基于數(shù)據(jù)驅(qū)動的光整機用輥平臺開發(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)計了一種基于數(shù)據(jù)驅(qū)動的光整機用輥程序。通過對光整機歷史數(shù)據(jù)進行相關(guān)性分析，得到光整機用輥計劃對應(yīng)的目標屬性參數(shù)，根據(jù)目標屬性參數(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)前訂單計劃輸出對應(yīng)的用輥信息，無需人工費時費力地查表確定輥信息，確保軋制效率。
關(guān)鍵字：光整機；大數(shù)據(jù)；智能化；python；tkinter
1 引言
國內(nèi)鋼鐵市場進入“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]?，F(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)驗或者是人工查表來制定合適的軋輥，費時費力，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)動的光整機用輥模型，利用python實現(xiàn)對現(xiàn)場近2年來采集的數(shù)據(jù)進行分析，構(gòu)建用輥模型，開發(fā)用輥平臺，實現(xiàn)用輥計劃快速準確推薦。
2 模型構(gòu)建
光整機在鍍鋅產(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械性能[7,8]。因此光整機工作輥工作輥的選取十分重要，本節(jié)主要詳細介紹光整機用輥模型的具體實現(xiàn)，模型構(gòu)建流程圖如圖 1所示。
本項目模型分為4個模塊。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算不同屬性對光整機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，很好的解決了這個問題。信息增益率、屬性固有值的計算方法分別如式(2-1)、(2-2)所示。
通過計算信息增益率，篩選出對光整機用輥比較重要的幾個參數(shù)，分別為鍍層種類、強度、粗糙度范圍、訂單分選度、RPC、用途等參數(shù)，具體的目標屬性對應(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劃的影響程度越大，本實施例選取相關(guān)性較大的參數(shù)（信息增益率≥0.1）作為決策樹節(jié)點，包括：粗糙度范圍、用途、訂單厚度、光整率、強度、鍍層種類、RPC、訂單分選度。
表1
|
目標屬性 |
信息增益率 |
|
鍍層種類 |
0.496 |
|
強度 |
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。主要分為三個模型，精確匹配、用途擴大、光整率擴大、厚度擴大，三個屬性同時擴大五個模型組合。首先將計劃單導(dǎo)入，然后從數(shù)據(jù)庫精準檢索、未檢索到的擴大光整率，擴大范圍為上下0.1，未檢索到的擴大強度，擴大范圍為上下0.1。一條計劃單的數(shù)據(jù)可能會與數(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)擴大，檢索不到當(dāng)前強度用途時，可以擴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： 計劃單強度==數(shù)據(jù)庫強度 & 計劃單厚度==數(shù)據(jù)庫厚度 & 計劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 & 計劃單光整率==數(shù)據(jù)庫光整率 & 計劃單用途==數(shù)據(jù)庫用途 & 計劃單RPC最小<=數(shù)據(jù)庫RPC最小
模型2： 計劃單強度==數(shù)據(jù)庫強度 & （數(shù)據(jù)庫厚度-0.1<=計劃單厚度<=數(shù)據(jù)庫厚度+0.1） & 計劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 & 計劃單光整率==數(shù)據(jù)庫光整率 & 計劃單用途==數(shù)據(jù)庫用途& 計劃單RPC最小<=數(shù)據(jù)庫RPC最小
模型3： 計劃單強度==數(shù)據(jù)庫強度 & 計劃單厚度==數(shù)據(jù)庫厚度 & 計劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 & （數(shù)據(jù)庫光整率-0.1<=計劃單光整率<=數(shù)據(jù)庫光整率+0.1） & 計劃單用途==數(shù)據(jù)庫用途 & 計劃單RPC最小<=數(shù)據(jù)庫RPC最小
模型4： 計劃單強度==數(shù)據(jù)庫強度 & 計劃單厚度==數(shù)據(jù)庫厚度 & 計劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 &計劃單光整率==數(shù)據(jù)庫光整率 & (數(shù)據(jù)庫用途-1<=計劃單用途<=數(shù)據(jù)庫用途+1) & 計劃單RPC最小<=數(shù)據(jù)庫RPC最小
模型5： （數(shù)據(jù)庫強度-1<=計劃單強度<=數(shù)據(jù)庫強度+1） & （數(shù)據(jù)庫厚度-0.1<=計劃單厚度<=數(shù)據(jù)庫厚度+0.1） & 計劃單粗糙度范圍==數(shù)據(jù)庫粗糙度范圍 &（數(shù)據(jù)庫光整率-0.1<=計劃單光整率<=數(shù)據(jù)庫光整率+0.1）& (數(shù)據(jù)庫用途-1<=計劃單用途<=數(shù)據(jù)庫用途+1) & 計劃單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)計完成的，tkinter包含了設(shè)計界面常用的按鈕、標簽、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、計劃單導(dǎo)入模塊、用輥計劃單輸出模塊、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，采取的策略是點擊打開軟件時自動讀取數(shù)據(jù)庫，此時軟件處于加載狀態(tài)，加載完數(shù)據(jù)庫顯示操作頁面。
3.2計劃單讀取
點擊按鈕選擇要導(dǎo)入的計劃單，導(dǎo)入計劃單之后，需要進行數(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算的時間。
3.4用輥計劃單輸出
用輥計劃單輸出，該部分除了在原有計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)任人和更新時間，其中更新時間設(shè)置為電腦當(dāng)前時間，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)動的用輥模型，通過對歷史數(shù)據(jù)信息進行有效的挖掘，構(gòu)建光整機用輥模型，利用該模型可快速有效地為當(dāng)前訂單計劃輸出對應(yīng)的用輥信息，無需人工費時費力地查表確定輥信息，確保了軋制效率。
(2)基于python語言進行設(shè)計開發(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
[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].冶金動力, 2022(02):17-21+41.
[2] 布曉亮, 王超, 李金良, 王偉. 鍍鋅光整機軋制穩(wěn)定性分析[J].冶金設(shè)備,2021(04):44-47.
[3] 馮偉. 冷軋熱鍍鋅光整機工藝控制分析與應(yīng)用[J].中國金屬通報,2020(05):95-96.
[4] 張軍, 謝謙, 盧海峰. 冷軋熱鍍鋅平整機平行過程控制系統(tǒng)開發(fā)[J].重型機械,2022(04):38-41.
[5] 劉春明, 吳洪文, 高麗娟, 韓慶坤. 數(shù)據(jù)驅(qū)動的裝備制造業(yè)數(shù)字化轉(zhuǎn)型路徑研究與實踐[J].智慧軌道交通,2022,59(01):1-4.
[6] 宋志欣. 基于數(shù)據(jù)驅(qū)動的冷軋過程軋機振動預(yù)測研究[D].東北大學(xué),2020.
[7] 吳恩旭. 鞍鋼冷軋5#熱鍍鋅機組光整系統(tǒng)改進與實現(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.