板帶在線實時質量預測數據預處理技術

劉 博，王學敏

(寶山鋼鐵股份有限公司，上海 201900)

0 前言

在智慧制造大潮中，企業數字化轉型是關鍵的一步。商業領域數字化應用較普遍，工業領域由于其工況的復雜性、不確定性以及對精度的高要求，導致數字化和數據應用的實施落后于商業領域。目前，各工業企業都在緊隨智慧制造發展的大方向積極推進企業數字化和智能化的轉型[1-3]。

生產裝備的高度自動化、計算機的高性能、高存儲以及高速發展的互聯互通技術，為企業數字化提供條件，各大鋼鐵企業紛紛開展數據整合以推動工廠數字化轉型，如中國的寶鋼、美國的大河鋼廠等。

在現有架構下，傳統鋼鐵企業實現數字化轉型是項復雜的、長期的巨大工程，不僅僅是實現各源數據的整合和存儲，更重要的是如何從頂層設計來滿足不同的應用需求，對數據進行有效預處理，進而開展各類不同的應用，以滿足企業降本增效、提高質量、提高生產效率等需求。

鋼鐵企業是復雜的流程性工業，盡管利用生產數據分析進行設備狀態監控、跟蹤、診斷，優化工藝過程，實現了技術能力和產品質量的提升，但是傳統的生產過程工藝數據利用程度較低，跨機組數據應用基本停留在事后的離線歷史數據分析[4]。隨著大數據技術的興起與硬件處理速度的提高，在線大數據應用成為可能，實現了前后機組、前后工序數據的流動和傳承，開展大數據應用與分析，對產品質量進行及時預警。本文提供了一種思路和方法，旨在將流動的數據進行匹配，用于產品質量的在線實時預警，尤其是最復雜的冷軋工序產品質量預測(如性能)。

1 確定目標與數據分析

不同的分析目標，所涉及的機組和數據項不同，有的分析需要跨機組數據，有的只用本機組數據即可，有的可能同時涉及工藝數據和設備狀態數據，需要先根據不同的分析目標，結合行業經驗和背景知識，確定數據項及其對應的工序和機組。

數據流動包含機組內各工序間的數據流動和跨機組的數據流動。鋼鐵生產工藝流程長且復雜，從煉鐵、煉鋼、連鑄、熱軋，到冷軋、連退、熱鍍鋅等機組，實現全流程的數據流動。以爐號、卷號或材料號為關鍵字，實現前后機組的勾聯與數據傳承。

對于煉鐵、煉鋼、連鑄，一爐鋼對應一組數據，跟隨爐號或卷號傳遞到下游機組；但對于熱軋和冷軋，尤其是冷軋，由于板帶較長，生產過程中，工藝數據和設備狀態數據的波動會影響板帶質量，因此，一卷一組數據不能滿足精準的數據應用需求，需要將數據落位到板帶相對應的具體位置，能夠體現板帶全長范圍內的數據波動情況及其對質量的影響規律，高速連續生產的板帶，經過某一工序時，利用機組內的帶頭跟蹤儀或焊縫跟蹤儀、以及機組內的計長編碼器[5-9]，將該工序瞬時工藝和設備狀態數據映射到板帶具體位置，將數據與板帶長度位置匹配起來，一組數據與板帶位置呈一一對應關系，并跟隨實物板帶向下游工序、下游機組、甚至下游用戶流動，下游可以利用傳承過來的數據，開展各類應用。

2 在線數據預處理關鍵技術

利用大數據技術開展在線板帶質量實時預測技術，表面上看，是利用時序數據開展實時質量預測(如性能)，但實際上，并非將實時采集上來的數據匯聚在一起，作為模型輸入用以對板帶質量進行預測那么簡單。對板帶質量進行實時預測(如板帶機械性能)，實際上是對板帶各個位置的質量進行預測，由于各設備安裝空間位置不同，在線實時獲得的各工序數據并非對應板帶同一位置，如圖1所示，因此實時獲得的數據并非同一組數據，無法直接使用。

圖1 高速生產的板帶數據落位示意圖

如圖1所示，某熱鍍鋅機組板帶從右往左前進，開卷后，板帶依次穿過焊機、退火爐各爐段、鋅鍋、平整機和拉矯機等設備。對于任一時刻，這些設備產生的瞬時數據并非對應板帶同一位置。如焊機數據對應板帶位置1,退火爐加熱段對應板帶位置2，退火爐均熱段對應板帶位置3，退火爐冷卻段對應板帶位置4，鋅鍋數據對應板帶位置5，平整機數據對應板帶位置6，拉矯機數據對應板帶位置7。為了實時對板帶各位置質量進行預測，首先需要將這些數據映射到板帶物理位置上，每個物理位置對應一組數據，利用該物理位置的數據預測該位置的質量。

假設需要預測某位置的質量，如機械性能， 影響機械性能的工序包括退火爐(加熱段、均熱段、緩冷段和快冷段)、平整機和拉矯機，拉矯機是該機組影響性能的最后一道工序，那么，需要待該位置到達拉矯機后，才能搜集完該位置的全部數據，才能開始對該位置的性能進行預測。

但在數據采集時，采集到的實時數據是時序數據，不管是熱軋還是冷軋，需要利用帶頭檢測儀(如冷軋的焊縫跟蹤儀)和計長編碼器相結合，實時計算帶頭移動距離，定義為變量wplen，才能把實時采集到的數據與位置對應起來，且每個工序對應的實時wplen值不同。

如圖2所示，假設需要預測距離帶頭wplen=100 m位置的性能，則需要收集完全部數據后，才能開始該位置的性能預測，假設：

T1時刻，帶頭離開退火爐加熱段wplen=100 m位置時，對應的退火爐加熱段工藝數據集為X1；

T2時刻，帶頭離開退火爐均熱段wplen=100 m位置時，對應的退火爐均熱段工藝數據集為Y1；

T3時刻，帶頭離開退火爐緩冷段wplen=100 m位置時，對應的退火爐緩冷段工藝數據集為Z1；

T4時刻，帶頭離開退火爐快冷段wplen=100 m位置時，對應的退火爐快冷段工藝數據集為K1；

T5時刻，帶頭離開平整機段wplen=100 m位置時，對應的平整機工藝數據集為N1；

T6時刻，帶頭離開拉矯機段wplen=100 m位置時，對應的拉矯機工藝數據集為P1；

當T6時刻采集到拉矯機數據后，即意味著獲得了該位置wplen=100 m的性能預測所需要的全部工藝數據，此時可以開始該位置的性能預測。

圖2 帶頭離開各工序100 m時各工序數據落位示意圖

圖2是距離帶頭100 m即wplen=100 m時的數據采集與匹配的情況，以此類推，可以獲得wplen=L1，L2，L3，……，Ln時分別對應的數據集。

假設需要預測性能的各點距離帶頭的長度依次為：L1，L2，L3，L4，L5，……，Ln；

各位置所對應的退火爐加熱段瞬時工藝數據集依次為：X1，X2，X3，X4，X5，……，Xn；

各位置所對應的退火爐均熱段瞬時工藝數據集依次為：Y1，Y2，Y3，……，Yn；

各位置所對應的退火爐緩冷段瞬時工藝數據集依次為：Z1，Z2，Z3，……，Zn；

各位置所對應的退火爐快冷段瞬時工藝數據集依次為：K1，K2，K3，……，Kn；

各位置所對應的退火爐平整機瞬時工藝數據集依次為：N1，N2，N3，……，Nn；

各位置所對應的退火爐拉矯機瞬時工藝數據集依次為：P1，P2，P3，……，Pn；

以此類推，可得板帶各長度位置所對應的相關工序數據集，每一行表示一組，對應板帶一個位置，參考表1(部分數據格式樣張)。

表1 各相關工序數據集樣張

需要說明的是：采集數據時，采集到的數據是離散的，不同工序數據不一定落位在板帶同一位置，但可以通過就近插值的方法統一長度位置。比如，變量X1和變量Y1在落位時不一定全部準確落位在L1位置，但可以利用就近插值的方法獲得L1位置的對應值，進而獲得如表1所示的矩陣。

當收集到L1位置的全部數據后，L1位置對應的數據集為一組，作為模型的輸入，調用質量預測模型(如性能預測模型)，計算輸出L1位置的性能值；

當收集到L2位置的全部數據后，通過調用性能預測模型，輸出L2位置的性能值，可以在線實時顯示L2位置的機械性能預測值。

……

依次類推，板帶全長為Ln，當收集到Ln位置的全部數據后，通過調用質量預測模型(如性能)，輸出Ln位置的性能值。

通過在線實時顯示畫面，可以將這些實時預測值呈顯給操作人員，若出現異常則可以及時對工藝數據進行調整。

3 應用案例

對某熱鍍鋅機組板帶機械性能(含屈服強度、抗拉強度、延伸率)進行預測。

數據源1：前工序傳承下來的數據，包含具體位置數據或整卷數據(含鋼種、熱軋溫度等)。

數據源2：本機組各工序數據(含退火爐、平整機、拉矯機)。

對各源數據實施在線匹配，以米級精度(每米一組)在線實時對各點性能進行匹配和預測，匹配與預測結果見表2。

表2 在線性能實時預測結果展示

4 結論

本文創新點在于：改變過去時序數據的思維[10-20]。將時間和空間統一起來，基于質量與位置的實時對應關系，實現數據在線實時應用。帶鋼生產時，由于不同設備安裝位置不同，因此同時取到的數據并不是對應帶鋼同一位置，若想預測帶鋼某個位置的性能，用同時取到的數據是不對的，需要對取到的時序數據做一定的轉化和處理方可使用。本文提出的一種在線流式實時數據預處理方法，以板帶長度位置為紐帶，將相關數據匹配成一組數據集作為模型輸入，然后調用模型計算，對板帶質量進行在線實時預測，該方法實時性高，對于出現質量異常時，可以及時提示操作人員進行干預，避免大批量產品質量異常所帶來的經濟損失，改進了離線分析、事后處理的弊端，應用案例證明了該方法具有可實施性。