基於大數據的冷軋智能化工藝診斷技術檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

基於大數據的冷軋智能化工藝診斷技術冷軋生產、工藝、質量智能化應用。

主要技術內容

1. 技術背景和意義

隨着「十三五」規劃綱要的提出，智能製造已成為當前鋼鐵行業轉型升級、提質增效的重要着力點；當前鋼鐵工業進入新常態形勢下，下游用戶的多元化、個性化定製需求突顯，同時對產品質量要求也提高；冷軋廠生產控制功能複雜，其產品質量、生產效率、成本控制、可持續性等因素相互影響，生產組織和質量管理的難度不斷增大，傳統手段難以達到精細化管理要求，制約生產線在新常態形勢下的經濟效益進一步提升。

2. 技術要點和優勢

技術要點：(1) 在線監控：對在線生產工藝過程數據進行監控，給出生產組織、質量控制方面的預警和操作，提高生產效率降低失誤事件的發生。(2) 診斷分析：對指定的歷史鋼卷或時間段的生產數據進行分析診斷，給出生產組織、質量控制相關的工藝問題診斷分析以及優化建議。包含九項內容：1) 酸軋機組軋制打滑及熱劃傷預測模型；2) 酸軋機組軋制斷帶分析模型；3) 酸軋機組軋輥服役狀態預測模型；4) 酸軋機組軋制跑偏分析模型；5) 酸軋及連退機組活套、爐內帶鋼跑偏預測及分析模型；6) 連退機組帶鋼打滑預測模型；7) 連退產品全長性能均勻性分析模型；8) 酸軋及連退機組排產優化模型；9) 產量執行情況KPI指數模型。(3) 模型優化學習：通過歷史案例的統計分析對模型參數和規則進行優化。隨着案例庫的累積，提高工藝模型的預測精度，提煉出更優化的產線規則。(4) 案例知識庫：由Oracle關係數據庫和MongoDB文檔型數據庫組成。關係數據庫保存生產統計數據、模型參數、規則知識等。文檔型數據庫保存典型案例的生產數據（PDI、設定參數、實際曲線等）。(5) HMI畫面：提供生產監控和人機交互接口。工藝模型規則閾值顯示在HMI的工藝表中，規則保存在數據庫中，根據歷史案例優化閾值，讓車間工人看到產線的實時狀態。技術優勢：本技術具有模塊化、標準化特點，系統上線後對產品質量、生產效率及智能化方面提升效果明顯，產線運行穩定性、產品質量等指標明顯提高，提高了產線精細化管理水平，實現生產技術指標的數據化評價，分析產線的短板並給出優化意見，大大降低了企業生產成本。另外，模型系統實現對熱軋、冷軋全流程工藝參數的整合，對工藝流程與運行設備實現狀態監測與故障診斷，保障了工藝及設備的安全運行。

技術應用情況

該技術於2020年應用於鞍鋼冷軋2130生產線，實現產線生產效率和質量管理的智能化數據監控分析，對生產過程中的不穩定因素進行預警，提升了產品質量和生產效率，取得了廣泛的經濟效益和社會效益。經濟效益核算：按年產量200萬噸，連退產線按年產量70萬噸計算。（1）酸軋工序生產效率提高1.0%，連退工序生產效率提高1.5%。（2）冷硬卷和普冷板成材率各提高0.5%；（3）輥耗下降3%；（4）軋機斷帶次數每月減少5%；上述進步帶來的經濟效益約為813萬元。社會效益核算：採用智能診斷分析潛在的生產效率和工藝質量相關問題，從而為生產線的提質、增效、降本提供有力技術支撐，切實提升企業核心競爭力具有重要的意義。該技術的開發及應用改變了產線的生產狀態監控、預測、預警能力不足，人工監控分析管理的現狀。充分的提高產線智能化，解放技術人員重複勞動從而進行持續技術進步，也為今後相關領域的技術升級和整體進步奠定了基礎，並為建設智能示範產線提供了參考，通過該技術的應用，經濟效益和社會效益明顯。