鋼鐵行業(yè)全流程質(zhì)量管控實踐案例

本文介紹了鋼鐵行業(yè)全流程質(zhì)量管控實踐案例，利用在線檢測、機器學(xué)習、圖像識別、數(shù)據(jù)建模等技術(shù)，實現(xiàn)質(zhì)量過程監(jiān)控與判定、表面質(zhì)量智能檢測與判級、全工序質(zhì)量缺陷追溯以及過程能力評價分析等，以機器智能決策，提升了產(chǎn)品過程質(zhì)量的管控能力。本案例的建設(shè)完善了全面質(zhì)量管理體系，實現(xiàn)全線自動質(zhì)檢，簡化了質(zhì)檢流程，提高工作效率及客戶滿意度，支撐遠距離、跨基地的工序協(xié)同。

引言

我國鋼鐵行業(yè)高速發(fā)展，在高端產(chǎn)品、生產(chǎn)工藝、能耗控制和產(chǎn)品質(zhì)量等方面與國際先進水平差距逐漸縮小。但與此同時，鋼鐵業(yè)面臨著供需不平衡、環(huán)境資源約束大、同質(zhì)化競爭激烈等問題，提升鋼鐵企業(yè)核心競爭力并尋求轉(zhuǎn)型升級的發(fā)展方向是擺在中國鋼鐵業(yè)面前的重要課題。

鋼鐵產(chǎn)品的質(zhì)量控制包括質(zhì)量設(shè)計、質(zhì)量判定、評審處置，質(zhì)量分析等多個環(huán)節(jié)，涉及的流程長、環(huán)節(jié)多、數(shù)據(jù)量大，以往的信息化系統(tǒng)無法滿足質(zhì)量管控的需求，主要問題表現(xiàn)在三個方面：一是產(chǎn)品質(zhì)量過程管控以人工管控為主，檢驗結(jié)果依賴檢測人員的經(jīng)驗，具有片面性， 檢驗效率低，質(zhì)量事故一旦發(fā)生就是批量事故，無法及時調(diào)整，損失不可挽回；二是產(chǎn)品對表面質(zhì)量要求比較高，軋鋼工序表面質(zhì)量缺陷數(shù)量和種類多，傳統(tǒng)表檢儀分類準確率不足80%，需崗位人工評審，嚴重影響后工序的生產(chǎn)，跨工序的質(zhì)量缺陷追溯異常困難；三是產(chǎn)品質(zhì)量數(shù)據(jù)來源眾多，存在大量異構(gòu)數(shù)據(jù)，不同粒度數(shù)據(jù)分布在不同平臺，在進行質(zhì)量分析中數(shù)據(jù)收集和整合耗費了分析人員大半的時間，缺少統(tǒng)一平臺和方法對龐大的質(zhì)量數(shù)據(jù)開展有效的開發(fā)和利用。

面對質(zhì)量管控需求的不斷升級，建設(shè)全流程質(zhì)量管控智能化系統(tǒng)變得尤為急迫。隨著新一輪科技革命和產(chǎn)業(yè)變革深入發(fā)展，新一代信息技術(shù)與制造業(yè)深度融合，數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化進程加快，讓實現(xiàn)以上需求成為可能。

總體流程和功能架構(gòu)

搭建大數(shù)據(jù)平臺，利用在線檢測、機器學(xué)習、圖像識別、數(shù)據(jù)建模等技術(shù)，實現(xiàn)質(zhì)量過程監(jiān)控與判定、表面質(zhì)量智能檢測與判級、全工序質(zhì)量缺陷追溯以及過程能力評價分析等。

全流程過程質(zhì)量管控包括智能質(zhì)量過程判定、跨工序質(zhì)量追溯分析兩個部分，場景流程圖如圖 1 所示。

智能質(zhì)量過程判定實現(xiàn)了過程、表面以及性能的判定與監(jiān)控。將多源異構(gòu)數(shù)據(jù)融合，結(jié)合數(shù)字化的產(chǎn)品質(zhì)量控制規(guī)則，實現(xiàn)在線實時監(jiān)測產(chǎn)品制造工藝過程是否波動和自動判定產(chǎn)品等級；實現(xiàn)表面質(zhì)量缺陷的采集、識別、歸類、判級、上下工序缺陷的傳遞以及自動推薦處置意見；實現(xiàn)了性能管控的自動預(yù)測、分析與異常推送。

跨工序質(zhì)量追溯分析實現(xiàn)跨工序質(zhì)量缺陷統(tǒng)計探索性分析、智能化追溯及快速定位。利用統(tǒng)計分析工具，將工藝過程控制和表面缺陷相關(guān)的數(shù)據(jù)進行深度分析和挖掘。利用過程能力指數(shù)、SPC 統(tǒng)計分析、聚類算法等高級分析工具和方法解決快速定位問題，實現(xiàn)產(chǎn)品質(zhì)量的持續(xù)改進。功能架構(gòu)圖如圖 2 所示。

建設(shè)具體方案

智能質(zhì)量過程判定

為實現(xiàn)煉鋼、熱軋、冷軋全流程質(zhì)量一體化管控，利用流數(shù)據(jù)處理、多源異構(gòu)數(shù)據(jù)融合、特征提取、關(guān)聯(lián)分析與預(yù)測、人工智能卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)，構(gòu)建質(zhì)量模型庫、知識庫、規(guī)則庫、約束庫、規(guī)則庫，實現(xiàn)板帶鋼性能、表面、尺寸、板型、成分、工藝等在線質(zhì)量自動判定與監(jiān)控預(yù)警。為質(zhì)量問題定位、產(chǎn)品質(zhì)量提升提供依據(jù)和途徑。

（1）實時數(shù)據(jù)采集與融合

通過工業(yè)大數(shù)據(jù)平臺，利用實時數(shù)據(jù)流處理和多源異構(gòu)數(shù)據(jù)融合技術(shù)，對L1、L2、L3 以及L4 系統(tǒng)中數(shù)據(jù)進行毫秒級顆粒度采集，實現(xiàn)跨工序、多數(shù)據(jù)源、差異結(jié)構(gòu)、不同粒度的工藝、質(zhì)量數(shù)據(jù)的實時數(shù)據(jù)流處理及數(shù)據(jù)融合，實現(xiàn)統(tǒng)一集中信息共享，對物料生產(chǎn)過程中的時間、位置、事件、狀態(tài)、圖片等數(shù)據(jù)進行跨時空融合轉(zhuǎn)換。

（2）過程質(zhì)量監(jiān)控及預(yù)警

為實現(xiàn)工藝過程參數(shù)的實時預(yù)警和機組判定，保證產(chǎn)品質(zhì)量全程一致性，對重要工藝過程參數(shù)、質(zhì)量參數(shù)進行實時在線監(jiān)控、預(yù)警和判定，向操作人員提供作業(yè)預(yù)警信息，保證批次內(nèi)產(chǎn)品質(zhì)量穩(wěn)定性。預(yù)警方法主要提供了簡單的參數(shù)超限報警方法、SPC 統(tǒng)計控制方法、神經(jīng)網(wǎng)絡(luò)模型預(yù)測方法等，各工藝參數(shù)控制限可根據(jù)企業(yè)技術(shù)標準或設(shè)定參數(shù)等進行靈活配置。另外為了保證產(chǎn)品過程質(zhì)量一致性，研發(fā)了基于規(guī)則推理的產(chǎn)品質(zhì)量在線判定引擎，對過程工藝參數(shù)和質(zhì)量參數(shù)進行物料全長的評級，評級結(jié)果作為質(zhì)量判定的重要依據(jù)。

（3）精準質(zhì)量在線判定

1）基于客戶需求的分段判定?；?a target="_blank">工業(yè)大數(shù)據(jù)平臺采集、融合后的數(shù)據(jù)，通過特征提取技術(shù)，針對不同客戶需求、不同品種牌號，以生產(chǎn)過程各工序質(zhì)量控制要求為基準建立可配置的、分類分段的在線判定規(guī)則庫，實現(xiàn)煉鋼、熱軋和冷軋的全流程質(zhì)量在線判定。質(zhì)量在線判定對產(chǎn)品質(zhì)量做出的判斷，為產(chǎn)品的降級處理或分段銷售打下了基礎(chǔ)。工藝在線制定流程圖如圖 3 所示。

2）基于圖片識別的表面分類。板帶鋼產(chǎn)品的表面質(zhì)量是最重要的評價指標之一，板帶鋼表面夾雜物、氧化皮、孔洞等缺陷，不僅影響產(chǎn)品的外觀質(zhì)量，而且還會降低產(chǎn)品的抗腐蝕性、耐磨性和其他強度性能。目前我國大多數(shù)鋼鐵企業(yè)采用閃頻光檢測、基于CCD 成像檢測等表檢系統(tǒng)，但表面缺陷識別的準確率均不高，檢出率和分類率約為80%，因此亟待實現(xiàn)高準確度表面識別及在線表面判定。

表面判定模塊利用高效的數(shù)據(jù)采集技術(shù)、精準的數(shù)據(jù)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、依據(jù)配置規(guī)則的缺陷合并、依據(jù)規(guī)則的缺陷分級，實現(xiàn)板帶鋼表面缺陷識別及在線判定，提高缺陷整體的識別率。同時針對細小缺陷特征丟失現(xiàn)象，采用多尺度特征金字塔融合算法將自頂向下的上采樣與自底向上的下采樣特征圖按像素融合，對Faster R-CNN 算法進行改進，提高對細小缺陷的檢測和識別率。

3）基于多元回歸的性能預(yù)測。利用相關(guān)性分析及特征值預(yù)測在海量數(shù)據(jù)中查找產(chǎn)品性能相關(guān)的關(guān)鍵影響因子，挖掘現(xiàn)有工藝方案、工藝標準中的生產(chǎn)工藝規(guī)律和生產(chǎn)指標特性。利用物理冶金學(xué)模型和信息化技術(shù)，對生產(chǎn)過程中各種物理冶金現(xiàn)象進行綜合數(shù)值模擬，依據(jù)各關(guān)鍵指標之間的復(fù)雜關(guān)系和作用機制，對其中穩(wěn)定可靠的品種推導(dǎo)前后工藝環(huán)節(jié)的性能預(yù)測模型。通過數(shù)據(jù)自動收集與模型運算，直接預(yù)測軋后的產(chǎn)品性能，作為軋線“余材充當”和“精準選樣”的依據(jù)，取消牌號的開卷、取樣及性能檢驗，降低取樣成本，提高成材率。

4）基于決策模型的智能分切。面向質(zhì)量缺陷處置環(huán)節(jié)，利用物料規(guī)格、訂單要求、尺寸、性能、表面類綜合判定結(jié)果等數(shù)據(jù)進行多維度的綜合分析及推理。構(gòu)建質(zhì)量處置決策模型，引用時空轉(zhuǎn)換技術(shù)、關(guān)聯(lián)分析及預(yù)測算法，考慮物料質(zhì)量異常部位、分切后產(chǎn)品的完整性、設(shè)備計長誤差、工序位置平移、表面缺陷、外觀缺陷、性能缺陷、分切后訂單的兌現(xiàn)等諸多因素，一鍵式得出缺陷處置指令。構(gòu)建智能分切知識庫，根據(jù)質(zhì)量判定規(guī)則，挖掘曲線特征值和鋼種大、中、小類、厚度、寬度規(guī)格的評審結(jié)果對應(yīng)關(guān)系，確定缺陷點，再根據(jù)連續(xù)標準將缺陷進行合并，給出曲線處置意見及缺陷距頭尾位置， 指導(dǎo)切頭切尾等后工序任務(wù)，為連退、鍍鋅、重卷等工序智能分切提供支撐，減輕各生產(chǎn)環(huán)節(jié)產(chǎn)生的質(zhì)量缺陷對成品的影響。

全流程質(zhì)量追溯及分析

全流程質(zhì)量追溯及分析將智能質(zhì)量過程判定和表面缺陷檢測分類形成的結(jié)構(gòu)和非結(jié)構(gòu)數(shù)據(jù)，都存儲到工業(yè)大數(shù)據(jù)平臺中。主要支撐質(zhì)量關(guān)鍵管控指標監(jiān)控及分析、產(chǎn)品全流程過程質(zhì)量綜合評價、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。

利用系統(tǒng)提供的樣本散點圖、樣本運行圖、均值運行圖、箱線圖、等值線圖、相關(guān)性散點圖、頻度分布圖、Pareto 圖等多種常用統(tǒng)計分析圖進行數(shù)據(jù)探索性分析，利用過程能力指數(shù)、SPC 統(tǒng)計分析、聚類算法、關(guān)聯(lián)規(guī)則、決策樹分類、參數(shù)差異性分析、序列模式分析、工藝規(guī)則提取等高級分析工具和方法解決快速定位問題，利用仿真和工藝優(yōu)化功能等實現(xiàn)工藝參數(shù)或規(guī)則知識的優(yōu)化，實現(xiàn)產(chǎn)品質(zhì)量的持續(xù)改進。

（1）表面質(zhì)量缺陷遺傳性追溯

采用多工序工藝質(zhì)量數(shù)據(jù)協(xié)同處理方法，根據(jù)不同工序、不同設(shè)備的工藝參數(shù)和質(zhì)量缺陷等的對應(yīng)關(guān)系，進行數(shù)據(jù)的統(tǒng)一處理和分析，以提高質(zhì)量追溯和問題定位的準確性，尤其是進行工藝質(zhì)量遺傳性分析。通過傳統(tǒng)規(guī)則設(shè)定和大數(shù)據(jù)模型計算兩種方式，對帶鋼厚度檢測、表面缺陷分布、工序平移、規(guī)格變化、開卷次數(shù)以及翻面次數(shù)等各種與質(zhì)量相關(guān)信息進行綜合處理運算，以滿足跨工序快速定位缺陷的要求，自動給出前后工序缺陷對應(yīng)位置和最佳匹配缺陷，實現(xiàn)缺陷的一貫制快速反查。技術(shù)路線圖如圖 4 所示。

（2）重點管控指標監(jiān)控及推送

通過數(shù)據(jù)的清洗以及數(shù)據(jù)主題的構(gòu)建，實現(xiàn)跨工序工藝參數(shù)、質(zhì)量數(shù)據(jù)的交互式正向追蹤、逆向追溯，形成供業(yè)務(wù)人員進行分析的基礎(chǔ)主題數(shù)據(jù)，最終通過可視化組件進行圖形化展示，對業(yè)務(wù)的自定義分析具有很好的效果。另外對于關(guān)鍵指標進行自動統(tǒng)計、原因自動定位以及異常主動推送，方便業(yè)務(wù)人員及時發(fā)現(xiàn)異常問題，調(diào)整現(xiàn)場工藝。

（3）跨工序產(chǎn)品質(zhì)量異常診斷

跨工序產(chǎn)品質(zhì)量異常診斷是對產(chǎn)品工藝過程參數(shù)進行全流程跨工序的全面分析的過程，對于把握整體質(zhì)量控制水平和進行異常診斷具有重要的指導(dǎo)意義。

跨工序工藝曲線與表面缺陷聯(lián)合分析，按物料樹， 將鋼后工序的工藝曲線和表面缺陷集成到一個畫面中進行對照分析。并可通過單卷分析和多卷查詢對比進行分析，針對不同物料的同一工藝參數(shù)，進行對比，找出差異及異常。

（4）客戶質(zhì)量異議快速反查

針對表面，尺寸，板型和性能這幾類異議按照可能影響到異議產(chǎn)生的材料基本信息（包含材料的卷號、機組、牌號信息、合同規(guī)格要求等數(shù)據(jù)）、過程參數(shù)信息（主要包含各種高頻曲線、曲面數(shù)據(jù)，以及相應(yīng)的單值數(shù)據(jù)），質(zhì)檢判定信息（包含在線系統(tǒng)判定結(jié)果信息以及粗糙度、抗拉強度等實驗信息）進行集成，承接客戶服務(wù)系統(tǒng)質(zhì)量異議及抱怨可以快速地查詢到異議卷的生產(chǎn)、質(zhì)檢和放行信息，從而進行質(zhì)量異議的綜合分析。

最終效益

1）完善全面質(zhì)量管理體系。全流程過程質(zhì)量管理彌補了質(zhì)量過程控制的空白，為質(zhì)量設(shè)計和改進提供支撐，實現(xiàn)了從鋼水投入到成品產(chǎn)出整個過程的監(jiān)控、調(diào)整、判定、預(yù)測、檢驗和處理，實現(xiàn)了全流程一體化閉環(huán)質(zhì)量管控，并優(yōu)化了客戶服務(wù)、質(zhì)量異議等處理流程，大大提高客戶滿意度。

2）優(yōu)化業(yè)務(wù)流程和組織結(jié)構(gòu)。以過程控制系統(tǒng)的數(shù)據(jù)為基礎(chǔ)，利用統(tǒng)計方法對生產(chǎn)過程進行監(jiān)控、診斷、分析和改進，實現(xiàn)全線自動質(zhì)檢，簡化了質(zhì)檢流程，提高工作效率及客戶滿意度。

3）支撐遠距離、跨基地的工序協(xié)同。基于統(tǒng)一平臺的數(shù)據(jù)共享，實現(xiàn)跨基地上下游質(zhì)量缺陷追溯與定位分析，各基地可以直觀了解上下游質(zhì)量問題，并做出相應(yīng)改善及工藝調(diào)整，解決跨工序質(zhì)量問題。

該項目的實施，提高了產(chǎn)品過程控制的穩(wěn)定性，提高了質(zhì)量過程控制的效率和準確度，自動判定率達100%， 判定周期由30 min 降低到5 min。機器替代人工判定， 實現(xiàn)了由人工管控到全流程自動過程質(zhì)量監(jiān)控及預(yù)警，臨時封閉率下降了16.84%，現(xiàn)貨發(fā)生率下降了4.9%，返修率下降了0.89%。缺陷分類的準確率提高了12%，對各工序表檢數(shù)據(jù)進行集成，實現(xiàn)對全流程表面缺陷演變情況的快速、準確、便捷定位和追溯，可快速鎖定缺陷來源工序和產(chǎn)生原因，對遷順產(chǎn)品質(zhì)量的改進提升起到重要促進作用。汽車板PPM 值呈下降趨勢，2021 年奔馳為0 ppm，寶馬月均39.6 ppm，日系產(chǎn)品月均7.3 ppm， 一汽大眾月均6.8 ppm。按照現(xiàn)貨和正品的平均差價計算，全年產(chǎn)品質(zhì)量提升帶出的經(jīng)濟效益約為1 733 萬元。

結(jié)束語

首鋼產(chǎn)品定位以高端家電、汽車以及制造用鋼為主。高端用戶追求零缺陷交貨，對生產(chǎn)過程中質(zhì)量穩(wěn)定性要求更為嚴格，依賴人工過程控制無法實現(xiàn)過程的準確管控，缺陷發(fā)生率較大。因此首鋼以“追求零缺陷、實現(xiàn)高準確度、提高客戶滿意度”為目標，建設(shè)的全流程質(zhì)量管控實踐，以機器智能決策，提升了產(chǎn)品過程質(zhì)量的管控能力，從而在快節(jié)奏和大規(guī)模生產(chǎn)下提高產(chǎn)品的穩(wěn)定性，降低成本損失，滿足客戶個性化需求。

該案例中所遇到的問題是長流程制造型企業(yè)在產(chǎn)品過程質(zhì)量管控中的共性問題，從工藝參數(shù)的采集到實時判定，再到歷史數(shù)據(jù)的歸集和開發(fā)利用，以及采用卷積神經(jīng)網(wǎng)絡(luò)機器學(xué)習的表面缺陷圖片的識別和分類，其解決方案和方法的應(yīng)用都具有通用性，對于行業(yè)內(nèi)或行業(yè)外相似場景中的共性問題具有借鑒作用。

審核編輯 ：李倩