一、研究的背景与问题

当前，我国钢铁行业发展已由规模扩张转向减量化发展阶段，热轧宽带钢产能约3.9亿吨，整体处于过剩状态，从市场竞争需要，钢铁企业努力拓展品种钢占比，相对于普材在产品质量方面提出新的挑战。当前互联网经济时代已从传统的制造经济转变为服务经济或体验经济，客户体验成为产品销售和定价的重要因素，要求钢企从以生产为核心转变为以客户为中心，同时商业模式在不断创新，产品的生命周期变短，新产品开发迭代加速，客户质量异议处理周期变短，对钢铁企业产品的全生命周期、全流程质量管控提出更高要求。但是大部分钢铁企业的产品质量管理方面仍然采用传统的质量管理模式和系统，过程管理较为粗放，难以满足当前的市场竞争需求。当前钢铁企业质量管理的主要难点和痛点如下：

1、钢铁流程行业的生产属于多工序连续生产，工序之间的质量存在遗传性，且各种质量影响因素之间为非线性、多变量耦合关系，难以通过简单经验进行质量缺陷诊断。

2、钢铁冶金及加工机理比较复杂，特别是高难度钢种生产工艺窗口比较窄，且制造过程伴随诸多的化学反应和物理变化，保障质量稳定性难度大。

3、钢铁产品生产工序多，各工序生产过程中的控制设备也比较多，各工序的过程管控和结果管控难度比较大。

4、客户的订单多样化且批量小，不同客户对产品的质量服务的个性化要求比较高，质量异议处理效率和及时工艺改进要求高。

5、传统质量管理系统数据分散，多要素的数据串接耗时长工作量大，其具体表现在数据存储比较散（分布于各管理或者控制子系统中）、粒度比较粗、工序数据串接麻烦、时效性比较差等方面。

6、质量缺陷的检测手段不足，表面质量等缺陷判定依赖人工进行识别和判定，判定准确率因人而异，且人工强度比较大。

针对当前的行业现状及质量管控存在的问题，有必要对钢铁的全流程质量综合管控关键技术和解决方案进行研究，构建以客户定制化需求为导向，以钢铁全流程质量贯通为主线，从客户需求识别到交付后客户服务的钢铁全流程质量智能管控平台，采用机器视觉等智能化手段对质量缺陷快速检测，实现质量缺陷的快速反馈干预及快速阻断，将大数据技术应用于生产过程参数的分析和监控，实现质量风险预警，并采取生产技术、装备技术、控制技术联动，保障产品质量的稳定性，减少产品质量损失，从而提升钢铁企业生产全流程质量管控能力。考虑到钢铁产品种类较多，质量管控内容较广，本项目以板带产品的质量管控为主。

二、解决问题的思路与技术方案

基于中冶赛迪信息自主开发的工业互联网平台，实现对带钢生产过程的IT&OT数据聚合，并对生产过程数据、管控业务数据、工艺规程数据等进行对齐和治理，对产品质量缺陷采用机器视觉技术进行自动检测和识别，检测结果与对应轧材进行关联，在此基础上构建数字化的质量管控系统。相关板带质量智能管控方案的总统技术架构如图1所示。

图1 总体技术架构

1、质量先导策划及客户质量反馈

主要包含对钢铁产品客户质量需求识别和转换、冶金规范管理、产品工艺过程设计及客户产品使用信息反馈等功能。

（1）客户质量需求转化和识别。通过建立“标准+α”的质量体系来提高产品质量设计的复用度、提高客户特殊需求的管理水平、提高生产工艺路径的灵活性等，使销产转化拥有高效性和合理性。

（2）冶金规范管理。冶金规范管理以钢种为基础建立全流程生产冶炼关键点的控制规则，形成特定产品的各个工序作业指令的集合。

（3）产品与工艺过程设计。通过对产品进行统一编码和维护，形成产品规范，同时把产品规范与冶金规范对照信息提供给生产端，生产端依据各工艺环节最终控制要求细化各工序控制标准，形成一套从产品规范、冶金规范、过程工艺设计的完整控制标准体系。

（4）客户产品使用信息反馈。通过销售端收集客户质量异议和建议建立客户产品使用信息反馈，用以结合产品生产工艺实绩参数进行质量分析，完善产品从质量标准、产品设计、制程控制、质量追溯到质量改进的闭环管理。

2、多工序全链路数字钢卷数据模型

钢铁流程生产过程中，物料在各工序生产过程中既有化学变化又有物理变化，且在各工序生产过程中的产生的数据各不相同，因此需要构建钢铁流程全链路的数字钢卷数据模型，提高分析效率和质量追朔能力。

（1）单工序数字钢卷数据对齐模型。建立钢铁生产各单工序数字钢卷模型，实现工序生产过程高频率数据由时间维度到长度温度的转换，并实现单工序不同生产设备基于时间维度和长度维度的物料对齐，为单工序质量追索提供高效的数据源。

（2）跨工序数字钢卷数据串接模型。建立跨工序数字钢卷数据串接模型，实现不同工序生产过程中物料数据的对齐，在工序物料数据对齐时将考虑生产过程物料翻转规则，切头切尾物料长度等。

3、工序过程质量监控

（1）关键质量数据实时监控。产品生产过程中各工序都设置了大量的过程质量检测仪表，检测仪表供应商各不相同且终端多，每个操作岗位只能关注少量终端。关键质量数据实时监控模块将对各检测仪表的数据进行实时集中高速采集，并采用动态统计学算法对实时的动态采集的测量数据进行统计分析，提供操作人员更直观的特征值，从而辅助操作人员快速决策并进行质量干预。

（2）基于机器视觉的板带全流程的质量缺陷检测。构建云端视觉算法仓库，提供数据管理、数据标注、算法训练、模型部署等功能，实现炼钢火焰识别、连铸表面质量检测、热轧粗轧道次翘扣头检测、镰刀弯检测、精轧机架间跑偏、板带表面质量检测、钢卷端面质量检测等机器视觉检测，用机器视觉来替代人眼，推进产线质量检测的全自动和智能化，降低人工值守，提高质量快速反应效率。

（3）基于机器学习的质量缺陷自动快速识别。当前各工序已有很多质量检测的仪表，但是当前仍然主要靠人工读取仪表测量值进行质量缺陷的判定，效率低、人工负荷大，且判定标准因人而异。为此构建基于机器学习的测量值的质量缺陷自动快速识别算法包，研究钢铁各工序测仪表的质量缺陷自动识别算法，实现板带各工序缺陷自动实时判别，解决人工判别的劳动负荷高、判定结果差异化等问题，提高质量缺陷判别速度和缺陷处理响应速度，实现质量缺陷的快速阻断，避免同类质量问题的批量发生。

（4）过程质量评价及监控。对各工序关键过程质量根据生产工艺的要求建立一套评价模型，并对相关的工艺特征值进行SPC监控，当监控的工艺过程参数特征值出现风险异常时进行快速预警。

4、组织力学性能预测

采用大数据数据驱动方法，基于炼钢、连铸、热轧、冷轧、后处理等工序的关键过程要素数据与检化验等数据，构建基于数据的各钢种规格性能预报模型，根据实测过程数据进行性能在线预测，生产完成后进行板带性能预报，实现对质量的预测式管理。同时该模型也可用于带钢全长度方向性能预测，形成带钢全长度方向上的组织及力学性能分布。

5、关键设备功能精度评价

构建钢铁流程各工序的关键设备功能精度数字化的评价体系，实现设备故障提前预测和快速诊断，降低设备对产品质量的影响。

6、质量缺陷追朔及分析

（1）质量缺陷封锁分析。对质量结果数据从日、班、钢种、规格等多维度进行统计分析各种缺陷发生情况，并采用日推移等方式反应各种缺陷产生的趋势变化，辅助技术人员快速发现质量缺陷劣化的趋势，并快速决策改进的方向。

（2）质量追溯知识图谱。建立质量追溯知识图谱用于分析质量缺陷、缺陷产生原因、监控报警之间的关联关系。根据成品钢卷缺陷和过程报警，通过知识图谱进行缺陷溯源分析，自动追溯并展示出缺陷原因链方便追溯缺陷过程数据。

（3）跨工序自主过程数据可视化分析。以数字钢卷为基准，全方位展示工艺、生产数据、化学成分、质量相关等特征数据，从多维度对数据进行全方位可视化，为物料建立一张全景数字画像。用户也可以自主跨工序的对生产的过程数据从时间维度和长度维度进行单物料多变量，或者多物料单变量对比分析，并可以对相关的特征进行对比统计分析。

（4）质量缺陷自主分析工作台。基于数字钢卷构建一套可自主组织数据、自主分析与挖掘的一体化质量缺陷数据分析的工作台，实现技术人员个性化分析。

三、主要创新性成果

1、基于机器视觉的钢铁全流程的质量缺陷检测技术，研究了炼钢火焰识别技术、连铸表面质量检测技术、热轧粗轧道次翘扣头检测技术、镰刀弯检测技术、精轧机架间跑偏技术、带钢表面质量检测技术、钢卷端面质量检测技术，实现了用机器视觉来替代人眼，推进产线质量检测的全自动和智能化，降低人工值守，提高质量快速反应效率；

2、全流程质量追溯技术，研究了板带全流程生产过程物质流、信息流融合的物料数字化技术，解决产品多工序生产过程中数据多源异构、数据粒度粗、工序间数据对齐困难、特征提取效率低的问题，实现钢铁流程生产中炼钢、连铸、热轧、冷轧全工序的全链路的数字钢卷，解决了全流程质量追索时数据分散及获取难得问题，从而提高质量全流程追朔能力和分析效率。

3、基于数据模型的板带组织性能预测技术，研究了基于数据驱动方法建立热轧性能预报模型，实现了基于生产过程数据的性能在线质量预测、生产完成后进行板带性能预报，从而实现对性能质量的预测式管理。

四、应用情况与效果

1、开发了一系列基于机器视觉的钢铁全流程的质量缺陷检测技术，其应用情况如下：

（1）翘扣头检检测精度小于5mm，准确率大于99%。

（2）镰刀弯检测的检测精度3mm，准确率大于99%。

（3）钢卷端面质量检测，塔形检测精度小于0.5mm，端面质量缺陷（毛刺、折叠、边裂、内松卷）检测准确率达到99%。

2、某钢厂在使用该系统以后，通过数据分析，快速决策，加强质量管控和参数优化，以前封锁率排名前二位板形和卷形出现了明显改善，如下图所示是2023年1到10月板形和卷形封锁率改善情况。

信息来源：中冶赛迪信息技术（重庆）有限公司

版权与免责声明
【1】本网站凡注明“学会秘书处”的所有作品，版权均属于四川省金属学会所有，未经书面授权，任何媒体、网站或个人不得转载、摘编或利用其它方式使用上述作品。已经本网站协议授权的媒体或网站，应在授权范围内使用上述作品，并注明“来源：四川省金属学会”。违者本网站将追究其相关法律责任。
【2】本网站凡注明“来源：XXX（非学会秘书处）”的作品，均转载自其它媒体，登载此作品出于传递更多信息之目的，不代表学会观点或证实其描述，不对其真实性负责。作品内容仅供参考，如转载稿件涉及版权等问题，请在两周内来电或来函与四川省金属学会联系。