變更

'''中厚板线材性能预报系统'''中厚板、线材性能预报系统，钢 [[ 产品 ]] 的力学性能预报

===技术背景和意义 ：===

钢铁制造涉及炼铁、精炼、 [[ 铸造 ]] 、轧制等诸多环节，其中数十个参数可能影响最终产品的性能，对钢材质量进行理化检验是不可或缺的。可建立一种精确的钢材质量预测模型，以减少检化验频率，甚至取代试验程序。

基于力学性能高精度在线预测技术，减少检测取样，缩短生产周期，提高交货节奏，带来很大 [[ 经济效益 ]] 。

采用多维数据挖掘技术，对热轧、冷轧<ref>[https://www.sohu.com/a/322666014_120174830 热轧和冷轧，这两个概念到底是啥？] ，搜狐，2019-06-24 </ref>工业大数据进行数据清洗和归并、相似工艺分层聚类等处理，开发基于机器学习算法，建立智能化 [[ 力学 ]] 性能在线预测模块，实现基于大数据的多维度、多变量影响下的质量性能预测。

遵循数据挖掘标准流程CRISP-DM，借助工程思想和方法，找到适用于冶金数据的数据处理方法和验证方式。钢种及其规格不同导致工艺流程变化，需将钢种区分大类，分开建立模型；领域知识与 [[ 大数据]]<ref>[https://roll.sohu.com/a/594299406_121485040 什么是大数据？我们来科普一下]，搜狐，2022-10-21 </ref>的两者结合，最终建立可靠的数据模型。

采用数据预处理技术，处理异常缺失数据，基于统计特征、领域特征、业务经验共同提取合适特征，给予模型训练。注意样本数量相对模型参数空间不足会导致模型有过拟合现象，使用正则化方法；采用“Worst-Case”驱动方式与现场业务交流，投入生产之前分析何种情形下模型 [[ 工作 ]] 不好，找到具体适用范围。离线模型做基于精度、基于领域知识的多方验证，已经部署到线上的模型，跟踪运行后的数据质量、精度劣化等，通过闭环反馈进行模型管理，保证可持续性和可靠性。

通过流程化体系，无论模型精度和稳定性得到保障，满足快速落地的需求，期间结合工艺 [[ 专家 ]] 的经验，进行模型的迭代提升，将模型线上化与南钢已有MES系统深度融合，方便用户的查看与使用。

（请对应用案例的包括但不限于应用对象、应用规模、应用时间、取得的效果等进行简要介绍，500字以内）(1) 应用对象：钢产品的力学性能预报。(2) 应用规模：目前在南钢中板厂、中厚板卷厂、高线厂等包括工程机械用钢Q235B、Q355B，普品Q235B、Q355B、Q390等十余种钢种进行了推广应用。(3) 应用时间：2021年。(4) 取得的效果：部分结构钢产品实现以预测性能取代检验性能的业务应用。根据试样成本，预估每年可为南钢至少节约试样成本约300万元 [[ 人民币 ]] ，减少冷、热轧产品力学性能检测数量，缩短产品交货周期，达到了降本增效的效果。