问：一罐到底主要制约因素有哪些？如何解决？——**钢铁集团公司厂长张**
回答：
1）高炉一次出铁后期发生接半罐铁水的情况，产生尾包，尾包需要第二次接铁，导致铁水包等待出铁时间长，铁水温降大。解决方案：根据企业情况优化尾包处理制度，例如转场出铁等，减少第二次接铁等待时间；优化铁水包运输制度，一包一送或两包一送等。
2）由于运行特征不同，高炉出铁节奏、转炉生产节奏、连铸机一包钢水的浇注节奏不匹配，为了保证连铸机连续浇铸，铁水需要备包（重包积压），也导致铁水包周转个数多，周转时间长，铁水温降大。解决方案：优化备包方案，设定合理的连铸机连浇炉数，优化备包个数和铁水包周转节奏。
问：数据不准确怎么办？如转炉铁水重量、原料成分...数据清洗是依靠人工筛选？还是通过模型自动筛选？——唐山**钢铁有限公司 张**
回答：1）改进称量和测试手段，提高数据的准确率；2）减少来料成分温度波动；3）数据清洗主要靠模型自动筛选。
问：现在钢厂都在做智能炼钢，我想问一下博导，智能炼钢瓶颈都有哪些？——成渝钒钛**有限公司质量管理员石**
回答：智能炼钢的瓶颈主要如下：1）数据的准确性和完整性问题，主要涉及检测设备和技术；2）模型的适应性和准确性问题，主要涉及建模方法和算法；3）原辅料参数波动大也给建模带来很大的挑战。
问：烧结系统有没有成熟大数据控制模型的建立——河钢**作业长赵**
回答：利用生产数据和人工神经网络技术，进行烧结矿成分预报，有相关的报到。
问：可以多讲讲大数据在轧钢生产中的应用吗——迁钢**魏**
回答：1）建立热轧车间的大数据中心，借住云数据和实时监测数据，利用机理模型、专家经验知识和工业大数据挖掘技术，建立感知-控制-决策一体化的新一代热轧工艺模型，提高模型的准确性和适应性。2）针对热轧设备，进行基于大数据的预测性维护设备状态监控。
问：烧结与铁前工艺基础比较薄弱，实现大数据的瓶颈在哪里？——邯钢**炼铁厂技术员王**
回答：实现大数据应用的首要条件是状态感知和数据获取，数据的准确度和完备性是当前烧结与铁前应用大数据技术的瓶颈。
问：根据需要的数据进行采集，成分数据采集投资太大，国内传感器精度也不行，高温区数据采集——湖北****自动化技师 刘**
回答：确实如此，但是数据采集是实现智能制造的基础。硬测量与软测量相结合，是一条可能的解决路径。
问：在企业不做大量设备改造的情况下，哪些场景的智能模型的应用能够给企业带来重大价值？——**公司售前专家赵**
回答：不做大量设备改造，数据具备一定基础的条件下，也可以从单工序的质量预测、成分效益分析模型做起。
问：设备管理系统属于智能平台一部分，就目前，新建设备信息系统，应从哪些方面重点考虑。——**公司售前专家赵**
回答：1）设备状态在线监测；2）历史数据、实时数据管理；3）基于大数据的设备状态诊断、趋势判断、预测性维修模型等。
问：我想咨询一下，国内外有哪个钢铁厂实现了智能化工厂的水平吗？目前是个什么状态？——湖南**股份有限公司总经理助理宋**
回答：宝钢1580热轧车间是国内最早一批智能制造示范项目之一，实现了相当的智能化水平。包括：无人物流自动化（无人化行车系统）、热轧过程微数据感知多源异构数据实时互联、新一代热轧控制模型、基于知识自动化技术的生产计划排程、工厂智能可视化仿真、能源介质综合管控与优化等。
问：对于高温熔融容器（如铁包钢包）如何实现在线实时跟踪温度位置的数据变化？——*钢工程师张**
回答：1）利用机车定位、天车定位和台车定位，间接实现铁水包定位和钢包定位，定位技术有射频、激光定位和格雷母线等。2）利用温度点测和传热数值模拟，实现温度跟踪。
问：从毕业一直做工艺方面的，如果想学习信息技术方面的知识，可以推荐几本基础教材吗？——**冶金科技有限公司 工艺工程师侯**
回答：1）《数据挖掘导论》Pang-Ning Tan等编著，人民邮电出版社出版2）Python编程的相关书籍；3）《冶金流程工程学基础教程》 徐安军等编著，冶金工程出版社出版
问：老师怎么评价美国大河钢铁的数字化水平与路线，是否适合国内参考——建龙重工**钢铁常务副总吴**
回答：大河钢厂的智能化实施有资本方的大力支持，其技术路线值得借鉴。智能制造投资的收益具有延迟性，突破阀点将收益巨大。
问：python matlab 在冶金行业有具体成功应用案例吗？——江苏**钢铁集团**工程师卢**
回答：两者是主要的数据挖掘和建模工具，在冶金企业有很多成功的应用，相关文献很多，例如烧结配料、高炉喷煤配煤、炼钢终点预测等等。
京公网安备 11010602030059号
