CN107179749A - 热镀锌产品全流程质量控制方法 - Google Patents
热镀锌产品全流程质量控制方法 Download PDFInfo
- Publication number
- CN107179749A CN107179749A CN201610139704.6A CN201610139704A CN107179749A CN 107179749 A CN107179749 A CN 107179749A CN 201610139704 A CN201610139704 A CN 201610139704A CN 107179749 A CN107179749 A CN 107179749A
- Authority
- CN
- China
- Prior art keywords
- defect
- msub
- mrow
- index
- defective data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 230000008569 process Effects 0.000 title claims abstract description 75
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 title claims abstract description 25
- 239000011701 zinc Substances 0.000 title claims abstract description 25
- 229910052725 zinc Inorganic materials 0.000 title claims abstract description 25
- 238000003908 quality control method Methods 0.000 title claims abstract description 20
- 230000007547 defect Effects 0.000 claims abstract description 186
- 230000002950 deficient Effects 0.000 claims abstract description 57
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000005246 galvanizing Methods 0.000 claims abstract description 21
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000012958 reprocessing Methods 0.000 claims description 12
- 238000005097 cold rolling Methods 0.000 claims description 10
- 238000005098 hot rolling Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000005554 pickling Methods 0.000 claims description 10
- 229910000831 Steel Inorganic materials 0.000 claims description 9
- 239000010959 steel Substances 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 9
- 238000012252 genetic analysis Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 238000010923 batch production Methods 0.000 abstract description 4
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 10
- 238000009628 steelmaking Methods 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 229910052759 nickel Inorganic materials 0.000 description 5
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000005275 alloying Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 239000002893 slag Substances 0.000 description 3
- 238000002791 soaking Methods 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 239000002253 acid Substances 0.000 description 2
- 229910052786 argon Inorganic materials 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000004148 unit process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 208000034656 Contusions Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- XAQHXGSHRMHVMU-UHFFFAOYSA-N [S].[S] Chemical compound [S].[S] XAQHXGSHRMHVMU-UHFFFAOYSA-N 0.000 description 1
- 238000005267 amalgamation Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000009749 continuous casting Methods 0.000 description 1
- 230000009519 contusion Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- -1 impression Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- KQFUCKFHODLIAZ-UHFFFAOYSA-N manganese Chemical compound [Mn].[Mn] KQFUCKFHODLIAZ-UHFFFAOYSA-N 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XIKYYQJBTPYKSG-UHFFFAOYSA-N nickel Chemical compound [Ni].[Ni] XIKYYQJBTPYKSG-UHFFFAOYSA-N 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- SBEQWOXEGHQIMW-UHFFFAOYSA-N silicon Chemical compound [Si].[Si] SBEQWOXEGHQIMW-UHFFFAOYSA-N 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Coating With Molten Metal (AREA)
Abstract
本发明涉及热镀锌产品生产领域,尤其涉及一种热镀锌产品质量控制方法。一种热镀锌产品全流程质量控制方法,在布置到控制***后先采集缺陷数据并匹配工艺参数;再对缺陷数据进行评级得到缺陷指标综合评价值;如发现缺陷超标则进行缺陷成因分析找到首要缺陷影响参数,最后对工艺参数进行修正以减少缺陷,实现对热镀锌产品质量的控制。本发明对热镀锌产品全流程生产过程中的缺陷数据进行采集并匹配对应的工艺参数,对缺陷数据综合评价后如发现缺陷超标则通过缺陷成因智能分析模块会针对某种缺陷进行智能成因分析,得到需要重点控制的关键工艺参数及其影响范围,对下一批次生产物料的工艺参数设定值进行调整,以降低缺陷发生率。
Description
技术领域
本发明涉及热镀锌产品生产领域,尤其涉及一种热镀锌产品质量控制方法。
背景技术
表面质量缺陷占热镀锌产品生产领域损失的比例居高不下,对缺陷进行全流程的质量控制具有重要的意义。热镀锌产品生产线长、流程多、工艺参数庞杂,各个环节出现异常都有可能产生质量缺陷,并有可能向下游工序延伸,因此建立全流程的缺陷控制***,通过缺陷数据的快速分析,及时预警缺陷物料,可以减少进一步加工带来的质量损失。另一方面,生产过程中的工艺参数及工作状况对缺陷的产生有着直接的影响,如后工序(热轧、冷轧)物料上发现的保护渣缺陷与液面波动、拉速波动及吹氩状况直接相关,物料上的氧化铁皮缺陷与热轧加热炉各段温度、处理时间及轧制过程喷水、温度等有着密切关系,而有些缺陷甚至与上下游多个工序的工艺参数相关。所以,根据全流程大生产过程数据与缺陷之间的关系就可以确立缺陷发生的具体原因,并在下次生产过程中及时调整对应工序参数,这对减少缺陷的产生非常有帮助。
发明内容
本发明所要解决的技术问题是提供一种热镀锌产品全流程质量控制方法对热镀锌产品全流程生产过程中的缺陷数据进行采集并匹配对应的工艺参数,对缺陷数据综合评价后如发现缺陷超标则通过缺陷成因智能分析模块会针对某种缺陷进行智能成因分析,获得缺陷与工序关键工艺参数之间的关系,得到需要重点控制的关键工艺参数及其影响范围;对于确认后的分析结果,最后调用工艺修正模块,对下一批次生产物料的工艺参数设定值进行调整,以期实现降低缺陷发生率的目的。
本发明是这样实现的:一种热镀锌产品全流程质量控制方法,每块带钢的所述热镀锌产品全流程包括炼钢、热轧、酸洗、冷轧和热镀锌五道工序,
首先设置数据采集模块、缺陷评级模块、缺陷监控模块、缺陷成因分析模块和工艺修正模块,并设置为以上模块提供数据交换存储服务的数据库管理模块;
然后在热轧、酸洗、冷轧和热镀锌工序位置设置与数据采集模块相连的缺陷监控装置采集缺陷数据;
最后设定缺陷评价阈值和返修阈值条件后按照以下步骤进行控制:
S1,利用缺陷监控传感器采集到缺陷数据后送入数据采集模块,并由数据采集模块匹配与该缺陷数据相对应的工艺参数;
S2,利用缺陷评级模块对缺陷数据进行评级得到缺陷指标综合评价值;
S3,利用缺陷评价阈值判定缺陷数据,
当缺陷指标综合评价值超过缺陷评价阈值时通过缺陷监控模块报警提示返修并在数据库管理模块中作返修记录,根据返修记录进行返修阈值条件判定,如满足返修阈值条件则进入步骤S4;
当缺陷指标评价值不超过缺陷评价阈值或不满足返修阈值条件时,按照原有工艺参数生产;
S4,通过缺陷成因分析模块分析缺陷数据找到缺陷数据与对应的工艺参数的关系;
S5,工艺修正模块利用缺陷成因分析模块得到的结论对工艺参数进行修正以减少缺陷,实现对热镀锌产品质量的控制。
所述步骤S1中,还包括对缺陷数据进行信息归纳得到缺陷面积指标、缺陷数量指标、缺陷长度指标、缺陷宽度指标、缺陷长宽比指标和缺陷周长指标;
其中,所述缺陷面积指标为被评价带钢上所有缺陷的总面积占带钢表面积的百分比;
所述缺陷数量指标为被评价带钢上的缺陷数量;
所述缺陷长度指标为被评价带钢上所有缺陷的平均长度;
所述缺陷宽度指标为被评价带钢上所有缺陷的平均宽度;
所述缺陷长宽比指标为被评价带钢上所有缺陷的平均长宽比;
所述缺陷周长指标为被评价带钢上所有缺陷的平均周长。
所述步骤S2中,利用缺陷评级模块对缺陷数据进行评级的具体方式为,
首先采用隶属函数对缺陷数据中的各类指标进行评价得到各类指标评价值,然后设置各类指标的权重系数,最后利用权重系数对各类指标评价值加权求和得到缺陷指标综合评价值。
所述步骤S3中,所述返修阈值条件为设定次数阈值,采用相同工艺参数的同类型产品每报警提示返修一次返修记录值+1,当返修记录值超过次数阈值时则为满足返修阈值条件,进入步骤S4。
所述步骤S4中,缺陷成因分析模块采用分类算法对缺陷数据进行分析,将缺陷数据按照工艺参数分组,通过度量分组前后的信息差异,最大化选出对缺陷影响最大的影响因素,并度量各个工艺参数与缺陷数据的关系。
所述度量分组前后的信息差异采用信息熵度量法,将缺陷划分为K个等级,分组前信息熵E(S)如式1:
式中,K为缺陷等级总数目,j=1,2,……K
pj为等级为j的缺陷占缺陷总量的比例,
S为缺陷数据集;
工艺参数共有X个,选取L种分组方式,用工艺参数值Zi对其取值范围按分组方式Ql将缺陷数据集S分组为m份数据子集,则分组后信息熵期望值如式2:
式中,Zi为第i个工艺参数的工艺参数值,i=1,2,……X
Ql为第l种分组方式,l=1,2,……L
缺陷总数为N,
nk为分组后第k份数据子集中缺陷的个数,k=1,2,……m
Sk为第k份数据子集;k=1,2,……m
Zi的最优分组Qgood就是使上式最小的分组方式,其对应的信息熵来评判变量Zi对缺陷的影响大小,Zi对缺陷影响大小的度量值JDi计算如式3:
JDi为第i个工艺参数的度量值,JDi从大到小排序挑选出缺陷的最大影响因素。
所述分类算法为决策树。
本发明热镀锌产品全流程质量控制方法对热镀锌产品全流程生产过程中的缺陷数据进行采集并匹配对应的工艺参数,对缺陷数据综合评价后如发现缺陷超标则通过缺陷成因智能分析模块会针对某种缺陷进行智能成因分析,获得缺陷与工序关键工艺参数之间的关系,得到需要重点控制的关键工艺参数及其影响范围;对于确认后的分析结果,最后调用工艺修正模块,对下一批次生产物料的工艺参数设定值进行调整,以降低缺陷发生率,可用于全流程监控热镀锌产品质量,提高热镀锌产品成品率,降低因缺陷引起的质量损失。
附图说明
图1为本发明中热镀锌产品的生产流程示意图;
图2为本发明热镀锌产品全流程质量控制用到的***构架图;
图3为本发明具体实施例中工艺参数与缺陷率的关系图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明表述的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
实施例1
一种热镀锌产品全流程质量控制方法,如图1所示,每块带钢的所述热镀锌产品全流程包括炼钢、热轧、酸洗、冷轧和热镀锌五道工序,为了实现对热镀锌产品全流程的质量管理就需要对整个工艺流程进行控制,因此在本发明中,
如图2所示,首先设置数据采集模块、缺陷评级模块、缺陷监控模块、缺陷成因分析模块和工艺修正模块,并设置为以上模块提供数据交换存储服务的数据库管理模块;这些模块都通过全流程各工序机组过程控制机***实时控制,并在热轧、酸洗、冷轧和热镀锌工序位置设置与数据采集模块相连的缺陷监控装置采集缺陷数据;其中:
数据采集模块,用于从全流程各工序机组过程控制机***实时获取全流程工业大生产过程数据及各个机组的表面缺陷检测仪中采集每个产品/带钢详细的缺陷数据;
缺陷评级模块,用于对产品上不同缺陷的严重度进行量化评级;
缺陷监控模块,用于在产品缺陷严重度超出范围时封锁物料提示返修;
缺陷成因智能分析模块,用于针对某种缺陷进行智能成因分析;
工艺修正模块,用于对下一批次生产产品的工艺参数设定值进行调整,以期实现降低缺陷发生率的目的;
数据库管理模块,用于存储和管理收集***产生的数据;
设定缺陷评价阈值和返修阈值条件后按照以下步骤进行控制:
S1,利用缺陷监控传感器采集到缺陷数据后送入数据采集模块,并由数据采集模块匹配与该缺陷数据相对应的工艺参数;
在热镀锌产品全流程生产中的所述工艺参数包括:
炼钢工序关键工序参数:如钢水成分、中间包温度、中间包重量、拉速、结晶器液面波动、一冷水量、二冷水量、结晶器振动频率、水口吹氩量;
热轧工序关键工序参数:如加热炉各段时间、加热炉各段温度、总在炉时间、出炉温度、粗轧段出口温度、粗轧喷水、精轧喷水、精轧出口温度、精轧速度、卷取温度;
酸洗工序关键工序参数:如酸洗速度、酸液FE含量、酸度、酸洗工艺段平均速度、拉矫机延伸率、平均拉矫率;
冷轧工序关键工序参数:如各机架出口速度、出口厚度、压下率、乳化液浓度、铁粉含量等;
热镀锌工序关键工序参数:如合金化均热温度、加热段带钢温度、均热段带钢温度、炉子段带钢速度、合金化感应器电耗率、合金化均热段电耗率、冷却段带钢温度、均衡段带钢温度等;
所述缺陷种类众多,在热轧工段有:夹渣、轧破、翘皮、孔洞、裂纹、压痕、红铁皮、划伤等;在冷轧工段有:孔洞、脏污、翘皮、保护渣、压痕、氧化铁皮压入、擦划、斑迹、折皱、挫伤、炼钢气泡、锌渣等。
所述各检测工序表检仪产生的缺陷数据包括:
机组号、检测仪编号、缺陷分类码、缺陷特征信息(宽度、长度、面积、周长)、缺陷位置信息(面别、宽度方向起始位置、宽度方向结束位置、长度方向起始位置、长度方向结束位置);
在利用缺陷评级模块对缺陷数据进行评级之前需要对缺陷数据进行信息归纳,在本发明中,将缺陷数据归纳为6个指标,分别为缺陷面积指标、缺陷数量指标、缺陷长度指标、缺陷宽度指标、缺陷长宽比指标和缺陷周长指标;
其中,所述缺陷面积指标为被评价带钢上所有缺陷的总面积占带钢表面积的百分比;
所述缺陷数量指标为被评价带钢上的缺陷数量;
所述缺陷长度指标为被评价带钢上所有缺陷的平均长度;
所述缺陷宽度指标为被评价带钢上所有缺陷的平均宽度;
所述缺陷长宽比指标为被评价带钢上所有缺陷的平均长宽比;
所述缺陷周长指标为被评价带钢上所有缺陷的平均周长。
S2,利用缺陷评级模块对缺陷数据进行评级得到缺陷指标综合评价值,在评价时通过采用隶属函数度量的度量方式将指标的计算值转换为表征缺陷严重度的缺陷评价值,在本实施例中,采用如下具体评价方式:
采用多指标融合评价方法,对指标隶属函数采用统一的100分处理,对不同指标设置不同的权重来,最后利用权重系数对各类指标评价值加权求和得到缺陷指标综合评价值;
本专利采用的的缺陷指标评价隶属函数有如下几个,具体实施时需要根据缺陷不同、指标不同选择其隶属函数,并对其中的参数进行指定,
1.指数型:
2.对数型:
3.极大函数:y=A*(1-e-b(x-a))
4.极大正态分布:
5.柯西分布函数:
6.线性函数:
7.升岭型分布:
以上7种函数中,x为某类指标计算值,y为对应x类的指标评价值,其中A=100,B、a和b为经验参数由实验取得。
指标权重的设置:评价缺陷严重度时,涉及到多个指标,需要设置各个指标的权重分配,形成各类指标的权重系数w1,w2,...,wL;
w1+w2+...+wL=1
本专利的缺陷指标综合评价值Y计算式如下:L为指标类型的数量,为第i类指标对应的指标评价值,xi为第i类指标对应的指标计算值,wi为第i类指标对应的权重系数。
S3,利用缺陷评价阈值判定缺陷数据,
当缺陷指标评价值Y不超过缺陷评价阈值或不满足返修阈值条件时,按照原有工艺参数生产;
当缺陷指标综合评价值Y超过缺陷评价阈值时通过缺陷监控模块报警提示返修并在数据库管理模块中作返修记录,避免进入下道工序带来损失;并根据返修记录进行返修阈值条件判定,如满足返修阈值条件则进入步骤S4;
在本实施例中,所用的返修阈值条件为,设定次数阈值,采用相同工艺参数的同类型产品每报警提示返修一次返修记录值+1,当返修记录值超过次数阈值时则为满足返修阈值条件,自动触发缺陷智能分析模块,以期获取缺陷的产生原因;
S4,通过缺陷成因分析模块分析缺陷数据找到缺陷数据与对应的工艺参数的关系;
缺陷成因分析模块采用分类算法对缺陷数据进行分析,将缺陷数据按照工艺参数和参数范围分组,通过度量分组前后的信息差异,最大化选出对缺陷影响最大的影响因素及其取值范围,并度量各个工艺参数与缺陷数据的关系;在本实施例中,所述分类算法为决策树;
所述度量分组前后的信息差异采用信息熵度量法,将缺陷划分为K个等级,分组前信息熵E(S)如式1:
式中,K为缺陷等级总数目,j=1,2,……K
pj为等级为j的缺陷占缺陷总量的比例,
S为缺陷数据集;
工艺参数共有X个,选取L种分组方式,用工艺参数值Zi对其取值范围按分组方式Ql将缺陷数据集S分组为m份数据子集,则分组后信息熵期望值如式2:
式中,Zi为第i个工艺参数的工艺参数值,i=1,2,……X
Ql为第l种分组方式,l=1,2,……L
缺陷总数为N,
nk为分组后第k份数据子集中缺陷的个数,k=1,2,……m
Sk为第k份数据子集;k=1,2,……m
Zi的最优分组Qgood就是使上式最小的分组方式,其对应的信息熵来评判变量Zi对缺陷的影响大小,Zi对缺陷影响大小的度量值JDi计算如式3:
JDi为第i个工艺参数的度量值,JDi从大到小排序挑选出缺陷的最大影响因素。
S5,工艺修正模块利用缺陷成因分析模块得到的结论对工艺参数进行修正以减少缺陷,工艺修正模块利用成因分析模块得到的分析结果,选取对质量影响最大的工艺参数,并寻找该参数对质量控制有正向影响的最佳区间,进而把下一批次生产物料的该工艺参数设定值调整为该区间,以期实现降低缺陷发生率的目的,实现对热镀锌产品质量的控制。
本热镀锌产品全流程质量控制方法具体应用的产线中炼钢工序由一炼钢单元和二炼钢单元组成,每个单元包含3台连铸、3个RH精炼炉和3个转炉;热轧工序包含三条热轧机组;酸洗工序和冷轧工序则包含一条酸连轧产线,也包含一台酸洗+轧机的组合产线;热镀锌工序由一条热镀锌产线组成;某次实施时利用缺陷评级结果进行成因分析及工艺参数修正得到表1中的工艺参数的信息评价表:
序号 | 变量名 | 中文描述 | 信息提高量 | 单调性 |
1 | NICKEL | 镍 | 0.092525 | 递减 |
2 | SULPHUR | 硫 | 0.056308 | 无 |
3 | STAND_FORCE | 粗轧水平辊压力 | 0.055973 | 无 |
4 | MANGANESE | 锰 | 0.053931 | 无 |
5 | SILICON | 硅 | 0.052031 | 无 |
表1、工艺参数与缺陷的影响关系排序
表1为缺陷智能分析模块利用缺陷评级结果得到的炼钢、热轧工序段主要工艺参数与缺陷的影响关系排序,由可知第一影响因素为“镍成分”,而且具有如图3所示的“递减性”规律,横坐标为镍含量,纵坐标为故障发生率,即随镍成分减少缺陷发生率增加;经过确认后,在***内由工艺修正模块对炼钢工序的“镍成分”设定值中的提高镍的最小含量,下发炼钢工序过程机,对以后生产的物料按新设定值进行控制,实际应用反馈证明,缺陷基本不发生,说明修订是有效地。
Claims (7)
1.一种热镀锌产品全流程质量控制方法,每块带钢的所述热镀锌产品全流程包括炼钢、热轧、酸洗、冷轧和热镀锌五道工序,其特征是:
首先设置数据采集模块、缺陷评级模块、缺陷监控模块、缺陷成因分析模块和工艺修正模块,并设置为以上模块提供数据交换存储服务的数据库管理模块;
然后在热轧、酸洗、冷轧和热镀锌工序位置设置与数据采集模块相连的缺陷监控装置采集缺陷数据;
最后设定缺陷评价阈值和返修阈值条件后按照以下步骤进行控制:
S1,利用缺陷监控传感器采集到缺陷数据后送入数据采集模块,并由数据采集模块匹配与该缺陷数据相对应的工艺参数;
S2,利用缺陷评级模块对缺陷数据进行评级得到缺陷指标综合评价值;
S3,利用缺陷评价阈值判定缺陷数据,
当缺陷指标综合评价值超过缺陷评价阈值时通过缺陷监控模块报警提示返修并在数据库管理模块中作返修记录,根据返修记录进行返修阈值条件判定,如满足返修阈值条件则进入步骤S4;
当缺陷指标评价值不超过缺陷评价阈值或不满足返修阈值条件时,按照原有工艺参数生产;
S4,通过缺陷成因分析模块分析缺陷数据找到缺陷数据与对应的工艺参数的关系;
S5,工艺修正模块利用缺陷成因分析模块得到的结论对工艺参数进行修正以减少缺陷,实现对热镀锌产品质量的控制。
2.如权利要求1所述的热镀锌产品全流程质量控制方法,其特征是:所述步骤S1中,还包括对缺陷数据进行信息归纳得到缺陷面积指标、缺陷数量指标、缺陷长度指标、缺陷宽度指标、缺陷长宽比指标和缺陷周长指标;
其中,所述缺陷面积指标为被评价带钢上所有缺陷的总面积占带钢表面积的百分比;
所述缺陷数量指标为被评价带钢上的缺陷数量;
所述缺陷长度指标为被评价带钢上所有缺陷的平均长度;
所述缺陷宽度指标为被评价带钢上所有缺陷的平均宽度;
所述缺陷长宽比指标为被评价带钢上所有缺陷的平均长宽比;
所述缺陷周长指标为被评价带钢上所有缺陷的平均周长。
3.如权利要求2所述的热镀锌产品全流程质量控制方法,其特征是:所述步骤S2中,利用缺陷评级模块对缺陷数据进行评级的具体方式为,
首先采用隶属函数对缺陷数据中的各类指标进行评价得到各类指标评价值,然后设置各类指标的权重系数,最后利用权重系数对各类指标评价值加权求和得到缺陷指标综合评价值。
4.如权利要求1所述的热镀锌产品全流程质量控制方法,其特征是:所述步骤S3中,所述返修阈值条件为设定次数阈值,采用相同工艺参数的同类型产品每报警提示返修一次返修记录值+1,当返修记录值超过次数阈值时则为满足返修阈值条件,进入步骤S4。
5.如权利要求1所述的热镀锌产品全流程质量控制方法,其特征是:所述步骤S4中,缺陷成因分析模块采用分类算法对缺陷数据进行分析,将缺陷数据按照工艺参数分组,通过度量分组前后的信息差异,最大化选出对缺陷影响最大的影响因素,并度量各个工艺参数与缺陷数据的关系。
6.如权利要求5所述的热镀锌产品全流程质量控制方法,其特征是:所述度量分组前后的信息差异采用信息熵度量法,将缺陷划分为K个等级,分组前信息熵E(S)如式1:
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,K为缺陷等级总数目,j=1,2,……K
pj为等级为j的缺陷占缺陷总量的比例,
S为缺陷数据集;
工艺参数共有X个,选取L种分组方式,用工艺参数值Zi对其取值范围按分组方式Ql将缺陷数据集S分组为m份数据子集,则分组后信息熵期望值如式2:
<mrow>
<msub>
<mi>E</mi>
<mrow>
<msub>
<mi>Z</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<mi>S</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>Q</mi>
<mi>l</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mfrac>
<msub>
<mi>n</mi>
<mi>k</mi>
</msub>
<mi>N</mi>
</mfrac>
<mo>&times;</mo>
<msub>
<mi>E</mi>
<msub>
<mi>S</mi>
<mi>k</mi>
</msub>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,Zi为第i个工艺参数的工艺参数值,i=1,2,……X
Ql为第l种分组方式,l=1,2,……L
缺陷总数为N,
nk为分组后第k份数据子集中缺陷的个数,k=1,2,……m
Sk为第k份数据子集;k=1,2,……m
Zi的最优分组Qgood就是使上式最小的分组方式,其对应的信息熵来评判变量Zi对缺陷的影响大小,Zi对缺陷影响大小的度量值JDi计算如式3:
<mrow>
<msub>
<mi>JD</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>E</mi>
<mi>S</mi>
</msub>
<mo>-</mo>
<msub>
<mi>E</mi>
<mrow>
<msub>
<mi>Z</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<mi>S</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mi>o</mi>
<mi>o</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>E</mi>
<mi>S</mi>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
2
JDi为第i个工艺参数的度量值,JDi从大到小排序挑选出缺陷的最大影响因素。
7.如权利要求5所述的热镀锌产品全流程质量控制方法,其特征是:所述分类算法为决策树。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610139704.6A CN107179749B (zh) | 2016-03-11 | 2016-03-11 | 热镀锌产品全流程质量控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610139704.6A CN107179749B (zh) | 2016-03-11 | 2016-03-11 | 热镀锌产品全流程质量控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107179749A true CN107179749A (zh) | 2017-09-19 |
CN107179749B CN107179749B (zh) | 2019-10-15 |
Family
ID=59830049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610139704.6A Active CN107179749B (zh) | 2016-03-11 | 2016-03-11 | 热镀锌产品全流程质量控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107179749B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108387588A (zh) * | 2018-02-08 | 2018-08-10 | 湖南文理学院 | 自适应切换检测模式的缺陷检测装置 |
CN108557739A (zh) * | 2018-04-24 | 2018-09-21 | 长春北方化工灌装设备股份有限公司 | 具有生产任务控制参数自修正功能的生产控制*** |
CN109032097A (zh) * | 2018-08-28 | 2018-12-18 | 唐山钢铁集团有限责任公司 | 一种冷轧带钢镀锌线过程控制方法 |
CN109146279A (zh) * | 2018-08-14 | 2019-01-04 | 同济大学 | 基于工艺规则与大数据的全流程产品质量溯源分析方法 |
CN109492940A (zh) * | 2018-12-06 | 2019-03-19 | 华中科技大学 | 一种用于造型浇注生产线的铸件炉包箱质量跟踪方法 |
CN111125078A (zh) * | 2019-12-19 | 2020-05-08 | 华北电力大学 | 一种继电保护装置缺陷数据修正方法 |
CN111353694A (zh) * | 2020-02-21 | 2020-06-30 | 湖南华菱涟源钢铁有限公司 | 钢卷质量检测方法、装置、终端设备及存储介质 |
CN112699534A (zh) * | 2020-12-11 | 2021-04-23 | 北京首钢股份有限公司 | 一种用于生产冷轧产品的方法及装置 |
CN112990888A (zh) * | 2021-05-07 | 2021-06-18 | 北京瑞莱智慧科技有限公司 | 一种工艺参数的调节策略决策模型的确定方法及装置 |
CN113433147A (zh) * | 2021-06-03 | 2021-09-24 | 北京首钢股份有限公司 | 一种镀锌板表面缺陷来源的分析方法 |
CN113578972A (zh) * | 2021-04-08 | 2021-11-02 | 华院计算技术(上海)股份有限公司 | 一种热轧产品质量追溯方法及装置 |
CN114912832A (zh) * | 2022-06-07 | 2022-08-16 | 无锡连枝横科技有限公司 | 一种镁钛合金表面涂装工艺质量的评估方法及*** |
CN115049319A (zh) * | 2022-08-15 | 2022-09-13 | 张家港广大特材股份有限公司 | 一种钢材锻造成型的质量评估方法及*** |
CN115564337A (zh) * | 2022-10-24 | 2023-01-03 | 南珠建材(清远)有限公司 | 一种混凝土管桩的质量评价方法及*** |
CN116288381A (zh) * | 2023-03-16 | 2023-06-23 | 山东钢铁集团日照有限公司 | 自动调整盐酸工艺参数实现酸洗质量稳定的闭环控制方法 |
CN117389220A (zh) * | 2023-10-12 | 2024-01-12 | 保林(深圳)实业有限公司 | 一种生物质燃料的生产质量控制方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012083345A1 (en) * | 2010-12-22 | 2012-06-28 | Australian Tube Mills Pty Limited | Control of coating of members |
CN103695830A (zh) * | 2013-12-20 | 2014-04-02 | 鞍钢股份有限公司 | 一种热镀锌生产过程中镀层厚度控制方法 |
CN104561875A (zh) * | 2014-12-23 | 2015-04-29 | 宝钢集团新疆八一钢铁有限公司 | 一种高强度镀锌板的热镀锌生产工艺 |
CN105063534A (zh) * | 2015-09-11 | 2015-11-18 | 首钢总公司 | 一种带钢表面亮点缺陷控制方法 |
CN105290117A (zh) * | 2015-09-23 | 2016-02-03 | 燕山大学 | 大宽厚比超薄冷轧带钢高次板形缺陷的分级调控方法 |
-
2016
- 2016-03-11 CN CN201610139704.6A patent/CN107179749B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012083345A1 (en) * | 2010-12-22 | 2012-06-28 | Australian Tube Mills Pty Limited | Control of coating of members |
CN103695830A (zh) * | 2013-12-20 | 2014-04-02 | 鞍钢股份有限公司 | 一种热镀锌生产过程中镀层厚度控制方法 |
CN104561875A (zh) * | 2014-12-23 | 2015-04-29 | 宝钢集团新疆八一钢铁有限公司 | 一种高强度镀锌板的热镀锌生产工艺 |
CN105063534A (zh) * | 2015-09-11 | 2015-11-18 | 首钢总公司 | 一种带钢表面亮点缺陷控制方法 |
CN105290117A (zh) * | 2015-09-23 | 2016-02-03 | 燕山大学 | 大宽厚比超薄冷轧带钢高次板形缺陷的分级调控方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108387588A (zh) * | 2018-02-08 | 2018-08-10 | 湖南文理学院 | 自适应切换检测模式的缺陷检测装置 |
CN108557739A (zh) * | 2018-04-24 | 2018-09-21 | 长春北方化工灌装设备股份有限公司 | 具有生产任务控制参数自修正功能的生产控制*** |
CN108557739B (zh) * | 2018-04-24 | 2020-08-07 | 长春融成智能设备制造股份有限公司 | 具有生产任务控制参数自修正功能的生产控制*** |
CN109146279A (zh) * | 2018-08-14 | 2019-01-04 | 同济大学 | 基于工艺规则与大数据的全流程产品质量溯源分析方法 |
CN109032097A (zh) * | 2018-08-28 | 2018-12-18 | 唐山钢铁集团有限责任公司 | 一种冷轧带钢镀锌线过程控制方法 |
CN109492940A (zh) * | 2018-12-06 | 2019-03-19 | 华中科技大学 | 一种用于造型浇注生产线的铸件炉包箱质量跟踪方法 |
CN111125078A (zh) * | 2019-12-19 | 2020-05-08 | 华北电力大学 | 一种继电保护装置缺陷数据修正方法 |
CN111353694A (zh) * | 2020-02-21 | 2020-06-30 | 湖南华菱涟源钢铁有限公司 | 钢卷质量检测方法、装置、终端设备及存储介质 |
CN112699534A (zh) * | 2020-12-11 | 2021-04-23 | 北京首钢股份有限公司 | 一种用于生产冷轧产品的方法及装置 |
CN113578972A (zh) * | 2021-04-08 | 2021-11-02 | 华院计算技术(上海)股份有限公司 | 一种热轧产品质量追溯方法及装置 |
CN112990888B (zh) * | 2021-05-07 | 2021-08-06 | 北京瑞莱智慧科技有限公司 | 一种工艺参数的调节策略决策模型的确定方法及装置 |
CN112990888A (zh) * | 2021-05-07 | 2021-06-18 | 北京瑞莱智慧科技有限公司 | 一种工艺参数的调节策略决策模型的确定方法及装置 |
CN113433147A (zh) * | 2021-06-03 | 2021-09-24 | 北京首钢股份有限公司 | 一种镀锌板表面缺陷来源的分析方法 |
CN114912832A (zh) * | 2022-06-07 | 2022-08-16 | 无锡连枝横科技有限公司 | 一种镁钛合金表面涂装工艺质量的评估方法及*** |
CN114912832B (zh) * | 2022-06-07 | 2023-08-08 | 无锡连枝横科技有限公司 | 一种镁钛合金表面涂装工艺质量的评估方法及*** |
CN115049319A (zh) * | 2022-08-15 | 2022-09-13 | 张家港广大特材股份有限公司 | 一种钢材锻造成型的质量评估方法及*** |
CN115049319B (zh) * | 2022-08-15 | 2022-12-20 | 张家港广大特材股份有限公司 | 一种钢材锻造成型的质量评估方法及*** |
CN115564337A (zh) * | 2022-10-24 | 2023-01-03 | 南珠建材(清远)有限公司 | 一种混凝土管桩的质量评价方法及*** |
CN116288381A (zh) * | 2023-03-16 | 2023-06-23 | 山东钢铁集团日照有限公司 | 自动调整盐酸工艺参数实现酸洗质量稳定的闭环控制方法 |
CN117389220A (zh) * | 2023-10-12 | 2024-01-12 | 保林(深圳)实业有限公司 | 一种生物质燃料的生产质量控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107179749B (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107179749A (zh) | 热镀锌产品全流程质量控制方法 | |
CN104751288B (zh) | 一种钢卷分段多维在线质量判定***及其方法 | |
CN106345823B (zh) | 基于热轧钢卷生产流程的在线实时预测机械性能的方法 | |
CN104438350B (zh) | 平整过程带钢机械性能在线检测控制方法 | |
CN104942019B (zh) | 一种带钢冷轧过程宽度自动控制方法 | |
CN110989510A (zh) | 一种热镀锌产品全流程质量控制与等级自动判断*** | |
CN104517162A (zh) | 一种连续退火产品硬度在线集成学习预报方法 | |
WO2021014804A1 (ja) | 品質予測モデル生成方法、品質予測モデル、品質予測方法、金属材料の製造方法、品質予測モデル生成装置および品質予測装置 | |
CN116307289A (zh) | 一种纺织品加工工序参数检测预测方法、***及存储介质 | |
CN115601313A (zh) | 一种钢化玻璃生产工艺可视化监控管理*** | |
CN115169453A (zh) | 基于密度聚类协同深度残差网络的热连轧宽度预测方法 | |
CN116433085A (zh) | 一种轧制过程控制***性能评估方法 | |
CN106825068A (zh) | 一种轧制过程带钢表面粗糙度的预测方法 | |
CN106886799A (zh) | 一种基于混合集成学习的连续退火带钢质量在线检测方法 | |
CN110033181A (zh) | 一种基于自编码器的发电设备状态评估方法 | |
Jin et al. | Identification of impacting factors of surface defects in hot rolling processes using multi-level regression analysis | |
KR20100009275A (ko) | 학습형 최적화 기능이 구비된 지능형 분류기를 이용한 주편표면결함 분류장치 및 이에 의한 분류방법 | |
CN112330089A (zh) | 装备制造类企业的综合能效监测方法及监测*** | |
CN116809653A (zh) | 一种轧制稳定性的监控预警方法及*** | |
CN113435794B (zh) | 一种基于图像处理的喷嘴铸件后处理智能监测方法 | |
CN103706774A (zh) | 一种甄别不锈钢板坯表面夹渣、裂纹缺陷的方法 | |
CN112246878B (zh) | 一种酸洗卷热轧过程厚度判定***及判定方法 | |
CN117195460A (zh) | 基于动态规划算法的冷轧产品取样方法及*** | |
CN114331195A (zh) | 一种影响热轧带钢全长质量的过程曲线风险评价方法 | |
CN108994087A (zh) | 一种乳化液分段冷却的控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180926 Address after: 524022 building 12-15, building 46, Renmin Road, Zhanjiang, Guangdong Applicant after: Baosteel Zhanjiang Iron & Steel Co., Ltd. Applicant after: Baoshan Iron & Steel Co., Ltd. Address before: 201900 Fujin Road, Baoshan District, Shanghai 885 Applicant before: Baoshan Iron & Steel Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |