基于數(shù)據(jù)驅(qū)動(dòng)的光整機(jī)用輥平臺開發(fā)
段曉溪a，張新魁b，陳彪b，馬幸江b
（首鋼京唐鋼鐵聯(lián)合有限責(zé)任公司，a.制造部；b.冷軋作業(yè)部，河北 唐山 063200）
摘要：光整機(jī)的用輥對于鍍鋅產(chǎn)線帶鋼的粗糙度控制十分關(guān)鍵。針對某公司冷軋鍍鋅機(jī)組產(chǎn)品的粗糙度要求高、歷史數(shù)據(jù)未充分利用等問題，設(shè)計(jì)了一種基于數(shù)據(jù)驅(qū)動(dòng)的光整機(jī)用輥程序。通過對光整機(jī)歷史數(shù)據(jù)進(jìn)行相關(guān)性分析，得到光整機(jī)用輥計(jì)劃對應(yīng)的目標(biāo)屬性參數(shù)，根據(jù)目標(biāo)屬性參數(shù)構(gòu)建模型，并基于python開發(fā)用輥平臺。結(jié)果表明，利用推薦模型可快速有效地為當(dāng)前訂單計(jì)劃輸出對應(yīng)的用輥信息，無需人工費(fèi)時(shí)費(fèi)力地查表確定輥信息，確保軋制效率。
關(guān)鍵字：光整機(jī)；大數(shù)據(jù)；智能化；python；tkinter
1 引言
國內(nèi)鋼鐵市場進(jìn)入“冬常態(tài)”，高端戰(zhàn)略產(chǎn)品支撐京唐公司的產(chǎn)業(yè)結(jié)構(gòu)，尤其是冷軋鍍鋅產(chǎn)線的汽車板、家電板、高強(qiáng)鋼等產(chǎn)品，需求量攀升，對質(zhì)量的要求也越來越高。而光整工藝是冷軋鍍鋅產(chǎn)線的重要環(huán)節(jié)，該環(huán)節(jié)的主要是調(diào)整鍍鋅板表面的粗糙度，提高鍍層黏附力，消除帶鋼的屈服平臺，能夠更好的提升汽車板、家電板的使用性能。因此，光整機(jī)的軋制工藝對于提高帶鋼表面質(zhì)量起著至關(guān)重要的作用[1-3]。現(xiàn)階段鍍鋅線主要生產(chǎn)寶馬、大眾、長城、比亞迪等國內(nèi)外高端汽車板，然而軋制不同規(guī)格的鋼種需要使用的軋輥是不同的，為確保光整機(jī)的軋制質(zhì)量，在軋制之前需要根據(jù)軋制規(guī)格需求來選擇匹配的軋輥?，F(xiàn)有技術(shù)中一般是通過人工經(jīng)驗(yàn)或者是人工查表來制定合適的軋輥，費(fèi)時(shí)費(fèi)力，影響軋制效率。
隨著設(shè)備的升級換代，使得數(shù)據(jù)的采集和存儲變的方便，數(shù)據(jù)庫存儲了海量的歷史數(shù)據(jù)，因此催生了基于數(shù)據(jù)驅(qū)動(dòng)技術(shù)的發(fā)展。通過分析歷史數(shù)據(jù)，我們可以得到對我們有用的信息并加以利用，使得數(shù)據(jù)的采集和存儲變得更加有意義[4-6]。
為解決光整機(jī)用輥完全依賴技術(shù)員的問題，本文提出基于數(shù)據(jù)驅(qū)動(dòng)的光整機(jī)用輥模型，利用python實(shí)現(xiàn)對現(xiàn)場近2年來采集的數(shù)據(jù)進(jìn)行分析，構(gòu)建用輥模型，開發(fā)用輥平臺，實(shí)現(xiàn)用輥計(jì)劃快速準(zhǔn)確推薦。
2 模型構(gòu)建
光整機(jī)在鍍鋅產(chǎn)線中發(fā)揮著至關(guān)重要的作用，主要利用工作輥對帶鋼進(jìn)行光整、在滿足軋制訂單要求的粗糙度的條件下保證板型和機(jī)械性能[7,8]。因此光整機(jī)工作輥工作輥的選取十分重要，本節(jié)主要詳細(xì)介紹光整機(jī)用輥模型的具體實(shí)現(xiàn)，模型構(gòu)建流程圖如圖 1所示。
本項(xiàng)目模型分為4個(gè)模塊。分別為數(shù)據(jù)預(yù)處理模塊、相關(guān)性分析模塊、數(shù)據(jù)庫構(gòu)造模塊、用輥模型構(gòu)建模塊。由于python在數(shù)據(jù)分析方面具有得天獨(dú)厚的優(yōu)勢，擁有大量的數(shù)據(jù)處理的庫函數(shù)，并且能夠開發(fā)界面程序，因此本文是基于python完成數(shù)據(jù)處理和操作界面開發(fā)的。
圖1 模型構(gòu)建流程圖
2.1 數(shù)據(jù)預(yù)處理
利用系統(tǒng)中導(dǎo)出的原始數(shù)據(jù)進(jìn)行預(yù)處理，由于生產(chǎn)的帶鋼質(zhì)量等級并不都是符合要求的，因此需要剔除質(zhì)量不合格的歷史生產(chǎn)數(shù)據(jù)，例如實(shí)際粗糙度超出范圍、帶鋼評審不合格、存在缺失值的數(shù)據(jù)記錄。
2.2 相關(guān)性分析
本文采用C4.5算法中相關(guān)性的度量方法信息增益率來計(jì)算不同屬性對光整機(jī)用輥型號的影響程度，信息增益率是由信息增益與屬性固有值的比值得來的。單純的依賴信息增益作為分類特征會(huì)出現(xiàn)一些問題，如：數(shù)據(jù)集中有編號一列，則編號的信息熵為0，這樣得到編號的信息增益是最大的，但很顯然這樣分類是沒有意義的。因此引入信息增益率，很好的解決了這個(gè)問題。信息增益率、屬性固有值的計(jì)算方法分別如式(2-1)、(2-2)所示。
通過計(jì)算信息增益率，篩選出對光整機(jī)用輥比較重要的幾個(gè)參數(shù)，分別為鍍層種類、強(qiáng)度、粗糙度范圍、訂單分選度、RPC、用途等參數(shù)，具體的目標(biāo)屬性對應(yīng)的信息增益率如表1所示。其中，信息增益率越大說明該屬性對用輥計(jì)劃的影響程度越大，本實(shí)施例選取相關(guān)性較大的參數(shù)（信息增益率≥0.1）作為決策樹節(jié)點(diǎn)，包括：粗糙度范圍、用途、訂單厚度、光整率、強(qiáng)度、鍍層種類、RPC、訂單分選度。
表1
|
目標(biāo)屬性 |
信息增益率 |
|
鍍層種類 |
0.496 |
|
強(qiáng)度 |
0.314 |
|
粗糙度范圍 |
0.262 |
|
訂單分選度 |
0.24 |
|
RPC |
0.21 |
|
用途 |
0.208 |
|
訂單厚度 |
0.184 |
|
光整率 |
0.163 |
2.3 構(gòu)建光整機(jī)備輥模型
基于相關(guān)性分析出來影響程度較大的屬性建立決策樹用輥模型。主要分為三個(gè)模型，精確匹配、用途擴(kuò)大、光整率擴(kuò)大、厚度擴(kuò)大，三個(gè)屬性同時(shí)擴(kuò)大五個(gè)模型組合。首先將計(jì)劃單導(dǎo)入，然后從數(shù)據(jù)庫精準(zhǔn)檢索、未檢索到的擴(kuò)大光整率，擴(kuò)大范圍為上下0.1，未檢索到的擴(kuò)大強(qiáng)度，擴(kuò)大范圍為上下0.1。一條計(jì)劃單的數(shù)據(jù)可能會(huì)與數(shù)據(jù)庫中的多條數(shù)據(jù)記錄匹配，本模型將多條數(shù)據(jù)記錄的參數(shù)值取平均值、頻次保留下來。模型中我們將用途相鄰范圍內(nèi)可以適當(dāng)擴(kuò)大，檢索不到當(dāng)前強(qiáng)度用途時(shí)，可以擴(kuò)大一下用途再次檢索。其中RPC屬性的最小值越小越好，因此在分類規(guī)則中只要比數(shù)據(jù)庫小就行。
模型1： 計(jì)劃單強(qiáng)度==數(shù)據(jù)庫強(qiáng)度 & 計(jì)劃單厚度==數(shù)據(jù)庫厚度 & 計(jì)劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 & 計(jì)劃單光整率==數(shù)據(jù)庫光整率 & 計(jì)劃單用途==數(shù)據(jù)庫用途 & 計(jì)劃單RPC最小<=數(shù)據(jù)庫RPC最小
模型2： 計(jì)劃單強(qiáng)度==數(shù)據(jù)庫強(qiáng)度 & （數(shù)據(jù)庫厚度-0.1<=計(jì)劃單厚度<=數(shù)據(jù)庫厚度+0.1） & 計(jì)劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 & 計(jì)劃單光整率==數(shù)據(jù)庫光整率 & 計(jì)劃單用途==數(shù)據(jù)庫用途& 計(jì)劃單RPC最小<=數(shù)據(jù)庫RPC最小
模型3： 計(jì)劃單強(qiáng)度==數(shù)據(jù)庫強(qiáng)度 & 計(jì)劃單厚度==數(shù)據(jù)庫厚度 & 計(jì)劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 & （數(shù)據(jù)庫光整率-0.1<=計(jì)劃單光整率<=數(shù)據(jù)庫光整率+0.1） & 計(jì)劃單用途==數(shù)據(jù)庫用途 & 計(jì)劃單RPC最小<=數(shù)據(jù)庫RPC最小
模型4： 計(jì)劃單強(qiáng)度==數(shù)據(jù)庫強(qiáng)度 & 計(jì)劃單厚度==數(shù)據(jù)庫厚度 & 計(jì)劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 &計(jì)劃單光整率==數(shù)據(jù)庫光整率 & (數(shù)據(jù)庫用途-1<=計(jì)劃單用途<=數(shù)據(jù)庫用途+1) & 計(jì)劃單RPC最小<=數(shù)據(jù)庫RPC最小
模型5： （數(shù)據(jù)庫強(qiáng)度-1<=計(jì)劃單強(qiáng)度<=數(shù)據(jù)庫強(qiáng)度+1） & （數(shù)據(jù)庫厚度-0.1<=計(jì)劃單厚度<=數(shù)據(jù)庫厚度+0.1） & 計(jì)劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 &（數(shù)據(jù)庫光整率-0.1<=計(jì)劃單光整率<=數(shù)據(jù)庫光整率+0.1）& (數(shù)據(jù)庫用途-1<=計(jì)劃單用途<=數(shù)據(jù)庫用途+1) & 計(jì)劃單RPC最小<=數(shù)據(jù)庫RPC最小
3 平臺開發(fā)
模型的操作界面是基于python的內(nèi)置庫函數(shù)tkinter設(shè)計(jì)完成的，tkinter包含了設(shè)計(jì)界面常用的按鈕、標(biāo)簽、表格等一系列控件[9]。
軟件主要包括數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分析模塊、模型構(gòu)建模塊、計(jì)劃單導(dǎo)入模塊、用輥計(jì)劃單輸出模塊、數(shù)據(jù)庫更新模塊。
開發(fā)框圖如圖2所示：
圖2 開發(fā)架構(gòu)框圖
3.1數(shù)據(jù)庫錄入
首先是數(shù)據(jù)庫的導(dǎo)入，采取的策略是點(diǎn)擊打開軟件時(shí)自動(dòng)讀取數(shù)據(jù)庫，此時(shí)軟件處于加載狀態(tài)，加載完數(shù)據(jù)庫顯示操作頁面。
3.2計(jì)劃單讀取
點(diǎn)擊按鈕選擇要導(dǎo)入的計(jì)劃單，導(dǎo)入計(jì)劃單之后，需要進(jìn)行數(shù)據(jù)參數(shù)的預(yù)篩選，將需要的參數(shù)篩選出來，用以模型預(yù)測。
3.3模型預(yù)測
模型預(yù)測這部分采取的策略為將將原始計(jì)劃單分組，鋅鋁鎂、純鋅外板、純鋅普板三類，數(shù)據(jù)庫也分為鋅鋁鎂、純鋅外板、純鋅普板，這樣就可以大大減少模型運(yùn)算的時(shí)間。
3.4用輥計(jì)劃單輸出
用輥計(jì)劃單輸出，該部分除了在原有計(jì)劃單增加一列用輥型號外，還另外增加了歷史粗糙度最大值、歷史粗糙度最小值、歷史粗糙度平均值、歷史軋制力均值、歷史入口張力均值、歷史出口張力均值、歷史RPC平均值、歷史鋼卷信息這幾列。
其中用輥型號后面跟著頻率，表示該規(guī)格的帶鋼用此型號的輥的次數(shù)，其他參數(shù)的最小值最大值平均值就是基于這些數(shù)據(jù)記錄計(jì)算出來的。
3.5數(shù)據(jù)庫更新
數(shù)據(jù)庫的更新部分，增加了更新責(zé)任人和更新時(shí)間，其中更新時(shí)間設(shè)置為電腦當(dāng)前時(shí)間，增加更新責(zé)任人主要是為了后期數(shù)據(jù)庫出現(xiàn)問題容易追溯。
3.6界面展示
其中操作界面如圖3所示，用輥推薦1這一列，2.5小輥（11）表示在數(shù)據(jù)庫中匹配到與計(jì)劃單相同參數(shù)的11條記錄帶鋼采用的是2.5小輥，入口張力、出口張力、軋制力為這11條數(shù)據(jù)記錄的平均值，可供操作人員參考。
圖3 操作界面
4 結(jié)論
(1) 針對現(xiàn)有技術(shù)存在的用輥匹配問題，本文提出了基于數(shù)據(jù)驅(qū)動(dòng)的用輥模型，通過對歷史數(shù)據(jù)信息進(jìn)行有效的挖掘，構(gòu)建光整機(jī)用輥模型，利用該模型可快速有效地為當(dāng)前訂單計(jì)劃輸出對應(yīng)的用輥信息，無需人工費(fèi)時(shí)費(fèi)力地查表確定輥信息，確保了軋制效率。
(2)基于python語言進(jìn)行設(shè)計(jì)開發(fā)平臺，python在數(shù)據(jù)處理方面有著很大的優(yōu)勢，此外利用tkinter庫開發(fā)了界面程序，方便工程師操作，提高鍍鋅線的數(shù)字化水平。
參考文獻(xiàn)
[1] 左岳, 劉劼, 陳鐘. 大寬厚比薄規(guī)格鍍鋅家電板生產(chǎn)關(guān)鍵技術(shù)與質(zhì)量控制[J].冶金動(dòng)力, 2022(02):17-21+41.
[2] 布曉亮, 王超, 李金良, 王偉. 鍍鋅光整機(jī)軋制穩(wěn)定性分析[J].冶金設(shè)備,2021(04):44-47.
[3] 馮偉. 冷軋熱鍍鋅光整機(jī)工藝控制分析與應(yīng)用[J].中國金屬通報(bào),2020(05):95-96.
[4] 張軍, 謝謙, 盧海峰. 冷軋熱鍍鋅平整機(jī)平行過程控制系統(tǒng)開發(fā)[J].重型機(jī)械,2022(04):38-41.
[5] 劉春明, 吳洪文, 高麗娟, 韓慶坤. 數(shù)據(jù)驅(qū)動(dòng)的裝備制造業(yè)數(shù)字化轉(zhuǎn)型路徑研究與實(shí)踐[J].智慧軌道交通,2022,59(01):1-4.
[6] 宋志欣. 基于數(shù)據(jù)驅(qū)動(dòng)的冷軋過程軋機(jī)振動(dòng)預(yù)測研究[D].東北大學(xué),2020.
[7] 吳恩旭. 鞍鋼冷軋5#熱鍍鋅機(jī)組光整系統(tǒng)改進(jìn)與實(shí)現(xiàn)的研究[D].哈爾濱工業(yè)大學(xué),2021.
[8] 張國堂, 孫朝勇. 熱鍍鋅光整缺陷產(chǎn)生原因及控制措施[J].甘肅冶金,2020,42(05):62-65.
[9] 黃盼. 基于深度學(xué)習(xí)的行人重識別研究[D].南京郵電大學(xué),2022.