一、钢铁质量管理存在问题
1.数据采集信息孤岛现象时常存在
关于产品质量管理,这是伴随现代化发展所产生的一种新型要求。目前人们也进入到了全面质量管理阶段,在产品质量管理过程中,充分挖掘数据价值、完成钢铁行业本身的发展成为其建设重点。但是就钢铁质量管理过程来看,当前各钢铁行业虽已经安装了传感、器监测仪等设备,已实现生产过程中的数据储存与参数检测。但是由于缺乏系统统筹以及全面信息技术的限制,在生产线上建立起的数据采集系统信息共享模式较为困难,这导致上下游业务之间很容易存在一系列的信息孤岛现象。下游生产企业无法获取全面的质量信息,在生产过程中容易造成一些质量问题,这也大大增加了生产成本,导致产品废品率居高不下。由此对于质量数据监管内容,其无法作出全面分析。在上下游数据管控过程之中,难以做好实际建设。这对于当前的大数据监管发展而言,都带来了一系列的问题。
2.数据质量控制面临挑战
基于钢铁行业发展过程,对于数据质量作出管理也是十分重要的。钢铁行业的质量数据适用于“二八定律”,即应用少量的数踩点位,在质量分析过程中发挥出较大的价值。但是在数据采集过程中,由于受到数据采集链路、硬件设备和人为因素等各项内容的干扰,各类数据问题存在。问题数据将大量存在,这也直接导致后续的分析结果出现一系列的问题,它不利于进行质量管理操控。
3.数据内容无法有效储存
钢铁行业各种监测仪器逐渐向多功能化、系统化、智能化方向发展,随之所产生的铁水含量、高炉温度、气体含量等生产数据,以秒级单位做出迅速增长。传统的关系型数据库以及中式文件管理模式也无法实现对海量数据的储存监控,由此也必须在海量数据内容下作出质量分析,完成数据内容挖掘,真正对于钢铁行业数据储存技术做出更新优化。但当前钢铁行业数据内容无法完成有效储存,各类数据也只是杂乱的进行统计,后续也很难发挥出其实际作用。
4.数据价值无法得到挖掘
数据成为企业做出实际改造的一项优良资产,虽然我国钢铁企业自动化水平较高,数据收集较为齐全,但是企业在数据管理方面却做的不足。大部分钢铁行业只是将已获得的一些数据作为后续产品缺陷追溯的一环,而没有对于数据内容进行及时管理。数据利用呈现出单一化、局部化,数据价值无法做出有效挖掘,它也很难为企业发展带来实际利益。数据管控内容呈现出低端化,数据价值无法发挥出来。钢铁行业也很难去适应市场,完成自我改革。
二、大数据在钢铁质量管理中的应用策略
1.质量在线风险检测
大数据技术在钢铁行业质量管理中的应用较为广泛,这集中表现在它的风险预测、全流程质量管理质量监控以及自动判定阶段。就其质量在线风险管理内容来看,通过传感器物联网数据仓库以及机械学习技术作为依托,构建规则型的学习知识库。在搭建质量分析模型过程之中,对生产过程中的质量数据进行实时分析。对产品内容做出诊断管理,将质量管理移到事前监测过程之中,这能够有效帮助企业降低其生产成本。质量判断内容也包括质量风险模型构建、质量监管控制模型构建以及质量发生概率模型构建。质量风险评估主要用于质量意义、严重程度预测以及发生概率预测,质量异议主要指的是在发生重大质量问题,对于产品内容进行影响之后,不能够销售量化的一类结果。在质量意义概率分析过程中,对于生产过程、数量以及产品之间的比例做出计算是后续工作者应该关注的问题。质量预测在炼钢、扎钢生产过程中有着较好的应用前景,在当前的生产过程中。结合数据内容,对于钢水、钢胚、产品质量作出判断,为生产过程提供科学决策,提高其精细化管理程度。在具体应用场景之中,它还包括设备监测维护、聚类分析、新钢种内容分析。在这些质量内容的评估过程之中,提高其风险预测能力。将不合格数量控制在较低范围之内,提升企业生产管理水平。帮助其降低生产成本,完成企业数据监控。
2.质量内容评估与判定
质量内容的评估以及判定主要是基于生产环节的实施监控去帮助质量管理人员了解现有生产状况的,在明确设备质量监测系统过程之中,对于设备数据做出分析。了解先进设备管理过程,减少冗杂数据产生内容。可以应用好大数据,在快速处理分析过程之中,为管理人员提供可视化的交互系统。基于人机互动监管模式,在关键系数掌握模式之下,对于硫含量、轧成饼规格、出炉温度、冷却速度等关键参数进行管理。另一方面,也必须由传感器系统与现有的企业经营内容连接起来。在加工过程中,如果发现一些质量波动问题,也必须提醒企业做出提早配合。在管理监测过程中,实现企业运行发展效益最大化。调整企业生产流程,基于钢铁企业生产内容,其各项流程的控制较为复杂。每个工艺流程涉及的参数也较多,如果在生产过程中无法做出有效控制,也会造成产品缺陷等问题。如擦伤、温度过高、偏移,这都是在之前未应用大数据进行监管时出现的一些问题。通过大数据进行质量监控以及自动判断,构建一个做好生产缺陷监管的模型。应用图像处理、成分分析、工艺参数检验等内容,了解缺陷类型以及主要原因。实现质量控制模型的及时判断,在相应的产品技术发展过程之中,对于智能缺陷系统技术、转炉炼钢终点控制技术做出及时管理。
3.全过程质量数据管理
全过程质量数据管理与离线管理系统做出结合,能够实现钢铁企业生产工艺数据性能、数据质量决策内容分析。在全流程质量数据内容发展过程之中,它涵盖到铁水生产、炼钢发展、筑基加钢等各项数据的采集,实现对于数据的抽离。在集成管理阶段,对于每一次数据内容都要做好有效化的质量分析。追溯数量内容,为后续决策提供一定的基础。而在质量数据处理方面,也可以构建新的计算框架与分布式数据库。为后续的数据处理奠基,从而减少海量数据的决策难度。在处理数据发展过程之中,对于聚类分析、偏差检验、规则关联等内容进行了解。应用机械学习模式,加强规则学习。修除异常数据,建立新的数据采集系统。对于数据定义、评价内容做出闭环管理,真正实现数据质量监管的可持续化发展,为数据管理内容作出奠基。
结束语
结构监管与质量转型已成为钢铁行业生产的重要问题,钢铁行业发展与质量监管内容密不可分。基于大数据技术的应用,它也成为钢铁行业生产变革的一种重要模式。在大数据质量监管技术应用过程之中,通过对于钢铁行业做好质量在线风险预测,进行质量监控,做出全过程质量数据管理。真正实现质量数据内容的实时监管,帮助企业降低其经营成本,让钢铁行业在科学做出产品指导过程中进行质量内容修订,完成钢铁行业发展过程的保障。
参考文献
[1]刘佳佳.基于大数据的钢铁安全隐患语义网络研究[J].信息周刊,2020,000(006):P.1-1.
[2]董冠求.大数据过程质量控制系统在钢铁生产中的应用[J].中国金属通报,2019(3).