基于大数据的冷轧智能化工艺诊断技术查看源代码讨论查看历史

来自 搜狐网 的图片

基于大数据的冷轧智能化工艺诊断技术冷轧生产、工艺、质量智能化应用。

主要技术内容

1. 技术背景和意义

随着“十三五”规划纲要的提出，智能制造已成为当前钢铁行业转型升级、提质增效的重要着力点；当前钢铁工业进入新常态形势下，下游用户的多元化、个性化定制需求突显，同时对产品质量要求也提高；冷轧厂生产控制功能复杂，其产品质量、生产效率、成本控制、可持续性等因素相互影响，生产组织和质量管理的难度不断增大，传统手段难以达到精细化管理要求，制约生产线在新常态形势下的经济效益进一步提升。

2. 技术要点和优势

技术要点：(1) 在线监控：对在线生产工艺过程数据进行监控，给出生产组织、质量控制方面的预警和操作，提高生产效率降低失误事件的发生。(2) 诊断分析：对指定的历史钢卷或时间段的生产数据进行分析诊断，给出生产组织、质量控制相关的工艺问题诊断分析以及优化建议。包含九项内容：1) 酸轧机组轧制打滑及热划伤预测模型；2) 酸轧机组轧制断带分析模型；3) 酸轧机组轧辊服役状态预测模型；4) 酸轧机组轧制跑偏分析模型；5) 酸轧及连退机组活套、炉内带钢跑偏预测及分析模型；6) 连退机组带钢打滑预测模型；7) 连退产品全长性能均匀性分析模型；8) 酸轧及连退机组排产优化模型；9) 产量执行情况KPI指数模型。(3) 模型优化学习：通过历史案例的统计分析对模型参数和规则进行优化。随着案例库的累积，提高工艺模型的预测精度，提炼出更优化的产线规则。(4) 案例知识库：由Oracle关系数据库和MongoDB文档型数据库组成。关系数据库保存生产统计数据、模型参数、规则知识等。文档型数据库保存典型案例的生产数据（PDI、设定参数、实际曲线等）。(5) HMI画面：提供生产监控和人机交互接口。工艺模型规则阈值显示在HMI的工艺表中，规则保存在数据库中，根据历史案例优化阈值，让车间工人看到产线的实时状态。技术优势：本技术具有模块化、标准化特点，系统上线后对产品质量、生产效率及智能化方面提升效果明显，产线运行稳定性、产品质量等指标明显提高，提高了产线精细化管理水平，实现生产技术指标的数据化评价，分析产线的短板并给出优化意见，大大降低了企业生产成本。另外，模型系统实现对热轧、冷轧全流程工艺参数的整合，对工艺流程与运行设备实现状态监测与故障诊断，保障了工艺及设备的安全运行。

技术应用情况

该技术于2020年应用于鞍钢冷轧2130生产线，实现产线生产效率和质量管理的智能化数据监控分析，对生产过程中的不稳定因素进行预警，提升了产品质量和生产效率，取得了广泛的经济效益和社会效益。经济效益核算：按年产量200万吨，连退产线按年产量70万吨计算。（1）酸轧工序生产效率提高1.0%，连退工序生产效率提高1.5%。（2）冷硬卷和普冷板成材率各提高0.5%；（3）辊耗下降3%；（4）轧机断带次数每月减少5%；上述进步带来的经济效益约为813万元。社会效益核算：采用智能诊断分析潜在的生产效率和工艺质量相关问题，从而为生产线的提质、增效、降本提供有力技术支撑，切实提升企业核心竞争力具有重要的意义。该技术的开发及应用改变了产线的生产状态监控、预测、预警能力不足，人工监控分析管理的现状。充分的提高产线智能化，解放技术人员重复劳动从而进行持续技术进步，也为今后相关领域的技术升级和整体进步奠定了基础，并为建设智能示范产线提供了参考，通过该技术的应用，经济效益和社会效益明显。