DE19637917C2

DE19637917C2 - Verfahren und Einrichtung zum Entwurf oder zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindustrie

Info

Publication number: DE19637917C2
Application number: DE1996137917
Authority: DE
Inventors: Thomas Dr Ing Peuker; Friedemann Dr Rer Nat Schmid; Guenter Dipl Ing Soergel; Otto Dr Ing Gramckow
Original assignee: Siemens AG; Siemens Corp
Current assignee: Siemens AG; Siemens Corp
Priority date: 1996-09-17
Filing date: 1996-09-17
Publication date: 1998-12-10
Anticipated expiration: 2016-09-18
Also published as: DE19780983D2; AT500862A5; AT500862B8; WO1998012612A1; DE19637917A1; AT500862B1

Description

Die Erfindung betrifft ein Verfahren zum Entwurf oder zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindu strie, insbesondere eines Stahl- bzw. Walzwerks, wobei die Entscheidungsgrößen über den Prozeßablauf mittels eines ma thematischen Optimierungsalgorithmus optimiert werden, der die Entscheidungsgrößen über den Prozeßablauf auf der Basis eines Prozeßmodells optimiert, wobei das Prozeßmodell auf zwei Ebenen, eine übergeordnete Modellebene und eine untere Modellebene, verteilt wird, und wobei die untere Modellebene Teilmodelle aufweist, die durch zumindest ein Modell auf der übergeordneten Modellebene verknüpft werden.

Ein solches Verfahren ist aus der DE 43 38 615 A1 bekannt.

Es ist weiterhin bekannt, eine derartige Optimierung mittels eines vereinfachten Modells des Prozeßablaufs durchzuführen. Sind nicht alle für eine Optimierung notwendigen Reaktionen des Prozeßablaufs auf Einstellungen des Prozeßablaufs be kannt, versagt diese Methode. Die Einstellungen des Prozeßab laufs müssen dann heuristisch getroffen werden. Dieses gilt z. B. für die Berechnung von Stichplänen in einem Walzwerk. Ermöglicht die Modellierung des Prozeßablaufs dessen Optimie rung, so führt diese Optimierung aufgrund der notwendigen Vereinfachungen zu suboptimalen Lösungen für die Einstellun gen des Prozeßablaufs. Müssen heuristische Methoden für die Einstellungen des Prozeßablaufs herangezogen werden, so lie gen die ermittelten Einstellungen häufig weit entfernt von den optimalen Einstellungen.

Aufgabe der Erfindung ist es, ein Verfahren bzw. eine Ein richtung anzugeben, mittels dessen die obengenannten Nach teile, insbesondere unter vertretbarem ökonomischem Aufwand, vermieden werden können. Dabei ist es besonders wünschens wert, ein Verfahren bzw. eine Einrichtung anzugeben, die es ermöglicht, Einstellungen entsprechend optimaler Stichpläne für ein Walzwerk zu generieren.

Die Aufgabe wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 bzw. eine Einrichtung gemäß Anspruch 18 gelöst. Auf diese Weise ist es möglich, einem Optimierungsalgorithmus ein besonders detailliertes Modell des Prozeßablaufs zur Ver fügung zu stellen, so daß dieser optimale Einstellungen des Prozeßablaufs ermitteln kann. Dabei können auf der unteren Modellebene Modelle verwendet werden, die bestimmte Opti mierungsalgorithmen, wie z. B. Gradientenverfahren, nicht zu lassen. Derartige Modelle, sind z. B. Differentialgleichungs systeme, neuronale Netze, Finite-Elemente-Modelle, regelba sierte Modelle oder Fuzzy-Modelle. Insbesondere für Prozesse, wie z. B. Walzwerke, die sich mit vertretbaren wirtschaftli chem Aufwand nicht mit Gleichungssystemen beschreiben lassen, für die aber für bestimmte Teilkomponenten z. B. Modelle in Form neuronaler Netze vorliegen, können durch das erfindungs gemäße Verfahren mittels eines Optimierungsalgorithmus, wie z. B. dem Gradientenverfahren, optimiert werden. Auf diese Weise ist es möglich, die Entscheidungsgrößen von Prozeßab läufen mit einer hohen Komplexität wie etwa bei Anlagen der Grundstoffindustrie zu optimieren.

In einer vorteilhaften Ausgestaltung der Erfindung werden be reits existierende bzw. bekannte Teilmodelle, die z. B. in der Prozeßsteuerung zum Einsatz kommen, verwendet. Dies ermög licht eine besonders kostengünstige Modellierung des Prozeß ablaufs.

Weitere Vorteile und erfinderische Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen, anhand der Zeichnungen und in Verbindung mit den Unteran sprüchen. Im einzelnen zeigen:

Fig. 1 eine Zweiebenen-Optimierung,

Fig. 2 einen Zielbaum

Fig. 1 zeigt eine Zweiebenen-Optimierung. Dabei wird der Pro zeßablauf auf zwei Modellierungsebenen, einer übergeordneten Modellierungsebene 1 und einer unteren Modellierungsebene 2, modelliert. Auf der unteren Modellierungsebene 2 befinden sich Teilmodelle 3, 4, 5, 6, die Teile des zu optimierenden Pro zesses modellieren. Auf der übergeordneten Modellierungsebene 1 befindet sich ein übergeordnetes Prozeßmodell 7, das Mo dellgleichungen und/oder Modellungleichungen aufweist und das zusammen mit den Teilmodellen 3, 4, 5, 6 der unteren Modellie rungsebene ein Gesamtabbild des zu optimierenden Prozesses bildet. Diese erfindungsgemäße Zweiebenenstruktur für die Optimierung eines Prozeßablaufs hat sich besonders für kom plexe Anlagen, bei denen bereits Teilmodelle, z. B. in Form von Differentialgleichungssystemen, neuronalen Netzen, Fi nite-Elemente-Modellen, regelbasierten Modellen, oder Fuzzy- Modellen, existieren, bewährt. Im Zuge der Verknüpfung der Modelle 3, 4, 5, 6, 7 der beiden Modellierungsebenen 1, 2 werden durch das übergeordnete Modell 7 variable Größen 10 erzeugt, die die Eingangsgrößen für die Teilmodelle 3, 4, 5, 6 bilden. Ausgangsgrößen der Teilmodelle 3, 4, 5, 6 wiederum sind Parameter 9, die als Eingangsgrößen in das übergeordnete Prozeßmodell 7 eingehen. Weitere Eingangsgrößen in das über geordnete Prozeßmodell sind Vorgaben 8.

Aufgabe der Optimierung ist es, Entscheidungsgrößen über den Prozeßablauf, wie etwa Einstellungen des Prozeßablaufs, zu finden. Diese Entscheidungsgrößen bilden eine Teilmenge der variablen Größen 10. Im Rahmen der Optimierung werden zu nächst durch das übergeordnete Prozeßmodell 7 variable Größen 10 ermittelt, aus denen die Teilmodelle 3, 4, 5, 6 Parameter 9 errechnen. Auf der Basis dieser Parameter 9 werden gemäß dem gewählten Optimierungsalgorithmus neue variable Größen 10 gebildet. Dieser Zyklus wird solange wiederholt, bis ein ge wähltes Abbruchkriterium für die Optimierung erfüllt ist. Dabei laufen zwei Optimierungsvorgänge ab. Zunächst werden die Modellgleichungen und die Modellungleichungen des über geordneten Prozeßmodells 7 mittels Zielfunktionen optimiert. Das Ergebnis dieser Optimierung sind auf der Basis von gege benen Parametern 9 optimale variable Größen 10. Nach Abschluß dieser Optimierung werden aufgrund dieser optimalen variablen Größen 10 durch die Teilmodelle Parameter 9 errechnet. Auf der Basis dieser neuen Parameter 9 werden im Zuge der inneren Optimierung neue optimale variable Größen 10 ermittelt. Auf dieser Basis dieser neuen variablen Größen 10 werden in den Teilmodellen 3, 4, 5, 6 neue Parameter 9 errechnet. Im Zuge dieser äußeren Optimierung wird solange iteriert, bis sich die neuen Parameter 9 von den alten Parametern 9 um weniger als einen Toleranzwert oder die neuen variablen Größen 10 von den alten variablen Größen 10 um weniger als einen Toleranzwert unterscheiden.

Dieses Verfahren hat sich als besonders geeignet erwiesen, Stichpläne, d. h. Voreinstellungen für Walzstraßen, zu ermit teln. Dabei sind Methoden der nichtlinearen Optimierung be sonders geeignet. Für die Stichplanberechnung werden vorzugs weise Optimierungskriterien in Form eines unterbestimmten Gleichungssystems formuliert, so daß sich bei der Optimierung ein Lösungsraum in Form einer Kompromißmenge ergibt. Die Formulierung des Optimierungskriteriums erfolgt dabei vor teilhafterweise in Form von Funktionen, die als Ziele in ei nem wie in Fig. 2 gezeigten Zielbaumes formuliert sind. Dazu werden alle sinnvollen Ziele Z1, Z2, Z3, Za für eine bestimmte Anwendung verwendet. Diese Ziele können weiter verfeinert werden, so daß sich eine Baumstruktur wie in Fig. 2 ergibt. Dabei haben nicht alle Kriterien notwendigerweise die gleiche Verzweigungstiefe. Für die Stichplanberechnung können sich mit Bezugnahme auf Fig. 2 z. B. folgende Ziele ergeben:

Z optimaler Stichplan, Z1 technische Aspekte, Z2 Flexibili tät, Za ökonomische Aspekte, Z12 Steuerung, Z13 Technologie, Z121 Produktqualität, Z1211 Planheit, Z1212 Gefüge, Z122 kri tische Zustände, Z1221 maximale Walzkraft, Z1222 maximale Mo torleistung, Z1223 maximale Walzgeschwindigkeit, Za1 Kenn zahlen, Za2 Gewinn, Za21 Erlös, Za22 Aufwendungen.

Durch die Verfeinerung im Zielbaum werden Ziele allgemeiner Art durch immer konkretere Ziele beschrieben, die in der letzten Verfeinerungsstufe als Blätter bezeichnet werden. Der so entstandene Zielbaum stellt eine hierarchische Struktur von Zielen dar, wobei Ziele innerhalb eines Astes komplemen tär und Ziele verschiedener Äste im allgemeinen konkurrierend sind. Der Zielbaum wird vorteilhafterweise möglichst allge mein gültig definiert, so daß bei konkreter Anwendung nur eine Teilstruktur des Zielbaumes Verwendung findet. Für eine konkrete Anwendung werden die einzelnen Optimierungskriterien mit Attributen versehen, welche die Art ihrer Verwendung festlegen. Dabei finden folgende Attribute Anwendung:

- "nicht aktiv"
- "Zielfunktion"
- "Nebenbedingung" oder
- "Bewertungskriterium".

Dabei heißt Attribut "nicht aktiv", daß in der konkreten An wendung das Ziel als nicht relevant eingeschätzt und somit aus den weiteren Betrachtungen ausgeschlossen wird. Alle mit dem Attribut "Zielfunktion" versehenen Ziele sind Grundlage für die Optimierung, deren Ergebnis eine Kompromißmenge ist.

Diese Kompromißmenge wird unter Verwendung der mit dem Attri but "Nebenbedingung" versehenen Ziele zu einer reduzierten Kompromißmenge reduziert. Aus dieser reduzierten Kompromiß menge wird wiederum mittels der mit dem Attribut "Bewertungs kriterium" versehenen Ziele eine Rangfolge für die Entschei dungsgrößen über den Prozeßablauf ermittelt. Dieses Vorgehen, bestehend aus Optimierung, Reduzierung der Kompromißmenge und Bewertung der reduzierten Kompromißmenge wird als Ent scheidungsfindung bezeichnet.

Besonders geeignete Anwendungsfälle für das erfindungsgemäße Verfahren stellen die Berechnung von Voreinstellungen für die Einrichtung einer Walzstraße, Analysen und Erarbeitung von Walzstrategien, Planungsprozesse während des Walzbetriebes sowie die Unterstützung der Entscheidungsfindung beim Entwurf von Walzstraßen dar.

Claims

1. Verfahren zum Entwurf oder zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindustrie, insbesondere eines Stahl- bzw. Walzwerks, wobei Entscheidungsgrößen über den Prozeßablauf mittels eines mathematischen Optimierungsalgo rithmus optimiert werden, der die Entscheidungsgrößen über den Prozeßablauf auf der Basis eines Prozeßmodells optimiert, wobei das Prozeßmodell auf zwei Modellebenen, eine übergeord nete Modellebene (1) und eine untere Modellebene (2), ver teilt wird, und wobei die untere Modellebene (2) Teilmodelle (3, 4, 5, 6) aufweist, die durch zumindest ein Modell (7) auf der übergeordneten Modellebene (1) verknüpft werden, dadurch gekennzeichnet, daß auf der übergeordneten Modellebene variable Größen (10), von denen die Entscheidungsgrößen eine Teilmenge sind, ermit telt werden, wobei auf der Basis der variablen Größen (10) auf der unteren Modellebene Parameter (9) ermittelt werden, auf deren Basis wiederum neue variable Größen (10) ermittelt werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß das Modell (7) auf der übergeordneten Modellebene (1) ein analytisches Modell ist, daß durch Modellgleichungen und Mo dellungleichungen beschrieben ist.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Teilmodelle (3, 4, 5, 6) Differentialgleichungssysteme, neuronale Netze, Finite-Elemente-Modelle, Fuzzy-Modelle oder regelbasierte Modelle sind, wobei die Teilmodelle (3, 4, 5, 6) vorteilhafterweise bekannte oder bereits existierende Modelle sind, die in der Prozeßsteuerung zum Einsatz kommen.

4. Verfahren nach Anspruch 1, 2 oder 3, dadurch gekennzeichnet, daß die Optimierung in Form einer experimentellen Optimie rung, z. B. in verschiedenen Varianten des Simplexverfahrens oder genetischer Algorithmen, erfolgt.

5. Verfahren nach Anspruch 1, 2 oder 3, dadurch gekennzeichnet, daß die Optimierung gemäß einem nichtlinearen Optimie rungsverfahren, wie z. B. einem Gradientenverfahren erfolgt.

6. Verfahren nach Anspruch 1 bis 5, dadurch gekennzeichnet, daß in zwei verschachtelten Optimierungsvorgängen, einer in neren Optimierung und einer äußeren Optimierung, optimiert wird, wobei im Zuge der inneren Optimierung über die Modell gleichungen, die Modellungleichungen sowie über Zielfunktio nen optimiert wird und wobei das Ergebnis dieser Optimierung eine Kompromißmenge ist.

7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, daß zur äußeren Optimierung die Entscheidungsgrößen über den Prozeßablauf so lange über beide Ebenen, d. h. über die über geordnete Modellebene (1) und die untere Modellebene (2), iteriert werden, bis sich die auf der unteren Modellebene (2) ermittelten Parameter (9) aus dem jeweils vorhergehenden Iterationsschritt von den im aktuellen Iterationsschritt er mittelten Parametern (9) um weniger als vorgegebene Tole ranzwerte unterscheiden.

8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß bei einigen Iterationsschritten der äußeren Optimierung, insbesondere bei den ersten Iterationsschritten, die Teilmo delle (3, 4, 5, 6) der unteren Modellebene linearisiert werden und in den entsprechenden Iterationsschritten die lineari sierten Teilmodelle anstelle der ursprünglichen Teilmodelle (3, 4, 5, 6) verwendet werden.

9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, daß als linearisierte Teilmodelle, sogenannte Wirksamkeiten (w_ij) mit w_ij = Δy_i/Δx_j benutzt werden, wobei x_j die j-te Ein gangsgröße und y_i die i-te Ausgangsgröße des linearisierten Teilmodells ist.

10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß Ziele für eine Entscheidungsfindung, von der die Op timierung ein Teil ist, in hierarchischer Weise, d. h. als Zielbaum, formuliert werden, wobei Ziele innerhalb eines Astes komplementär und Ziele verschiedener Äste, vorzugsweise konkurrierend sind, und wobei die Ziele mit wachsender Ver zweigung konkreter werden.

11. Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, daß ein Ziel als Zielfunktion, als Nebenbedingung, als Be wertungskriterium oder gar nicht bei der Entscheidungsfindung berücksichtigt wird.

12. Verfahren nach Anspruch 11, dadurch gekennzeichnet, daß zur Entscheidungsfindung aus der Kompromißmenge mittels der Nebenbedingungen eine reduzierte Kompromißmenge und aus der reduzierten Kompromißmenge mittels der Bewertungskrite rien, insbesondere punktweise, eine Rangfolge ermittelt wird.

13. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß mit ihm optimale Stichpläne für eine Walzstraße mit den entsprechenden Einstellungen der Walzstraße bestimmt werden.

14. Verfahren nach Anspruch 13, dadurch gekennzeichnet, daß mit ihm optimale Stichpläne oder Walzstrategien mit den entsprechenden Einstellungen der Walzstraße für bestehende Walzstraßen bestimmt werden.

15. Verfahren nach Anspruch 12 oder 13, dadurch gekennzeichnet, daß die optimalen Stichpläne als Grundlage für eine Organisa tion des Walzbetriebes (u. a. des Brammenlagers) im Rahmen einer Level-3-Automatisierung genutzt werden.

16. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Modelle (7) der übergeordneten Modellebene (1) auf einem anderen Rechner implementiert sind als die Teilmodelle (3, 4, 5, 6) auf der unteren Modellebene (2).

17. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Teilmodelle (3, 4, 5, 6) auf der unteren Modellebene (2) zum Teil auf verschiedenen Rechnern implementiert sind.

18. Einrichtung zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindustrie, insbesondere eines Stahlwerks, zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche, wobei Entscheidungsgrößen über den Prozeßablauf mittels eines mathematischen Optimierungsalgorithmus opti miert werden, der die Entscheidungsgrößen über den Prozeßab lauf auf der Basis eines Prozeßmodells optimiert, wobei das Prozeßmodell auf zwei Modellebenen, eine übergeordnete Modellebene (1) und eine untere Modellebene (2), verteilt wird, und wobei die untere Modellebene (2) Teilmodelle (3, 4, 5, 6) aufweist, die durch zumindest ein Modell (7) auf der übergeordneten Modellebene (1) verknüpft werden, da durch gekennzeichnet, daß auf der übergeordneten Modellebene variable Größen (10), von denen die Entscheidungsgrößen eine Teilmenge sind, ermit telt werden, wobei auf der Basis der variablen Größen (10) auf der unteren Modellebene Parameter (9) ermittelt werden, auf deren Basis wiederum neue variable Größen (10) ermittelt werden.