CN111443666B - 一种基于数据库模型的钢卷质量判定参数智能跟踪的方法 - Google Patents
一种基于数据库模型的钢卷质量判定参数智能跟踪的方法 Download PDFInfo
- Publication number
- CN111443666B CN111443666B CN202010218517.3A CN202010218517A CN111443666B CN 111443666 B CN111443666 B CN 111443666B CN 202010218517 A CN202010218517 A CN 202010218517A CN 111443666 B CN111443666 B CN 111443666B
- Authority
- CN
- China
- Prior art keywords
- data
- time
- steel coil
- parameters
- quality
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 97
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 71
- 239000010959 steel Substances 0.000 title claims abstract description 71
- 238000004519 manufacturing process Methods 0.000 claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 38
- 230000010354 integration Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000000137 annealing Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000009749 continuous casting Methods 0.000 claims description 3
- 238000010924 continuous production Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 abstract 2
- 229910052742 iron Inorganic materials 0.000 abstract 1
- 239000000047 product Substances 0.000 description 18
- 238000007726 management method Methods 0.000 description 3
- 239000007795 chemical reaction product Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005246 galvanizing Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,包括搭建数据信息平台,获取每个设备、每条产线、每个工厂仪表采集的生产过程关键工艺参数;建立数据采集接口,适用于现场包含OPC、MODBUS、GateWay、PDA、ODG等多种采集方式,实现现场仪表数据与数据信息平台的数据传输;解析电文信息,实现工序启停信号的自动识别;依据速度拟合等算法编制匹配程序,实现钢卷过程数据的智能跟踪。本发明实现了钢铁企业产品过程数据的自动跟踪,通过搭建数据平台、设计外部接口等手段,获取现场不同区域的生产过程关键工艺参数,实现现场质量参数的准确跟踪,为质量判定以及产品的改进升级提供数据支撑。
Description
技术领域
本专利申请属于冶金行业制造与信息技术领域,具体地说,是一种基于数据库模型的钢卷质量判定参数智能跟踪的方法。
背景技术
产品的转型升级是企业未来发展的方向,企业由低端产品向高端产品转型生产,将我们带入了另一个高端的严苛的市场环境,终端用户对于产品的需求多样化、个性化,对产品质量要求从之前的最终质量结果转向质量过程的精准控制。在信息技术已经逐步融合到企业的今天,利用信息化及自动化手段对现场数据进行收集处理成为企业管控的重要手段。为了实现产品质量的全过程跟踪,及早进行质量控制,确保产品质量还需解决以下问题:
1、产品的质量相关数据受限于工厂、工序、产线、设备等问题,大量异构数据分散、独立存储,形成“信息孤岛”,实现产品质量信息跟踪必须整合现场数据,解决信息孤岛问题。
2、分散在每个设备、每条产线、每个工厂的异构数据必须形成一条可追溯的数据链,确保信息的有效关联。
3、具备一套稳定、安全的数据管理平台,确保数据长时间、稳定存储,为质量信息跟踪提供数据保证。
4、实时数据到位置关系的匹配对应关系。
发明内容
本发明需要解决的技术问题是针对现场“信息孤岛”的弊端,在搭建的数据平台中实现对数据的整合和可追溯,实现现场实时生产工艺参数的监控以及产品质量信息的跟踪的一种方法。
为了解决上述问题,本发明所采用的技术方案是:
一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,包括通过搭建数据平台、设计外部接口,实时获取现场不同区域的生产过程关键工艺参数,实现现场实时生产工艺参数的监控;然后对获取的参数进行数据应用,编制质量参数跟踪程序,确保对现场产品质量信息的准确跟踪,从而为质量判定以及产品的改进升级提供数据支撑。
本发明技术方案的进一步改进在于:具体步骤为:
步骤S1:搭建数据信息平台,获取并存储现场不同区域内每个设备、每条产线、每个仪表采集的生产过程关键工艺参数;
步骤S2:建立数据采集接口,实现现场仪表数据与数据信息平台的数据传输;
步骤S3:编制启停程序,解析电文信息,实现工序启停信号的自动识别;
步骤S4:编制匹配程序,完成启停信息与钢卷生产过程中的板坯号、钢卷号的匹配,从而实现钢卷过程数据的智能跟踪;
步骤S5:编制长度拟合程序,分工艺段进行长度拟合计算,实现将按时序采集的质量参数数据转换为对应板坯或钢卷的空间位置数据;
步骤S6:编制数据整合程序,对板坯或钢卷的启停信息以及匹配信息进行数据整合,实现钢卷过程数据的智能跟踪。
本发明技术方案的进一步改进在于:步骤S1中,数据信息平台包括彼此相互关联的PI实时数据库与Oracle关系型数据库,PI实时数据库与Oracle关系型数据库均与数据采集接口通信连接、并分别用于存储实时数据与单点数据。
本发明技术方案的进一步改进在于:PI实时数据库与Oracle关系型数据库的彼此相互关联是指,在Oracle关系型数据库中建立有采集点的对应关系表,该对应关系表中的采集参数与PI实时数据库中的参数名实现对应关联。
本发明技术方案的进一步改进在于:步骤S2中数据采集接口可适用于现场包含OPC、MODBUS、GateWay、PDA、ODG的一种或多种采集方式。
本发明技术方案的进一步改进在于:步骤S3中的启停程序为,通过现场实际信号变化情况既定的逻辑规则,计算工序的开始结束时间和质量参数的开始结束时间。
本发明技术方案的进一步改进在于:步骤S4中的匹配程序为,将各工序计算的启停信号匹配到对应的炉次号、板坯号或钢卷号,实现质量参数与板坯、钢卷的一一对应。
本发明技术方案的进一步改进在于:步骤S5中的长度拟合程序是指,通过位置算法对关键工艺参数对应钢卷的具体位置进行测算,该位置算法可理解为距离长度是速度对时间的积分,也就是将工序按生产实际分出各工艺段,通过对不同工艺段对应的速度做积分算法,将按时间采集的质量参数转换到对应钢卷或者钢坯的具体位置上,实现将以时间轴为横坐标的曲线转换为以长度为横坐标的曲线,从而将连续生产曲线的时间转换为对应钢卷或者钢坯的长度。
位置算法说明:假设某产线的开始时间为钢卷长度为0的时候,则第二个点通过积分运算为:距离=(第一个值+第二个值)*时间差/2,也就是同梯形面积计算,以此类推,第N个点和第N-1个点之间的距离为 :距离=(第N-1值+第N值)*时间差/2;最后通过计算得出每一个点和距离之间的关系。因此将每一实时点的参数值转换为了产品卷的某个位置处的参数值。
长度拟合计算还需考虑各工艺段采用不同的速度做拟合,如炉内各温度曲线用炉区速度,光整机延伸率用光整机速度。
本发明技术方案的进一步改进在于:步骤S6的数据整合是指,实现每卷钢卷的质量信息的数据整合,然后建立外部接口并统一公开,其他应用系统可根据此外部接口完成完整的数据查询。
本发明技术方案的进一步改进在于:外部接口为webservice接口,其他应用系统可根据webservice调用方法完成完整的数据查询。
由于采用了上述技术方案,本发明取得的有益效果是:
1、本发明利用PI实时数据库其独特的旋转门技术,实现对实时数据的长时间、稳定存储。
2、本发明通过建立通用接口,对各种采集形式的数据进行传输、汇总,作为生产数据的重要关联环节,实现产品信息可追溯提供支撑。
3、通过自动识别工序启停,分工艺段进行长度拟合计算,即将采集到的实时工艺参数信息通过对应工艺段的实时速度,做时间积分,计算出该参数点所在钢卷的具体位置,将以时间轴为横坐标的曲线转换为以长度为横坐标的曲线,对应到钢卷或者钢坯的长度位置上,方便对钢卷每个位置处的质量信息进行跟踪。
附图说明
图1是本发明的结构示意图;
图2是启停程序实现流程图;
图3是匹配程序实现流程图。
具体实施方式
下面结合实施例对本发明做进一步详细说明。
本发明公开了一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,参见图1-图3,通过搭建数据平台、设计外部接口,实时获取现场不同区域的生产过程关键工艺参数,实现现场实时生产工艺参数的监控;然后对获取的参数进行数据应用,编制质量参数跟踪程序,确保对现场产品质量信息的准确跟踪,从而为质量判定以及产品的改进升级提供数据支撑。
具体步骤为:
步骤S1:搭建数据信息平台,获取并存储现场不同区域内每个设备、每条产线、每个仪表采集的生产过程关键工艺参数;
步骤S2:建立数据采集接口,实现现场仪表数据与数据信息平台的数据传输;
步骤S3:编制启停程序,解析电文信息,实现工序启停信号的自动识别;
步骤S4:编制匹配程序,完成启停信息与钢卷生产过程中的板坯号、钢卷号的匹配,从而实现钢卷过程数据的智能跟踪;
步骤S5:编制长度拟合程序,分工艺段进行长度拟合计算,实现将按时序采集的质量参数数据转换为对应板坯或钢卷的空间位置数据;
步骤S6:编制数据整合程序,对板坯或钢卷的启停信息以及匹配信息进行数据整合,实现钢卷过程数据的智能跟踪。
步骤S1中,数据信息平台包括彼此相互关联的PI实时数据库与Oracle关系型数据库,PI实时数据库与Oracle关系型数据库均与数据采集接口通信连接、并分别用于存储实时数据与单点数据。
PI实时数据库与Oracle关系型数据库的彼此相互关联是指,在Oracle关系型数据库中建立有采集点的对应关系表,该对应关系表中的采集参数与PI实时数据库中的参数名实现对应关联。
步骤S2中数据采集接口可适用于现场包含OPC、MODBUS、GateWay、PDA、ODG的一种或多种采集方式。
步骤S3中的启停程序为,通过现场实际信号变化情况既定的逻辑规则,计算工序的开始结束时间和质量参数的开始结束时间。
步骤S4中的匹配程序为,将各工序计算的启停信号匹配到对应的炉次号、板坯号或钢卷号,实现质量参数与板坯、钢卷的一一对应。
步骤S5中的长度拟合程序是指,通过位置算法对关键工艺参数对应钢卷的具体位置进行测算,该位置算法可理解为距离长度是速度对时间的积分,也就是将工序按生产实际分出各工艺段,通过对不同工艺段对应的速度做积分算法,将按时间采集的质量参数转换到对应钢卷或者钢坯的具体位置上,实现将以时间轴为横坐标的曲线转换为以长度为横坐标的曲线,从而将连续生产曲线的时间转换为对应钢卷或者钢坯的长度。
位置算法说明:假设某产线的开始时间为钢卷长度为0的时候。则第二个点通过积分运算为:距离=(第一个值+第二个值)*时间差/2。(同梯形面积计算)。以此类推,第N个点和第N-1个点之间的距离为 :距离=(第N-1值+第N值)*时间差/2。最后通过计算得出每一个点和距离之间的关系。因此将每一实时点的参数值转换为了产品卷的某个位置处的参数值。
长度拟合计算还需考虑各工艺段采用不同的速度做拟合,如炉内各温度曲线用炉区速度,光整机延伸率用光整机速度。
步骤S6的数据整合是指,实现每卷钢卷的质量信息的数据整合,然后建立外部接口并统一公开,其他应用系统可根据此外部接口完成完整的数据查询。
外部接口为webservice接口,其他应用系统可根据webservice调用方法完成完整的数据查询。
本发明的整体结构示意图如图1所示, 其中的钢卷产出报告,包含宽度、厚度等钢卷信息。
PI实时数据库用于存储所有关键工艺参数及设备状态参数,oracle数据库用于存储钢卷、炉号等对照关系信息和工序生产中的开始结束时间等基本生产信息。
在Oracle数据库中,一方面是建立采集点的对应关系表,实现采集参数与PI中参数名的对应关系配置;另一方面建立产线及产线代码信息表,用于存储产线与代码的对应关系;建立参数启停信息表,记录工序的启停信息;建立卷号板坯号的对应关系表,实现板坯或钢卷的匹配。
建立数据采集管理服务,将包含OPC、MODBUS、GateWay、PDA、ODG等多种采集方式的接口定制为格式化服务,方便接口管理及后期维护。
启停程序是通过现场实际信号变化情况既定的逻辑规则,计算工序的开始结束时间和质量参数的开始结束时间,启停程序流程如图2所示。
(1)参数的启停:计算重要工艺参数的启停时间,如镀锌出口宽度测量开始时间和测量结束时间,退火炉中加热温度的开始时间和结束时间;
(2)工序的启停:计算主要工序的启停时间,如连铸板坯的切割开始时间和切割结束时间,精轧的开始时间和结束时间;
匹配程序将各工序计算的启停匹配到对应的炉次号、板坯号或钢卷号,实现质量参数与板坯、钢卷的一一对应,匹配程序流程如图3所示。
(1)炉次号匹配:包含转炉,精炼等以炉次为生产单位的工序;
(2)卷号/板坯号匹配:包含连铸,热轧,酸连轧,镀锌,连退等以卷号/板坯号为单位的工序。
长度拟合程序计算是对关键工艺参数对应钢卷具体位置的测算,具体算法简单解释为距离长度是速度对时间的积分,通过对不同工艺段对应的速度做积分算法,更精准的将按时间采集的质量参数转换到对应钢卷或者钢坯的具体位置上。
算法解释:假设某产线的开始时间为钢卷长度为0的时候。则第二个点通过积分运算为:距离=(第一个值+第二个值)*时间差/2。(同梯形面积计算)。以此类推,第N个点和第N-1个点之间的距离为 :距离=(第N-1值+第N值)*时间差/2。最后通过计算得出每一个点和距离之间的关系。因此将每一实时点的参数值转换为了产品卷的某个位置处的参数值。
例如:工序开始时间为10:00:00,钢卷对应长度默认为0,速度为1m/s,对应参数值为1120;第二个数据点为10:00:05,该时间点速度为3.2m/s,对应参数值为1122;计算钢卷的第二个位置点为:(3.2+1)*2/2=4.2。则第二个数据点为(4.2m,1122),表示在该钢卷的4.2m处,某质量参数值为1122。以此类推,可根据采集到的工艺实时速度计算得到对应钢卷位置上的各质量参数信息。
外部系统可通过webservice接口完成产品完整的质量等信息查询。
Claims (8)
1.一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,其特征在于:通过搭建数据平台、设计外部接口,实时获取现场不同区域的生产过程关键工艺参数,实现现场实时生产工艺参数的监控;然后对获取的参数进行数据应用,编制质量参数跟踪程序,确保对现场产品质量信息的准确跟踪,从而为质量判定以及产品的改进升级提供数据支撑;
具体步骤为:
步骤S1:搭建数据信息平台,获取并存储现场不同区域内每个设备、每条产线、每个仪表采集的生产过程关键工艺参数;
步骤S2:建立数据采集接口,实现现场仪表数据与数据信息平台的数据传输;
步骤S3:编制启停程序,解析电文信息,实现工序启停信号的自动识别;
步骤S3中的启停程序为,通过现场实际信号变化情况既定的逻辑规则,计算工序的开始结束时间和质量参数的开始结束时间;
(1)质量参数的启停:计算重要质量参数的启停时间,如镀锌出口宽度测量开始时间和测量结束时间,退火炉中加热温度的开始时间和结束时间;
(2)工序的启停:计算主要工序的启停时间,如连铸板坯的切割开始时间和切割结束时间,精轧的开始时间和结束时间;
步骤S4:编制匹配程序,完成启停信息与钢卷生产过程中的板坯号、钢卷号的匹配,从而实现钢卷过程数据的智能跟踪;
步骤S5:编制长度拟合程序,分工艺段进行长度拟合计算,实现将按时序采集的质量参数数据转换为对应板坯或钢卷的空间位置数据;
步骤S6:编制数据整合程序,对板坯或钢卷的启停信息以及匹配信息进行数据整合,实现钢卷过程数据的智能跟踪。
2.根据权利要求1所述的一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,其特征在于:步骤S1中,数据信息平台包括彼此相互关联的PI实时数据库与Oracle关系型数据库,PI实时数据库与Oracle关系型数据库均与数据采集接口通信连接、并分别用于存储实时数据与单点数据。
3.根据权利要求2所述的一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,其特征在于:PI实时数据库与Oracle关系型数据库的彼此相互关联是指,在Oracle关系型数据库中建立有采集点的对应关系表,该对应关系表中的采集参数与PI实时数据库中的参数名实现对应关联。
4.根据权利要求1所述的一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,其特征在于:步骤S2中数据采集接口可适用于现场包含OPC、MODBUS、GateWay、PDA、ODG的一种或多种采集方式。
5.根据权利要求1所述的一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,其特征在于:步骤S4中的匹配程序为,将各工序计算的启停信号匹配到对应的炉次号、板坯号或钢卷号,实现质量参数与板坯、钢卷的一一对应。
6.根据权利要求1所述的一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,其特征在于:步骤S5中的长度拟合程序是指,通过位置算法对关键工艺参数对应钢卷的具体位置进行测算,该位置算法可理解为距离长度是速度对时间的积分,也就是将工序按生产实际分出各工艺段,通过对不同工艺段对应的速度做积分算法,将按时间采集的质量参数转换到对应钢卷或者钢坯的具体位置上,实现将以时间轴为横坐标的曲线转换为以长度为横坐标的曲线,从而将连续生产曲线的时间转换为对应钢卷或者钢坯的长度。
7.根据权利要求1所述的一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,其特征在于:步骤S6的数据整合是指,实现每卷钢卷的质量信息的数据整合,然后建立外部接口并统一公开,其他应用系统可根据此外部接口完成完整的数据查询。
8.根据权利要求7所述的一种基于数据库模型的钢卷质量判定参数智能跟踪的方法,其特征在于:外部接口为webservice接口,其他应用系统可根据webservice调用方法完成完整的数据查询。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010218517.3A CN111443666B (zh) | 2020-03-25 | 2020-03-25 | 一种基于数据库模型的钢卷质量判定参数智能跟踪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010218517.3A CN111443666B (zh) | 2020-03-25 | 2020-03-25 | 一种基于数据库模型的钢卷质量判定参数智能跟踪的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111443666A CN111443666A (zh) | 2020-07-24 |
CN111443666B true CN111443666B (zh) | 2022-08-09 |
Family
ID=71650818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010218517.3A Active CN111443666B (zh) | 2020-03-25 | 2020-03-25 | 一种基于数据库模型的钢卷质量判定参数智能跟踪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111443666B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112474816B (zh) * | 2020-11-16 | 2022-09-13 | 山西太钢不锈钢股份有限公司 | 一种酸连轧在线修正钢卷信息的方法 |
CN113305176B (zh) * | 2021-04-30 | 2023-02-03 | 首钢京唐钢铁联合有限责任公司 | 一种带钢的卷取方法、装置、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393228A (zh) * | 2008-10-31 | 2009-03-25 | 武汉钢铁(集团)公司 | 钢卷生产线的钢卷质量分析系统 |
CN106180619A (zh) * | 2016-08-12 | 2016-12-07 | 湖南千盟物联信息技术有限公司 | 一种连铸过程智能控制的系统方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4658363A (en) * | 1984-11-21 | 1987-04-14 | Tippins Incorporated | Method of increasing the productivity of reversing plate mills |
CN103302104B (zh) * | 2012-03-13 | 2015-07-22 | 宝山钢铁股份有限公司 | 热轧硅钢的制造方法 |
CN103177392B (zh) * | 2013-02-20 | 2015-12-23 | 武汉科技大学 | 一种钢卷长度工艺的关联方法 |
CN109877158B (zh) * | 2019-03-01 | 2020-06-26 | 宝信软件(武汉)有限公司 | 一种csp连铸连轧临时钢卷号自动匹配方法及系统 |
CN110245663B (zh) * | 2019-06-26 | 2024-02-02 | 上海电器科学研究所(集团)有限公司 | 一种用于钢卷信息识别的方法 |
-
2020
- 2020-03-25 CN CN202010218517.3A patent/CN111443666B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393228A (zh) * | 2008-10-31 | 2009-03-25 | 武汉钢铁(集团)公司 | 钢卷生产线的钢卷质量分析系统 |
CN106180619A (zh) * | 2016-08-12 | 2016-12-07 | 湖南千盟物联信息技术有限公司 | 一种连铸过程智能控制的系统方法 |
Non-Patent Citations (4)
Title |
---|
大数据过程质量控制系统在钢铁生产中的应用;白瑞国等;《中国冶金》;20180815(第08期);第76-80页 * |
工厂数据库在冷轧生产中的应用;温杰;《信息系统工程》;20170320(第03期);第15页 * |
工厂数据库在质量管控中的探索和应用;方亮;《数字技术与应用》;20150315(第03期);第84-85页 * |
方亮.工厂数据库在质量管控中的探索和应用.《数字技术与应用》.2015,(第03期), * |
Also Published As
Publication number | Publication date |
---|---|
CN111443666A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111443666B (zh) | 一种基于数据库模型的钢卷质量判定参数智能跟踪的方法 | |
US11281196B2 (en) | Integrated planning of production and/or maintenance plans | |
CN108763550B (zh) | 高炉大数据应用系统 | |
CN104835012A (zh) | 一种钢铁企业生产调度管理系统及方法 | |
CN101152668A (zh) | 一种炼钢连铸生产工序集中监控的方法 | |
CN111242414B (zh) | 一种应用于钢铁行业炼钢-连铸流程的计划调度系统 | |
CN103472811A (zh) | 炼钢二级过程控制系统及控制方法 | |
Wang et al. | Research on assembly quality adaptive control system for complex mechanical products assembly process under uncertainty | |
CN100445901C (zh) | 基于AR(p)模型的过程工业生产过程动态成本控制方法 | |
CN101221428A (zh) | 一种步进式板坯加热炉在线三维温度场数模系统 | |
TW202109222A (zh) | 工業工廠,特別是用於金屬生產工業或鋁或鋼鐵工業的工廠,以及用於操作工業工廠,特別是用於金屬生產工業或鋁或鋼鐵工業的工廠的方法 | |
CN113723834A (zh) | 一种输气管网的智能高阶调度与运维系统及方法 | |
US10983501B2 (en) | Tool-life prediction system and method thereof | |
CN103116822A (zh) | 一种基于可视化炉次跟踪的炼钢制造执行管理系统 | |
CN111676365A (zh) | 一种基于lstm的过渡钢卷退火温度设定值的预测方法 | |
CN105046375A (zh) | 无缝钢管生产重点设备物联网维修预测系统 | |
CN111950577A (zh) | 一种点检方法及装置 | |
CN102650871B (zh) | 一种热轧板生产线板坯出炉控制方法 | |
KR20220064714A (ko) | 생산설비 데이터 수집 및 가공 시스템 및 그 제어 방법 | |
CN115016424A (zh) | 一种无缝钢管生产线实时监控系统 | |
CN114140263A (zh) | 一种连铸智慧集控智能应用平台构建方法 | |
CN104049590A (zh) | 可扩展的能量管理架构 | |
JP2024056121A (ja) | ホイール鋳造過程における金型温度の閉ループ制御方法及びシステム | |
CN111898975A (zh) | 一种炼钢生产过程智能调度系统及方法 | |
CN201791938U (zh) | 一种连铸结晶器漏钢预报系统 |
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 |