基於大數據和人工智能鋼鐵材料智能生產控制系統檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

基於大數據和人工智能鋼鐵材料智能生產控制系統鋼鐵材料智能製造。

主要技術內容

技術背景和意義

進入21世紀以來，工業互聯網、雲計算、大數據、人工智能等新一代信息通信技術正在加速與製造業深度融合，引發新一輪工業革命。鋼鐵工業正面臨智能化轉型升級的迫切需求，通過數字化、信息化及網絡化等過程提升鋼鐵製造流程運行效率，提高產品品質，降本提效。鋼鐵是典型連續、多工序生產。原料、冶煉、熱軋、冷軋、退火、塗層等工藝中的任何微小變化，都可能對最終產品產生很大的影響。為了應對不同客戶、不同性能和產品規格的訂單需求，通常需要花大量的時間來評估、分析和開發不同的工藝，消耗了大量的人力和時間資源。通過利用人工智能和大數據技術，開發鋼鐵材料智能控制系統，可以大幅提高研發、生產效率，降低成本。

技術要點和優勢

本技術中智能生產控制系統主要依託於豐富的產線數據，利用機器學習、深度學習、集成學習、遷移學習等人工智能技術，建立包含鋼水成分、熱軋、冷軋等主要工序流程工藝參數的產品性能模型，並以此為控制核心，指導材料生產和研發。創新點如下：1、建立完成的產品性能模型。利用煉鋼成分數據（C、Si、Mn、Cr、Mo、Nb、Ti等），熱軋工藝參數（加熱溫度、加熱時間、開軋溫度、壓下率、終軋溫度、捲曲溫度等）、冷軋工藝參數（厚度、壓下率、退火溫度、平整延伸率等）數十個工藝參數，結合如奧氏體化模型、相變模型、析出模型、退火模型等建立全產品成分組織和性能模型。2、對不同原料進行工藝智能生產指導。依據產品模型，區分不同鑄坯、熱軋、冷軋等來料狀態，結合產線特徵，匹配已最佳工藝參數進行生產，大幅提高產品命中率。3、對每卷鋼材進行實時數字化顯示。對產品成分、工藝、性能、規格、用戶等信息進行實時數字化顯示，對產品全生命周期重要數據跟蹤，直觀便捷了解產品各個工藝流程和產品狀態。4、對成分和熱軋工藝波動進行冷軋工藝糾偏。針對不同產品可能出現的性能波動，例如低合金高強鋼在頭尾、邊中等位置易出現較大力學性能波動，熱軋捲曲外圈和內圈由於冷速不同產生的波動等，輔助以動態工藝參數進行糾偏，提高產品性能穩定性。5、對客戶訂單需求自動匹配最佳生產工藝。根據不同客戶的不同規格、性能、牌號等產品需求，智能化匹配最佳產品選擇和工藝選擇，大幅提高訂單評審效率，降低人員和時間成本。

技術應用情況

應用對象：首鋼冷軋薄板有限公司應用規模：薄板材料≥10000卷應用時間：2年以上取得成效：（1）「耦合產品模型」，基於工業大數據和物理化學知識的耦合產品及生產控制模型，利用大數據技術應對複雜、多維度參數的強大能力，和冶金材料熱力學、動力學等物化知識工藝指導和可解釋性，形成一整套覆蓋不同產品系列的成分、熱軋、冷軋、退火、鍍鋅等全流程工藝參數和產品最終性能的複合模型。（2）「智能評審」，智能完成用戶訂單產品分析，依據不同產線特點、能力和生產負荷，智能完成用戶對材料牌號、寬度、厚度、公差、表面、卷重等需求評審，並預估訂單交貨時間。（3）「智能生產」，根據訂單評審數據，優先自動匹配庫存坯料，如庫存無法滿足訂單需求，即進入產品從煉鋼-軋鋼生產流程。每完成一工序，根據工序參數，自動生成下一工序工藝，並對生產不穩定狀態予以糾偏，得到最終目標性能要求產品，並自動完成產品質保書。（4）「智能研發」，針對新產品研發，根據客戶對材料機械性能、衝壓性能、焊接性能等需求，和擬投產的目標產線，在數字化系統進行模擬仿真，再進行少量實驗驗證，打破現有由小爐冶煉-中試開發-工業試製-批量生產的研發模式，依託工業數據和歷史研發數據，大幅降低實驗次數、時間及研發成本，提高研發效率。