745,738
次編輯
變更
创建页面,内容为“ '''基于大数据和人工智能钢铁材料智能生产控制系统'''钢铁材料智能制造。 ==主要技术内容== ===技术背景和意义:===…”
'''基于大数据和人工智能钢铁材料智能生产控制系统'''钢铁材料智能制造。
==主要技术内容==
===技术背景和意义:===
进入21世纪以来,工业互联网、云计算、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。
===技术要点和优势:===
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,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。
==技术应用情况==
应用对象:首钢冷轧薄板有限公司应用规模:薄板材料≥10000卷应用时间:2年以上取得成效:(1)“耦合产品模型”,基于工业大数据和物理化学知识的耦合产品及生产控制模型,利用大数据技术应对复杂、多维度参数的强大能力,和冶金材料热力学、动力学等物化知识工艺指导和可解释性,形成一整套覆盖不同产品系列的成分、热轧、冷轧、退火、镀锌等全流程工艺参数和产品最终性能的复合模型。(2)“智能评审”,智能完成用户订单产品分析,依据不同产线特点、能力和生产负荷,智能完成用户对材料牌号、宽度、厚度、公差、表面、卷重等需求评审,并预估订单交货时间。(3)“智能生产”,根据订单评审数据,优先自动匹配库存坯料,如库存无法满足订单需求,即进入产品从炼钢-轧钢生产流程。每完成一工序,根据工序参数,自动生成下一工序工艺,并对生产不稳定状态予以纠偏,得到最终目标性能要求产品,并自动完成产品质保书。(4)“智能研发”,针对新产品研发,根据客户对材料机械性能、冲压性能、焊接性能等需求,和拟投产的目标产线,在数字化系统进行模拟仿真,再进行少量实验验证,打破现有由小炉冶炼-中试开发-工业试制-批量生产的研发模式,依托工业数据和历史研发数据,大幅降低实验次数、时间及研发成本,提高研发效率。
==参考文献==
[[Category:500 社會科學類]]