混凝土是全球應用最廣泛的材料之一，而混凝土生產又離不開水泥。但是水泥行業(yè)作為污染排放大戶又飽受詬病。
面對日趨嚴格的環(huán)保法規(guī)，水泥生產商想要保持競爭力就離不開智能化運營。技術革新是水泥生產商實現(xiàn)生產改進 (比如優(yōu)化能源管理) 的重要一環(huán)。
如今，機器學習等新興技術為水泥生產開啟了更多可能性。機器學習可以幫助這些企業(yè)改進維護策略，及早預判系統(tǒng)故障，避免發(fā)生代價高昂的停機事故，從而提升機器性能并降低能耗。
機器學習使用統(tǒng)計技術，使計算機系統(tǒng)能夠“學習”數(shù)據（即逐步提高性能），而不需被動的編程。有了自適應機器學習算法，全球水泥生產商實施效能預測和預測性維護策略更易取得成功。
機器學習技術的應用
如今，水泥行業(yè)及其他類似行業(yè)正在大量應用機器學習技術。下面，我們將探討各類機器學習技術及各自的優(yōu)勢。
01 預測性維護
羅克韋爾自動化工業(yè)物聯(lián)網FactoryTalk Innovation Suite™套件，對水泥廠云平臺建立并進行云計算，對設備進行預測性維護，預判主要設備或系統(tǒng)何時會發(fā)生故障，幫助維護團隊能夠及早發(fā)現(xiàn)并解決問題，避免非計劃停機。理想情況下，這項技術可以通過機器學習記錄相關數(shù)據，并映射以往發(fā)生的故障，最終理解各類故障的特征并進行分類。日后，當曾經誘發(fā)某一故障的類似模式出現(xiàn)時，系統(tǒng)便可加以識別并通知操作人員進行維護，以避免停機事故并降低維護成本 (隨時間的推移不斷增加)。
02 異常檢測
檢測異常狀態(tài)和軟儀表測量，基于現(xiàn)有數(shù)據建立模型，在無需數(shù)據專家介入情況下，判斷各工序 (如配料、粉磨、預熱及燒成) 是否符合系統(tǒng)操作的正常模式，幫助操作員及早發(fā)現(xiàn)異常情況或生產過程中出現(xiàn)的問題。
舉個例子，假設篦冷機系統(tǒng)出現(xiàn)問題，以致無法充分冷卻。借助異常檢測，系統(tǒng)可以識別出異常情況——冷卻系統(tǒng)在當前負載下排出的廢氣溫度過高，讓操作人員更早地獲取預警信息，這是常規(guī)報警機制無法企及的。因此，在停機事故、效能長期不良或其他問題發(fā)生前，操作人員就能做出反應。
03 預測性 KPI 指標
羅克韋爾自動化工業(yè)物聯(lián)網FactoryTalk Innovation Suite™套件和邊緣計算模塊部署，云邊結合計算，可以預測最終結果并判斷導致效能不良的原因，包括產品質量、能效、產量等。該技術利用回歸分析法預測典型的工藝指標，并判斷工藝指標是否在指定范圍內。
KPI指標舉例：水泥的比表面積或熟料游離氧化鈣含量是否在設定范圍內？回轉窯煅燒溫度是否正常，如果不正常，如何使其恢復到指定范圍？尾氣排放是否合規(guī)？
04 模型預測控制 (MPC)
羅克韋爾自動化原料磨和水泥磨MPC解決方案控制磨機進料、旋粉機轉速、磨輥壓力、噴水量等操作變量，控制磨機出料顆粒度滿足質量要求并靠近上限，同時滿足磨機電流，振動，噪音以及提升機電流等約束變量使得磨機產能總是趨近磨機的最大產能，還能夠根據磨機運行狀況利用模型預測磨機顆粒度，實現(xiàn)控制目標。
羅克韋爾自動化水泥窯MPC解決方案控制生料進料量、窯頭及窯尾喂煤量、ID風機轉速或擋板開度、窯轉速、篦冷機轉速等，提高窯產量并將熟料產品質量控制在規(guī)定的范圍內，同時還控制預熱器出口及窯尾的氣相組成，將氧含量控制在最經濟燃燒的范圍并使CO濃度在安全范圍內，提高燃料利用率及滿足環(huán)保排放NOx的要求；羅克韋爾自動化的水泥窯解決方案由于在實時控制的過程中能夠提前預測窯內的運行狀況，因此能夠提前采取措施從而減少操作過程的波動，即使出現(xiàn)內外部干擾，控制性能依然表現(xiàn)卓越，同時在設定的約束條件內，實現(xiàn)實時優(yōu)化操作，而且能夠極大的降低操作人員的工作強度。
羅克韋爾自動化水泥MPC解決方案技術優(yōu)勢關鍵體現(xiàn)在以下幾點：
▪ 能夠在短時間內開發(fā)過程的控制模型并進行在線調整，相比基于操作規(guī)程編程的專家系統(tǒng)能夠節(jié)省大量項目執(zhí)行時間，投資回報周期更短。
▪ 能夠不斷的控制生產過程操作在優(yōu)化操作點，為裝置帶來更大的效益。
▪ 控制器抗干擾能力強，操作人員接受度高，控制器投用率更高。
▪ 控制器的魯棒性強，維護工作量小。
MPC 策略可以同時優(yōu)化控制多個 KPI 指標，包括質量、產量、能耗和設備運行參數(shù)限值。例如，對磨機和回轉窯實施 MPC 策略，通過滿足合適的有效約束條件，最大化效能水平，同時防止設備運行參數(shù)超限。
許多機器學習技術都能減少加班時間，使得水泥廠更輕松地實施上述一種或多種解決方案，幫助操作人員做出決策。
機器學習的目標很簡單：利用數(shù)據為操作人員提供決策支持，或者利用自動化技術對水泥廠進行整體運營優(yōu)化，最終減少計劃外停機時間、提升生產率、節(jié)省運營成本并提高能源利用率。
共0條 [查看全部] 網友評論