成本優(yōu)化控制

1、1 引 言    在鐵礦選礦產品的成本中，原材料、燃料、動力等消耗的費用占成本的比例約為80%。目前，國內外都將成本控制作為一個系統(tǒng)，在系統(tǒng)環(huán)境下利用信息集成技術研究了成本控制的方法，提出了包含成本控制在內的流程工業(yè)CIMS體系結構，并開發(fā)了相應的成本控制軟件包。但是，以往的成本控制往往局限于數據的采集、計算等，沒有將經濟指標與技術指標和操作過程有機地結合起來，使得成本控制嚴重滯后，缺乏動態(tài)性和可操作性。為此，本文研究了鐵礦選礦生產過程動態(tài)成本控制的相關技術，并將該技術成功應用于酒鋼公司選礦廠，實現了選礦生產過程的動態(tài)成本控制，取得了明顯的應用成效。 &

2、#160;  2 鐵礦選礦生產過程簡介    鐵礦選礦生產過程分為原礦生產、豎爐焙燒、磨礦與磁選、精礦生產和尾礦處理5個作業(yè)流程。首先將原礦礦石篩分為015 mm粒級的粉礦和大于15 mm粒級的塊礦。粉礦由皮帶輸送系統(tǒng)給入強磁圓筒礦倉，作為強磁選別生產的原料。塊礦經過二次篩分為1050 mm粒級和大于50 mm粒級礦石分別存入爐前礦槽內，作為焙燒爐的原料。    豎爐焙燒作業(yè)流程將塊礦送入豎爐進行焙燒。焙燒后的礦石由磁滑輪進行磁選，分為廢石和有用礦石，廢石由皮帶運輸及卷揚系統(tǒng)運往廢石山堆砌，有用的礦石再經干選機干選后，送往弱

3、磁圓筒礦倉作為弱磁選別生產的原料。    磨礦、磁選與脫水作業(yè)流程分為強磁選別和弱磁選別，其磨礦系統(tǒng)一段為球磨機與分級機形成閉路；二段為球磨機與水力旋流器形成閉路。粉礦或者焙燒好的礦石由一段球磨機磨礦后由分級機進行分級，返砂返回球磨機再磨，分級機溢流進入旋流器分級，旋流器沉砂部分進入二次球磨機再磨。旋流器溢流進入強磁機或弱磁機選別，選別出的精礦進入濃縮脫水系統(tǒng)內濃縮，脫水后的精礦進入精礦庫。尾礦經濃縮后送至尾礦壩。    3 鐵礦選礦生產過程動態(tài)成本控制技術    1）智能優(yōu)化控制技術結構 &#

4、160;  鐵礦選礦生產過程是一個復雜的工業(yè)過程，成本控制涉及大量的工藝參數，使得選礦成本難以用常規(guī)的方法進行成本控制。智能優(yōu)化控制技術通過兩層結構，即通過生產過程成本控制系統(tǒng)和過程優(yōu)化控制系統(tǒng)來實現鐵礦選礦生產過程動態(tài)成本控制。    生產過程成本控制系統(tǒng)主要包括關鍵生產指標設定、成本指標核算、成本動因分析、成本指標和生產指標預報等功能。關鍵生產指標設定模塊將生產過程成本指標分解成與其相關的關鍵生產指標，并給出過程優(yōu)化控制系統(tǒng)的設定值。利用成本指標核算模型核算成本指標，將成本指標核算值與成本指標設定值進行比較，從生產指標角度對差異原因進行分析，通過重新

5、調整生產指標設定值或對控制成本的各作業(yè)區(qū)進行獎懲，實現生產過程成本的反饋控制。利用成本指標預報模型對成本指標進行預報，并與成本指標設定值進行比較，從生產指標角度分析差異原因，決定是否需要調整生產指標設定值或采取其他相關措施，對生產過程成本進行前饋控制。如圖1所示。    圖1 生產過程成本控制系統(tǒng)技術結構圖    過程優(yōu)化控制系統(tǒng)由生產過程關鍵工藝參數優(yōu)化模塊、智能優(yōu)化設定模塊、前饋補償模塊、反饋補償模塊、關鍵工藝參數預報模塊等模塊組成。如圖2所示。    圖2 過程優(yōu)化控制系統(tǒng)技術結構圖

6、60;   該系統(tǒng)主要功能是利用關鍵工藝參數設定模型將生產指標轉化成與其密切相關的工藝參數，給出其優(yōu)化設定值。指標優(yōu)化控制系統(tǒng)利用智能優(yōu)化設定模型將這些工藝參數轉化成控制系統(tǒng)的設定值。利用生產過程的輸入、輸出量，通過關鍵工藝參數預報模型向過程控制系統(tǒng)提供某些難以直接測量的關鍵工藝參數的預報值，并與其優(yōu)化設定值進行比較，產生的誤差經過前饋補償來校正回路優(yōu)化設定值。通過化驗過程產生的工藝參數的化驗值與工藝參數的優(yōu)化值進行反饋校正回路設定值，通過回路控制使選礦過程實現優(yōu)化，從而實現選礦生產過程成本控制。    2）成本優(yōu)化控制模型 

7、0;  鐵礦選礦產品成本由多個成本指標組成，每個成本指標又包含許多成本因素。在產品成本分解模型和成本指標核算模型中，根據成本指標組成結構和成本指標計算公式就可以對產品成本進行分解和核算。    關鍵生產指標設定模型  在鐵礦選礦生產過程中一些關鍵的生產指標對企業(yè)物耗、能耗影響很大。因此，在考慮物耗、能耗、成本和產量的前提下，通過關鍵生產指標設定模型優(yōu)化生產指標和工藝參數，設定既滿足工序要求又使工序成本最低的生產指標，對于指導生產、控制生產成本至關重要。生產指標的優(yōu)化設定可以采用神經網絡、案例推理等智能模型。   

8、精礦品位和金屬回收率是一對重要而矛盾的指標：精礦品位反映精礦質量，金屬回收率反映了選礦過程中金屬回收的程度。提高兩者中任何一個指標都會導致另一個指標的下降。為降低企業(yè)物耗需要在保證精礦品位的前提下，盡量地提高選礦金屬回收率。利用神經網絡擬合精礦品位和金屬回收率的關系曲線yf（x），使得在精礦品位x已知的情況下，能夠快速準確給出金屬回收率y的指標設定值，在選礦廠的實際應用中取得了較好的效果。    生產指標預報模型  根據經濟指標和生產指標之間的關系，對影響生產指標的關鍵參數進行在線的采集與監(jiān)測，建立生產指標預報模型，可以快速準確地預報生產狀況，對于企業(yè)進

9、行生產過程控制具有較高實用價值。傳統(tǒng)的生產指標預報一般采用統(tǒng)計模式建立預測方程，并結合經驗指標進行。所用的統(tǒng)計模式多是屬于線性模式，對起伏較大的非線性生產指標預測效果不是很好。徑向基函數（Radial Basis Function，RBF）神經網絡是一種有效的前饋式神經網絡，它具有最佳逼近和全局最優(yōu)的性能，并且比BP網具有更快的學習特征，因此，生產指標預測可以采用RBF神經網絡預測模型。模型可以采用兩種方式：    x（t1）f（x（t），x（t1），x（tk）  （1）    式中，x為生產指標值；k為測試步；t為測試時刻

10、。    y（t1）f（x1（t），x1（tk），x2（t），x2（tk），xm（t），xm（tk）  （2）    式中，y為預測指標；xi（i1，m）為k步歷史數據預測y在t1時刻的值。    廢石品位、弱尾品位、強尾品位三個指標是反映精礦質量、選礦過程中金屬流失情況的重要指標，建立廢石品位、弱尾品位、強尾品位以及選礦比的動態(tài)預報模型，可快速準確地預報生產狀況，使企業(yè)能夠優(yōu)化生產運行管理，及時進行生產過程控制。    成本指標預報模型  成本預測是成本

11、事前控制成敗的關鍵。通過成本指標預報，可以監(jiān)視成本指標變化趨勢，掌握成本的動態(tài)，使企業(yè)對未來的成本水平及其變化趨勢做到正確把握，為成本分析和控制提供有用的信息。由于成本預測是一種多因素、不確定性、非線性問題，成本構成的因素之間互相影響，存在耦合現象（如原材料鐵礦石品位的高低將影響燃料動力的消耗、輔助材料的消耗。品位低的鐵礦石降低了原料成本，卻增加了燃料動力成本、輔助材料成本），根據一種基于神經網絡的預報模型，本文考慮了成本因素之間的互相影響，提高了預報精度。    成本因素分析模型  要進行有效的成本控制，不但要揭示實際成本與計劃（目標）成本的差異，更重

12、要的是通過分析找出成本的影響因素及影響因素變化對成本的影響程度，以便更好地進行成本控制。成本因素分析模型用于分析影響成本的技術經濟指標對成本影響程度的變動趨勢，為成本控制提供依據。由于成本的組成項目復雜，影響生產成本的因素很多，各個因素之間相互影響，相互制約，存在著耦合和復雜的非線性關系。運用傳統(tǒng)統(tǒng)計學方法分析時，均需建立各因素與指標間明確的數學表達式，這在實際應用中很難實現。神經網絡模型不依賴于模型形式，能夠實現非線性映射，具有廣泛的適應性，因此，成本因素分析可以采用神經網絡模型。    影響鐵礦選礦工序的生產指標因素主要有塊礦率、廢石率、弱磁尾礦品位、強磁尾礦

13、品位、原礦品位等，這些因素直接影響著選礦綜精成本的高低。為此系統(tǒng)神經網絡和彈性分析相結合的方法，以這些因素的統(tǒng)計數據為依據，構造一個三層的BP神經網絡模型，分析某一段時期內塊礦率等5個因素對綜精成本的影響程度。經過分析不僅能得出綜合鐵精礦成本隨某因素變化而變化的趨勢，也能清楚地看出各因素變化對綜合鐵精礦成本的影響程度，從而解決了長期以來僅憑經驗估計各因素對成本影響程度的問題。    4 結 語    基于本文提出的鐵礦生產過程成本控制的技術結構和優(yōu)化模型，設計并開發(fā)了鐵礦選礦動態(tài)成本控制系統(tǒng)軟件包。系統(tǒng)采用Rockwell公司的Rsview軟件包將消耗、質量、工藝實時數據采集到實時數據庫，通過Rockwell公司RSSQL 軟件實現實時數據庫訪問接口，實現關系數據庫與實時數據庫的數據透明傳輸，關系數據庫采用Oracle8.1.5，應用軟件采