本發(fā)明涉及熱鍍鋅產(chǎn)品生產(chǎn)領(lǐng)域，尤其涉及一種熱鍍鋅產(chǎn)品質(zhì)量控制方法。
背景技術(shù)：
：表面質(zhì)量缺陷占熱鍍鋅產(chǎn)品生產(chǎn)領(lǐng)域損失的比例居高不下，對缺陷進(jìn)行全流程的質(zhì)量控制具有重要的意義。熱鍍鋅產(chǎn)品生產(chǎn)線長、流程多、工藝參數(shù)龐雜，各個(gè)環(huán)節(jié)出現(xiàn)異常都有可能產(chǎn)生質(zhì)量缺陷，并有可能向下游工序延伸，因此建立全流程的缺陷控制系統(tǒng)，通過缺陷數(shù)據(jù)的快速分析，及時(shí)預(yù)警缺陷物料，可以減少進(jìn)一步加工帶來的質(zhì)量損失。另一方面，生產(chǎn)過程中的工藝參數(shù)及工作狀況對缺陷的產(chǎn)生有著直接的影響，如后工序(熱軋、冷軋)物料上發(fā)現(xiàn)的保護(hù)渣缺陷與液面波動、拉速波動及吹氬狀況直接相關(guān)，物料上的氧化鐵皮缺陷與熱軋加熱爐各段溫度、處理時(shí)間及軋制過程噴水、溫度等有著密切關(guān)系，而有些缺陷甚至與上下游多個(gè)工序的工藝參數(shù)相關(guān)。所以，根據(jù)全流程大生產(chǎn)過程數(shù)據(jù)與缺陷之間的關(guān)系就可以確立缺陷發(fā)生的具體原因，并在下次生產(chǎn)過程中及時(shí)調(diào)整對應(yīng)工序參數(shù)，這對減少缺陷的產(chǎn)生非常有幫助。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題是提供一種熱鍍鋅產(chǎn)品全流程質(zhì)量控制方法對熱鍍鋅產(chǎn)品全流程生產(chǎn)過程中的缺陷數(shù)據(jù)進(jìn)行采集并匹配對應(yīng)的工藝參數(shù)，對缺陷數(shù)據(jù)綜合評價(jià)后如發(fā)現(xiàn)缺陷超標(biāo)則通過缺陷成因智能分析模塊會針對某種缺陷進(jìn)行智能成因分析，獲得缺陷與工序關(guān)鍵工藝參數(shù)之間的關(guān)系，得到需要重點(diǎn)控制的關(guān)鍵工藝參數(shù)及其影響范圍；對于確認(rèn)后的分析結(jié)果，最后調(diào)用工藝修正模塊，對下一批次生產(chǎn)物料的工藝參數(shù)設(shè)定值進(jìn)行調(diào)整，以期實(shí)現(xiàn)降低缺陷發(fā)生率的目的。本發(fā)明是這樣實(shí)現(xiàn)的：一種熱鍍鋅產(chǎn)品全流程質(zhì)量控制方法，每塊帶鋼的所述熱鍍鋅產(chǎn)品全流程包括煉鋼、熱軋、酸洗、冷軋和熱鍍鋅五道工序，首先設(shè)置數(shù)據(jù)采集模塊、缺陷評級模塊、缺陷監(jiān)控模塊、缺陷成因分析模塊和工藝修正模塊，并設(shè)置為以上模塊提供數(shù)據(jù)交換存儲服務(wù)的數(shù)據(jù)庫管理模塊；然后在熱軋、酸洗、冷軋和熱鍍鋅工序位置設(shè)置與數(shù)據(jù)采集模塊相連的缺陷監(jiān)控裝置采集缺陷數(shù)據(jù)；最后設(shè)定缺陷評價(jià)閾值和返修閾值條件后按照以下步驟進(jìn)行控制：s1，利用缺陷監(jiān)控傳感器采集到缺陷數(shù)據(jù)后送入數(shù)據(jù)采集模塊，并由數(shù)據(jù)采集模塊匹配與該缺陷數(shù)據(jù)相對應(yīng)的工藝參數(shù)；s2，利用缺陷評級模塊對缺陷數(shù)據(jù)進(jìn)行評級得到缺陷指標(biāo)綜合評價(jià)值；s3，利用缺陷評價(jià)閾值判定缺陷數(shù)據(jù)，當(dāng)缺陷指標(biāo)綜合評價(jià)值超過缺陷評價(jià)閾值時(shí)通過缺陷監(jiān)控模塊報(bào)警提示返修并在數(shù)據(jù)庫管理模塊中作返修記錄，根據(jù)返修記錄進(jìn)行返修閾值條件判定，如滿足返修閾值條件則進(jìn)入步驟s4；當(dāng)缺陷指標(biāo)評價(jià)值不超過缺陷評價(jià)閾值或不滿足返修閾值條件時(shí)，按照原有工藝參數(shù)生產(chǎn)；s4，通過缺陷成因分析模塊分析缺陷數(shù)據(jù)找到缺陷數(shù)據(jù)與對應(yīng)的工藝參數(shù)的關(guān)系；s5，工藝修正模塊利用缺陷成因分析模塊得到的結(jié)論對工藝參數(shù)進(jìn)行修正以減少缺陷，實(shí)現(xiàn)對熱鍍鋅產(chǎn)品質(zhì)量的控制。所述步驟s1中，還包括對缺陷數(shù)據(jù)進(jìn)行信息歸納得到缺陷面積指標(biāo)、缺陷數(shù)量指標(biāo)、缺陷長度指標(biāo)、缺陷寬度指標(biāo)、缺陷長寬比指標(biāo)和缺陷周長指標(biāo)；其中，所述缺陷面積指標(biāo)為被評價(jià)帶鋼上所有缺陷的總面積占帶鋼表面積的百分比；所述缺陷數(shù)量指標(biāo)為被評價(jià)帶鋼上的缺陷數(shù)量；所述缺陷長度指標(biāo)為被評價(jià)帶鋼上所有缺陷的平均長度；所述缺陷寬度指標(biāo)為被評價(jià)帶鋼上所有缺陷的平均寬度；所述缺陷長寬比指標(biāo)為被評價(jià)帶鋼上所有缺陷的平均長寬比；所述缺陷周長指標(biāo)為被評價(jià)帶鋼上所有缺陷的平均周長。所述步驟s2中，利用缺陷評級模塊對缺陷數(shù)據(jù)進(jìn)行評級的具體方式為，首先采用隸屬函數(shù)對缺陷數(shù)據(jù)中的各類指標(biāo)進(jìn)行評價(jià)得到各類指標(biāo)評價(jià)值，然后設(shè)置各類指標(biāo)的權(quán)重系數(shù)，最后利用權(quán)重系數(shù)對各類指標(biāo)評價(jià)值加權(quán)求和得到缺陷指標(biāo)綜合評價(jià)值。所述步驟s3中，所述返修閾值條件為設(shè)定次數(shù)閾值，采用相同工藝參數(shù)的同類型產(chǎn)品每報(bào)警提示返修一次返修記錄值+1，當(dāng)返修記錄值超過次數(shù)閾值時(shí)則為滿足返修閾值條件，進(jìn)入步驟s4。所述步驟s4中，缺陷成因分析模塊采用分類算法對缺陷數(shù)據(jù)進(jìn)行分析，將缺陷數(shù)據(jù)按照工藝參數(shù)分組，通過度量分組前后的信息差異，最大化選出對缺陷影響最大的影響因素，并度量各個(gè)工藝參數(shù)與缺陷數(shù)據(jù)的關(guān)系。所述度量分組前后的信息差異采用信息熵度量法，將缺陷劃分為k個(gè)等級，分組前信息熵e(s)如式1：式中，k為缺陷等級總數(shù)目，j＝1,2，……kpj為等級為j的缺陷占缺陷總量的比例，s為缺陷數(shù)據(jù)集；工藝參數(shù)共有x個(gè)，選取l種分組方式，用工藝參數(shù)值zi對其取值范圍按分組方式ql將缺陷數(shù)據(jù)集s分組為m份數(shù)據(jù)子集，則分組后信息熵期望值如式2：式中，zi為第i個(gè)工藝參數(shù)的工藝參數(shù)值，i＝1,2，……xql為第l種分組方式，l＝1,2，……l缺陷總數(shù)為n，nk為分組后第k份數(shù)據(jù)子集中缺陷的個(gè)數(shù)，k＝1,2，……msk為第k份數(shù)據(jù)子集；k＝1,2，……mzi的最優(yōu)分組qgood就是使上式最小的分組方式，其對應(yīng)的信息熵來評判變量zi對缺陷的影響大小，zi對缺陷影響大小的度量值jdi計(jì)算如式3：jdi為第i個(gè)工藝參數(shù)的度量值，jdi從大到小排序挑選出缺陷的最大影響因素。所述分類算法為決策樹。本發(fā)明熱鍍鋅產(chǎn)品全流程質(zhì)量控制方法對熱鍍鋅產(chǎn)品全流程生產(chǎn)過程中的缺陷數(shù)據(jù)進(jìn)行采集并匹配對應(yīng)的工藝參數(shù)，對缺陷數(shù)據(jù)綜合評價(jià)后如發(fā)現(xiàn)缺陷超標(biāo)則通過缺陷成因智能分析模塊會針對某種缺陷進(jìn)行智能成因分析，獲得缺陷與工序關(guān)鍵工藝參數(shù)之間的關(guān)系，得到需要重點(diǎn)控制的關(guān)鍵工藝參數(shù)及其影響范圍；對于確認(rèn)后的分析結(jié)果，最后調(diào)用工藝修正模塊，對下一批次生產(chǎn)物料的工藝參數(shù)設(shè)定值進(jìn)行調(diào)整，以降低缺陷發(fā)生率，可用于全流程監(jiān)控?zé)徨冧\產(chǎn)品質(zhì)量，提高熱鍍鋅產(chǎn)品成品率，降低因缺陷引起的質(zhì)量損失。附圖說明圖1為本發(fā)明中熱鍍鋅產(chǎn)品的生產(chǎn)流程示意圖；圖2為本發(fā)明熱鍍鋅產(chǎn)品全流程質(zhì)量控制用到的系統(tǒng)構(gòu)架圖；圖3為本發(fā)明具體實(shí)施例中工藝參數(shù)與缺陷率的關(guān)系圖。具體實(shí)施方式下面結(jié)合具體實(shí)施例，進(jìn)一步闡述本發(fā)明。應(yīng)理解，這些實(shí)施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明表述的內(nèi)容之后，本領(lǐng)域技術(shù)人員可以對本發(fā)明作各種改動或修改，這些等價(jià)形式同樣落于本申請所附權(quán)利要求書所限定的范圍。實(shí)施例1一種熱鍍鋅產(chǎn)品全流程質(zhì)量控制方法，如圖1所示,每塊帶鋼的所述熱鍍鋅產(chǎn)品全流程包括煉鋼、熱軋、酸洗、冷軋和熱鍍鋅五道工序，為了實(shí)現(xiàn)對熱鍍鋅產(chǎn)品全流程的質(zhì)量管理就需要對整個(gè)工藝流程進(jìn)行控制,因此在本發(fā)明中,如圖2所示,首先設(shè)置數(shù)據(jù)采集模塊、缺陷評級模塊、缺陷監(jiān)控模塊、缺陷成因分析模塊和工藝修正模塊，并設(shè)置為以上模塊提供數(shù)據(jù)交換存儲服務(wù)的數(shù)據(jù)庫管理模塊；這些模塊都通過全流程各工序機(jī)組過程控制機(jī)系統(tǒng)實(shí)時(shí)控制，并在熱軋、酸洗、冷軋和熱鍍鋅工序位置設(shè)置與數(shù)據(jù)采集模塊相連的缺陷監(jiān)控裝置采集缺陷數(shù)據(jù)；其中：數(shù)據(jù)采集模塊，用于從全流程各工序機(jī)組過程控制機(jī)系統(tǒng)實(shí)時(shí)獲取全流程工業(yè)大生產(chǎn)過程數(shù)據(jù)及各個(gè)機(jī)組的表面缺陷檢測儀中采集每個(gè)產(chǎn)品/帶鋼詳細(xì)的缺陷數(shù)據(jù)；缺陷評級模塊，用于對產(chǎn)品上不同缺陷的嚴(yán)重度進(jìn)行量化評級；缺陷監(jiān)控模塊，用于在產(chǎn)品缺陷嚴(yán)重度超出范圍時(shí)封鎖物料提示返修；缺陷成因智能分析模塊，用于針對某種缺陷進(jìn)行智能成因分析；工藝修正模塊，用于對下一批次生產(chǎn)產(chǎn)品的工藝參數(shù)設(shè)定值進(jìn)行調(diào)整，以期實(shí)現(xiàn)降低缺陷發(fā)生率的目的；數(shù)據(jù)庫管理模塊，用于存儲和管理收集系統(tǒng)產(chǎn)生的數(shù)據(jù)；設(shè)定缺陷評價(jià)閾值和返修閾值條件后按照以下步驟進(jìn)行控制：s1，利用缺陷監(jiān)控傳感器采集到缺陷數(shù)據(jù)后送入數(shù)據(jù)采集模塊，并由數(shù)據(jù)采集模塊匹配與該缺陷數(shù)據(jù)相對應(yīng)的工藝參數(shù)；在熱鍍鋅產(chǎn)品全流程生產(chǎn)中的所述工藝參數(shù)包括：煉鋼工序關(guān)鍵工序參數(shù)：如鋼水成分、中間包溫度、中間包重量、拉速、結(jié)晶器液面波動、一冷水量、二冷水量、結(jié)晶器振動頻率、水口吹氬量；熱軋工序關(guān)鍵工序參數(shù)：如加熱爐各段時(shí)間、加熱爐各段溫度、總在爐時(shí)間、出爐溫度、粗軋段出口溫度、粗軋噴水、精軋噴水、精軋出口溫度、精軋速度、卷取溫度；酸洗工序關(guān)鍵工序參數(shù)：如酸洗速度、酸液fe含量、酸度、酸洗工藝段平均速度、拉 矯機(jī)延伸率、平均拉矯率；冷軋工序關(guān)鍵工序參數(shù)：如各機(jī)架出口速度、出口厚度、壓下率、乳化液濃度、鐵粉含量等；熱鍍鋅工序關(guān)鍵工序參數(shù)：如合金化均熱溫度、加熱段帶鋼溫度、均熱段帶鋼溫度、爐子段帶鋼速度、合金化感應(yīng)器電耗率、合金化均熱段電耗率、冷卻段帶鋼溫度、均衡段帶鋼溫度等；所述缺陷種類眾多，在熱軋工段有：夾渣、軋破、翹皮、孔洞、裂紋、壓痕、紅鐵皮、劃傷等；在冷軋工段有：孔洞、臟污、翹皮、保護(hù)渣、壓痕、氧化鐵皮壓入、擦劃、斑跡、折皺、挫傷、煉鋼氣泡、鋅渣等。所述各檢測工序表檢儀產(chǎn)生的缺陷數(shù)據(jù)包括：機(jī)組號、檢測儀編號、缺陷分類碼、缺陷特征信息(寬度、長度、面積、周長)、缺陷位置信息(面別、寬度方向起始位置、寬度方向結(jié)束位置、長度方向起始位置、長度方向結(jié)束位置)；在利用缺陷評級模塊對缺陷數(shù)據(jù)進(jìn)行評級之前需要對缺陷數(shù)據(jù)進(jìn)行信息歸納，在本發(fā)明中，將缺陷數(shù)據(jù)歸納為6個(gè)指標(biāo)，分別為缺陷面積指標(biāo)、缺陷數(shù)量指標(biāo)、缺陷長度指標(biāo)、缺陷寬度指標(biāo)、缺陷長寬比指標(biāo)和缺陷周長指標(biāo)；其中，所述缺陷面積指標(biāo)為被評價(jià)帶鋼上所有缺陷的總面積占帶鋼表面積的百分比；所述缺陷數(shù)量指標(biāo)為被評價(jià)帶鋼上的缺陷數(shù)量；所述缺陷長度指標(biāo)為被評價(jià)帶鋼上所有缺陷的平均長度；所述缺陷寬度指標(biāo)為被評價(jià)帶鋼上所有缺陷的平均寬度；所述缺陷長寬比指標(biāo)為被評價(jià)帶鋼上所有缺陷的平均長寬比；所述缺陷周長指標(biāo)為被評價(jià)帶鋼上所有缺陷的平均周長。s2，利用缺陷評級模塊對缺陷數(shù)據(jù)進(jìn)行評級得到缺陷指標(biāo)綜合評價(jià)值，在評價(jià)時(shí)通過采用隸屬函數(shù)度量的度量方式將指標(biāo)的計(jì)算值轉(zhuǎn)換為表征缺陷嚴(yán)重度的缺陷評價(jià)值，在本實(shí)施例中，采用如下具體評價(jià)方式：采用多指標(biāo)融合評價(jià)方法，對指標(biāo)隸屬函數(shù)采用統(tǒng)一的100分處理，對不同指標(biāo)設(shè)置不同的權(quán)重來，最后利用權(quán)重系數(shù)對各類指標(biāo)評價(jià)值加權(quán)求和得到缺陷指標(biāo)綜合評價(jià)值；本專利采用的的缺陷指標(biāo)評價(jià)隸屬函數(shù)有如下幾個(gè)，具體實(shí)施時(shí)需要根據(jù)缺陷不同、指標(biāo)不同選擇其隸屬函數(shù)，并對其中的參數(shù)進(jìn)行指定，1.指數(shù)型：2.對數(shù)型：3.極大函數(shù)：y＝a*(1-e-b(x-a))4.極大正態(tài)分布：5.柯西分布函數(shù)：6.線性函數(shù)：7.升嶺型分布：以上7種函數(shù)中，x為某類指標(biāo)計(jì)算值，y為對應(yīng)x類的指標(biāo)評價(jià)值，其中a＝100，b、a和b為經(jīng)驗(yàn)參數(shù)由實(shí)驗(yàn)取得。指標(biāo)權(quán)重的設(shè)置：評價(jià)缺陷嚴(yán)重度時(shí)，涉及到多個(gè)指標(biāo)，需要設(shè)置各個(gè)指標(biāo)的權(quán)重分配，形成各類指標(biāo)的權(quán)重系數(shù)w1,w2,...,wl；w1+w2+...+wl＝1本專利的缺陷指標(biāo)綜合評價(jià)值y計(jì)算式如下：l為指標(biāo)類型的數(shù)量，為第i類指標(biāo)對應(yīng)的指標(biāo)評價(jià)值，xi為第i類指標(biāo)對應(yīng)的指標(biāo)計(jì)算值，wi為第i類指標(biāo)對應(yīng)的權(quán)重系數(shù)。s3，利用缺陷評價(jià)閾值判定缺陷數(shù)據(jù)，當(dāng)缺陷指標(biāo)評價(jià)值y不超過缺陷評價(jià)閾值或不滿足返修閾值條件時(shí)，按照原有工藝參數(shù)生產(chǎn)；當(dāng)缺陷指標(biāo)綜合評價(jià)值y超過缺陷評價(jià)閾值時(shí)通過缺陷監(jiān)控模塊報(bào)警提示返修并在數(shù)據(jù)庫管理模塊中作返修記錄，避免進(jìn)入下道工序帶來損失；并根據(jù)返修記錄進(jìn)行返修閾值條件判定，如滿足返修閾值條件則進(jìn)入步驟s4；在本實(shí)施例中，所用的返修閾值條件為，設(shè)定次數(shù)閾值，采用相同工藝參數(shù)的同類型產(chǎn)品每報(bào)警提示返修一次返修記錄值+1，當(dāng)返修記錄值超過次數(shù)閾值時(shí)則為滿足返修閾值條件，自動觸發(fā)缺陷智能分析模塊，以期獲取缺陷的產(chǎn)生原因；s4，通過缺陷成因分析模塊分析缺陷數(shù)據(jù)找到缺陷數(shù)據(jù)與對應(yīng)的工藝參數(shù)的關(guān)系；缺陷成因分析模塊采用分類算法對缺陷數(shù)據(jù)進(jìn)行分析，將缺陷數(shù)據(jù)按照工藝參數(shù)和參數(shù)范圍分組，通過度量分組前后的信息差異，最大化選出對缺陷影響最大的影響因素及其取值范圍，并度量各個(gè)工藝參數(shù)與缺陷數(shù)據(jù)的關(guān)系；在本實(shí)施例中，所述分類算法為決策樹；所述度量分組前后的信息差異采用信息熵度量法，將缺陷劃分為k個(gè)等級，分組前信息熵e(s)如式1：式中，k為缺陷等級總數(shù)目，j＝1,2，……kpj為等級為j的缺陷占缺陷總量的比例，s為缺陷數(shù)據(jù)集；工藝參數(shù)共有x個(gè)，選取l種分組方式，用工藝參數(shù)值zi對其取值范圍按分組方式ql將缺陷數(shù)據(jù)集s分組為m份數(shù)據(jù)子集，則分組后信息熵期望值如式2：式中，zi為第i個(gè)工藝參數(shù)的工藝參數(shù)值，i＝1,2，……xql為第l種分組方式，l＝1,2，……l缺陷總數(shù)為n，nk為分組后第k份數(shù)據(jù)子集中缺陷的個(gè)數(shù)，k＝1,2，……msk為第k份數(shù)據(jù)子集；k＝1,2，……mzi的最優(yōu)分組qgood就是使上式最小的分組方式，其對應(yīng)的信息熵來評判變量zi對缺陷的影響大小，zi對缺陷影響大小的度量值jdi計(jì)算如式3：jdi為第i個(gè)工藝參數(shù)的度量值，jdi從大到小排序挑選出缺陷的最大影響因素。s5，工藝修正模塊利用缺陷成因分析模塊得到的結(jié)論對工藝參數(shù)進(jìn)行修正以減少缺陷，工藝修正模塊利用成因分析模塊得到的分析結(jié)果，選取對質(zhì)量影響最大的工藝參數(shù)，并尋找該參數(shù)對質(zhì)量控制有正向影響的最佳區(qū)間，進(jìn)而把下一批次生產(chǎn)物料的該工藝參數(shù)設(shè)定值調(diào)整為該區(qū)間，以期實(shí)現(xiàn)降低缺陷發(fā)生率的目的，實(shí)現(xiàn)對熱鍍鋅產(chǎn)品質(zhì)量的控制。本熱鍍鋅產(chǎn)品全流程質(zhì)量控制方法具體應(yīng)用的產(chǎn)線中煉鋼工序由一煉鋼單元和二煉鋼單元組成，每個(gè)單元包含3臺連鑄、3個(gè)rh精煉爐和3個(gè)轉(zhuǎn)爐；熱軋工序包含三條熱軋機(jī) 組；酸洗工序和冷軋工序則包含一條酸連軋產(chǎn)線，也包含一臺酸洗+軋機(jī)的組合產(chǎn)線；熱鍍鋅工序由一條熱鍍鋅產(chǎn)線組成；某次實(shí)施時(shí)利用缺陷評級結(jié)果進(jìn)行成因分析及工藝參數(shù)修正得到表1中的工藝參數(shù)的信息評價(jià)表：序號變量名中文描述信息提高量單調(diào)性1nickel鎳0.092525遞減2sulphur硫0.056308無3stand_force粗軋水平輥壓力0.055973無4manganese錳0.053931無5silicon硅0.052031無表1、工藝參數(shù)與缺陷的影響關(guān)系排序表1為缺陷智能分析模塊利用缺陷評級結(jié)果得到的煉鋼、熱軋工序段主要工藝參數(shù)與缺陷的影響關(guān)系排序，由可知第一影響因素為“鎳成分”，而且具有如圖3所示的“遞減性”規(guī)律，橫坐標(biāo)為鎳含量，縱坐標(biāo)為故障發(fā)生率，即隨鎳成分減少缺陷發(fā)生率增加；經(jīng)過確認(rèn)后，在系統(tǒng)內(nèi)由工藝修正模塊對煉鋼工序的“鎳成分”設(shè)定值中的提高鎳的最小含量，下發(fā)煉鋼工序過程機(jī)，對以后生產(chǎn)的物料按新設(shè)定值進(jìn)行控制，實(shí)際應(yīng)用反饋?zhàn)C明，缺陷基本不發(fā)生，說明修訂是有效地。當(dāng)前第1頁12