CN117808355A - 钢铁生产质量检测与分析系统构架方法 - Google Patents
钢铁生产质量检测与分析系统构架方法 Download PDFInfo
- Publication number
- CN117808355A CN117808355A CN202311845032.7A CN202311845032A CN117808355A CN 117808355 A CN117808355 A CN 117808355A CN 202311845032 A CN202311845032 A CN 202311845032A CN 117808355 A CN117808355 A CN 117808355A
- Authority
- CN
- China
- Prior art keywords
- quality
- analysis
- steel production
- data
- constructing
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 127
- 238000004458 analytical method Methods 0.000 title claims abstract description 119
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 97
- 239000010959 steel Substances 0.000 title claims abstract description 97
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000010276 construction Methods 0.000 title claims abstract description 20
- 230000003993 interaction Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 59
- 230000008569 process Effects 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 238000009960 carding Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000010310 metallurgical process Methods 0.000 claims description 3
- 238000011112 process operation Methods 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000009628 steelmaking Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Human Computer Interaction (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种钢铁生产质量检测与分析系统构架方法,该方法包括:基于钢铁生产全流程的质量相关信息,构建包括钢铁生产全流程的质量相关信息的数据库;构建包括钢铁生产全流程质量信息链的知识库;构建质量领域的价值网络模型;构建质量分析大模型,将所述价值网络模型和知识库接入所述大模型,建立所述质量分析大模型的人工交互方式;利用所述质量分析大模型完成钢铁质量分析,基于所述人工交互方式回答用户提出的问题。本发明构建的钢铁生产质量检测与分析系统,能够提高钢铁生产质量的稳定性,提高用户体验和操作便捷性,有助于降低生产损失。
Description
技术领域
本发明涉及智能化工业生产技术领域,尤其涉及一种钢铁生产质量检测与分析系统构架方法。
背景技术
在工业大数据等新一代信息技术广泛应用下,全国各行业都在利用新一代信息技术以及互联网平台,通过将新兴的信息技术与传统行业进行深度融合,创造新的发展契机。在智能化发展技术日渐兴起的今天,钢铁企业的发展将随着客户对产品质量定制化要求日益提高,为了企业自身发展的需求,充分利用制造过程各种工艺、质量信息实现企业产品质量的在线评级与判定,稳定和提高产品质量,提高与用户之间质量管控、质量追溯协同性,工业大数据平台的建设是必要的。
然而,现有技术中,钢铁生产质量监控系统仍存在以下问题:
(1)缺乏深度学习和大数据分析能力,使得在出现生产波动或异常时,难以及时准确地进行根因分析和预警,导致问题的延迟识别和解决,从而影响生产效率和产品质量;
(2)缺乏高效的人机交互界面,特别是在使用自然语言处理来进行复杂查询和数据分析方面,用户可能需要特定的技术知识来操作现有系统,限制了其普遍性和便捷性;
(3)缺乏综合的价值网络模型,难以表示不同生产阶段和指标之间的复杂关系,导致无法全面理解和预测质量问题的影响,从而降低了整个生产过程的控制能力。
发明内容
为至少解决上述现有技术中存在的一个技术问题,本发明的目的在于提供一种钢铁生产质量检测与分析系统构架方法,构建钢铁生产质量检测与分析系统,提高钢铁生产质量的稳定性,提高了用户体验和操作便捷性,有助于降低生产损失。
为实现上述发明目的,本发明提供一种钢铁生产质量检测与分析系统构架方法,包括以下步骤:
步骤S10、基于钢铁生产全流程的质量相关信息,构建包括钢铁生产全流程的质量相关信息的数据库;
步骤S20、构建包括钢铁生产全流程质量信息链的知识库;
步骤S30、构建质量领域的价值网络模型;
步骤S40、构建质量分析大模型,将所述价值网络模型和知识库接入所述大模型,建立所述质量分析大模型的人工交互方式;
步骤S50、利用所述质量分析大模型完成钢铁质量分析,基于所述人工交互方式回答用户提出的问题。
根据本发明的一个技术方案,所述步骤S10中,包括:
步骤S101、基于钢铁生产质量分析的需求,采集钢铁信息化系统及生产现场的质量相关信息;
步骤S102、基于所述质量相关信息,构建数据库并储存;
其中,所述质量相关信息至少包括冶金工艺规范、过程工艺参数、装备关键参数、生产关键指标、管理信息、检化验信息和质量判定。
根据本发明的一个技术方案,所述步骤S20中,包括:
建立包括从原辅料管控到炼钢、轧钢、后部生产多个阶段的全流程质量信息链的知识库,
其中,所述知识库包括结构化数据和非结构化数据,所述结构化数据至少包括产品规范、冶金规范、过程质量检验结果、关键工艺参数、相关统计分析数据;所述非结构化数据至少包括质量异议分析报告、专项分析报告、工艺操作规程,非结构化数据通过词嵌入技术存储在向量数据库中。
根据本发明的一个技术方案,所述步骤S30中,包括:
步骤S301、梳理数据分布和数据质量情况,完成统一数据源的语义,形成质量领域的数据体系;
步骤S302、结合行业知识、现场调研、专家经验、大语言模型分析,基于所述质量领域的数据体系,构建质量领域下的价值网络模型。
根据本发明的一个技术方案,所述价值网络模型为由节点与连线组成的有向无环图数据结构,采用多层级式结构,自下而上包括生产数据、装备数据、工艺规格、关键指标、统计指标、成本指标和财务指标多种价值指标。
根据本发明的一个技术方案,所述步骤S302中,还包括构建同层级或多层级指标之间的定量或定向的“血缘关系”,具体包括:
当指标之间关系可通过数学公式表示时,则使用公式代表指标间关联关系;
当指标之间关系仅可通过历史数据拟合求得时,则通过训练神经网络的方式表示指标间关联关系。
根据本发明的一个技术方案,所述步骤S50中,利用所述质量分析大模型完成钢铁质量分析,具体包括:
当价值网络模型中的任一质量指标出现异常波动时,所述质量分析大模型基于其推理分析能力对指标血缘关系和价值网络模型中的关联关系进行分析,并检索所述知识库,对所述异常波动进行预警和分析,完成监控与辅助决策。
根据本发明的一个技术方案,所述步骤S50中,基于所述人工交互方式回答用户提出的问题,具体包括:
当用户通过自然语言查询质量相关知识或当前生产质量状态时,所述质量分析大模型将检索调用所述知识库和所述价值网络模型;
所述质量分析大模型将整合的数据与知识以自然语言方式回复用户提问,并提供相关指标、图表、文档的地址或检索信息。
根据本发明的一个方面,提供了一种钢铁生产质量检测与分析系统,所述钢铁生产质量检测与分析系统采用如上述技术方案中任一项所述的钢铁生产质量检测与分析系统构架方法构建。
根据本发明的一个方面,提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行如上述技术方案中任一项所述的一种钢铁生产质量检测与分析系统构架方法。
本发明与现有技术相比,具有以下有益效果:
本发明提出了一种钢铁生产质量检测与分析系统构架方法,首先,基于钢铁生产全流程的质量相关信息,构建包括钢铁生产全流程的质量相关信息的数据库;其次,构建包括钢铁生产全流程质量信息链的知识库;构建质量领域的价值网络模型;再次,构建质量分析大模型,将所述价值网络模型和知识库接入所述大模型,建立所述质量分析大模型的人工交互方式;最后,利用所述质量分析大模型完成钢铁质量分析,基于所述人工交互方式回答用户提出的问题。通过以上方法构建钢铁生产质量检测与分析系统,利用钢铁生产质量检测与分析系统进行钢铁生产过程的监控和分析,能够提高钢铁生产质量的稳定性,提高了用户体验和操作便捷性,有助于降低生产损失。
本发明,通过现场数据的实时获取,为后续实现对关键质量指标异常的实时监控和预警提供数据支持,有利于监控整个生产流程中的关键质量指标,保证了实时性,进而保证了生产质量的稳定性。
本发明通过构建钢铁生产质量检测与分析系统,采用了大模型词嵌入和检索增强技术,有利于高效地处理复杂的数据查询和分析,实现结构化和非结构化数据多源异构数据整合,结合检索增强技术,能够克服大型语言模型的局限性,提升了数据访问的速度和准确性,还使得用户能够以自然语言查询复杂的数据集,使自然语言查询和人机交互更为直观和高效,极大地提高了用户体验和操作便捷性。
进一步地,本发明通过构建钢铁生产质量检测与分析系统具备质量分析与问答能力,能够快速响应用户的查询,提供深入的数据分析和相关信息,助力用户做出更准确、及时的决策,有助于在解决紧急的生产质量问题,减少停机时间和生产损失。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性表示本发明实施例方案涉及的硬件运行环境的钢铁生产质量检测与分析系统构架设备的结构示意图;
图2示意性表示本发明一个实施例中钢铁生产质量检测与分析系统构架方法的流程示意图;
图3示意性表示本发明一个实施例中利用钢铁生产质量检测与分析系统构架方法得到的钢铁生产质量检测与分析系统的结构示意图;
图4示意性表示本发明一个实施例中价值网络模型的层级结构示意图;
图5示意性表示本发明一个实施例中图2中步骤S10的具体流程示意图;
图6示意性表示本发明一个实施例中图2中步骤S30的具体流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例,提供了一种钢铁生产质量检测与分析系统构架方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本发明实施例方案涉及的硬件运行环境的钢铁生产质量检测与分析系统构架设备结构示意图。
如图1所示,该钢铁生产质量检测与分析系统构架设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)、鼠标或麦克风,可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储系统。
本领域技术人员可以理解,图1中示出的结构并不构成对钢铁生产质量检测与分析系统构架设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及钢铁生产质量检测与分析系统构架程序。
在图1所示的钢铁生产质量检测与分析系统构架设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明钢铁生产质量检测与分析系统构架设备中的处理器1001、存储器1005可以设置在钢铁生产质量检测与分析系统构架设备中,钢铁生产质量检测与分析系统构架设备通过处理器1001调用存储器1005中存储的钢铁生产质量检测与分析系统构架程序,并执行本发明实施例提供的钢铁生产质量检测与分析系统构架方法。
图2为本发明钢铁生产质量检测与分析系统构架方法的流程示意图。
如图2和图3所示,本发明的一种钢铁生产质量检测与分析系统构架方法,包括以下步骤:
步骤S10、基于钢铁生产全流程的质量相关信息,构建包括钢铁生产全流程的质量相关信息的数据库,如图5所示,包括:
步骤S101、基于钢铁生产质量分析的需求,采集钢铁信息化系统及生产现场的质量相关信息;
步骤S102、基于质量相关信息,构建数据库并储存;
其中,质量相关信息至少包括冶金工艺规范、过程工艺参数、装备关键参数、生产关键指标、管理信息、检化验信息和质量判定。
其中,在进行质量相关信息采集时,可以从钢铁信息化系统(如MES、ERP等)及生产现场采集质量相关数据,数据覆盖钢铁生产全流程的质量相关信息,可以理解的是,数据来源还可以是人工手动录入,生产现场采集质量相关数据可以通过PLC/PI获取,从而实现现场数据的实时获取,为后续实现对关键质量指标异常的实时监控和预警提供数据支持,有利于监控整个生产流程中的关键质量指标,保证了实时性,进而保证了生产质量的稳定性。
另外,在采集质量相关信息的数据内容后,基于数据内容可以构建的数据库或表格在进行存储。
步骤S20、构建包括钢铁生产全流程质量信息链的知识库,包括:
建立包括从原辅料管控到炼钢、轧钢、后部生产多个阶段的全流程质量信息链的知识库,即知识库中的内容基于内部的文件系统和外部知识构建;
其中,知识库包括结构化数据和非结构化数据,结构化数据至少包括产品规范、冶金规范、过程质量检验结果、关键工艺参数、相关统计分析数据;非结构化数据至少包括质量异议分析报告、专项分析报告、工艺操作规程。
非结构化数据通过词嵌入技术存储在向量数据库中,有利于高效地处理复杂的数据查询和分析,实现结构化和非结构化数据多源异构数据整合,结合检索增强技术,能够克服大型语言模型的局限性(如幻觉问题和知识有限问题),提升了数据访问的速度和准确性,还使得用户能够以自然语言查询复杂的数据集,使自然语言查询和人机交互更为直观和高效,极大地提高了用户体验和操作便捷性。
可以理解的是,结构化数据和非结构化数据可以以文档的形式知识库服务器的文件系统中。
步骤S30、构建质量领域的价值网络模型,如图6所示,包括:
步骤S301、梳理数据分布和数据质量情况,完成统一数据源的语义,形成质量领域的数据体系;
在该步骤中,通过梳理数据分布和数据质量情况,完成统一数据源的语义,能够进一步地提升数据访问的速度和准确性。
步骤S302、结合行业知识、现场调研、专家经验、大语言模型分析,基于质量领域的数据体系,构建质量领域下的价值网络模型;
其中,价值网络模型为由节点与连线组成的有向无环图数据结构,采用多层级式结构,自下而上包括生产数据、装备数据、工艺规格、关键指标、统计指标、成本指标和财务指标多种价值指标。
以有向无环图(DAG)数据结构作为定性分析与决策的基础支撑,通过有方向的箭头进行连接,表示指标之间定量或定向的“血缘关系”。因此,在进行步骤S302中,还包括构建同层级或多层级指标之间的定量或定向的“血缘关系”,包括:当指标之间关系可通过数学公式表示时,则使用公式代表指标间关联关系;当指标之间关系仅可通过历史数据拟合求得时,则通过训练神经网络的方式表示指标间关联关系,从而自下而上建立起针对特征质量问题的价值网络模型。
如图4所示,价值网络模型自上而下包括多层,第一层为财务指标,第二层为统计指标,第三层为关键指标,第四层为生产数据、装备数据、工艺规格,第五层为基础信息和管理信息,其中一部分指标可以直接得到,另一部分指标则可基于其他指标进行计算或推导得到。
另外,针对不同问题的价值网络之间可以通过指标关联关系,建立起前后工序或前后流程之间的关联。价值网络模型中的各个节点,通过JSON格式的API接口,实现其他软件程序对节点的调用与对接;价值网络模型的整体数据结构,也可以通过JSON格式进行表述,主要字段信息包括层级、节点与节点间关联关系。
通过集成生产数据血缘建模、实时数据治理、质量专题知识图谱构建等多种技术,本发明创建了一个多层次的价值网络模型,该网络模型涵盖了生产数据、装备数据、工艺规格、关键指标、统计指标、成本指标和财务指标等多种指标,能够对生产过程中的波动进行根因分析、指标血缘分析和异常预警,能够深入分析和监控整个生产流程中的关键质量指标,有效地预测和预防生产波动和异常,从而显著提高生产质量的稳定性。
步骤S40、构建质量分析大模型,将价值网络模型和知识库接入大模型,建立质量分析大模型的人工交互方式;
在该步骤中,将价值网络模型的API接口文档以预设提示词的形式接入质量分析大模型,同时将知识库的向量数据库接入质量分析大模型。
步骤S50、利用质量分析大模型完成钢铁质量分析,基于人工交互方式回答用户提出的问题。
步骤S50中,利用质量分析大模型完成钢铁质量分析,具体包括:
当价值网络模型中的任一质量指标出现异常波动时,质量分析大模型基于其推理分析能力对指标血缘关系和价值网络模型中的关联关系进行分析,并检索知识库,对异常波动进行预警和分析,完成监控与辅助决策。
步骤S50中,基于人工交互方式回答用户提出的问题,具体包括:
当用户通过自然语言查询质量相关知识或当前生产质量状态时,质量分析大模型将检索调用知识库和价值网络模型;
质量分析大模型将整合的数据与知识以自然语言方式回复用户提问,并提供相关指标、图表、文档的地址或检索信息。
通过构建质量分析大模型与问答系统,为用户提供了强大的决策支持工具,实现了对价值网络中关键质量指标异常的实时监控和预警,并且能够利用大模型对异常进行深入分析,并通过自然语言回复用户提问,同时提供相关的指标、图表、文档地址或检索信息。
质量分析大模型基于大模型词嵌入与检索增强技术,能够快速响应用户的查询,提供深入的数据分析和相关信息,助力用户做出更准确、及时的决策,有助于在解决紧急的生产质量问题,减少停机时间和生产损失。
如图3所示,根据本发明的一个方面,提供了一种钢铁生产质量检测与分析系统,钢铁生产质量检测与分析系统采用如上述技术方案中任一项的钢铁生产质量检测与分析系统构架方法构建。
根据本发明的一个方面,提供了一种钢铁生产质量检测与分析系统构架系统,包括:
构建单元,用于基于钢铁生产全流程的质量相关信息,构建包括钢铁生产全流程的质量相关信息的数据库;
构建单元,还用于构建包括钢铁生产全流程质量信息链的知识库;
构建单元,还用于构建质量领域的价值网络模型;
构建单元,还用于构建质量分析大模型,将价值网络模型和知识库接入大模型,建立质量分析大模型的人工交互方式;
通过质量分析大模型完成钢铁质量分析,基于人工交互方式回答用户提出的问题。
另外,钢铁生产质量检测与分析系统构架系统还搭配有显示模块和输入模块,显示模块可以为智能手机、智能平板、电脑显示器等设备,输入模块鼠标键盘灯,或显示模块和输入模块集成为可触控显示屏。
以上各个模块的功能与上述钢铁生产质量检测与分析系统构架方法的所涉及的对应的步骤相同,上述模块能够执行钢铁生产质量检测与分析系统构架方法的对应步骤,实现对应的功能。
根据本发明的一个方面,提供了一种计算机可读存储介质,用于存储计算机指令,计算机指令被处理器执行时,实现如上述技术方案中任一项一种钢铁生产质量检测与分析系统构架方法。
计算机可读存储介质可以包括能够存储或传输信息的任何介质。计算机可读存储介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明的一种钢铁生产质量检测与分析系统构架方法,通过生产数据血缘建模、实时数据治理、构建质量专题知识图谱、基于自然语言的人机交互技术、大模型词嵌入与检索增强技术,以及生产异常监控与分析技术,构建了一种钢铁生产质量检测与分析系统,利用该系统对各种指标,如生产数据、装备数据、工艺规格、关键性指标、统计指标、成本指标和财务指标进行深入分析,从而实现对生产波动的根因分析、指标血缘分析和异常预警,以解决质量稳定性问题。进一步地,本发明还将结构化和非结构化数据(如生产数据和专业知识)进行多源异构数据整合。通过自然语言方式检索相关质量数据和知识,并借助AI技术辅助分析与决策过程,以提高产品质量稳定性和提升质量问题分析效率。
此外,需要说明的是,本发明可提供为方法、装置或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是,以上所述是本发明优选实施方式,应当指出,尽管已描述了本发明优选实施例,但对于本技术领域的技术人员来说,一旦得知了本发明的基本创造性概念,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。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
Claims (10)
1.一种钢铁生产质量检测与分析系统构架方法,其特征在于,包括以下步骤:
步骤S10、基于钢铁生产全流程的质量相关信息,构建包括钢铁生产全流程的质量相关信息的数据库;
步骤S20、构建包括钢铁生产全流程质量信息链的知识库;
步骤S30、构建质量领域的价值网络模型;
步骤S40、构建质量分析大模型,将所述价值网络模型和知识库接入所述大模型,建立所述质量分析大模型的人工交互方式;
步骤S50、利用所述质量分析大模型完成钢铁质量分析,基于所述人工交互方式回答用户提出的问题。
2.根据权利要求1所述的钢铁生产质量检测与分析系统构架方法,其特征在于,所述步骤S10中,包括:
步骤S101、基于钢铁生产质量分析的需求,采集钢铁信息化系统及生产现场的质量相关信息;
步骤S102、基于所述质量相关信息,构建数据库并储存;
其中,所述质量相关信息至少包括冶金工艺规范、过程工艺参数、装备关键参数、生产关键指标、管理信息、检化验信息和质量判定。
3.根据权利要求1所述的钢铁生产质量检测与分析系统构架方法,其特征在于,所述步骤S20中,包括:
建立包括从原辅料管控到炼钢、轧钢、后部生产多个阶段的全流程质量信息链的知识库,
其中,所述知识库包括结构化数据和非结构化数据,所述结构化数据至少包括产品规范、冶金规范、过程质量检验结果、关键工艺参数、相关统计分析数据;所述非结构化数据至少包括质量异议分析报告、专项分析报告、工艺操作规程,非结构化数据通过词嵌入技术存储在向量数据库中。
4.根据权利要求1所述的钢铁生产质量检测与分析系统构架方法,其特征在于,所述步骤S30中,包括:
步骤S301、梳理数据分布和数据质量情况,完成统一数据源的语义,形成质量领域的数据体系;
步骤S302、结合行业知识、现场调研、专家经验、大语言模型分析,基于所述质量领域的数据体系,构建质量领域下的价值网络模型。
5.根据权利要求4所述的钢铁生产质量检测与分析系统构架方法,其特征在于,所述价值网络模型为由节点与连线组成的有向无环图数据结构,采用多层级式结构,自下而上包括生产数据、装备数据、工艺规格、关键指标、统计指标、成本指标和财务指标多种价值指标。
6.根据权利要求5所述的钢铁生产质量检测与分析系统构架方法,其特征在于,所述步骤S302中,还包括构建同层级或多层级指标之间的定量或定向的“血缘关系”,具体包括:
当指标之间关系可通过数学公式表示时,则使用公式代表指标间关联关系;
当指标之间关系仅可通过历史数据拟合求得时,则通过训练神经网络的方式表示指标间关联关系。
7.根据权利要求6所述的钢铁生产质量检测与分析系统构架方法,其特征在于,所述步骤S50中,利用所述质量分析大模型完成钢铁质量分析,具体包括:
当价值网络模型中的任一质量指标出现异常波动时,所述质量分析大模型基于其推理分析能力对指标血缘关系和价值网络模型中的关联关系进行分析,并检索所述知识库,对所述异常波动进行预警和分析,完成监控与辅助决策。
8.根据权利要求7所述的钢铁生产质量检测与分析系统构架方法,其特征在于,所述步骤S50中,基于所述人工交互方式回答用户提出的问题,具体包括:
当用户通过自然语言查询质量相关知识或当前生产质量状态时,所述质量分析大模型将检索调用所述知识库和所述价值网络模型;
所述质量分析大模型将整合的数据与知识以自然语言方式回复用户提问,并提供相关指标、图表、文档的地址或检索信息。
9.一种钢铁生产质量检测与分析系统,其特征在于,所述钢铁生产质量检测与分析系统采用如权利要求1至8中任一项所述的钢铁生产质量检测与分析系统构架方法构建。
10.一种电子设备,其特征在于,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行如权利要求1至8中任一项所述的钢铁生产质量检测与分析系统构架方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311845032.7A CN117808355A (zh) | 2023-12-28 | 2023-12-28 | 钢铁生产质量检测与分析系统构架方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311845032.7A CN117808355A (zh) | 2023-12-28 | 2023-12-28 | 钢铁生产质量检测与分析系统构架方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117808355A true CN117808355A (zh) | 2024-04-02 |
Family
ID=90421649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311845032.7A Pending CN117808355A (zh) | 2023-12-28 | 2023-12-28 | 钢铁生产质量检测与分析系统构架方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808355A (zh) |
-
2023
- 2023-12-28 CN CN202311845032.7A patent/CN117808355A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11327935B2 (en) | Intelligent data quality | |
CN108958721B (zh) | 一种智能化持续集成与持续部署流水线方法及系统 | |
US20200394533A1 (en) | Artificial intelligence (ai) based predictions and recommendations for equipment | |
CN108229828A (zh) | 一种基于工业数据的分析系统 | |
CN106354106A (zh) | 一种基于mes的数据处理系统 | |
CN112558931A (zh) | 一种面向用户工作流模式的智能模型构建及运行方法 | |
CN115309913A (zh) | 一种基于深度学习的财务数据风险识别方法及系统 | |
Kautish et al. | Design of new architecture for model management systems using knowledge sharing concept | |
CN111222790A (zh) | 风险事件发生概率的预测方法、装置、设备及存储介质 | |
CN113098888A (zh) | 异常行为预测方法、装置、设备及存储介质 | |
CN113189942A (zh) | 一种工业数据智能分析系统及方法 | |
CN113947468B (zh) | 一种数据管理方法及平台 | |
Jin et al. | Research issues and trends in industrial productivity over 44 years | |
CN108804601A (zh) | 电网运营监测大数据主动式分析方法及装置 | |
CN116009495A (zh) | 基于数字孪生的资源模型建立方法、装置、设备和介质 | |
CN113722564A (zh) | 基于空间图卷积能源物资供应链的可视化方法及装置 | |
CN113673842A (zh) | 基于大数据的生产效率诊断方法、装置、设备及存储介质 | |
CN117408561A (zh) | 一种住宅工程建设监理方法、装置及电子设备 | |
CN117808355A (zh) | 钢铁生产质量检测与分析系统构架方法 | |
US11754999B1 (en) | Industrial internet of things based on event sequence analysis and prediction, prediction method, and storage medium thereof | |
CN116630052A (zh) | 一种金融数据ai分析系统及方法 | |
CN113242226A (zh) | 一种基于大数据的网络安全态势智能预测方法 | |
CN112651773A (zh) | 行业竞争力分析方法、装置、设备和计算机可读存储介质 | |
CN113743695A (zh) | 基于大数据的国际工程项目投标报价风险管理方法 | |
Pandey et al. | Industry 4.0 and supply chain sustainability: benchmarking enablers to build reliable supply chain |
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 |