关键词：冷轧;统计过程控制;回归分析;神经网络;数据挖掘
摘 要：本课题来自鞍山钢铁集团公司科技重大项目“冷轧产品质量控制与预测项目”,在现有信息系统不断完善的条件下,将各层系统的数据充分利用起来,实现对影响冷轧产品质量的关键指标的分析、控制和预测,为优化冷轧产品质量和辅助产品研发提供系统支撑和参考。为实现冷轧生产过程质量控制与改进,本文在分析原来质控中的缺点的基础上,将SPC控制图和数据挖掘引入并应用到新的质控流程当中。在关键工序过程中使用SPC控制图对关键参数进行监控,保证生产的稳定,及时发现异常波动。充分利用现代钢铁生产信息系统中累积的大量数据,挖掘隐藏于质量指标数据与工艺参数、化学成分等之间的关联规则。为此,建立统一规格的数据仓库收集、处理散布在各个层级的信息孤岛中的有价值的数据,作为挖掘分析的源。基于企业积累的经验数据和关联分析的结果,利用神经网络和决策树建立质量指标预测模型。通过测试预测模型的误差,选择最优的模型用来对生产过程中质量指标控制和预测,实现基于预测模型的在线冷轧性能指标预测和人工交预测的功能,有效调整生产中工艺参数使质量指标向希望的方向调整。为实现上述目标,在对冷轧生产中的指标进行分析的基础上,将成熟的数据采集软件、数据分析挖掘软件通过成熟的软件框架集成在一起,完成冷轧产品质量控制与预测系统的开发。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取