Korkealämpötilaprosessit

Transkriptio

1 Korkealämpötilaprosessit Näkökulma: Mallinnus, mittaus ja automaatio klo 8-10 SÄ114 Tavoite Tutustua pyrometallurgisten ja muiden korkealämpötilaprosessien erityispiirteisiin niissä esiintyviä ilmiöitä sekä ominaisuuksia - mallinnettaessa - mitattaessa sekä toimintoja automatisoitaessa Asioiden yksityiskohtaisempi soveltaminen erilaisiin prosesseihin kurssiin kuuluvissa osasuoritteissa - Kirjalliset raportit - Seminaariesitelmät Tämän luennon jälkeen pitäisi tietää, mitä raporttiin/esitelmään tulisi sisällyttää ja millaista aineistoa sitä varten tulisi etsiä 1

2 Sisältö Mittaus korkealämpötilaprosesseissa - Rooli ja tehtävät - Haasteet - Toteutus - Esimerkkejä Automaatio korkealämpötilaprosesseissa - Rooli ja tehtävät - Haasteet - Toteutus - Esimerkkinä jatkuvavalun automatisointia Mallinnus korkealämpötilaprosesseissa - Rooli ja tehtävät - Haasteet - Toteutus erilaisia mallinnustapoja - Esimerkkinä AOD-prosessin mallinnus Osa I Mittauksista 2

3 Digitalisaation kasvava merkitys Yhtenä osana mittaustekniikan kehittyminen Kuvalähde: Tapio Fabritius, POHTO, 2015 Mittauksen rooli ja tehtäviä korkealämpötilaprosessien tarkastelussa Mitä mitataan (tai haluttaisiin mitata)? - Lämpötila (ja paine) - Erilaisten faasien määrät ja koostumukset - Metallit (kiinteä, sula), kuonat, kaasut - Etäisyyden funktiona - Kemiallinen, mineraloginen - Faasien osuudet - Sulkeumien määrä metallissa - Faasien kerrospaksuudet - Metalli- ja kuonasulat, vuorausmateriaalit, jähmettyneen metallin paksuus valussa - Virtaukset - Sulafaasien ominaisuudet - Viskositeetti - Teräksen laatu, puhtaus - Etäisyydet, dimensiot, paksuus, jne. - Aihiot, levyt, nauhat Mittauksen kohteet? - Metallit, kuonat, tulenkestävät materiaalit, kaasut, pölyt, sulkeumat, raaka-aineet 3

4 Erilaisia mittauksia t ja ei-jatkuvat mittaukset - Haasteena anturien likaantuminen ja hajoaminen Suorat ja epäsuorat mittaukset - esim. konvertterin savukaasujen koostumuksen mittaus antaa tietoa lämpötilan noususta hapettumisen seurauksena, joka puolestaan kertoo mellotuksen etenemisestä, jota ei voida mitata suoraan jatkuvasti Vaatiiko mittaus kontaktin/kosketuksen mittauksen kohteeseen? Vaatiiko mittaus näytteen kohteesta? - Jos vaatii, niin hajottaako analyysi näytteen vai ei? Mitä metallurgisista prosesseista pitäisi saada mitattua? Kysely järjestettyyn POHTOn mittausseminaariin liittyen - Tärkeimmät metallien valmistusprosesseihin liittyvät mittausten kehittämistarpeet tällä hetkellä? - Mihin valmistusprosesseihin liittyen? - Tärkeimmät mittauskohteet eri prosessivaiheista, jos mitä tahansa saataisiin mitattua? - Muita mittaukseen liittyviä ajankohtaisia ajatuksia? - Mahdollisuus keskittyä - prosessien ohjaukseen tai ympäristövaikutuksiin liittyviin mittauksiin - tiettyyn prosessivaiheeseen tai vastata yleisesti - Kysely alan asiantuntijoille yliopistoissa ja yrityksissä - Vastaukset 4 professorilta (Aalto yliopisto,, Åbo Akademi) ja 5 yrityksestä (Boliden Harjavalta, Outokumpu Stainless, Outotec, Ovako, SSAB Europe) - Yhteensä 64 kommenttia/ehdotusta/ajatusta Lähde: Paavo Hooli & Eetu-Pekka Heikkinen, POHTO,

5 Vastauksia Lähde: Paavo Hooli & Eetu-Pekka Heikkinen, POHTO, Prosessit Mittauskohteet Mitattavat asiat Mittauksen kuvauksia Konvertteri Valu Senkka(käsittely) Liekkisulatusuuni Masuuni AOD Valokaariuuni Yli 10 mainintaa 5 10 mainintaa Alle 5 mainintaa Sula (metalli) Kaasu Kuona Teräs Sulkeumat Pölyt Happi Kupari Nikkeli Rikki Vety Rikasteet/raaka-aineet Lanssi Kivi Hiili Typpi Lämpötila Koostumus /pitoisuus Pinnat Korkeus Massa/paino Tunnistus Paksuus Tärinä Ääni/taajuus On-line Luotettavuus Kuumuus Nopeus Epävarmuus Edullisuus Lähde: Paavo Hooli & Eetu-Pekka Heikkinen, POHTO, Kaasu ja pölyt Metallin koostumus Sulkeumat Raaka-aineet LSU Masuuni VKU BOF AOD Senkka JV Muut Kuuma Pölyjä O 2,SO 3 Näytteenotto Näytteenotto Nopea O, H Lämpötila Panospinta Nopea Sijainnit, muoto Panospinta Injektoinnit Nopea C, O Nopea Puhallus- ja savukaasut Nopea N Nopea Sulakorkeudet Kaatosuhiku Virtausnopeudet Poistokaasut Nopea Koostumus Koko Nopea Nopea Sulakorkeudet Nopea H Koostumus Koko Nopea Nopea Massat Sula Sula Siilot Hajapölyt Kattilapölyt (LSU) Liekit Pinnat siiloissa Putkissa Tärinä, taajuudet Tunnistus Tärinä ja ääni Hihnat 5

6 Kuvalähde: Kadlec, Grbic & Gabrys: Review of adaptation mechanisms for data-driven soft sensors. Computers and chemical engineering. 35(2011) Mittauksen rooli ja tehtäviä korkealämpötilaprosessien tarkastelussa Mittauksen tavoitteet Mihin mittauksia käytetään? - Prosessin tilan arviointi - Prosessien säätö ja hallinta - Tuotteen laadun arviointi - Ympäristövaikutusten arviointi - Työturvallisuuden arviointi - Prosessimallien validointi Mittauksen kehityssuuntia Lähteenä käytetty Kauko Leiviskän ja Johan Erikssonin esityksiä POHTOssa Fysikaalisesti mahdottomat mittauskohteet - Häiriölliset ja epäjatkuvat mittaukset - Optiset mittaukset - Runsaasi tietoa tuottavat mittaukset - Useita erilaisia mittausten keruu- ja käsittelymenetelmiä - Saman mittauksen hyödyntäminen useisiin tarkoituksiin - Langattomuus - Mittaustulosten käsittelyn kehittyminen - Mittaustulosten visualisointi Mittauksen rooli ja tehtäviä korkealämpötilaprosessien tarkastelussa Mittaustulosten käsittelyn kehittyminen - Software sensors - Mittauksista (hardware) ja estimointialgoritmista (software) muodostuva yhdistelmä, joka mahdollistaa - ei-suoraan mitattavien muuttujien arvioinnin - viiveiden kompensoinnin - Monianturi- (tai sensori-)fuusio = Useista sensoreista saatavan tiedon yhdistäminen luotettavamman ja tarkemman tiedon saavuttamiseksi - Virheellisten ja viallisten mittausten eliminointi - Tehokkaampi mittausdatan käsittely (rinnakkaislaskenta) - Suurten mittausaineistojen visualisointi Mittaustulosten visualisointi - Tavoitteena erottaa/tunnistaa erilaisia prosessin tiloja, lajeja, vikoja, laatuja, jne. - Pääkomponenttianalyysi (PCA, Principal Component Analysis) - Itseorganisoituva kartta (SOM, Self-Organizing Map) Lähteenä käytetty Kauko Leiviskän ja Johan Erikssonin esityksiä POHTOssa

7 Mittauksen haasteita korkealämpötilaprosessien tarkastelussa Korkeat lämpötilat - Anturien/materiaalien kesto mittaus ilman kontaktia? - Referenssipisteiden puute toimisen mittauksen toimiminen - Lämpötilat, virtaukset, kemialliset analyysit, massat, etäisyydet Riittävän nopeat mittaukset Näytteitä rikkomattomat analyysit - Korostuu varsinkin tuotepuolella Mittaus oikeasta paikasta ja oikeasta tilanteesta - esim. savukaasumittaus suoraan prosessista tai sulan koostumus sulasta tilasta ennen näytteen jähmettymistä Lähteenä käytetty Johan Erikssonin esitystä POHTOssa Tulosten hyödyntäminen on line säädössä Mitattavat asiat monimutkaisia - Mitä itse asiassa tulisi mitata, jos halutaan mitata vaikka kuonanmuodostumista? Materiaalin asettamat haasteet - Edustavuus suurista materiaalimääristä? - Voimakkaat virtaukset? - Pölyt ja roiskeet sotkevat ja rikkovat antureita Mittauksen haasteita korkealämpötilaprosessien tarkastelussa Edellä esitetyt haasteet aiheuttavat - mittausten puutetta (väliaikaisia tai lopullisesti katkeavia) - systemaattisia virheitä Haasteisiin vastaaminen? - Mitta-anturin ja mittauslaitteen suojaaminen - Epäsuorat mittaukset Lähteenä käytetty Johan Erikssonin esitystä POHTOssa

8 Mittauksen virheitä korkealämpötilaprosessien tarkastelussa Systemaattiset virheet - Voivat olla seurausta - epätäydellisestä kalibroinnista - ryöminnästä/ajatumisesta (kuumennus-kylmennys-syklit, kuluminen) - Voidaan vähentää systemaattisella kalibroinnilla Satunnaiset virheet - Ennakoimattomia - Voidaan vähentää toistamalla mittauksia - Enemmän mittauksia per aikayksikkö Virheet mittaustulosten käsittelyssä ja tulkinnassa Lähteenä käytetty Johan Erikssonin esitystä POHTOssa Esimerkkejä mittauksesta korkealämpötilaprosessien tarkastelussa Valokaariuunin savukaasujen koostumuksen jatkuvatoiminen mittaus AOD-konvertterin pölyjen jatkuvatoiminen mittaus Optisen emissiospektroskopian hyödyntäminen - Mittaukset valokaariuunista Painetun elektronikaan hyödyntäminen - Mittausanturien massatuotanto 8

9 Case Valokaariuunin savukaasujen koostumuksen jatkuvatoiminen mittaus (VKU2/Tornio) Tavoitteena prosessin ohjauksen parantaminen - Terässulan Si-pitoisuuden ja kromin kuonautumisen hallinta - Vuotoilmojen ja happimäärän hallinta - Koksin panostuksen ja hiili-injektion hallinta - Lisäksi vuorausten keston parantaminen sekä käytetyn kalkin määrän vähentäminen Toteutus - Miten näytteenottosondi sijoitetaan? - Miten ja missä analysointi toteutetaan? - 1) Savukaasujen analysointi ilman merkkikaasua - Massaspektrometri - Analyysi n. 25 sekunnin välein - Pois päältä sulatusten alussa ja kalkkia injektoitaessa - 2) Savukaasujen analysointi käyttäen typpeä merkkikaasuna Lähteenä käytetty Veikko Juntusen esitystä POHTOssa Case Valokaari-uunin savukaasujen koostumuksen jatkuvatoiminen mittaus (VKU2/Tornio) - Toteutus Lähteenä käytetty Veikko Juntusen esitystä POHTOssa

10 Tilavuus-% (N2) 17:33 17:35 17:37 17:39 17:41 17:44 17:46 17:48 17:50 17:52 17:54 Tilavuus-% (O2,CO,CO2) O2-moolimäärä 17:33 17:34 17:35 17:37 17:38 17:39 17:40 17:42 17:43 17:44 17:46 17:47 17:48 17:49 17:51 17:52 17:53 17: Case Valokaari-uunin savukaasujen koostumuksen jatkuvatoiminen mittaus (VKU2/Tornio) Esimerkki mittaustuloksista Savukaasuanalyysi sulatuksen loppuvaiheessa [Si]=0,11%; (Cr 2O 3)=3% analysaattori käyntiin tehot pois O pitoisuus pitkään lähellä nollaa 20 (kaikki puhallettava 60 happi reagoi) Lopussa O 2 -pitoisuus 40 nousee CO 2 -piikki (seurausta siitä, että hiili alkaa pelkistämään kuonautunutta kromioksidia) Aika Lähteenä käytetty Veikko Juntusen esitystä POHTOssa N2 CO O2 CO2 analysaattori käyntiin Sisään menevän ja ulos tulevan kaasun happimäärä sulatuksen loppuvaiheessa (NTP) tehot pois Sisäänmenevän ja ulostulevan happimäärän suhde kertoo hapen sitoutumisesta panokseen eli Aika panosmateriaalin komponenttien hapettumisesta. O2-moolimäärä sisään O2-moolimäärä ulos CO 2 -piikin aikana ulostulo suurempi kuin sisäänmeno (merkki pelkistymisestä FeO, Cr 2 O 3, MnO, SiO 2 ) Case Valokaariuunin savukaasujen koostumuksen jatkuvatoiminen mittaus (VKU2/Tornio) Ongelmat ja haasteet sekä niihin vastaaminen - Näytteenottosondin kuluminen - Vesijäähdytteinen näytteenottoputki - Näytekaasulinjan, näytteenottosondin ja suodattiminen tukkeutuminen - Ei analysointia kalkki-injektion aikana + autom. puhdistus - Vuodot näytekaasulinjassa - Näytekaasulinjan paineistus + painehäviön tarkistus - Kalkin kulkeutuminen savukaasuihin - Karkeampi raekoko käytetylle kalkille - Savukaasuanalyysiä ei tiedetä kalkin panostuksen ja toisen korin panostuksen ajalta - Arvioidaan mitattujen analyysien pohjalta Lähteenä käytetty Veikko Juntusen esitystä POHTOssa

11 Pölyäminen (kg/min) Case AODkonvertterin pölyjen jatkuvatoiminen mittaus Pölymittari - Sijoitettu saavukaasukanavan suoralle osalle ennen suodatinlaitosta - Kaasun lämpötila mittarin kohdalla n. 500 C - Karkeaerotin erottaa suurimmat partikkelit ennen mittausta - Triboelektrinen menetelmä - Hiukkasten varaus indusoituu anturiin - Muodostuva sähkövirta on verrannollinen hiukkaspitoisuuteen mitataan Lähteenä käytetty Jukka Mansikan esitystä POHTOssa Case AODkonvertterin pölyjen jatkuvatoiminen mittaus Kaksi viikkoa edellisestä puhdistuksesta MITTAUSANTURIN LIKAANTUNUT PUOLI (JÄTTÖPUOLI) Mittaustulosten hyödyntäminen - Havaitaan erilaisten prosessin ajoparametrien vaikutus - Ajopraktiikan muutos tarvittaessa - Panosmateriaalien laadun seuranta - Prosessin toimivuuden seuranta Haasteet ja ongelmat? - Mittausanturin likaantuminen ja kuluminen - Puhdistuksen jälkeen mittaus antoi hetken aikaa liian suuria mittaustuloksia Kuusi kuukautta käyttöä VIRTAUKSEN AIHEUTTAMAA MITTAUSANTURIN KULUMISTA Vaiheissa 1+2 ja 3 on käytössä lanssi- ja suutinpuhallus. 4-vaiheessa ja pelkistyksessä käytetään suutinpuhallusta. Puhallettavat kaasumäärät ja -suhteet vaihtelevat eri vaiheissa. 1+2-vaiheen alussa pölyäminen lisääntyy tasaisesti 1+2-vaiheen loppupuolella pölyäminen vähenee 3-vaiheen alkaessa pölyäminen vähenee nopeasti 3-vaiheen aikana pölyäminen lisääntyy 4-vaiheen ja pelkistyksen aikana pölymäärä on nollatasolla Materiaalipanostuksista syntyy pölypiikkejä Kuonauksesta syntyy joskus pieni pölypiikki Lähteenä käytetty Jukka Mansikan esitystä POHTOssa Pelkistys Puhallusvaihe 11

12 Case OES:n hyödyntäminen VKU-mittauksissa OES, Optinen emissiospektri - Mitataan prosessista lähtevän valon eri aallonpituuksia - Yksinkertaisimmillaan tutkitaan valon voimakkuutta - Voidaan käyttää valoa lähettävän aineen lämpötilan määritykseen sekä mahdollisten palamisilmiöiden havaitsemiseen - Onko valo peräisin valokaaresta, liekeistä, teräksestä, kuonasta? - Lämpötilan mittaus erityisesti kohteissa, joissa liekit häiritsevät mittausta - Uusia kohteita mitattaessa käytetään aluksi yleensä yhdessä kaksiväripyrometrin kanssa Lähteenä käytetty Matti Aulan esitystä POHTOssa Case OES:n hyödyntäminen VKU-mittauksissa Käyttö uunin tilan tarkkailuun - Valokuitujen asentaminen uunin kanteen - Tarkkaillaan/mitataan uunin eri kohdista lähtevää valoa - Kirkas valo viittaa suureen lämpökuormaan - Hot spotit - Vapaana paistava kaari (ei kuohuvan kuonan peitossa) - Arvio esim. uunin eri osien vuorausmateriaalien kulumisesta - Kuonan koostumuksen mittaus valokaaren spektristä alkanut tutkimushanke - Voidaan käyttää on-line-ohjaukseen (valokaarien pituuksien kasvattaminen ja lyhentäminen havaittujen hot spotien pohjalta) tai off-line-ohjaukseen (jänniteportaiden pituuksien optimointi) Lähteenä käytetty Matti Aulan esitystä POHTOssa Käytetty mm. Tornion ja Imatran VKU:ssa 12

13 Case Painettu elektroniikka vastauksena mittauksen haasteisiin Yksi korkealämpötilaprosessien mittausten haasteista on anturien huono kesto - Ratkaisuna kestävämmät anturit tai anturien suojaaminen - Vaihtoehtona kertakäyttöiset anturit - Yksinkertaisia mitta-antureita, joiden valmistus on niin edullista, että niitä voidaan käyttää suuria määriä - Ei väliä vaikka niitä tuhoutuukin, kun uudet anturit korvaavat tuhoutuneet Edullisuuden edellytyksenä massatuotanto - Ratkaisuna painettu elektroniikka Suurien anturimäärien valmistaminen edullisesti mahdollistaa myös alueellisesti laajemmat mittaukset Lähteenä käytetty Tapio Fabritiuksen esityksiä POHTOssa 2015 ja Case Painettu elektroniikka vastauksena mittauksen haasteisiin Painettu elektroniikka - Elektroniikan valmistus joustaville alustoille käyttäen elektronisesti funktionaalisia musteita - Mahdollisuus käyttää erilaisia painotekniikoita - Mahdollisuus tuottaa suuria määriä erilaisia sensoreita edullisesti massatuotantona - Sensorien suorituskyky ei yhtä korkea kuin tavanomaisessa elektroniikassa Lähteenä käytetty Tapio Fabritiuksen esityksiä POHTOssa 2015 ja

14 Case Painettu elektroniikka vastauksena mittauksen haasteisiin Sensorin toimintaperiaate - Sensori (ja antenni) muodostavat passiivisen elementin, joka ei vaadi virtaa - Sensorin mittaama data voidaan lukea langattomasti elektromagneettisia kenttiä hyödyntäen - esim. kosteutta mittaavan sensorin resonanssitaajuus muuttuu kosteuden muuttuessa Lähteenä käytetty Tapio Fabritiuksen esityksiä POHTOssa 2015 ja Osa II Automaatiosta 14

15 Automaation rooli ja tehtäviä korkealämpötilaprosessien tarkastelussa Sama kuin muussakin (prosessi)teollisuudessa - Prosessien hallinta ja optimointi - Tasainen ajo - Tuotteen laatu - Energiankulutuksen optimointi - Ympäristöhaittojen minimointi - jne. Automaation haasteita korkealämpötilaprosessien tarkastelussa Puutteellinen tieto - Miten ohjattavat suureet riippuvat mitattavista? - Monimutkaiset riippuvuudet, monet vaikuttavat tekijät - Ei saada mitattua (tarkasti, jatkuvatoimisesti, ollenkaan?) niitä suureita ja ominaisuuksia, joita tarvittaisiin Puutteelliset vaikutusmahdollisuudet - Ei suoraa (tai hyvin hidas) vaikutusmahdollisuus toimintaan Hallitsemattomat vaihtelut - esim. raaka-aineen laadussa ja koostumuksessa Prosessin hitaus - Vaikutukset näkyvät mahdollisesti vasta seuraavalle vuorolle 15

16 Case Masuunin ohjauskeinot Mitä mitataan? - Huippukaasun koostumus ja lämpötila - Raakaraudan lämpötila Mitä lasketaan? - CO 2 /CO suhde masuunin kuilussa - Suoran pelkistyksen määrä taselaskentana O-, N- ja C- taseista Mitä säädetään? - Peruskoksin määrä - Öljyinjektion määrä - Puhallusilman lämpötila, määrä ja happirikastus - Höyryinjektio tarvittaessa Automaation menetelmiä korkealämpötilaprosessien tarkastelussa Ohjaus Perinteinen säätö - P, PI, PID Mallipohjainen säätö - MPC, Model Predictive Control Ennakoiva ja ennustava säätö Adaptiivinen ja mukautuva säätö Neuroverkot Sumeat ohjausmenetelmät jne. Käsitellään tarkemmin automaatiotekniikan opintojaksoissa Kuvalähde: Mikko Korpi, POHTO,

17 Case Puhkeaman esto jatkuvavalussa Ongelma: Valunauhan puhkeaminen JV:ssa - Syynä jähmettyvän valunauhan tarttuminen kokilliin, jolloin jähmettynyt kuori jää yhdestä kohdasta liian ohueksi ja puhkeaa myöhemmin Ratkaisuna SAPSOL-järjestelmä Kuva: Paavo Hooli. - Hyödyntää lämpötilamittauksia kokillista - Termoelementit kahdella eri korkeudella - Ylempien ja alempien välinen ero 20 cm (etäisyys vaakasuunnassa cm) - Automaatiojärjestelmä tunnistaa mittauksista tapaukset, jotka ennakoivat puhkeamaa, ja reagoivat hidastamalla valunopeutta Tulokset - Ennen SAPSOLia 75 % puhkeamista johtui tarttumisesta - SAPSOLilla puhkeamien määrä on pienentynyt - Vain 20 % puhkeamista johtuu tarttumisesta - Suurin syy on nyt kuona Lähteenä käytetty Ismo Rentolan esitystä POHTOssa Case Puhkeaman esto jatkuvavalussa Toimintaperiaate - Järjestelmä tarkkailee kutakin termoelementtiparia erikseen - Tekee päätöksen ja hälyttää mahdollisesta kiinnitarttumisesta, jos tietyt ehdot täyttyvät - Ehdot liittyvät ylemmän ja alemman termoelementin mittaamien lämpötilojen käyttäytymiseen (nousut, laskut, muutosnopeudet, erot) tietyn aikaikkunan sisällä - Hälytys hidastaa valunopeuden jo yhden parin hälyttäessä - Hitaampi valunopeus antaa jähmettyvälle kuorelle aikaa kasvaa uudestaan riittävän paksuksi - Voidaan ajaa automaatilla tai käsiajolla, jolloin ohjaamosta reagoidaan järjestelmän antamiin hälytyksiin - esim. hidastus 0,2 m/min vakionopeus 30 s ajan kiihdytys takaisin normaalivalunopeuteen 0,3 m/min 2 Lähteenä käytetty Ismo Rentolan esitystä POHTOssa

18 Case Laadutusmalli aihioiden vikojen ennustamiseksi Laadutusmallin tavoite - Ohjata aihioiden kunnostus tehtäväksi vain tarvittaessa - Todelliseen kunnnostustarpeeseen perustuen Toiminta - Pyrkii ennustamaan jatkuvavalussa syntyvän aihion laadun - Lähtötietoina sulatus- ja valuprosesseista saatavat mittaus-, analyysi- ja häiriötiedot ym. raportoinnit - Laskee ennusteen valunauhan laadulle ja muuttaa tarvittaessa aihion kunnostusluokan vaativammaksi Lähteenä käytetty Jarno Pirisen esitystä POHTOssa Case Laadutusmalli aihioiden vikojen ennustamiseksi Aihioilla kunnostusluokat A0 A8 - Jokaiselle luokalle oma toimintaohje aihion tarkastusta ja käsittelyä koskien Laadutusmallin ennustamat vikatyypit - Pitkittäishalkeamat - Poikittaishalkeamat - Poikittaishalkeamat aihion nurkassa - Aloksisulkeumat - Kuonasulkeumat - Kuonavyöt - Keskilinjasuotaumat - Sisäiset sulkeumat Lähteenä käytetty Jarno Pirisen esitystä POHTOssa

19 Osa III Mallinnuksesta Mallinnuksen rooli korkealämpötilaprosessien tarkastelussa Kokeita ja teollisia kampanjoita nopeampi, halvempi ja turvallisempi tapa testata - erilaisia prosessin ajopraktiikoita - esim. seostusajankohdat ja määrät, puhallus- ja injektointimäärät ja kestot, jne. - erilaisia raaka-aineita - erilaisten tuotteiden valmistusta - jne. Yksi T&K-toiminnan keskeisimmistä työkaluista 19

20 Mallinnuksen haasteita korkealämpötilaprosessien tarkastelussa Mallinnettavat ilmiöt/prosessit tunnettava Mallinnuksessa tarvittavat tiedot saatavissa Vastaavuus todellisuuden kanssa Mallien validointi ja tulosten luotettavuuden arviointi Kuva: Kaisa Heikkinen Mallinnustapoja korkealämpötilaprosessien tarkastelussa Fysikaaliset mallit - esim. vesimallit virtausten kuvaamiseen - pienempi koko, helpommat aineet/materiaalit Laskennalliset mallit - (Yksittäisten) ilmiöiden mallinnus - Reaktiotasapainot ja kinetiikka, virtaukset, diffuusio, jne. - Etuna tarkkuus - Yleensä yksin liian yksinkertaistettuja käytäntöön - Ilmiöpohjainen prosessimallinnus - Usein kootaan yksittäisiä ilmiöitä kuvaavista osamalleista - Mallit eivät välttämättä niin tarkkoja kuin edellä - Käytännön merkittävyys suurempi - Keskeistä se, miten eri osamallit liitetään toisiinsa - Eri ilmiöiden välinen riippuvuus toisista - Voivat sisältää myös empiirisiä korjausparametrejä - Prosessilähtöinen mallinnus - Black box mallinnus perustuu riippuvuuksien etsintään lähtöja tulosuureiden välillä - Voivat olla hyvinkin tarkkoja alkuperäisessä sovelluskohteessa - Soveltaminen muissa kohteissa haastavaa 20

21 Fysikaaliset mallit Erona laskennallisiin malleihin - vaatii koejärjestelyt ja mittaukset - ei tarvetta pystyä mallintamaan kaikkia ilmiöitä ja niiden välisiä vuorovaikutuksia matemaattisesti Tavoitteena luoda malliin vastaavat olosuhteet kuin todellisessa/mallinnettavassa tilanteessa - Toteutus helpommin käsiteltävillä aineilla/materiaaleilla - esim. huoneenlämpötilainen vesi sulan teräksen sijasta, läpinäkyvä muovi/lasi tulenkestävien tiilten sijasta, jne. - Helpompaa, havainnollisempaa, turvallisempaa, halvempaa - Keskeistä vastaavuuden varmistaminen - Yksittäiset muuttujat poikkeavat mallin ja todellisuuden välillä - esim. reaktorin halkaisija ja korkeus, puhallussuutinten halkaisijat, kaasujen puhallusmäärät, fluidien tiheydet ja viskositeetit, jne. - Vastaavuus varmistetaan ns. dimensiottomien lukujen avulla - Kuvaavat erilaisten voimien välisiä suhteita ja niiden pitäisi vastata toisiaan mallissa ja todellisuudessa - esim. Reynoldsin, Frouden, jne. luvut Kuva: Aki Kärnä Case AODprosessin mallinnus Mallinnuksena avulla pyritään vastaamaan mm. seuraaviin kysymyksiin - Miten erilaiset puhalluspraktiikat vaikuttavat? - Lanssi- ja pohjasuuttimet - Kuinka pitkään kannattaa käyttää lanssipuhallusta? - Miten lanssin korkeus vaikuttaa prosessiin? - Miten lanssin tyyppi vaikuttaa? - Miten alkukuonan määrä ja koostumus vaikuttavat? - Miten erilaiset seostus- ym. praktiikat vaikuttavat? - Seosaineiden määrät ja seostuksen ajoitus - Kuonanmuodostajien määrät ja lisäyksen ajoitus - Pelkistysvaiheessa pelkistinaineiden määrät ja lisäyksen ajoitus Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. 21

22 Case AODprosessin mallinnus AOD-prosessin virtausten mallinnus Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. Case AODprosessin mallinnus AOD-prosessin reaktioiden mallinnus Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. 22

23 Case AODprosessin mallinnus Ilmiöpohjainen malli, joka sisältää myös empiirisiä parametreja Reaktiomalli dominoivalle ilmiölle 1. CFD malli 2. Ilmiön yleistäminen Lämmön- ja aineensiirtokertoimien määrittäminen Validointi 3. Ilmiöpohjainen prosessimalli 4. Prosessidata Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. Case AODprosessin mallinnus Ilmiöpohjaisen mallinnuksen laajentaminen Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. 23

24 Case AODprosessin mallinnus Ilmiöpohjaisen mallinnuksen laajentaminen ( ) Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. Case AODprosessin mallinnus Lanssimalli Ilmiöpohjaisen mallinnuksen laajentaminen Pisaramalli Kuplamalli Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. 24

25 Case AODprosessin mallinnus Kuva: P. Kurkinen Validointi - Kuona- ja metallinäytteet analysointi - Mahdolliset ylimääräiset näytteet tuotantonäytteiden lisäksi - Savukaasujen koostumuksen analysointi - Virtausmallien validointiin mm. erilaiset värähtelymittaukset Esimerkki prosessimallinnukseen ja sen validointiin liittyvistä haasteista Kiihtyvyysanturi - Materiaalit eivät ole homogeenisiä - Metalliroiskeet kuonassa - Liukenematon kalkki kuonassa - Vaikeuttaa validointia kuonia analysoitaessa - Toisaalta: miten huomioidaan mallinnuksessa? Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. Case AODprosessin mallinnus Käyttöliittymä Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. 25

26 Case AODprosessin mallinnus Esimerkkejä tuloksista Teräksen Cr-, Mn- ja Si-pitoisuudet pelkistysvaiheen aikana Eri kuonakomponettien pelkistymisnopeus Kuvalähde: V.-V. Visuri, M. Järvinen, J. Savolainen, P. Sulasalmi, E.-P. Heikkinen, T. Fabritius, ISIJ Int. 2013, 53(4), 613. Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. Case AODprosessin mallinnus AOD-prosessin mallinnuksen historiaa 1970-luku ensimmäiset hiilenpoistomallit suutinpuhallukselle 1990-luku kriittinen hiilipitoisuus, reaktiomallit monikomponentti-systeemille, vesimallit yleistyvät tutkimusmenetelmänä 2000-luku yhdistelmäpuhalluksen reaktiomallinnus, kuonan aktiivisuusmallit reaktiomalleissa, ensimmäiset CFD-mallit 2010-luku laskennallisen termodynamiikan yhdistäminen reaktio- ja CFD-malleihin, virtausmallinnuksen standardimenetelmäksi vesimalli + CFD Maailma luku suutinpuhalluksen, lanssipuhalluksen ja pelkistyksen reaktiomallinnus; lanssipuhalluksen CFDmallinnus 1990-luku vesimallien rakentaminen ja vesimallinnus alkavat 2000-luku yhdistelmäpuhalluksen, oskilloinnin ja tärinän vesimallinnus; typenpoiston CFDmallinnus (kaasu + sula); yksittäisen kuplan ja typenpoiston reaktiomallinnus; rajapintailmiöiden mallinnus, kuonan jähmettymisen CTD-mallinnus Lähteenä käytetty Ville-Valtteri Visurin ja Timo Fabritiuksen laatimaa ja kokoamaa aineistoa. 26

27 Yhteenveto Yhteenveto Mittaus - Haasteena jatkuvatoimiset ja riittävän nopeat (ja tietysti luotettavat) mittaukset Automaatio - Haasteena prosessien hitaus ja puutteelliset tiedot prosessista sekä riippuvuuksista mittaus- ja ohjaussuureiden välillä Mallinnus - Ilmiölähtöisten mallien laajennettavuus ja laaja sovellettavuus - Mallien validointi 27