基於大數據的工序一貫質量管控解決方案檢視原始碼討論檢視歷史
![]() |
基於大數據的工序一貫質量管控解決方案互聯網時代,高端鋼材應用行業如汽車和家電製造等,正發生顛覆性的變革。新的 企業,產品迭代速度越來越快,產品生命周期越來越短,產品質量信息越來越透明,終 端消費者質量反饋也越來越快。
一、解決方案簡述
1、 方案簡介與功能目標
互聯網時代,高端鋼材應用行業如汽車和家電製造等,正發生顛覆性的變革。新的企業,產品迭代速度越來越快,產品生命周期越來越短,產品質量信息越來越透明,終 端消費者質量反饋也越來越快。小訂單、多樣化訂製成為市場的主流需求,對鋼鐵產品 全流程質量管控、工序能力、以及響應客戶的速度,提出了更高的要求。工序一貫質量 管控解決方案是構建以客戶為導向,以產品一貫制為主線,以大數據[1]挖掘技術為基礎, 面向全體系質量人員,從用戶需求識別到用戶使用,從結果向過程/狀態,從定性向定量, 從點線向全面,從人工向自動,從事後向預防轉變的工序一貫質量管理系統。
工序一貫質量管理系統在寶鋼股份實施並已使用近三年,以煉鋼、熱軋、冷軋為試點,覆蓋了部分機組,己經實現機組儀表檢測的高頻數據與圖像的大數據存儲與應用, 極大地加快了缺陷問題分析與調查時間,減輕了機組質檢人員的勞動強度,實現了前後工序質量信息的有效傳遞和機組生產的實時預警。
2、 技術體系與技術特點
在熱軋工序中,在現有機組的各類檢測儀表數據基礎上,採集完整的帶鋼尺寸、溫 度、斷面類缺陷信息作為工序一貫質量分析的數據源,以「卷」為單位的尺寸、溫度、 斷面類質量數據、軋制PDI數據實施採集存放在大數據平台,結合用戶的實際分析需求 進行自動判定,判定邏輯規則人工配置,採用在線數據模擬驗證判定規則無誤生效機制, 最大程度保證表面質量判定的準確性。判定封閉的材料實現在線語音報警,及時提示操 作人員,有效阻斷材料向下工序流轉。採集的高頻數據除了在線判定應用使用外,同時 共享於全工序質量分析人員進行離線分析。
機組數據採集以及存儲需求,採用寶之雲大數據HADOOP平台的PDS存儲工藝過 程數據中的高頻時序數據,採用STS存儲表面檢測數據和工藝過程數據中的結構化數據, 採用OSS存儲表面檢測數據中的非結構化數據。
系統架構如下:
工藝過程數據通過採集服務器[2]上的實時數據庫與寶之雲大數據平台的PDS對接, 實現時序數據的實時上傳。
工藝過程數據中的其它結構化數據,可以通過採集服務器上的數據抽取工具或者寶 之雲大數據平台中的數據抽取工具(如kettle),定周期(半小時一次)將數據抽取到STS。
工藝過程數據中部分只能通過xcom電文方式發送的數據,通過部署在相關區域的 電文轉發服務器上傳數據到大數據平台的STSo
表面檢測數據中的結構化數據可以通過採集服務器上的數據抽取工具或者寶之雲大數據平台中的數據抽取工具(如kettle),定周期(半小時一次)把數據抽取到STS。
表面檢測數據中的非結構化數據通過採集服務器上傳至大數據平台的OSS。
二、應用案例簡述
1、案例名稱與實施時間
案例名稱:寶鋼熱軋廠基於尺寸、溫度、斷面類質量自動判定系統
起止時間:2015年至2017年
2、應用創新與技術亮點
中國寶武目前正在順應國家「中國製造2025」和「互聯網+」的中國式「工業4.0」 規劃建設,在現有的基礎上研究並建設基於互聯網、物聯網、雲計算、機器人、大數據 分析等技術的智能製造模式,為縮小與國內外同行業先進企業的差距,本案例首次採用 hadoop大數據平台的高頻數據進行在線應用試點,對於提高寶鋼股份在鋼鐵產業界的核 心競爭力具有重要意義。
自動判定系統採用基於三層架構的C/S模式,由數據庫層/應用服務器層/展現層構成。數據庫服務器層由高性能服務器構建而成,用於提供數據操作和服務;應用服務器 層採用交易中間件,用於完成應用系統的所有業務邏輯的處理要求;展現層選用一般 PC機,安裝Windows;操作系統,採用圖形化界面訪問應用系統。
參考文獻
- ↑ 什麼是大數據,一張圖帶你看懂大數據 ,搜狐,2018-06-12
- ↑ 關於服務器,總算講清楚了!,搜狐,2020-07-27