百度携手精诺数据打造智慧熔炼,AI让年轻人一秒变身“老师傅”

国内新闻 浏览(860)

凌晨2点,将近50岁的张师傅接到一个电话。铸造车间熔炼炉配料过程中存在一些问题。他被要求紧急计算补救计划。张师傅的远程指导使他在获得合格成绩之前减少了3到4次加热。当

2000时,中国铸造行业已经达到世界最高产量,但在质量和能源消耗方面与发达国家有很大差距。例如,铸造熔炼是铸造厂的一个重要过程。然而,在中国工业4.0下,铸造冶炼仍然依赖手工经验,稳定性低,工厂里经验丰富的老师傅越来越少。

在冶炼领域,新手往往需要20年甚至30年才能安定下来学习,才能像张师傅一样有把握。工厂恶劣的环境、热熔炉和糟糕的职称都是年轻人排斥铸造行业的原因。由于缺乏新鲜血液注入,铸造行业真正的高科技人才接近退休年龄,铸造厂总是面临技术传承、工艺沉淀等问题,铸造质量和能耗无法进一步优化。

借助PaddlePaddle,专注于工业人工智能的京诺数据推出京诺智能熔化系统,借助大数据、物联网和人工智能解决熔化问题。

站在数据的肩膀上,人人都能成为冶炼大师

京诺数据由河北理工大学教授、河北大数据计算重点实验室副主任刘晶博士于2014年创立。景诺数据提供硬件、软件、客户服务和后台支持等智能解决方案。作为国家高新技术企业、天津博士后创新实践基地、天津领先的战略性新兴产业企业和天津领先的科技企业,京诺数据希望为中国从制造业强国向制造业强国的进步贡献自己的力量。

京诺数据基于百度闫飞,开发了一套铸造冶炼生产智能解决方案。在这组解决方案的研发之初,京诺咨询了100多位老大师,并根据老大师30年的配料经验,利用数据制作了一个能在3秒内给出最佳比例的模型,使铸造和熔炼成为一项易于掌握的技术,使超细产品能够支撑一整天的铸造和熔炼。

熔炼过程的配料是一个非常复杂的过程。工厂现有的生铁、废钢、再生材料和各种合金材料需要根据不同的工艺要求进行混合熔炼。由于工艺要求范围较窄,每批对配比要求较高。

大部分预配料阶段都依赖于老师傅的经验,这使得很难确保成本最小化和质量优化。例如,在冶炼过程中添加一些“废料”可以降低生产成本。然而,由于计算困难,冶炼师傅不愿意使用它们。

在预配料的准备过程中,基于百度闫飞的冶炼预配料模块将根据物料库存、原料价格和金属成分快速计算出最佳预配料方案,从而确保最低的成本和最佳的质量。经计算,使用前后平均节约原材料约15%,最大降幅达27%。

此外,在配料过程中,冶炼精密配料模块将使用百度闫飞提供的人工智能模型将光谱检测结果联系起来,准确计算不同工业要求下的最佳调整方案,准确控制合金材料的添加量,有效提高冶炼成品的质量和稳定性。过去,一个普通的大师通常需要10分钟来完成比赛,但是现在只需要几秒钟。该工艺节省的时间可使工厂生产效率提高15%左右。原来,一个老主人可以看两个烤箱,但现在他可以看四个烤箱,节省了人力,简化了操作过程。

对于元素值控制,传统方法是便于计算。工厂主要考虑对工艺要求有很大影响的几种元素,如碳、硅、锰和关键合金元素。然而,t

此外,冶炼过程的自动化也可以节省大量的能源。对大多数铸造厂来说,电力是一项不可忽视的巨大支出,所以许多工厂会选择在晚上开工,因为晚上电力便宜。在冶炼过程中,人工计算料比时,熔炉在1500度的高温下需要大量的电力。这种工艺可以节省时间,节约大量能源,有助于保护蓝天,同时提高工厂效率,节省工厂费用。

不仅如此,工厂经理还可以通过设置推送模式、手机应用、短信、微信小程序等随时随地控制生产信息。让工厂数据更加透明,告别数据黑匣子。

最好的证明是,例如,一家中型工厂每月成本约为200万元人民币,平均每天生产20吨铸件。使用百度闫飞和靳诺联合建设的智能冶炼系统一个月内,工厂原材料成本节约10%左右(即20万元人民币),配料计算时间节约90%,电费节约2万元人民币以上。同时,它可以帮助工厂对生产过程进行标准化和透明的管理,并保留大量的第一手生产数据,为工厂运营和管理优化奠定坚实的基础。这些数据是这组解决方案能够真正降低成本和提高效率的最好证明。

百度飞桨帮助各行各业增强产业权能只是起点

没有百度飞桨的基础技术支持,靳诺智能冶炼系统不可能成功登陆。据京诺数据,当他们第一次设计这种智能熔炼解决方案时,他们使用了其他人工智能平台来训练模型,调整了5-6个月,并没有取得令人满意的结果。后来,他们看到了一个工业应用中的飞桨案例,转而使用飞桨,并在2-3个月内完成了模型训练。

在此期间,金诺对数百家铸造企业进行了实地调查,采访了500多名企业领导和一线员工,经过30多次原型讨论和方案修改,技术团队经过100多日日夜夜的密集研发,成功开发了金诺智能熔炼系统。

在早期研发过程中,靳诺遇到的最大问题是,在生产中经常需要添加不低于或不高于一定比例的特定原材料,因此模型无法计算出最优方案。由于原材料和比例的不确定性,这个问题也对模型的稳定性提出了一定的挑战。为此,团队投入了5名R&D和产品人员(3名R&D和2名产品人员)。通过对5000行代码的反复测试,用了1个月的时间最终成功地解决了该模型开发过程中不确定性最大、逻辑最复杂的技术问题。

系统开发成功后,如何让工厂接受这种新兴技术也是一个大问题。冶炼是一个非常传统的制造业,通常很难接受新技术。景诺科技的一名90后员工在两个月内走访了100多家企业,并到工厂演示新技术的应用。起初,企业和冶炼大师都对此表示怀疑。在看到现场实验的结果后,他们开始相信人工智能技术可以降低成本,提高冶炼等传统领域的效率。

目前,京诺智能熔炼系统已登陆邢台德龙机械轧辊有限公司、邯郸惠桥复合材料技术有限公司、沧州太昊管道设备制造有限公司、山东八威汽车零部件制造有限公司等大、中、小型铸造厂,给企业在实际生产中带来了智能化的变化。

百度闫飞作为中国第一个也是唯一一个完全开放、功能齐全的行业级深度学习平台,已经成为全面推进国内产业智能升级的重要基石。正如飞桨在第六届世界互联网大会上被选为“世界领先的互联网科技成果”,其领先的技术、完备的功能和丰富的生态向世界展示了中国科技的力量。同时,借助百度闫飞和百度智能云的“云人工智能”领先技术