中国钢铁行业近年来正面临着内外环境的巨大变化，用户对产品质量的要求越来越高，尤其是汽车工业、高端家电等行业对钢材产品的质量要求日趋严格，产品的个性化需求越来越多，同时国内钢铁企业面临的行业竞争也日渐加剧。各钢铁企业都高度重视质量管理工作。但传统的质量管理方式已经难以满足当前用户对产品质量的要求，而充分利用大数据提高质量管理的效率，从而提升企业的产品竞争力，已被越来越多的钢铁企业管理者所认同。
一、目前钢铁企业质量管理普遍存在的问题
国内大部分钢铁企业的信息化系统都是分阶段、分产线和不同区域分步实施上线的，其功能不够系统和完善。客户的个性化需求无法全部在质量设计中体现；生产质量实绩数据散落于不同的信息系统内，上下工序间的质量信息不能实现贯通和共享，对产品实现过程的信息和质量信息跟踪追溯困难；对产品实现的过程质量控制缺乏有效的监控，无法进行跨工序的跟踪、传递、追溯和改进验证，过程发生异常时信息无法及时获取和采取应对措施；不能完全实现过程参数判钢，判定效率低下，代表性不强，准确度不高；研发和工艺技术人员无法完整、快速获取全工序的过程数据，系统不能为质量设计和分析改进提供支持，导致质量设计和改进的效率低、效果不理想等诸多问题。钢铁企业要实现与市场、用户的无缝衔接，提升企业的竞争力，就要对质量管理工作进行创新，提高企业在“质量设计、质量判定、质量改进”等质量管理方面的工作效率和效果，满足客户个性化需求；有必要将散落在各产线、各系统中的生产质量数据采集并整合在一个大数据平台上，在此平台上构建一个集“客户需求识别→基于个性化需求的质量设计→过程质量监控→包含过程参数的质量判定→全工序质量分析与改进”为一体的质量管理信息化系统，以支撑生产的全流程质量管控及多业务协同。
二、建立企业级的大数据管理应用平台
建立企业级的大数据管理应用平台，即工厂数据库。根据质量管理业务的要求，建立质量数据采集规则，将产品实现过程的全部数据，包括原辅材料采购、炼钢、连铸、热轧、冷轧、产品出厂以及销售、用户使用等的产品全生命周期内的所有质量信息采集到大数据管理应用平台上，对质量数据进行集中统一管理。1.数据采集数据采集可分为过程实时数据采集和产品质量数据采集。按设定的采集要求，主要对包括企业信息化系统和现场检测仪表的数据进行自动采集。对不能自动采集的一些常见事件、状态等，在各数据采集服务设置相应的手工数据输入页面，由操作人员根据实际情况录入相应的数据。数据归集是对已收集到的生产过程数据和跟踪数据以确定的格式进行整理归集。炼钢和连铸以生产炉次号为采集主对象，以铸坯号为归集目标，记录生产炉次所对应的生产线上实时生产过程数据。热轧按批（卷）号和长度为跟踪单元进行精确地生产过程数据归集。冷轧覆盖酸洗、热镀锌以及彩涂等生产线，其数据归集以准确物料跟踪为基础，以钢卷号和带钢长度为跟踪单元，记录生产线上带钢所对应的测量点位置的实时生产过程数据，将生产过程数据与钢卷号、带钢长度进行匹配。2.数据处理数据处理是根据工艺特性和分析需求所定制的规则，使数据成为有效的信息。建立相应的数据之间的关系，并按存储模型的要求进行存储。大数据管理应用平台可以将过程参数匹配到板坯或钢卷的相应位置上，以实现对各产线质量数据的采集和匹配（即将时间轴转换为位置轴）。
三、大数据下的质量管理应用与创新
通过构建企业级的大数据管理应用平台，对产品实施过程质量信息采集、质量设计、质量监控、在线质量判定、过程质量追溯、质量分析和改进。实时监控产品的质量情况，以评价各产线质量水平。在质量管理信息化系统中建立相关产品和冶金规范库，作为质量判定和改进的依据。通过质量管理应用软件和分析工具解决质量控制、工艺优化和质量分析改进等问题。
1.基于大数据下的质量设计
利用大数据管理应用平台建立集中统一的产品规范数据库和冶金规范数据库，实现产品质量设计标准化和模块化。产品规范库模块是指对产品质量设计规范数据库及工艺设计规则的模块化管理。产品和冶金规范库的建立需要明确产品本质属性定义、产品的使用要求、用户特殊需求等事项，对产品从炼钢到最终成品进行的工艺路径设计、生产工艺目标控制参数设计、产品质量控制要求及性能取样判定标准等产品过程控制的规范化管理。贯彻产品质量是设计出来的理念，基于大数据管理应用平台中的历史数据开展产品质量设计，在成分设计、工序参数选择、工艺路线确定等环节，通过历史数据来确定最佳的产品设计和过程设计。ERP系统完成产品设计，质量信息化管理系统完成过程设计和客户特殊需求的补充设计。即与ERP下达的质量设计结果在相互校验、补充完善后，形成完整的产品制造过程控制目标、检验与判定标准。质量设计的结果可以自动按照规定格式形成质量计划、控制计划等技术文档。质量管理信息化系统支持对质量设计的规则基于历史数据进行验证，即质量设计完成后，用历史数据对质量设计的规则进行验证，从而可以准确地对未来产品的接单能力做出评估。
2.利用大数据对过程质量实施监控和评价
（1）基于实时的大数据平台，依据冶金规范中的参数值，应用SPC判异规则，对影响产品质量的重要工艺参数实施在线监控及预警。建立过程质量预警系统，及时向现场操作及质量管理岗位提供制造过程重要工艺参数变化及预警信息，对质量异常事件自动进行报警。（2）对关键工艺参数采用SPC规则进行监控，进行关键工艺参数分析，通过维护判异准则，自动生成控制图，形成评价报告。（3）开发产线质量评价模型，综合过程参数、产品指标参数、生产装备情况，定期自动对产线进行质量控制能力指数评价，以利于产品质量的持续改善。（4）针对一些无法直接测量的工艺质量参数，采用软件测量模型进行预报后，并统一纳入监控参数进行监控。（5）建立专家质量诊断系统，在产线出现质量问题时，利用大数据快速定位导致问题出现的工序及关键工艺参数，提出预诊断报告书。
3.应用大数据实现质量自动判定
产品质量的自动判定：包括铸坯分级判定、过程产品判定和热轧、冷轧、涂镀等产品的出厂检验判定。当产品生产完成后，质量管理信息化系统根据预先维护的质量检验判定规则对产品进行自动质量判定。判定使用的数据包括订单信息、钢种信息、产品的理化检验结果、过程质量参数、过程异常事件、产品外形尺寸、表面质量数据等。（1）铸坯质量分级判定：依据板坯质量判定规则，对炼钢的转炉、合金微调站、LF炉、RH、连铸等各工序的工艺参数，以及铸坯表面质量的检查结果，完成板坯质量分级判定，最终的综合质量结果会匹配到每一块板坯。（2）产品表面缺陷自动判定：钢卷的表面质量自动判定是基于表面检测系统对表面缺陷的准确识别和维护一套完善的表面缺陷检判规则，最终实现对表检仪检测出的缺陷进行自动判定。（3）出厂产品的质量判定：依据产品质量判定规则，对采集热轧各产线表面质量检查仪的系统数据和图片，并准确识别各种缺陷，实现自动判定。根据冷轧各产线表面质量检查仪的系统数据和图片，依据判定标准并结合客户特殊需求，实现自动判定。
4.工序质量追溯和表面缺陷跟踪
基于大数据管理应用平台，实现了从炼钢、连铸、热轧、冷轧、涂镀等产品的全流程工艺质量追溯和分析。可按物料、订单、时间、钢种等多种条件追溯，获取多工序的过程参数、质量参数，进行工艺质量数据追溯分析、工艺设定数据追溯、产品质量数据追溯、同批次物料工艺参数对比追溯分析、跨工序工艺质量参数追溯分析等，以找出制造过程工艺、质量参数等差异，定位问题的原因。
5.大数据基础上的质量持续改进
应用大数据管理应用平台和统计分析工具，建立质量管理、质量设计、工艺优化质量数据分析平台，为工艺技术人员持续改进产品质量和新产品开发提供支持。通过大数据管理应用平台，实现了对客户技术档案的管理，包括客户的基本信息、客户的原材料采购信息、客户的产品信息、客户的质量反馈及客户的特殊需求等信息的管理。也可以基于客户服务系统的质量异议数据库，对质量异议进行统计和分析，对发生质量异议的产品进行全流程的质量追溯。建立了高效、便捷的数据分析工具及KPI报表生成工具，以便于对质量状况进行分析。可以按照班、日、周、月、年自动生成统计报表。大数据下的企业质量管理创新，实现了质量管理的精细化和高效化，大大提高了质量管理的效率和水平。大数据管理平台，采集从原辅材料进厂到产品运达用户使用全过程的质量数据，实现了质量数据的集中统一管理和高效利用；在大数据平台上基于数据和分析进行的质量设计、质量监控、质量判定和质量分析改进更加严谨精准和及时规范，有利于满足用户提出的个性化需求，为从根本上实现品种结构的转型升级提供基础保障。但也需要特别指出，实时采集的数据与钢卷的精确匹配极为关键，匹配的准确性将直接影响缺陷跟踪的准确性，最终影响质量追溯、处置的准确性和产品质量分析改进的效果。
作者:张文洋单位:马鞍山钢铁股份有限公司
