SCADA в основном про оперативное управление агрегатами в реальном времени только на пульте управления. Ее архитектура монолитна и ограничена по возможностям реализации и мощностям (и ИБ).
Тут мы говорим про аналитические сервисы (которые в том числе влияют на оперативные решения и тоже используются на пульте управления, но не только) и про более сложную логику завязанную в том числе на данных LIMS, MES систем (как вы будете осуществлять интеграцию между ними еще и в разных технологических контурах), ML алгоритмах.
То, что можем и что необходимо делать на уровне SCADA, конечно, делаем там. Не так очевидно, что удобнее и дешевле сделать в SCADA или в MES системе / бизнес сегменте беря в расчет текущие реалии на производстве и существующую архитектуру и цели систем. Возможно, SCADA будущего будет другой.
В зависимости от того, про какую часть доменной печи говорим.
В горне это углеродистые блоки или шамотные (Al2O3, SiO2) огнеупоры. Толщина порядка 2000 мм. В шахте доменной печи в основном шамотные огнеупоры, толщина порядка 600-1800 мм. С определённой высоты по шахте печи имеются холодильники (толщина 100-200 мм, чугунные или медные).
Также присутствует слой гарнисажа (толщина может быть разная, есть предположение, что оптимальная 100-200 мм) из тугоплавких оксидов и оксидов, присутствующих в шлаке (CaO, MgO, Al2O3, SiO2...).
Эти датчики и так используют в оперативном управлении. Мы не дооснащали. Разве что уровнемеры поставили для замера наполненности чугуновозных ковшей.
На поддержку сервис передается внутренним службам.
По поводу экономии в одном из постов писали про один из примеров - можете сделать вывод, будет ли экономия. Есть и другие примеры практической пользы сервиса.
Да, знаком с данным подходом. Известная тема - разгар горна (сколько осталось футеровки) по термопарам. По сути решаем задачу Фурье. Описание подхода в статье у коллег.
Не совсем так. В указанном процессе не те объемы и не та эффективность. Об этом рассуждали в комментариях в данной статье. Предлагаю ознакомиться и если будут вопросы - будем рады!
Описание бизнес процесса AS IS (как есть), TO BE (как должно быть - целевая). Например, в нотации archimate.
Думаю, что повторить результат только по документации будет сложно (+код-то надо писать). Проблема в том, что доменный цех, конкретная доменная печь в каждой компании (и даже внутри компании) уникальна по-своему. Другое оборудование, другая логика защита в АСУТП, другие источники данных, другие исключения. Масштабирование таких проектов на другие производства в любом случае будет нести в себе этап мини-R&D, предпроектных аналитических работ.
Конечно, той же команде будет намного легче, так как она прошла через все боли и нюансы, и может их предположить на другой печи в другой компании.
Как решаем... делаем! Техническое задание, отчеты по тестированию, соответствие архитектурным требованиям (ASIS - TOBE, схема потоков данных, функциональная архитектура, интеграционная архитектура, сетевая схема, диаграмма развертывания, ролевая модель), свод информации по использующимся сервисам, руководство по эксплуатации - иногда в формате видео и прочая документация при ведении проекта - уточненные функциональные требования...
По поводу датчиков. Тут помогает промышленная платформа (для подъема сигнала с технологического сегмента в бизнес сегмент) и каталог данных. В нее заводятся сигналы с описанием принадлежности к агрегату - топология, именем, описанием. Стараемся вести структурированное описание, чтобы не попасть в коллизию далее.
Мысли вокруг подхода с облучением периодически повторно посещают наши металлургические головы... Но к действиям пока не пришли😔
Насколько понимаю, нужно разместить источник нейтронов в шахте доменной печи, где давление. температура от 100 до 1500С и происходит перемещение шихты. При этом этот источник должен находиться постоянно при каждой загрузке в печи. Звучит сложно, в любом случае, спасибо за идею, почитаю подробнее!
Указанный сервис также использует оперативные данные работы доменной печи (давления, расходы, температуры). Только теперь система передачи данных более сложная, которая позволяет использовать данные находясь в любой точки России/мира. У нас для этого, как описал, используется IIoT Gateway и Промплатформа😊
Да, и сейсмический метод чуть ли не единственный метод, позволяющий предположить, что там в нашем земном шарике.
Есть близкая технология - ультразвуковое зондирование горна доменной печи эхо-методом для определения остаточной толщины огнеупорной футеровки (условно, прогорели ли блоки кожуха доменной печи - влияет на кампанию доменной печи). Даже в такой задаче результат не гарантирован. Пример использования метода на ЕВРАЗе и на Северстали (P.S. у себя тоже пробовали).
Цитата от последних из статьи:
Анализ фактических остаточных толщин огнеупорной футеровки в горне ДП № 5 показал удовлетворительную точность ультразвукового зондирования методом AU-E в области глиноземистой огнеупорной футеровки фурменного пояса и недостаточную точность при замерах углеродистых блоков.
Локально решаем задачи. Например, динамика сыпучих сред. Есть патент под это.
Решений по мат.моделированию физических процессов в доменной печи достаточно много. Например, решение от известной японской компании. Обычно такие решения называют экспертными системами.
Мы также смотрели серию экспертных систем. На данный момент к ним относятся скептически, их достоверность вызывает вопросы.
Несмотря на потенциальный эффект и на прямое влияние на физический процесс, цифровизация производства требует кросс-функциональных реальных компетенций, соответствующее наличие и качество данных и имеет зависимость от работы оборудования.
Также большой вес имеет то, как смотрит на данную область менеджмент.
Мне кажется, лучше фотографии для обложки статьи не придумаешь😄
Кстати, мы для прослеживаемости сырья в доменном цеху поднимали схожее количество сигналов для решения задач, выглядит, что почти для любого более-менее серьезного решения приходится "поднимать" Тучу сигналов. В нашем случае с помощью TSDB/IIoT платформы, о которой вскользь упомянул Александр тут.
Не все знал, как у нас, в конвертерном цеху происходит, спасибо за знания.
Не для рекламы, но для познания. Достаточно много информации представлено на сайте известной фирмы занимающееся контролем промбезопасности и охраны труда. Там и видео, и кейсы есть по интересующим вас вопросам.
Учитывая развитие современных технологий добавлю: подобные короткие скрипты и вывод графиков в python можно нагенерировать в ChatGPT (чем иногда и занимаюсь, но не в финансах). Причем иногда это быстрее чем прочитать в том же ChatGPT про решение той или иной задачи в excel. Поэтому порог входа в python становится ниже, и с использованием LLM типовые задачи решаются быстрее чем может показать.
Но для демонстрации excel и вправду удобнее с учетом его распространения.
P.S. Спасибо автору за интересный практичный кейс программирования для непрограммистов!
Excel входит в списки программного обеспечения, допущенного к работе с документами с грифом "секретно\конфеденциально". А Питон? И ВСЕ его библиотеки?
В больших компаниях следят за информационной безопасностью и "дырками" в библиотеках. Но с чем возникнут проблемы - если кто захочет воспроизвести весь расчет: придется устанавливать python и все его библиотеки... или упаковывать решение в продукт.
Там не на полторы тысячи, а намного больше.
SCADA в основном про оперативное управление агрегатами в реальном времени только на пульте управления. Ее архитектура монолитна и ограничена по возможностям реализации и мощностям (и ИБ).
Тут мы говорим про аналитические сервисы (которые в том числе влияют на оперативные решения и тоже используются на пульте управления, но не только) и про более сложную логику завязанную в том числе на данных LIMS, MES систем (как вы будете осуществлять интеграцию между ними еще и в разных технологических контурах), ML алгоритмах.
То, что можем и что необходимо делать на уровне SCADA, конечно, делаем там. Не так очевидно, что удобнее и дешевле сделать в SCADA или в MES системе / бизнес сегменте беря в расчет текущие реалии на производстве и существующую архитектуру и цели систем. Возможно, SCADA будущего будет другой.
В зависимости от того, про какую часть доменной печи говорим.
В горне это углеродистые блоки или шамотные (Al2O3, SiO2) огнеупоры. Толщина порядка 2000 мм. В шахте доменной печи в основном шамотные огнеупоры, толщина порядка 600-1800 мм. С определённой высоты по шахте печи имеются холодильники (толщина 100-200 мм, чугунные или медные).
Также присутствует слой гарнисажа (толщина может быть разная, есть предположение, что оптимальная 100-200 мм) из тугоплавких оксидов и оксидов, присутствующих в шлаке (CaO, MgO, Al2O3, SiO2...).
Эти датчики и так используют в оперативном управлении. Мы не дооснащали. Разве что уровнемеры поставили для замера наполненности чугуновозных ковшей.
На поддержку сервис передается внутренним службам.
По поводу экономии в одном из постов писали про один из примеров - можете сделать вывод, будет ли экономия. Есть и другие примеры практической пользы сервиса.
Место есть, особенно актуально для движущихся и удаленных объектов. Рекомендую ознакомиться со статьей Как мы делали свою сеть LTE в карьере и на липецкой металлургической площадке Дмитрия. Также один из кейсов расписывал Иван в статье про RFID метки на чугуновозных ковшах. Тем не менее, желание написать про саму промышленную платформу имеется у коллег - вчера как раз общались по этому поводу.
Да, знаком с данным подходом. Известная тема - разгар горна (сколько осталось футеровки) по термопарам. По сути решаем задачу Фурье. Описание подхода в статье у коллег.
Не совсем так. В указанном процессе не те объемы и не та эффективность. Об этом рассуждали в комментариях в данной статье. Предлагаю ознакомиться и если будут вопросы - будем рады!
Мы не рассуждаем и не поступаем в такой парадигме. Смотрим в сторону улучшений условий труда.
Описание бизнес процесса AS IS (как есть), TO BE (как должно быть - целевая). Например, в нотации archimate.
Думаю, что повторить результат только по документации будет сложно (+код-то надо писать). Проблема в том, что доменный цех, конкретная доменная печь в каждой компании (и даже внутри компании) уникальна по-своему. Другое оборудование, другая логика защита в АСУТП, другие источники данных, другие исключения. Масштабирование таких проектов на другие производства в любом случае будет нести в себе этап мини-R&D, предпроектных аналитических работ.
Конечно, той же команде будет намного легче, так как она прошла через все боли и нюансы, и может их предположить на другой печи в другой компании.
Как решаем... делаем! Техническое задание, отчеты по тестированию, соответствие архитектурным требованиям (ASIS - TOBE, схема потоков данных, функциональная архитектура, интеграционная архитектура, сетевая схема, диаграмма развертывания, ролевая модель), свод информации по использующимся сервисам, руководство по эксплуатации - иногда в формате видео и прочая документация при ведении проекта - уточненные функциональные требования...
По поводу датчиков. Тут помогает промышленная платформа (для подъема сигнала с технологического сегмента в бизнес сегмент) и каталог данных. В нее заводятся сигналы с описанием принадлежности к агрегату - топология, именем, описанием. Стараемся вести структурированное описание, чтобы не попасть в коллизию далее.
Добавлю, что даже для моделирования сыпучих в бункере над доменной печью уже требуются упрощения для ускорения расчетов.
В литературе в основном встречаются расчеты на основе (или наподобие) трубки токов.
Мысли вокруг подхода с облучением периодически повторно посещают наши металлургические головы... Но к действиям пока не пришли😔
Насколько понимаю, нужно разместить источник нейтронов в шахте доменной печи, где давление. температура от 100 до 1500С и происходит перемещение шихты. При этом этот источник должен находиться постоянно при каждой загрузке в печи. Звучит сложно, в любом случае, спасибо за идею, почитаю подробнее!
Кажется, что "кокс" вполне самостоятельное слово😊
Есть анекдот - проверка на металлурга. Назовите свое черного кота Коксом и понаблюдайте за реакцией гостей: удивятся ли они, что Кокс - черный.
Указанный сервис также использует оперативные данные работы доменной печи (давления, расходы, температуры). Только теперь система передачи данных более сложная, которая позволяет использовать данные находясь в любой точки России/мира. У нас для этого, как описал, используется IIoT Gateway и Промплатформа😊
Да, и сейсмический метод чуть ли не единственный метод, позволяющий предположить, что там в нашем земном шарике.
Есть близкая технология - ультразвуковое зондирование горна доменной печи эхо-методом для определения остаточной толщины огнеупорной футеровки (условно, прогорели ли блоки кожуха доменной печи - влияет на кампанию доменной печи). Даже в такой задаче результат не гарантирован. Пример использования метода на ЕВРАЗе и на Северстали (P.S. у себя тоже пробовали).
Цитата от последних из статьи:
Локально решаем задачи. Например, динамика сыпучих сред. Есть патент под это.
Решений по мат.моделированию физических процессов в доменной печи достаточно много. Например, решение от известной японской компании. Обычно такие решения называют экспертными системами.
Мы также смотрели серию экспертных систем. На данный момент к ним относятся скептически, их достоверность вызывает вопросы.
Вполне вероятно.
Несмотря на потенциальный эффект и на прямое влияние на физический процесс, цифровизация производства требует кросс-функциональных реальных компетенций, соответствующее наличие и качество данных и имеет зависимость от работы оборудования.
Также большой вес имеет то, как смотрит на данную область менеджмент.
Мне кажется, лучше фотографии для обложки статьи не придумаешь😄
Кстати, мы для прослеживаемости сырья в доменном цеху поднимали схожее количество сигналов для решения задач, выглядит, что почти для любого более-менее серьезного решения приходится "поднимать" Тучу сигналов. В нашем случае с помощью TSDB/IIoT платформы, о которой вскользь упомянул Александр тут.
Не все знал, как у нас, в конвертерном цеху происходит, спасибо за знания.
Не для рекламы, но для познания. Достаточно много информации представлено на сайте известной фирмы занимающееся контролем промбезопасности и охраны труда. Там и видео, и кейсы есть по интересующим вас вопросам.
Учитывая развитие современных технологий добавлю: подобные короткие скрипты и вывод графиков в python можно нагенерировать в ChatGPT (чем иногда и занимаюсь, но не в финансах). Причем иногда это быстрее чем прочитать в том же ChatGPT про решение той или иной задачи в excel. Поэтому порог входа в python становится ниже, и с использованием LLM типовые задачи решаются быстрее чем может показать.
Но для демонстрации excel и вправду удобнее с учетом его распространения.
P.S. Спасибо автору за интересный практичный кейс программирования для непрограммистов!
В больших компаниях следят за информационной безопасностью и "дырками" в библиотеках. Но с чем возникнут проблемы - если кто захочет воспроизвести весь расчет: придется устанавливать python и все его библиотеки... или упаковывать решение в продукт.
На момент 2023 года действующих 38 доменных печей.
Видел информацию, где говорилось, что с середины XX металлургия постепенно преобразуется в новый одностадийный "бездоменный" способ получения металла.