用数据来改变传统炼铁

用数据来改变传统炼铁

王琳

1 前言：

高炉炼铁是个古老的传统炼铁生产工艺，古代高炉有二千年的历史，现代高炉炼铁也有百余年历史。在我国，高炉炼铁与我们的传统文化相结合，常常在实际生产中技术传承揉入师傅带徒弟模式，一代带一代地传承者一些独特的绝招。在这个炼铁操作技术的传承过程中，所谓的独门绝技里有时谬误被当作了真理。并将谬误一代一代的传下来。从我毕业后从事高炉以来，在实际工作中发现，在一些炼铁者中，那些经验的、传承的、经过验证无效的方法还被时而使用，最终造成劳民伤财的结果。

故此，我们的高炉正确操作，必须做到三符合：一是符合炼铁的基本原理；二是符合高炉生产的实际；三是符合操作纪律，含操作标准、规程、方案等。

其中，高炉生产实际和操作纪律的制定，就要用数据说话。

我这里做了一点点、非常简单的数据分析应用，与大家分享。

2 数据的启迪：

数据启迪一：灌风口的原因。

曾经干过一个新投产的大高炉，每次大幅减风、坐料、休风，必定要灌风口。无论你操作怎么小心、出铁怎么来风，减风、休风必定灌风口，少则几个，多则十几个。新上任的生产技术科长，月底审查生产报表发现，这月怎么没有焦粉？于是开始检查焦筛，发现焦筛都粘结死了，焦炭根本就没过筛入炉了，这就是减风、休风灌风口的真实原因。

数据启迪二：烧结含粉。

二十年前，小高炉跨越到大高炉，鲜有投产后正常的，我们在投产后两年多时间里，高炉一直故事频发，炉子不顺。管道、悬料等时常发生。最常见的理由是：烧结含粉多了。于是我就每天小夜班将报表抱回家分析烧结返粉与高炉产量的关系，最后发现产量与烧结返粉率成正比。

于是在炉况分析会上亮出了这个结论。结论一出，就遭到全场抨击。最后副总工说了一句话：无论结论是否正确，大家都拿出数据来？。于是全场都安静了。现在我们球团、块矿还在狠筛，忘了炼铁基本理论要求：矿石入炉含粉量≤5%这个基本要求了。近十几年来，国内烧结矿的FeO%有回升的趋势，违背了烧结的发展方向，也对高炉不利，大家可以进行数据分析来验证。

3 数据应用的起步

国内炼铁三十年来，从原料、设备到工艺技术取得了巨大进步，有目共睹。数据在炼铁业也得到了更广泛的应用。高炉分析会也从过去一圈人坐着讲些大而化之的发言改变为现在数据分析、PPT演示、逻辑推理判断，各种现代管理手段逐步应用于高炉炼铁，促进了高炉稳定、降耗、指标提升。

在高炉日常生产中，我们有两种方法去做工艺技术分析。一是算，就是按照炼铁工艺原理去算，这些计算就是我们从小学到大学学习的基本知识应用；二是数据统计分析，抛开计算，直接做数据分析。比如：我们推广数据使用时，我们曾经做过一个小项目的试验，即：每1%的焦炭水分，会影响多少度炉顶温度？热平衡计算与数据分析结果极其接近。

推广数据应用需要一个环境，需要领导对使用数据的理解和支持。

4 数据应用的程序

数据应用大量工作在于数据收集和整理，占数据应用绝大部分工作量。

现在，每个钢铁企业都在信息化和数据化上下了大功夫，上了不少的信息化设备来装点门面，尤其国家的工信部成立后，在信息化方面一级、二级、三级、四级信息化不断的投入和升级，可见投入巨大。

但是，等我们做数据时才发现，尽管硬件已经非常硬了，但是我们还是没法使用，巨大的数据宝库就在机房里，但是没人取用，没法使用，非常难使用。

4.1数据收集：

要使用数据，首先要收集数据，常说的建立数据库：建库。我们做的都称不上数据库，只能算数据小包包，数据样本量不够，相关联数据范围小。

现在我们收集数据主要还是靠手，一个一个数字地敲进计算机里或进行片段化的拷贝粘贴，即使信息系统有数据，绝大多数数据不能直接拷贝使用，更不要说需要的数据自动生成了。

图1：计算机柜房。

数据收集注意事项：

一是数据尽量完整，数据项目数据样本尽量多。以方便以后的数据分析和使用。

二是结合课题的急迫性，如果是紧迫的课题，可以按照目的仅仅收集相关的数据。

三是平时就养成收集整理数据的习惯，这样就一直保持一个项目丰富、实时更新的数据库。

冶金交流中心的炼铁数据：图表2

4.2 数据整理：

所谓数据整理就是原始数据进行加工处理，使之系统化、条理化，以符合数据统计分析的需要。

（1）数据整理：对考虑如何进行统计分组选项，确定需要的相关数据项目。

（2）数据筛选：检验数据的完整性、准确性，相关性和时效性。

（3）数据剔除：无效的数据删除。

（4）数据修正：更正确认谬误的数据。如单位错误，位置错误等。

（5）再次筛选：通过统计排序或分布图，再次进行数据筛选。

（6）及时保存：及时保存整理的不同的整理版本的数据。

整理后的冶金交流中心的数据表格：图表3：

5 数据分析的应用

数据整理结束，基本上就完成了80%的工作量，但是统计中还会发现数据谬误，还需要返工到数据整理甚至数据收集从头开始。

数据收集整理都用Excel表格完成的，Excel作为常用的分析工具，可以实现基本的分析功能。也可以使用其它更专业的软件，我们常用的是Minitab软件。当然，更专业的机构，可以建模，做自己的分析软件，实现更多的功能。

数据收集、整理、分析的目的，是为了应用数据来改善我们的炼铁。让我们的高炉更加稳定、经济。

我们常做的数据分析应用，体现在高炉炼铁的四个方面：一是操作参数优化；二是事故原因分析；三是高炉工艺技术的改进；四是相关参数的定量分析。

5.1 操作优化：

操作优化是最常见的数据应用，优化的理论基础是：我们认为高炉参数不是是越大越好或者越小越好的，只有合适最好，这个合适的参数，就是我们要选择的最佳操作区间。

以大家最近热议的经济煤比为例：

（1）绘出一段时间的高炉煤比与焦比的曲线，见上图蓝色线。

（2）绘出焦炭价格和煤粉价格的比率曲线，见红色线。

（3）找出两个曲线的底部相交部分。这个区域，就是经济喷煤比，见绿色线。

（4）如图表5大约这座高炉现状的经济煤比大概是145kg/t。煤比在145kg/t以下，煤比越低喷煤置换比越高；在煤比145kg/t以上，喷煤不经济，喷煤越多，成本越高。

所以，图表5这座高炉的经济煤比在145kg/t。

某一高炉的焦比和煤比的拟合曲线：图表4

煤比与燃料比的关系：图表5

按照图表5分析可得知，这座高炉的喷煤比在120-130kg/t，燃料比最低。

制约我们喷煤提升的因素是随着煤比增加，燃料比升高，失去了喷煤的经济性。目前，国内煤比分成三个档次：120-130kg/t；150kg/t和180kg/t以上。120-130kg/t煤比是追求喷煤后燃料比最低；150kg/t是追求喷煤经济型最好；180kg/t以上的高炉，无疑走出了一条高效喷煤的正确路子。

在煤比大于130kg/t时，我们的风口前煤粉燃烧理论已经不适应了，那么新的理论就会形成。当我们发现新的大喷煤而不增加燃料比理论的时候，180、200、220、250煤比将会很快出现。

5.2 事故分析：

用数据分析，制成图标，可以更明显的找出高炉炉内事故的根本原因。

举例说明：

某高炉半年期间高炉每月失常一次真实原因分析。

某高炉透气性指数随时间的变化：图表6

绿线之内，半年时间，每月一次炉子正常时突然失常，在图表6里，也可以统计其它参数会明了的，如：吨铁耗氧，吨铁耗氧与燃料比的对比等等，能更加清晰的显示出真实炉况失常的原因-----风量失真。

5.3 高炉技术工艺的改进：

使用数据分析，在我们使用的炼铁工艺技术里，那些工艺技术是有效的，那些工艺技术是无效。

例如：混匀料场有用吗？

按照常规的思维，混匀平铺直取，不可能没用的，但是真的有用吗？

我们要通过数据分析会来验证混匀料工艺是否有用。

我们在做一项技术改造的项目开始前，需要做数据分析，评估判断这个技术项目是不是影响高炉生产稳定的因素。如原料粒级、块矿烘干、焦炭水分等等。

如果没有数据分析而仅仅强调重要性，必要性作为技术观点，最后只会出现张冠李戴，缘木求鱼的结果。

5.4 定量分析：

数据在炼铁的应用，可以更准确的使用定量分析。使用分析工具里的功能，找出各个参数之间的相关性。使用数据化、公式化来预测判定参数改变后的效果。

大家可以将我们的操作参数，如四大操作制度，进行各项相关性分析，做出图表或回归。然后找出各项参数之间的关系，只要有数据，可以做很多很有趣的参数分析。如：炉渣碱度、铁水[Si]%、炉渣成分和铁水温度的关系等。

这里不再做详细分析，大家可以回去做做。

6 数据应用注意事项：

上述讲的是数据在炼铁上应用有益的方面，但是任何数据分析应用都不是万能的，数据分析也有很多谬误区域或者得出谬误的结果，所以，在炼铁使用数据时，需要注意一下几点：

（1）数据是有范围的：

只有在比较大的样本范围内得出的结果，数据才能在这个范围内使用。超出范围，是未知的或无效的。

（2）数据结论仅适合样本数据样本自己的：

我们用甲高炉分析的结论，不要生硬的搬到乙高炉上推广应用。

比如炼铁界普遍看做是真理的入炉品位与产量、焦比的关系。

大家可以将冶金交流中心站的数据，拿回去分析。得到的关系基本也是一二三的关系，但是按照高炉级别分别统计，会发现小高炉中高炉提升入炉品位改善高炉指标是有效的，而在3000m3以上高炉提高入炉品位改善高炉指标多是无效的。因为，大高炉入炉品位已经很高了，入炉品位不是高炉指标的主要制约因素了，提高余地小，而且改善高炉指标的效果不明显了。

我们炼铁界也会发现，凡是炼铁工艺类问题，从操作参数，到工艺流程，都不可照搬。

（3）输入输出参数要认真甄别：

数据在炼铁里应用就是找出输入参数和输出参数的相关性。但是，我们往往有时会混淆输入或输出参数，如果将输入参数看成了输出参数，我们会发现得到的结果是没有实际使用价值的。

有的参数，貌似输入参数，实际是输出参数。甄别输入参数和输出参数的简单方法：如果你这个参数基本是被动的或者没有变动的余地，这个参数就是输出参数而不是输入参数；如果这个参数有主动的或有变动的余地，就可以看成输入参数而不是输出参数。

输入参数与输出参数，在不同的时间和环境，是可以转变的。

（4）寻找真实的影响因素：

我们在做数据相关性分析时，往往或得到一个令人兴奋的结果。但是这时要保持一份冷静，还要继续分析这个结果的输入和输出关系是不是真实的内在关系，还是这个参数带了个假帽子。如炉温[Si]%、铁水物理热、铁水[S]、炉渣成分的关系，他们之间相互关联的，我们就不能单项选择，要做多元分析，以找到真实的内部相关性参数的关系。

（5）在应用统计分析软件时，要做更多的图、表、公式，来验证结果的真实性。

（6）分析结果要有可操作性，实行改进操作后，要再做数据分析。

7 炼铁数据应用未来的发展

我们人类两千年的炼铁，从古代到现代，从手工到机械，到自动化，到信息化再到未来的智能化，一步步的走来，并走向未来。

我们现在仅仅是做一点点简单的数据分析，将来信息化、大数据必定会蓬勃发展，为未来的自动判断、自动执行、自动修正的智能化炼铁打个前站。

没有数据，就没有炼铁的未来，我国也不可能成为钢铁强国。