大数据技术在硅钢产品质量管控中的应用实践

电工钢 ›› 2022, Vol. 4 ›› Issue (2): 33-.

大数据技术在硅钢产品质量管控中的应用实践

黄望芽1，汤洪博1，苏异才2，温光浩1，沈杰3，赵斌1

1.宝山钢铁股份有限公司硅钢事业部，上海 201900；2.宝山钢铁股份有限公司中央研究院，上海 201999；3.宝山钢铁股份有限公司制造管理部，上海 201999

出版日期:2022-04-28 发布日期:2022-04-18

Application practice of big data technology in quality control of silicon steel products#br#

HUANG Wangya1, TANG Hongbo1, SU Yicai2, WEN Guanghao1, SHEN Jie3, ZHAO Bin1

1.Silicon Steel Division of Baoshan Iron and Steel Co., Ltd., Shanghai 201900,China; 2. Central Research Institute of Baoshan Iron and Steel Co., Ltd.,Shanghai 201999,China; 3.Manufacturing Management Department of Baoshan Iron and Steel Co., Ltd., Shanghai 201999,China

Online:2022-04-28 Published:2022-04-18

摘要/Abstract

摘要： 磁性能指标是硅钢产品最关键的质量指标之一，但是目前磁性能判定100 %依赖于样品的离线实验室检测结果，生产线配置的在线检测仪的测量结果由于精度问题，不宜直接用于成品牌号判级。本文在现有硅钢产品质量管控体系基础上，利用大数据技术对生产数据进行分析与建模，构建不同磁性能指标在线检测模型，并在现有信息系统上完成模型库的集成部署，实现硅钢产品全长、多指标磁性能结果的拟合数据输出，支撑取样优化、精准分切、辅助综合判定等功能应用，进一步优化硅钢产品质量管控体系。

关键词: 硅钢, 磁性能, 大数据技术, 质量管控

Abstract: The magnetic performance index of silicon steel products is one of the most critical quality indexes. However, at present, 100 % determination of magnetic performance depends on the offline laboratory test results of samples, and the measurement results of the online detector configured in the production line cannot be applied in practice due to the accuracy problem.Based on the existing quality control system of silicon steel products, big data technology was used to analyze and model the production data in this paper, and different magnetic property index online detection models was constructed , and the integrated deployment of the model based on the existing information system was completed. Finally, the fulllength and multiindex magnetic properties of silicon steel products were realized, and functional applications such as sampling optimization, precise cutting and auxiliary comprehensive judgment were developed to further optimize the quality control system of silicon steel products.

Key words: silicon steel, magnetic properties, big data technology, quality control

黄望芽, 汤洪博, 苏异才, 温光浩, 沈杰, 赵斌. 大数据技术在硅钢产品质量管控中的应用实践[J]. 电工钢, 2022, 4(2): 33-.

HUANG Wangya, TANG Hongbo, SU Yicai, WEN Guanghao, SHEN Jie, ZHAO Bin. Application practice of big data technology in quality control of silicon steel products#br#[J]. Electrical Steel, 2022, 4(2): 33-.

[1]	沈侃毅, 胡卓超, 马长松. 宝钢低铁损取向硅钢在变压器新能效标准下的应用[J]. 电工钢, 2022, 4(2): 1-.
[2]	刘青松, 裴英豪, 施立发, 夏雪兰, 程国庆, 祁旋. 退火温度对3.0 %Si冷轧无取向硅钢组织及性能的影响[J]. 电工钢, 2022, 4(2): 9-.
[3]	谢凯, 宋伟, 吴泽交, 吴高亮, 周和荣. 罩式炉常化工艺对热轧硅钢50W350组织和性能的影响#br#[J]. 电工钢, 2022, 4(2): 14-.
[4]	黄望芽, 汤洪博, 赵斌, 聂煌, 温光浩, 房现石. 云边一体化系统架构下硅钢制造管理业务数字化融合应用#br#[J]. 电工钢, 2022, 4(2): 24-.
[5]	王朝磊, 朱永章, 陆伟, 马正强. 基于iba平台的二十辊轧机数据采集应用与开发[J]. 电工钢, 2022, 4(2): 27-.
[6]	李昊泽, 李民, 刘德壮, 李奥迪, 马颖澈. 钇元素对6.5 % Si无取向硅钢组织、高温拉伸及断裂机制的影响[J]. 电工钢, 2022, 4(1): 18-.
[7]	陈明侠, 裴英豪, 施立发, 祁旋, 夏雪兰, 占云高. 退火温度对3.1 %Si无取向硅钢组织织构与磁性能的影响[J]. 电工钢, 2022, 4(1): 31-.
[8]	闫江辉, 赵彦灵, 唐辉, 李洪鹏, 周德锋, 岳尔斌, 樊立峰. 高性能取向硅钢的工业化生产研究[J]. 电工钢, 2022, 4(1): 36-.
[9]	居蒋昊, 黄望芽, 赵斌. 硅钢常化退火炉辊印缺陷预测分类预警方法研究[J]. 电工钢, 2022, 4(1): 44-.
[10]	李雨霖, 李建伟, 田宝志, 张航, 裴瑞琳. 新一代新能源车驱动电机的高强硅钢应用技术研发[J]. 电工钢, 2021, 3(6): 8-.
[11]	高振宇, 陈春梅, 李雷, 刘文鹏, 黄永哲, 罗理, 李亚东. Ti、S元素对高牌号无取向硅钢析出物的影响[J]. 电工钢, 2021, 3(6): 13-.
[12]	付军发. 冷轧无取向硅钢卧式退火炉在线更换炉辊实践[J]. 电工钢, 2021, 3(6): 37-.
[13]	姜南, 何国赛, 陈猛, 程曦. 全机架高速钢轧辊轧制无取向硅钢的应用研究[J]. 电工钢, 2021, 3(6): 40-.
[14]	杨平, 李洋, 顾新福, 张海利, 贾志伟. 薄规格取向硅钢晶粒异常长大时的组织、织构稳定性与表面效应分析[J]. 电工钢, 2021, 3(5): 1-.
[15]	张海利, 贾志伟, 李洋, 罗理, 张静, 李莉, 杨平, 蒋奇武. 0.20 mm薄规格取向硅钢的开发及关键工艺探讨[J]. 电工钢, 2021, 3(5): 10-.