今日頭條
官方微信
官方抖音
資訊頻道1 方案背景與目標
1.1方案背景
鋼鐵行業作為國民經濟的重要基礎產業，為國家建設提供了重要的原料保障，有力的支撐了國民經濟的健康發展，推動了我國工業化、現代化進程。面對鋼鐵行業嚴峻的形勢，鋼材產能過剩，價格競爭激烈。在此高產能、高成本、低利潤的形勢下，鋼鐵行業的發展已不再是追求數量的問題，要想持續贏得市場競爭優勢，必須全面提升產品質量控制水平，實現產品質量持續改進，以滿足客戶提出的個性化需求，強化控制過程中的每一個環節，提供更符合用戶需求的產品，最終提升企業的競爭力。首鋼品種結構以電工鋼、汽車板等高端板材為核心，對產品質量有著極致的追求。在目前上下游市場雙重擠壓環境下，如何滿足跨基地生產管控模式以及高標準高質量的產品要求，又能滿足企業低成本高質量戰略變革，這對全流程質量管控提出了極大的挑戰。跨工序多品種的質量管理在數據集成分析、質量成本、工作效率及管控風險等方面均存在著諸多瓶頸。
1.2 方案目標
在總體思路上，股份以質量特性、工藝控制、質量缺陷等為核心，橫向對產品工藝過程控制、質檢處置及分析優化等環節的痛點及瓶頸點，縱向從頂層業績指標管控到指標分解、根因分析再到控制措施，利用在知識圖譜、圖像識別、數據建模等技術，進行質量全流程智慧管控。在技術架構上，整體遵循設備端、邊緣、云端、平臺數據、企業應用5層架構設計，基于設備采集及解析、建立數據及算法中臺，實現了多結構數據的采集、存儲、處理、到數據建模、可視化的整個過程，支撐上層質量管理全面應用。輔助企業對成品性能、表面、板型、尺寸等進行大數據分析挖掘以減少質量損失，助力企業提高成材率、減少現貨及余材。通過數字化手段統計、分析、反饋質量異常及改進措施，通過智能化手段防范“人、機、料、法、環”異常狀態，是鋼鐵企業質量管理數智化轉型的路徑。
2 方案詳細介紹
2.1技術方案
（1）全面質量管理業務流程及解決思路
質量管理以滿足用戶需求為前提，通過對各個生產節點的管理控制來提供符合用戶要求的產品。在需求識別環節通過產品規范智能推薦模型，快速識別客戶的質量需求和風險訂單。通過性能相關性分析、性能預測等模型輔助新產品研發設計。通過合同處理和出鋼標記推薦實現內外設計的自動轉換。在工藝過程控制環節實施工藝監督、過程檢驗、異常跟蹤。在質量檢驗與處置環節，圍繞工藝質量在線判定、表面質量智能診斷、產品性能判定等三方面進行自動化、智能化檢驗與處置。在分析優化環節涵蓋跨工序交互式質量分析、表面缺陷的遺傳性追溯、性能分析等。在服務跟蹤環節建立質量異議知識庫，實施質保書預檢及質量異議一鍵式分析。確保從需求接收開始，到成品出庫的全過程的質量管理控制，實現產品質量的持續改進。方案流程圖如圖1所示。
圖1 方案流程圖
（2）基于工業互聯網平臺的技術架構
打造了“標準統一、自主可控”的工業互聯網平臺，采用云和邊協同架構設計。云端為公司數據中心，按照數據業務構建公司級數據集市，為數據應用提供標準的服務接口。邊緣層面向高頻數據的采集、計算、存儲和服務，完成時空轉換、特征值計算等，滿足數字孿生、智能控制模型、關鍵參數監控、在線監控等場景的數據需求。中臺層，提供數據的管理與治理、算法建模、低代碼開發等技術產品及組件，基于此技術底座開展輔助表面、外觀、性能等質量管控應用建設，為質量管理業務人員提供精準數據決策支撐，有利于提高產品質量。方案技術架構圖如圖2所示。
圖2 方案系統架構圖
（3）跨基地全流程的質量管控關鍵技術
基于綜合數據匯聚、存儲、計算、建模等技術，結合業務流程及事件觸發設定時間監控序列，實現對從質量設計到過程管控再到缺陷識別追溯的質量全流程管理進行監控、診斷、預測、決策，實現“一鍵式”原因定位、異常預測及快速反饋推送，保證質量設計自動可推薦、生產過程動態可監測、異常信息預警和缺陷全流程可追溯。利用知識圖譜技術，固化專家知識，建立制造過程實體與實體之間的路徑，形成質量知識庫。通過高頻時序數據特征提取技術，實現工藝曲線數據等級判定，輔助產品質量評估分析。通過圖片AI識別技術，輔助表面的缺陷識別和等級判定。通過相關性分析技術、回歸預測模型技術，識別性能關鍵工藝和預測產品性能。利用自然語言提取技術，實現質量知識的智能問答應用，將知識圖譜輸出至應用系統，輔助產品質量工程師、客戶代表等業務人員處理產品質量問題。基于質量異議和工藝基礎知識的質量圖譜系統架構圖如圖3所示。
圖3 基于質量異議與工藝基礎知識構建質量圖譜
2.3 解決方案功能設計
貫穿煉鐵、煉鋼、軋鋼、鋼鐵產品深加工全流程，以云邊協同方式，運用大數據、AI、視覺識別、機器學習等智能技術，構建質量知識庫，定位質量缺陷，自主根因分析，提供優化建議。通過推進信息化、數字化、智能化實現一貫制質量閉環管控。
核心功能1：質量設計自動展開，精準識別客戶需求
質量設計精確識別客戶需求，自動推理出各工序投入和產出物料的尺寸、數量，并進行各工序的質量參數、工藝參數的設計及形成檢化驗要求、判定放行標準；可依據成材率最大化、帶出品最小化等規則實現生產訂單自動合并解決小訂單批量生產問題；當質量實績與質量設計結果有差異時可實時依據知識庫對質量設計結果進行動態調整和工藝改進。
材料設計根據生產設計參數表，獲取生產設計參數（松卷率、卷內徑、卷外徑）及板坯重量限制(煉鋼能力)，得出板坯重量最大、最小；計算軋線設備能力：各工序按入口重量*成材率換算出口極限重量范圍，取得所有工序出口極限重量范圍交集，即軋線設備能力，得出最后工序重量最大、最小。質量設計要素示意圖如圖4所示。
圖4 質量設計要素示意圖
核心功能2：全流程過程質量自動判定
1) 基于客戶需求的分段判定
基于工業大數據平臺采集、融合后的數據，通過特征提取技術，針對不同客戶需求、不同品種牌號，以生產過程各工序質量控制要求為基準建立可配置的、分類分段的在線判定規則庫，實現煉鋼、熱軋和冷軋的全流程質量在線判定。質量在線判定對產品質量做出的判斷，為產品的降級處理或分段銷售打下了基礎。
2) 過程質量監控及預警
為實現工藝過程參數的實時預警和機組判定，保證產品質量全程一致性，對重要工藝過程參數、質量參數進行實時在線監控、預警和判定，向操作人員提供作業預警信息，保證批次內產品質量穩定性。另外為了保證產品過程質量一致性，研發了基于規則推理的產品質量在線判定引擎，對過程工藝參數和質量參數進行物料全長的評級，評級結果作為質量判定的重要依據。
3) 基于AI技術的帶鋼表面識別
板帶鋼產品的表面質量是最重要的評價指標之一，板帶鋼保護渣、孔洞等缺陷不僅影響產品的外觀質量，而且還會降低產品其它性能。表面判定模塊利用高效的數據采集技術、精準的數據標注技術、人工智能卷積神經網絡（FCN）、缺陷特征提取，實現板帶鋼表面缺陷識別及在線判定。帶鋼表面缺陷識別技術方案實施步驟圖如圖5所示。
圖5 帶鋼表面缺陷識別技術方案實施步驟圖
核心功能3：全流程質量追溯及分析
1) 自定義SPC分析
全流程質量追溯及分析將智能質量過程判定和表面缺陷檢測分類形成的結構和非結構數據，都存儲到工業大數據平臺中。主要支撐質量關鍵管控指標監控及分析、產品全流程過程質量綜合評價、跨工序產品質量交互分析與異常診斷、質量異議快速反查和表面缺陷跨工序追溯等。同時利用過程能力圖、散點圖、箱線圖、Pareto 圖等多種常用統計分析圖進行數據探索性分析，實現產品質量的持續改進。
2) 性能風險管控
性能風險管控集成業務規則和算法統一“一鍵式”完成性能分析及預測。提取關鍵業務流程，建立業務模型，進行數據的收集，算法的集成，實現原本只有工程師們完成的眾多人工任務，通過模型“一鍵式”完成。判斷性能不合的原因，為內外設計的優化和現場的管控提供依據。通過企業微信推送工藝異常和性能整體情況。由階段性統計或者質量異議反查事后行為，轉化為事中控制，推送現在針對性查看。由主動查詢分析原因到被動接收，直觀波動情況。
3) 智能切頭尾
質量管控平臺利用深度挖掘算法，不斷擬合熱軋精軋出口處頭尾中心線偏移、楔形、平直度、厚度、凸度等關鍵控制點與缺陷的關系，根據頭尾表面及外觀缺陷等情況動態調整切刀數，以提高成材率、減少生產斷帶。
4) 表面缺陷分析
質量管控平臺通過對帶鋼表面保護渣、結疤缺陷產生原因的建模確定缺陷產生工序及產生原因，針對缺陷指標變化情況，快速尋找最優設備工況及工藝狀態，以指導關鍵質量設備改造及工藝優化；針對模型分析結果固化關鍵工藝及關鍵質量設備標準，并納入日常監控，超標時及時報警。
核心功能4：質量異議一鍵式分析
針對性能、表面、板型三類質量異議，依托大數據將各級可能導致質量異議產生的信息進行集成，包含材料基本信息、過程參數信息、質檢判定信息、質量設計標準信息等。實現對質量異議進行快速準確的綜合分析，除快速響應客戶訴求外，還能及時對質量設計標準或工藝控制進行整改。
方案通過物聯網技術實現“人、機、料、法、環”等質量全要素的快速感知；通過對過程質量各要素設定閾值，“事中”實現質量異常的實時報警；通過大數據、人工智能技術，“事后”分析質量異常原因，構建冶金質量知識庫，輔助質量工程師進行質量異議一鍵式分析；通過構建質量自主決策模型，為質量管控自主決策提供依據。
（1） 典型案例
案例1：產品規范智能推薦
首鋼股份隨著逐年個性化需求增加，從源頭支撐客戶需求精準識別困難。通過大數據和建模技術，搭建產品規范智能推薦模型并應用于公差能力的制定、詢單的響應、選材推薦、和外設計的管理等業務場景，外設計分析效率提升98%。糾正合同錄錯75起，降低質量現貨0.52%；開裂率從1.02%降到了0.03%，累計修正外設計183個，對應拓展極限規格50條，拓展公差2項，年帶來降損：1246萬元。功能示意圖如圖6所示。
圖6 典型案例1產品規范智能推薦示意圖
案例2：表面智能判定
首鋼股份對于帶鋼表面質量的管理措施依靠表檢儀進行缺陷檢測，現有表檢儀分類準確率有待提高。基于圖像識別技術識別帶鋼表面缺陷，降低缺陷漏檢率。數據采集準確率達100%，漏取率小于0.05%；判定小于3分鐘。投產后熱軋產線的彗星狀異物壓入，異物壓入，折疊，邊裂等重點缺陷的分類準確率約85%，冷軋鍍鋅產線產生的保護渣、劃傷、結疤、漏鍍、孔洞、線性缺陷、鋅灰、鋅渣、鋅壓入等重點缺陷的分類準確率達到85%。功能示意圖如圖7所示。
圖7 典型案例2表面智能判定示意圖
案例3：基于數字模型的產品性能管控
產品質量性能與全流程的工藝參數相關，產品工程師需確定性能問題與工藝控制還是與內外設計相關。分析時效性差。 1）相關性分析算法模型 分析煉鋼成分、熱軋工藝、冷軋工藝、性能，確定關鍵工藝參數及重要程度。2）采用隨機森林等集成方法對各性能項構建多個決策樹并進行回歸任務。“一鍵式”完成性能分析及訂單風險預測，由2小時變為10分鐘，實現了產品性能預報。功能示意圖如圖8所示。
圖8 典型案例3基于數字模型的產品性能管控示意圖
案例4：首鋼股份基于高頻時序曲線特征化板形評審
質量評審過程繁瑣，占用人工較大精力，且存在評審不及時，影響物料周轉。采用鋼卷工藝控制曲線解析方法，將工藝控制過程的高頻時序曲線數據進行特征化，建立特征曲線庫，同時不斷的更新特征庫，實時提取高頻時序數據特征，采用相關系數法與均方根誤差方法相結合，計算曲線相似性，從而對當前曲線進行判定和評級，將評級結果與現場控制系統進行傳遞，實現曲線等級判定和產品質量進行評估分析，輔助產品質量等級的提升和改進。功能示意圖如圖9所示。
圖9 典型案例4基于高頻時序曲線特征化板形評審
案例5：表面缺陷全流程追溯
股份公司在成品出現表面質量問題時需反查上游表面質量和跟蹤下游演變，人工對表檢信息逐個比對。通過規則和模型計算相結合的方式，對表面缺陷分布等各種質量相關信息綜合運算，實現一貫制數據匹配、缺陷時空轉換、缺陷自動追溯，并進行規律分析,從而推算缺陷產生的原因。實現提升上下游質量缺陷原因分析效率30%，減少表面類缺陷造成的帶出品量、減少產線停機時間、減少疑難缺陷流出用戶造成的質量異議問題，提高產品質量。功能如圖10所示。
圖10 典型案例5表面缺陷全流程追溯
3 代表性及推廣價值
3.1 代表性
1) 形成一種基于知識圖譜的客戶問題閉環管控方法：基于鋼鐵質量異議與工藝基礎知識，實現對關于機械性能方面的產品特性、質量問題、原因分析、整改方案、質量反查項等固有知識形成質量圖譜，輔助客戶對產品機械性能質量問題的發現、追溯與整改，形成閉環。同時利用自然語言提取技術，實現質量知識的智能問答應用，將知識圖譜輸出至應用系統，輔助產品質量工程師。
2) 形成集監控、預測、報警、定位、分析一體的質量管控新模式：綜合建模等技術，實現質量全流程管理進行“一鍵式”原因定位、異常預測及快速反饋推送，保證質量設計自動可推薦、生產過程動態可監測、異常信息預警可追溯，輔助精準決策支持
3.2 推廣價值
該解決方案目前有4家企業在用，接入數據39284項，其中現場時序數據8431項、關系型數據16494項，每月磁盤實際增長量約3.23(三副本、有壓縮)T。
在效益評估方面，方案圍繞質量設計、生產執行、檢驗委托、質量分析、質保書管理等內容，拓寬傳統的制造視角，注重全流程的分析，對降低庫存、降低帶出品，減少質量異議，提高成材率等方面起到數據支撐和決策輔助作用。
1) 現貨管理，自動識別現貨發生原因，制定相應改進措施，減少現貨發生率，帶出品率降低0.81%。
2) 合同一次通過率的不良品分析管控，準確識別不良品問題，溯源發生原因，進行整改，工作效率提升90%，可降低廢次降量、返修量和結轉量20%。
3) 質量缺陷評審輔助，實現自動分切建議與自動評審處置意見，較人工定尺切損，大大降低了切損量，提高成材率，約0.46%。
4) 質量投訴減少3件/月，質保書一次傳遞成功率穩定在99.95%以上；按交期集港的物料達95%，降低在港周期15%。
5) 綜合項目效益情況，保守估計年直接經濟效益為1370萬元/年/企，其他由客戶服務提升、產品質量提升、制造周期響應等因素帶來的隱藏價值更高。
除產生直接經濟價值以外，可提升企業的綜合管控水平。利用信息化、數字化、智能化手段提高，提高產品和服務質量水平，增加客戶滿意度，提高市場占有率。同時利用建模挖掘出有價值的信息，智能地反饋給業務決策者，從而實現感知、分析、決策、調整等于一體的主動生產，進而為用戶提供個性化的產品和服務，不斷提升客戶滿意度。
北京市公安局海淀分局備案號：11010802023656號