[0001] 优化使用输入材料制造轧制产品的工艺 [0002] [0001] 本发明涉及一种用于控制和/或调节用于从金属钢、铁和/或铝合金生产轧制产品的冶金生产设备的方法,以及一种可以执行根据本发明的方法的计算机程序产品出去。 [0003] 这样的过程可以是,例如,由钢水组合物生产轧制产品的方法,该钢水组合物在铸轧设备中铸造以形成钢坯并轧制以形成轧制产品,制造过程由以下控制中央控制点基于设定点规范和/或被调节。 [0004] 在冶金厂用金属钢、铁和/或铝合金生产轧制产品期间,其产品性能受到不同操作参数的影响。 例如,热轧包括各种连续的工艺步骤,每个工艺步骤都会影响产品的机械性能,例如屈服点、断裂伸长率或低温行为。 轧制产品的化学成分或轧制过程中的温度控制也会影响工艺结果。 由于要采取纠正措施,偏离过程目标值会导致系统能耗增加,这会对盈利能力产生负面影响。 此外,此类偏差会导致昂贵的投诉。 [0005] 因此,从现有技术中已知物理模型,其已经针对各个过程阶段开发,以便能够实现致动器的最佳设置并且因此最小化或什至防止过程扰动的影响。 此类模型长期以来由申请人以商标名 X-Pact® 销售,并用于预测过程变量并根据物理定律和测量设置从属致动器。 例如,欧洲专利 EP 3 096 896 B1 公开了一种使用微观结构模型控制冶金生产设备的方法,该方法包括一个程序,该程序计算所生产产品的至少一个机械强度特性,并计算产品的强度特性[0030] 所生产的产品结构中计算的冶金相组分的基础计算的产品,其中冶金设备包括最终冷却段并且冶金设备的操作参数进入机械强度性能的计算,其中至少部分地预先设定,可调输出值。 根据教导,创建了一种解决方案,该解决方案能够有利地调整操作参数以实现由金属钢和/或铁合金制成的产品的期望机械强度特性。 [0006] 对此类冶金生产厂在更高效和可持续生产方面的需求不断增加,尤其是在二氧化碳排放量更少的情况下,需要寻求进一步优化的可能性。 [0007] 因此,在此背景下,本发明的目的是提供一种用于控制和/或调节冶金生产设备的方法,除了更灵活的生产计划外,还可以利用和链接可用的过程数据、测量值以及每种情况下使用的原材料价格的考虑。 [0008] 发明内容 [0009] 根据本发明,该目的通过具有权利要求1的特征的方法来实现。 [0010] 根据本发明的用于控制和/或调节用于从金属钢、铁和/或铝合金生产轧制产品的冶金生产设备的方法包括以下步骤: 首先,提供用于生产轧制产品(例如不同卷材)的生产订单清单。 在这样的生产工厂中,这些可以优选地由控制点或更高级别的生产计划来管理。 每个生产订单至少包括材料、表面和/或几何特性的特定目标值,这些特定目标值中的每一个具有最小特定目标值和最大特定目标值。 结果,因此定义了一个范围,在该范围内,各个特定的目标设定值可以移动,以实现为各个轧制产品指定的产品属性。 [0011] 术语特定目标值被理解为产品规格数据,这些数据最终表征了所生产的相应轧制产品,然后应该具有这些数据。 因此,具体目标值有利地选自包括长度、宽度、厚度、屈服点、抗拉强度、伸长率、韧性特性、涂层的层厚度、磁性和/或其组合。 [0012] 此外,每一个生产订单都是通过一系列的化学成分来定义的,其中的各个成分都包括一个最小目标潜能值和一个最大目标潜能值。 取决于合金,这些不同并且可以例如选自包括元素碳(C)、锰(Mn)、硅(Si)、磷(P)、硫(S)、氮(N)的系列、铬(Cr)、钼(Mo)、镍(Ni)、铜(Cu)、铅(Pb)、硼(B)、锡(Zn)、铌(Nb)、钛(Ti)、钒(V)和/或这些的组合。 [0013] 在根据本发明的方法的进一步步骤中,然后从每个生产订单中确定化学成分的选择,其各自的成分位于所有生产订单的批准质量窗口内,因此原则上可以熔化一批。 为此,在一个或多个过程模型的帮助下,为每个生产订单的每种化学成分确定至少一种材料、表面和/或几何特性的预测特定目标实际值。 在本发明的上下文中,术语过程模型被理解为是指一种数学算法,使用该算法基于化学成分和如果适用的话,其他过程来计算一个值,在这种情况下是预测的特定实际目标值可以影响相应轧制产品的参数,因此可以预测。 [0014] 在生产过程中可能影响相应轧制产品的其他工艺参数包括,例如,各个工艺步骤中轧制产品的温度和/或尺寸,工厂的加热、加热和/或冷却设备中的温度,和/或定性参数,例如特别是轧制产品的表面缺陷。 所有这些参数都可以在过程或系统过程中的几个测量点处测量,因此可以使用相应的过程模型从这些测量点中的每一个预先计算。 [0015] 因此,过程模型有利地选自包括温度模型、结构模型、变形过程模型、 [0016] 设备稳定性模型、鳞片缺陷和/或裂纹的数量和/或面积和/或强度的预测模型、扩散模型、机械性能的预测模型,例如特别是屈服点、抗拉强度、伸长率和/或韧性特性。 [0017] 各个过程模型可以由单独的模型形成,使得每个单独的模型描述工厂的特定部分。 另外和/或备选地,过程模型或单独模型也可以是描述整个系统的集成的跨单元模型的一部分。 [0018]然后将确定的预测特定实际目标值与相应生产订单的特定目标值进行比较,选择那些化学成分并形成满足条件的选择,即预测特定实际目标值都在特定的目标值范围内。 [0019] 随后,对于每个允许的化学成分,即对于每个生产订单选择的每个化学成分,一个 确定罚分和/或罚函数。 在此上下文中,罚分和/或罚函数可以另外包括至少一个过程参数。 [0020] 在本发明的上下文中,术语“罚分和/或罚函数”被理解为无量纲变量,其表示相应允许的化学成分的生产成本的量度。 这样的罚分和/或这样的罚函数由选自合金成本、废料成本、能源成本、铁成本、添加剂成本、二氧化碳成本和/或其组合的系列中的至少一个成本参数组成. [0021] 结果,为每个生产订单的每个允许的化学成分确定生产成本。 由于几个生产订单通常可以在一个共同的批次中熔化,例如钢包,因此基于这个发现确定用于选择要在共同的批次中熔化的生产订单的目标成分。 [0022] 对于可以形成生产订单选择的每个可能的生产订单组合,从形成组合的每个生产订单的那些化学成分的选择中确定化学成分的交集,罚分和/或罚函数为将每个交点的化学成分相加,该化学成分构成总罚分值最小的目标成分。 [0023] 为生产订单的组合而获得的目标成分随后被传输到控制点和/或生产计划级别,随后批次在钢厂中熔化,然后提供给工厂。 [0024] 因此,本发明通过根据成本函数优化化学成分并考虑定性规格,从而能够在由金属钢、铁和/或铝合金生产轧制产品时优化使用原材料。 本发明的进一步有利的改进在从属表述的权利要求中指定。 在从属权利要求中单独列出的特征可以以技术上有意义的方式相互组合并且可以定义本发明的进一步改进。 此外,在说明书中更详细地说明和解释了权利要求中指定的特征,并提出了本发明的进一步优选配置。 [0025] 在进一步有利的补充中,可以从生产订单的可能组合的相应目标组成中形成变体,然后选择和处理总罚分具有最低值的那个变体。 各个批次或各个变体的顺序可以根据它们的目标组成相互协调。 [0026] 在一个有利的实施变型中,每个待生产的轧制产品的每个生产订单也可以包括产品信息数据。 [0027]在本发明的上下文中,产品信息数据被理解为从生产计划级别发送到控制点的原始数据,控制点进而控制和/或调节整个制造过程。 因此,产品信息数据有利地包括用于调节和/或控制各个系统部件、特别是它们的液压和/或电子控制系统的设定值组。 这可以通过面向表格和/或使用数学-物理过程模型来完成。 [0028] 在进一步的方面,本发明还涉及一种计算机程序产品,包括软件代码部分和/或指令,当该程序由计算机执行时,使计算机执行根据方法的步骤。发明。 固件名称 [0029] 下面参考附图更详细地解释本发明和技术环境。 应该指出的是,本发明不应受限于所示的示例性实施例。 特别地,除非另有明确说明,还可以提取附图中解释的事实的部分方面并将它们与来自本说明书和/或附图的其他组成部分和发现相结合。 尤其应该指出的是,所示的数字,尤其是所示的比例仅仅是示意性的。 相同的附图标记表示相同的对象,因此必要时可以使用来自其他附图的解释作为补充。 展示下: [0030] [0010] 图1显示了冶金生产设备的实施变型,并且 [0031] 图2示出了基于可以使用根据图1的冶金生产设备执行的示例性实施例的过程顺序的图。 [0032] 图1示出冶金生产设备1的实施变型,利用该冶金生产设备可以执行根据本发明的方法。 在本示例中,生产工厂1包括钢厂2和铸轧厂3,其在当前情况下为工厂的形式。 在最小配置中,系统3包括连铸机4,优选CSP®薄板坯连铸机,连续材料5的厚度在30-150mm范围内,优选厚度在50至90mm,宽度在500至2500mm范围内,优选宽度为850至1950mm。 分离装置6在带材行进方向上布置在连铸机4的下游,连续材料5在其被输送到轧机之前被分离成单独的板坯7。 分离装置6例如可以由摆式剪切机组成。 系统3还包括可以设计为隧道炉的加热装置8和具有特定数量的轧机机架10的精轧机列9,其中三个在图1中仅作为示例示出。 在 CSP® 设备中,精轧机组 9 也可优选具有 4 至 8 个轧机机架。 在精轧机组 9 下游的带材行进方向上,系统 3 首先包括冷却装置 11,借助于该冷却装置 热轧带材12的所需最终带厚被冷却,卷取装置13和第二切割装置14设置在冷却装置11和卷取装置13之间。 [0033] 在另一实施例变型中,系统3还可以具有优选具有最多三个轧机机架的粗轧机列15、传送棒材冷却装置、另外的加热装置、优选可以是感应式的加热装置和/或镦锻机装置具有至少一个,最好是几个镦粗架,包括。 [0034]如图1中的垂直箭头所示,生产系统1的所有系统组件都耦合到中央控制点16,整个过程控制通过该中央控制点进行。 生产工厂1还包括高于控制点16的生产计划层17,其中管理用于生产的生产订单P,在这种情况下是生产订单18、19、20、21。 [0035] 在本示例性实施例中,生产订单18、19、20、21中的每一个包括要生产的相应轧制产品的特定目标值181、191、201、211、产品信息数据182、192、202、212 ,也是定义的一系列化学成分183、193、203、213。 [0036] 具体目标值181、191、201、211分别由最小具体目标值和最大具体目标值描述,可以具有长度、宽度和/或厚度等几何特性; 材料特性,例如屈服点、抗拉强度、伸长率、韧性特性和/或其他机械特性; 和/或轧制产品12的表面特性,例如表面缺陷和/或涂层系统。 [0037] 化学成分系列 183、193、203、213 还包括每个化学成分的最小目标值和最大目标值,如图 2 所示。 在本实施例中,每个生产订单 18、19、20、21 的化学成分系列 183、193、203、213 来自两个化学品 所形成的组分锰(Mn)和碳(C)各自以不同的量(以重量%计)可形成相应的组成a至y。 [0038] 产品信息数据 182、192、202、212 包括针对各个轧制产品的 12 组设定点,用于调节和/或控制各个系统组件,例如在每个单独单元之后必须保持的温度和/或在制造过程中的每个过程步骤之后。 [0039] 特定的熔体通常首先在钢厂2中熔化,然后提供给工厂3。 此类熔体通常由生铁 22、废钢 23 和合金元素 24 组成,它们受市场价格波动的影响。 此外,由于随后要采取的纠正措施而偏离过程目标值会增加设备 1 的能源消耗,并对其经济效率产生不利影响,例如生产板坯 7 的宽度经常在生产过程中或在下游生产线(例如酸洗生产线)中进行调整的工件必须进行修整。 [0040] 为了在轧制产品的生产中考虑到这些方面,根据本发明,首先从生产订单 18、19、20、21 的整个列表中确定目标成分 25,用于选择总惩罚的生产订单点具有最低值,并且在公共装料 26 中具有最低值,其可以具有例如钢包的体积,例如,熔化然后可以提供系统 3。 [0041] 为了确定目标成分 25,首先通过 ...y 确定每个生产订单 18、19、20、21 的化学成分 27、28、29、30(图 2;步骤 b))的选择每个生产订单 18、19、20、21 的每个生产订单 18、19、20、21 在过程模型 31 的帮助下为材料、表面和/或几何特性中的至少一个确定预测的特定实际目标值 184、194、204、214。 该至少一种特性可以是例如抗拉强度。 目前的过程模型 31 目前被设计为单元范围的模型,除了预测模型之外 机械性能 32,特别是抗拉强度,另外包括温度模型 33 和成型过程模型 34。 温度模型33考虑设备部件8和11中的温度,而成形过程模型34考虑轧制机组9和可能的粗轧机组15的轧制力。 [0042] 由控制点16确定的预测特定目标实际值184、194、204、214然后被传输到生产计划级17并与相应生产订单18的特定目标设定值181、191、201、211进行比较, 19, 20, 21, 和那些化学成分选出,形成满足条件的选择27, 28, 29, 30,即预测具体实际目标值184, 194, 204, 214在具体目标设定点范围。 [0043] 然后为选择 27、28、29、30 的每个允许的化学成分确定罚分和/或罚函数,其由选自合金成本、废料成本的系列中的至少一个成本参数组成、能源成本、铁成本、添加剂成本、二氧化碳成本和/或它们的组合(图2;步骤c))。 从图2中的值可以看出(见步骤c)),生产订单18的组成g1形成最小罚分。 另一方面,在生产订单 19 中,组合 h2 形成最小罚分。 另一方面,在生产订单20、21中,组合s3和v4具有最小的罚分。 [0044] 为了确定目标成分 25、25.1,交集 35、36、37、38、39、40 从每个生产订单 18、19、20、形成组合的21,然后添加这些化学成分的罚分和/或罚函数为每个交点35、36、37、38、39、40。 [0045] 在本示例性实施例中,组合K1由两个组成 [0046] 生产订单 18、19 形成,组合 K2 从两者 生产订单 18、20 形成,两者的组合 K3 [0047] 生产订单 18、21 形成,组合 K4 从两个 [0048] 生产订单 19、20 形成,两者的组合 K5 [0049] 形成的生产订单 19、21,以及两者的组合 K6 [0050] 生产订单20个,形成21个。 [0051] 其总罚分具有最低值的化学成分然后形成目标成分25、25.1,其可以被传送到生产计划层17,于是批次26在炼钢厂2中熔化并且工厂3可用。 [0052] 在另一实施变型中,根据生产订单18、19、20、21变体V1的可能组合K1、K2、K3、K4、K5、K6的分别确定的目标成分25.1、25.2、25.3、25.4、25.5、25.6 , V2, V3 由相同或相似的化学成分组成(见步骤 e1))。 这里,选择并处理总罚分具有最低值的变体V1、V2、V3。 [0053] 然后获得的变体,在这种情况下由 K1 和 K6 组成的变体 1,然后被传输到生产计划级别 17,于是装料 26 在炼钢厂 2 中熔化,然后提供给工厂 3,例如通过将其送入连铸机4的模具并合上铸坯5。 [0055] 1个生产工厂 [0056] 2钢厂 [0057] 3 铸轧厂 [0058] 4连铸机 [0059] 5股货 [0060] 6 第一分隔符 [0061] 7 块 [0062]8 加热装置/隧道炉 [0063] 9 整理列车 [0064] 10辊架 [0065] 11 冷却装置/冷却段 [0066] 12 轧制产品/热轧钢带 [0067] 13卷筒装置 [0068] 14秒分隔符 [0069] 15预轧机 [0070] 16个控制站 [0071] 17级生产计划 [0072] 18 生产订单 (PRAV) [0073] 19 生产订单 (PRA2) [0074] 20 生产订单 (PR S) [0075] 21 生产订单 (PRAA) [0076] 22生铁 [0077] 23废料 [0078] 24种合金元素 [0079] 25 目标组成 [0080] 25.1 目标构成 K1 [0081] 25.2 目标构图 K2 [0082] 25.3 目标构图 K3 [0083] 25.4 目标构图 K4 [0084] 25.5 目标构图 K5 [0085] 25.6 目标构图 K6 [0086] 26批 [0087] 27 生产订单化学成分的选择 18 28 生产订单化学成分的选择 19 [0088] 29 生产订单化学成分的选择 20 [0089] 30 生产订单化学成分的选择 21 [0090] 31 流程模型 [0091] 32 机械性能预测模型 [0092] 33温度模型 [0093] 34成型工艺模型 [0094] 35路口K1 [0095] 36路口K2 [0096] 37路口K3 [0097] 38路口K4 [0098] 39路口K5 [0099] 40路口K6 [0100] 181 个目标设定点 [0101] 182个产品信息数据 [0102] 183系列化学成分 [0103] 184 个预测特定目标实际值 [0104] 191 个目标设定值 [0105] 192个产品信息数据 [0106] 193系列化学成分 [0107] 194个预测具体目标实际值 [0108] 201个目标设定点 [0109] 202产品信息数据 [0110] 203系列化学成分 [0111] 204 预测具体目标实际值 [0112] 211个目标设定点 [0113] 212产品信息数据 [0114] 213系列化学成分 [0115] 214 预测具体目标实际值 [0116] K1 生产订单组合 18、19 [0117] K2 生产订单组合 18、20 [0118] K3 生产订单组合 18、21 [0119] K4 生产订单组合 19、20 [0120] K5 生产订单组合 19、21 K6 生产订单组合 20、21 [0121] 来自 K1/K6 的 V1 变体 [0122] K2/K5 的 V2 变体 [0123] 来自 K3/K4 的 V3 变体