12、数字孪生驱动的智能制造：钢铁生产案例解析

数字孪生驱动的智能制造：钢铁生产案例解析

1. 钢铁生产中的关键问题

在钢铁生产过程中，带钢速度与带钢表面氧化皮厚度密切相关。氧化皮堆积较少时，带钢可以更快地通过酸洗线，因为需要去除的氧化皮更少。然而，这些信息通常工厂操作员无法获取，并且在生产过程中会频繁变化。其中，决定性因素是从主带钢轧机的卷取机到卷取喷淋装置的运输时间。由于卷材仍然很热，运输时间越长，氧化皮生长就越多。

此外，还存在一些限制因素：
- 热轧带钢轧机冷却段末端所需的带钢温度取决于产品，通常在500至800摄氏度之间。
- 从热轧机到卷取喷淋装置的运输时间是可变的。
- 天气（室外温度和降雨）是可变的，且只能相对不准确地预测。
- 后续酸洗过程的确切处理时间在早期是未知的，并且也可能发生变化，例如由于带钢断裂导致的计划外工厂停机。

2. 解决方案：自适应数字孪生

由于存在许多不确定参数，如运输时间、天气或进一步加工的时间，采用分散决策策略来确定工艺参数是一个很好的选择。而产品（如卷材）无法与工厂进行通信，因此需要一个自适应数字孪生（Adaptive Digital Twin）来为卷材执行此任务。

自适应数字孪生具有以下特点：
- 可以与其他数字孪生进行通信，并访问先前生产步骤中存储的过程数据。
- 了解指定客户的质量要求。
- 可以代表产品（如卷材）以及过程（如酸洗线）。
- 能够使用模型进行模拟，以计算不可测量的属性，如氧化皮生长或带钢温度。
- 可以与任何其他过程进行通信，从而查询当前天气和短期预报。

通过这些功能，数字孪生能够在定义的框架内自主确定最佳工艺