还剩9页未读,继续阅读
本资源只提供10页预览,全部文档请下载后查看!喜欢就下载吧,查找使用更方便
文本内容:
【工业智能】先进钢铁材料生产全流程质量智能分析与把握系统2020-07-06原文以下文章来源于世界金属导报,作者陈向阳、孙卫华等世界金属导报《世界金属导报》是钢铁企业重要信息来源,也是国内最重要的技术发布平台,更是政府机关、学协会、企业领导,各级管理部门、生产组织现场、技术产品研发、原料设备选购乃至市场贸易营销人员必读的一份专业性报纸作者陈向阳、孙卫华等来源世界金属导报山东钢铁集团日照精品基地在吸取国内外质量管理、人工智能、机器学习等最新争辩成果的基础上,集成创新,高效快速地建立了全流程、集成的〃先进钢铁材料生产全流程质量智能分析和把握系统PQACPQAC系统构建了钢铁工业全流程大数据平台,实现了产质量量在线实时监控及质量判定,尝试了产质量量全流程智能协同设计,建立了基于混合驱动的产质量量智能化工艺模型,探究了智能制造与质量管理的深度融合,为我国冶金企业质量管理开辟了一条新路背景全面提升冶金企业产质量量,把我国从钢铁大国转变为钢铁强国是当前我国冶金企业面临的重要任务钢铁企业属于典型的流程型工业,生产流程长,制造过程简单,涉及到的过程把握要素多,面临着时空领域的物质流、信息流和能量流等“三流集成统一难题工艺参数族、设备参数群、环境介质参数集和物料参数标准规章体系,通过对数据集、数据群、数据族的关联与规章争辩,优化工艺参数窗口目标;2)以提高公司产质量量和合格率为目标,充分利用大数据挖掘技术,对数据集、数据群、数据族的关联与规章争辩,优化工艺参数窗口目标,优化工艺过程参数,加快实现工艺技术把握力量的提升,提高公司高端产品生产的管控水平;3)以降低设备毛病为目标,充分利用工业大数据分析技术,开展设备形态监控、跟踪、诊断,进一步提高公司设备稳定性,为高质量产品的生产供应坚实的保障;4)深化争辩工序技术原理,争辩利用大数据分析技术手段,结合机理模型,优化各工序把握模型,为处理材料制造过程的产质量量遗传性问题制造条件;5)充分利用5G通讯、物联网技术和数字挛生技术,建立可视化工艺技术目标体系,实现生产过程的全数学化、适时可视化和数字空间呈现及把握,进一步提升日照公司产质量量水平,加快实现工艺技术把握力量的提升,为提高公司决策和管理水平奠定基础(陈向阳孙卫华焦吉成曹金生IngoSchusterThomasHueper)为应对这一挑战,国内企业普遍接受了从一级到五级自动化、信息化管理,但受技术条件所限,产质量量问题一直是一个难题次要问题表现在A产质量量全都性不高;A存在大规模、连续生产与产品共性化定制的冲突;A现有把握系统与数学模型对产质量量提升存在技术瓶颈,现有信息化系统对数据中隐藏的无效学问缺乏利用;A质量管理方法以及产质量量稳定性与国际先进水平差距较大;A缺乏全流程在线质量监控系统,生产过程工艺数据利用程度较低,质量管理系统的智能化程度不高山东钢铁集团日照钢铁精品基地是国家发改委批准的钢铁产业结构调整示范项目次要产品为高端精品扁平材,次要品种包括热连轧薄板、冷连轧薄板、酸洗板、热镀锌板、中厚板等,服务于汽车、家电、海洋工程、机械制造、石油化工及能源配备等行业工程建设者深知,产质量量是日照精品基地的命脉和基础,产质量量管理系统的建设是实现企业质量目标的重要保证为了实现这一目标,公司针对国内冶金企业还没有一套完整在线、智能可扩展的质量分析与智能把握系统的实际情况,在引进德国西马克集团(SMS)开发的产质量量分析(PQA)工具的基础上,吸取国内外质量管理、人工智能、机器学习等最新争辩成果,集成创新,高效快速地建立全流程、集成的“先进钢铁材料生产全流程质量智能分析和把握系统”(PQAC)为我国冶金企业质量管理制造一条新路PQA工具是SMS开发的一套涵盖整个生产和工艺流程的产质量量评估系统该系统可以在晚期工艺流程阶段分析质量缺陷,准时在后续工艺流程中进行调整,实现生产工艺的动态把握,最大可能地保证产质量量PQA工具在美国大河钢铁公司初次使用,技术相对成熟目前,PQAC系统初步实现以下目标1)构建钢铁工业全流程大数据平台(图1)从铁水预处理、转炉、精炼、连铸、加热炉、热轧、连续酸洗及冷连轧到后续的连续退火、连续镀锌和分卷处理线等无数十个生产工序,每一工序又包括数百个工艺过程把握点各把握数据点既有连续性数据,乂有离散型数据,既有开关量数据,也有字符型数据,采样周期也是有长有短,且数据来源多样,既有来自L1把握系统数据,也有来自L2工艺数据和L3生产方案数据以成品钢卷为核心,想要把这些数据组成“一条记录,必需进行理论和技术创新系统利用大数据分析的有关理论和质量智能分析技术,建立了掩盖精品基地的数据采集分析系统,使加工工序的数据构成了非孤立的无机全体,能够对惹起产质量量问题的缘由进行全方位的分析和溯源2)制造挖掘工业大数据中隐藏学问的方法和技术钢铁企业属于流程型大工业生产,生产线处于高速运转,由设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据,从数据类型看也多是非结构化数据充分使用这些数据隐藏的学问,目前常规的方法是建立以专家学问为基础的专家系统,指点企业生产由于专家系统规章缺乏对工业大数据的充分利用,规章脱离企业实际或不能随着生产过程的转变而自学习、自优化,实际使用遭到极大的限制PQAC系统以数据挖掘技术为基础,充分利用人工智能的有关理论和方法,以工业大数据为分析对象,建立起工业大数据关联规章挖掘的方法和理论,把质量专家的技术诀窍和操作阅历转化为可描述的规章,同时通过数据挖掘有关技术,动态优化规章库,提升工业过程把握的稳定性和产质量量,建立智能质量分析判定系统3)创新基于专家规章库的人工智能系统争辩开发出简单流程工业生产过程专家规章库和人工智能相结合的产质量量识别系统建设的理论和方法优化系统过程把握参数,提升工业过程把握的稳定性和产质量量实现新产品开发过程的在线仿真,发觉新的技术诀窍争辩基于人工智能和规章库相结合的质量猜测性分析及反馈调整把握模型以规章库中数据把握点为神经网络的输入,以钢铁生产流程各环节质量为神经网络输出,以生产实际运转结果为训练集,建立起以神经网络为核心的全流程集成化神经网络预告和反馈把握模型,提高钢铁企业全流程质量把握的智能化水平目前神经网络技术成为新一代智能把握的基础,但由于神经网络受输入节点数量限制,争辩如何结合冶金工艺机理等领域学问,提高系统反馈速度等,通过把大数据属性约简建立的规章库与神经网络相结合技术,建立起全流程智能化的质量把握系统2系统功能
2.1构建钢铁工业全流程大数据平台所建立的全流程大数据平台特点包括A接受基于Hadoop+Spark的分布式技术架构,使用MapReduce实现大数据分布式计算与分析,接受基于数据生命周期方法实现数据私密性管理,开发质量私有云平台;A使用智能采集网关、数据采集平台、ETL工具等方法,将PLC、PCS、MES等设备/系统中的数据汇聚到大数据平台中;A大数据平台接受基于Storm的分布式实时计算与GPU/CPU高功能并行计算技术,供应多种分布式计算的技术支持;A系统将不同产线所需的数据,按产线及产线中的钢卷或板坯号进行采集和集中管理;同时,不同产线的数据通过钢卷或板坯号实现相互关联,以此实现整个生产工艺数据的连接和跟踪
2.2产质量量在线实时监控及质量判定、分级日照钢铁精品基地是典型的传统流程钢铁制造企业,存在功能不同但又相互关联、相互支撑、相互制约的各个工序和安装及相关设备,通过工序间串联、并联方式集成后构成完整的简单生产制备系统,产质量量与各工序过程、设备形态之间的关系简单通过构建起多流程、多尺度、多安装间的相互关系,实现如下功能A基于专家的技术诀窍和阅历的规章规范化,针对高质量等级的钢铁产品,通过严格的操作规范和工艺把握,利用规章库把这些阅历和诀窍固化在系统中,保证产质量量的稳定性;A通过模式识别和人工智能的有关理论,建立起基于工业大数据的规章库自学习理论和方法,创新规章库动态调整方式和方法;A无效地监控产品的生产过程形态,确保产质量量,对每个生产步骤的质量形态进行合理和独立的评估,快速获得全部质量信息
2.3实现产质量量追溯产质量量追溯功能的实现,具有如下功能特点A立足于智能把握技术与生产工艺的融合,建立模型架构优选与参数优化机制,打破传统模型难以处理简单机理解析与工况偏差干扰问题的瓶颈,从根本上提高模型精度;A立足于考虑全流程协同管控与大规模定制化生产需求,建立全新的智能工艺模型体系,保障先进钢铁材料生产流程特点的工艺质量的快速追溯、在线判定、预警和分析工作取得良好的使用效果;A争辩开发了工艺质量关联规章以及智能把握方法,实现全流程质量追溯分析与工艺参数深度优化,以及基于数据与学问融合的先进钢铁材料生产工艺仿真与质量设计工作取得良好的使用效果
2.4产质量量全流程智能协同设计开发的PQAC系统,进行了产质量量全流程智能协同设计:A通过开发工艺参数在线监控与预警,工艺质量在线猜测、判定与动态设计技术,实现对质量干扰要素的快速精准应对;A引入不同产质量量动态相关系数,通过数据挖掘开发全流程质量追溯分析与工艺参数深度优化技术,充分利用数据学问信息实现全流程工艺综合质量优化;A通过开发基于数据与学问融合的钢铁板带材生产工艺仿真与质量设计,实现产质量量全流程智能协同设计,无效缩短产质量量开发周期;A利用机器学习的有关方法,初步建立起SPHC、Q
235、Q355以及Q355延长质量等级的多质量等级产品的在线功能预告系统(各目标见表1)可提高成材率约
0.56%o表1235性能预报测]呈指标及准确性通过若干个猜测值对猜测的相对误差进行综合评价,也就是接受平均确定百分误差(MAPE):通常来说,假如平均确定百分误差低于10则认为猜测精度较高经过对比分析,PQAC系统猜测的平均确定百分误差最大在6左右
2.5建立基于混合驱动的产质量量智能化工艺模型引入工业大数据上下文感知技术,通过对各类感知器进行软件笼统,使其能够以一种全都、统一-的方式来猎取各类生产形态信息和生产数据信息,有助于降低数据采集与实际使用之间的耦合,提高系统的易用性和通用性在数据挖掘阶段,接受概率模型推理、贝叶斯统计、蒙特卡罗等方法,争辩毛病检测、毛病诊断、毛病重构、毛病识别、毛病隔扇、过程恢复和模型保持,实现先进钢铁材料全流程生产过程中的自动毛病检测与把握,见图2(g)-(汐一■务一☆耳_奥\咨g.sav类型了离群值和极值分区国59字段图2数据挖掘核心流程对生产数据和工艺数据进行挖掘、分析,找到对产质量量有影响的生产环节和参数以便改进生产工艺和质量通过结合钢种规格层级的机械功能数据分析,实现钢的工艺参数窗口优化、合金成分优化相关钢种吨钢降低成本24-101元PQAC系统在线使用案例依据PQAC系统供应的信息,工艺技术工程师可以在很短的时间内找到缺陷的缘由,制定处理措施,极大地提高了工作效率表2热轧产线精轧设定数据日照公司酸轧产线(PLTCM)调试生产某薄规格产品(热轧产线精轧设定数据见表2)时,酸轧成品带钢板形质量不抱负,单边浪或双边浪缺陷时有发生,产质量量得不到保证板形缺陷多发生在带钢后半段,宽度方向上位于带钢边部30mm以内,严峻者不平度达到15对于这种特殊的板形缺陷,酸轧产线板形闭环把握系统无法处理(图4)o技术人员通过降低乳化液流量来提高轧辐温度,添加轧般热凸度,缺陷有所改善,但仍旧无法彻底处理C2-
1.01JUA16-
1.94JU经PQAC系统分析,可以快速得到钢卷相关信息A通过化学成分推断为超低碳钢;A热轧原料卷凸度总体满足要求,但全长凸度把握不稳定;A个别热轧原料卷凸度轮廓外形存在明显“猫耳朵”现象;A热轧原料卷全长凸度及轮廓外形与酸轧轧后板形缺陷无明显对应关系;A热轧原料卷精轧终轧温度把握不稳定,前120m低于目标值下限;A热轧原料卷精轧终轧温度沿宽度方向上分布不均匀,边部温降达到5CTC以上综合PQAC系统供应的信息,结合冶金机理,得出以下结论A热轧产线生产超低碳钢必需在大于900°C轧制,避开铁素体相变;A超低碳钢在奥氏体铁素体两相区轧制时,随着变形温度降低,变形抗力减小;A精轧时沿长度方向上轧制温度的变化,形成带钢变形程度不全都(图5):酸就工序带钢平直废,1U-14-12-10-8-6-4-202468101214100中产生板形缺陷4展望随着现代化技术的进步,以信息技术与制造工业加速两化融合为次要特征的智能制形成为全球制造业的次要进展趋势顺应全球工业
4.0趋势,自动对接“中国制造2025”标准,瞄准世界一流钢铁企业管理理念,在管理智能化、生产过程智能化和服务保障智能化等方面乐观探究,绘就最佳的科学管理流程以日照公司先进钢铁材料智能制造为动身点,建设工业大数据试验室,推动智能制造技术的研发和产业化,重点开展以下儿个方面的争辩1)深化拓展基于工业大数据的先进钢铁材料制造智能化管控理论和方法争辩,加快建立顺应公司生产过程把握、满足精益管理要求的指标屋服强及坑拉强及延伸率冲去功1冲丢功2冲去少3MAPE
6.
062.
710.
605.
965.必干奇罗神恭架号F1F2F3F4F5F6F7入口厚度,mm
40.
923.
713.
07.
85.
43.
62.8由口厚度,mm
23.
713.
07.
85.
43.
62.
82.3压下攀,%
41.
945.
240.
130.
632.
922.
017.1包制力,kN1793018873179281508712635107489806杭架间张力,N/mm
26.
77.
48.
29.
711.
512.
50.0包魏更度,m/s
1.
01.
93.
24.
77.
09.
111.0弯魏力,kN53410899671012550612598摹魏量,mm-148-71-30-17150—26带钢心部混度,P
970959948934320.;帝钢表面混度,P
906931937928917、疝W断。