冷軋帶鋼表面質量智能分級判定系統檢視原始碼討論檢視歷史

來自 新浪網 的圖片

冷軋帶鋼表面質量智能分級判定系統西昌鋼釩冷軋帶鋼表面質量智能分級判定技術尚屬國內外板帶材軋制領域首創，是應對長期困擾鋼鐵製品表面質量人工識別、判定管理難題挑戰而提出的一套工業應用解決方案。該系統使產品監視和測量裝置得到有效充分利用，使產品監視環節更加智能化、高效化，是提升現場品質管控的重要工具，可有效提高企業的質量管理水平。

主要技術內容

西昌鋼釩冷軋帶鋼表面質量智能分級判定技術尚屬國內外板帶材軋制領域首創，是應對長期困擾鋼鐵製品表面質量人工識別、判定管理難題挑戰而提出的一套工業應用解決方案。該系統使產品監視和測量裝置得到有效充分利用，使產品監視環節更加智能化、高效化，是提升現場品質管控的重要工具，可有效提高企業的質量管理水平。

該系統是基於獲取在線表檢系統提供的實時缺陷信息，融入用戶需求識別及內控質量分級管理要求，通過質檢專家規則機理模型與上傳雲端的質量信息分析而建立、訓練大數據模型的有機結合，以實現冷軋帶鋼表面質量量化精準判定。冷軋帶鋼表面質量智能分級判定系統，使產品監視和測量裝置得到有效充分利用，使產品監視環節更加智能化、高效化，是提升現場品質管控的重要工具，可有效提高企業的質量管理水平。提高質量檢查判定的及時性和準確性，降低了生產過程中帶鋼表面質量檢查及判定嚴重依賴於質檢員的模式，並且規範了判定標準的一致性，解決了因人員業務能力參差不齊而造成的判定標準不能完全統一的問題。充分利用歷史鋼卷表面質量信息針對某一用戶、牌號及規格的產品表面質量判定規則進行個性化配置，指導質量設計。

充分發掘及利用大數據，基於人工對缺陷的歷史判定結果，構建出鋼卷表面質量判定模型。模型訓練過程中，首先對數據進行了異常值的處理，移除了結果存在明顯偏差的數據點。進一步，通過對樣本的採樣降噪處理，以及對模型損失函數的調整，減少了數據樣本不均衡度帶來的影響。利用XGBoost的模型進行判定模型構建，通過貝葉斯優化的方式對模型進行參數調優，實現優化的鋼卷缺陷判定模型。最終利用Lime的方式，進行機器學習可解釋性的構建，從而解決了機器學習黑盒子的問題。通過大數據模型的方式，可以進一步提高對鋼卷表面質量的識別的有效性，在判定過程中可以充分考慮到缺陷之間的聯合判定情況，以及客戶對產品要求的差異性，從而使判定結果更能吻合人工判定的邏輯，同時也具備充分的解釋性。

技術應用情況

該系統已於2020年3月在西昌鋼釩板材廠連退機組運用至今。

一是提高質量檢查判定的及時性和準確性。實時給出相對完整的表面缺陷描述，質檢可直接使用或進行部分調整後使用，為質檢員節約出多餘的時間用於實物質量的檢查，提高質檢員的工作效率。因傳統的質量檢查及判定完全依賴於人工，當人工因其他原因暫時離崗時，就會對判定及時性及準確性造成影響，智能表檢可實時在線。鋼卷生產完成後30秒內給出判定結果，幫助質檢人員進行初步判定，可通過「質檢報告」的形式將鋼卷表面所有缺陷給出詳細的位置、大小，根據給出鋼卷缺陷位置，質檢員可以根據給出的位置快速查找並確認。因表檢儀檢測可能存在缺陷重疊，嚴重缺陷被輕微缺陷掩蓋。智能表檢可以將被掩蓋的嚴重缺陷找出並給出準確的位置，防止漏檢。經過模型輔助判定，成功攔截了14.2%的不合格鋼卷，問題鋼卷攔截率從原來的85%提升到現在的接近100%。降低了問題鋼卷流出市場的風險。

二是降低人工工作量，提高人工工作價值。表面質量信息描述更加規範、準確、完整，可有效評判質量檢查員技能水平的高級，對技能水平性對較低的質量檢查員進行針對性的培訓及輔導，解決了因人員業務能力參差不齊而造成的判定標準不能完全統一的問題；可有效減少質量工程師對鋼卷表面質量開包檢查的次數。把質量工程師從低價值的重複枯燥人工檢測工作中解放出來，投入到質量標準修訂、質量提高等高價值工作中。

三是判定規則的標準化。規則標準化與可執行度進一步提高。判定規則中定量化描述指標比例接近100%，避免了質檢人員定性化的個人判定，從而實現人工在執行規則過程中有理可依。推動判鋼規則的行業標準化。當前冷軋卷的判定主要以企業內部標準內，行業內缺少統一的判定準則。通過本次項目中的沉澱，可以把具備行業共性，具備可執行性的規則，進一步推廣到鋼鐵行業中，從而主導整個行業的判鋼標準化。