一、研究的背景和問題
鋼鐵行業(yè)為傳統(tǒng)流程制造業(yè)，工序復雜，人工操作多，質(zhì)量波動大；工藝流程涉及眾多物理和化學過程，控制難度大；上下工序質(zhì)量問題還存在遺傳，質(zhì)量管控要采取一貫制管理的模式。因此，依靠傳統(tǒng)的質(zhì)量控制模式存在瓶頸，需要引入先進智能制造技術實現(xiàn)全流程質(zhì)量跟蹤、分析和自適應控制，提升質(zhì)量管控一致性和精細化水平。
二、解決問題的思路與技術方案
針對上述痛點和難點問題，一方面應用人工智能技術對生產(chǎn)過程控制系統(tǒng)進行優(yōu)化，減少人工干預，提升控制精度。另一方面通過構建質(zhì)量全流程智慧管控平臺，實現(xiàn)從質(zhì)量研發(fā)與設計、生產(chǎn)過程監(jiān)控與控制、質(zhì)量檢驗與處置、質(zhì)量分析與跟蹤，實現(xiàn)從客戶需求出發(fā)到客戶服務結束全流程的閉環(huán)智慧管控。
（一）、生產(chǎn)控制實現(xiàn)智能化與精準化，顛覆傳統(tǒng)模式重塑生產(chǎn)
過程控制系統(tǒng)作為整個自動控制系統(tǒng)的核心環(huán)節(jié)，直接影響產(chǎn)品的質(zhì)量。針對原有過程控制系統(tǒng)設定精度不高、人工干預過多和黑箱系統(tǒng)等瓶頸問題，通過AI機器視覺、機器學習與冶金機理模型深度結合的方式，提高模型自組織、自適應和自我優(yōu)化的能力，顯著提升機組的智能化水平，實現(xiàn)高精度、無人化設定。
1.開發(fā)“靈動眼”系統(tǒng)以“火眼金睛”賦能鋼鐵智能產(chǎn)線
傳統(tǒng)監(jiān)控模式遭遇效率與精度瓶頸：連續(xù)性生產(chǎn)過程中，帶鋼需要頻繁進行穿帶和加減速調(diào)整，并且需要在通過圓盤剪時，進行在線切邊，由于切邊速度反復變化，再加上操作人員通過現(xiàn)場工業(yè)電視監(jiān)控畫面難以及早發(fā)現(xiàn)異常，此時就會容易出現(xiàn)卡鋼堆鋼與堵邊飛邊等問題。除了生產(chǎn)過程中的痛點問題外，GI汽車板“黑點”數(shù)量、GA汽車板“粉化度”是關鍵質(zhì)量指標，需要通過人工檢測進行動態(tài)管控。人工檢測過程繁雜：樣板搬運、表面清潔、區(qū)域選取、缺陷標記、粘貼膠帶、目視識別、尺寸測量、標準對比、手工記錄。人工檢測作業(yè)時間長、效率低，數(shù)據(jù)精度易受到人員主觀因素影響，多次發(fā)生漏檢和誤檢。
AI視覺算法破解四大核心場景：針對發(fā)生的以上的種種問題，首鋼股份開發(fā)了“靈動眼”系統(tǒng)，通過高清工業(yè)相機和工業(yè)攝像機等采集獲取高清數(shù)字圖像，運用深度學習算法，研發(fā)適應半開放式且相對穩(wěn)定光照環(huán)境下的AI視覺算法—“靈動眼”系統(tǒng)，實現(xiàn)信息化和工業(yè)化的深度融合，以下為“靈動眼”系統(tǒng)主要應用場景：
（1）入出口段穿帶卡鋼堆鋼監(jiān)測，在鍍鋅線入出口段易發(fā)生卡鋼堆鋼位置，部署高清監(jiān)控攝像機進行監(jiān)控，監(jiān)控圖像會通過千兆工業(yè)以太網(wǎng)實時到接入高性能服務器中。首先，當開始穿帶時，產(chǎn)線控制系統(tǒng)觸發(fā)“靈動眼”系統(tǒng)啟動，多點位攝像機開始連續(xù)捕捉區(qū)域內(nèi)帶鋼高清視頻圖像。然后，“靈動眼”系統(tǒng)視覺檢測算法實時定位跟蹤帶頭位置。當發(fā)現(xiàn)帶頭卡阻、帶鋼拱起等異常時，系統(tǒng)會立即發(fā)出語音報警，并與產(chǎn)線控制系統(tǒng)進行停車聯(lián)動。
（2）圓盤剪邊絲堵塞和逃逸監(jiān)測：在產(chǎn)線開始切邊時進行堵絲飛邊的檢測，控制系統(tǒng)觸發(fā)“靈動眼”系統(tǒng)啟動，攝像機開始連續(xù)捕捉圓盤剪區(qū)域邊絲高清視頻圖像。然后“靈動眼”系統(tǒng)視覺檢測算法從空間位置、形貌、動作軌跡等多方面實時監(jiān)測邊絲狀態(tài)。最后,當系統(tǒng)發(fā)現(xiàn)了邊絲堵塞、逃逸等異常時，就會立即發(fā)出語音報警，提示操作人員及時處置，并與產(chǎn)線控制系統(tǒng)進行聯(lián)動。
（3）GI帶鋼黑點特征識別：對于GI黑點識別，在鍍鋅線在線質(zhì)檢室前帶鋼上下表面部署了線陣相機，當帶鋼寬度、運行速度等信息發(fā)送至“靈動眼”系統(tǒng)時，并且當出口段帶鋼靜止時相機開始橫移掃描，在秒級內(nèi)即可完成帶鋼上下表面的線掃描和高清圖像獲取。此時“靈動眼”系統(tǒng)通過深度學習算法對已獲取帶鋼圖像進行黑點特征提取和識別，最終精準標記位置和尺寸，同時完成歷史的圖像數(shù)據(jù)的存儲。借助AI實現(xiàn)質(zhì)檢效率提高至少4倍。檢測精度提高2.5倍。并且人工檢測結果因人而異，AI檢測穩(wěn)定性遠遠高于人工檢測。
（4）GA樣板粉化度識別：在鍍鋅線離線質(zhì)檢室集成機器人和高分辨率工業(yè)面陣相機系統(tǒng)，當帶鋼鋼種、厚度等信息發(fā)送至“靈動眼”系統(tǒng)，機器人依次夾持樣板，同時進行上下表面拍照和高清圖像采集。然后，“靈動眼”系統(tǒng)會通過深度學習算法對圖像粉化特征進行提取，完成識別粉化寬度并進行等級判定，同時完成歷史圖像數(shù)據(jù)的存儲。效率提高3.6倍，檢測精度提高50倍。AI檢測穩(wěn)定性遠遠高于人工檢測。
解決了以往穿帶時操作人員緊盯監(jiān)控電視畫面的高強度作業(yè)問題。為產(chǎn)線提速達產(chǎn)做好基礎，提升生產(chǎn)量和OEE。產(chǎn)線降速停車頻次降低60%；樣品質(zhì)檢效率提升72%。
2.工藝設計標準執(zhí)行智能控制及監(jiān)控
產(chǎn)線工藝控制痛點：當前產(chǎn)線面臨工藝控制穩(wěn)定性與精度提升瓶頸，部分工藝參數(shù)依賴系統(tǒng)外傳遞，多界面監(jiān)控模式導致異常發(fā)現(xiàn)滯后、調(diào)整響應遲緩，嚴重制約工藝標準的精準優(yōu)化與異常問題的及時處置。
十大AI模型重塑工藝控制體系：為打破上述“卡脖子”困境，首鋼以人工智能與大數(shù)據(jù)技術為核心，針對復雜工藝參數(shù)，開發(fā)酸洗工藝AI模型、軋機板形AI模型、退火爐溫智能控制模型、鋅鍋熱平衡控制模型、合金化溫度智能控制模型、平整/光整工藝模型等十大關鍵工藝參數(shù)自學習閉環(huán)控制模型，過程參數(shù)預設定以自學習閉環(huán)控制，保證關鍵工藝參數(shù)的控制穩(wěn)定。另外建立工藝參數(shù)監(jiān)控模塊進行實時診斷處置、定期評價持續(xù)提高過程參數(shù)的控制能力。
打造全流程工藝管控的“智慧大腦”：搭建了CP控制計劃系統(tǒng)，對工藝參數(shù)監(jiān)控預警和分析，以數(shù)據(jù)驅(qū)動實現(xiàn)質(zhì)量管控模式的全面升級。系統(tǒng)深度整合全工藝參數(shù)集，將龐雜的生產(chǎn)數(shù)據(jù)轉(zhuǎn)化為結構化信息，為精準管控提供數(shù)據(jù)支撐；實施崗位及任務分解，打破職責模糊的僵局，將現(xiàn)場基礎管理要求、生產(chǎn)工藝規(guī)范、客戶個性化需求，細化拆解為各生產(chǎn)崗位的具體作業(yè)要求，并精準推送至每個鋼卷的生產(chǎn)環(huán)節(jié)。同時，開發(fā)精準點檢模塊，對生產(chǎn)執(zhí)行情況進行實時診斷，一旦發(fā)現(xiàn)異常即刻推送預警，確保生產(chǎn)過程始終處于可控狀態(tài)，有效提升產(chǎn)線基礎管理水平，保障合格產(chǎn)品產(chǎn)出。
通過開發(fā)關鍵工藝參數(shù)的智能控制模型，模型自學習閉環(huán)控制，關鍵工藝參數(shù)達標率提升了12%；借助數(shù)采平臺，實現(xiàn)數(shù)據(jù)互聯(lián)互通，工藝參數(shù)利用崗位信息大屏實時監(jiān)控預警并推送相應反應計劃，參數(shù)實時監(jiān)控率達到100%。
3.人工智能神經(jīng)網(wǎng)絡用于鍍鋅過程實時控制
傳統(tǒng)控制模式的效率與成本雙困局：鋅層厚度控制一直是熱鍍鋅生產(chǎn)線的重點和難點，對鋅層厚度的精確控制不僅關系到鍍鋅產(chǎn)品的合格率等指標，也對生產(chǎn)成本管理具有顯著影響。傳統(tǒng)的鋅層控制需要人工根據(jù)經(jīng)驗對氣刀參數(shù)進行設定，然后參考鋅層測厚儀的反饋數(shù)據(jù)，對參數(shù)進行相應更正，控制嚴重滯后，從而造成產(chǎn)品不合格或者鋅資源的浪費。
首鋼突破熱鍍鋅智能控制瓶頸：通過開展機理模型和數(shù)據(jù)驅(qū)動模型結合的鋅層厚度智能控制建模研究，運用神經(jīng)網(wǎng)絡算法實現(xiàn)精準的鋅層厚度智能控制。功能包括動態(tài)變規(guī)格時的預設定功能、非穩(wěn)態(tài)生產(chǎn)時的前饋控制功能、增強型趨勢性反饋控制功能。人工智能神經(jīng)網(wǎng)絡用于鍍鋅過程實時控制，提高了鋅層厚度3g命中率，鋅層橫向厚度偏差降低了52%。
4.基于數(shù)字孿生的過程異常實時監(jiān)測和控制
鋅鍋工況“黑箱化”與質(zhì)檢效率瓶頸：鋅鍋區(qū)域溫度場及流場分布復雜不可見，鋅灰及鋅渣缺陷產(chǎn)生原因復雜多變，人員工作環(huán)境惡劣，無法直接檢測實際工況，只能通過經(jīng)驗撇渣、調(diào)整爐鼻子狀態(tài)等操作。人工表面質(zhì)檢，準確性差，行業(yè)內(nèi)普遍采用離線樣板質(zhì)檢，準確率因作業(yè)人員經(jīng)驗不同波動較大，難以滿足批量高等級產(chǎn)品檢測需求。
鋅鍋區(qū)域數(shù)字孿生
首鋼構建鋅鍋區(qū)域數(shù)字孿生平臺破解熱鍍鋅質(zhì)量管控難題：深度融合工業(yè)互聯(lián)網(wǎng)、高速計算、大數(shù)據(jù)分析等尖端信息技術，精心打造爐鼻子和鋅鍋區(qū)域數(shù)字孿生平臺。該平臺秉持“軟硬協(xié)同、虛實共生”的創(chuàng)新理念，將智能化軟件系統(tǒng)與可視化硬件系統(tǒng)完美融合數(shù)字孿生模型的建立實現(xiàn)了鋅鍋內(nèi)復雜工況可視化、異常預警并閉環(huán)控制，用數(shù)字孿生技術判斷速度變化對流場、溫度場等變化，對鋅渣等質(zhì)量問題提供預警，同時與電磁撇渣、爐鼻子系統(tǒng)實現(xiàn)控制閉環(huán)，提升生產(chǎn)效率。異常及時自動響應，檢驗效率提升4倍。構建起一個集控制、決策、交互于一體的智慧中樞。通過搭建高效的數(shù)據(jù)采集網(wǎng)絡、穩(wěn)定的傳輸通道以及智能的分析反饋機制，實現(xiàn)物理生產(chǎn)場景與數(shù)字虛擬世界的無縫對接，為工藝質(zhì)量管控裝上“智慧大腦”，注入強勁的創(chuàng)新動能。
（二）、質(zhì)量管控智慧化，夯實品牌競爭力
搭建基人工智能的鋼鐵全流程質(zhì)量管控平臺以云邊協(xié)同方式，運用大數(shù)據(jù)、AI、視覺識別、機器學習等智能技術，進一步完善全流程的質(zhì)量管理體系。通過智能質(zhì)量數(shù)據(jù)采集、智能分析與溯源、智能預測、智能決策，實現(xiàn)產(chǎn)品全生命周期智慧管控，對產(chǎn)品質(zhì)量實施全流程跟蹤，利用大數(shù)據(jù)分析模型和專家?guī)煜到y(tǒng)對出現(xiàn)問題進行質(zhì)量管理，全面提升質(zhì)量管控能力，降低質(zhì)量損失。
1.首鋼構建鋼鐵行業(yè)首個質(zhì)量管控知識圖譜賦能全流程智能防控
客服、性能、表面、工藝等各業(yè)務領域具備較豐富的專家知識。但知識分散，不成體系，知識固化與傳承難度大。產(chǎn)品全生命周期質(zhì)量關系錯綜復雜，需要一套先進的方法將知識的脈絡和邏輯梳理清晰。事前預防相對較弱且依賴人工，事前預防和事中管控能力有待提升。
針對上述痛點，在鋼鐵行業(yè)數(shù)字化轉(zhuǎn)型進程中，首鋼股份構建了鋼鐵行業(yè)首個質(zhì)量管控知識圖譜，深度賦能業(yè)務場景，深度賦能8個數(shù)字化用例、10多個業(yè)務場景和160多個功能模塊，創(chuàng)新性構建質(zhì)量管控知識圖譜體系，通過數(shù)據(jù)驅(qū)動與智能算法融合，打造端到端質(zhì)量風險預防應用體系，實現(xiàn)質(zhì)量管控經(jīng)驗的“顯性化、工具化”，從“經(jīng)驗驅(qū)動”到“知識智能驅(qū)動”的管控模式革新。
作業(yè)計劃評審：實現(xiàn)物料接續(xù)風險的自動識別和分級，智能動態(tài)推薦出降低風險的反應計劃，輔助班組長和操控人員進行物料接續(xù)的事前預防和事中控制；
在制品可疑材料阻斷：以量化評分的形式對工序產(chǎn)品的質(zhì)量風險提前識別，提前阻斷或者動態(tài)給工序推薦反應措施，提升主要工序應對不同來料質(zhì)量的適應能力；
性能與工藝知識圖譜：建立鋼卷工藝參數(shù)和性能參數(shù)之間的關系模型，構建性能知識圖譜，實現(xiàn)在制品不同階段的性能主要指標的預測功能，動態(tài)調(diào)整后道工序工藝，提升性能穩(wěn)定性；
表面與工藝知識圖譜：整合專家知識與海量歷史案例，構建表面與工藝知識圖譜，收納百余種常見缺陷。該圖譜為表面質(zhì)量分析提供豐富的實操案例與清晰的解決思路，同時具備典型表面缺陷的預測功能，助力企業(yè)提前采取預防措施，降低表面質(zhì)量問題發(fā)生率；
客戶端專家決策庫：對客戶反饋的問題進行聚類歸納，并構建客戶端問題專家決策庫，通過沖壓問題預測、客戶端專家決策庫等功能為客服人員或技術人員處理客戶投訴、抱怨、問題、異議提供輔助決策。
通過知識圖譜與業(yè)務場景的深度融合，首鋼實現(xiàn)質(zhì)量管控的精細精準化躍升：沖壓類質(zhì)量抱怨同比降低64%，客戶投訴處理效率顯著提升；問題平均處理時間縮短83%，異常響應速度從“小時級”向“分鐘級”跨越；質(zhì)量損失降低49%，生產(chǎn)成本與資源浪費大幅減少；依托客戶需求精準匹配與工藝精細化設計能力，助力客戶新品開發(fā)周期縮短、上市爬坡效率提升，不僅增強客戶粘性，更帶動企業(yè)獲得新增訂單與市場份額增長，形成“技術創(chuàng)新-客戶價值-市場拓展”的正向循環(huán)。
2.AI模型賦能鋼卷表面缺陷識別與智能判定
目前在鋼卷表面判定流程上，依靠表檢儀進行缺陷檢測。由于鋼卷生產(chǎn)過程快，單卷缺陷數(shù)量大，質(zhì)檢崗位在在線判定系統(tǒng)錄入缺陷時，需要根據(jù)表檢儀數(shù)據(jù)逐一錄入，受限于表檢儀檢測準確性和崗位人員的識別能力，導致鋼卷的表面缺陷判定準確性偏低，甚至出現(xiàn)漏檢的情況。
通過建立AI模型，將缺陷圖像輸入到深度學習模型中，完成對缺陷的識別和分類，并標注圖像中的缺陷位置。用圖像識別技術提取圖片的圖像特征信息，包括最大灰度、最小灰度、平均灰度、敏感區(qū)域面積、紅框面積、密度、亮度庫占比、暗度庫占比等參數(shù)。同時根據(jù)實際業(yè)務需要，制定定義缺陷等級合并規(guī)則，缺陷合并采用自研算法，結合業(yè)務規(guī)則和缺陷特征，完成缺陷合并。最終準確識別出各類缺陷等級，實現(xiàn)對缺陷的二次分析，提取更有效的缺陷數(shù)據(jù)。將經(jīng)過二次分析的表面缺陷信息自動上傳至在線判定，減少缺陷錄入時間，輔助崗位完成最終鋼卷表面質(zhì)量等級判定。提高缺陷識別準確率，降低表面缺陷漏檢率，同時減少人工手動錄入缺陷信息的時間，鋼卷下線后自動完成缺陷判定，提高了帶鋼表面質(zhì)量檢查的效率。
3.運用大數(shù)據(jù)分析定制專屬用戶異議反饋報告
在汽車板市場競爭中，客戶質(zhì)量異議處理的及時性與精準性直接影響企業(yè)口碑與合作信任。首鋼面臨多重挑戰(zhàn)：質(zhì)量異議成因橫跨煉鋼、熱軋、冷軋全工序，涉及工藝參數(shù)、標準執(zhí)行等海量信息，傳統(tǒng)模式下數(shù)據(jù)分散于各系統(tǒng)，上下游協(xié)同存在壁壘，跨工序追溯依賴分析人員經(jīng)驗，易導致診斷浮于表面；同時，非工作時間人工響應滯后、報告輸出流程冗長，難以滿足客戶時效要求，且分析結論受專業(yè)能力限制易出現(xiàn)模糊偏差，形成“高投入、低產(chǎn)出”的管理困境。
為破解困局，首鋼創(chuàng)新開發(fā)定制化質(zhì)量異議分析場景應用，借強大的數(shù)據(jù)整合與智能分析能力，能夠快速、精準鎖定質(zhì)量異常點。構建典型異議模塊（性能類、表面類-鋅渣/硌印/油膜、板形），每個模塊設置個性化配置區(qū)，支持靈活選取工序、配置參數(shù)，一鍵生成定制化分析方案。打破數(shù)據(jù)孤島，整合全流程生產(chǎn)數(shù)據(jù)，通過智能算法快速定位異常點，將傳統(tǒng)“地毯式排查”轉(zhuǎn)化為“精準靶向分析”，分析周期縮短61%，人力成本顯著降低。同時，模塊化設計使質(zhì)量管理人員無需跨系統(tǒng)查詢數(shù)據(jù)，可將更多精力投向事前預防，推動質(zhì)量管理從被動響應轉(zhuǎn)向主動優(yōu)化。
“一鍵”生成定制化異議報告
強大的問題分析及報告生成能力：自動鎖定異議根源，可“一鍵”導出符合客戶格式要求的報告，分析人員按需完善即可快速提交，標準化報告輸出不僅提升客戶響應效率，更以專業(yè)嚴謹?shù)膬?nèi)容展現(xiàn)企業(yè)管理水準，高效提升客戶滿意度。通過“數(shù)據(jù)整合-智能分析-快速響應”的全鏈條革新，首鋼實現(xiàn)質(zhì)量異議管理從“低效追溯”到“精準管控”，客戶反饋管理從被動應對到主動優(yōu)化的跨越式升級。
三、主要創(chuàng)新成果
1.從“事后控制”向“事前預測”的質(zhì)量管理模式變革
過AI預測、知識圖譜、數(shù)字孿生、規(guī)則引擎等技術，構建“預防—控制—追溯-改進”的閉環(huán)智慧化質(zhì)量體系，通過知識圖譜實現(xiàn)質(zhì)量風險量化評估，依托數(shù)字孿生實現(xiàn)工藝過程實時映射，推動質(zhì)量管控從“事后分析”轉(zhuǎn)向“事前預防”，推動質(zhì)量管理從事后檢驗轉(zhuǎn)向全過程預測性管理，開創(chuàng)鋼鐵行業(yè)質(zhì)量數(shù)字化管理先河。
2.“崗位級生產(chǎn)過程的透明化+數(shù)字孿生”的精益生產(chǎn)執(zhí)行模式
生產(chǎn)操控崗位信息互聯(lián)互通，取消紙版點檢臺賬，建立工藝點巡檢措施庫，實現(xiàn)崗位精細化管理，最小顆粒度精細到材料，將質(zhì)量策劃的動態(tài)輸出做實，結合材料控制計劃崗位展示的主動推動，使生產(chǎn)崗位獲得精準的操控要求。過程質(zhì)量管控借助數(shù)字化手段，實現(xiàn)了生產(chǎn)過程的動態(tài)質(zhì)量管理，這種高度的透明度有助于快速定位問題源頭，提高問題解決速度，同時也增強了可追溯性，對于質(zhì)量管理和合規(guī)性檢查至關重要，同時也增強了產(chǎn)品的可追溯性，對于質(zhì)量管理和合規(guī)性檢查至關重要實現(xiàn)了快速、精準的智能制造。
3.從“經(jīng)驗驅(qū)動”到“模型驅(qū)動”的生產(chǎn)控制模式升級
替代傳統(tǒng)依靠人工經(jīng)驗調(diào)整的控制方式，實現(xiàn)關鍵機組的高精度、無人化設定，大幅提高控制穩(wěn)定性與自動化水平。整合歷史數(shù)據(jù)、專家經(jīng)驗與AI算法，構建以數(shù)據(jù)驅(qū)動的智能決策系統(tǒng)，提升工藝優(yōu)化、質(zhì)量改進與客戶響應的科學性與效率。
4.打破傳統(tǒng)質(zhì)量管控模式局限
現(xiàn)場表檢儀對表面缺陷的檢出率和分類準確率較低，同時黑點、粉化值是鍍層汽車板關鍵控制指標，傳統(tǒng)方法依賴人工畫網(wǎng)格、粘膠帶、目視識別、手工測量，效率低、準確性差。通過引入機器視覺識別技術，實現(xiàn)表面缺陷自動識別，代替肉眼檢測帶鋼，提高表面缺陷識別和分類的準確率，降低漏檢率，實現(xiàn)智能化質(zhì)量監(jiān)控與分析，打破了傳統(tǒng)模式的局限，為鋼鐵行業(yè)質(zhì)量管控提供了全新的數(shù)字化、智能化范式。
四、應用情況和效果
建設了云邊端協(xié)同的工業(yè)互聯(lián)網(wǎng)架構，應用5G、大數(shù)據(jù)、AI和機器人等十余種工業(yè)4.0先進技術，實現(xiàn)上下游互聯(lián)互通，支撐數(shù)字化應用場景落地。服務人群達2000余人。建設了國內(nèi)鋼鐵行業(yè)首個知識圖譜，開發(fā)CP數(shù)字化管控、基于知識圖譜的質(zhì)量風險預防等質(zhì)量管理智慧化應用場景。支撐了產(chǎn)品質(zhì)量改善、效率提升、業(yè)績提升和綠色低碳發(fā)展，以業(yè)務為引領，提升企業(yè)核心競爭力。
結合工業(yè)機理、大數(shù)據(jù)分析和人工智能技術開發(fā)鍍鋅智能操控、鋅層厚度閉環(huán)模型等過程控制模型，實現(xiàn)材料損失率降低7%。生產(chǎn)線效率提升了21.2%，鋅層3g命中率提升0.65%，投用前的鋅層厚度偏差降低45%，熱平衡模型實現(xiàn)入鍋溫度波動減少，鋅鍋感應器功率下降，投用后鋅鍋感應器功率下降14KW/h。鍍鋅要料寬度減少2mm，高端產(chǎn)品銷量提高了36%，產(chǎn)品缺陷減少了35%，客戶投訴減少了55%，余材充當比例提升5%，合同一次通過率提升7%，實現(xiàn)質(zhì)量精準管控，并完成了質(zhì)量事后管控向事前和事中控制的轉(zhuǎn)變，沖壓類問題平均處理時間降低83.33%，現(xiàn)貨發(fā)生率降低1.14%。經(jīng)濟效果明顯，年經(jīng)濟效益約5600萬元。
信息來源：北京首鋼冷軋薄板有限公司
