百度攜手精諾數據打造智慧熔煉,AI讓年輕人一秒變身“老師傅”

凌晨2點,將近50歲的張師傅接到一個電話。鑄造車間熔煉爐配料過程中存在一些問題。他被要求緊急計算補救計劃。 張師傅的遠程指導使他在獲得合格成績之前減少了3到4次加熱。 當

2000時,中國的鑄造工業已經達到世界最高產量,但在質量和能源消耗方面,中國與發達國家之間存在很大差距。 例如,鑄造熔煉是鑄造廠的一個重要過程。 然而,在中國工業4.0下,鑄造冶煉仍然依賴手工經驗,穩定性低,工廠里經驗豐富的老師傅越來越少。

在冶煉領域,新手往往需要20年甚至30年才能安定下來,學會像張師傅一樣自信。 工廠惡劣的環境、熱熔爐和糟糕的職稱都是年輕人排斥鑄造行業的原因。 由于缺乏新鮮血液注入,鑄造行業真正的高科技人才接近退休年齡,鑄造廠總是面臨技術傳承、工藝沉淀等問題,鑄造質量和能耗無法進一步優化。

借助PaddlePaddle,專注于工業人工智能的京諾數據推出京諾智能熔化系統,借助大數據、物聯網和人工智能解決熔化問題。

站在數據的肩膀上,每個人都可以成為冶煉大師

京諾數據由河北理工大學教授、河北大數據計算重點實驗室副主任劉晶博士于2014年創立。金諾數據提供硬件、軟件、客戶服務和后臺支持等智能解決方案。 作為國家高新技術企業、天津博士后創新實踐基地、天津戰略性新興產業領軍企業和天津科技領軍企業,京諾數據希望為中國從制造業強國向制造業強國的進步貢獻自己的力量。

jingnuo data基于百度飛刀,開發了一套鑄造冶煉生產智能解決方案。 在這組解決方案的研發之初,京諾咨詢了100多位老大師,并根據老大師30年的配料經驗,利用數據制作了一個能在3秒內給出最佳比例的模型,使鑄造和熔煉成為一項易于掌握的技術,使超細產品能夠支撐一整天的鑄造和熔煉。

熔煉過程的配料是一個非常復雜的過程,要求工廠現有的生鐵、廢鋼、回收材料和各種合金材料按照不同的工藝要求進行配比和熔煉。 由于工藝要求范圍較窄,每批對配比要求較高。

大多數預配料階段都依賴于老師傅的經驗,這使得很難確保最低的成本和最佳的質量。例如,在冶煉過程中添加一些“廢料”可以降低生產成本,但冶煉師傅由于計算困難不愿使用。

在預配料的準備過程中,基于百度閆飛的冶煉預配料模塊將根據物料庫存、原料價格和金屬成分快速計算出最佳的預配料方案,從而保證最低的成本和最佳的質量。 經核算,使用前后平均節約原材料約15%,最大降幅達27%

此外,在配料過程中,冶煉精密配料模塊將使用百度閆飛提供的人工智能模型將光譜檢測結果聯系起來,準確計算不同工業要求下的最佳調整方案,準確控制合金材料的添加量,有效提高冶煉成品的質量和穩定性 過去,一個普通的大師通常需要10分鐘來完成比賽,但是現在只需要幾秒鐘。該工藝節省的時間可使工廠的生產效率提高15%左右 原來一個老主人可以看兩個烤箱,但是現在他可以看四個,這樣既節省了人力,又簡化了操作過程。

對于元素值控制,傳統方法是便于計算。工廠主要考慮對工藝要求有很大影響的幾種元素,如碳、硅、錳和關鍵合金元素。 然而,其他元素的價值和價格基本上被忽略,這導致了一次配準錯誤,多次匹配,甚至廢爐。 因此,在算法方面,飛槳將通過計算一次完成,無需逐一比較,不僅提高了性價比,而且保證了產品質量。

可以說,有了這個方案,剛剛進入這個行業的小白,也可以勝任老主人的工作。他不再需要在半夜打電話給主人尋求幫助。此外,他可以坐在控制室里控制裝料和配料工作,從而大大降低了冶煉行業的門檻。 與原來相比,代工還可以招收年輕人加入,人才的匱乏得到了有效的改善。

此外,冶煉過程的自動化可以節省大量能源。 對大多數鑄造廠來說,電力是一項不可忽視的巨大支出,所以許多工廠會選擇在晚上開工,因為晚上電力便宜。 在冶煉過程中,人工計算料比時,熔爐在1500度的高溫下需要大量的電力。在人工智能的參與下,這個過程可以節省時間和大量的能量。在提高工廠效率和節省工廠開支的同時,它也有助于保護藍天。

不僅如此,工廠經理還可以通過設置推送模式、手機應用、短信、微信小程序等隨時隨地控制生產信息。讓工廠數據更加透明,告別數據黑匣子

最好的證明是,例如,一家中型工廠每月成本約為200萬元,平均每天生產20噸鑄件。 使用百度閆飛和靳諾聯合建設的智能冶煉系統一個月內,工廠原材料成本節約10%左右(即20萬元人民幣),配料計算時間節約90%,電費節約2萬元人民幣以上。 同時,它可以幫助工廠對生產過程進行標準化和透明的管理,并保留大量的第一手生產數據,為工廠運營和管理優化奠定堅實的基礎。 這些數據是這組解決方案能夠真正降低成本和提高效率的最好證明。

百度飛槳幫助所有行業增強產業權能唯一的起點

沒有百度飛槳的基礎技術支持,靳諾智能冶煉系統無法成功登陸 據京諾數據,當他們第一次設計這種智能熔煉解決方案時,他們使用了其他人工智能平臺來訓練模型,調整了5-6個月,并沒有取得令人滿意的結果。 后來,他們看到了一個工業應用中的飛槳案例,轉而使用飛槳,并在2-3個月內完成了模型訓練。

在此期間,金諾對數百家鑄造企業進行了實地調查,采訪了500多名企業領導和一線員工,經過30多次原型討論和方案修改,技術團隊經過100多日日夜夜的密集研發,成功開發了金諾智能熔煉系統。

在早期的研發過程中,景諾遇到的最大問題是在生產中經常需要添加不低于或不高于一定比例的特定原料,因此模型無法計算出最優方案。 由于原材料和比例的不確定性,這個問題也對模型的穩定性提出了一定的挑戰。 為此,團隊投入了5名R&D和產品人員(3名R&D和2名產品人員)。通過對5000行代碼的反復測試,用了1個月的時間最終成功地解決了該模型開發過程中不確定性最大、邏輯最復雜的技術問題。

系統成功開發后,如何使工廠接受這種新興技術也是一個大問題。 冶煉是一個非常傳統的制造業,通常很難接受新技術。景諾科技的一名90后員工在兩個月內走訪了100多家企業,并到工廠演示新技術的應用。 起初,企業和冶煉大師都對此表示懷疑。在看到現場實驗的結果后,他們開始相信人工智能技術可以降低成本,提高冶煉等傳統領域的效率。

目前,京諾智能熔煉系統已登陸大、中、小型鑄造廠,如邢臺德龍機械軋輥有限公司、邯鄲惠橋復合材料技術有限公司、滄州太昊管道設備制造有限公司、山東八威汽車零部件制造有限公司等。這給企業在實際生產過程中帶來了智能化的變化。

百度閆飛作為中國第一個也是唯一一個完全開放、功能齊全的行業級深度學習平臺,已經成為全面推進國內產業智能升級的重要基石 正如飛槳在第六屆世界互聯網大會上被選為“世界領先的互聯網科技成果”,其領先的技術、完備的功能和豐富的生態向世界展示了中國科技的力量。 同時,在百度閆飛和百度智能云的“云+人工智能”領先技術力量的幫助下,中國的工業智能正在升級

-

湖北赖子麻将下载