冷轧带钢表面质量智能分级判定系统查看源代码讨论查看历史

来自 新浪网 的图片

冷轧带钢表面质量智能分级判定系统西昌钢钒冷轧带钢表面质量智能分级判定技术尚属国内外板带材轧制领域首创，是应对长期困扰钢铁制品表面质量人工识别、判定管理难题挑战而提出的一套工业应用解决方案。该系统使产品监视和测量装置得到有效充分利用，使产品监视环节更加智能化、高效化，是提升现场品质管控的重要工具，可有效提高企业的质量管理水平。

主要技术内容

西昌钢钒冷轧带钢表面质量智能分级判定技术尚属国内外板带材轧制领域首创，是应对长期困扰钢铁制品表面质量人工识别、判定管理难题挑战而提出的一套工业应用解决方案。该系统使产品监视和测量装置得到有效充分利用，使产品监视环节更加智能化、高效化，是提升现场品质管控的重要工具，可有效提高企业的质量管理水平。

该系统是基于获取在线表检系统提供的实时缺陷信息，融入用户需求识别及内控质量分级管理要求，通过质检专家规则机理模型与上传云端的质量信息分析而建立、训练大数据模型的有机结合，以实现冷轧带钢表面质量量化精准判定。冷轧带钢表面质量智能分级判定系统，使产品监视和测量装置得到有效充分利用，使产品监视环节更加智能化、高效化，是提升现场品质管控的重要工具，可有效提高企业的质量管理水平。提高质量检查判定的及时性和准确性，降低了生产过程中带钢表面质量检查及判定严重依赖于质检员的模式，并且规范了判定标准的一致性，解决了因人员业务能力参差不齐而造成的判定标准不能完全统一的问题。充分利用历史钢卷表面质量信息针对某一用户、牌号及规格的产品表面质量判定规则进行个性化配置，指导质量设计。

充分发掘及利用大数据，基于人工对缺陷的历史判定结果，构建出钢卷表面质量判定模型。模型训练过程中，首先对数据进行了异常值的处理，移除了结果存在明显偏差的数据点。进一步，通过对样本的采样降噪处理，以及对模型损失函数的调整，减少了数据样本不均衡度带来的影响。利用XGBoost的模型进行判定模型构建，通过贝叶斯优化的方式对模型进行参数调优，实现优化的钢卷缺陷判定模型。最终利用Lime的方式，进行机器学习可解释性的构建，从而解决了机器学习黑盒子的问题。通过大数据模型的方式，可以进一步提高对钢卷表面质量的识别的有效性，在判定过程中可以充分考虑到缺陷之间的联合判定情况，以及客户对产品要求的差异性，从而使判定结果更能吻合人工判定的逻辑，同时也具备充分的解释性。

技术应用情况

该系统已于2020年3月在西昌钢钒板材厂连退机组运用至今。

一是提高质量检查判定的及时性和准确性。实时给出相对完整的表面缺陷描述，质检可直接使用或进行部分调整后使用，为质检员节约出多余的时间用于实物质量的检查，提高质检员的工作效率。因传统的质量检查及判定完全依赖于人工，当人工因其他原因暂时离岗时，就会对判定及时性及准确性造成影响，智能表检可实时在线。钢卷生产完成后30秒内给出判定结果，帮助质检人员进行初步判定，可通过“质检报告”的形式将钢卷表面所有缺陷给出详细的位置、大小，根据给出钢卷缺陷位置，质检员可以根据给出的位置快速查找并确认。因表检仪检测可能存在缺陷重叠，严重缺陷被轻微缺陷掩盖。智能表检可以将被掩盖的严重缺陷找出并给出准确的位置，防止漏检。经过模型辅助判定，成功拦截了14.2%的不合格钢卷，问题钢卷拦截率从原来的85%提升到现在的接近100%。降低了问题钢卷流出市场的风险。

二是降低人工工作量，提高人工工作价值。表面质量信息描述更加规范、准确、完整，可有效评判质量检查员技能水平的高级，对技能水平性对较低的质量检查员进行针对性的培训及辅导，解决了因人员业务能力参差不齐而造成的判定标准不能完全统一的问题；可有效减少质量工程师对钢卷表面质量开包检查的次数。把质量工程师从低价值的重复枯燥人工检测工作中解放出来，投入到质量标准修订、质量提高等高价值工作中。

三是判定规则的标准化。规则标准化与可执行度进一步提高。判定规则中定量化描述指标比例接近100%，避免了质检人员定性化的个人判定，从而实现人工在执行规则过程中有理可依。推动判钢规则的行业标准化。当前冷轧卷的判定主要以企业内部标准内，行业内缺少统一的判定准则。通过本次项目中的沉淀，可以把具备行业共性，具备可执行性的规则，进一步推广到钢铁行业中，从而主导整个行业的判钢标准化。