华体会app官网入口|华体会app官网手机登录|华体会全站app官网

【技术前沿】智能制造充分利用|基于大数据的冷轧深加工产品研发与质量管控一体化平台开发

作者:华体会app官网入口 | 发布于: 2022-07-04 02:20:25

  原标题:【技术前沿】智能制造充分利用|基于大数据的冷轧深加工产品研发与质量管控一体化平台开发

  近年来,随着高端冷轧汽车板、家电板产品的不断开发,对产品迭代速度、力学性能、表面质量和个性化需求越来越丰富和严格。研发人员需要根据市场变化不断开发或优化产品成分与工艺。另一方面,冷轧深加工高附加值产品生产流程长,影响性能因素较多,各因素间相互作用复杂,无法在生产过程中准确预测潜在的性能和表面问题并做到自动警告或者封锁,从而及时纠正生产工艺或制止问题产品流入到客户手中。

  尽管有的企业已经开展了相关研究,比如有的企业开发质量判定系统,但缺乏全面一贯制的从研发到大生产研发与管理体系。目前,行业内研发人员在对钢种成分、工艺设计或优化过程中,往往凭借经验,产品开发过程繁琐且缺乏大数据支持。另一方面,随着人工智能、大数据概念在钢铁行业中深入推进,各大企业已相继开始建立云数据平台。如何将海量的数据使用起来,解决在产品开发、生产和质量管控等方面的实际问题,是一个企业技术人员当下面临的核心工作。

  目前邯钢已经建立起工业大数据系统,已具备从炼钢到成品全流程的关键过程数据采集能力。但也存在面对海量数据资源,目前质量管理平台对数据的利用率严重不足的问题。鉴于此,根据研发人员切身需求,自主开发了基于内部局域网的适用于研发人员和质量管理人员的数据分析、统计和报表于一体的平台,实现对大数据的充分利用。

  该平台大部分内容采用Python语言进行开发,平台是基于Django框架开发的局域网Web应用框架,可供经过授权的研发和管理人员进行访问和操作。该一体化平台涵盖了产品开发、工艺优化、质量管理、统计与分析、成本管理等众多模块,基本上涵盖了一个企业从事产品与质量管理人员的大部分工作内容。该平台功能与模块见图1所示。

  作为一名产品研发人员,主要的工作是开发新产品和对现有产品进行优化。两种工作的本质和流程相似。首先确定对力学性能的主要影响元素,即进行相关性分析,可以借助于材料强化机理和工业大数据系统查看各元素对各项力学性能尤其是强度的影响,如在本模块中就使用了相关系数函数corr实现了基于大数据的元素相关性分析功能。确定好基本元素后,就需要确定基本生产工艺。借助于第三方的材料冶金仿真软件如JMatPro或ThermalCal导出的CCT曲线数据,再使用Python第三方可视化工具库Matplotlib,并输入镀锌机组或连退机组退火炉的设备参数与退火工艺,可以实现对退火工艺过程初步预测仿线所示。最后,通过上述仿真结果,初步确定几组退火实验方案开展中试实验和连续退火模拟实验,并依靠大数据预测产品力学性能。

  力学预测模块则采用了基于Tensorflow的机器学习平台实现神经网络模型的搭建,并基于Python科学计算库Pandas、Numpy、Matplotlib等实现可视化。此外,为了使模型具有较高精度的同时,也具有较好的泛化能力和可靠性,还需对模型进行系统化设计。简单来说,首先结合冶金机理知识对钢卷产品力学性能预报过程参数进行分析,筛选出重要的影响因子。采集足够多的钢卷信息作为模型的训练数据及测试数据,对数据进行清理,为了实现对所有钢种的力学性能预测覆盖,需要对所有输入钢种牌号进行one-hot编码,处理后使用多层神经网络对数据进行训练,为了提高神经网络计算效率提升网络性能,使用了随机梯度下降法作为模型的基础学习方式来加快网络训练速度,使用正则化优化网络传播防止过拟合情况,使用Adam加速随机优化算法优化网络反向传播,在梯度更新中为不同的参数提供自适应性学习率,完善梯度更新。为了使模型具有较强的泛化能力以及评估模型精度,将训练数据集按照5:1的比例进行分割,即80%的数据用来训练模型,20%的数据用来对神经网络模型的训练精度和效果进行验证。然后在80%的训练数据集中,再分离出10%的数据作为验证集,在每一次迭代的时候,每一次验证的时候,每一次调整超参数的时候仅根据验证数据来得到较好的结果。此外,在神经网络模型的构建过程中很多超参数需要手动设置调整,如隐藏层层数、激活函数、学习率、隐藏层的神经元个数、目标优化算法、损失函数、梯度函数等,这些超参数和模型性能有密切的关系。

  在新产品设计开发之初,钢种的成本设计也是要考虑的重要一环。目前各钢种的合金成本测算仍依靠技术人员手工进行,随着产品品种大类开发,人工测算逐步显现出诸多弊端,主要问题如下:首先,涉及产线多,成本构成复杂,专业性强,造成人工测算时参与人员较多,测算效率低。如一般冷轧产品全流程工序涵盖了铁水、炼钢、热轧、冷轧、连退、镀锌等,而各产线生产方式、物料使用、人员构成等均不相同,成本构成非常复杂。因此,需要专业人员根据产线特点结合专业知识,进行测算,造成参与人员多,测算效率低。其次,钢种牌号多,钢种使用合金构成复杂,工艺路径和工艺参数不同,造成钢种成本对应困难,增加了人工测算难度。鉴于此,本平台集成了钢种成本测算模块,将钢种成本测算工作程序化、模块化,使成本测算更加合理、准确、高效,使该软件成为在当前严峻市场形势下降本增效的指挥棒。

  基于邯钢工业云数据系统,使用Python、LabView、Django、TensorFlow等语言和应用框架,建立了局域网Web应用平台,集成了产品开发、工艺优化、质量管理、统计与分析、成本管理等众多模块,大幅度提升研发人员和质量管理人员进行数据分析、统计和质量管理等工作效率,实现了对大数据的充分利用。(河钢集团邯钢:宋志超 武智猛 韩雄超 张才华)



上一篇:【数据可视化】工程项目可视化管控忍气吞声

下一篇:超级科技智慧监狱解决方案专注于智能化监狱管控