CN112149966B - 一种基于炼钢多数据源聚合指导过程质量判定的方法 - Google Patents
一种基于炼钢多数据源聚合指导过程质量判定的方法 Download PDFInfo
- Publication number
- CN112149966B CN112149966B CN202010923357.2A CN202010923357A CN112149966B CN 112149966 B CN112149966 B CN 112149966B CN 202010923357 A CN202010923357 A CN 202010923357A CN 112149966 B CN112149966 B CN 112149966B
- Authority
- CN
- China
- Prior art keywords
- data
- production
- value
- level
- time
- 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 35
- 238000009628 steelmaking Methods 0.000 title claims abstract description 26
- 238000004220 aggregation Methods 0.000 title claims description 7
- 230000002776 aggregation Effects 0.000 title claims description 7
- 238000004519 manufacturing process Methods 0.000 claims abstract description 100
- 239000000126 substance Substances 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000010354 integration Effects 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 238000007670 refining Methods 0.000 claims description 20
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009749 continuous casting Methods 0.000 claims description 4
- 238000006477 desulfuration reaction Methods 0.000 claims description 4
- 230000023556 desulfurization Effects 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 abstract description 12
- 229910000831 Steel Inorganic materials 0.000 abstract description 12
- 239000010959 steel Substances 0.000 abstract description 12
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 229910052742 iron Inorganic materials 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000005266 casting Methods 0.000 abstract description 2
- 238000006116 polymerization reaction Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 description 3
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 238000005097 cold rolling Methods 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种基于炼钢多数据源聚合指导过程质量判定的方法，属于钢铁企业的炼钢铸坯质量判定技术领域。本发明的技术方案是：将炼钢各产线的一级PLC实时数据、二级系统数据和三级MES产销数据分别从不同的数据库中采集至大数据平台mpp集成的postgreSQL数据库中；将大数据平台中串联整合后的炉次数据进行统计分析，从而指导生产炼钢。本发明的有益效果是：方便现场生产人员实时根据监测点数据调整投料量、化性成分等，有利于相关技术人员统计分析各个监测点参数对钢卷质量的影响，快速帮助品质管理人员判定产品是否符合订单合同、客户需求等。
Description
技术领域
本发明涉及一种基于炼钢多数据源聚合指导过程质量判定的方法，属于钢铁企业的炼钢铸坯质量判定技术领域。
背景技术
随着大数据相关技术的发展，数据分析、数据处理、数据融合技术逐步应用在各个领域中。在这些领域中大部分均需要对多个数据源采集的数据进行融合处理，再进行后续分析处理。
在钢铁制造过程中产生的海量细粒度数据大部分沉淀在现场，相关数据从全局来未予以整合利用，处于局部、短期分析应用阶段。如何将一级PLC的实时数据、二级的单值数据、三级MES的产销数据合理融合起来，并进行分类统计分析数据，更好的指导生产过程，是钢铁企业近年来面临的一大难题。
发明内容
本发明目的是提供一种基于炼钢多数据源聚合指导过程质量判定的方法，将不同系统上的不同数据库中的生产数据融合在一起，方便技术人员整体了解炼钢完整产线的各个监测点参数，并根据冶金规范值能够实时指导炼钢生产，这种生产在线实时化质量管理，可辅助操作部门及维护部门迅速的掌握制程之稳定性要点，进而改善制程上的缺失；实现一级PLC实时数据、二级系统数据和三级MES产销数据的融合，整体呈现可以根据订单合同以及客户需求来严格完成产品制造的指导，进而提高订单合格率；让质量部门提高钢品质量的判定精准度，有效防止不良品外流，使得产品质量符合市场需求，提升公司整体竞争力，有效地解决了背景技术中存在的上述问题。
本发明的技术方案是：一种基于炼钢多数据源聚合指导过程质量判定的方法，包含以下步骤：
步骤1：将炼钢各产线的一级PLC实时数据、二级系统数据和三级MES产销数据分别从不同的数据库中采集至大数据平台mpp集成的postgreSQL数据库中；
步骤2： 将采集到的数据按照产线划分为单值、连续值、规范值、投料和化性成分数据，分类进行整合；单值数据主要来源有四部分：二级系统数据、三级MES产销数据、一级PLC实时数据和手动输入界面获取数据，绝大多数的单值数据由二级系统数据中的生产实际表中数据、生产记录表数据和状态表数据根据炉次号进行匹配，无仪器仪表监测的数据根据二级系统数据的已有数据进行相关计算；部分单值数据来源于三级MES产销数据，需将三级MES产销数据根据炉次号与二级系统数据融合；一级PLC实时数据，需要根据二级系统时间匹配炉次号，然后根据现场实际需求求取平均值、最大值和最小值，进而获取单值数据；剩余部分在各个系统中无记录的数据，需操作工在界面上人工输入的，将通过前台界面获取输入值更新到单值表中；
连续值数据来源于现场一级PLC实时数据；在匹配次炉号的过程中，首先需要同步一级PLC系统的时间与二级系统的时间；将时间同步后，根据二级炉次实际生产的时间匹配一级PLC数据，并且将同一炉次的连续值数据拼接成json格式，方便绘制实时曲线；
规范值数据来源于三级MES产销数据中的工艺卡数据，将其与连续性数据综合绘制连续曲线，体现各个参数上下限，能够直观明了掌握各个参数的生产过程；
投料部分数据，需要将转炉、精炼LF和精炼RH的二级系统中生产实际表中根据炉次号、制造命令号进行整合；
化性成分部分数据，其数据来源于三级MES产销数据，在该部分数据融合的过程中需要将同一炉次的各个产线的化性成分分析及数据拼接成json格式存储与数据库中；
步骤3： 根据炉次号将上述脱硫、转炉、精炼LF、精炼RH和连铸SCC等产线进行串联整合分析同一炉次下各产线的数据；
步骤4： 将大数据平台中串联整合后的炉次数据进行统计分析，从而指导生产炼钢。
所述步骤1中，数据多元化，格式标准不统一，数据来源于不同系统的不同数据库中，将其多数据源数据进行清洗、计算并采集存储至大数据平台mpp集成的postgreSQL数据库中。
本发明的有益效果是：将不同系统上的不同数据库中的生产数据融合在一起，方便技术人员整体了解冷轧完整产线的各个监测点参数，并根据冶金规范值能够实时指导冷轧生产，这种生产在线实时化质量管理，可辅助操作部门及维护部门迅速的掌握制程之稳定性要点，进而改善制程上的缺失；实现一级PLC实时数据、二级系统数据和三级MES产销数据的融合，整体呈现可以根据订单合同以及客户需求来严格完成产品制造的指导，进而提高订单合格率；让质量部门提高钢品质量的判定精准度，有效防止不良品外流，使得产品质量符合市场需求，提升公司整体竞争力。
附图说明
图1是本发明的工作流程图。
具体实施方式
为了使发明实施案例的目的、技术方案和优点更加清楚，下面将结合实施案例中的附图，对本发明实施案例中的技术方案进行清晰的、完整的描述，显然，所表述的实施案例是本发明一小部分实施案例，而不是全部的实施案例，基于本发明中的实施案例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施案例，都属于本发明保护范围。
一种基于炼钢多数据源聚合指导过程质量判定的方法，包含以下步骤：
步骤1：将炼钢各产线的一级PLC实时数据、二级系统数据和三级MES产销数据分别从不同的数据库中采集至大数据平台mpp集成的postgreSQL数据库中；
步骤2： 将采集到的数据按照产线划分为单值、连续值、规范值、投料和化性成分数据，分类进行整合；单值数据主要来源有四部分：二级系统数据、三级MES产销数据、一级PLC实时数据和手动输入界面获取数据，绝大多数的单值数据由二级系统数据中的生产实际表中数据、生产记录表数据和状态表数据根据炉次号进行匹配，无仪器仪表监测的数据根据二级系统数据的已有数据进行相关计算，如铁水量根据炉次号进行累加计算；部分单值数据来源于三级MES产销数据，如牌号等，需将三级MES产销数据根据炉次号与二级系统数据融合；部分冷却水出口压力、流量和温度等一级PLC实时数据，需要根据二级系统时间匹配炉次号，然后根据现场实际需求求取平均值、最大值和最小值等，进而获取单值数据；剩余部分在各个系统中无记录的数据，需操作工在界面上人工输入的，将通过前台界面获取输入值更新到单值表中；
连续值数据主要来源于现场一级PLC实时数据，该部分融合的难点在于PLC实时数据只包含各个监测点参数的值，未跟踪炉次号；在匹配次炉号的过程中，首先需要同步一级PLC系统的时间与二级系统的时间；将时间同步后，根据二级炉次实际生产的时间匹配一级PLC数据，并且将同一炉次的连续值数据拼接成json格式，方便绘制实时曲线；
规范值数据主要来源于三级MES产销数据中的工艺卡数据，该部分数据体现冶金规范的标准，是衡量炼钢过程中各个重要参数是否符合要求的依据，将其与连续性数据综合绘制连续曲线，体现各个参数上下限，能够直观明了掌握各个参数的生产过程；
投料部分数据主要体现的是转炉、精炼LF和精炼RH产线在生产过程中根据合同要求和冶金规范等进行合金投料、辅料投料、手投料和废钢等，需要将转炉、精炼LF和精炼RH的二级系统中生产实际表中根据炉次号、制造命令号进行整合；
化性成分部分数据主要体现的是化验室取样分析的数据，其数据来源于三级MES产销数据，在该部分数据融合的过程中需要将同一炉次的各个产线的化性成分分析及数据拼接成json格式存储与数据库中；
步骤3： 根据炉次号将上述脱硫、转炉、精炼LF、精炼RH和连铸SCC等产线进行串联整合分析同一炉次下各产线的数据；
步骤4： 将大数据平台中串联整合后的炉次数据进行统计分析，从而指导生产炼钢。
所述步骤1中，数据多元化，格式标准不统一，数据来源于不同系统的不同数据库中，将其多数据源数据进行清洗、计算并采集存储至大数据平台mpp集成的postgreSQL数据库中。
在实际应用中，本发明的实施范围主要在钢铁企业中炼钢生产产线中，服务于炼钢生产维护人员、技术人员、品质管理部人员等。方便现场生产人员实时根据监测点数据调整投料量、化性成分等，有利于相关技术人员统计分析各个监测点参数对钢卷质量的影响，快速帮助品质管理人员判定产品是否符合订单合同、客户需求等。
步骤1中，将炼钢厂各产线的一级PLC实时数据、二级系统数据和三级MES产销数据通过ETL采集工具从不同的系统不同数据库中采集至大数据平台MPP集成的postgreSQL数据库中。采集至该数据库其优势在于统一数据源、支持批量数据的大量并行运算，实时性较高。
步骤2中，将采集到的数据按照产线划分为单值、连续值、规范值、投料和化性成分数据，分类进行整合。
具体分类整合方法如下所示：
其中单值数据主要来源有四部分：二级系统数据、三级Mes产销数据、一级PLC实时数据和手动输入界面获取数据。绝大多数的单值数据由二级系统数据中的生产实际表中数据、生产记录表数据和状态表数据根据炉次号进行匹配，无仪器仪表监测的数据根据二级系统数据的已有数据进行相关计算，如铁水量根据炉次号进行累加计算；部分单值数据来源于三级MES产销数据，如牌号等，需将三级MES产销数据根据炉次号与二级系统数据融合；部分冷却水出口压力、流量和温度等一级PLC实时数据，需要根据二级系统时间匹配炉次号，然后根据现场实际需求求取平均值、最大值和最小值等，进而获取单值数据；剩余部分在各个系统中无记录的数据，需操作工在界面上人工输入的，将通过前台界面获取输入值更新到单值表中；
连续值数据主要来源于现场一级PLC实时数据，该部分融合的难点在于PLC实时数据只包含各个监测点参数的值，未跟踪炉次号；在匹配次炉号的过程中，首先需要同步一级PLC系统的时间与二级系统的时间；将时间同步后，根据二级炉次实际生产的时间匹配一级PLC数据，并且将同一炉次的连续值数据拼接成json格式，方便绘制实时曲线；
规范值数据主要来源于三级MES产销数据中的工艺卡数据，该部分数据体现冶金规范的标准，是衡量炼钢过程中各个重要参数是否符合要求的依据，将其与连续性数据综合绘制连续曲线，体现各个参数上下限，能够直观明了掌握各个参数的生产过程；
投料部分数据主要体现的是转炉、精炼LF和精炼RH产线在生产过程中根据合同要求和冶金规范等进行合金投料、辅料投料、手投料和废钢等，需要将转炉、精炼LF和精炼RH的二级系统中生产实际表中根据炉次号、制造命令号进行整合；
化性成分部分数据主要体现的是化验室取样分析的数据，其数据来源于三级MES产销数据，在该部分数据融合的过程中需要将同一炉次的各个产线的化性成分分析及数据拼接成json格式存储与数据库中。
步骤3中，根据炉次号将上述脱硫、转炉、精炼LF、精炼RH和连铸SCC等产线进行串联整合分析同一炉次下各产线的数据。
步骤4中，将大数据平台中整合后的炉次数据进行统计分析，根据冶金规范标准、合同需求来进一步指导生产炼钢。
Claims (2)
1.一种基于炼钢多数据源聚合指导过程质量判定的方法，其特征在于包含以下步骤：
步骤1：将炼钢各产线的一级PLC实时数据、二级系统数据和三级MES产销数据分别从不同的数据库中采集至大数据平台mpp集成的postgreSQL数据库中；
步骤2：将采集到的数据按照产线划分为单值、连续值、规范值、投料和化性成分数据，分类进行整合；单值数据主要来源有四部分：二级系统数据、三级MES产销数据、一级PLC实时数据和手动输入界面获取数据，绝大多数的单值数据由二级系统数据中的生产实际表中数据、生产记录表数据和状态表数据根据炉次号进行匹配，无仪器仪表监测的数据根据二级系统数据的已有数据进行相关计算；部分单值数据来源于三级MES产销数据，需将三级MES产销数据根据炉次号与二级系统数据融合；一级PLC实时数据，需要根据二级系统时间匹配炉次号，然后根据现场实际需求求取平均值、最大值和最小值，进而获取单值数据；剩余部分在各个系统中无记录的数据，需操作工在界面上人工输入，将通过前台界面获取输入值更新到单值表中；
连续值数据来源于现场一级PLC实时数据；在匹配炉次号的过程中，首先需要同步一级PLC系统的时间与二级系统的时间；将时间同步后，根据二级炉次实际生产的时间匹配一级PLC数据，并且将同一炉次的连续值数据拼接成json格式，方便绘制实时曲线；
规范值数据来源于三级MES产销数据中的工艺卡数据，将其与连续性数据综合绘制连续曲线，体现各个参数上下限，能够直观明了掌握各个参数的生产过程；
投料部分数据，需要将转炉、精炼LF和精炼RH的二级系统中生产实际表中数据根据炉次号、制造命令号进行整合；
化性成分部分数据，其数据来源于三级MES产销数据，在该部分数据融合的过程中需要将同一炉次的各个产线的化性成分分析及数据拼接成json格式存储于数据库中；
步骤3：根据炉次号将脱硫、转炉、精炼LF、精炼RH和连铸SCC产线进行串联整合分析同一炉次下各产线的数据；
步骤4：将大数据平台中串联整合后的炉次数据进行统计分析，从而指导生产炼钢。
2.根据权利要求1所述的一种基于炼钢多数据源聚合指导过程质量判定的方法，其特征在于：所述步骤1中，将多数据源数据进行清洗、计算并采集存储至大数据平台mpp集成的postgreSQL数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010923357.2A CN112149966B (zh) | 2020-09-04 | 2020-09-04 | 一种基于炼钢多数据源聚合指导过程质量判定的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010923357.2A CN112149966B (zh) | 2020-09-04 | 2020-09-04 | 一种基于炼钢多数据源聚合指导过程质量判定的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112149966A CN112149966A (zh) | 2020-12-29 |
| CN112149966B true CN112149966B (zh) | 2021-09-07 |
Family
ID=73890638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010923357.2A Active CN112149966B (zh) | 2020-09-04 | 2020-09-04 | 一种基于炼钢多数据源聚合指导过程质量判定的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112149966B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113689091A (zh) * | 2021-08-06 | 2021-11-23 | 邯郸钢铁集团有限责任公司 | 一种智能钢卷质量分级的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111176218A (zh) * | 2020-01-04 | 2020-05-19 | 太原理工大学 | 一种基于激光和视觉检测的滚切剪质量监控系统及方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915013B (zh) * | 2012-10-19 | 2014-07-30 | 冶金自动化研究设计院 | 一种钢铁企业质量信息平台 |
| CN103472811A (zh) * | 2013-09-27 | 2013-12-25 | 济钢集团有限公司 | 炼钢二级过程控制系统及控制方法 |
| CN106381440B (zh) * | 2016-09-28 | 2018-04-24 | 宁夏共享模具有限公司 | 一种过程控制系统和方法 |
-
2020
- 2020-09-04 CN CN202010923357.2A patent/CN112149966B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111176218A (zh) * | 2020-01-04 | 2020-05-19 | 太原理工大学 | 一种基于激光和视觉检测的滚切剪质量监控系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112149966A (zh) | 2020-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111242464A (zh) | 一种基于spc的陶瓷卫浴质量管理方法 | |
| CN109858786B (zh) | 基于物联网的机电设备管理系统 | |
| CN112149966B (zh) | 一种基于炼钢多数据源聚合指导过程质量判定的方法 | |
| CN106251094B (zh) | 一种10kV业扩报装工单异动分析装置及分析方法 | |
| CN110989510A (zh) | 一种热镀锌产品全流程质量控制与等级自动判断系统 | |
| Oberoi et al. | SPC (statistical process control): a quality control technique for confirmation to ability of process | |
| CN111080054B (zh) | 一种热轧带钢宽度质量自动评价方法及系统 | |
| Sachin et al. | Six sigma methodology for improving manufacturing process in a foundry industry | |
| CN112181956B (zh) | 一种基于热轧工业大数据的数据挖掘的方法 | |
| Knop | Statistical control of the production process of rolled products | |
| CN106054832B (zh) | 基于多变量的间歇化工生产过程动态在线监测方法与装置 | |
| CN109101001B (zh) | 一种复合探头价值链数据采集及监控方法 | |
| CN109967381A (zh) | 一种环保型智能化金属加工工艺 | |
| CN113628024A (zh) | 基于大数据平台系统的财务数据智能稽核系统及方法 | |
| CN108364095B (zh) | 基于数据挖掘的炼钢生产过程钢水质量诊断方法 | |
| CN112668133A (zh) | 一种基于大数据分析的热轧带钢横断面自动判定方法 | |
| CN112286913A (zh) | 一种建立基于冷轧生产过程质量数据仓库的方法 | |
| CN106584040A (zh) | 一种模具的工艺制造方法及步骤 | |
| CN112446626B (zh) | 一种实时监控制造数据异常的应用工具 | |
| CN112785142B (zh) | 物联网污水处理设备预警智慧工单方法及其系统 | |
| CN113627628B (zh) | 基于工作票在线计算同台风机重复检修次数的方法 | |
| CN110516750A (zh) | 一种基于cart决策树的钢板板形质量异常检测方法 | |
| Wiecha et al. | Statistical process control and CAQ systems as a tools assuring quality in the automotive industry | |
| Petrovich | Performance analysis for process improvement | |
| Wu et al. | Design of Online Quality Analysis Platform for High-Speed Wire Rod Production Line Based on Big Data |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 056015 Fuxing Road 232, Fuxing District, Hebei, Handan Patentee after: HANDAN IRON & STEEL GROUP Co.,Ltd. Country or region after: China Patentee after: Hegang digital Xinda (Handan) Technology Co.,Ltd. Address before: 056015 Fuxing Road 232, Fuxing District, Hebei, Handan Patentee before: HANDAN IRON & STEEL GROUP Co.,Ltd. Country or region before: China Patentee before: HANDAN HANGANG GROUP XINDA TECHNOLOGY CO.,LTD. |