您所在的位置: 需求库 技术需求 钢铁产业信息化与数字化

钢铁产业信息化与数字化

发布时间: 2023-09-25
来源: 科技服务团
截止日期:2023-09-30

价格 双方协商

地区: 天津市 市辖区 东丽区

需求方: 天津***公司

行业领域

电子信息技术

需求背景

钢铁工业为大型复杂流程工业,生产流程中高炉冶炼、转炉冶炼、电炉冶炼、连铸、轧制等过程均为“黑箱”过程,实时信息极度缺乏;钢铁生产流程具有多变量、强耦合、非线性和大滞后等特点;各单元为孤岛式控制,尚未做到单元间界面无缝、精准衔接,这些是数字化、智能化信息通信技术应用的最佳场景。

钢铁工业发达的数据采集系统、自动化控制系统和研发设施,能够实现全面的数据采集和丰富的数据积累,并可提供大量的实验数据。这些海量数据中蕴含企业生产过程的全部规律,是最宝贵的资源,是关键生产要素。如果我们能通过实时大数据分析把钢铁生产的物料——铁水、钢水、钢坯、轧件内部的规律摸清,得出决策,并进行反馈控制,直接作用到物料上,形成闭环反馈,就可以及时纠正各种扰动带来的问题,对模型进行自学习、自适应,提高模型的保真度,从而赋值生产过程,提高产品质量,降低生产成本,提高生产效率。

钢铁生产由原料到产品,经过炼铁→炼钢→轧制→热处理等冶金与加工过程,其一天产生的数据量可以达到数千亿字节的信息。生产诸多环节的内部运行状况无法在线实时监测,因此现场制造运行的数学模型大多为机理模型,由于环境状况和操作条件波动以及设备运行状态变化,加之过程输入条件、状态变量和控制系统之间的关系十分复杂,这些机理模型对于全流程“黑箱”的动态过程适用性很差,预报精度不高,难以准确透视工艺、设备、质量等关键参数之间的复杂关系。因此,模型控制精度是进一步提高钢材质量的“卡脖子”问题,这是钢铁行业共性问题,世界上暂时也没有成体系的解决方案。

需解决的主要技术难题

1. 借助大数据/机器学习和深度学习等数据挖掘技术,可以快速解决流程工业普遍存在的黑箱难题。

2. 实时大数据分析把钢铁生产的物料内部的规律摸清,得出决策,并进行反馈控制,直接作用到物料上,提升模型控制精度,从而提高生产质量和效率。

期望实现的主要技术目标

根据沟通情况来确定主要的技术目标

处理进度

  1. 提交需求
    2023-09-25 20:35:16
  2. 确认需求
    2023-09-27 10:01:31
  3. 需求服务
    2023-09-27 10:01:31
  4. 需求签约
  5. 需求完成