基于大数据分析系统的冷轧工序质量管控平台功能及应用

王金星 ，王植 ，赵志鹏 ，阮国庆 ，毕海波 ，曹凯

（1.鞍钢股份有限公司冷轧厂，辽宁 鞍山 114021；2.北京科技大学，北京 100083）

冷轧工序是生产高端产品的重要环节［1］，包括酸洗、冷轧、退火、精整等多个环节，涉及众多设备，工艺过程复杂，综合控制困难。冷轧过程受上游来料的影响显著，当上游工序来料质量存在明显波动时，会造成冷轧过程工艺参数的波动，进而导致最终产品质量不稳定；在冷轧过程中，酸洗、润滑及冷轧工艺参数均会影响冷轧产品的质量稳定性；此外，冷轧之后退火过程中，由于连退机组炉内带钢长度很长，在炉内极易发生跑偏及瓢曲等缺陷，影响冷轧产品的最终性能及质量［2］。随着大数据技术的成熟和应用，使得冷轧工序及其他钢铁生产工序生产过程中的海量信息及生产数据可以实现协同处理，通过对过程数据判定与评级，实现过程监控、质量追溯，可实现全流程生产过程受控。

鞍钢全流程产品质量大数据分析系统基于大数据及物联网技术开发，并于2019年4月正式投入运行。该系统覆盖炼钢、连铸、热轧、冷轧等生产线，可以对炼钢、热轧、冷轧等生产线的关键工艺参数数据进行实时采集、变换，提高数据利用率，解决数据孤岛问题，具有数据追溯、质量判定、质量监控、数据分析等功能，实现了全流程过程数据和产品质量数据的统一管理和应用。

鞍钢冷轧质量管控平台基于鞍钢全流程产品质量大数据分析系统建立，可实现冷轧过程实时监控、质量追溯及计划评价等工作，有效监督和控制生产过程质量波动，提高冷轧生产效率和产品质量稳定性。本文将重点介绍鞍钢冷轧质量管控平台相关功能及应用。

1 鞍钢全流程产品质量大数据分析系统

为解决钢铁生产各工序间生产数据无法协同共享、数据分析手段不足的现实问题，鞍钢与北科大共同设计研发了针对鞍钢各生产工艺的全流程产品质量大数据分析系统。该系统以物料为中心，采集并整合从炼钢、连铸、热轧、冷轧到退火等各生产工序过程数据，实现工序间质量信息共享；在对全流程生产工序数据采集基础上，通过对过程数据判定与评级，实现各工序生产过程监控、质量追溯；系统采用数据挖掘算法和数理统计分析方法发掘各工序海量数据中蕴含的知识模型及工艺规律，实现对各生产工序工艺参数优化改进［4］。

该系统分为数据中心区、ERP网部分、生产网及外网，数据中心采用核心层和接入层两层扁平化网络结构，同时部署了入侵防御、网闸、Web防火墙等安全措施来提高生产网的安全防护和检测能力，确保网络数据安全；网络采用双平面环路模式及典型的TCP/IP结构，将整个系统网络划分为多个模块，严格监控数据流向，实现分厂之间数据隔离和访问禁止［4］。

鞍钢全流程产品质量大数据分析系统提供了全流程的质量判定、过程监控、质量追溯、质量分析等功能，同时也提供可视化及报表等辅助扩展功能，该系统作为一个集中、共享、统一、协调的质量管理体系，满足了企业信息化建设个性化需求，提升了企业竞争力，具有良好的推广应用前景［4］。

2 冷轧工序质量管控平台架构

冷轧工序质量管控平台集成于全流程产品质量大数据分析系统，其架构如图1所示，主要包括数据采集及处理模块、核心功能模块等。

图1 冷轧工序质量管控平台架构Fig.1 Cold Rolling Process Quality Control Platform Architecture

冷轧工序质量管控平台可以对冷轧生产过程中的设备及物料等信息进行实时采集，实现生产过程实时监控；通过整合处理采集数据及相关算法，对生产过程中物料质量信息进行分析，实现冷轧工序质量追溯、质量预测及质量预警；同时，该平台能够实现对排产计划进行评价，优化改进生产计划，提高生产效率。冷轧工序质量管控平台各模块的特点如下：

数据采集及处理模块可以自动采集包括L1实时数据、L2设定数据、L3计划和目标数据、大型仪表数据、检化验数据和取样数据等在内的数据及过程工艺数据，并对采集到的各类数据进行实时处理、重整，按照生产过程工艺特征事件、状态重整后构建多源异构数据之间的关系，形成具有统一数据模型的统一数据存储架构。

核心功能模块包括生产过程监控、质量追溯、质量分析、质量预警等功能。该模块可以对生产过程中工艺及质量数据进行在线监控与离线追溯；并对质量异常及影响质量精度的相关因素进行分析，基于分析结果调整模型及生产工艺参数，实现生产过程工艺参数优化；同时，可以根据上游热轧工序来料信息实现实时预警，提出优化解决方案，指导冷轧工序工艺参数的修正，提高冷轧工序生产效率及产品合格率，为企业降低成本，提高效益。

3 冷轧工序质量管控平台功能

3.1 数据采集及处理

数据采集及处理模块可以自动采集与处理冷轧过程中带钢信息、传感器数据、仪表数据及工艺过程数据。数据采集过程考虑通过各类传感器实现自动、周期采集关键设备数据，如刚度偏差、刚度保持率、辊缝偏差、轧制力偏心值、APC动作响应、弯辊及轧辊轴向横移响应、轧辊辊号等基础数据，与质量参数、物料参数、工艺参数、质检参数等多源异构数据形成统一数据存储系统，并通过数据预处理、数据重整等算法将重整后的数据提供给数据平台。

3.2 过程监控

冷轧工序包括酸洗、轧制、退火等工艺过程，各个生产环节均涉及多个工艺参数，这些工艺参数影响冷轧产品最终质量。传统冷轧工序不能够实现实时监控各个生产环节的状态参数，当出现质量问题时再对相应数据进行查询追溯，降低了生产效率，增加了人工成本。

鞍钢冷轧工序质量管控平台可对冷轧过程中关键工艺参数和状态参数实现在线实时监控，并针对物料轧制状态，根据产品要求，显示相应的工艺参数实际值和控制极限，监控生产过程中物料信息及工艺数据的变化，并根据各工序物料实际状态，给出操作提示，实现生产过程预警及控制。同时，通过监控画面将实时数据展示在相应终端，方便管理人员远程监控现场生产状态并汇总现场生产信息。图2、图3为冷轧过程中酸洗及冷轧工序、连退工序过程监控实时画面。

图2 酸洗及冷轧工序过程监控实时画面Fig.2 Pickling and Cold Rolling Process Monitoring Real-time Screen

图3 连退工序过程监控实时画面Fig.3 Continuous Annealing Process Monitoring Real-time Screen

3.3 质量追溯

大数据分析系统形成了各个生产工序内部关键工艺参数及物料信息数据库，并建立了前后工序间的对应关系。采用该系统可以轻易获取上游及下游工序间的实时数据信息，从而实现对异常数据点的追溯。

冷轧工序可以基于平台数据存储功能，根据操作人员提供的物料号，快速筛选出该物料号在生产过程中指定时间和条件下的实际生产过程数据，通过对比分析多工序过程参数，实现对冷轧产品质量的分析判别和工艺追溯，快速发现异常问题的特征与来源。

3.4 质量分析

质量分析模块提供了相关性分析、聚类分析等多种分析方法，可根据需求快速对生产数据集进行质量分析，通过高效分析冷轧过程中的产品质量缺陷，进而对产品质量进行改进。通过数据特征识别技术，实现对冷轧过程中质量偏差、工况异常问题进行追溯和成因分析，明确产生异常的工艺因素，并建立工艺质量异常关联数据库，通过分析过程不断训练和优化数据库，减少质量异常情况的发生。

3.5 质量预警

冷轧工序可对冷轧过程中重要工艺过程参数、质量参数进行实时在线监控，通过参数超限预警方法、SPC统计控制方法、神经网络模型预测方法等，实现生产过程实时质量预警，向操作人员提供作业预警信息，保证批次内产品质量稳定性。对于一些无法直接测量的质量指标，采用数据驱动的方法对冷轧过程的实时质量进行预警。通过数字化方法形成定量的评价指标，描述冷轧过程中设备状态和健康情况，用于预防因关键设备状态而可能发生的质量缺陷。

4 冷轧工序质量管控平台应用

4.1 应用案例

现就冷轧工序质量管控平台在鞍钢冷轧2130生产线上的实际应用进行例举说明：

（1）过程监控应用

在鞍钢冷轧2130生产线，过程监控包含酸洗、轧制、退火、平整各个冷轧环节，该管控平台对各生产过程中的工艺参数及物料信息实现了实时的过程监控，跟踪监测设备参数、工艺参数及物料信息的实时状态，结合质量控制计划和关键工艺点的要求，实现对过程中的异常信息进行特殊提示、记录、统计，并在终端提示操作人员和工艺人员对生产过程做出适当调整，实现对整个冷轧工序的过程监控。例如平整液残留缺陷控制，该平台对平整后的各吹风梁的压力进行监控，出现风压过低或过高时提示操作人员及时调整，改变了以往检查员发现带钢平整液残留，再通知操作人员排查问题，调整改善滞后的现状，平整液残留缺陷基本消除。

（2）质量回溯应用

产品在冷轧生产结束后，如果质量出现异常，可以通过物料号采用该质量管控平台快速追溯，显示炼钢、连铸、热轧、冷轧该物料号所对应的生产过程实际数据，对比分析工艺变化点，找到产生问题的原因。工艺人员根据具体的质量问题，建立分析模块，快速定位异常状态出现原因，实现对冷轧产品质量全流程工艺追溯，进而对相应工序进行工艺改进。例如汽车用高强钢在使用过程中长度方向部分位置出现冲压裂，根据出现问题的带钢位置，追溯热轧和冷轧各环节的温度和时间控制，找到性能异常波动的原因，验证并完善控制标准。

（3）在线评级应用

在冷轧生产过程中，平台可根据生产过程中的物料状态及设备状态，对生产过程中冷轧材进行在线评级，通过对尺寸、板形、性能的综合评价，给出判定结果，评价实物质量的变化趋势，可以避免人工判定带来的误差及人为因素的影响，同时提高了评级的效率，减少人工成本并提高生产效率。例如高强钢板形质量，该平台对板形I值的在线评级，局部位置超出标准的物料报警封闭，提示超出标准的具体位置和严重程度，进行返修处理，避免下工序在使用时出现卡钢、停线等问题。

4.2 实施效果

冷轧工序质量管控平台的应用实现了如下显著的效果：

（1）该平台能够及时显示冷轧过程中过程参数及产品质量异常，并提供建议及改进方案，便于生产管理人员进行及时调整，避免出现批量质量问题，提高了质量稳定性，减少质量缺陷的发生。

（2）该平台可以实现对生产过程中产生的异常情况进行回溯分析，定位引起异常的上游工序对应工艺参数，从而实现对整个流程进行优化，提高最终产品合格率。

（3）该平台可以实现对生产过程中物料信息及过程参数进行在线及离线分析，对质量与工艺参数关联分析与优化，有效提升了生产技术人员对生产过程的分析效率，同时提高了分析准确率。

5 结语

基于大数据分析系统的冷轧质量管控平台，可以实现对冷轧过程中的多种数据源信息进行存储整合，并与上下游工序间数据进行实时共享，实现对冷轧过程实时监控，为操作与技术人员提供集成可视化的监控工具，保证生产过程实时受控；该平台通过质量分析及预警功能，可以形成系统的质量判定规则体系并实现在线自动判定，显著提升质量判定效率与准确性；通过质量追溯功能模块，快速发现质量异常问题形成原因与关联规律，并给出工艺参数的优化区间，有力保障了生产过程与产品质量稳定性。该平台可有效提高冷轧工序生产效率及操作人员与技术人员的工作效率，提高冷轧产品稳定性及合格率。