用數據來改變傳統煉鐵

王琳

1 前言：

高爐煉鐵是個古老的傳統煉鐵生產工藝，古代高爐有二千年的歷史，現代高爐煉鐵也有百余年歷史。在我國，高爐煉鐵與我們的傳統文化相結合，常常在實際生產中技術傳承揉入師傅帶徒弟模式，一代帶一代地傳承者一些獨特的絕招。在這個煉鐵操作技術的傳承過程中，所謂的獨門絕技里有時謬誤被當作了真理。并將謬誤一代一代的傳下來。從我畢業后從事高爐以來，在實際工作中發現，在一些煉鐵者中，那些經驗的、傳承的、經過驗證無效的方法還被時而使用，最終造成勞民傷財的結果。

故此，我們的高爐正確操作，必須做到三符合：一是符合煉鐵的基本原理；二是符合高爐生產的實際；三是符合操作紀律，含操作標準、規程、方案等。

其中，高爐生產實際和操作紀律的制定，就要用數據說話。

我這里做了一點點、非常簡單的數據分析應用，與大家分享。

2 數據的啟迪：

數據啟迪一：灌風口的原因。

曾經干過一個新投產的大高爐，每次大幅減風、坐料、休風，必定要灌風口。無論你操作怎么小心、出鐵怎么來風，減風、休風必定灌風口，少則幾個，多則十幾個。新上任的生產技術科長，月底審查生產報表發現，這月怎么沒有焦粉？于是開始檢查焦篩，發現焦篩都粘結死了，焦炭根本就沒過篩入爐了，這就是減風、休風灌風口的真實原因。

數據啟迪二：燒結含粉。

二十年前，小高爐跨越到大高爐，鮮有投產后正常的，我們在投產后兩年多時間里，高爐一直故事頻發，爐子不順。管道、懸料等時常發生。最常見的理由是：燒結含粉多了。于是我就每天小夜班將報表抱回家分析燒結返粉與高爐產量的關系，最后發現產量與燒結返粉率成正比。

于是在爐況分析會上亮出了這個結論。結論一出，就遭到全場抨擊。最后副總工說了一句話：無論結論是否正確，大家都拿出數據來？。于是全場都安靜了。現在我們球團、塊礦還在狠篩，忘了煉鐵基本理論要求：礦石入爐含粉量≤5%這個基本要求了。近十幾年來，國內燒結礦的FeO%有回升的趨勢，違背了燒結的發展方向，也對高爐不利，大家可以進行數據分析來驗證。

3 數據應用的起步

國內煉鐵三十年來，從原料、設備到工藝技術取得了巨大進步，有目共睹。數據在煉鐵業也得到了更廣泛的應用。高爐分析會也從過去一圈人坐著講些大而化之的發言改變為現在數據分析、PPT演示、邏輯推理判斷，各種現代管理手段逐步應用于高爐煉鐵，促進了高爐穩定、降耗、指標提升。

在高爐日常生產中，我們有兩種方法去做工藝技術分析。一是算，就是按照煉鐵工藝原理去算，這些計算就是我們從小學到大學學習的基本知識應用；二是數據統計分析，拋開計算，直接做數據分析。比如：我們推廣數據使用時，我們曾經做過一個小項目的試驗，即：每1%的焦炭水分，會影響多少度爐頂溫度？熱平衡計算與數據分析結果極其接近。

推廣數據應用需要一個環境，需要領導對使用數據的理解和支持。

4 數據應用的程序

數據應用大量工作在于數據收集和整理，占數據應用絕大部分工作量。

現在，每個鋼鐵企業都在信息化和數據化上下了大功夫，上了不少的信息化設備來裝點門面，尤其國家的工信部成立后，在信息化方面一級、二級、三級、四級信息化不斷的投入和升級，可見投入巨大。

但是，等我們做數據時才發現，盡管硬件已經非常硬了，但是我們還是沒法使用，巨大的數據寶庫就在機房里，但是沒人取用，沒法使用，非常難使用。

4.1數據收集：

要使用數據，首先要收集數據，常說的建立數據庫：建庫。我們做的都稱不上數據庫，只能算數據小包包，數據樣本量不夠，相關聯數據范圍小。

現在我們收集數據主要還是靠手，一個一個數字地敲進計算機里或進行片段化的拷貝粘貼，即使信息系統有數據，絕大多數數據不能直接拷貝使用，更不要說需要的數據自動生成了。

圖1：計算機柜房。

數據收集注意事項：

一是數據盡量完整，數據項目數據樣本盡量多。以方便以后的數據分析和使用。

二是結合課題的急迫性，如果是緊迫的課題，可以按照目的僅僅收集相關的數據。

三是平時就養成收集整理數據的習慣，這樣就一直保持一個項目豐富、實時更新的數據庫。

冶金交流中心的煉鐵數據：圖表2

4.2 數據整理：

所謂數據整理就是原始數據進行加工處理，使之系統化、條理化，以符合數據統計分析的需要。

（1）數據整理：對考慮如何進行統計分組選項，確定需要的相關數據項目。

（2）數據篩選：檢驗數據的完整性、準確性，相關性和時效性。

（3）數據剔除：無效的數據刪除。

（4）數據修正：更正確認謬誤的數據。如單位錯誤，位置錯誤等。

（5）再次篩選：通過統計排序或分布圖，再次進行數據篩選。

（6）及時保存：及時保存整理的不同的整理版本的數據。

整理后的冶金交流中心的數據表格：圖表3：

5 數據分析的應用

數據整理結束，基本上就完成了80%的工作量，但是統計中還會發現數據謬誤，還需要返工到數據整理甚至數據收集從頭開始。

數據收集整理都用Excel表格完成的，Excel作為常用的分析工具，可以實現基本的分析功能。也可以使用其它更專業的軟件，我們常用的是Minitab軟件。當然，更專業的機構，可以建模，做自己的分析軟件，實現更多的功能。

數據收集、整理、分析的目的，是為了應用數據來改善我們的煉鐵。讓我們的高爐更加穩定、經濟。

我們常做的數據分析應用，體現在高爐煉鐵的四個方面：一是操作參數優化；二是事故原因分析；三是高爐工藝技術的改進；四是相關參數的定量分析。

5.1 操作優化：

操作優化是最常見的數據應用，優化的理論基礎是：我們認為高爐參數不是是越大越好或者越小越好的，只有合適最好，這個合適的參數，就是我們要選擇的最佳操作區間。

以大家最近熱議的經濟煤比為例：

（1）繪出一段時間的高爐煤比與焦比的曲線，見上圖藍色線。

（2）繪出焦炭價格和煤粉價格的比率曲線，見紅色線。

（3）找出兩個曲線的底部相交部分。這個區域，就是經濟噴煤比，見綠色線。

（4）如圖表5大約這座高爐現狀的經濟煤比大概是145kg/t。煤比在145kg/t以下，煤比越低噴煤置換比越高；在煤比145kg/t以上，噴煤不經濟，噴煤越多，成本越高。

所以，圖表5這座高爐的經濟煤比在145kg/t。

某一高爐的焦比和煤比的擬合曲線：圖表4

煤比與燃料比的關系：圖表5

按照圖表5分析可得知，這座高爐的噴煤比在120-130kg/t，燃料比最低。

制約我們噴煤提升的因素是隨著煤比增加，燃料比升高，失去了噴煤的經濟性。目前，國內煤比分成三個檔次：120-130kg/t；150kg/t和180kg/t以上。120-130kg/t煤比是追求噴煤后燃料比最低；150kg/t是追求噴煤經濟型最好；180kg/t以上的高爐，無疑走出了一條高效噴煤的正確路子。

在煤比大于130kg/t時，我們的風口前煤粉燃燒理論已經不適應了，那么新的理論就會形成。當我們發現新的大噴煤而不增加燃料比理論的時候，180、200、220、250煤比將會很快出現。

5.2 事故分析：

用數據分析，制成圖標，可以更明顯的找出高爐爐內事故的根本原因。

舉例說明：

某高爐半年期間高爐每月失常一次真實原因分析。

某高爐透氣性指數隨時間的變化：圖表6

綠線之內，半年時間，每月一次爐子正常時突然失常，在圖表6里，也可以統計其它參數會明了的，如：噸鐵耗氧，噸鐵耗氧與燃料比的對比等等，能更加清晰的顯示出真實爐況失常的原因-----風量失真。

5.3 高爐技術工藝的改進：

使用數據分析，在我們使用的煉鐵工藝技術里，那些工藝技術是有效的，那些工藝技術是無效。

例如：混勻料場有用嗎？

按照常規的思維，混勻平鋪直取，不可能沒用的，但是真的有用嗎？

我們要通過數據分析會來驗證混勻料工藝是否有用。

我們在做一項技術改造的項目開始前，需要做數據分析，評估判斷這個技術項目是不是影響高爐生產穩定的因素。如原料粒級、塊礦烘干、焦炭水分等等。

如果沒有數據分析而僅僅強調重要性，必要性作為技術觀點，最后只會出現張冠李戴，緣木求魚的結果。

5.4 定量分析：

數據在煉鐵的應用，可以更準確的使用定量分析。使用分析工具里的功能，找出各個參數之間的相關性。使用數據化、公式化來預測判定參數改變后的效果。

大家可以將我們的操作參數，如四大操作制度，進行各項相關性分析，做出圖表或回歸。然后找出各項參數之間的關系，只要有數據，可以做很多很有趣的參數分析。如：爐渣堿度、鐵水[Si]%、爐渣成分和鐵水溫度的關系等。

這里不再做詳細分析，大家可以回去做做。

6 數據應用注意事項：

上述講的是數據在煉鐵上應用有益的方面，但是任何數據分析應用都不是萬能的，數據分析也有很多謬誤區域或者得出謬誤的結果，所以，在煉鐵使用數據時，需要注意一下幾點：

（1）數據是有范圍的：

只有在比較大的樣本范圍內得出的結果，數據才能在這個范圍內使用。超出范圍，是未知的或無效的。

（2）數據結論僅適合樣本數據樣本自己的：

我們用甲高爐分析的結論，不要生硬的搬到乙高爐上推廣應用。

比如煉鐵界普遍看做是真理的入爐品位與產量、焦比的關系。

大家可以將冶金交流中心站的數據，拿回去分析。得到的關系基本也是一二三的關系，但是按照高爐級別分別統計，會發現小高爐中高爐提升入爐品位改善高爐指標是有效的，而在3000m3以上高爐提高入爐品位改善高爐指標多是無效的。因為，大高爐入爐品位已經很高了，入爐品位不是高爐指標的主要制約因素了，提高余地小，而且改善高爐指標的效果不明顯了。

我們煉鐵界也會發現，凡是煉鐵工藝類問題，從操作參數，到工藝流程，都不可照搬。

（3）輸入輸出參數要認真甄別：

數據在煉鐵里應用就是找出輸入參數和輸出參數的相關性。但是，我們往往有時會混淆輸入或輸出參數，如果將輸入參數看成了輸出參數，我們會發現得到的結果是沒有實際使用價值的。

有的參數，貌似輸入參數，實際是輸出參數。甄別輸入參數和輸出參數的簡單方法：如果你這個參數基本是被動的或者沒有變動的余地，這個參數就是輸出參數而不是輸入參數；如果這個參數有主動的或有變動的余地，就可以看成輸入參數而不是輸出參數。

輸入參數與輸出參數，在不同的時間和環境，是可以轉變的。

（4）尋找真實的影響因素：

我們在做數據相關性分析時，往往或得到一個令人興奮的結果。但是這時要保持一份冷靜，還要繼續分析這個結果的輸入和輸出關系是不是真實的內在關系，還是這個參數帶了個假帽子。如爐溫[Si]%、鐵水物理熱、鐵水[S]、爐渣成分的關系，他們之間相互關聯的，我們就不能單項選擇，要做多元分析，以找到真實的內部相關性參數的關系。

（5）在應用統計分析軟件時，要做更多的圖、表、公式，來驗證結果的真實性。

（6）分析結果要有可操作性，實行改進操作后，要再做數據分析。

7 煉鐵數據應用未來的發展

我們人類兩千年的煉鐵，從古代到現代，從手工到機械，到自動化，到信息化再到未來的智能化，一步步的走來，并走向未來。

我們現在僅僅是做一點點簡單的數據分析，將來信息化、大數據必定會蓬勃發展，為未來的自動判斷、自動執行、自動修正的智能化煉鐵打個前站。

沒有數據，就沒有煉鐵的未來，我國也不可能成為鋼鐵強國。