1    方案背景與目標

1.1方案背景

鋼鐵行業(yè)作為國民經(jīng)濟的重要基礎產(chǎn)業(yè)，為國家建設提供了重要的原料保障，有力的支撐了國民經(jīng)濟的健康發(fā)展，推動(dòng)了我國工業(yè)化、現代化進(jìn)程。面對鋼鐵行業(yè)嚴峻的形勢，鋼材產(chǎn)能過(guò)剩，價(jià)格競爭激烈。在此高產(chǎn)能、高成本、低利潤的形勢下，鋼鐵行業(yè)的發(fā)展已不再是追求數量的問(wèn)題，要想持續贏(yíng)得市場(chǎng)競爭優(yōu)勢，必須全面提升產(chǎn)品質(zhì)量控制水平，實(shí)現產(chǎn)品質(zhì)量持續改進(jìn)，以滿(mǎn)足客戶(hù)提出的個(gè)性化需求，強化控制過(guò)程中的每一個(gè)環(huán)節，提供更符合用戶(hù)需求的產(chǎn)品，最終提升企業(yè)的競爭力。首鋼品種結構以電工鋼、汽車(chē)板等高端板材為核心，對產(chǎn)品質(zhì)量有著(zhù)極致的追求。在目前上下游市場(chǎng)雙重擠壓環(huán)境下，如何滿(mǎn)足跨基地生產(chǎn)管控模式以及高標準高質(zhì)量的產(chǎn)品要求，又能滿(mǎn)足企業(yè)低成本高質(zhì)量戰略變革，這對全流程質(zhì)量管控提出了極大的挑戰?？绻ば蚨嗥贩N的質(zhì)量管理在數據集成分析、質(zhì)量成本、工作效率及管控風(fēng)險等方面均存在著(zhù)諸多瓶頸。

1.2 方案目標

在總體思路上，股份以質(zhì)量特性、工藝控制、質(zhì)量缺陷等為核心，橫向對產(chǎn)品工藝過(guò)程控制、質(zhì)檢處置及分析優(yōu)化等環(huán)節的痛點(diǎn)及瓶頸點(diǎn)，縱向從頂層業(yè)績(jì)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(shù)，進(jìn)行質(zhì)量全流程智慧管控。在技術(shù)架構上，整體遵循設備端、邊緣、云端、平臺數據、企業(yè)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(shí)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(gè)過(guò)程，支撐上層質(zhì)量管理全面應用。輔助企業(yè)對成品性能、表面、板型、尺寸等進(jìn)行大數據分析挖掘以減少質(zhì)量損失，助力企業(yè)提高成材率、減少現貨及余材。通過(guò)數字化手段統計、分析、反饋質(zhì)量異常及改進(jìn)措施，通過(guò)智能化手段防范“人、機、料、法、環(huán)”異常狀態(tài)，是鋼鐵企業(yè)質(zhì)量管理數智化轉型的路徑。

2    方案詳細介紹

2.1技術(shù)方案

（1）全面質(zhì)量管理業(yè)務(wù)流程及解決思路

質(zhì)量管理以滿(mǎn)足用戶(hù)需求為前提，通過(guò)對各個(gè)生產(chǎn)節點(diǎn)的管理控制來(lái)提供符合用戶(hù)要求的產(chǎn)品。在需求識別環(huán)節通過(guò)產(chǎn)品規范智能推薦模型，快速識別客戶(hù)的質(zhì)量需求和風(fēng)險訂單。通過(guò)性能相關(guān)性分析、性能預測等模型輔助新產(chǎn)品研發(fā)設計。通過(guò)合同處理和出鋼標記推薦實(shí)現內外設計的自動(dòng)轉換。在工藝過(guò)程控制環(huán)節實(shí)施工藝監督、過(guò)程檢驗、異常跟蹤。在質(zhì)量檢驗與處置環(huán)節，圍繞工藝質(zhì)量在線(xiàn)判定、表面質(zhì)量智能診斷、產(chǎn)品性能判定等三方面進(jìn)行自動(dòng)化、智能化檢驗與處置。在分析優(yōu)化環(huán)節涵蓋跨工序交互式質(zhì)量分析、表面缺陷的遺傳性追溯、性能分析等。在服務(wù)跟蹤環(huán)節建立質(zhì)量異議知識庫，實(shí)施質(zhì)保書(shū)預檢及質(zhì)量異議一鍵式分析。確保從需求接收開(kāi)始，到成品出庫的全過(guò)程的質(zhì)量管理控制，實(shí)現產(chǎn)品質(zhì)量的持續改進(jìn)。方案流程圖如圖1所示。

圖1 方案流程圖 

（2）基于工業(yè)互聯(lián)網(wǎng)平臺的技術(shù)架構

打造了“標準統一、自主可控”的工業(yè)互聯(lián)網(wǎng)平臺，采用云和邊協(xié)同架構設計。云端為公司數據中心，按照數據業(yè)務(wù)構建公司級數據集市，為數據應用提供標準的服務(wù)接口。邊緣層面向高頻數據的采集、計算、存儲和服務(wù)，完成時(shí)空轉換、特征值計算等，滿(mǎn)足數字孿生、智能控制模型、關(guān)鍵參數監控、在線(xiàn)監控等場(chǎng)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(kāi)發(fā)等技術(shù)產(chǎn)品及組件，基于此技術(shù)底座開(kāi)展輔助表面、外觀(guān)、性能等質(zhì)量管控應用建設，為質(zhì)量管理業(yè)務(wù)人員提供精準數據決策支撐，有利于提高產(chǎn)品質(zhì)量。方案技術(shù)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(zhì)量管控關(guān)鍵技術(shù)

基于綜合數據匯聚、存儲、計算、建模等技術(shù)，結合業(yè)務(wù)流程及事件觸發(fā)設定時(shí)間監控序列，實(shí)現對從質(zhì)量設計到過(guò)程管控再到缺陷識別追溯的質(zhì)量全流程管理進(jìn)行監控、診斷、預測、決策，實(shí)現“一鍵式”原因定位、異常預測及快速反饋推送，保證質(zhì)量設計自動(dòng)可推薦、生產(chǎn)過(guò)程動(dòng)態(tài)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(shù)，固化專(zhuān)家知識，建立制造過(guò)程實(shí)體與實(shí)體之間的路徑，形成質(zhì)量知識庫。通過(guò)高頻時(shí)序數據特征提取技術(shù)，實(shí)現工藝曲線(xiàn)數據等級判定，輔助產(chǎn)品質(zhì)量評估分析。通過(guò)圖片AI識別技術(shù)，輔助表面的缺陷識別和等級判定。通過(guò)相關(guān)性分析技術(shù)、回歸預測模型技術(shù)，識別性能關(guān)鍵工藝和預測產(chǎn)品性能。利用自然語(yǔ)言提取技術(shù)，實(shí)現質(zhì)量知識的智能問(wèn)答應用，將知識圖譜輸出至應用系統，輔助產(chǎn)品質(zhì)量工程師、客戶(hù)代表等業(yè)務(wù)人員處理產(chǎn)品質(zhì)量問(wèn)題?；谫|(zhì)量異議和工藝基礎知識的質(zhì)量圖譜系統架構圖如圖3所示。

圖3 基于質(zhì)量異議與工藝基礎知識構建質(zhì)量圖譜 

2.3 解決方案功能設計

貫穿煉鐵、煉鋼、軋鋼、鋼鐵產(chǎn)品深加工全流程，以云邊協(xié)同方式，運用大數據、AI、視覺(jué)識別、機器學(xué)習等智能技術(shù)，構建質(zhì)量知識庫，定位質(zhì)量缺陷，自主根因分析，提供優(yōu)化建議。通過(guò)推進(jìn)信息化、數字化、智能化實(shí)現一貫制質(zhì)量閉環(huán)管控。

核心功能1：質(zhì)量設計自動(dòng)展開(kāi)，精準識別客戶(hù)需求

質(zhì)量設計精確識別客戶(hù)需求，自動(dòng)推理出各工序投入和產(chǎn)出物料的尺寸、數量，并進(jìn)行各工序的質(zhì)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(shí)現生產(chǎn)訂單自動(dòng)合并解決小訂單批量生產(chǎn)問(wèn)題；當質(zhì)量實(shí)績(jì)與質(zhì)量設計結果有差異時(shí)可實(shí)時(shí)依據知識庫對質(zhì)量設計結果進(jìn)行動(dòng)態(tài)調整和工藝改進(jìn)。

材料設計根據生產(chǎn)設計參數表，獲取生產(chǎn)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??；計算軋線(xiàn)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(xiàn)設備能力，得出最后工序重量最大、最小。質(zhì)量設計要素示意圖如圖4所示。

圖4 質(zhì)量設計要素示意圖 

核心功能2：全流程過(guò)程質(zhì)量自動(dòng)判定

1)    基于客戶(hù)需求的分段判定

基于工業(yè)大數據平臺采集、融合后的數據，通過(guò)特征提取技術(shù)，針對不同客戶(hù)需求、不同品種牌號，以生產(chǎn)過(guò)程各工序質(zhì)量控制要求為基準建立可配置的、分類(lèi)分段的在線(xiàn)判定規則庫，實(shí)現煉鋼、熱軋和冷軋的全流程質(zhì)量在線(xiàn)判定。質(zhì)量在線(xiàn)判定對產(chǎn)品質(zhì)量做出的判斷，為產(chǎn)品的降級處理或分段銷(xiāo)售打下了基礎。

2)    過(guò)程質(zhì)量監控及預警

為實(shí)現工藝過(guò)程參數的實(shí)時(shí)預警和機組判定，保證產(chǎn)品質(zhì)量全程一致性，對重要工藝過(guò)程參數、質(zhì)量參數進(jìn)行實(shí)時(shí)在線(xiàn)監控、預警和判定，向操作人員提供作業(yè)預警信息，保證批次內產(chǎn)品質(zhì)量穩定性。另外為了保證產(chǎn)品過(guò)程質(zhì)量一致性，研發(fā)了基于規則推理的產(chǎn)品質(zhì)量在線(xiàn)判定引擎，對過(guò)程工藝參數和質(zhì)量參數進(jìn)行物料全長(cháng)的評級，評級結果作為質(zhì)量判定的重要依據。

3)    基于A(yíng)I技術(shù)的帶鋼表面識別

板帶鋼產(chǎn)品的表面質(zhì)量是最重要的評價(jià)指標之一，板帶鋼保護渣、孔洞等缺陷不僅影響產(chǎn)品的外觀(guān)質(zhì)量，而且還會(huì )降低產(chǎn)品其它性能。表面判定模塊利用高效的數據采集技術(shù)、精準的數據標注技術(shù)、人工智能卷積神經(jīng)網(wǎng)絡(luò )（FCN）、缺陷特征提取，實(shí)現板帶鋼表面缺陷識別及在線(xiàn)判定。帶鋼表面缺陷識別技術(shù)方案實(shí)施步驟圖如圖5所示。

圖5 帶鋼表面缺陷識別技術(shù)方案實(shí)施步驟圖 

核心功能3：全流程質(zhì)量追溯及分析

1)    自定義SPC分析

全流程質(zhì)量追溯及分析將智能質(zhì)量過(guò)程判定和表面缺陷檢測分類(lèi)形成的結構和非結構數據，都存儲到工業(yè)大數據平臺中。主要支撐質(zhì)量關(guān)鍵管控指標監控及分析、產(chǎn)品全流程過(guò)程質(zhì)量綜合評價(jià)、跨工序產(chǎn)品質(zhì)量交互分析與異常診斷、質(zhì)量異議快速反查和表面缺陷跨工序追溯等。同時(shí)利用過(guò)程能力圖、散點(diǎn)圖、箱線(xiàn)圖、Pareto 圖等多種常用統計分析圖進(jìn)行數據探索性分析，實(shí)現產(chǎn)品質(zhì)量的持續改進(jìn)。

2)    性能風(fēng)險管控

性能風(fēng)險管控集成業(yè)務(wù)規則和算法統一“一鍵式”完成性能分析及預測。提取關(guān)鍵業(yè)務(wù)流程，建立業(yè)務(wù)模型，進(jìn)行數據的收集，算法的集成，實(shí)現原本只有工程師們完成的眾多人工任務(wù)，通過(guò)模型“一鍵式”完成。判斷性能不合的原因，為內外設計的優(yōu)化和現場(chǎng)的管控提供依據。通過(guò)企業(yè)微信推送工藝異常和性能整體情況。由階段性統計或者質(zhì)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(dòng)查詢(xún)分析原因到被動(dòng)接收，直觀(guān)波動(dòng)情況。

3)    智能切頭尾

質(zhì)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(xiàn)偏移、楔形、平直度、厚度、凸度等關(guān)鍵控制點(diǎn)與缺陷的關(guān)系，根據頭尾表面及外觀(guān)缺陷等情況動(dòng)態(tài)調整切刀數，以提高成材率、減少生產(chǎn)斷帶。

4)    表面缺陷分析

質(zhì)量管控平臺通過(guò)對帶鋼表面保護渣、結疤缺陷產(chǎn)生原因的建模確定缺陷產(chǎn)生工序及產(chǎn)生原因，針對缺陷指標變化情況，快速尋找最優(yōu)設備工況及工藝狀態(tài)，以指導關(guān)鍵質(zhì)量設備改造及工藝優(yōu)化；針對模型分析結果固化關(guān)鍵工藝及關(guān)鍵質(zhì)量設備標準，并納入日常監控，超標時(shí)及時(shí)報警。

核心功能4：質(zhì)量異議一鍵式分析

針對性能、表面、板型三類(lèi)質(zhì)量異議，依托大數據將各級可能導致質(zhì)量異議產(chǎn)生的信息進(jìn)行集成，包含材料基本信息、過(guò)程參數信息、質(zhì)檢判定信息、質(zhì)量設計標準信息等。實(shí)現對質(zhì)量異議進(jìn)行快速準確的綜合分析，除快速響應客戶(hù)訴求外，還能及時(shí)對質(zhì)量設計標準或工藝控制進(jìn)行整改。

方案通過(guò)物聯(lián)網(wǎng)技術(shù)實(shí)現“人、機、料、法、環(huán)”等質(zhì)量全要素的快速感知；通過(guò)對過(guò)程質(zhì)量各要素設定閾值，“事中”實(shí)現質(zhì)量異常的實(shí)時(shí)報警；通過(guò)大數據、人工智能技術(shù)，“事后”分析質(zhì)量異常原因，構建冶金質(zhì)量知識庫，輔助質(zhì)量工程師進(jìn)行質(zhì)量異議一鍵式分析；通過(guò)構建質(zhì)量自主決策模型，為質(zhì)量管控自主決策提供依據。

  （1）   典型案例

案例1：產(chǎn)品規范智能推薦

首鋼股份隨著(zhù)逐年個(gè)性化需求增加，從源頭支撐客戶(hù)需求精準識別困難。通過(guò)大數據和建模技術(shù)，搭建產(chǎn)品規范智能推薦模型并應用于公差能力的制定、詢(xún)單的響應、選材推薦、和外設計的管理等業(yè)務(wù)場(chǎng)景，外設計分析效率提升98%。糾正合同錄錯75起，降低質(zhì)量現貨0.52%；開(kāi)裂率從1.02%降到了0.03%，累計修正外設計183個(gè)，對應拓展極限規格50條，拓展公差2項，年帶來(lái)降損：1246萬(wàn)元。功能示意圖如圖6所示。

圖6 典型案例1產(chǎn)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(zhì)量的管理措施依靠表檢儀進(jìn)行缺陷檢測，現有表檢儀分類(lèi)準確率有待提高?；趫D像識別技術(shù)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(chǎn)后熱軋產(chǎn)線(xiàn)的彗星狀異物壓入，異物壓入，折疊，邊裂等重點(diǎn)缺陷的分類(lèi)準確率約85%，冷軋鍍鋅產(chǎn)線(xiàn)產(chǎn)生的保護渣、劃傷、結疤、漏鍍、孔洞、線(xiàn)性缺陷、鋅灰、鋅渣、鋅壓入等重點(diǎn)缺陷的分類(lèi)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(chǎn)品性能管控

 產(chǎn)品質(zhì)量性能與全流程的工藝參數相關(guān)，產(chǎn)品工程師需確定性能問(wèn)題與工藝控制還是與內外設計相關(guān)。分析時(shí)效性差。 1）相關(guān)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(guān)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(gè)決策樹(shù)并進(jìn)行回歸任務(wù)?！耙绘I式”完成性能分析及訂單風(fēng)險預測，由2小時(shí)變?yōu)?0分鐘，實(shí)現了產(chǎn)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(chǎn)品性能管控示意圖 

案例4：首鋼股份基于高頻時(shí)序曲線(xiàn)特征化板形評審

 質(zhì)量評審過(guò)程繁瑣，占用人工較大精力，且存在評審不及時(shí)，影響物料周轉。采用鋼卷工藝控制曲線(xiàn)解析方法，將工藝控制過(guò)程的高頻時(shí)序曲線(xiàn)數據進(jìn)行特征化，建立特征曲線(xiàn)庫，同時(shí)不斷的更新特征庫，實(shí)時(shí)提取高頻時(shí)序數據特征，采用相關(guān)系數法與均方根誤差方法相結合，計算曲線(xiàn)相似性，從而對當前曲線(xiàn)進(jìn)行判定和評級，將評級結果與現場(chǎng)控制系統進(jìn)行傳遞，實(shí)現曲線(xiàn)等級判定和產(chǎn)品質(zhì)量進(jìn)行評估分析，輔助產(chǎn)品質(zhì)量等級的提升和改進(jìn)。功能示意圖如圖9所示。

圖9 典型案例4基于高頻時(shí)序曲線(xiàn)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(zhì)量問(wèn)題時(shí)需反查上游表面質(zhì)量和跟蹤下游演變，人工對表檢信息逐個(gè)比對。通過(guò)規則和模型計算相結合的方式，對表面缺陷分布等各種質(zhì)量相關(guān)信息綜合運算，實(shí)現一貫制數據匹配、缺陷時(shí)空轉換、缺陷自動(dòng)追溯，并進(jìn)行規律分析,從而推算缺陷產(chǎn)生的原因。實(shí)現提升上下游質(zhì)量缺陷原因分析效率30%，減少表面類(lèi)缺陷造成的帶出品量、減少產(chǎn)線(xiàn)停機時(shí)間、減少疑難缺陷流出用戶(hù)造成的質(zhì)量異議問(wèn)題，提高產(chǎn)品質(zhì)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(jià)值

3.1  代表性

1)    形成一種基于知識圖譜的客戶(hù)問(wèn)題閉環(huán)管控方法：基于鋼鐵質(zhì)量異議與工藝基礎知識，實(shí)現對關(guān)于機械性能方面的產(chǎn)品特性、質(zhì)量問(wèn)題、原因分析、整改方案、質(zhì)量反查項等固有知識形成質(zhì)量圖譜，輔助客戶(hù)對產(chǎn)品機械性能質(zhì)量問(wèn)題的發(fā)現、追溯與整改，形成閉環(huán)。同時(shí)利用自然語(yǔ)言提取技術(shù)，實(shí)現質(zhì)量知識的智能問(wèn)答應用，將知識圖譜輸出至應用系統，輔助產(chǎn)品質(zhì)量工程師。

2)    形成集監控、預測、報警、定位、分析一體的質(zhì)量管控新模式：綜合建模等技術(shù)，實(shí)現質(zhì)量全流程管理進(jìn)行“一鍵式”原因定位、異常預測及快速反饋推送，保證質(zhì)量設計自動(dòng)可推薦、生產(chǎn)過(guò)程動(dòng)態(tài)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(jià)值

該解決方案目前有4家企業(yè)在用，接入數據39284項，其中現場(chǎng)時(shí)序數據8431項、關(guān)系型數據16494項，每月磁盤(pán)實(shí)際增長(cháng)量約3.23(三副本、有壓縮)T。

在效益評估方面，方案圍繞質(zhì)量設計、生產(chǎn)執行、檢驗委托、質(zhì)量分析、質(zhì)保書(shū)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(zhì)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(dòng)識別現貨發(fā)生原因，制定相應改進(jìn)措施，減少現貨發(fā)生率，帶出品率降低0.81%。

2)    合同一次通過(guò)率的不良品分析管控，準確識別不良品問(wèn)題，溯源發(fā)生原因，進(jìn)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(zhì)量缺陷評審輔助，實(shí)現自動(dòng)分切建議與自動(dòng)評審處置意見(jiàn)，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(zhì)量投訴減少3件/月，質(zhì)保書(shū)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(jīng)濟效益為1370萬(wàn)元/年/企，其他由客戶(hù)服務(wù)提升、產(chǎn)品質(zhì)量提升、制造周期響應等因素帶來(lái)的隱藏價(jià)值更高。

除產(chǎn)生直接經(jīng)濟價(jià)值以外，可提升企業(yè)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(chǎn)品和服務(wù)質(zhì)量水平，增加客戶(hù)滿(mǎn)意度，提高市場(chǎng)占有率。同時(shí)利用建模挖掘出有價(jià)值的信息，智能地反饋給業(yè)務(wù)決策者，從而實(shí)現感知、分析、決策、調整等于一體的主動(dòng)生產(chǎn)，進(jìn)而為用戶(hù)提供個(gè)性化的產(chǎn)品和服務(wù)，不斷提升客戶(hù)滿(mǎn)意度。