ПЕРСПЕКТИВЫ КАЧЕСТВА СТАЛИ

Качество стали — это гарантированные потре-бителям соответствующими стандартами сос-тав, механические свойства, структура, сос-тояние и покрытия поверхности, точность размеров и формы проката. Качество— некий комплекс норм. Черная металлургия — фондо-емкая отрасль с медленно меняющейся сферой сбыта. Качество ее массовой продукции не может меняться быстрее, чем поколения ме-таллургического оборудования. Почти полови¬на производства России— сортовой прокат из углеродистой стали обыкновенного качества. Нормы его прочности и состава во всем мире неизменны с 20-х годов. Около 10%— низко-легированные стали для арматуры и труб, освоенные в 40-х годах. Наибольший — по 1млн.т в год— выпуск легированных сталей, шарикоподшипниковой и стали Гадфильда. Их состав и свойства также практически неиз¬менны с 40-х годов. Платежеспособный спрос на металл нового качества — достаточно уз¬кий: весь набор новых процессов, марок, свойств захватывает лишь несколько процен¬тов производства.

Цель металлургов — сберечь ресурсы, энергию, труд, капитальные затраты, расходы на экологию. Всякое новшество в металлурги-ческой технологии одновременно влияет на несколько параметров качества, при этом что-то становится лучше, но что-то и хуже. Так, циркуляционное вакуумирование понижает содержание мелких, эндогенных неметалличес-ких включений, но при плохих огнеупорах мо-жет повышать количество крупных, экзоген¬ных. Непрерывная разливка экономит жидкий металл и энергозатраты прокатки, но может ухудшать макроструктуру при недостаточном обжатии. Всякое усовершенствование техноло¬гии требует дополнительных затрат на сохра¬нение качества (предотвращение нежелатель¬ных Сопутствующих явлений). Когда металлур¬ги решают свои проблемы, реальное повышение качества, зафиксированное в изменении стан-дартов, редкость. Если даже массовые испы-тания продукции показали улучшение какого- то из потребительских параметров в среднем, оно либо не улучшает весь необходимый комп¬лекс свойств (и потребитель не склонен пла¬тить), либо недостаточно по величине, чтобы потребитель извлек пользу в конечном изде¬лии, либо из-за большого рассеяния свойств нет гарантий повышения качества каждой от¬дельной плавки, рулона, листа. Например, обычная вариация предела текучести углеро¬дистой стали 0,07. Значит, если предел те¬кучести повысился в среднем только на 7 %, то (при нормальном распределении) 1/6 всего металла может иметь его ниже старого сред¬него уровня, что не позволяет конструктору сэкономить металл.

В машиностроении большинство требований к качеству стали — технологические: обраба-тываемость давлением, резанием, сваривае¬ мость, упрощение термической обработки. При их улучшении выигрыш получает машинострои-тель: проще конструкция, меньше трудоем¬кость, энергоемкость и фондоемкость ее из¬готовления. Здесь достаточно большие объемы потребления металла с более высокими пока¬зателями: например, холоднокатаного листа для особо сложной и глубокой вытяжки (106 т/год), прутка для холодной объемной штамповки (105т/год). До 105 т/год могло бы дойти потребление высокоуглеродистой стали пониженной прокаливаемости, обеспе-чивающей получение поверхностного слоя за-данной твердости без цементации, а также низколегированной стали, стареющей до за-данной твердости при охлаждении с ковочного нагрева— без завершающих операций закалки 159 с отпуском. Перспективы и сроки внедрения таких "энергосберегающих" сталей опреде-ляются размером необходимых капиталовложе-ний в машиностроении. Например, при обра-ботке давлением высокоуглеродистой стали в режиме сверхпластичности экономия на мощ-ности оборудования перекроет энергозатраты на подготовку исходной структуры, но по-требует совсем иного оборудования.

В качество стали, определяющее конечные потребительские свойства, капиталовложения в крупнотоннажном производстве намного меньше, чем в технологичность. Кроме того, даже если качество стали намного повысит долговечность детали, это может быть реали-зовано с выгодой лишь при условии, что на-столько же лучше станут и остальные критич-ные детали конструкции из других материа¬лов. Поэтому конструктор прямо заинтересо¬ван в улучшении потребительского качества стали в тех случаях, когда критическая де¬таль конструкции одна и весит много — на¬пример, труба газопровода. Для таких конст¬рукций создание в последнее десятилетие но¬вых сталей — хладостойких, сваривающихся, высокой прочности и вязкости— окупилось.

Качество стали определяют чистота по примесям, структура, их однородность. Что, например, даст удаление всей серы из стали за границу ее растворимости (10-4 % при 700 К). Для рядовых сталей это позволит по¬давить красноломкость без тех 0,5—0,8% Мп, которые вводятся с чугуном. Однако лучше связать серу в нерастворимые сульфиды, что¬бы сохранить обрабатываемость резанием. В шарикоподшипниковой стали до предела полез-ной очистки уже доходили и нашли, что серу разумно снижать, сохраняя пропорцию с кис-лородом, иначе остроугольные оксиды, лишен-ные сульфидной оболочки, ускоряют контакт-ную усталость. В нержавеющих сталях, убрав сульфиды, можно подавить питтинг (что и достигали обработкой поверхности в расплаве кальция), однако это вряд ли замедлит, на-пример, коррозионное растрескивание, а по-тому полезно лишь для некоторых применений.

Устранение фосфора подавляет отпускную и тепловую хрупкость. Однако содержание сурь-мы и олова действует на них в 8 раз сильнее фосфора. Отсюда следует, что если в рядовой стали 0,002 % сурьмы, а в самой чистой, первородной шихте— 0,0005%, то дефосфора- ция далее 0,004 %Р мало ’эффективна.

Хотя малые примеси меди, хрома, никеля существенно меняют прокаливаемость, ее удается поддерживать в узкой полосе коррек-тировкой по расплавлении лома.

Наиболее структурные факторы— величина зерна, дисперсность и однородность пластин или зерен карбидов. Можно повышать проч-ность "мягкой" феррито-аустенитной стали до 1,7 ГПа, измельчая зерно до 0,7 мкм (балл 19). Утоньшая пластины цементита в перлите, достигали в тонкой проволоке предела проч-ности 4,5—4,7 ГПа. Однако любая такая уп-рочняющая обработка должна быть конечной операцией — без последующего формообразова¬ния или сварки. Наибольшее применение най¬дет не предельное, а умеренное, но комп¬лексное улучшение структуры и свойств с ис¬пользованием нескольких путей воздействия — через шихту, выплавку и разливку, обработку давлением и термическую обработку.

В крупнотоннажной металлургии, произво-дящей окончательную продукцию без термичес-кой обработки у потребителя, существует много градаций качества. Например, сталь для листа, арматуры или труб одной и той же плавки может по стандарту получать на выхо¬де несколько категорий качества (например, лист из низкоуглеродистой стали дифферен¬цируется по пластичности, хладостойкости, анизотропии свойств). Из-за неустойчивости технологии выход высших категорий качества нередко плохо управляем и иногда обеспечи¬вается только селекцией: отбором плавок, рулонов или даже вырезкой "лучшей" части полосы. 100 %-ный неразрушающий контроль и разбраковка оправданы, в частности, когда разрушение любого элемента конструкции ве-дет к огромным убыткам — например, труб в энергетике.

Чем надежнее управление технологией в целом, тем меньше необходимые затраты на контроль продукта. Если нужное качество при существующей технологии в принципе достижи¬мо, но неустойчиво, инвестиции в сквозное управление технологическими процессами по¬зволяют решить проблему при затратах намно¬го меньших, чем в новое оборудование. Сов¬ременные металлургические производства достаточно оснащены средствами измерения и сбора информации, но их используют лишь для локального управления "по возмущению", что¬бы возвращать каждый параметр процесса в заданную точку, а сеть информации сущест¬вует лишь для оперативного учета потока продукции. Это необходимо, но явно не до¬статочно.

Для сквозного управления качеством обыч¬но недостает не технических средств, а искусственного интеллекта — комплекса алго-ритмов и управляющих программ. Но создание информационной технологии на порядок быст-рее и дешевле "аппаратной".

Опыт поиска алгоритмов сквозного управ-ления качеством на основе анализа больших массивов производственных данных (10?)— (103 плацок) для разной продукции (отливки из стали Гадфильда, крупные поковки, горя- чекатаный лист для строительства, холодно-катаный лист, произведенный с использова¬нием непрерывного отжига) позволяет сопос¬тавить возможные подходы к решению этой проблемы. Цикл производства металла соче¬тает дискретные и непрерывные процессы, за¬висящие от количественных и качественных параметров. Можно всегда описать эти про¬цессы регрессионными моделями, но не всегда возможно обеспечить модель надежными конс-тантами. Сквозная регрессионная модель, ре-жим— свойства для целей управления обычно ненадежна. Действительно, "на входе" обычно К = 50—100 существенно меняющихся парамет-ров (около 10 — компоненты состава; 10 — условия плавки и разливки; 2x10 — темпера-туры и обжатия в клетях и т.д.). Около М = 10 параметров важны на выходе (механи¬ческие свойства, нормируемая структура). Обычно процесс ведут вблизи оптимума и реальные зависимости нелинейны. Однако уже линейная регрессия с учетом лишь парных взаимодействий потребует найти п = М • К2 я 104—105 коэффициентов. Отсюда даже 1 млн.т в год одной марки стали сос-тавляет всего N = 3000 плавок, поэтому и за 20 лет работы стана N

Статистическое управление качеством "по учебнику", ориентированное "по возмущению", неприменимо для металлургии: здесь слишком много многосвязных цепей и нелинейных зави-симостей от нескольких факторов. Но задача разрешима, потому что известна априорная информация. Металловедение знает скрытые переменные — структуру. Ее параметров мало (например, зерно, его вытянутость, разно- зернистость), однако они задают все свойст¬ва на выходе. На каждую из этих переменных влияют лишь немногие параметры процесса, и для этих влияний есть физические модели (которые легче проверить, определив необхо¬димые константы).

Исконный предмет металловедения— изуче-ние связей в цепочке: состав— режимы обра-ботки— структура— свойства. На каждом ша¬гу связей немного, но если возможны— в за-висимости от выбранного диапазона парамет¬ров — хотя бы два альтернативных варианта поведения (например, однородный или неодно-родный рост зерна), то на выходе будет 23 = 8 типов откликов. Это и объясняет бес-перспективность регрессии, связывающей на-прямую режим и свойства. Регрессия всегда основана на допущении, что во всем прост-ранстве параметров существует единая зави-симость. В действительности же это прост-ранство разбито на области разных зависи-мостей, и их надо не усреднять и сглажи¬вать, а найти сначала границы областей Та¬кую информацию о поведении структуры может дать лабораторный эксперимент. Он дешевле промышленного и может быть проделан еще до освоения технологии, но для надежности кон-стант должен близко воспроизводить процесс (например, прокатку на стане осуществлять прокаткой с той же скоростью, а не сжатием на пластометре).

Здесь полезен образец "с двумя градиен-тами": например, прокатка заготовки-кдина дает поле обжатий по длине, а охлаждение ее с "ребра"— поле скоростей по ширине. Глав¬ный выигрыш здесь не в числе образцов, а в идентичности всех прочих условий и в воз-можности наблюдать промежуточные состояния в любом числе точек и на одном образце най¬ти границы всех областей трансформации струкутуры.

На следующем этапе нужна компактная фор-ма отображения результатов, чтобы информа-ции хватило для определения констант, на-пример в виде многомерных диаграмм в линеа-ризующих координатах, где проводят только гиперплоскости — границы областей (напри-мер, зернистого, пластинчатого и смешанного цементита в зависимости от температуры смотки полости в рулон, скорости охлаждения и состава). Для управления чаще важны не параметры кинетики, а лцнии начала и конца структурных превращений. Построения много-мерных диаграмм по сравнению с пакетом дву-мерных зависимостей обеспечивают более вы-сокую надежность, поскольку каждая частная зависимость автоматически проверена и скор-ректирована сопоставлением со всеми осталь-ными.

В системе искусственного интеллекта для сквозного управления качеством металла ис-пользуют иную логику управления: воздейст¬вия обращены не на ликвидацию возмущений, а на предотвращение вредных последствий. Если, например, отношение Мп: S оказалось на пределе допустимости, а воздействовать на' плавку поздно, то можно скорректировать режим нагрева под обработку давлением, что¬бы обеспечить при охлаждении "правильное" выпадение сульфидов, контролирующих впоследствии рост зерна.

На количественные возмущения может быть и качественная реакция: например, плавку с низким отношением Al: N вместо агрегата непрерывного отжига направить в колпаковые печи или сляб, передержанный в нагреватель¬ной печи, прокатать на меньшую толшину, выбрав "из портфеля" другой заказ.

Чтобы принимать подобные решения в реальном времени производства, системе искусственного интеллекта не нужна большая вычислительная мощность. Можно иметь гото-вые таблицы решений, разбив все пространст¬во параметров процесса на области однознач¬ного решения. Запись ветвящейся цепи моде¬лей, их проверка, указание границ существо¬вания и вывод решающих правил должны начи¬наться как неформализуемая, эвристическая процедура, требующая высокой квалификации металловедов. Правила предстоит проверить на крайних вариантах, сравнив исход с известным из производственной статистики. После того как заложены основные таблицы решений, они могут пополняться по мере на¬копления опыта — систему можно сделать самообучающейся в частных деталях.

Подобный подход применяется по частям, но насколько известно, нигде пока не ис¬пользуется как сквозной — от выплавки до конечной продукции, а "искусственным интел¬лектом" называют обычно локальные системы управления одним из параметров качества.

Если в малотоннажном производстве высо-колегированных сталей качество должно и мо-жет расти скачками за счет принципиально новых составов и технологий, то в крупно- тоннажном для массового потребителя чаще важно не повышение уровня свойств, а их однородность и гарантии качества. Кратчай¬ший путь достижения прогресса— не "аппа¬ратные", а "информационные" технологии.

В крупнотоннажной металлургии, где перс-пектива повышенного качества — не в обнов-лении марок, а в обеспечении стабильности и гарантий качества для потребителя, наиболее эффективна информационная система сквозного управления качеством, включающая и нело-кальные воздействия, которые изменяют даль-нейшие операции для предотвращения вредных последствий происшедших отклонений.

Чтобы построить систему искусственного интеллекта для сквозного управления качест¬вом стали, нужна не только производственная статистика режимы — качество, но и прока-либрованные в лабораторном эксперименте мо-дели структурных превращений в металле. Они указывают области существования разных сос-тояний металла в многомерном пространстве параметров и порождают решающие правила.

СБОРНИК НАУЧНЫХ ТРУДОВ Черная металлургия России и стран СНГ в XXI веке. Т о м 5, Москва 1994