1、项目相关政策、课题等文件:
本项目符合《原材料工业质量提升三年行动方案(2018-2020年)》的:六、推动“互联网+”质量中的(十一)开展智慧质量管理。支持企业基于工业互联网采集、整理、分析全流程关键节点的质量数据,开展质量诊断预警,优化工艺设计,实现生产过程动态优化,制造和管理信息的全程可视化,推动企业在资源配置、工艺优化、过程控制、产业链管理、节能减排等方面的智能化,提高智慧质量管理水平。
2、产品或技术描述(先进性或创新性、解决问题、产业化及产生效益情况):
钢铁企业对钢铁产品力学性能冶金机理越来越清晰,对力学性能生产管控流程已经从自动化向智能化转换,开始实现从最终的性能指标管理向全流程生产过程参数数字化一贯制管理。同时,随着信息技术、模型技术的大力发展,特别是大数据、人工智能技术等新技术的广泛应用,很多钢铁企业采用机器学习、统计技术等数据建模技术开始应用于钢铁材料的力学性能智能预测计算上,特别在热轧低碳钢、低微合金钢的力学性能,如抗拉强度、屈服强度、延伸率等指标的性能智能预测方面,应用越来越广泛,预测精度大幅提升。通过智能预测的材料力学性能,与产品取样检测的性能结果的一致性越来越高,从实际应用上,部分钢种已经具备替代离线取样检测数据的应用基础。
工信部印发的《原材料工业质量提升三年行动方案(2018-2020年)》中明确,推动“互联网+”质量中的智慧质量管理,支持企业基于工业互联网采集、整理、分析全流程关键节点的质量数据,开展质量诊断预警,优化工艺设计,实现生产过程动态优化。从国家层面来看,推动智慧质量管理是原材料工业质量提升的重点工作之一。
按照《产品质量法》的要求,产品出厂时,应经过检验合格。按照GB/T 17505的规定,所谓检验,诸如测定、检查、试验和测量一种产品的一个或多个特性值,并且将其与规定值进行比较以确定是否合格的活动。检验分为按自定程序的非规定检验,和按订单技术要求的规定检验。
目前,国内外标准ISO、EN、GB、JIS中,有关质保书类型的规定是一致的,有4种,分别为基于非规定检验的检验文件有符合订单的声明Type2.1和试验报告Type2.2;基于规定检验的检验文件有检验证明书Type3.1和Type3.2。质保书类型3.1和3.2,其质保书上应提供检验结果;质保书类型2.1和2.2,质保书上可以不提供试验结果。
从国内外各类钢铁产品或基础标准中涉及质保书类型的规定来看,国外标准,如EN10338冷产线用热轧和热轧复相钢、EN10346:2015 冷成形用热镀产品 和 EN10152:2009 冷成形用电镀产品等规定,除非订货时另有规定,否则检验文件按EN10204中非规定的检验和试验(2.1或2.2),EN的很多产品标准,明确默认非规定的检验和试验,提供2.1和2.2类型的质保书。国内标准GB/T 247规定质量证明书的类型应符合GB/T 18253的规定,未明确指明具体哪一种类型质保书;GB/T 17505指明,如产品标准未明确质保书类型,应在订货时在合同条款之中指明。质保书类型的选择,国内用户知悉度还不是很广泛;目前,国内通常默认采用3.1或3.2;如无特别约定,钢铁企业通常惯例提供为3.1或3.2,国内用户通常惯例接受的也是3.1和3.2。
建立本标准的目的,为预测的钢铁产品力学性能数据应用于钢铁产品的检验文件上,提供指南和规范,在合规、规范的情况下,促进预测数据的推广和应用。
3、项目可行性
1)钢铁企业长期积累的数据量增长和新算法应用提升了性能预报模型的精度,长期的生产制造经验增强了对模型应用范围的深刻认识。智能预测的材料力学性能,与产品取样检测的性能结果的一致性越来越高,从实际应用上,部分钢种已经具备替代离线取样检测数据的应用基础;
2)项目申报企业宝山钢铁股份有限公司长期坚持信息技术、特别是数据技术的应用,从2000年开始应用数据仓库技术,2003年已经实现全公司钢铁产品生成全流程重点参数数据采集、实现多源异构数据的初步集成和分析,并开始进行热轧产品性能预报模型的研究,经过多年的研究,2006年已经开发一套具有自主知识产权的热轧带钢性能预报模型,并开始采用基于模型的精准选样、实现钢铁产品的在线性能预测,预测结果精度在±5%以内达到90%以上比例,覆盖碳锰钢、低微合金钢等常规热轧钢种,目前正在研发机理更加复杂、强度更高产品的性能预报模型。
4、项目必要性
1)为智能预测的钢铁产品力学性能数据应用于钢铁产品的检验文件上,提供合规、规范的指南和规范,促进智能预测数据的推广和应用;同时,满足国内钢厂和国内用户要求质保书上提供产品质量数据的要求;
2)智能预测的技术,已经在国内很多钢厂在应用,并且应用于实际的生产之中;国内很多钢厂,在智慧预测的技术、模型方面各有特点,并不完全相同;有的企业采用用历史生产数据,以冶金机理为指导、基于统计或机器学习算法的性能预测;有的企业采用神经元网络、随机森林等方法。各种方法的预测结果与实际检测结果的精度、一致性存在差异,需要从行业方面设立智能预测性能数据的一致性或精度方面的门槛要求,规范智能预测的数据应用;
3)传统的性能检测方法是通过对产品进行取样、基于实验室设备力学性能检测来获得性能指标值,以此判定是否满足用户的要求,最后根据实验室性能指标值打印质保书,提供给用户;传统检测方法是一种破坏性检测方法,降低了钢材的成材率,取样、加工、检测等过程周期长,降低了生产效率;从本质上讲是一种抽样检测方法,采用成批抽取一个试样作为代表整批,用代表样的检测值作为批类产品的性能值打印质保书,而代表样实际也只能对有限的几个具体位置(头、中、尾等几个有限位置)进行抽样检测,所以,这种检测方法存在质保书上性能值不对应、甚至存在不合格产品漏检的风险;
智能预测利用了各个卷全流程(炼钢、热轧...)所有工艺参数来预测带钢的全长力学性能,这种新方法减少取样量、加快生产效率,也避免了传统方法批次取样代表性不足和取样位置限制的问题,也用于生产过程管控,对异常、可能不合格的卷、可能不合格的具体位置进行取样,实现了更加精准、更加严格的取样管理。