《智慧钢铁大脑项目解决方案》由会员分享，可在线阅读，更多相关《智慧钢铁大脑项目解决方案（5页珍藏版）》请在装配图网上搜索。
1、智慧钢铁大脑项目解决方案cz0血Af7.1 项目背景攀钢希望能够以工业大脑技术为载体，以积微物联为平台，挖 掘钢铁运营、生产过程中的数据价值，实现传统企业弯道超车的愿 望，有效提升攀钢集团的行业竞争力。经过攀钢业务工程师、积微物联技术团队与阿里云工业大脑团 队数据专家的多轮讨论与实地现场考察，基于数据采集难度、项目 风险性与收益等综合因素考虑，最终决定从两个场景入手：从冷轧 板的表面检测与炼钢脱硫工艺优化两个场景着手工业智能的尝试。项目痛点：1）脱硫是钢铁生产过程中的一个重要环节，旨在降低铁水中 的硫含量。而脱硫环节由于扒渣带铁（脱硫剂反应后产生的脱硫渣 中含大量的铁）会带走大量金属料。经测算
2、，每个炉次（以220吨 计）的脱硫渣量均值为 5 吨，脱硫渣中铁损占比约为 40% - 55%， 假设经过参数推荐优化后能将脱硫剂的加入量降低 10%，理论上测 算可降低钢铁料消耗0.8-lkg/吨钢。2）冷轧钢带经过轧制、热处理等连续加工工艺后会形成长约 千米的钢卷。在表面检测环节，质检员通常会在短短 5 到 10 分 钟内，识别出少则十几个，多则上百个的缺陷，并在表检仪（表 面检测设备）扫描完毕的 30 秒之内给出表面等级、分选度、主缺 陷和是否合格等判定。检查人员长期从事的高强度、重复且又枯燥 工作性质决定了其过程输出的稳定性难以得到保证，同时，检查人 员在对产品标准的理解和把握上存在个
3、人经验差异势必也会造成判定 水平高下、参差不齐。最终导致的结果则是客户的使用体验与满意 度变差或者质量成本提升，无疑，这些都构成企业巨大的隐性成本 损失。7.2 项目实施1.对于炼钢脱硫工艺优化场景：通过分析建模，优化脱硫环节工 艺，推荐最优的脱硫剂加入量，提高脱硫剂利用率，降低脱 硫环节 的铁损。2.对于冷轧板的表面检测场景：面向钢铁行业冷轧板材的表面 质量检测场景，构建表面质量自动判定模型，辅助人工判断产 品缺 陷，降低人工依赖性、提高判定准确率。工畦血i行业W法横羽算迭引V2）应用场景与技术方案1.炼钢脱硫工艺优化场景：采集脱硫工序流程数据，通过建模分析获得脱硫工艺优化的关 键因子，结合
4、专家知识，依靠 脱硫仿真模型与参数寻优模型寻找最 优参数。仿真模型：基于历史数据与实时数据，构建脱后硫预测模型。 通过结合脱硫剂加入量、 喷吹速率等十多个关键参数，模拟脱硫全 过程，预测出脱硫后的硫含量，并配合参数 优化模型，检验不同组 参数的合理性及有效性。实时数据历史数锯嘆型构建最比参数T善数寻优胃炉铁水进站参数录入动态际脱硫缎推荐参数寻优模型：结合机器学习与老师傅在工业控制上的经验，识别脱硫过程中的关键 因子（对脱硫结果影响最大的参数），包括 钝化镁加入量，钝化石灰加入配比，平均流量，喷吹时长等，通过参 数寻优模型识别参数间的最优关系。优化模型提供的多组优 化参数 再回归到仿真模型中进行
5、反复验证与优化，最终得到最优参数-即 在满足脱硫效果的前提下，达到最小脱硫剂加入量的那组“配方”。2.冷轧板的表面检测场景：首先，表检仪将非结构化数据（图片信息）结构化，将几千种产品外观缺陷归纳为 60-70 大类，例如：平整斑、翘皮、擦伤、压印、 麻点、气泡等。其次，表检数据结合 MES 数据输入到模型中进行训 练，通过聚类算法、规则引擎（含用户需求识别的自学习重构功能、） 缺陷严重程度量化模型等深度学习技术，对轧钢分级最初步判定。最后，再结合人工的进一步确认得出最终判定结果。等”礙进却口 信餌丹11做瞬 严更程度碗点訥T值g 取”锁AM迦 引单中-逬行做*表面泰删虚模型*S6碉魁，表规腳蚯
6、讎丛MES系统中提取 出当前钢卷所需藍的看的要求如加牍, 最第用途,顧用算法 模型7.3 实施效果对于炼钢脱硫工艺优化场景：铁水进站后，脱硫优化模型将提 取相关数据将进行参数优化计算。脱硫操作人员将根据推送 的推 荐参数，动态调节脱硫剂的加入量，减少脱硫剂的消耗。除了脱硫工艺优化场景以外，攀钢钢铁大脑的炼钢工艺优化， 还完成了提矾、转炉、配合金、精炼、连铸等多个炼钢工艺相关模 型的建立，实现吨钢生产节约1.28kg钢铁原料消耗，合金成本1.2 元/吨的降低。根据实际测算，对年产值 440 万吨钢的攀钢西昌钢 钒基地来说，年成本节约约为 1700万元。对于冷轧板的表面检测场景：算法模型输出的自动定级结果与 人工判定结果对比，表判码准确率达 92%以上，分选度准确率达 80% 以上。
智慧钢铁大脑项目解决方案
