CN110216319A - 一种基于表面质量在线评估的中厚板优化剪切控制方法 - Google Patents

一种基于表面质量在线评估的中厚板优化剪切控制方法 Download PDF

Info

Publication number
CN110216319A
CN110216319A CN201910514217.7A CN201910514217A CN110216319A CN 110216319 A CN110216319 A CN 110216319A CN 201910514217 A CN201910514217 A CN 201910514217A CN 110216319 A CN110216319 A CN 110216319A
Authority
CN
China
Prior art keywords
cut deal
surface quality
layer
index
defect
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910514217.7A
Other languages
English (en)
Other versions
CN110216319B (zh
Inventor
徐科
周东东
周鹏
杨朝霖
王磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201910514217.7A priority Critical patent/CN110216319B/zh
Publication of CN110216319A publication Critical patent/CN110216319A/zh
Application granted granted Critical
Publication of CN110216319B publication Critical patent/CN110216319B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23D—PLANING; SLOTTING; SHEARING; BROACHING; SAWING; FILING; SCRAPING; LIKE OPERATIONS FOR WORKING METAL BY REMOVING MATERIAL, NOT OTHERWISE PROVIDED FOR
    • B23D15/00—Shearing machines or shearing devices cutting by blades which move parallel to themselves
    • B23D15/06—Sheet shears
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23D—PLANING; SLOTTING; SHEARING; BROACHING; SAWING; FILING; SCRAPING; LIKE OPERATIONS FOR WORKING METAL BY REMOVING MATERIAL, NOT OTHERWISE PROVIDED FOR
    • B23D33/00—Accessories for shearing machines or shearing devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种基于表面质量在线评估的中厚板优化剪切控制方法，属于中厚板质量控制领域。搭建中厚板表面缺陷在线检测系统，构建层次结构模型，输出中厚板表面质量分级结果并确定最优的中厚板坯剪切策略，实现基于表面质量在线评估的中厚板优化剪切智能控制。克服了中厚板坯定尺切割造成的浪费，实现了剪切由人为主观控制到科学模型控制的转变，使剪切结果更加科学，为高效生产及提高终端产品质量奠定了良好的基础。

Description

一种基于表面质量在线评估的中厚板优化剪切控制方法
技术领域
本发明涉及中厚板质量控制领域，特别是指一种基于表面质量在线评估的中厚板优化剪切控制方法。
背景技术
随着我国经济社会的快速发展及供给侧改革的持续进行，人们对钢铁产品的质量要求越来越高。中厚板作为我国桥梁、造船、核电等重大国防及社会事业的基础，其尺寸及质量一直受到高度的关注。专利201010284362.X公开了一种用于中厚板定尺剪板方法，提高了剪切精度。专利CN201721158699.X公开了一种高精度的中厚板纵剪机，主要为了保证刀轴在剪切过程的稳定性。目前中厚板坯的剪切采用定尺切割的方式，难以根据表面缺陷的分布情况、表面质量评价结果及客户的定制化需求进行相应地尺寸剪切，不仅容易造成中厚板坯的浪费，且无法有效地提高中厚板坯的质量及生产效率。随着人工智能技术与CCD成像技术的发展，基于机器视觉的表面检测技术得到了广泛的应用，可实现表面缺陷非人工连续检测、分类和记录，并对检测结果进行有效分析、提取有用信息，进而更为准确地判断和评估中厚板表面质量状况，对实现优化剪切、提高生产效率、产品质量及产品核心竞争力有非常重要的现实意义。为此，王玲、杨飞、李俊飞发明了一种演化模糊关联规则的中厚板质量评估方法，以解决现有技术所存在的模糊关联规则挖掘算法智能用于分类，不能进行预测的问题。由于采用工艺参数进行预测，没有有效的表面质量数据，因此以上发明并未有效地解决中厚板表面质量评价问题。对于利用表面缺陷数据进行质量评估，并以此为依据进行中厚板坯优化剪切控制的方法未见文献报道。
发明内容
本发明要解决的技术问题是提供一种基于表面质量在线评估的中厚板优化剪切控制方法，其目的是在现有的中厚板表面缺陷检测系统的基础上，利用得到的缺陷图像及标签，综合考虑缺陷类型和缺陷严重程度，为中厚板表面质量给出一个综合评价。在此基础上，结合板坯长宽方向剪切位置及尺寸需求，确定最优的中厚板坯剪切策略，实现基于表面质量在线评估的中厚板坯智能剪切控制。在满足客户需求的情况下给出浪费量最小的最优剪切范围，克服了中厚板坯定尺切割造成的浪费，实现了剪切由人为主观控制到科学模型控制的转变，使剪切结果更加科学，为高效生产及提高终端产品质量奠定了良好的基础。
该方法包括如下步骤：
(1)获取中厚板表面缺陷数据：实时获取安装在中厚板生产线上的表面缺陷在线检测系统中的缺陷数据，每张缺陷图像包含的标签信息包括批次号、缺陷类型、位置、尺寸、数量等；
(2)构建层次结构模型及各层次判断对比矩阵：根据对中厚板生产过程的系统梳理、实验研究、专题讨论及专家咨询，确定中厚板表面质量评价指标。根据确定的评价指标构建由目标层、准则层、方案层组成的中厚板表面质量评估体系。目标层指标为中厚板表面质量分级，准则层指标由缺陷位置、缺陷类型、缺陷大小、严重程度组成，方案层指标为表面质量等级0级到5级。取中厚板常见的10类表面缺陷氧压、辊印、压痕、麻点、纵裂、异压、划伤、横裂、结疤、折叠，根据评价指标相对重要性标度量化成为9个等级标度，用1-9级表示。根据等级标度，对同层的评价指标进行两两比较，得到该层评价指标对于所属上一层评价指标的相对重要性标度aij，aij表示该层评价指标Ai相对该层指标Aj的重要性，且规定aij＝1/aji，然后按照相对重要标度构建10×10的成对判断对比矩阵A＝{aij}；
(3)一致性验证并计算所有指标得分：根据中厚板表面质量判定规则计算各指标的权重，通过矩阵A计算一致性指标CI，并查表确定平均随机一致性指标RI，由此计算一致性比率CR。若CR<0.1，则矩阵A通过一致性验证。反之不通过则需要重新构造成对对比矩阵A，直到CR满足一致性验证为止。根据质量等级权重表，对不同类型的指标得分采用不同的计算方式，如划伤、横裂、纵裂、结疤、折叠、异压等几种对钢板质量影响严重的，按照缺陷长度、单个缺陷的面积计算；对压痕、辊印、氧压等容易出现片状及连续性缺陷按照该类型缺陷总面积计算；
(4)输出中厚板表面质量分级结果：采用步骤(2)到(3)建立的层次分析法模型，利用统计加权方法得出中厚板表面质量分级结果；
(5)确定优化剪切策略：由相机确定中厚板宽度方向的剪切位置，由安装在辊道上的编码器采集的移动速度确定中厚板长度方向的剪切位置，并读取企业管理系统的尺寸要求，并结合表面质量分级结果及缺陷数据，确定最优的中厚板坯剪切策略；
(6)中厚板智能剪切控制：将确定的最优剪切策略输入到中厚板自动剪切系统PLC中，以实现基于表面质量在线评估的中厚板坯的智能剪切控制。
进一步地，上述的中厚板表面缺陷数据由安装在中厚板生产线热矫直机之后、冷床之前的表面缺陷在线检测系统提供，该套系统具有实时收集中厚板表面缺陷图像、并通过卷积神经网络方法检测得到表面缺陷类型、位置、大小、数量等数据的特征。
进一步地，上述的中厚板表面缺陷数据由由目标层、准则层、方案层组成的中厚板表面质量评估体系；其中，目标层为中厚板表面质量分级，准则层由缺陷类型、缺陷位置、尺寸大小和缺陷数量等组成，方案层为表面质量等级0级到5级；(1)取中厚板常见的10类表面缺陷氧压、辊印、压痕、麻点、纵裂、异压、划伤、横裂、结疤、折叠，根据评价指标相对重要性标度量化成为9个等级标度，用1-9级表示；(2)根据等级标度，对同层的评价指标进行两两比较，得到该层评价指标对于所属上一层评价指标的相对重要性标度aij，aij表示该层评价指标Ai相对该层指标Aj的重要性，且规定aij＝1/aji，然后按照相对重要标度构建10×10的成对判断对比矩阵A＝{aij}。
进一步地，上述的一致性验证并计算所有指标是根据中厚板表面质量判定规则计算各指标的权重，做归一化处理；并通过比较矩阵的最大特征值和一致性指标表，做层次排序及一致性检验；根据质量等级权重表，对不同类型的指标，通过判定准则赋予相应的得分，判定准则通过专家知识以及现场经验得出。
本发明对现有层次分析法进行了改进，与传统的层次分析法准则层不同，本发明准则层中各缺陷的属性，如位置、类型等，还需要具体的判别指标进行衡量。同时提出了不同衡量指标下对应的权重得分，结合指标权重最终得到单个中厚板表面质量的评级结果。在此基础上，确定最优的中厚板坯剪切策略，并实现基于表面质量在线评估的中厚板坯的智能剪切控制。
本发明技术方案的有益效果如下：
所述的中厚板表面缺陷数据，是由安装在中厚板生产线热矫直机之后、冷床之前的表面缺陷在线检测系统提供的，该套系统具有实时收集中厚板表面缺陷图像、并通过卷积神经网络方法检测得到表面缺陷类型、位置、大小、数量等数据的特征。通过层次分析法中的统计学理论与现场工艺评价标准相结合，对中厚板做出整体等级评定。在此基础上，实现基于表面质量在线评估的中厚板优化剪切智能控制。在满足客户需求的情况下给出浪费量最小的最优剪切范围，克服了中厚板坯定尺切割造成的浪费，实现了剪切由人为主观控制到科学模型控制的转变，使剪切结果更加科学，为高效生产及提高终端产品质量奠定了良好的基础。
附图说明
图1为本发明的一种基于表面质量在线评估的中厚板优化剪切控制方法流程图。
图2为基于层次分析法的中厚板表面质量评级目标层、准则层、方案层示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供一种基于表面质量在线评估的中厚板优化剪切控制方法，如图1所示，为该方法的流程图，其为简化示意图，并以示意方式说明本发明的基本结构，因此仅显示了与本发明相关的构成。
该方法包括如下步骤：
(1)获取中厚板表面缺陷数据：实时获取安装在中厚板生产线上的表面缺陷在线检测系统中各批次中厚板的缺陷类型、位置、大小、数量等数据。
(2)构建层次结构模型及各层次判断对比矩阵：分析从步骤(1)得到的中厚板表面缺陷数据，形成由目标层、准则层、方案层组成的中厚板表面质量评估体系。如图2所示，层次分析法中目标层为中厚板表面质量评级；准则层为质量分级需要考虑的指标，即缺陷类型、位置、尺寸和数量；方案层为中厚板表面质量评级的0-5个等级，其中0级表示合格品，5级表示废品。
按照表1所示的比较矩阵标度，通过专家经验和生产现场工艺知识得到对比矩阵：
A表示缺陷类型、位置、尺寸和数量，组成的两两成对比较矩阵
A1表示取中厚板常见的10类表面缺陷(氧压、辊印、压痕、麻点、纵裂、异压、划伤、横裂、结疤和折叠)，组成的两两成对比较矩阵
A2表示缺陷不同位置(头部200mm，中部和尾部200mm)的比较矩阵
A3表示缺陷不同尺寸(小于50mm，50-500mm，大于500mm)的比较矩阵
A4表示缺陷不同数量(小于5mm，5-30mm，大于30mm)的比较矩阵
表1比较矩阵标度及其含义
构成的比较矩阵如下：
(3)一致性验证并计算所有指标得分：计算各比较矩阵的最大特征值及其对应的特征向量，结果如下：
λA＝4.208，vA＝[-0.8273，-0.0949，-0.4845，-0.2680]
λA1＝10.8008，vA1＝[-0.0440，-0.0852，-0.1403，-0.0402，-0.6358，-0.1639，-0.3428，-0.6151，-0.1847，-0.0922]
λA2＝3，vA2＝[0.1098，0.9879，0.1098]
λA3＝3.0142，vA3＝[0.1099，0.4877，0.8661]
λA4＝3.002，vA4＝[-0.1202，-0.4599，-0.8798]
对比较矩阵做一致性检验，如果最大特征值λ比比较矩阵维数n大的越多，A的不一致性就越严重，引起的判断误差也越大。因此可以用λ-n的大小来衡量A的不一致程度。一致性检验公式为：
CR＝CI/RI
其中，CR为一致性比率，CI为一致性指标，RI为随记一致性指标，可查表2获得。
表2随机一致性指标
一般，当一致性比率CR小于0.1时，认为A的不一致程度在容许范围之内，可用其归一化特征向量作为权向量，否则要重新构造成对比较矩阵，对A加以调整。通过计算，五个比较矩阵均通过一致性检验，可以将其归一化特征向量作为权重向量，结果如下：
CRA＝0.0584 ωA＝[0.4940，0.0567，0.2893，0.1600]
CRA1＝0.0537 ωA1
＝[0.0188，0.0364，0.0598，0.0171，0.2712，0.0699，0.1463，0.2624，0.0788，0.0393]
CRA2＝0 ωA2＝[0.0909，0.8182，0.0909]
CRA3＝0.0091 ωA3＝[0.0751，0.1782，0.7514]
CRA4＝0.0013 ωA4＝[0.0823，0.3150，0.6026]
根据质量等级权重表，对不同类型的指标得分采用不同的计算方式。质量等级权重表如表3所示：
表3质量等级权重表
针对缺陷类型这种指标，由于纵裂在权重向量ωA1中占比最大，属于最严重的缺陷，所以对应得分设置为11，其他类型的缺陷进行等比例缩放，得到调整后的缺陷类别得分
βA1＝[0.76，1.47，2.43，0.70，11，2.84，5.93，10.64，3.20，1.59]
针对缺陷位置这种指标，当缺陷出现在头尾200mm的区域内，不管严重程度如何，均可以通过切除头尾部的带钢实现缺陷的去除，以免影响后续工艺的产品质量。因而对应的得分设置为1，其他位置进行等比例缩放，得到调整后的缺陷位置得分
βA2＝[1，9，1]
针对缺陷尺寸这种指标，当缺陷尺寸大于500mm时，不管其位置或种类如何，都属于不能挽回的严重缺陷，产品直接判废，因此对应的得分设置为11，其他尺寸的缺陷得分等比例缩放，得到调整后的缺陷尺寸得分
βA3＝[1.40，6.19，11]
针对缺陷数量这种指标，当缺陷数量大于30时，不考虑其尺寸和种类，都会因为数量太多影响后续工艺的产品质量，直接视为废品，因此对应的得分设置为11，其他数量的缺陷得分等比例缩放，得到调整后的缺陷数量得分
βA4＝[1.50，5.75，11]
(4)输出中厚板表面质量分级结果：得到指标权重和对应指标的得分向量后，可以针对具体的缺陷数据，利用统计加权方法得出中厚板表面质量分级结果。例如有如表4的缺陷数据：
score1＝0.4940×11+0.0567×9+0.2893×6.19+0.1600×1.50＝7.98
score2＝0.4940×0.7+0.0567×9+0.2893×1.40+0.1600×11
＝3.02
score2＝0.4940×0.76+0.0567×1+0.2893×1.40+0.16×1.50
＝1.08
通过上述具体数据，可以得出如下解释：缺陷1由于属于严重缺陷，且出现在中厚板中部，所以最终得分为7.98，对应3级缺陷；缺陷2在类型上属于轻度缺陷，得分3.02，属于1级缺陷；缺陷3由于出现在头部200mm以内，可以切除，故属于0级缺陷。
(5)确定优化剪切策略：由相机确定中厚板宽度方向的剪切位置，由安装在辊道上的编码器采集的移动速度确定中厚板长度方向的剪切位置，并读取企业管理系统的尺寸要求，并结合表面质量分级结果及缺陷数据，确定最优的中厚板坯剪切策略；
(6)中厚板智能剪切控制：将确定的最优剪切策略输入到中厚板自动剪切系统PLC中，以实现基于表面质量在线评估的中厚板坯的智能剪切控制。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种基于表面质量在线评估的中厚板优化剪切控制方法，其特征在于：包括如下步骤：
(1)中厚板表面缺陷数据：实时获取安装在中厚板生产线上的表面缺陷在线检测系统中的缺陷类型、位置、大小、数量等数据；
(2)层次结构模型及各层次判断对比矩阵：分析从步骤(1)得到的中厚板表面缺陷数据，形成由目标层、准则层、方案层组成的中厚板表面质量评估体系；取中厚板常见的10类表面缺陷，组成两两成对比较矩阵；
(3)一致性验证并计算所有指标：根据中厚板表面质量判定规则计算各指标的权重，并做层次排序及一致性检验；根据质量等级权重表，对不同类型的指标得分采用不同的计算方式；
(4)输出中厚板表面质量分级结果：采用步骤(2)到(3)建立的改进层次分析法模型，利用统计加权方法得出中厚板表面质量分级结果；
(5)优化剪切方法：由相机确定中厚板宽度方向的剪切位置，由安装在辊道上的编码器采集的移动速度确定中厚板长度方向的剪切位置，并读取企业管理系统的尺寸要求，并结合表面质量分级结果及缺陷数据，确定最优的中厚板坯剪切策略；
(6)中厚板智能剪切控制：将确定的最优剪切策略输入到中厚板自动剪切系统PLC中，以实现基于缺陷实际检测结果的中厚板坯智能剪切控制。
2.根据权利要求1所述的一种基于表面质量在线评估的中厚板优化剪切控制方法，其特征在于：所述的中厚板表面缺陷数据由安装在中厚板生产线热矫直机之后、冷床之前的表面缺陷在线检测系统提供，该套系统具有实时收集中厚板表面缺陷图像、并通过卷积神经网络方法检测得到表面缺陷类型、位置、大小、数量等数据的特征。
3.根据权利要求1所述的一种基于表面质量在线评估的中厚板优化剪切控制方法，其特征在于：所述的中厚板表面缺陷数据由目标层、准则层、方案层组成的中厚板表面质量评估体系；其中，目标层为中厚板表面质量分级，准则层由缺陷类型、缺陷位置、尺寸大小和缺陷数量等组成，方案层为表面质量等级0级到5级；(1)取中厚板常见的10类表面缺陷氧压、辊印、压痕、麻点、纵裂、异压、划伤、横裂、结疤、折叠，根据评价指标相对重要性标度量化成为9个等级标度，用1-9级表示；(2)根据等级标度，对同层的评价指标进行两两比较，得到该层评价指标对于所属上一层评价指标的相对重要性标度aij，aij表示该层评价指标Ai相对该层指标Aj的重要性，且规定aij＝1/aji，然后按照相对重要标度构建10×10的成对判断对比矩阵A＝{aij}。
4.根据权利要求1所述的一种基于表面质量在线评估的中厚板优化剪切控制方法，其特征在于：所述的一致性验证并计算所有指标是根据中厚板表面质量判定规则计算各指标的权重，做归一化处理；并通过比较矩阵的最大特征值和一致性指标表，做层次排序及一致性检验；根据质量等级权重表，对不同类型的指标，通过判定准则赋予相应的得分，判定准则通过专家知识以及现场经验得出。
CN201910514217.7A 2019-06-14 2019-06-14 一种基于表面质量在线评估的中厚板优化剪切控制方法 Active CN110216319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910514217.7A CN110216319B (zh) 2019-06-14 2019-06-14 一种基于表面质量在线评估的中厚板优化剪切控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910514217.7A CN110216319B (zh) 2019-06-14 2019-06-14 一种基于表面质量在线评估的中厚板优化剪切控制方法

Publications (2)

Publication Number Publication Date
CN110216319A true CN110216319A (zh) 2019-09-10
CN110216319B CN110216319B (zh) 2021-01-05

Family

ID=67817068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910514217.7A Active CN110216319B (zh) 2019-06-14 2019-06-14 一种基于表面质量在线评估的中厚板优化剪切控制方法

Country Status (1)

Country Link
CN (1) CN110216319B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111223078A (zh) * 2019-12-31 2020-06-02 河南裕展精密科技有限公司 瑕疵等级判定的方法及存储介质
CN111299318A (zh) * 2020-03-02 2020-06-19 马鞍山钢铁股份有限公司 一种热轧板带产品表面质量的自动判定方法
CN112288910A (zh) * 2020-12-25 2021-01-29 北京海兰信数据科技股份有限公司 一种船舶航行性能分析方法及系统
CN112599438A (zh) * 2021-03-03 2021-04-02 惠州高视科技有限公司 MiniLED晶圆缺陷的高精度检测系统及其检测方法
CN113674285A (zh) * 2021-08-25 2021-11-19 长沙矿山研究院有限责任公司 一种电解/电积镍板智能剪切方法
CN113771052A (zh) * 2021-08-25 2021-12-10 长沙矿山研究院有限责任公司 一种镍板智能剪切机组
CN113926858A (zh) * 2020-06-29 2022-01-14 宝山钢铁股份有限公司 含缺陷板材套裁剪切的预处理、排样及生产优化方法
CN114444986A (zh) * 2022-04-11 2022-05-06 成都数之联科技股份有限公司 产品分析方法及系统及装置及介质
CN115388956A (zh) * 2022-10-26 2022-11-25 济南东方结晶器有限公司 一种基于连铸工艺流程的质量检测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3108234A1 (de) * 1981-03-05 1982-09-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V., 8000 München "verfahren zur beurteilung der qualitaet von kfz-scheiben"
JPS6322215A (ja) * 1986-07-10 1988-01-29 Takaoka Ind Ltd アモルフアス材料のせん断加工方法
JPH0710308A (ja) * 1993-06-22 1995-01-13 Kawasaki Steel Corp 剪断シートの搬送装置
CN104923573A (zh) * 2015-05-18 2015-09-23 北京科技大学 一种冷轧薄带钢宽度方向起浪形式的预测方法
CN106875104A (zh) * 2017-01-21 2017-06-20 西安交通大学 一种冷轧带钢质量综合评价方法
CN107563672A (zh) * 2017-09-29 2018-01-09 云南中烟工业有限责任公司 一种基于层次分析法构建卷烟制丝质量评价模型的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3108234A1 (de) * 1981-03-05 1982-09-30 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V., 8000 München "verfahren zur beurteilung der qualitaet von kfz-scheiben"
JPS6322215A (ja) * 1986-07-10 1988-01-29 Takaoka Ind Ltd アモルフアス材料のせん断加工方法
JPH0710308A (ja) * 1993-06-22 1995-01-13 Kawasaki Steel Corp 剪断シートの搬送装置
CN104923573A (zh) * 2015-05-18 2015-09-23 北京科技大学 一种冷轧薄带钢宽度方向起浪形式的预测方法
CN106875104A (zh) * 2017-01-21 2017-06-20 西安交通大学 一种冷轧带钢质量综合评价方法
CN107563672A (zh) * 2017-09-29 2018-01-09 云南中烟工业有限责任公司 一种基于层次分析法构建卷烟制丝质量评价模型的方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111223078A (zh) * 2019-12-31 2020-06-02 河南裕展精密科技有限公司 瑕疵等级判定的方法及存储介质
CN111223078B (zh) * 2019-12-31 2023-09-26 富联裕展科技(河南)有限公司 瑕疵等级判定的方法及存储介质
CN111299318B (zh) * 2020-03-02 2022-04-12 马鞍山钢铁股份有限公司 一种热轧板带产品表面质量的自动判定方法
CN111299318A (zh) * 2020-03-02 2020-06-19 马鞍山钢铁股份有限公司 一种热轧板带产品表面质量的自动判定方法
EP4156047A4 (en) * 2020-06-29 2023-11-15 Baoshan Iron & Steel Co., Ltd. METHOD FOR PRETREATMENT, ARRANGEMENT AND PRODUCTION OPTIMIZATION OF ASSORTMENT CUTTING SHEAR FOR DEFECTIVE PLATE
CN113926858A (zh) * 2020-06-29 2022-01-14 宝山钢铁股份有限公司 含缺陷板材套裁剪切的预处理、排样及生产优化方法
CN112288910A (zh) * 2020-12-25 2021-01-29 北京海兰信数据科技股份有限公司 一种船舶航行性能分析方法及系统
CN112599438A (zh) * 2021-03-03 2021-04-02 惠州高视科技有限公司 MiniLED晶圆缺陷的高精度检测系统及其检测方法
CN113771052A (zh) * 2021-08-25 2021-12-10 长沙矿山研究院有限责任公司 一种镍板智能剪切机组
CN113674285A (zh) * 2021-08-25 2021-11-19 长沙矿山研究院有限责任公司 一种电解/电积镍板智能剪切方法
CN114444986A (zh) * 2022-04-11 2022-05-06 成都数之联科技股份有限公司 产品分析方法及系统及装置及介质
CN114444986B (zh) * 2022-04-11 2022-06-03 成都数之联科技股份有限公司 产品分析方法及系统及装置及介质
CN115388956A (zh) * 2022-10-26 2022-11-25 济南东方结晶器有限公司 一种基于连铸工艺流程的质量检测方法及系统

Also Published As

Publication number Publication date
CN110216319B (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN110216319A (zh) 一种基于表面质量在线评估的中厚板优化剪切控制方法
CN106345823B (zh) 基于热轧钢卷生产流程的在线实时预测机械性能的方法
Chen et al. Credit risk measurement and early warning of SMEs: An empirical study of listed SMEs in China
CN105486831B (zh) 一种钢卷质量检测系统
CN107179749B (zh) 热镀锌产品全流程质量控制方法
CN107544253A (zh) 基于改进模糊熵权法的大型导弹装备退役安全控制方法
CN106651169A (zh) 基于模糊综合评价的配电自动化终端状态评价方法及系统
CN110110977A (zh) 一种基于改进主成分-层次分析的配电网评估方法
CN102628812B (zh) 一种自动判定子卷表面质量等级的方法
CN104461682B (zh) 一种轧钢钢板仿真分切质量判定系统及方法
CN113052441B (zh) 一种应急食品供应风险分析方法
CN111178725A (zh) 一种基于层次分析法的保护设备状态预警方法
CN108154498A (zh) 一种裂缝缺陷检测系统及其实现方法
CN115121626B (zh) 一种基于误差补偿的热轧带钢瞬态热辊型预报方法
CN109345313A (zh) 基于大数据的用户满意度调查系统及方法
CN106875104A (zh) 一种冷轧带钢质量综合评价方法
CN110782157A (zh) 一种基于发电设备重要度的维修方式制定方法
CN113627735A (zh) 工程建设项目安全风险的预警方法及系统
CN109615185A (zh) 一种基于模糊层次分析法的单位质量保证能力评价方法
CN110320337A (zh) 一种带钢表面质量自动判级系统和方法
Ma et al. Effect of strip profile of hot-rolled silicon steel on transverse thickness difference of cold-rolled strip
CN101635037A (zh) 建筑业投标书的自动评审方法
Li et al. Comparison and analysis of measurement methods of total factor productivity
CN112246878B (zh) 一种酸洗卷热轧过程厚度判定系统及判定方法
CN110174409B (zh) 一种基于实时检测结果的中厚板周期性缺陷控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant