一、项目的背景与问题

新一轮制造业的变革，其根源是新一代信息通讯技术尤其是大数据技术的快速发展，促使了制造业向数据驱动阶段转型。随着钢铁企业经营业务的逐步深入，现有的信息化系统在小批量柔性生产、快速响应市场变化、协同供应链管理、保证产品质量一贯制方面主要还存在如下痛点问题：

1、数据获取方面的痛点：不同维度的质量信息分散在不同的系统中，质量分析需要在各个不同的系统获取不同类型的数据，数据获取难度大，整合费时费力，数据孤岛问题突出，难以高效、准确挖掘数据价值；

2、质量判定和监控方面的痛点：与产品质量相关的冶金规范要求、制造工艺参数、过程控制参数变化等分散在各个独立的系统中，或仅作为指导标准存在于文件之中，且相互之间缺少有效的关联，大多质量问题都是“事后监控”，质量一贯制难以保证；

3、质量分析方面的痛点：目前钢铁工业各工序遗留的质量问题通常属于多变量耦合问题，现有系统缺乏高效的质量追溯、分析与优化技术，通过简单的阈值分析、对比分析难以发现问题根源，质量缺陷频繁、重复发生；

4、质量协同控制方面的痛点：协同控制是今后企业精益化生产的必经之路，质量协同通常会涉及到生产、工艺、控制、设备、成本、人员等其他系统，现有的质量相关系统大多关心质量本身，协同机制缺乏，质量提升效率低下。

钢铁企业经过多年的信息化建设，基本形成了从ERP系统、MES系统、过程自动化、基础自动化的多层架构，实现了产、供、销、财一体化信息体系。与此同时，质量管理相应的管理理念也在不断进化，各组织、企业更加强调满足客户的个性需求，以客户为中心，实施质量一贯制管理思想，以实现产品质量的持续改进。但是，多年的实践表明，传统的信息化架构对质量一贯制的闭环支撑困难，未根据用户需求进行过程质量系统化管理，缺少一个以“质量一贯制”为指导思想，贯穿全流程的质量管理信息系统。

未来国内钢铁行业仍会长时间供大于求，用户对产品质量的要求也越来越高，同时个性化、多样化需求也在不断加剧。通过构建基于工业大数据的钢铁一体化质量管控系统（Quality Management and Control System，QMS），实现钢铁生产全流程的数据采集、数据判异、数据关联、时空变换、数据治理和数据空间建设等功能，在此基础上，完成包含质量业务流程和质量过程管控的多类应用模块，实现质量“PDCA”的全程管控模式，完成从原料入库到成品出厂的质量一贯制管理，实现产品质量的持续改进。

二、解决问题的思路与方案

基于对国外先进质量管理理念的吸收消化及实践，国内大型钢铁企业在质量一贯制管理理念上也基本达成共识：遵循“集中一贯质量管理”的原则，按“标准+α”组织生产，实行质量“PDCA”全程管控，质量管理与具体业务及工艺配套，坚持“防检结合、以防为主”。

在具体实现方面，如果企业已经具有完善的质量业务流程管理功能，可建立基于工业互联技术的工业大数据平台，并构建QMS质量过程管控系统，完成质量追溯、质量分析、质量预测、生产监控、过程判定等功能，质量业务流程管理和质量过程管控相结合，可以完美地实现全过程质量一贯制管理，也可质量业务流程管理和质量过程管控一次性规划实施，如图1所示为基于工业大数据的钢铁全流程一体化质量管控系统（QMS）功能构架图。

图1 基于工业大数据的钢铁全流程一体化质量管控系统功能构架

基于工业大数据的钢铁全流程一体化质量管控系统包含如下三部分完整内容：

1、工业大数据平台建设

构建覆盖炼钢、热轧、冷轧、镀锌等产线的冶金大数据平台，完成基于多协议的全流程各类多元异构数据的采集，并对采集完的数据进行时空变换，在时间轴和空间轴完成数据的匹配，将数据精准关联到物料上，实现产品的全息数字化；构建完整的质量、工艺、关键设备数据等内容的工厂级分类数据库，并实现数据的预处理、数据空间建设、数据安全建设、数据存储等；部署SOA中间件平台，实现进程管理、业务管理、作业管理、开发管理、日志管理、接口管理等一系列服务，为应用层开发和系统运行提供基础便利条件；提供多类微服务模型，包括机器学习算法模型、规则引擎模型、冶金物理模型、微服务接口API等，形成一套适合冶金行业的工业互联平台，为质量业务流程功能建设和质量过程管控功能建设提供基础数据服务、开发环境、安全保障等。

2、质量业务流程功能建设

质量管理相关的业务流程如图2所示，具体的质量业务流程主要包括：质量基准体系建立、质量评审、质量设计、销产转换、计划执行、质量检验与判定、质量处置管理、质保书管理等，保证客户需求与生产过程的有效对接。

图2 质量业务流程建设

3、质量过程管控功能建设

质量过程管控功能建设主要包括过程判定、过程监控、数据追溯、质量分析、质量预测、质量协同等功能。

过程判定：以质量设计目标为依据，开发多类判定准则引擎，对各个工序的重要产品质量和过程参数进行精准判定及处理，实现过程判定的及时性、无人化、一致性，同时，基于过程判定和评级功能，也可实现优秀样本的归集，为后续质量分析和工艺参数优化提供前提条件。

过程监控：通过规则监控方法，对全流程各个工艺段的生产过程工艺、设备等数据进行在线监控与预警。通过多种监控组合，可实现对各个机组工艺纪律、功能精度、异常过程等进行评价，对重要质量的“事中控制”，提升过程能力。

数据追溯：根据搜集到的全流程生产数据以及各个工序间物料号等信息，按照订单、物料号、时间等查询条件，可追溯到产品在整个制造过程中的工艺过程参数与质量数据；同时，也可根据批次信息、物料谱系、优秀样本等各类条件，进行不同边界条件下的质量追溯；提供每个重点工序的质量分类追溯场景。

质量分析：提供多种质量分析方法，如基于历史优秀样本的质量分析方法、基于数据驱动的质量分析方法等，实现质量问题的高效率排查，也可形成标准的质量分析主题，协助工艺技术人员从多维度探寻质量缺陷的成因，此外，可以从历史优秀样本库获得最佳工艺参数范围。

质量预测：建立质量缺陷标准样本库，通过定制化模块及智能机器学习算法，对不可测量类、检测滞后类质量进行预测，实现质量的事中控制和质量预警，实现多类复杂问题的质量风险评估。

质量协同：关注质量和生产、设备、能源、成本之间的耦合关系，建立一系列定制化模型，实现质量的全局优化控制，满足不同人员和岗位的需求。

三、主要创新性成果

1、构建了具有行业特色的、基于多源异构、多粒度数据特点的冶金工业大数据平台。采用边缘层计算技术实现了多协议转换，完成了以物料为中心的数据采集，建立了全息数字化工业大数据平台。通过封装智能工艺网关，形成具有行业特色的边缘侧数据处理技术，突破工艺对象过程原理不明确的瓶颈，实现了工艺数据的时空变换、匹配、判异等功能。同时通过分布式存储技术，实现过程曲线数据、关系数据的完整、高效、安全存储，满足了冶金工业数据的爆发式增长、开放式协同的业务需求。

2、开发了多类冶金物理模型和机器学习模型支撑质量管控应用。建立全轧程多维温度演变模型、温度-相变-应力耦合模型、有限元变形仿真模型及特征提取、辊形设计方法与理论等轧制过程机理模型，明确轧制过程关键参数的演变规律及与质量之间的冶金物理关系，为数据应用提供基础依据及数据筛选、参数配置等方面的指导；建立了面向复杂工业环境的机器学习库，涵盖聚类、回归、分类、关联等多个大类算法以及算法的场景适应性；将模型库和方法库采用各类方式集成到工业大数据平台中，支撑平台应用的开发。

3、研发了面向事前、事中、事后的质量成套智能应用技术。依托工业大数据平台，开发了涵盖过程质量判定、过程质量监控、质量数据追溯、质量预测、质量分析的质量一体化智能应用模型，保证客户需求精准落地，打破传统质量事后处理与控制的质量管理模式，实现了产品质量一贯制。

4、研发了多生产要素质量协同控制技术。依托大数据平台，将数据挖掘技术和传统的机理模型相结合，实现设备、生产、工艺、模型等多生产要素的协同控制，并形成多类主题模型和工艺、模型、辊形等关联决策技术，并提出相应的改进方向和方法，改变了工艺技术人员的工作模式，提高了技术人员的工作效率，同时改善了产品质量的控制水平，增强了产品竞争力。

四、应用情况与效果

项目在钢铁和有色板带、棒线材、轨梁等领域完成15套以上应用，部分业绩如图3所示，近几年的典型应用案例如下：

1、马钢板带全流程生产线（2017）：一钢轧包括脱硫、转炉、LF、RH、板坯连铸机、CSP连铸、热轧等。四钢轧厂包括：脱硫、转炉、LF、RH、板坯连铸、1580热轧、2250热轧、热轧平整、热轧分切等。冷轧总厂和合肥板材包括酸轧、镀锌、连退、重卷、彩涂、平整、横切、硅钢等生产设备。实现包含50多个关键机组或单体设备的工业互联网平台建设。

2、新钢板带全流程生产线（2018）：涵盖脱硫、炼钢、连铸、加热炉、热轧、平整、酸洗、冷轧、连退等多套工序。实现包含30多个关键机组或单体设备的工业互联网平台建设，在平台建设的基础上，完成了全流程质量管控系统应用层的开发，实现了质量管控系统在新钢板带全流程生产线上的完整应用。

3、鞍钢板带全流程生产线（2019）：涵盖脱硫、炼钢、连铸、加热炉、热轧、平整、酸洗、冷轧、硅钢、连退等多套工序。实现包含40多个关键机组或单体设备的工业互联网平台建设，在平台建设的基础上，完成了全流程质量管控系统应用层的开发，实现了质量管控系统在鞍钢板带全流程生产线上的完整应用。

图3 质量管控系统的部分应用业绩

企业完成工业大数据平台搭建后，最直接的体验便是数据获取和使用的便利性，和传统工作流程相比，可实现随时随地获取数据、实现数据的个性化配置、形成标准数据集、实现数据的高效存储和处理、实现数据的分级管理等，制造全流程的数据使用效率提升75%以上，并获得钢铁企业各个部门的广泛认同，用最低的时间成本获得数据的价值。

项目提供的过程判定功能，断面、尺寸、温度类实现自动判定，判定准确率大于99.8%，某厂应用后质检每班减少1人，质量缺陷外放风险下降60%，解决事后质量精确识别。通过过程监控、质量分析、工艺优化等模块，工艺人员的劳动效率提升30%以上，某厂的全年内部质量降级率比上一年度下降26.3%。

信息来源：北京科技大学工程技术研究院、高效轧制国家工程中心专稿