Journal influence
Bookmark
Next issue
Abstract:
Аннотация:
Authors: Logunova, O.S. ( logunova66@mail.ru) - Nosov Magnitogorsk State Technical University (Professor), Magnitogorsk, Russia, Ph.D, () - | |
Keywords: , information system, |
|
Page views: 20375 |
Print version Full issue in PDF (8.40Mb) |
Использование информационных систем в управлении промышленными предприятиями и технологическими процессами позволяет учесть множество факторов различного характера и найти пути и методы эффективного воздействия на них.
Все признаки системы имеют агрегаты для непрерывной разливки стали в производственных цехах крупных металлургических предприятий. Для управления такими агрегатами используются взаимосвязанные информационные потоки различной природы. Полноценное использование этих потоков позволяет более эффективно организовать управление производством металлургической продукции повышенного качества. Организационная структура управления может быть построена исходя из системного рассмотрения процессов сбора, передачи, анализа информации и слияния информационных потоков в единое целое для выработки и принятия решений. Информационные потоки технологического процесса непрерывной разливки стали Организация технологического процесса требует исследования формирующихся информационных потоков согласно структуре предприятия и его подразделений. Приведем пример структуры крупнейшего предприятия металлургической отрасли в России – ОАО «Магнитогорский металлургический комбинат» (ОАО «ММК»). Наряду с потоками материальных и энергетических ресурсов все процессы сопровождаются связанными информационными потоками. Рис. 1. Схема материальных и информационных потоков в ЭСПЦ ОАО «ММК» От поставщиков материалов, сырья и ресурсов передаются материалы для всех основных переделов предприятия. От подготовительного производства передаются шихтовые материалы для выплавки стали. Полупродукт (непрерывно-литая заготовка) передается как прокатному переделу, так и внешним потребителям в различные страны. В службы контроля одновременно передаются технологические пробы химического состава и образцы для контроля качества. Цеха листопрокатного передела также передают готовую продукцию потребителям и образцы для контроля качества в службу контроля. Все материальные потоки сопровождает экономическая или технологическая информация: требования к заказу по производству металлопродукции; нормы расходных материалов на производство продукции; технологические инструкции о ведении металлургических процессов; нормы расхода материалов и требования к технологии производства; качество шихтовых материалов для выплавки стали; марка стали и технологические режимы производства; информация о качестве готовой продукции, а также о выполнении заказов на производство продукции. На рисунке 1 приведена схема информационных и материальных потоков для электросталеплавильного цеха (ЭСПЦ) ОАО «ММК». В производственной структуре ЭСПЦ можно выделить три основных этапа металлургического передела – выплавка, доводка и разливка стали. На рисунке 1 введены обозначения: ДСП – дуговая сталеплавильная печь; ДСА – двухванновый сталеплавильный агрегат; АПК – агрегат печь-ковш; АДС – агрегат доводки стали; УУПС – установка усреднительной продувки стали; МНЛЗ – машина непрерывного литья заготовок. Информационные потоки 7–9 определяют технологию производства и нормы расходов материалов. Информационный поток 6, который формируется в службах контроля (центральная лаборатория контроля и отдел технического контроля), содержит информацию о качестве готовой продукции по отобранным технологическим пробам химического состава (до 12 штук от плавки на различных этапах выплавки и доводки стали) и образцам, по которым выполняется оценка развития внутренних и внешних дефектов непрерывно-литых заготовок. Все материальные потоки между подразделениями цеха сопровождаются соответствующей информацией (см. табл.). Обозначения и соответствие информационных и материальных потоков
Вся указанная информация имеет эмпирическую природу и складируется через систему АСУ ТП в хранилище корпоративной информационной системы ОАО «ММК». Часть информации (о технологических и температурных режимах) передается контролирующими приборами. Информация о качестве заготовок передается в хранилище после визуальной экспертной оценки с автоматизированных рабочих мест производственных лабораторий. Структурная взаимосвязь информационных потоков и способы получения информации Вся информация, используемая в производственных цехах и лабораториях, несмотря на различную природу, является эмпирической. На ее основе возможно исследование технологических процессов по принципу черного ящика, без обоснования причинно-следственных взаимосвязей процессов, способствующих образованию дефектов в непрерывно-литой заготовке. Основной идентификатор информационных структур – это номер плавки, присваиваемый на этапе выплавки. Информация по остальным переделам надстраивается по мере прохождения плавки. Для повышения качества продукции необходимо эмпирическую информацию сопровождать результатами аналитических исследований. Эти исследования позволяют дать качественную и количественную характеристику сложных процессов, таких как формирование тепловых полей в жидком расплаве и затвердевающей заготовке, гидродинамика расплавленного металла. Исследование этих процессов в реальных условиях металлургического производства в большей степени провести невозможно по причинам высоких температур исследуемых объектов (расплав и заготовка), недоступности областей измерения с технологической точки зрения и высоких материальных затрат на закупку специализированных приборов при их существовании. Указанные причины обусловили изучение этих процессов на основе результатов математического моделирования. На рисунке 2 показана схема слияния эмпирической и аналитической информации. Слияние информации различной природы позволяет не только исследовать локальные закономерности отдельных технологий, но и синтезировать целостную картину о причине образования внутренних дефектов, продемонстрировать их вероятностную природу и оценить риски их образования. Структура программного комплекса получения и обработки информации при управлении качеством металлургической продукции Сложность информационных потоков и их объем требуют разработки системы программных продуктов для их обработки. В качестве исходных данных для этой системы используется набор показателей, собранных в ходе пассивного или активного эксперимента. Также включаются требования к построению машин непрерывного литья заготовок, к температурным полям затвердевающей заготовки, являющимся предпосылкой для формирования дефектов заготовки. Для совершенствования существующих технологий на любом этапе передела металлурги- ческой продукции, в частности, непрерывной разливки стали, необходимо исследование потенциала их развития. С этой целью в комплекс программных продуктов включается программное обеспечение (ПО) для оптимизации теплового состояния заготовки. Авторами статьи выполнена разработка всех компонент представленной системы [1,2]. Исключением является ПО для обработки данных, так как существуют программные продукты, выполняющие подобные операции (например, Statistica 6.1 компании Statsoft). В результате взаимодействия всех частей комплекса прогнозируется развитие внутренних дефектов заготовки с учетом их стохастической природы. Полученная новая информация принимается в качестве основы при принятии решений о работоспособности оборудования, разработке новых способов разливки и технологий как в области производственных процессов, так и в области обработки информации, используемой при исследовании технологических процессов [3]. Рис. 2. Схема слияния информационных потоков при решении задачи управления качеством непрерывно-литой заготовки: НИЛ – научно-исследовательская лаборатория; АСУТП – автоматизированная система управления технологическим процессом Таким образом, в результате исследования информационных потоков металлургического предприятия и применения к ним системного подхода продемонстрирована эмпирическая природа информации, которая используется в настоящее время при описании работы действующего промышленного предприятия, на примере ОАО «ММК», и недостаточность эмпирических исследований локальных процессов для прогнозирования и управления качеством непрерывно-литой заготовки. Кроме того, определены структура информации и взаимосвязь информационных потоков, составляющих информационное обеспечение систем, целью которых является повышение результативности решений при управлении крупными металлургическими предприятиями, а также разработана структура программного комплекса для системных исследований непрерывной разливки стали, в ходе которой закладываются основы качественных показателей будущей металлургической продукции. Список литературы 1. Логунова О.С. Блочный алгоритм неградиентного метода случайного поиска с операторами адаптации для оптимизации вторичного охлаждения непрерывно-литой заготовки: Свид. об отрасл. регистр. разраб. № 4202 – М.: ВНТИЦ, 2005. – № 50200500020. 2. Логунова О.С., Ячиков И.М., Логунов С.М. Математическая модель и структура программного обеспечения для скоростных компонент непрерывной разливки стали. // Электротехнические системы и комплексы: Межвуз. сб. науч. тр. / Под ред. С.И. Лукьянова. – Магнитогорск: МГТУ, 2006. – Вып. 12. – С. 109–113. 3. Способ непрерывного литья заготовок на машинах криволинейного типа: Пат. 2198058 РФ: МПК B 22 D 11/043, 11/124 / Тахаутдинов Р.С., Логунова О.С., Корнеев В.М., Николаев О.А., Павлов В.В., Чернов П.Ю., Горосткин С.В., Суспицын В.Г., Логунов М.В. |
Permanent link: http://swsys.ru/index.php?id=1647&lang=en&page=article |
Print version Full issue in PDF (8.40Mb) |
The article was published in issue no. № 4, 2008 |
Perhaps, you might be interested in the following articles of similar topics:
- Моделирование информационных ресурсов при процессной организации системы управления предприятием
- Управление развитием надежных кластерных структур информационных систем
- Анализ особенностей процессов управления требованиями к информационным системам государственных структур
- Методики оптимизации транспортно-погрузочного комплекса предприятия
- Система диагностики и оценки риска остеопоротического перелома на основе интеллектуального анализа данных
Back to the list of articles