基于数据生命周期的铝电解生产过程质量控制研究

黎书文

(贵州理工学院 机械工程学院，贵州 贵阳 550003)

0 引言

铝是消费量第二大的有色金属，作为仅次于钢铁的基础原材料，在制造、交通、建筑等领域应用十分广泛，铝电解工业对国民经济的支撑具有战略意义[1]。伴随着物联网、云计算、大数据等网络信息技术在制造业中的广泛应用，铝电解行业也朝着智能化、系统化、信息化的方向发展，企业的数据采集、存储、决策和管理水平得到极大提高，整个铝电解行业积累了相当可观的生产数据，这些数据从侧面反映了企业生产的运行状况和产品质量信息。针对铝电解生产过程复杂难以建立数学模型、传统的人工控制决策方式难以适应当前的生产需求等问题，数据驱动的方法应运而生，如数据挖掘技术在故障诊断、生产调度和决策控制方面的应用[2]。本文通过挖掘历史数据中的有用信息并与实时数据进行深度融合，在质量数据采集、存储、决策和管理的基础上，从数据生命周期的角度出发，构建了一种铝电解生产过程质量控制的优化方法。

1 基于数据生命周期的过程质量控制亟待解决的问题

实际铝电解生产过程中，由于受生产现场数据采集及分析的精度和效率影响，无法为提高生产质量和优化能效提供及时帮助[3]。鉴于“人、机、料、法、环、测”等影响质量特性的因素存在，使得产品的质量波动不可避免。因此，生产过程质量控制对产品全生命周期内的质量和成本影响甚大。

基于数据驱动的质量控制方法在理论方面的研究越来越深入，在企业的实际应用也日趋完善。随着产业信息化的日益提高，更多的企业开始重视生产数据的利用。与此同时，计算机信息技术的发展也为质量数据的采集、存储、处理和分析提供了强大的技术支持。传统的多元统计监控方法已很难满足企业的生产需求，现已逐步过渡到基于人工智能的质量智能诊断方法，而以时间序列法、统计回归法为代表的传统的质量预测方法也逐步向智能预测方法转化，其中较为主流的技术包括神经网络和模糊理论控制方法[4]。数据驱动的智能方法与人工经验为主的过程优化方法相互融合，以先进的质量管理方法和技术作为质量管理的重要工具已成为质量控制研究的重要内容。尽管以数据分析为核心的过程质量控制取得了重大突破，但在实际应用中还有很多问题亟待解决，具体问题如下：

(1) 生产流程的高度耦合。对于铝电解而言，由于原材料的物理化学反应过程较难实现数字化，而工序又具有连续性，容易导致前工序的影响传导到后工序[5]。现有工业系统中的控制技术无法解决高度耦合及非线性关系，当前建模、优化与控制理论已难以满足其绿色、高效和精细化生产的需求，导致质量优化提升困难，成本居高不下。

(2) 数据的多源异构与不确定性。铝电解生产过程涉及大量反映生产运行规律并以图像、声音、文本等格式存储的多源数据，受现有技术条件限制，多源异构数据较难感知融合。而生产车间环境复杂，电、磁、噪声干扰较强，以及工业系统自身存在的不确定性，导致传感器采集到的数据易受污染，无法精准实现数据实时有效传输[6]。

(3) 质量数据的重复利用。目前，对于铝电解过程质量控制的研究大多集中在对主要影响参数方面的分析，数据分析人员凭借以往的人工经验对质量数据分析建模，这就表明在深度和广度上质量数据的应用仍有较大的提升空间，数据系统的管理和应用在质量控制方面大有可为，从而为数据的重复利用提供可能[7]。另外，数据挖掘作为知识获取的重要渠道，在数据驱动的质量控制应用中产生海量的过程性知识，这对后续的生产具有十分重要的现实指导意义。

2 铝电解生产过程质量控制

2.1 生产过程质量预测

铝电解的生产过程监控和诊断主要用于排查生产过程中存在的异常突发状况并及时诊断产生的原因，从而有效地提高产品合格率。但这种监控方法具有一定的局限性，只会在异常发生时即刻报警，并不能提前预测可能出现的异常状况，具有时间滞后性。质量预测技术则较好地弥补了过程质量控制的缺陷，可使生产人员在质量控制中由被动防御转为主动预防，提前掌握质量变化趋势。

构建精准高效的预测模型是实现生产过程质量预测控制的关键所在。传统的预测建模方法主要依赖人工选取过程参数及数据特征[8]。随着现代生产过程的复杂化，影响质量特性的因素增多，且出现了相关性、非线性等特点，加剧了过程作用机理，解决这类问题可采用神经网络、贝叶斯网络、支持向量机等人工智能方法来获得合适的预测模型，进而提高预测的精度[9]。除此之外，在一些更为复杂的生产过程质量预测中，通过融合多种智能算法的预测建模研究也引起了更多的关注。

2.2 生产过程质量控制

基于企业电解铝生产过程的主要监测数据，通过分析质量数据特征，建立质量数据模型，开展在线离线质量数据挖掘方法研究，深入挖掘历史生产数据和实时生产数据。依据在线离线质量数据挖掘方法和质量成本模型实现生产过程质量成本的综合评估，并将评估结果反馈到知识库，具体生产过程控制方案如图1所示。

图1 铝电解生产过程控制方案

3 铝电解质量数据生命周期管理

数据驱动的质量控制是基于质量数据的采集、存储、处理、分析、更新和管理，其中蕴含了数据生命周期的思想。通过全面深入挖掘数据潜藏价值，服务于生产过程质量的预测、监控、诊断及优化。质量数据生命周期管理框架如图2所示。根据质量数据的不同形态可将其细分为动态实时数据、静态历史数据和知识数据，三者之间既相互关联又具有一定的递进转化关系。实时数据在利用完后转为历史数据进行存储，通过数据挖掘分析大量的静态历史数据有利于后续生产过程质量数据存入知识库，随着生产的持续运行，历史数据逐步积累并被重复利用，知识数据库不断扩容更新，促进了整个生产系统的持续改进。

图2 质量数据生命周期管理框架

4 铝电解生产过程质量控制持续改进

在已有的生产过程控制基础上，结合铝电解对产品质量的需求分析，构建基于大数据生命周期思想的生产过程质量控制策略，其持续改进框架如图3所示[10]。完整的生产过程应包括三个阶段，即历史生产过程、当前生产过程和后续生产过程。现从铝电解生产过程的质量数据采集与存储、数据实时应用及质量控制的持续改进等方面对该控制过程加以阐述。

4.1 质量数据采集与存储

在铝电解生产过程中，充分运用RFID、传感器等信息技术对“人、机、料、法、环、测”等生产过程各要素实时监控，结合多源信息感知与融合技术对质量特性参数、动态加工、车间环境等信息进行实时监测、采集、分类、融合，形成稳定可靠的实时数据源。历史数据库包含检测过程参数、设备运行参数、人员操作数据、原材料数据、工艺参数等数据，它能对以往生产过程中积累的质量数据进行有效地采集和存储。知识数据不但包括工艺知识、加工方法、设备运行等相关显性知识，也包括生产操作经验、故障诊断经验等隐性知识，而通过数据挖掘的方式是获取隐性知识的重要渠道。

4.2 质量数据实时应用

铝电解生产过程获得的实时质量数据主要包括设备运行参数、传感器检测数据等，多以数据流的形式被不断采集，此类数据具有多源异构、相关非线性、强噪声干扰等特征，只有采取精准有效的实时数据流分析技术，才能对影响产品质量的相关参数进行实时监测和预测，并在发现突发异常情况下快速响应，从而为优化工艺流程和参数提供参考。在线质量控制的关键在于对实时数据流、历史数据库和知识库进行深度融合及快速决策分析。通过生产过程的实时预测、监控、诊断和反馈以及对生产工艺流程的持续改进，将多种质量控制方法综合运用于生产过程，才能有效降低废品率。

4.3 质量控制持续改进

当前的生产过程一旦完成，所积累的新数据用于对历史数据库及时更新补充，所获得的设备运行状态、传感器检测数据以及生产工艺优化等新经验知识，用于补充更新知识库。而在历史生产过程所积累的海量数据中，蕴含着大量反映生产过程状态的各种正常和异常模式。通过全方位、多维度的深入挖掘历史数据获取对生产有用的信息资源，实现整个工艺流程的优化和生产系统的持续改进。数据驱动在质量跟踪溯源方面得到广泛应用，通过RFID、传感器等技术实施数据的采集、存储、分析、查询及可视化，全过程跟踪以便及时发现产品缺陷并从源头上加以控制，为解决生产过程存在的问题提供决策参考。

图3 生产过程质量控制持续改进框架

5 结束语

本文围绕铝电解生产过程的质量控制与改进问题，从生产过程数据生命周期的角度探讨了数据驱动方法的应用。通过分析铝电解存在的问题，在原有数据驱动的过程质量控制方法的基础上，提出一种基于数据生命周期的铝电解生产过程持续改进策略，以期达到提高企业生产效率和产品质量、降低生产成本的目

的。同时，通过融合信息技术提高铝电解行业的智能化水平，提升企业协同创新和精益制造的能力，不断优化流程，推动产业升级转型，实现行业的可持续发展。