變更

进入21世纪以来，工业互联网、云计算 <ref>[https://it.sohu.com/a/523453939_120050395 云计算的普及：让我们了解一下云计算]，搜狐，2022-02-17</ref> 、大数据、人工智能等新一代信息通信技术正在加速与制造业深度融合，引发新一轮工业革命。钢铁工业正面临智能化转型升级的迫切需求，通过数字化、信息化及网络化等过程提升钢铁制造流程运行效率，提高产品品质，降本提效。钢铁是典型连续、多工序生产。原料、冶炼、热轧、冷轧、退火、涂层等工艺中的任何微小变化，都可能对最终产品产生很大的影响。为了应对不同客户、不同性能和产品规格的订单需求，通常需要花大量的时间来评估、分析和开发不同的工艺，消耗了大量的人力和时间资源。通过利用人工智能和大数据技术，开发钢铁材料智能控制系统，可以大幅提高研发、生产效率，降低成本。

本技术中智能生产控制系统主要依托于丰富的产线数据，利用机器学习、深度学习、集成学习、迁移学习等人工智能技术 <ref>[http://news.sohu.com/a/638770481_121639880 人工智能包含了哪些关键技术？]，搜狐，2023-02-09</ref> ，建立包含钢水成分、热轧、冷轧等主要工序流程工艺参数的产品性能模型，并以此为控制核心，指导材料生产和研发。创新点如下：1、建立完成的产品性能模型。利用炼钢成分数据（C、Si、Mn、Cr、Mo、Nb、Ti等），热轧工艺参数（加热温度、加热时间、开轧温度、压下率、终轧温度、卷曲温度等）、冷轧工艺参数（厚度、压下率、退火温度、平整延伸率等）数十个工艺参数，结合如奥氏体化模型、相变模型、析出模型、退火模型等建立全产品成分组织和性能模型。2、对不同原料进行工艺智能生产指导。依据产品模型，区分不同铸坯、热轧、冷轧等来料状态，结合产线特征，匹配已最佳工艺参数进行生产，大幅提高产品命中率。3、对每卷钢材进行实时数字化显示。对产品成分、工艺、性能、规格、用户等信息进行实时数字化显示，对产品全生命周期重要数据跟踪，直观便捷了解产品各个工艺流程和产品状态。4、对成分和热轧工艺波动进行冷轧工艺纠偏。针对不同产品可能出现的性能波动，例如低合金高强钢在头尾、边中等位置易出现较大力学性能波动，热轧卷曲外圈和内圈由于冷速不同产生的波动等，辅助以动态工艺参数进行纠偏，提高产品性能稳定性。5、对客户订单需求自动匹配最佳生产工艺。根据不同客户的不同规格、性能、牌号等产品需求，智能化匹配最佳产品选择和工艺选择，大幅提高订单评审效率，降低人员和时间成本。