專利名稱：一種鋼鐵企業質量信息平臺的制作方法
技術領域：
本發明屬于鋼鐵企業質量自動控制技術領域，特別是提供了一種鋼鐵企業質量信息平臺。
背景技術：
鋼鐵企業產品周期長、客戶對產品品種、規格、性能等需求多元化，使得鋼鐵產品的質量管理已不是可以通過建立某個工序或某幾個鋼種的質量模型便能解決問題，為解決產品整個生命周期的質量管理和控制，覆蓋產品設計開發、銷售訂單質量設計、生產過程控制操作、過程質量檢驗、質量終判、過程不合質量改判、工藝路徑更改等諸多環節，建立了全廠全工序的鋼鐵企業質量信息平臺。·20世紀70年代，鋼鐵企業以產量為中心，追求產量目標，產品質量實行事后檢驗和把關，這一時期質量信息系統為單一的檢化驗系統；20世紀80年代后期，鋼鐵企業開始推行全面質量管理，全員參與產品質量過程控制，很多鋼廠建立了以預防為主的基于過程控制的全面質量管理系統，普遍實行了統計過程控制；進入20世紀90年代后期，鋼鐵企業推行數據化管理、整體化的精細質量管理，并在質量上滿足客戶的“標準+ α ”的需求，這種先進的管理理念普遍被集成到MES系統中，實現了集中一貫的質量管理。但質量管理系統在過程本身及過程集成的支持機制方面存在不足(I)多數集成質量系統仍然是以信息集成和功能集成為主線展開，它們或以MES為載體進行實施，或單獨集成部分生產信息分析某工序的生產質量情況，并未以過程為主線加以構建。有些企業對過程集成雖有所支持，但多數環節僅著眼于對過程中的信息加以采集與管理，屬于相對滯后的靜態的管理，并未實現對過程本身管理與控制。(2)對于質量管理體系的核心過程即產品實現過程的子過程的設定、控制和改進比較薄弱，缺乏對過程的建模和分析，子過程之間的集成只停留在過程輸出信息傳遞層次上，沒有實現過程間的深層次并行集成。多數子過程環節之間仍屬于“黑箱過程”，相互間不透明，造成企業對過程異常和質量問題的響應性差，質量需求響應、質量分析和質量改進等過程的敏捷性不足。(3)目前大部分鋼廠會建立產品質量數據庫，并通過一些數學工具挖掘知識并作出相關分析，但由于鋼鐵產品的多樣性和生產工藝的復雜，產品質量和缺陷分析工作沒有統一的方法和工具，所挖掘的知識沒有統一的管理和共享平臺，僅僅局限于某幾個鋼號的知識積累。(4)實現信息化的企業大多使用統計過程控制SPC通過機組自動化采集各機組的實際控制結果數據，并能實時地繪制控制圖來判斷實際的生產過程是否穩定，但目前大多限于單變量的控制。實際上在鋼鐵生產過程中，影響產品質量的操作參數是各種各樣的，而且各個操作參數之間也存在耦合關系，僅僅對某個參數進行控制無法達到精細控制的目標。(5)目前的質量模型僅限于某個工序或設備，只能對半成品質量或工序能力做出判定，沒對產品的整個生產過程進行判定。基于以上原因，建立了一種面向全廠全工序的鋼鐵質量信息平臺，該平臺貫串了冶煉過程的所有工序，以過程為主線實現了信息和功能的集成，打破質量數據業務各自為政的格局，過程之間透明化，對產品全生命周期質量把控提供了支持。
發明內容
本發明的目的在于提供一種鋼鐵企業質量信息平臺，以過程為主線對過程信息和功能進行集成，使過程之間達到透明化，為產品全生命周期質量把控提供支持。本發明包括硬件及運行在硬件上的軟件；所述的硬件包括外圍數據系統、數據采集服務器、數據庫服務器、客戶端計算機、連接到客戶端上的打印機一臺，防病毒服務器；夕卜圍數據系統由PLC、DCS組成的過程控制系統PCS、生產執行系統MES、企業資源計劃管理系統ERP、檢化驗系統組成。所述的軟件包括數據采集軟件、數據庫軟件、鋼鐵企業質量信息平 臺軟件。硬件系統間的連接關系具體為外圍數據系統中，MES與PCS、ERP與MES、檢化驗系統與MES、檢化驗系統與ERP通過工業以太網連接；數據采集服務器與PCS、數據采集服務器與MES、數據采集服務器與ERP、數據采集服務器與檢化驗系統通過工業以太網連接；數據采集服務器與數據庫服務器，客戶端與數據庫服務器通過工業以太網連接起來，數據采集服務器與外圍數據系統通過防火墻進行隔離。數據采集服務器上運行數據采集軟件，數據庫服務器上運行數據庫軟件，數據采集軟件將外圍數據系統中的數據處理后存儲在數據庫中，鋼鐵企業質量信息平臺軟件運行在客戶端計算機上，鋼鐵企業質量信息平臺軟件讀取保存在數據庫中的質量數據，對質量數據進行分析、處理、計算，最終將結果顯示在客戶端計算機上。防病毒服務器主要負責網絡病毒的防護、網絡病毒庫的更新。運行在數據采集服務器上的數據采集軟件分10s、5分鐘、I小時、一天周期對來自外圍系統的數據進行采集，主要包括化學性能、力學性能、規格尺寸、及其它與質量相關的各工序生產過程數據及質量數據，數據采集器對這些數據進行合理地轉化、處理和融合，最終以標簽化的方式存儲到運行在數據庫服務器上的數據庫中。運行在數據庫服務器上的數據庫中建立了企業級的質量數據倉庫，主要包括冶金規范、產品規范質量數據、工序過程數據、新產品案例庫等各種數據，數據按照不同主題進行劃分，每個主題由多個表來實現；數據之間根據主題不同，按照爐號和質保書號為主線進行組織，使質量數據倉庫的緯度更加明晰，并提供方便的、開放的、快速的質量數據檢索服務。運行在客戶端計算機上的鋼鐵企業質量信息平臺軟件主要包括六個模塊質量數據預處理、質量數據分析、過程質量分析、質量設計、質量建模、質量優化。質量數據預處理、質量數據分析相輔相成，質量數據預處理為質量數據分析提供可靠的數據基礎，相反，質量數據分析為質量數據預處理的處理方式提供知識支持，這兩個模塊是鋼鐵企業質量信息平臺軟件的基礎模塊，為其它模塊提供了可靠的數據基礎。質量建模為質量設計、質量優化提供了模型基礎。過程質量分析用來發現過程中的缺陷，從而為質量優化提供優化目標。一、質量數據預處理
質量數據預處理包含異常數據處理、類型定義轉換、數據變換、數據標準化、數據聚類五個子模塊。異常數據處理可以踢除含有空值的樣本，支持隨機、固定間隔、固定范圍、自定義四種數據采樣方式。類型定義轉換是指將連續變量進行取整轉換，類別變量轉換為
0,1,2.......數據變化是指將變量進行絕對值、正弦、余弦、對數、指數變換。數據標準化
包含均值-標準差、最大-最小兩種標準化方法。數據聚類提供了 K均值、S0M、模糊ART、層析聚類四種聚類方法。二、質量數據分析該模塊主要包含基本統計信息、對比分析、變量間交互作用分析、主要影響因素分析四個子模塊。基本統計信息模塊主要計算樣本的均值、方差、標準差、變異系數、中位數、峰度、偏度、總和、最大值、最小值、全距、數據條數、Cp、Cpk、Cpu, Cpl，并統計某一變量目標范圍內的數據條數在原始數據上下限范圍中所占的比例，以直方圖的形式展示。對比分析主要計算不同類別各變量的均值及組間距離，并以直方圖的形式展現計算結果。變量間交 互作用分析包含一對多分析、兩兩分析、變量間凈交互作用分析、變量組間交互作用分析。三、過程質量分析過程質量分析采用統計過程控制SPC作為分析工具，包含連續變量過程質量分析、離散變量過程質量分析、多變量過程質量分析三個子模塊。連續變量過程質量分析可以繪制均值-極差、均值-標準差、中位值-極差、單值-移動極差控制圖，并對過程能力進行分析。離散變量過程質量分析可以繪制不合格品率通用控制圖、單位缺陷數控制圖。多變量過程質量分析可以繪制多變量統計過程控制圖MSPC。四、質量設計質量設計包含定性設計、基于模型的定量設計、基于模型的優化設計三個子模塊。定性設計首先要對樣本數據進行分離，分成質量指標在指定范圍內的樣本和范圍外的樣本兩組，分別對各組的變量計算其均值、方差、標準差、最大值、最小值、中位數，并繪制范圍內、范圍外變量均值(標準化后)對比圖、散點圖、盒形圖對對質量指標和其它變量進行相關分析。基于模型的定量設計包含系統自動設計和手工調整設計兩種設計方式。前提是已經建立了保存在XML文件中的質量模型。系統自動設計將用戶定義的輸入變量和指標變量(輸出變量)的期望取值范圍劃分為等間隔的值，并將各變量的不同取值進行全排列組合。系統根據這些組合后的輸入變量值，計算各模型的輸出值，并自動查找輸出值是否在用戶定義的期望設計范圍內，然后自動生成設計區間。輸入變量也可設定為固定值。手工調整設計是自動設計的一個特例，也即所有的輸入變量都設定為固定值，從而計算指標變量的值。基于模型的優化設計的前提條件是已經建立了保存在XML文件中的質量模型。根據用戶定義的指標變量的取值范圍和優化方式，輸入變量的取值范圍或固定值，采用二次規劃算法、遺傳算法、PoWell法進行優化，計算出優化后的各輸入變量和指標變量的值。提供了越大越好、越小越好、固定值3種優化方式。五、質量建模質量建模包括線性回歸模型、非線性回歸模型、機理模型、神經網絡模型、支持向量機模型、機理模型六個子模塊。可以直接建模，前提是建模數據已準備好，也可以基于向導建模。模型建立好之后保存在XML文件中，用于模型預報、質量設計、質量優化等。用戶可以建立單一工序模型、全工序模型，可以針對半成品建模、也可針對最終產品建模，從而找到影響產品質量的關鍵因素。六、質量優化質量優化包含基于質量模型的工藝優化和基于質量模型的質量指標優化。基于質量模型的工藝優化是指在質量模型基礎上，采用二次規劃、遺傳算法、PoWell法對影響質量指標(因變量)的變量(自變量)進行優化，優化變量(自變量)的優化方式有越大越好、越小越好、固定值三種。基于模型的質量指標優化是指在質量模型基礎上，采用二次規劃、遺傳算法、Poffell法、搜索法對影響質量指標(因變量)的變量(自變量)進行優化。兩者的區別是基于質量模型的工藝優化質量指標的取值范圍為區間，優化變量有三種優化方式，而基于模型的質量指標優化質量指標的取值范圍為指定值，優化變量只要在給定的區間內即可。
本發明的優點在于(I)打破了原來質量管理系統分散在部分工序、部分廠自成體系的局面，以過程為主線構建了質量信息平臺，過程之間進行深層次并行集成，相互間達到真正透明，實現了過程本身的管理與控制，建立了全面的質量追溯體制，同時對過程的分析提供了統一的分析優化工具，使數據和知識達到了共享。(2)建立了企業級的數據倉庫和質量數據集市，將所有工序、所有與質量相關的生產過程信息和質量信息全部集中起來，保證數據的完整性、一致性和可靠性，以適應于所有質量管理活動的業務流程應用。(3)除了以SPC作為工具，實時地監測生產過程控制情況外，使用PCA分析方法或專家知識抽取關鍵參數，使用MSPC方法對多個操作變量進行監控，達到精細控制的目的。(4)可以對整個產品周期內的各個環節的半成品質量進行預報，并作出相關分析，前工序的質量預報信息可以迅速傳遞到下一道即將進行的工序，以便及時做出整改措施，采取相應對策。
圖I為專利系統的硬件結構圖。圖2為米用SPC進行過程質量分析流程圖。圖3為質量建模流程圖。圖4為質量工藝優化流程圖。圖5為質量信息平臺功能模塊結構圖。
具體實施例方式首先利用鋼廠以太網，聯通外圍數據系統、數據采集服務器、數據庫服務器、防病毒服務器、客戶端工作站，運行數據采集器能夠正常采集數據到數據庫中。本發明包括硬件及運行在硬件上的軟件；所述的硬件包括外圍數據系統、數據采集服務器、數據庫服務器、客戶端計算機、連接到客戶端上的打印機一臺，防病毒服務器；夕卜圍數據系統由PLC、DCS組成的過程控制系統PCS、生產執行系統MES、企業資源計劃管理系統ERP、檢化驗系統組成。所述的軟件包括數據采集軟件、數據庫軟件、鋼鐵企業質量信息平臺軟件。一、質量數據預處理實施方式用戶可以根據需求對質量數據進行預處理，為后續的應用做數據準備。首先從質量數據庫中提取出樣本數據，其次選擇數據處理方式和要處理的變量、最后將處理好的數據保存在數據文件中。二、質量數據分析實施方式首先打開已處理的質量數據，或者直接從質量數據庫中提取原始數據。其次選擇數據分析方法，根據不同的分析方法，選擇合適的分析變量并設置相關參數，最后分析結果以數據表或圖表的形式展現出來，用戶可將分析結果保存在文件中。三、過程質量分析實施方式
首先要確定關鍵過程及其特性，其次根據特性的特點選擇恰當的過程質量分析方法，當特性為單變量且變量為連續變量時，選擇連續變量過程質量分析。當特性為多變量且變量為連續變量時，選擇多變量過程質量分析。當特性為單變量且變量為離散變量時選擇離散變量過程質量分析。當變量為連續變量時，可以設定上公差、下公差、目標值分析過程是否穩定。四、質量設計實施方式定性設計實施步驟(I)用戶定義質量指標的取值范圍；(2)系統根據用戶定義的質量指標范圍查找出相應的范圍內輸入變量值和范圍外輸入變量值；(3)選擇統計信息、對比圖、散點圖、盒形圖、相關分析分別對范圍內的樣本和范圍外的樣本進行分析。基于模型的定量設計實施方式(I)用戶打開模型，定義輸入變量取值范圍或固定值、指標變量的取值范圍；(2)系統將用戶定義的各輸入變量的限定范圍自動劃分為等間隔的k個值，并將各變量的不同取值進行全排列組合；(3)系統根據這些組合后的輸入變量值和用戶定義的固定輸入變量值，計算各模型的輸出值；(4)系統計算出所有輸出值后，自動查找輸出值是否在用戶定義的期望設計范圍內，并將在設計范圍內的數據點值進行排序，然后自動生成設計區間。基于模型的優化設計實施方式(I)用戶打開模型，定義優化變量、優化變量取值范圍，輸入變量定值，指標變量的取值范圍、優化方式、期望目標；(2)系統自動將用戶的定義轉化為一個優化問題，并調用優化算法進行優化。五、質量建模實施方式用戶可以建立單一工序或者全工序的質量模型，可以建立半成品或最終產品模型，模型可以是機理模型也可以是智能模型。首先是輸入變量的選取，結合工程師和操作工的經驗以及相關分析法等數學方法選取輸入變量，對于全工序的質量模型與質量相關的變量經常達到上百個，這時需要使用主要影響因素分析模塊提取主要影響變量，去除非關鍵變量。其次是樣本的選擇，通過質量數據預處理模塊去除含有空值的樣本、不可靠的樣本，還可以對樣本進行類型轉換、數據變化、標準化等。最后進行模型訓練，模型訓練完成之后，對于精度達到要求的模型可以以XML文件的形式保存到磁盤中。保存在XML文件中的模型在模型預測、模型評估時使用。六、質量優化實施方式基于質量模型的工藝優化實施步驟(I)用戶打開質量模型，定義優化變量、優化變量的取值范圍、優化方式，輸入變量的取值，質量指標的取值范圍，優化算法(二次規劃算法、遺傳算法、Powell法三者選一)；(2)系統根據輸入信息構造一個優化問題并求解，并將優化變量、指標變量的取值顯示在界面上。
基于質量模型的質量指標優化實施步驟(I)用戶打開質量模型，定義優化變量、優化變量的取值范圍，輸入變量的取值，質量指標的取值范圍；(2)若用戶選擇基于優化的調整方法，則需要繼續選擇優化算法(二次規劃算法、遺傳算法、Powell法三者選一)，系統根據輸入信息構造一個優化問題并求解，最后將優化變量、指標變量取值顯示給用戶；(3)若用戶選擇基于搜索的調整方法，則需要繼續定義允許變差，系統根據輸入信息構造搜索策略，并將各優化變量的取值以及對應的指標變量取值顯示。
權利要求
1.一種鋼鐵企業質量信息平臺，包括硬件及運行在硬件上的軟件；其特征在于，所述的硬件包括外圍數據系統、數據采集服務器、數據庫服務器、客戶端計算機、連接到客戶端上的打印機一臺，防病毒服務器；外圍數據系統由PLC、DCS組成的過程控制系統PCS、生產執行系統MES、企業資源計劃管理系統ERP、檢化驗系統組成；所述的軟件包括數據采集軟件、數據庫軟件、鋼鐵企業質量信息平臺軟件； 外圍數據系統中=MES與PCS、ERP與MES、檢化驗系統與MES、檢化驗系統與ERP通過工業以太網連接；數據采集服務器與PCS、數據采集服務器與MES、數據采集服務器與ERP、數據采集服務器與檢化驗系統通過工業以太網連接；數據采集服務器與數據庫服務器，客戶端與數據庫服務器通過工業以太網連接起來，數據采集服務器與外圍數據系統通過防火墻進行隔離； 數據采集服務器上運行數據采集軟件，數據庫服務器上運行數據庫軟件，數據采集軟件將外圍數據系統中的數據處理后存儲在數據庫中，鋼鐵企業質量信息平臺軟件運行在客戶端計算機上，鋼鐵企業質量信息平臺軟件讀取保存在數據庫中的質量數據，對質量數據進行分析、處理、計算，最終將結果顯示在客戶端計算機上。
防病毒服務器負責網絡病毒的防護、網絡病毒庫的更新。
2.根據權利要求I所述的信息平臺，其特征在于，所述的數據采集軟件分10s、5分鐘、I小時、一天周期對來自外圍系統的數據進行采集，數據包括化學性能、力學性能、規格尺寸、及各工序生產過程數據、質量數據，數據采集軟件對這些數據進行合理地轉化、處理和融合，最終以標簽化的方式存儲到運行在數據庫服務器上的數據庫中； 運行在數據庫服務器上的數據庫中建立了企業級的質量數據倉庫，包括冶金規范、產品規范質量數據、工序過程數據、新產品案例庫數據，數據按照不同主題進行劃分，每個主題由多個表來實現；數據之間根據主題不同，按照爐號和質保書號為主線進行組織，使質量數據倉庫的緯度更加明晰，并提供方便的、開放的、快速的質量數據檢索服務。
3.根據權利要求I所述的信息平臺，其特征在于，運行在客戶端計算機上的鋼鐵企業質量信息平臺軟件包括六個模塊質量數據預處理、質量數據分析、過程質量分析、質量設計、質量建模、質量優化；質量數據預處理、質量數據分析相輔相成，質量數據預處理為質量數據分析提供可靠的數據基礎，相反，質量數據分析為質量數據預處理的處理方式提供知識支持，這兩個模塊是鋼鐵企業質量信息平臺軟件的基礎模塊，為其它模塊提供了可靠的數據基礎；質量建模為質量設計、質量優化提供了模型基礎。過程質量分析用來發現過程中的缺陷，從而為質量優化提供優化目標。
全文摘要
一種鋼鐵企業質量信息平臺，屬于鋼鐵企業質量自動控制技術領域。包括硬件及運行在硬件上的軟件；所述的硬件包括外圍數據系統、數據采集服務器、數據庫服務器、客戶端計算機、連接到客戶端上的打印機一臺，防病毒服務器；外圍數據系統由PLC、DCS組成的過程控制系統PCS、生產執行系統MES、企業資源計劃管理系統ERP、檢化驗系統組成。所述的軟件包括數據采集軟件、數據庫軟件、鋼鐵企業質量信息平臺軟件。優點在于，打破了原來質量管理系統分散在部分工序、部分廠自成體系的局面，以過程為主線構建了質量信息平臺，過程之間進行深層次并行集成，相互間達到真正透明，對過程的分析提供了統一的分析優化工具，使數據和知識達到了共享。
文檔編號G05B19/418GK102915013SQ20121039936
公開日2013年2月6日 申請日期2012年10月19日 優先權日2012年10月19日
發明者王麗娜, 徐化巖, 余志剛, 黃霜梅, 劉嘉 申請人:冶金自動化研究設計院