Статистикийн аргыг ашиглан металлургийн процессыг оновчтой болгох
Металлургийн үйлдвэрлэл улам бүр эрэлт хэрэгцээтэй тулгарч байна: материалын чанар тогтвортой байх, үйлдвэрлэлийн зардал үр ашигтай байх, эрчим хүчний хэрэглээ буурах, байгаль орчинд үзүүлэх нөлөөллийг багасгах. Үүний зэрэгцээ хайлуулах, цэвэршүүлэхээс эхлээд хэлбэржүүлэх, дулааны боловсруулалт хүртэлх металлургийн үйл явц нь олон харилцан үйлчлэлцдэг хувьсагчдыг хамарсан нарийн төвөгтэй байдаг. Энэ нөхцөлд статистикийн аргууд нь системчилсэн, өгөгдөлд суурилсан, хариуцлагатай үйл явцыг оновчтой болгох чухал хэрэгсэл юм.
Металлургийн процессыг оновчтой болгох нь яагаад хэцүү байдаг вэ?
Металлургийн процесст ганц хүчин зүйл ховор нөлөөлдөг. Химийн найрлага, халаалтын хурд, температур, барих хугацаа, хөргөлтийн хурд, зуухны агаар мандал, галд тэсвэртэй нөхцөл, тэр ч байтугай түүхий эдийн хэлбэлзэл нь үр дүнд мэдэгдэхүйц хэлбэлзэл үүсгэж болзошгүй. Жишээлбэл, дулааны боловсруулалттай гангийн аустенитжуулалтын температурын бага зэрэг хэлбэлзэл нь ширхэгийн хэмжээг өөрчилж, улмаар хатуулаг, бат бөх чанарт нөлөөлдөг. Үүний эсрэгээр, бүтээмжийг нэмэгдүүлэх хүчин чармайлт (жишээлбэл, цутгах эсвэл гулсмал хурдыг нэмэгдүүлэх) нь гадаргуугийн гажиг, нүх сүв, эсвэл ялгарал үүсэхэд хүргэдэг.
Маш олон параметртэй тул туршилт ба алдааны аргууд нь ихэвчлэн цаг хугацаа их шаарддаг, үнэтэй бөгөөд үндсэн шалтгааныг тодорхой ойлгоход үргэлж тусалдаггүй. Статистикийн аргууд нь хүчин зүйлсийн нөлөөллийг зураглах, тодорхойгүй байдлыг тоон үзүүлэлтээр илэрхийлэх, магадлалд суурилсан шийдвэр гаргах хүрээг санал болгодог.
Оновчлолын зорилтууд: Чанар, өртөг, найдвартай байдал
Металлургийн процессын оновчлол нь ихэвчлэн дараах зорилтуудыг тавьдаг.
1. Механик шинж чанарыг сайжруулах: суналтын бат бэх, цохилтын хатуулаг, хатуулаг, элэгдэлд тэсвэртэй байдал эсвэл ядрах хугацааг нэмэгдүүлэх.
2. Согогийг багасгах: халуун хагарал, сүвэрхэг чанар, оруулга, деформаци, гажуудал эсвэл хэмжээст хэлбэлзэл.
3. Гарцыг нэмэгдүүлэх: хаягдал болон дахин боловсруулалтыг багасгах.
4. Эрчим хүч болон материалын хэрэглээг бууруулах: зуухны үр ашиг, урсгалын хэрэглээ эсвэл хамгаалалтын хий.
5. Тогтвортой байдлыг сайжруулах: багц хоорондын болон ээлж хоорондын хэлбэлзлийг хянах.
Статистикийн аргууд нь олон хариултыг (нэг дор олон зорилтот) багтааж, "хэвийн" хэлбэлзлийг процессын асуудлыг илтгэдэг хэлбэлзлээс ялгаж чаддаг тул маш тохиромжтой.
Металлургийн оновчлолын гол статистик аргууд
1. Туршилтын загвар (DOE)
DOE нь хамгийн бага тооны туршилтаас олж авсан мэдээллийг хамгийн их байлгахын тулд туршилт зохион бүтээх арга юм. Металлургийн салбарт DOE-г ихэвчлэн температур, барих хугацаа, хайлшийн найрлага, хөргөлтийн хурд зэрэг процессын хувьсагчдын нөлөөллийг үнэлэхэд ашигладаг.
– Бүрэн/хэсэгчилсэн факториал: Давамгайлсан хүчин зүйлс болон харилцан үйлчлэлийг тодорхойлохын тулд хүчин зүйлсийн түвшний хослолыг турших. Жишээлбэл, хатууруулах температур болон хатууруулах хугацаа нь гангийн хатуулагт үзүүлэх нөлөө.
– Хариу үйлдлийн гадаргуугийн арга зүй (RSM): Хүчин зүйл-хариу үйлдлийн хамаарал шугаман бус үед ашиглагддаг. RSM нь оновчтой цэгийг олоход тусалдаг, жишээлбэл, хөнгөн цагаан хайлшийн температур ба хөгшрөлтийн хугацааг хослуулан хамгийн их бат бөх чанарыг олж авахын зэрэгцээ хангалттай суналтыг хадгалах.
– Тагучи арга: Бат бөх дизайнд анхаарлаа төвлөрүүлдэг бөгөөд энэ нь үйл явцыг түүхий эдийн найрлага дахь өөрчлөлт эсвэл зуухны температурын хэлбэлзэл гэх мэт хэлбэлзэлд (дуу чимээ) тэсвэртэй болгодог.
DOE-ийн давуу тал нь харилцан үйлчлэлийг илчлэх чадвар юм. Металлургийн процесст харилцан үйлчлэл маш түгээмэл байдаг: сонгодог жишээ бол нүүрстөрөгчийн найрлага ба хөргөлтийн хурдны харилцан үйлчлэл бөгөөд энэ нь ган дахь мартенситын фракцыг тодорхойлдог.
2. Статистикийн үйл явцын хяналт (SPC)
SPC нь хяналтын диаграмм ашиглан үйлдвэрлэлийн процессыг бодит цаг хугацаанд хянах, хянах зориулалттай. Байнга хянадаг параметрүүдэд химийн найрлага (C, Mn, Si), цутгах температур, гулсмал хурд, гадаргуугийн барзгаржилт эсвэл эцсийн хатуулаг орно.
– Хяналтын хүснэгт (X-bar/R, I-MR): Хувьсал нь боломжийн хязгаарт хэвээр байгаа эсэхийг (нийтлэг шалтгаан) эсвэл температур мэдрэгчийн гэмтэл, хаягдал нийлүүлэгчдийн өөрчлөлт, эсвэл өнхрөх элэгдэл зэрэг тусгай шалтгаанууд байгаа эсэхийг тодорхойл.
– Процессын чадавхи (Cp, Cpk): Процессын техникийн үзүүлэлтүүдийг хангах чадварыг хэмждэг. Металлургийн салбарт Cpk-ийг нэмэгдүүлэх нь ихэвчлэн дундаж утгыг өөрчлөх биш, харин процессын хяналтаар дамжуулан хэлбэлзлийг (стандарт хазайлт) бууруулах гэсэн үг юм.
SPC нь DOE-ээс гарсан оновчлолын үр дүнг массын үйлдвэрлэлд хадгалах боломжийг хангахад тусалдаг.
3. Регресс ба урьдчилан таамаглах загварчлал
Шугаман/олон хувьсагчтай регрессийг оролт-гаралтын харилцааг тоон үзүүлэлтээр загварчлахад ашигладаг. Хэрэглээний жишээ:
– Аустенитжуулалтын температур, барих хугацаа, бөхөөх хурд дээр үндэслэн хатуулгийг урьдчилан таамаглана.
– Цутгах температур, хийгүйжүүлэх хугацаа, устөрөгчийн агууламж дээр үндэслэн цутгамал дахь сүвэрхэг чанарыг урьдчилан таамаглах.
Илүү нарийн төвөгтэй өгөгдлийн хувьд санамсаргүй ой мод, градиент нэмэгдүүлэх, эсвэл мэдрэлийн сүлжээ зэрэг аргуудыг ашиглаж байна, ялангуяа их хэмжээний мэдрэгчийн өгөгдөл боломжтой үед (Аж үйлдвэрийн IoT-д). Гэсэн хэдий ч үйлдвэрлэлийн орчинд тайлбарлах, баталгаажуулахад хялбар байдаг тул илүү энгийн загваруудыг илүүд үздэг.
4. Дисперсийн шинжилгээ (ANOVA)
ANOVA нь DOE-ийн үр дүнг үнэлэх чухал хэсэг юм. ANOVA-ийн тусламжтайгаар бид дараах асуултуудад хариулж чадна:
– Суналтын бат бэх байдалд хамгийн их нөлөөлдөг хүчин зүйл юу вэ?
– Үйлдвэрлэлийн шугамуудын хоорондох эсвэл ээлжийн хоорондох ялгаа нь согогт нөлөөлдөг үү?
– Температур ба найрлага хоорондын харилцан үйлчлэл хэр хүчтэй вэ?
ANOVA-ийн үр дүн нь бага нөлөө үзүүлдэг олон хувьсагчид автахаас илүүтэй үнэхээр чухал (чухал цөөн хэдэн) цөөн параметр дээр анхаарлаа төвлөрүүлэхэд тусалдаг.
5. Найдвартай байдал ба ядаргааны шинжилгээ (Найдвартай байдлын статистик)
Босоо ам, пүрш, турбины эд анги гэх мэт чухал нөхцөлд ажиллаж буй металлургийн эд ангиудын хувьд зөвхөн дундаж бат бэх дээр үндэслэн оновчлол хангалтгүй. Үйлчилгээний хугацаа, эвдрэлийн магадлал, ядралын өгөгдлийн тархалтыг шинжлэх шаардлагатай.
Вейбулл шинжилгээ гэх мэт аргуудыг ихэвчлэн дараах зорилгоор ашигладаг:
– Элэгдэл эсвэл ядралын туршилтаар ашиглалтын хугацаа болон эвдрэлийн түвшинг тооцоолох.
– Дулааны боловсруулалтын А ба В үр дүнг бүтэлгүйтлийн магадлал дээр үндэслэн харьцуулна уу.
Энэ арга нь автомашин, эрчим хүч, сансар судлал зэрэг аюулгүй байдлын чухал салбаруудад чухал ач холбогдолтой.
Статистикт суурилсан оновчлолын хэрэгжилтийн урсгалын жишээ
Дулааны боловсруулалтын үйлдвэр нь гангийн хатуулаг болон хатууралтын дараах хатуулгийн хэлбэлзлийг бууруулахыг хүсч байна. Зарим цуврал нь хэт хатуу (хэврэг) эсвэл хэт зөөлөн (амархан элэгддэг) байдаг тул хэрэглэгчдийн гомдол гарч ирдэг. Статистикийн аргыг дараах байдлаар хэрэгжүүлж болно.
1. CTQ (Чанарын хувьд чухал)-г тодорхойлно уу: Зорилтот хатуулаг 52–55 HRC, хамгийн их гажуудал тодорхой байна.
2. Анхны өгөгдлийг цуглуулах: Зуухны температур, барих хугацаа, бөхөөх тосны төрөл, тосны температур, хутгах, зуухнаас бөхөөх рүү шилжүүлэх хугацааг тэмдэглэнэ үү.
3. SPC хийх: Үйл явц тогтвортой эсэхийг тодорхойлох. Хэрэв тусгай шалтгаан байгаа бол (жишээлбэл, температур мэдрэгчийн шилжилт) эхлээд засах хэрэгтэй.
4. DOE-ийн зураг төсөл: Нөлөөлөлд өртсөн гэж үзэж буй хүчин зүйлсийг сонгоно уу: аустенитжуулалтын температур, барих хугацаа, бөхөөх тосны температур, болон хатууруулах хугацаа. Үр ашгийн хувьд хэсэгчилсэн факториалыг ажиллуулна уу.
5. ANOVA болон регрессийн загварууд: Чухал хүчин зүйлсийг тодорхойлж, хүчирхийллийн урьдчилсан таамаглалын загварыг бий болгох.
6. Хамгийн оновчтой бөгөөд найдвартай тохиргоог олох: RSM эсвэл Тагучи аргыг ашиглан техникийн үзүүлэлтүүдийн дагуу дундаж утгыг өгөх параметрүүдийг сонгож, хамгийн бага хэлбэлзэлтэй байх.
7. Баталгаажуулалт: Баталгаажуулах багцыг оновчтой нөхцөлд ажиллуулж, дараа нь тогтвортой байдлыг хангахын тулд SPC-ээр дамжуулан хянана.
Сайн үр дүн нь чанарыг сайжруулаад зогсохгүй хаягдлын зардлыг бууруулж, үйл явц илүү "хяналттай" болдог тул үйлдвэрлэлийн хурдыг нэмэгдүүлдэг.
Бэрхшээлүүд ба шилдэг туршлагууд
Статистикийн аргууд нь хүчирхэг боловч металлургид хэрэглэхэд дараах бэрхшээлүүд тулгардаг:
– Өгөгдлийн чанар: Тохируулаагүй температур мэдрэгч, тогтворгүй гараар бичлэг хийх, эсвэл дутуу өгөгдөл нь шинжилгээнд саад учруулж болзошгүй.
– Түүхий эдийн хэлбэлзэл: Хаягдал хольц, хольц болон материалын хэмжээний ялгаа нь том шуугиан үүсгэж болно.
– Процессын хамаарал: Процессын параметрүүд нь ихэвчлэн хамааралтай байдаг, жишээлбэл, хадгалах хугацаа нь цэнэгийн хэмжээнээс хамаарна. Үүнийг туршилтын зураг төсөл, шинжилгээнд авч үзэх шаардлагатай.
– Өргөтгөх боломж: Халаалтын кинетик, дулаан дамжуулалт, температурын тархалтын зөрүүнээс шалтгаалан лабораторийн хэмжээний туршилтын үр дүн нь үйлдвэрлэлийн хэмжээнд заавал ижил байдаггүй.
Хамгийн сайн туршлага бол металлургийн талаарх ойлголтыг (фазын механизм, диффуз, бичил бүтцийн хувиргалт) статистикийн салбаруудтай (DOE, SPC, баталгаажуулалт) хослуулах явдал юм. Статистик нь үйл явцын мэдлэгийг орлох биш, харин таамаглалыг туршиж үзэх, нөлөөллийг тоон үзүүлэлтээр илэрхийлэх хэрэгсэл юм.
Хаах
Статистикийн аргыг ашиглан металлургийн процессыг оновчлох нь чанарыг сайжруулж, зардлыг бууруулах бүтэцлэгдсэн, үр ашигтай, нотолгоонд суурилсан аргыг бий болгодог. DOE-ийн тусламжтайгаар компаниуд оновчтой процессын тохиргоог олж чадна; SPC-ийн тусламжтайгаар процессын тогтвортой байдлыг хадгалж чадна; регрессийн тусламжтайгаар урьдчилсан мэдээ, шийдвэр гаргалтыг хурдасгаж болно; найдвартай байдлын шинжилгээгээр урт хугацааны гүйцэтгэлийг магадлалын хувьд ойлгож болно. Өгөгдөлд суурилсан салбар улам бүр нэмэгдэж байгаа тул металлурги, статистикийг хослуулах чадвар нь гол өрсөлдөөний давуу тал бөгөөд үйл явцыг илүү бат бөх, бүтээгдэхүүнийг илүү тогтвортой, үйл ажиллагааг илүү үр ашигтай болгодог.
