Показываю пример управления качеством продукции на реальном металлургическом производстве, на примере производства железнодорожных рельс. Исходные данные — как заготовка дана сырая рельса (сразу после прокатки, не термообработанная) и нам предстоит её термоупрочнить, повысить механические характеристики прочности и не сильно ухудшить пластичность. Процесс закалки при моделировании прост — рельс с помощью валков с механическим приводом принудительно протягивают через индуктора, которые токами высокой частоты её нагревают, дальше водовоздушной смесью охлаждают. Управлять мы можем скоростью движения рельсы через зону индукционного нагрева и количеством подаваемого охладителя в виде водовоздушной смеси. Всё просто.
Зачем это мне понадобилось? Конечно же существуют инструкции и разработаны режимы закалки, но может быть удастся путём изменения параметров внутри диапазона допустимых инструкцией значений получить хоть на несколько единиц твёрдости больше? Зачем это нужно — это напрямую связано с эксплуатацией рельсы в железнодорожном полотне. Хоть это уже была не моя головная боль (эксплуатация жд путей), но мы же клиентоориентированное предприятие? мы заинтересованы в росте качества продукции? тем более когда нам это ничего не стоит, кроме небольших интеллектуальных затрат. И да, эти все изменения должны быть в рамках ранее установленных режимов, что бы не остановить производство серией дополнительных испытаний и согласований.
Несмотря на специфичный сплав используемый для производства рельс, сама рельса довольно мягкая — это по отношению к железнодорожному колесу. А эти колёса ещё работают в паре, они сотрут рельсу по шейку и очень быстро. Поэтому рельс термообрабатывают процессом закалки — на каких то предприятиях полностью рельс, а самый лучший способ — это закалить только головку рельса, а остальное тело оставить мягким и пластичным. Вот этот процесс и разберём.
Нам нужно построить модель которая отразит основные зависимости режимов технологии участка закалки на качество рельса. У нас конечно же есть химический состав конкретной партии рельс‑ от углерода до малозначимых хвостов, есть скорость движения, есть температура нагрева, есть расход воды и мы надеемся что водовоздушная смесь будет соответствовать этому расходу. Можно получить и другие данные, но они сейчас не важны. Сейчас показываю не нормализованные данные, а в остальном данные соответствуют стандарту при проведении исследований. Вот такие данные анализировал:
3, 77, 90, 33, 5, 18, 3, 2, 3, 57, 0, 0, 43.5, 930, 460, 971, 1186, 11, 30, 800, 1197, 11, 31, 870,1 259, 10. 5, 26
где первое значение 3 — это номер закалочной линии, дальше 77 — это углерод и значения дальше это хим анализ в том же порядке, что и в ГОСТе 51 685, вплоть до числа 45,5 — скорость движения рельса и дальше нас интересуют цифры 971, 1186, 11 — предел текучести в МПа, предел прочности, относительное удлинение в процентах. За эти три последние числа и будем биться.
Для начала применим регрессионный анализ и посмотрим на его результаты. В рамках столь краткой статьи врятли смогу предложить что то более существенное чем fit / predict из sklearn, хотя сам считал посложнее и помасштабнее.
from sklearn.linear_model import LinearRegression
regr = LinearRegression()
regr.fit(x,y)
Из такого нехитрого кода получаем коэффициенты и строим полную функцию зависимости — предел прочности = 1120 + 0,5*углерод + 0,5 кремний + 7,5 температура самоотпуска , имеющая низкий R2=0,07. R2 получился настолько низкий, что как будто закалка не даёт вклад в качество рельса. Пока не будет задаваться вопросом, насколько правильно выбран график кривой, остатками и ошибкой — получили коэффициенты и можем прогнозировать результат.
Расширяю границы исследования — проверяю данные на сырых рельсах (до термообработки), строю такую же модель только без учёта закалки и получаю R2=0,982 ( это заняло листов 20 расчёта, пропускаю эту часть). А вот это число уже хорошо объясняет зависимости, понятно что нужно проверять.
Проверяю влияние персонала и оборудования на качество — как бы не хотелось, но персонал вручную задаёт режимы термообработки, а у оборудования есть дискретность и шум в удержании заданных параметров. Тут опускаю все эти немалые расчеты — оказывается, что влияние тех. оборудования R2=0,42 — ну то есть правильно поставлена задача на моделирование процесса, хотя такие цифры меня совсем не устраивают.
Раз у нас есть функция, то её нужно дать персоналу, что бы они более осознано выбирали параметры термообработки, потому что инструкция призывает целится в середину. На совещаниях постоянно звучат мечты выложить такие модели для «всех желающих», ну то есть для всех работающих на участке. Буквально для всех — компьютер с общим паролем и там в постоянно открытом меню предлагается выбор параметров. Такое много раз предлагалось. И тут первая проблема — правильно ввести данные, а не все даже понимают что они означают. И нужно понимать что вводится с клавиатуры, что бы не было ошибок. То есть или мы обучаем «всех причастных» или назначаем ответственного за ввод данных и расчёта параметров процесса.
И вторая крупнейшая проблема — неиспользование профессиональной лексики. Постоянно персонал внедряет свои лингвистические изобретения и понять их порой невозможно. Это накладывается на общий уровень профессиональной подготовки, крайне низкий, с проблемами в понимании цифр и математическая знаков, запутывая ситуацию ещё больше.
Что в большинстве сделает персонал, рассчитывая параметры закалки? Рассуждают довольно прямолинейно — датчик показывает магнитный поток переизлучения, который пропорционален твердости поверхности катания рельсы и им постоянно говорят о твёрдости, выведены датчики по твёрдости, так давайте рассчитывать параметры по максимальной твёрдости. И то что покажет модель ещё немного увеличат — ну это же увеличивает твёрдость? — так чего боятся, давайте сделаем побольше. Побольше всего, выкрутим задачу параметров на максимум.
И на этом моменте хорошо бы притормозить в эмпирических расчётах и научиться понимать происходящие процессы в стали и вообще в технологической линии. Если мы посмотрим на регрессионную модель процесса, то наиболее простой и понятный способ повышения прочности это увеличить скорость движения рельса по линии — это нам показывает модель. Только одновременно нам нужно получить не просто максимальное значение предела прочности, а в первую очередь нужную структуру закалки стали, желательно троостит. Без нужной структуры сплава, все остальные параметры бессмысленны и ещё при этом нужно не ухудшить пластичность.
И вот тут и состоит сложность — книги по металлургии уже довольно старые (не по году издания, а по материалу), эта отрасль непопулярна для всех — от студентов до олигархов. Предвидя вопросы об олигархах, напишу, что они интересуются только сталеплавильной частью, прокатка находится в забвении. А термообработка следует за прокаткой или кузнечно‑прессовой обработкой металлов, литьё калить бессмысленно. Как и с прокаткой, с закалкой дело тоже не очень хорошо — есть справочники с массовыми сталями или военкой, а остальное додумывайте сами, в университетах этому учат. Конечно такие данные есть на многих заводах, из их личного опыта, только кто же их даст, они же стоили больших денег и бесплатно их не выложат. Графики линии закалки на троостит из справочника показывают нам время которое необходимо затратить на охлаждение и нужные скорости охлаждения и тут у нас проблема — технологическая линия закалки не бесконечна и мы физически не можем затратить столько времени на охлаждение. Тут ещё вопрос — нам же нужно получить не просто структуру троостит, а именно мелкозернистую структуру.
Возвращаемся к технологии закалки рельс + берём справочник и смотрим необходимую скорость охлаждения изделия. Небольшая сложность — закалить нужно только головку рельса и ту не всю, а только верхнюю поверхность, что бы не было резкого перехода твёрдости и рельс держал невероятные нагрузки железной дороги. Убрав влияние оборудования, персонала и закалочных факторов, я всё равно получаю скачки по значениям даже на одинаковом химическом составе партий рельсы. То есть в таком виде рассчитывать параметры могу только я, другие не справятся.
Нужно дальше искать значимые факторы качества — идя в расчётах по технологии назад, вычисляя модели на каждом предыдущем участке и обнаруживаю очевидное — конечно же прокатный участок даёт наибольший вклад в результаты прокатки. И хотя по времени между прокаткой и закалкой проходит почти сутки и несколько участков обработки, структура металла закладывается на прокатном стане.
Повлиять на прокатный стан очень дорого, эксперименты здесь будут и сложны и дороги и времени на них нет и персонала обученного на эксперимент нет. Писал как то здесь об простейшем эксперименте на производстве https://pikabu.ru/series/razbor_melkoy_proizvodstvennoy_situatsii_26 280, но это больше 20 листов даже в кратком пересказе. Но я могу понимать, от каких факторов зависит качество рельсы просто сняв режимы прокатки на существующем оборудовании, без всяких модернизаций.
В первом приближении пусть это будет чёрный ящик, в котором я ничего не понимаю в происходящих процессах, только зная параметры прокатки я уже на 98% и больше понимаю что ожидать от прокатки. Объединяем модели — и прокатка и закалка происходят в рамках одного цеха и мне доступны все данные. В результате регулирования параметров закалки внутри диапазона параметров установленной инструкцией добился увеличения предела прочности на 3 — 8 единиц, при неизменной величине пластичности.
Что мы делаем после закалки? Испытания, целая череда испытаний. Сперва неразрушающими методами, почти в потоке производства — проверяем твёрдость и отражённый магнитный поток. Если нас ничего на этом этапе не испугало, то отбираем полный комплект проб для лаборатории и направляемся в лабораторию на испытания. И если только все режимы технологии и результаты испытаний соответствуют требованиям, то партия рельс передавалась на следующий участок — их будет ещё немало.
Что нужно ещё — правильно описать операции в документации на всех участках при операциях с заготовкой. Для этого добавляем пару человек на контроль, и это только на участке термообработки. Можно ли без них? — практика показала, что нельзя. Записать результаты — специально обучаем всего несколько человек. Нужно будет обработать дефекты участка и для начала необходимо правильно классифицировать дефект. На примере риски, это более понятный дефект (вдавления металла в виде линии) — риска может быть как от загрязнения, пузыря, плены, рванины, перегрева и ещё множества факторов и все их нужно разделить, так и дефекты термического отделения нужно уметь правильно классифицировать. Как ни странно, лучше всего с этим справляется человек. Конечно, можно формализовать такие знания, но об разработке экспертной системы в другой раз.
Почему выбраны методы машинного обучения, а не нейронные сети? Потому, что мы можем понять коэффициенты регрессии, а веса нейронок сложно трактовать. Влияющие параметры нужно понимать в уме, а для нейронки нужен компьютер. Ну и ещё есть мысли, почему вариант машинного обучения предпочтительнее, ну тут тоже не всё очевидно.
Разберём чего добились — прочность повысилась на 8 единиц. По сравнению с необходимой 1180, это как бы и не много, только это то, что получено вообще без модернизации, без инвестиций, без переналадки оборудования, в рамках штатных переметров и даже с положительным экономическим эффектом. Можно ли улучшить результат? — ну конечно, вспоминаем R2=0,982 и понимаем, что у нас есть хороший резерв для улучшения качества продукции, только они лежат в прокатном участке. Влияние линии оборудования R2 = 0.42 — да это тоже огромное поле для работы, нужно учитывать это при задаче параметров.
А есть ли ещё запас по технологии? — да конечно есть — можно пройтись по каждому участку и добавить пару единиц. Что в общем то и сделал ЕВРАЗ с железнодорожными рельсами со стойкостью до образования первого дефекта 1 миллиард тонн‑брутто. Там сделано глубже и полнее, только несмотря на большие модернизационные затраты, суть осталась та же, оборудование не сильно различается.
Автор: alexhu
