威尼斯人平台,威尼斯人官网

联系方式:010-65256519

专题解读

钢铁企业全流程质量管控平台

  一、全流程质量管控概述

  十九大报告提出,“我国经济已由高速增长阶段转向高质量发展阶段”。作为国民经济重要的基础产业,我国钢铁工业拥有全球最全、最完整的产业体系和最新、最先进的技术装备。我国质量达国外先进实物质量水平的钢材产品有497项,占全部品种的40%。一些钢材品种的稳定性和可靠性仍有待提高,一些中高端产品和服务的有效供给还不足,高端产品国际市场占有率低,缺少享誉国际市场的品牌。

  面对产业迈向全球价值链中高端的新要求,建设质量强国的新任务,日趋激烈的国际竞争新形势,绿色发展和建设美丽中国的新使命,以及我国钢铁工业在产品质量和服务方面存在的主要问题,我国钢铁工业必须把提高供给质量作为主攻方向,不断提升产品和服务质量,显著增强我国钢铁工业质量优势。以供给侧结构性改革为主线,推动发展质量变革、效率变革、动力变革,提高全要素生产率,率先转向高质量发展阶段,发展先进装备制造业用钢,特别是高质量(优特钢)、低成本、绿色化(生态)基础件用钢,形成高性能、功能化、差别化的先进基础材料供给能力;支撑下游用钢行业和经济社会的发展。

  借助物联网、云计算、大数据、人工智能算法等智能化技术实现钢铁企业全流程质量管控,是实现钢铁行业高质量发展的有效途径。

  二、全流程质量管控过程

  全流程质量管控是指从接受客户订单进行质量设计开始,在生产过程中进行在线质量监控、质量预测、质量判定以及离线质量追溯,质量大数据分析以及质量改进,最终实现PDCA质量管理提升。

 

  图2-1 全流程质量管控流程示意图

  (一) 质量设计

  当前市场竞争日益激烈,用户对品种、质量、成本、服务等方面的要求更加苛刻。产品的生产应以用户满意为最高标准和最终要求,生产组织也应由符合标准向满足用户需求转变。所以大多钢厂按照“标准+α” (α就是用户在标准以外提出的附加技术条件)的原则组织生产,在质量管理各项功能的设计中都充分考虑用户的特殊要求。

  系统接到客户订单以后,首先进行质量设计,即根据用户的需求确定实施的产品规范及工艺规范。产品规范指产品的品种、规格及产品质量判定标准(从原材料采购到烧结、球团、铁水以致最终产品,每一步都有质量判定标准,包括物理性能、化学成分及尺寸公差等产品参数,以及各工序的检验计划);工艺规范轧钢工艺路线选择及各工序工艺参数的设计,各工序的操作要点等。

  图1-2 冶金规范模型

  (二) 质量监控

  指对每道工序的质量数据(包括几何尺寸形状、表面质量、力学性能等)以及与质量数据相关的工艺参数、设备运行状态参数等进行在线数据采集及监控,并依据工艺标准对过程数据进行符合性诊断。

  (三) 质量预测

  质量大数据分析平台根据获取的生产实绩质量信息,进行实时在线分析,对产品质量进行预测,向现场操作人员、质检人员等提供实时制造过程工艺参数与质量参数判定与预警信息,便于其在后续操作进行工序补救动态调整,确保产品性能更加平稳。

  (四)质量判定

  根据检验要求与质量规范,对产成品进行现场检验。综合化学、物理、现场检验的结果进行在线质量判定,并生成质保书。

  (五)质量追溯

  全流程产品质量追溯是在离线状态下进行,针对质量问题和客户投诉,找出过程控制存在的波动和质量设计、质量决策存在的问题,制定相应的措施,为工艺优化提供过程参数分析工具,达到稳定过程控制保证最终产品质量、满足客户需求的目的。

  质量追溯系统集成产品和过程质量相关的数据,展示了各产线的过程工艺曲线、表面检测缺陷及过程参数、质量特性单值表。根据需求可以按照订单、批次/卷次、钢种、来源:威尼斯人官网 时间段等信息对各工序关键工艺参数、产品质量检验特性、表面缺陷、判定结果等各类质量特性进行追溯,通过每个物料号对应的上游相应的物料号,追踪到各产线实际生产过程的工序及工序采集点,导出详细数据,精确分析影响产品质量的因素。技术人员通过该系统可直观地分析与产品质量相关的过程因素,同时还可追溯上下游工序的过程质量,可进行单工序多参数、单参数多批次、多工序多参数在位置轴或来源:威尼斯人官网 时间轴上的对比分析,以及上下游工序钢卷表面缺陷和工艺曲线对比分析等。

  质量追溯按信息的流向主要分为两类,横向追溯和纵向追溯。

  横向追溯:当钢铁产品质量出现问题,依据成品编号信息,按照生产工艺流程的逆序按照生产工艺流程的逆序追溯精整、轧钢、加热、炼钢等工序,并依据各种信息的关联内容,将质量追溯的信息横向展开,锁定质量问题的具体环节,对同一坯号的产品组的该项性能参数进行复验。

  纵向追溯:当产品出现质量问题,并通过横向追溯锁定出现问题的工序后,针对该工序进行纵向追溯,即对具体问题进行具体分析。首先根据质量缺陷原因确定问题产品批次,然后追查同一批次产品库存、生产部门等信息,锁定问题产品范围。然后着重分析造成质量缺陷的明确原因,进而改进质量控制方法,从而提高产品质量。

  (六)质量分析

  质量分析包括基于统计工序控制即SPC(Statistical Process Control)的方法和基于大数据分析的方法。SPC利用系统平台提供的样本散点图、样本运行图、均值运行图、箱线图、等值线图、相关性散点图、频度分布图、Pareto图等多种常用统计分析图进行数据探索性分析,进行质量诊断,质量控制及质量改进。

  大数据分析的方法指利用聚类算法、关联规则、决策树分类、参数差异性分析、序列模式分析以及神经网络、深度学习等分析工具和方法,实现产品各工序工艺参数分析,定位质量问题,确定成品缺陷与工艺参数之间的关系。

  (七)质量改进

  根据质量分析的结果,确定更优的工艺参数区间,以及规则知识的优化,实现产品质量的持续改进,全面提升钢铁企业各工序产品质量,降低企业生产成本。

  三、全流程质量管控平台

  (一)平台架构

  全流程质量管理的功能分布在L1至L5。首先是质量实时数据采集,与质量相关的数据既有来自PLC、DCS的数据,也有来自与MES及ERP的数据。在L2级是各种质量控制模型,如铸坯的铸流跟踪模型、优化切割模型、结晶器漏钢预报模型、动态二冷控制与动态轻压下控制模型等。在L3级与质量相关的有质量在线监控、质量预测、质量判定。质量主数据管理可以是L3级也有的放在L4的ERP中进行管理。质量分析与优化是基于大数据的决策支持优化,属于L5,可以对质量主数据中的工艺参数进行优化,也可对二级控制模型进行优化。

  图2-1 全流程质量管控架构示意图

  (二)平台功能

  图2-2 全流程质量管控系统功能架构图

  1.主数据管理

  质量主数据管理包括产品规范管理和工艺规范管理。产品规范管理包括钢厂生产的产品的品种,规格及对应的质量判定标准。工艺规范指不同的产品的品种对应的生产的工艺路线及各工艺的操作要点的管理。

  2.工艺质量设计

  系统接收客户订单以后,综合考虑质量指标的内在关联性、下游工序以及客户需求等因素,与质量主数据中的产品规范及工艺规范进行匹配,确定该订单的产品执行标准及工艺路线、操作要点,并将该信息附加该订单,进行销产转换,生成生产订单,下传到生产工序,指导操作工人进行生产。

  3.实时数据采集

  构建质量大数据平台,对生产全流程生产数据进行采集与存储,并实施各单一工序的工艺数据与质量数据时空同步,多工序之间的质量数据时空同步,为进一步的工艺质量监控、预测、追溯与关联分析提供数据环境。

  4.在线质量预测

  对生产过程工艺质量数据、工艺参数、运行状态进行在线监控,根据工艺标准实现对过程数据的偏差显示,并根据工艺质量预测模型给出质量预测与预警。

  (1)质量预测模型

  对工艺质量进行预测,首先要构建质量预测模型。对于每道工序的本步工序的历史数据及前面所有关联工序的质量数据,通过关联规则挖掘,聚类分析,神经网络等方法,构建该道工序的质量预测模型并不断的自学习自修正。在生产进行过程中,将采集的质量实绩数据,作为模型的输入量,可以预测出本道工序的质量结果值,提示操作工人及时作出修正措施,保证质量的稳定。

  (2)工艺质量预测

  基于工艺质量预测模型,根据工序工艺过程参数实时监测值,进行工序产品质量预测,以及最终产品质量预测,触发相应的标识预警提示,针对设定的工艺标准,给出工艺参数在线调整建议。

  5.质量自动判定

  针对质量人工判定技术单纯命中率模式、边界粗狂性、流程质量不一致性等缺陷,利用基于聚类、数据特征识别、机器学习等方法的判定规则优化方法,充分考虑不同流向、不同用户需求,不同质量指标特点,建立基于规则的自动质量判定及评级技术,包括工序质量与最终产品质量的判定及评级,并且自动生成质保书。

  6.质量分析与优化

  质量分析与优化功能,是基于质量大数据,进行质量影响因素事后综合分析与工艺模型优化,主要包括以下几部分功能:

  (1)质量关联分析

  针对质量偏差、工况异常问题进行追溯与成因分析(包括工艺参数、设备状态、控制模型、操作水平等),通过研究数据特征识别技术,通过聚类、分类、关联分析、敏感度分析等数据挖掘方法,确定影响质量的主要工艺参数与影响程度,建立工艺质量关联数据库,并通过分析过程不断训练与优化数据库。

  (2)工艺参数优化

  依据建立的工艺质量关联数据库,进一步优化操作要点中设定的工艺参数。综合先验知识、机理模型以及数据驱动方法建立混合驱动方法,获得最优工艺参数区间,指导生产过程调整。

  (3)控制模型优化

  针对工艺控制模型精度不足的问题,可对大量的质量历史数据进行分析,对现有控制系统模型进行优化调整,通过深度强化学习方法逐步提高训练的精度与效率。在优化过程中,研究训练复杂度与优化任务复杂度之间的耦合关系,对优化性能进行评估,不断提高优化方法对生产过程质量数据特点的适应能力。

  基于大数据的全流程质量管控系统,将分散在各制造单元中的质量信息统一集中到一体化质量管控系统中,实现铁钢轧上下游工序间质量信息的贯通与共享,在此基础上将工业大数据分析方法与工艺控制模型紧密结合,实现对全流程工艺质量的监控、预测、诊断和质量改进,为生产现场质量管理提供强力的应用服务平台,持续提升产品质量水平,有效保证下游用户的质量需求。

  四、结论

  通过实施全流程产品质量管控模式,对生产过程全流程工艺质量数据进行在线监控、判定与离线追溯,快速发现并提示工艺质量异常,针对质量偏差、工况异常问题进行追溯与成因分析,基于数据特征识别与挖掘技术,实现工艺参数的最优设计和协同优化,实现了质量闭环控制,支撑钢铁企业向高质量阶段发展。