最優質量和最優成本為目標,在約束範圍內改變原料配比,反覆優化模型,並最終獲得最優原料配比。目前,華為雲配煤優化模型通過幾輪迭代,已支持穩定商用,焦炭質量預測準確率超過97%,幫助客户每噸焦炭生產的用煤成本平均降低15元左右。按75萬噸焦炭產能計算,僅“配煤優化”這一應用場景,每年為企業節省煤炭成本接近1500萬元。由此可見,通過與華為雲合作,將“行業機理+人工智能”深度融合,石橫特鋼突破了傳統行業機理的“天花板”極限,不僅將焦炭生產流程進行數字化重構,更是大幅度降低了生產成本,極大地提升了企業市場競爭力。