Разработка модуля поиска похожих шихтовок для MES-системы НЛМК

Решение, которое мы реализовали, относится к коксохимическому цеху и функционирует в рамках большого модуля MES-системы «Оптимизатор шихты». Что такое шихта и зачем ее оптимизировать? Чтобы ответить на этот вопрос, нужно понять производственный цикл НЛМК.

Начнем с того, что на коксохимическом производстве из угля производят кокс — ключевой компонент в металлургии. Высококачественный кокс обеспечивает стабильное тепловыделение и плавку железной руды, что напрямую влияет на качество металла и общую эффективность производства.

Для производства качественного кокса необходимы специальные угли с коксующими свойствами. Эти угли должны иметь определенный химический состав и структуру, чтобы обеспечить надежную газопроницаемость и горячую прочность кокса. Даже небольшие различия в угле влияют на его свойства. Например, угли из разных слоев одного месторождения могут отличаться по возрасту и условиям формирования.

Кокс — основной компонент в металлургии, используемый в доменных печах для производства чугуна. Он выполняет сразу несколько функций: служит основным топливом для плавления железной руды, и является восстановителем, который помогает превращать оксиды железа в чистое железо. Благодаря своей структуре кокс способствует равномерному протеканию всех процессов внутри печи, что делает его незаменимым для эффективного производства металлов.

1. Уголь добывается в различных карьерах по всей стране, грузится в вагоны и поступает на коксохимическое производство НЛМК.
2. Когда уголь прибывает на производство, его разгружают на открытых площадках. Здесь он хранится до тех пор, пока не возникнет потребность в производстве кокса.
3. Когда уголь нужен для производства, его забирают с площадок с помощью экскаваторов и перемещают на конвейеры. По конвейерам уголь транспортируется к дозаторам, где его дробят и смешивают в нужных пропорциях. Эта смесь называется шихтой, а состав углей для нее – производственной картой.

4. После дозировки уголь поступает в коксовую батарею — большой герметичный резервуар. Внутри батареи уголь нагревается до высокой температуры, превращаясь в кокс. Этот процесс проходит без доступа кислорода, чтобы обеспечить необходимое качество продукта.
5. Готовый кокс сортируется по фракциям и направляется к потребителям — внутренним (доменный и агломерационный цеха комбината) или внешним (экспорт).

Именно на 3 этапе производства, на смешивании угля, и подключается оптимизатор шихты. Он необходим для правильного выбора и дозирования различных сортов угля, чтобы сбалансировать стоимость смеси и качество получаемого кокса.

Дело в том, что шихта обычно состоит из нескольких типов угля, среди которых основной — коксующийся уголь, который сам по себе дает качественный кокс, но может быть слишком дорогим. Для снижения стоимости его можно комбинировать с менее дорогими углями, которые не обладают всеми необходимыми свойствами, но дополняют смесь и улучшают ее характеристики.

Итак, теперь мы знаем, что в производстве кокса качество конечного продукта напрямую зависит от состава угля, который используется в процессе. Однако в условиях нестабильных поставок угля, изменения цен и качества сырья, задачи производства становятся сложнее. Как обеспечить стабильность продукта, если уголь, которым пользовались в прошлом, больше недоступен или изменился по характеристикам? Именно эти задачи и решает поиск похожих шихтовок.

НЛМК нуждался в инструменте, который бы позволил сравнивать текущие показатели производства с историческими данными, чтобы лучше понять, как адаптировать состав шихты.

В рамках MES-системы НЛМК уже существовал оптимизатор. Его основой является сложный алгоритм, который разрабатывался специалистами НЛМК. Этот алгоритм использует методы машинного обучения (ML) и Python для выполнения расчетов. В его основе лежит алгоритм квадратичного приближения (SLSQP), который использует данные модели для предсказания качества кокса.

Алгоритм обрабатывает данные, используя математические модели, которые помогают находить оптимальные пропорции углей для получения желаемого качества кокса. Это сложная работа, включающая в себя обработку больших объемов данных и решение многоуровневых уравнений.

Поиск похожих шихтовок анализирует данные о прошлых шихтовках — сочетаниях угля, которые использовались в производстве кокса. Он учитывает все возможные вариации в составе и полученном продукте, чтобы помочь оператору найти наилучший способ использования имеющегося угля. Например, если раньше использовались три определенных сорта угля для получения высокого качества кокса, но сейчас они недоступны, модуль помогает определить, могут ли другие доступные сорта дать схожий результат.

В основе работы модуля лежит регрессионный анализ, который позволяет оценить расхождение между текущей шихтовкой и той, которую нужно получить.

Для того, чтобы анализировать данные сначала было необходимо их собрать в единую систему.
До внедрения предприятие пользовалось набором разрозненных систем третьего уровня (MES), каждая из которых обслуживала отдельные этапы производственного процесса. На всех участках данные вводились вручную и переносились из одной системы в другую, что не только замедляло процесс, но и увеличивало вероятность ошибок.

На участке приемки использовалась одна система, на участке подготовки производства и хранения — другая. Коксопроизводство и вовсе пользовалось собственным приложением для расчета физического графика. В то же время учет химической продукции в цехе улавливания велся вручную в журналах, без централизованной системы.

Работа над проектом требовала гибкости и быстрой реакции на изменяющиеся условия. Мы взаимодействовали не только с заказчиками, но и с конечными пользователями — операторами, которые непосредственно использовали систему. Это позволило оперативно выявлять необходимые изменения и добавлять новые функции, что было критически важно для оптимизации рабочего процесса.

Изначально проект начинался с фиксированного технического задания (ТЗ), однако в процессе работы оно часто пересматривалось и адаптировалось к реальным нуждам бизнеса. Команда CosySoft фокусировалась на бизнес-задачах, динамически меняя состав работ, при этом сохраняя общий объем, но модифицируя приоритеты и содержание.

Разработанный нами инструмент помогает операторам коксохимического производства принимать обоснованные решения о том, как лучше использовать имеющийся уголь для получения кокса нужного качества.

Первый сценарий

Операторы дозировки ежедневно сталкиваются с задачей оптимального использования угля, чтобы добиться нужного качества кокса. Оператор начинает с того, что вводит данные о доступных углях, их цене и других параметрах. Затем переходит в поиск похожих шихтовок, чтобы найти исторические шихты, максимально похожие на его текущие условия.

Алгоритм анализирует исторические данные, находит схожие комбинации углей и предсказывает, какого качества кокс можно ожидать на выходе. Это помогает оператору принять решение о том, какие угли в каком количестве нужно комбинировать, чтобы получить желаемый результат.

Второй сценарий

Иногда оператору нужно повторить успешную дозировку, проведенную в прошлом. Например, несколько месяцев назад была выполнена дозировка, которая дала отличный результат. Оператор знает, что на тот момент использовались другие угли, но он хочет получить такой же кокс сегодня. Для этого он также заходит в поиск похожих шихтовок.

Модуль анализирует шихты, дозированные в прошлом, сравнивает их с текущими углями и предлагает похожие комбинации, которые могут дать аналогичный результат. Это позволяет оператору адаптироваться к новым условиям, используя прошлые результаты для достижения нужного качества продукции.

Ожидаемый результат от интеграции оптимизатора в MES и перехода к электронной производственной карте — экономия сотен миллионов рублей в год для производства. Маржинальность производства увеличилась за счет оптимизации шихты, что позволило получать за меньший бюджет получать кокс того же объема и качества. Также были снижены потери сырья и оптимизировано использование ресурсов.

Автоматизация
Поиск похожих шихтовок в рамках оптимизатора автоматизировал процесс составления производственной карты.

Экономическая выгода
Модуль находит оптимальные рецепты шихты, позволяя использовать более дешевые угли, которые по качеству приемлемы для производства кокса. Это значительно снижет затраты на сырье, сохраняя стабильное качество продукта. Например, с помощью оптимизации можно получать тот же объем кокса за меньшие деньги, увеличивая маржу завода. Если оптимизатор позволяет снизить стоимость шихты всего на 0,3%, то при объемах около 2 млн тонн кокса в год это 120 млн рублей годовой выгоды.

Устойчивость производства
Инструмент сохраняет конкурентоспособность производства в условиях нестабильности поставок и изменения состава угля. Операторы могут эффективно справляться с новыми марками угля и повторять успешные рецепты из прошлого, что минимизирует риски и поддерживает независимость производства от поставок.

Высокая точность
В основе оптимизатора шихты использованы методы машинного обучения, которые обеспечивают высокую точность прогнозирования и позволяют адаптировать производственные процессы под текущие условия. Это обеспечивает гибкость в принятии решений.

Технологии
Spring, Java21, Postgresql, S3, Python, Fastapi.