扁平材制备过程是涵盖多工序、多控制层级的大型复杂工业流程（图1），其产品有“通用钢材”之称，是国民经济发展的重要支撑。目前，我国扁平材制备尚未形成全流程的一体化控制与各层次的协调优化，面临着产品外形尺寸与内部性能控制稳定性差、高端供给能力不足、劳动生产率低等问题，大规模、连续化生产条件下的个性化定制亟待全方位推进。通过智能化关键技术实现多工序、系统级、全局的产品质量和制备流程优化，是扁平材制备发展的重要战略方向，是解决扁平材制备过程复杂性和质量稳定性等问题的必然选择。
围绕上述瓶颈问题和指导方向，东北大学联合宝山钢铁股份有限公司等18家单位共同申报了国家重点研发计划“扁平材全流程智能化制备关键技术”项目，申报团队涵盖了我国扁平材的主要生产和研发单位。项目以扁平材制备过程的自动化、信息化、智能化、绿色化等综合集成为出发点，以具有自主知识产权的炼钢、热轧、冷轧、热处理等全流程智能化关键技术研发为突破口，以系统平台和工业应用示范为依托，以提高产品质量和生产效率为最终目标，主要开展以下五个方面的研究（图2）。
1面向定制化生产的钢铁制造供应链协同智能优化决策系统与动态排程技术
国内大部分钢铁企业已建立完善的ERP、MES等信息化系统，但采购、制造和销售等环节的决策制定主要还是依靠工程师和管理人员的经验，存在极大局限性。同时，部分较先进的钢企虽然在单工序排程实现了模型化，但仍没有实现全工序排程的协调与优化。
通过对钢铁购销与制造供应链各环节业务问题的深层分析，结合工艺技术、供应链理论和优化方法等多种技术手段，提出市场与工艺共同驱动的钢铁购销与制造供应链集成与协同优化的新理论，实现购销与制造管理模式的创新（图3）。在采购环节，提出基于购产销联动机制的合金采购与库
存优化新思路，基于订单需求和冶炼工艺实现合金需求的精准计算，从而建立合金库存随机优化模型，提出最优合金采购策略。针对制造环节，在计划层提出消除工序间的负荷不均衡和物流冲突的全工序供应链计划编制方法，在排程层以柔性化生产工艺为驱动，从客户需求和生产工艺共同视角提出协同排程方法。在销售环节，提出与用户生产计划精准对接和协同制造的板材预测式销售新思路，结合随机多级库存优化与仿真技术，实现制造-销售-客户的协同优化。
项目将从提高我国钢铁工业智能化水平、实现全流程精细化管理、提升供应链整体运作效率的实际需求出发，针对采购、制造、销售和电子商务等关键环节开展购销与制造供应链协同智能优化决策的基础理论、关键技术和工业应用研究，加强供应链上下游企业间以及钢铁全流程工序间的协同和共享能力，以达到降低原料采购成本，降低原料、在制品和成品总体库存水平，降低全流程生产运作成本，提高生产效率，缩短产品制造周期和提升精准服务能力的目的。
2产品全流程质量在线监控、诊断与优化技术
全流程产品质量在线监控、诊断与优化技术是提高钢材质量稳定性、可靠性和适用性的前提，扁平材制备过程是由诸多工序构成的复杂工业流程，产品质量的影响变量具有高维、非线性等特点，并且工序之间质量特性遗传、耦合性强，造成全流程质量信息难以在线监控与优化。
项目将采用反映全流程物质流演化过程的产品跟踪模型，实现不同工序间物质流关联、递阶查询和回溯匹配，采用按板卷与板卷长度、按时间和按事件等不同时空维度的数据汇集技术，实现全流程信息流-物质流数据的时空精准匹配。产品质量在线监控和诊断采用分类的方法展开，根据产品质量类型、生产状态等特征，建立基于单变量、高维变量过程统计及非线性预测等多种方法并用的质量在线监控模型，并通过工序能力指数评价质量的稳定性，采用模式匹配、关联规则、聚类分析等方法实现质量异常的精确诊断。通过专家规则推理、案例匹配及逆映射模型反向溯源等方法的综合运用，形成多层次递进式质量异常追溯机制。产品质量的在线优化分为工序优化和参数优化，结合质量分析和诊断结论，对于工艺参数可以通过匹配质量规则库实现优化，对于工序或流程可以通过查询工序优化方案实现（图4）。
通过项目的实施，打通扁平材全流程质量信息流，使产品全制造周期信息在空间上无缝衔接与时间上精准对接。提出全流程质量在线监控、诊断与优化的方法体系，在工序层面，实现生产过程监控、过程质量分析与预警、过程质量诊断、在线质量评级、过程工艺参数反向优化等功能，在全流程层面，实现工艺参数与质量指标相关性分析（含批次差异分析、过程能力分析等）、质量异常追溯、工序窗口参数反向优化、工艺路径优化等功能，最终实现生产制造工艺水平的持续提升。
3基于CPS架构的多工序协调优化与质量精准控制
扁平材制备过程流程长、工艺复杂，不确定干扰多，通常采用的机理/统计模型以及单工序独立控制的方式，难以保证产品/工艺状态切换中的质量精度；同时制备流程中多机构/多工序之间相互割裂，跨工序质量跟踪与多工序协调控制无法实现。
针对产品规格切换频繁、产品质量不稳定等问题，项目将在原控制系统基础上，采用标准数据接口定义工序间通讯，设计多工序即时互联的网络结构和数据平台，进一步建立全流程运行指标和关键工艺参数协调优化控制CPS系统架构。融合扁平材生产流程大数据和生产工艺机理，采用大数据推理、深度学习等方法建立扁平材全流程智能感知技术，实现制备过程关键工艺参数和质量指标的深度感知。基于“工序自治，流程协调”的思想，开发全流程制备过程中成分、三维尺寸、温度等关键质量参数的智能设定和控制技术，进而突破多机构/多工序的实时协调优化技术，并采用模块化方法将复杂CPS系统分解为多个易于实现的独立功能模块，支撑系统的应用示范（图5）。
项目将开发关键工艺复合模型和参数预报技术，制备高洁净度、均质化的无缺陷连铸坯，提高非稳态过程的温度和三维尺寸控制精度，实现个性化定制等复杂多变条件下关键工艺质量参数的精准控制，为多工序协调优化提供支撑。建立扁平材制备的多工序协调优化控制系统结构，形成各工序交接界面的工艺规则库，实现工序间关键参数的自主交互，从质量全流程角度构建运行指标评判标准，实现扁平材温度、板形、组织性能等关键质量参数由单工序局部优化到制备全流程全局优化的转变。
4热轧过程温控-变形耦合-性能匹配及表面质量智能控制技术
热轧扁平材在制备过程中易出现化学成分控制不精确、工艺控制不稳定等问题，直接导致产品力学性能波动大并降低成材率。项目将开展以超快冷和即时冷技术为核心的冷却路径控制及相关模拟实验研究，综合考虑细晶强化、相变强化等多种强化机制建立组织与性能对应关系模型。
通过对工业大数据的采集与整理，结合微观组织图像的识别技术，建立化学成分-工艺-组织-力学性能数据库。基于多维数据挖掘技术，对工业大数据进行的数据筛选、工艺聚类分析、物理冶金学规律判定等处理，建立基于神经网络的组织性能预测模型。依据用户个性化需求设定多目标优化函数，考虑合理的工艺约束条件，建立热轧工艺动态快速设计方法。通过知识自动化，实现在线、实时、动态热轧工艺快速优化，指导钢种开发、实现升降级轧制和产品性能稳定性控制。基于工业生产大数据，分析化学成分对产品力学性能的影响权重和热轧产品力学性能控制余量，建立多因素影响下钢种成分归并的技术指导方法。通过工业大数据的分析，建立氧化铁皮成分-工艺-表面质量数据库，开发热轧扁平材氧化铁皮结构、厚度预测模块和工艺优化设计模块，实现氧化铁皮缺陷的在线判定和特定氧化铁皮结构用钢工艺的在线优化。
明确产品加工过程温控-变形耦合-性能匹配的对应关系，开发智能化组织性能预测技术，实现符合物理冶金规律的力学性能高精度预测。开发扁平材热轧工艺动态快速设计软件包，基于知识自动化技术对工艺进行反向工程设计，实现工艺参数的实时调整和产品质量的窄窗口控制。开发多因素影响下的钢种归并准则，实现“跨系列相近力学性能级别”或“同系列相邻力学性能级别”热轧产品的钢种归并，简化炼钢、连铸工艺；开发热轧产品表面质量控制技术，实现热轧板带表面氧化铁皮厚度、结构的软测量，以及免酸洗、减酸洗钢等特定需求表面氧化铁皮的智能化工艺设计（图6）。
5近终形、低温增塑、变厚度与复合轧制及热处理技术
绿色化是扁平材发展的另一战略方向，但新工艺条件下的部分机理和生产稳定性问题亟待开展研究。通过项目的实施，突破近终形ESP产线过渡材数量多、表面质量差等制约工业化推广的技术难题，打造绿色、智能的薄板坯无头轧制生产线。揭示再结晶-相变-析出协同调控、奥氏体稳定化以及纳米孪晶化等增强增塑行为的基本规律，开发钢铁材料低温增塑关键共性技术，实现先进高强钢塑性提高20%以上。实现周期性连续冷轧变厚度工艺流程下的变厚度、变张力、变速度非线性高精度控制，获得表面质量和板形良好的变厚度板材，同时通过不同工艺路径实现力学性能区域差异化控制。实现对全轧制不锈钢复合板/卷的界面脆性相和界面协调变形的控制和优化，揭示异质金属在轧制及热处理过程中的元素扩散、脆性相生成及界面应变的演变规律，开发出全轧制的真空复合技术。
6结语
项目的实施将构建扁平材智能化制备领域系统、完备的理论体系，形成智能决策与排产、质量在线监控与优化、精准控制与多工序协调、组织性能调控、绿色化新工艺等一批关键共性技术并应用示范，提高生产效率、产品质量和柔性化生产能力，扩大钢材的品牌增值，满足用户多品种、小批量的个性化需求。形成汽车板、镀锡板等典型产品全流程协同控制成果包，以信息深度感知、智慧优化决策和精准控制执行为特征，建立具有国际先进水平的智能化样板工厂，建成一批扁平材智能化制备关键技术研发和人才培养基地，实现钢铁行业的智能化发展，为《中国制造2025》和《钢铁工业调整升级规划（2016-2020年）》等国家战略的实施提供技术支撑。
【内容来源】世界金属导报
