【工业智能】先进钢铁材料生产全流程质量智能分析与控制系统

2020 年 7 月 5 日 产业智能官

作者：陈向阳、孙卫华等来源：世界金属导报

山东钢铁集团日照精品基地在汲取国内外质量管理、人工智能、机器学习等最新研究成果的基础上，集成创新，高效快速地建立了全流程、集成的“先进钢铁材料生产全流程质量智能分析和控制系统”（PQAC）。PQAC系统构建了钢铁工业全流程大数据平台，实现了产品质量在线实时监控及质量判定，尝试了产品质量全流程智能协同设计，建立了基于混合驱动的产品质量智能化工艺模型，探索了智能制造与质量管理的深度融合，为我国冶金企业质量管理开辟了一条新路。

背景

全面提升冶金企业产品质量，把我国从钢铁大国转变为钢铁强国是当前我国冶金企业面临的重要任务。钢铁企业属于典型的流程型工业，生产流程长，制造过程复杂，涉及到的过程控制因素多，面临着时空领域的物质流、信息流和能量流等“三流”集成统一难题。

为应对这一挑战，国内企业普遍采用了从一级到五级自动化、信息化管理，但受技术条件所限，产品质量问题一直是一个难题。主要问题表现在：

►产品质量一致性不高；

►存在大规模、连续生产与产品个性化定制的矛盾；

►现有控制系统与数学模型对产品质量提升存在技术瓶颈，现有信息化系统对数据中蕴藏的有效知识缺乏利用；

►质量管理方法以及产品质量稳定性与国际先进水平差距较大；

►缺乏全流程在线质量监控系统，生产过程工艺数据利用程度较低，质量管理系统的智能化程度不高。

山东钢铁集团日照钢铁精品基地是国家发改委批准的钢铁产业结构调整示范项目。主要产品为高端精品扁平材，主要品种包括热连轧薄板、冷连轧薄板、酸洗板、热镀锌板、中厚板等，服务于汽车、家电、海洋工程、机械制造、石油化工及能源装备等行业。工程建设者深知，产品质量是日照精品基地的命脉和基础，产品质量管理系统的建设是实现企业质量目标的重要保证。为了实现这一目标，公司针对国内冶金企业还没有一套完整在线、智能可扩展的质量分析与智能控制系统的实际情况，在引进德国西马克集团（SMS）开发的产品质量分析（PQA）工具的基础上，汲取国内外质量管理、人工智能、机器学习等最新研究成果，集成创新，高效快速地建立全流程、集成的“先进钢铁材料生产全流程质量智能分析和控制系统”（PQAC），为我国冶金企业质量管理创造一条新路。

PQA工具是SMS开发的一套涵盖整个生产和工艺流程的产品质量评估系统。该系统可以在早期工艺流程阶段分析质量缺陷，及时在后续工艺流程中进行调整，实现生产工艺的动态控制，最大可能地保证产品质量。PQA工具在美国大河钢铁公司首次应用，技术相对成熟。

目前，PQAC系统初步实现以下目标。

1）构建钢铁工业全流程大数据平台（图1）。从铁水预处理、转炉、精炼、连铸、加热炉、热轧、连续酸洗及冷连轧到后续的连续退火、连续镀锌和分卷处理线等有数十个生产工序，每一工序又包括数百个工艺过程控制点。各控制数据点既有连续性数据，又有离散型数据，既有开关量数据，也有字符型数据，采样周期也是有长有短，且数据来源多样，既有来自L1控制系统数据，也有来自L2工艺数据和L3生产计划数据。以成品钢卷为核心，想要把这些数据组成“一条记录”，必须进行理论和技术创新。系统利用大数据分析的有关理论和质量智能分析技术，建立了覆盖精品基地的数据采集分析系统，使加工工序的数据形成了非孤立的有机整体，能够对引起产品质量问题的原因进行全方位的分析和溯源。

2）创造挖掘工业大数据中蕴藏知识的方法和技术。钢铁企业属于流程型大工业生产，生产线处于高速运转，由设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据。充分应用这些数据蕴藏的知识，目前常规的方法是建立以专家知识为基础的专家系统，指导企业生产。由于专家系统规则缺乏对工业大数据的充分利用，规则脱离企业实际或不能随着生产过程的改变而自学习、自优化，实际应用受到极大的限制。PQAC系统以数据挖掘技术为基础，充分利用人工智能的有关理论和方法，以工业大数据为分析对象，建立起工业大数据关联规则挖掘的方法和理论，把质量专家的技术诀窍和操作经验转化为可描述的规则，同时通过数据挖掘有关技术，动态优化规则库，提升工业过程控制的稳定性和产品质量，建立智能质量分析判定系统。

3）创新基于专家规则库的人工智能系统。研究开发出复杂流程工业生产过程专家规则库和人工智能相结合的产品质量识别系统建设的理论和方法。优化系统过程控制参数，提升工业过程控制的稳定性和产品质量。实现新产品开发过程的在线仿真，发现新的技术诀窍。研究基于人工智能和规则库相结合的质量预测性分析及反馈调节控制模型。以规则库中数据控制点为神经网络的输入，以钢铁生产流程各环节质量为神经网络输出，以生产实际运行结果为训练集，建立起以神经网络为核心的全流程集成化神经网络预报和反馈控制模型，提高钢铁企业全流程质量控制的智能化水平。目前神经网络技术成为新一代智能控制的基础，但由于神经网络受输入节点数量限制，研究如何结合冶金工艺机理等领域知识，提高系统反馈速度等，通过把大数据属性约简建立的规则库与神经网络相结合技术，建立起全流程智能化的质量控制系统。

系统功能

2.1构建钢铁工业全流程大数据平台

所建立的全流程大数据平台特点包括：

►采用基于Hadoop+Spark的分布式技术架构，使用MapReduce实现大数据分布式计算与分析，采用基于数据生命周期方法实现数据私密性管理，开发质量私有云平台；

►使用智能采集网关、数据采集平台、ETL 工具等方法，将PLC、PCS、MES 等设备/系统中的数据汇聚到大数据平台中；

►大数据平台采用基于Storm 的分布式实时计算与GPU/CPU 高性能并行计算技术，提供多种分布式计算的技术支持；

►系统将不同产线所需的数据，按产线及产线中的钢卷或板坯号进行采集和集中管理；同时，不同产线的数据通过钢卷或板坯号实现相互关联，以此实现整个生产工艺数据的连接和跟踪。

2.2产品质量在线实时监控及质量判定、分级

日照钢铁精品基地是典型的传统流程钢铁制造企业，存在功能不同但又相互关联、相互支撑、相互制约的各个工序和装置及相关设备，通过工序间串联、并联方式集成后构成完整的复杂生产制备系统，产品质量与各工序过程、设备状态之间的关系复杂。通过构建起多流程、多尺度、多装置间的相互关系，实现如下功能：

►基于专家的技术诀窍和经验的规则规范化，针对高质量等级的钢铁产品，通过严格的操作规范和工艺控制，利用规则库把这些经验和诀窍固化在系统中，保证产品质量的稳定性；

►通过模式识别和人工智能的有关理论，建立起基于工业大数据的规则库自学习理论和方法，创新规则库动态调整方式和方法；

►有效地监控产品的生产过程状态，确保产品质量，对每个生产步骤的质量状态进行合理和独立的评估，快速获得所有质量信息。

2.3实现产品质量追溯

产品质量追溯功能的实现，具有如下功能特点：

►立足于智能控制技术与生产工艺的融合，建立模型架构优选与参数优化机制，打破传统模型难以解决复杂机理解析与工况偏差干扰问题的瓶颈，从根本上提高模型精度；

►立足于考虑全流程协同管控与大规模定制化生产需求，建立全新的智能工艺模型体系，保障先进钢铁材料生产流程特点的工艺质量的快速追溯、在线判定、预警和分析工作取得良好的应用效果；

►研究开发了工艺质量关联规则以及智能控制方法，实现全流程质量追溯分析与工艺参数深度优化，以及基于数据与知识融合的先进钢铁材料生产工艺仿真与质量设计工作取得良好的应用效果。

2.4产品质量全流程智能协同设计

开发的PQAC系统，进行了产品质量全流程智能协同设计：

►通过开发工艺参数在线监控与预警，工艺质量在线预测、判定与动态设计技术，实现对质量干扰因素的快速精准应对；

►引入不同产品质量动态相关系数，通过数据挖掘开发全流程质量追溯分析与工艺参数深度优化技术，充分利用数据知识信息实现全流程工艺综合质量优化；

►通过开发基于数据与知识融合的钢铁板带材生产工艺仿真与质量设计，实现产品质量全流程智能协同设计，有效缩短产品质量开发周期；

►利用机器学习的有关方法，初步建立起SPHC、Q235、Q355以及Q355延伸质量等级的多质量等级产品的在线性能预报系统（各指标见表1），可提高成材率约0.56%。

通过若干个预测值对预测的相对误差进行综合评价，也就是采用平均绝对百分误差（MAPE）：

通常来说，如果平均绝对百分误差低于10，则认为预测精度较高。经过对比分析，PQAC系统预测的平均绝对百分误差最大在6左右。

2.5建立基于混合驱动的产品质量智能化工艺模型

引入工业大数据上下文感知技术，通过对各类感知器进行软件抽象，使其能够以一种一致、统一的方式来获取各类生产状态信息和生产数据信息，有助于降低数据采集与实际应用之间的耦合，提高系统的易用性和通用性。

在数据挖掘阶段，采用概率模型推理、贝叶斯统计、蒙特卡罗等方法，研究故障检测、故障诊断、故障重构、故障识别、故障隔扇、过程恢复和模型保持，实现先进钢铁材料全流程生产过程中的自动故障检测与控制，见图2。

对生产数据和工艺数据进行挖掘、分析，找到对产品质量有影响的生产环节和参数以便改进生产工艺和质量。通过结合钢种规格层级的机械性能数据分析，实现钢的工艺参数窗口优化、合金成分优化相关钢种吨钢降低成本24-101元。

PQAC系统在线应用案例

根据PQAC系统提供的信息，工艺技术工程师可以在很短的时间内找到缺陷的原因，制定解决措施，极大地提高了工作效率。

日照公司酸轧产线（PLTCM）调试生产某薄规格产品（热轧产线精轧设定数据见表2）时，酸轧成品带钢板形质量不理想，单边浪或双边浪缺陷时有发生，产品质量得不到保证。板形缺陷多发生在带钢后半段，宽度方向上位于带钢边部30mm以内，严重者不平度达到15 IU以上，见图3。

对于这种特殊的板形缺陷，酸轧产线板形闭环控制系统无法解决（图4）。技术人员通过降低乳化液流量来提高轧辊温度，增加轧辊热凸度，缺陷有所改善，但仍然无法彻底解决。

经PQAC系统分析，可以迅速得到钢卷相关信息：

►通过化学成分判断为超低碳钢；

►热轧原料卷凸度总体满足要求，但全长凸度控制不稳定；

►个别热轧原料卷凸度轮廓形状存在明显“猫耳朵”现象；

►热轧原料卷全长凸度及轮廓形状与酸轧轧后板形缺陷无明显对应关系；

►热轧原料卷精轧终轧温度控制不稳定，前120m低于目标值下限；

►热轧原料卷精轧终轧温度沿宽度方向上分布不均匀，边部温降达到50℃以上。

综合PQAC系统提供的信息，结合冶金机理，得出以下结论：

►热轧产线生产超低碳钢必须在大于900℃轧制，避免铁素体相变；

►超低碳钢在奥氏体铁素体两相区轧制时，随着变形温度降低，变形抗力减小；

►精轧时沿长度方向上轧制温度的变化，造成带钢变形程度不一致（图5）；

►热轧原料卷精轧轧制过程中的不均匀变形，造成酸轧轧制过程中产生板形缺陷。

展望

随着现代化技术的进步，以信息技术与制造工业加速两化融合为主要特征的智能制造成为全球制造业的主要发展趋势。顺应全球工业4.0趋势，主动对接“中国制造2025”标准，瞄准世界一流钢铁企业管理理念，在管理智能化、生产过程智能化和服务保障智能化等方面积极探索，绘就最佳的科学管理流程。

以日照公司先进钢铁材料智能制造为出发点，建设工业大数据实验室，推进智能制造技术的研发和产业化，重点开展以下几个方面的研究：

1）深入拓展基于工业大数据的先进钢铁材料制造智能化管控理论和方法研究，加快建立适应公司生产过程控制、满足精益管理要求的工艺参数族、设备参数群、环境介质参数集和物料参数标准规则体系，通过对数据集、数据群、数据族的关联与规则研究，优化工艺参数窗口指标；

2）以提高公司产品质量和合格率为目标，充分利用大数据挖掘技术，对数据集、数据群、数据族的关联与规则研究，优化工艺参数窗口指标，优化工艺过程参数，加快实现工艺技术控制能力的提升，提高公司高端产品生产的管控水平；

3）以降低设备故障为目标，充分利用工业大数据分析技术，开展设备状态监控、跟踪、诊断，进一步提高公司设备稳定性，为高质量产品的生产提供坚实的保障；

4）深入研究工序技术原理，研究利用大数据分析技术手段，结合机理模型，优化各工序控制模型，为解决材料制造过程的产品质量遗传性问题创造条件；

5）充分利用5G通讯、物联网技术和数字孪生技术，建立可视化工艺技术指标体系，实现生产过程的全数学化、适时可视化和数字空间呈现及控制，进一步提升日照公司产品质量水平，加快实现工艺技术控制能力的提升，为提高公司决策和管理水平奠定基础。（陈向阳孙卫华焦吉成曹金生 Ingo Schuster Thomas Hueper）

先进制造业+工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

产业智能化平台作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎；重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生 新技术、新产品、新产业、新业态和新模式； 引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能化技术分支用来的今天，制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中， 利用工业互联网形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。