유닛 처리량 증가를 지원하는 강철 플랜트 시뮬레이션

유닛 처리량 증가를 지원하는 강철 플랜트 시뮬레이션

개요

타타스틸은 5개 대륙을 넘나들며 활동하는 철강업계에서 지리적으로 다변화된 두 번째 생산업체다. 이 회사는 연간 3,300만 톤의 조강 용량을 가진 가장 큰 철강 제조 및 공급 업체 중 하나로 인정받고 있다. 타타스틸은 자동차, 소비재, 인프라 등 광범위한 분야에 주력하고 있다.

문제

이 회사의 철강 생산 단위 중 하나는 내부 물류 시스템을 최적화하여 전체 단위 처리량을 늘릴 수 있는 가능성을 보였다. 최적의 공정 흐름을 도입하고 다양한 배치 구성을 테스트하여 크레인 및 레이들 핸들링을 개선하는 것이 기회였다.

철강용융팀은 크레인 이용률이 생산 공정 전반에 걸쳐 확연히 분포하는 것으로 봤다. 그 결과, 처리량이 저하되었다. 즉, 본 제품의 최종 생산품인 heat(철판)의 생산 부족이 있었다. 가능한 이유는 크레인 취급의 대부분이 수동적이고 독립적으로 이루어졌기 때문이다. 따라서, 덜 인간적인 의사결정이 요구되었다.

해당 제철소에서는 뜨거운 금속이 공장에 도착하는 탱크(토프도)부터, 특히 어뢰정거장에 도착하는 것으로 생산공정이 시작된다. 그리고 나서 이 금속은 국자로 옮겨지고, 그 국자로 옮겨지고, 그 국자로 옮겨지고, 그 다음엔 트랜스퍼 카에 올려진다. 그리고 거기서 어뢰 만 크레인이 그것을 골라 탈수소로 옮긴다. 금속이 정화된 후에는 이송차에 의해 충전 베이로 옮겨져 다른 크레인이 골라 LD 컨버터, 즉 선박으로 가져간다. 일단 금속을 선박에 붓고 나면 크레인은 빈 국자를 어뢰정거장으로 돌려준다.

강철 제조 유닛 계획

강철 제조 유닛 계획

기존 내부물류시스템 처리규칙을 변경하면 처리량이 증가하는지를 파악하는 것이 목적이었다. 기술자들은 크레인을 작동시킬 수 있는 간단한 경험 법칙을 찾고, 의사결정에 대한 인간의 의존도를 줄임으로써 전체적인 생산 과정을 최적화하기를 원했다.

팀이 해결책으로 시뮬레이션 모델링을 하기로 결정한 이유 중 하나는 시스템 요소들 간의 상호의존성의 복잡성이었다. 또한 시뮬레이션 모델만이 처리할 수 있는 랜덤성이 큰 변수(예: 선박 및 탈류 스테이션의 처리 시간, 크레인 및 트랜스퍼 카의 가동 중단 시간 등)도 많았다.

해결책

첫 번째 단계는 입력 데이터를 수집하는 것이었습니다. 연구팀은 지난 1년간 유닛 내 모든 장비에 대한 데이터를 수집하는 현장 조사를 실시했다. 또한, 그들은 고장 패턴, 특히 MTBF와 MTTR, 그리고 공정 흐름을 분석하였다.

애니로직(AnyLogic)을 발전소 시뮬레이션 소프트웨어로 활용해 핫메탈 하역부터 어뢰정전소 레이들까지 과정을 대표하는 모델을 만들었다. 이 팀은 모델의 논리를 설정하기 위해 현장 스터디에서 수집된 다음과 같은 파라미터를 사용했다.

레들로부터 뜨거운 금속을 붓는다.

이 팀은 선박의 대기 시간을 줄이고 크레인 작동 논리를 수정하기 위한 목적으로 다음과 같은 세 가지 다른 What-if 시나리오를 만들었다.

  1. 두 개의 충전 베이 크레인 모두 선박 충전에 사용된다.
  2. 기중기 1대는 탈수소와 선박 구역 사이를 작업하고, 다른 기중기는 주로 국자에서 선박으로 금속을 하역한다. 두 번째 크레인이 사용할 수 없을 경우 첫 번째 크레인이 그 기능을 이어받는다.
  3. 시나리오 2는 빈 국자를 바닥 9m 높이에 걸 수 있는 가능성과 결합했다.

각 시나리오에 대해, 그들은 하루 생산되는 고기의 양, 크레인 이용률, 선박의 대기 시간을 관찰하기 위해 탈색 스테이션과 선박 처리 시간의 차이와 함께 90개의 실험을 설계했다. 모든 실험은 10일을 시뮬레이션하고 통계를 수집했다.

결과

실험 결과의 통계적 분석을 통해 팀은 크레인 활용도, 선박의 대기 시간, 열 처리량(1열 = 1.65톤)의 관점에서 최적의 시나리오를 결정할 수 있었다. 그것은 시나리오 3이 최소 두 번의 가열/하루에 상당한 이점을 가지고 있다는 것을 보여주었고, 이것은 회사를 연간 수백만 달러를 절약할 수 있다. 또 선박 대기시간이 줄고 처리량이 개선됐지만 충전베이크레인 이용률은 여전히 80% 안팎으로 원치 않는 수준이었다. 예상치 못한 다운타임을 방지하려면 엔지니어가 예방적 유지보수 계획을 도입해야 한다.

발전소 시뮬레이션의 주요 지표가 보이는 꺽은선형 차트

발전소 시뮬레이션의 주요 지표가 보이는 꺽은선형 차트

AnyLogic을 플랜트 시뮬레이션 소프트웨어로 사용하여 안전한 디지털 환경에서 모델을 실험할 수 있는 기회 덕분에 필요한 모든 변경사항을 생산에 지장을 주지 않고 구현할 수 있었다.

유닛의 추가 최적화를 위해, 팀의 목표는 생산 공정의 고철 충전 부분을 시뮬레이션에 통합하는 것이었다. 시뮬레이션 모델링의 도움으로, 그들은 회사의 전체 철강 제조 시스템을 개선할 수 있는 최선의 해결책을 찾을 예정이었습니다. 정책 수립을 개선하기 위해 AI를 모델에 접목할 계획이었다.


Tata Steel이 AnyLogic Indian Conference 2019에서 발표한 이 사례 연구에 대한 비디오 보기

video

유사 케이스 스터디

더 많은 케이스 스터디