-
6191.钢铁研究总院连铸技朮国家工程研究中心 微合金化钢连铸坯角部横裂纹控制技术
[黑色金属冶炼和压延加工业] [2017-01-10]
钢铁研究总院连铸技术国家工程研究中心开发的具有独立知识产权的高效化、低成本微合金化钢生产工艺与装备系统技术,在多项关键技术环节上取得突破,在世界范围率先实现倒角结晶器的规模化生产应用,形成了以专利为纽带的专有技术和产品市场。目前已在首钢京唐、邯钢、涟钢、鞍钢、重钢、武钢、济钢、马钢、莱钢、舞钢、承钢、沙钢、湘钢、新余钢铁公司等十六家国内钢铁企业推广应用。同时该项技术也引起欧美多家钢铁企业的关注。
关键词:角部横裂纹;国家工程研究中心;连铸坯;钢坯;微合金化钢;低合金钢;钢铁;
-
6192.12月份中国铁矿石价格指数继续上升
[黑色金属冶炼和压延加工业] [2017-01-10]
关键词:铁矿石市场;价格指数;重点钢铁企业;钢铁工业;铁矿石需求;铁精;生铁产量;含税价格;盈亏相抵;月平均价;
-
6193.对美钢材出口急降 贸易保护值得警惕
[黑色金属冶炼和压延加工业] [2017-01-10]
关键词:贸易保护;钢铁产品;特朗普;贸易战;反补贴调查;贸易救济;中美贸易额;中美贸易摩擦;调查案件;铁业;
-
6194.浅析水资源税对钢铁企业的影响及对策研究
[黑色金属冶炼和压延加工业] [2017-01-10]
河北省作为全国水资源最匮乏的省份之一,2017年7月1日水资源税改革在河北省首次进行试点。此后,河北省水资源费标准将为零。而作为河北省经济支柱产业之一钢铁来说,由于其耗水量较大,此次水资源税的征缴对其成本避免不了产生一定的影响,钢铁企业如何应对水资源税征缴也成为继此次改革的又一大问题,同时也影响着水资源税的进一步推广。
关键词:水资源税;钢铁企业;对策
-
6195.上海宝钢产业结构和布局的新变化探微
[黑色金属冶炼和压延加工业] [2017-01-10]
近年来,在全球钢铁生产竞争日益白热化和我国钢铁产业高速发展的背景下,宝山钢铁的工业生产也发生了巨大变化,宝山钢铁集团之所以能够稳步发展,与其不断调整产业结构和生产布局息息相关。
关键词:工业布局;产业结构;宝钢;变化
-
6196.李新创:说钢铁业“春天来了”是误导
[黑色金属冶炼和压延加工业] [2017-01-10]
关键词:铁业;春天来了;钢铁工业;钢铁企业;原材料行业;钢铁行业发展;钢材消费;消费形势;进口依存度;求进;
-
6197.柳钢能源管理中心
[黑色金属冶炼和压延加工业] [2017-01-10]
能源管理中心是指采用自动化、信息化技术和集中管理模式,对企业能源系统的生产、输配和消耗环节实施集中扁平化的动态监控和数字化管理,改进和优化能源平衡,实现系统性节能降耗的管控一体化系统。能源管理中心已在大型钢铁企业得到了大量推广应用,是钢铁行业通过"两化深度融合"促进节能减排的具体体现。柳钢能源管理中心于2011年6月正式开工建设,2012年12月整体建成运行,投资5163.97万元,作为工信部钢铁企业
关键词:柳钢;能源管理中心;
-
6198.“十业百企”快马加鞭未下鞍
[黑色金属冶炼和压延加工业] [2017-01-10]
关键词:重点项目;现代产业体系;钢铁生产;文化旅游;现代产业发展;加鞭;骨干企业;销售收入;过桥资金;环保装备;
-
6199.从印度制造看印度经济前景
[黑色金属冶炼和压延加工业] [2017-01-10]
2014年印人党政府上台以来,印度成为大国中经济发展的名星。GDP增长速度加快,外国投资增加,各项经济指标改善趋势明显。印度这个长期以稳步前行的大象为象征的大国,现在似乎是要进入经济"快车道"了。根据印度国家转型研究院的估计,如果印度能够保持7%?10%的年增长率,2032年时其GDP能够达到10
关键词:印度;基础设施投资;钢铁;经济信心;增速;南亚;制造业发展;
-
6200.钢铁冶炼过程质量异常诊断方法的研究与实现
[黑色金属冶炼和压延加工业] [2017-01-10]
随着钢铁冶炼技术的发展,钢铁产品的质量已经逐渐成为人们关注的重中之重,如何提高钢铁产品的质量,降低产品的不合格率,减少不必要的能源耗费和资源浪费,已经成为钢铁企业在激烈的竞争环境中提升自已核心竞争力的重要手段之一,成为企业长期生存和发展的基础。实际生产过程中,不合格产品的出现是不可避免的,而通过对不合格产品的生产过程进行分析,找到生产出不合格产品的原因并对其进行调整,避免问题的再次出现,这个过程便是质量诊断。传统的质量诊断大多是对生产过程数据构建SPC控制图,并对控制图进行模式识别,但钢铁冶炼是一个多阶段、多参数、工艺流程复杂的生产过程,难以通过生产数据构建控制图。所以本文使用数据挖掘的方法,将钢铁冶炼过程质量诊断与数据挖掘相结合,研究并实现一种针对钢铁冶炼过程数据的质量诊断方法。本文通过对钢铁冶炼过程数据特征的分析,提出了两种钢铁冶炼过程数据质量诊断算法,对钢铁冶炼过程中出现的异常数据进行分析,算法旨在找到钢铁冶炼过程中出现的异常数据出现问题的阶段和参数并对其进行修正。为了适应实际生产中钢铁冶炼过程庞大的数据量,本文使用Spark并行计算框架对两种质量诊断算法进行了并行化,以提高算法效率,适应更复杂的应用场景。为了验证论文所提出的质量诊断算法的有效性,本文基于分类算法,使用BP神经网络对已有钢铁冶炼过程数据进行训练,构建出一个分类模型,对未知数据进行质量评估,评判其能否生产出合格的产品。在研究并实现质量诊断算法和质量评估方法的基础上设计并实现了一个质量诊断系统,该系统集成了本文研究出来的几种算法,能够对钢铁冶炼过程数据进行分析和诊断,对未知数据进行质量评估,为用户提供友好的交互界面,并以可视化的方式对诊断和评估结果进行展示。
关键词:质量诊断;钢铁冶炼;质量评估;Spark