全流程質(zhì)量管控的智能制造實(shí)踐

余 威，戴亞輝，張國(guó)紅，孫光銀，張 磊

（北京首鋼股份有限公司，北京 100041）

1 引言

我國(guó)鋼鐵行業(yè)高速發(fā)展，在高端產(chǎn)品、生產(chǎn)工藝、能耗控制和產(chǎn)品質(zhì)量等方面與國(guó)際先進(jìn)水平差距逐漸縮小。但與此同時(shí)，鋼鐵業(yè)面臨著供需不平衡、環(huán)境資源約束大、同質(zhì)化競(jìng)爭(zhēng)激烈等問(wèn)題，提升鋼鐵企業(yè)核心競(jìng)爭(zhēng)力并尋求轉(zhuǎn)型升級(jí)的發(fā)展方向是擺在中國(guó)鋼鐵業(yè)面前的重要課題。

鋼鐵產(chǎn)品的質(zhì)量控制包括質(zhì)量設(shè)計(jì)、質(zhì)量判定、評(píng)審處置，質(zhì)量分析等多個(gè)環(huán)節(jié)，涉及的流程長(zhǎng)、環(huán)節(jié)多、數(shù)據(jù)量大，以往的信息化系統(tǒng)無(wú)法滿足質(zhì)量管控的需求，主要問(wèn)題表現(xiàn)在三個(gè)方面：一是產(chǎn)品質(zhì)量過(guò)程管控以人工管控為主，檢驗(yàn)結(jié)果依賴(lài)檢測(cè)人員的經(jīng)驗(yàn)，具有片面性，檢驗(yàn)效率低，質(zhì)量事故一旦發(fā)生就是批量事故，無(wú)法及時(shí)調(diào)整，損失不可挽回；二是產(chǎn)品對(duì)表面質(zhì)量要求比較高，軋鋼工序表面質(zhì)量缺陷數(shù)量和種類(lèi)多，傳統(tǒng)表檢儀分類(lèi)準(zhǔn)確率不足80%，需崗位人工評(píng)審，嚴(yán)重影響后工序的生產(chǎn)，跨工序的質(zhì)量缺陷追溯異常困難；三是產(chǎn)品質(zhì)量數(shù)據(jù)來(lái)源眾多，存在大量異構(gòu)數(shù)據(jù)，不同粒度數(shù)據(jù)分布在不同平臺(tái)，在進(jìn)行質(zhì)量分析中數(shù)據(jù)收集和整合耗費(fèi)了分析人員大半的時(shí)間，缺少統(tǒng)一平臺(tái)和方法對(duì)龐大的質(zhì)量數(shù)據(jù)開(kāi)展有效的開(kāi)發(fā)和利用。

面對(duì)質(zhì)量管控需求的不斷升級(jí)，建設(shè)全流程質(zhì)量管控智能化系統(tǒng)變得尤為急迫。隨著新一輪科技革命和產(chǎn)業(yè)變革深入發(fā)展，新一代信息技術(shù)與制造業(yè)深度融合，數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化進(jìn)程加快，讓實(shí)現(xiàn)以上需求成為可能。

2 總體流程和功能架構(gòu)

搭建大數(shù)據(jù)平臺(tái)，利用在線檢測(cè)、機(jī)器學(xué)習(xí)、圖像識(shí)別、數(shù)據(jù)建模等技術(shù)，實(shí)現(xiàn)質(zhì)量過(guò)程監(jiān)控與判定、表面質(zhì)量智能檢測(cè)與判級(jí)、全工序質(zhì)量缺陷追溯以及過(guò)程能力評(píng)價(jià)分析等。

全流程過(guò)程質(zhì)量管控包括智能質(zhì)量過(guò)程判定、跨工序質(zhì)量追溯分析兩個(gè)部分，場(chǎng)景流程圖如圖1所示。

圖1 場(chǎng)景流程圖

智能質(zhì)量過(guò)程判定實(shí)現(xiàn)了過(guò)程、表面以及性能的判定與監(jiān)控。將多源異構(gòu)數(shù)據(jù)融合，結(jié)合數(shù)字化的產(chǎn)品質(zhì)量控制規(guī)則，實(shí)現(xiàn)在線實(shí)時(shí)監(jiān)測(cè)產(chǎn)品制造工藝過(guò)程是否波動(dòng)和自動(dòng)判定產(chǎn)品等級(jí)；實(shí)現(xiàn)表面質(zhì)量缺陷的采集、識(shí)別、歸類(lèi)、判級(jí)、上下工序缺陷的傳遞以及自動(dòng)推薦處置意見(jiàn)；實(shí)現(xiàn)了性能管控的自動(dòng)預(yù)測(cè)、分析與異常推送。

跨工序質(zhì)量追溯分析實(shí)現(xiàn)跨工序質(zhì)量缺陷統(tǒng)計(jì)探索性分析、智能化追溯及快速定位。利用統(tǒng)計(jì)分析工具，將工藝過(guò)程控制和表面缺陷相關(guān)的數(shù)據(jù)進(jìn)行深度分析和挖掘。利用過(guò)程能力指數(shù)、SPC 統(tǒng)計(jì)分析、聚類(lèi)算法等高級(jí)分析工具和方法解決快速定位問(wèn)題，實(shí)現(xiàn)產(chǎn)品質(zhì)量的持續(xù)改進(jìn)。功能架構(gòu)圖如圖2所示。

圖2 功能架構(gòu)圖

3 建設(shè)具體方案

3.1 智能質(zhì)量過(guò)程判定

為實(shí)現(xiàn)煉鋼、熱軋、冷軋全流程質(zhì)量一體化管控，利用流數(shù)據(jù)處理、多源異構(gòu)數(shù)據(jù)融合、特征提取、關(guān)聯(lián)分析與預(yù)測(cè)、人工智能卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)，構(gòu)建質(zhì)量模型庫(kù)、知識(shí)庫(kù)、規(guī)則庫(kù)、約束庫(kù)、規(guī)則庫(kù)，實(shí)現(xiàn)板帶鋼性能、表面、尺寸、板型、成分、工藝等在線質(zhì)量自動(dòng)判定與監(jiān)控預(yù)警。為質(zhì)量問(wèn)題定位、產(chǎn)品質(zhì)量提升提供依據(jù)和途徑。

（1）實(shí)時(shí)數(shù)據(jù)采集與融合

通過(guò)工業(yè)大數(shù)據(jù)平臺(tái)，利用實(shí)時(shí)數(shù)據(jù)流處理和多源異構(gòu)數(shù)據(jù)融合技術(shù)，對(duì)L1、L2、L3以及L4系統(tǒng)中數(shù)據(jù)進(jìn)行毫秒級(jí)顆粒度采集，實(shí)現(xiàn)跨工序、多數(shù)據(jù)源、差異結(jié)構(gòu)、不同粒度的工藝、質(zhì)量數(shù)據(jù)的實(shí)時(shí)數(shù)據(jù)流處理及數(shù)據(jù)融合，實(shí)現(xiàn)統(tǒng)一集中信息共享，對(duì)物料生產(chǎn)過(guò)程中的時(shí)間、位置、事件、狀態(tài)、圖片等數(shù)據(jù)進(jìn)行跨時(shí)空融合轉(zhuǎn)換。

（2）過(guò)程質(zhì)量監(jiān)控及預(yù)警

為實(shí)現(xiàn)工藝過(guò)程參數(shù)的實(shí)時(shí)預(yù)警和機(jī)組判定，保證產(chǎn)品質(zhì)量全程一致性，對(duì)重要工藝過(guò)程參數(shù)、質(zhì)量參數(shù)進(jìn)行實(shí)時(shí)在線監(jiān)控、預(yù)警和判定，向操作人員提供作業(yè)預(yù)警信息，保證批次內(nèi)產(chǎn)品質(zhì)量穩(wěn)定性。預(yù)警方法主要提供了簡(jiǎn)單的參數(shù)超限報(bào)警方法、SPC 統(tǒng)計(jì)控制方法、神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)方法等，各工藝參數(shù)控制限可根據(jù)企業(yè)技術(shù)標(biāo)準(zhǔn)或設(shè)定參數(shù)等進(jìn)行靈活配置。 另外為了保證產(chǎn)品過(guò)程質(zhì)量一致性，研發(fā)了基于規(guī)則推理的產(chǎn)品質(zhì)量在線判定引擎，對(duì)過(guò)程工藝參數(shù)和質(zhì)量參數(shù)進(jìn)行物料全長(zhǎng)的評(píng)級(jí)，評(píng)級(jí)結(jié)果作為質(zhì)量判定的重要依據(jù)。

（3）精準(zhǔn)質(zhì)量在線判定

1）基于客戶需求的分段判定?；诠I(yè)大數(shù)據(jù)平臺(tái)采集、融合后的數(shù)據(jù)，通過(guò)特征提取技術(shù)，針對(duì)不同客戶需求、不同品種牌號(hào)，以生產(chǎn)過(guò)程各工序質(zhì)量控制要求為基準(zhǔn)建立可配置的、分類(lèi)分段的在線判定規(guī)則庫(kù)，實(shí)現(xiàn)煉鋼、熱軋和冷軋的全流程質(zhì)量在線判定。質(zhì)量在線判定對(duì)產(chǎn)品質(zhì)量做出的判斷，為產(chǎn)品的降級(jí)處理或分段銷(xiāo)售打下了基礎(chǔ)。工藝在線制定流程圖如圖3所示。

圖3 工藝在線判定流程圖

2）基于圖片識(shí)別的表面分類(lèi)。板帶鋼產(chǎn)品的表面質(zhì)量是最重要的評(píng)價(jià)指標(biāo)之一，板帶鋼表面夾雜物、氧化皮、孔洞等缺陷，不僅影響產(chǎn)品的外觀質(zhì)量，而且還會(huì)降低產(chǎn)品的抗腐蝕性、耐磨性和其他強(qiáng)度性能。目前我國(guó)大多數(shù)鋼鐵企業(yè)采用閃頻光檢測(cè)、基于CCD成像檢測(cè)等表檢系統(tǒng)，但表面缺陷識(shí)別的準(zhǔn)確率均不高，檢出率和分類(lèi)率約為80%，因此亟待實(shí)現(xiàn)高準(zhǔn)確度表面識(shí)別及在線表面判定。

表面判定模塊利用高效的數(shù)據(jù)采集技術(shù)、精準(zhǔn)的數(shù)據(jù)標(biāo)注技術(shù)、人工智能卷積神經(jīng)網(wǎng)絡(luò)（FCN）、缺陷特征提取、依據(jù)配置規(guī)則的缺陷合并、依據(jù)規(guī)則的缺陷分級(jí)，實(shí)現(xiàn)板帶鋼表面缺陷識(shí)別及在線判定，提高缺陷整體的識(shí)別率。同時(shí)針對(duì)細(xì)小缺陷特征丟失現(xiàn)象，采用多尺度特征金字塔融合算法將自頂向下的上采樣與自底向上的下采樣特征圖按像素融合，對(duì)Faster R-CNN算法進(jìn)行改進(jìn)，提高對(duì)細(xì)小缺陷的檢測(cè)和識(shí)別率。

3）基于多元回歸的性能預(yù)測(cè)。利用相關(guān)性分析及特征值預(yù)測(cè)在海量數(shù)據(jù)中查找產(chǎn)品性能相關(guān)的關(guān)鍵影響因子，挖掘現(xiàn)有工藝方案、工藝標(biāo)準(zhǔn)中的生產(chǎn)工藝規(guī)律和生產(chǎn)指標(biāo)特性。利用物理冶金學(xué)模型和信息化技術(shù)，對(duì)生產(chǎn)過(guò)程中各種物理冶金現(xiàn)象進(jìn)行綜合數(shù)值模擬，依據(jù)各關(guān)鍵指標(biāo)之間的復(fù)雜關(guān)系和作用機(jī)制，對(duì)其中穩(wěn)定可靠的品種推導(dǎo)前后工藝環(huán)節(jié)的性能預(yù)測(cè)模型。通過(guò)數(shù)據(jù)自動(dòng)收集與模型運(yùn)算，直接預(yù)測(cè)軋后的產(chǎn)品性能，作為軋線“余材充當(dāng)”和“精準(zhǔn)選樣”的依據(jù)，取消牌號(hào)的開(kāi)卷、取樣及性能檢驗(yàn)，降低取樣成本，提高成材率。

4）基于決策模型的智能分切。面向質(zhì)量缺陷處置環(huán)節(jié)，利用物料規(guī)格、訂單要求、尺寸、性能、表面類(lèi)綜合判定結(jié)果等數(shù)據(jù)進(jìn)行多維度的綜合分析及推理。構(gòu)建質(zhì)量處置決策模型，引用時(shí)空轉(zhuǎn)換技術(shù)、關(guān)聯(lián)分析及預(yù)測(cè)算法，考慮物料質(zhì)量異常部位、分切后產(chǎn)品的完整性、設(shè)備計(jì)長(zhǎng)誤差、工序位置平移、表面缺陷、外觀缺陷、性能缺陷、分切后訂單的兌現(xiàn)等諸多因素，一鍵式得出缺陷處置指令。構(gòu)建智能分切知識(shí)庫(kù)，根據(jù)質(zhì)量判定規(guī)則，挖掘曲線特征值和鋼種大、中、小類(lèi)、厚度、寬度規(guī)格的評(píng)審結(jié)果對(duì)應(yīng)關(guān)系，確定缺陷點(diǎn)，再根據(jù)連續(xù)標(biāo)準(zhǔn)將缺陷進(jìn)行合并，給出曲線處置意見(jiàn)及缺陷距頭尾位置，指導(dǎo)切頭切尾等后工序任務(wù)，為連退、鍍鋅、重卷等工序智能分切提供支撐，減輕各生產(chǎn)環(huán)節(jié)產(chǎn)生的質(zhì)量缺陷對(duì)成品的影響。

3.2 全流程質(zhì)量追溯及分析

全流程質(zhì)量追溯及分析將智能質(zhì)量過(guò)程判定和表面缺陷檢測(cè)分類(lèi)形成的結(jié)構(gòu)和非結(jié)構(gòu)數(shù)據(jù)，都存儲(chǔ)到工業(yè)大數(shù)據(jù)平臺(tái)中。主要支撐質(zhì)量關(guān)鍵管控指標(biāo)監(jiān)控及分析、產(chǎn)品全流程過(guò)程質(zhì)量綜合評(píng)價(jià)、跨工序產(chǎn)品質(zhì)量交互分析與異常診斷、質(zhì)量異議快速反查和表面缺陷跨工序追溯等。

利用系統(tǒng)提供的樣本散點(diǎn)圖、樣本運(yùn)行圖、均值運(yùn)行圖、箱線圖、等值線圖、相關(guān)性散點(diǎn)圖、頻度分布圖、Pareto圖等多種常用統(tǒng)計(jì)分析圖進(jìn)行數(shù)據(jù)探索性分析，利用過(guò)程能力指數(shù)、SPC 統(tǒng)計(jì)分析、聚類(lèi)算法、關(guān)聯(lián)規(guī)則、決策樹(shù)分類(lèi)、參數(shù)差異性分析、序列模式分析、工藝規(guī)則提取等高級(jí)分析工具和方法解決快速定位問(wèn)題，利用仿真和工藝優(yōu)化功能等實(shí)現(xiàn)工藝參數(shù)或規(guī)則知識(shí)的優(yōu)化，實(shí)現(xiàn)產(chǎn)品質(zhì)量的持續(xù)改進(jìn)。

（1）表面質(zhì)量缺陷遺傳性追溯

采用多工序工藝質(zhì)量數(shù)據(jù)協(xié)同處理方法，根據(jù)不同工序、不同設(shè)備的工藝參數(shù)和質(zhì)量缺陷等的對(duì)應(yīng)關(guān)系，進(jìn)行數(shù)據(jù)的統(tǒng)一處理和分析，以提高質(zhì)量追溯和問(wèn)題定位的準(zhǔn)確性，尤其是進(jìn)行工藝質(zhì)量遺傳性分析。通過(guò)傳統(tǒng)規(guī)則設(shè)定和大數(shù)據(jù)模型計(jì)算兩種方式，對(duì)帶鋼厚度檢測(cè)、表面缺陷分布、工序平移、規(guī)格變化、開(kāi)卷次數(shù)以及翻面次數(shù)等各種與質(zhì)量相關(guān)信息進(jìn)行綜合處理運(yùn)算，以滿足跨工序快速定位缺陷的要求，自動(dòng)給出前后工序缺陷對(duì)應(yīng)位置和最佳匹配缺陷，實(shí)現(xiàn)缺陷的一貫制快速反查。技術(shù)路線圖如圖4所示。

圖4 技術(shù)路線圖

（2）重點(diǎn)管控指標(biāo)監(jiān)控及推送

通過(guò)數(shù)據(jù)的清洗以及數(shù)據(jù)主題的構(gòu)建，實(shí)現(xiàn)跨工序工藝參數(shù)、質(zhì)量數(shù)據(jù)的交互式正向追蹤、逆向追溯，形成供業(yè)務(wù)人員進(jìn)行分析的基礎(chǔ)主題數(shù)據(jù)，最終通過(guò)可視化組件進(jìn)行圖形化展示，對(duì)業(yè)務(wù)的自定義分析具有很好的效果。另外對(duì)于關(guān)鍵指標(biāo)進(jìn)行自動(dòng)統(tǒng)計(jì)、原因自動(dòng)定位以及異常主動(dòng)推送，方便業(yè)務(wù)人員及時(shí)發(fā)現(xiàn)異常問(wèn)題，調(diào)整現(xiàn)場(chǎng)工藝。

（3）跨工序產(chǎn)品質(zhì)量異常診斷

跨工序產(chǎn)品質(zhì)量異常診斷是對(duì)產(chǎn)品工藝過(guò)程參數(shù)進(jìn)行全流程跨工序的全面分析的過(guò)程，對(duì)于把握整體質(zhì)量控制水平和進(jìn)行異常診斷具有重要的指導(dǎo)意義。

跨工序工藝曲線與表面缺陷聯(lián)合分析，按物料樹(shù)，將鋼后工序的工藝曲線和表面缺陷集成到一個(gè)畫(huà)面中進(jìn)行對(duì)照分析。并可通過(guò)單卷分析和多卷查詢(xún)對(duì)比進(jìn)行分析，針對(duì)不同物料的同一工藝參數(shù)，進(jìn)行對(duì)比，找出差異及異常。

（4）客戶質(zhì)量異議快速反查

針對(duì)表面，尺寸，板型和性能這幾類(lèi)異議按照可能影響到異議產(chǎn)生的材料基本信息（包含材料的卷號(hào)、機(jī)組、牌號(hào)信息、合同規(guī)格要求等數(shù)據(jù)）、過(guò)程參數(shù)信息（主要包含各種高頻曲線、曲面數(shù)據(jù)，以及相應(yīng)的單值數(shù)據(jù)），質(zhì)檢判定信息（包含在線系統(tǒng)判定結(jié)果信息以及粗糙度、抗拉強(qiáng)度等實(shí)驗(yàn)信息）進(jìn)行集成，承接客戶服務(wù)系統(tǒng)質(zhì)量異議及抱怨可以快速地查詢(xún)到異議卷的生產(chǎn)、質(zhì)檢和放行信息，從而進(jìn)行質(zhì)量異議的綜合分析。

4 最終效益

1）完善全面質(zhì)量管理體系。全流程過(guò)程質(zhì)量管理彌補(bǔ)了質(zhì)量過(guò)程控制的空白，為質(zhì)量設(shè)計(jì)和改進(jìn)提供支撐，實(shí)現(xiàn)了從鋼水投入到成品產(chǎn)出整個(gè)過(guò)程的監(jiān)控、調(diào)整、判定、預(yù)測(cè)、檢驗(yàn)和處理，實(shí)現(xiàn)了全流程一體化閉環(huán)質(zhì)量管控，并優(yōu)化了客戶服務(wù)、質(zhì)量異議等處理流程，大大提高客戶滿意度。

2）優(yōu)化業(yè)務(wù)流程和組織結(jié)構(gòu)。以過(guò)程控制系統(tǒng)的數(shù)據(jù)為基礎(chǔ)，利用統(tǒng)計(jì)方法對(duì)生產(chǎn)過(guò)程進(jìn)行監(jiān)控、診斷、分析和改進(jìn)，實(shí)現(xiàn)全線自動(dòng)質(zhì)檢，簡(jiǎn)化了質(zhì)檢流程，提高工作效率及客戶滿意度。

3）支撐遠(yuǎn)距離、跨基地的工序協(xié)同?；诮y(tǒng)一平臺(tái)的數(shù)據(jù)共享，實(shí)現(xiàn)跨基地上下游質(zhì)量缺陷追溯與定位分析，各基地可以直觀了解上下游質(zhì)量問(wèn)題，并做出相應(yīng)改善及工藝調(diào)整，解決跨工序質(zhì)量問(wèn)題。

該項(xiàng)目的實(shí)施，提高了產(chǎn)品過(guò)程控制的穩(wěn)定性，提高了質(zhì)量過(guò)程控制的效率和準(zhǔn)確度，自動(dòng)判定率達(dá)100%，判定周期由30 min降低到5 min。機(jī)器替代人工判定，實(shí)現(xiàn)了由人工管控到全流程自動(dòng)過(guò)程質(zhì)量監(jiān)控及預(yù)警，臨時(shí)封閉率下降了16.84%，現(xiàn)貨發(fā)生率下降了4.9%，返修率下降了0.89%。缺陷分類(lèi)的準(zhǔn)確率提高了12%，對(duì)各工序表檢數(shù)據(jù)進(jìn)行集成，實(shí)現(xiàn)對(duì)全流程表面缺陷演變情況的快速、準(zhǔn)確、便捷定位和追溯，可快速鎖定缺陷來(lái)源工序和產(chǎn)生原因，對(duì)遷順產(chǎn)品質(zhì)量的改進(jìn)提升起到重要促進(jìn)作用。汽車(chē)板PPM值呈下降趨勢(shì)，2021年奔馳為0 ppm，寶馬月均39.6 ppm，日系產(chǎn)品月均7.3 ppm，一汽大眾月均6.8 ppm。按照現(xiàn)貨和正品的平均差價(jià)計(jì)算，全年產(chǎn)品質(zhì)量提升帶出的經(jīng)濟(jì)效益約為1 733萬(wàn)元。

5 結(jié)束語(yǔ)

首鋼產(chǎn)品定位以高端家電、汽車(chē)以及制造用鋼為主。高端用戶追求零缺陷交貨，對(duì)生產(chǎn)過(guò)程中質(zhì)量穩(wěn)定性要求更為嚴(yán)格，依賴(lài)人工過(guò)程控制無(wú)法實(shí)現(xiàn)過(guò)程的準(zhǔn)確管控，缺陷發(fā)生率較大。因此首鋼以“追求零缺陷、實(shí)現(xiàn)高準(zhǔn)確度、提高客戶滿意度”為目標(biāo)，建設(shè)的全流程質(zhì)量管控實(shí)踐，以機(jī)器智能決策，提升了產(chǎn)品過(guò)程質(zhì)量的管控能力，從而在快節(jié)奏和大規(guī)模生產(chǎn)下提高產(chǎn)品的穩(wěn)定性，降低成本損失，滿足客戶個(gè)性化需求。