高质量钢铁产品的大规模生产需要结合久经考验的生产实践和现代技术。下载188bet金宝搏当钢卷在钢铁厂经过轧制、镀锌、彩涂和其他生产线时，操作人员必须根据每个钢卷的特性以及所需的厚度和平整度来设置烘箱温度、线速度和对齐方式。没有正确地设置生产线会导致多余的报废。它还可能损坏烤箱，导致线路关闭几天。
在Ruukki金属，我们用Matlab构建和部署了Web应用程序®这使运营商能够在整个钢制造过程中选择和应用正确的设置。我们建立了一台独立的MATLAB应用程序，我们的工程师使用从多个数据库，跟踪各个线圈和完善我们的过程中的生产指标。
自从部署这些应用程序以来，我们已经有了一个更加一致和高效的流程，废料更少，平整度更好，超规长度更短。例如，在平整机中，超出规格的长度——无法达到目标厚度的线圈数量——已经从几米减少到50厘米或更少。这些改进的关键是设置计算参数的定期优化，以及MATLAB中的数据可视化。这些MATLAB可视化的力量检测偏差线圈不能被夸大。
确定潜在的过程改进
必须调整线速度和温度，以保持每个线圈的厚度和平坦度在所需的公差范围内。在基于Matlab的Web应用程序之前，我们的运营商依靠自己的经验，个人笔记和对此作品的判断。每天运行多个班次，这种做法导致了不一致的结果。
一旦线圈已被处理，它是困难和耗时的工程师，以确定什么设置已使用任何特定的线圈或一组线圈。例如，为了检查冷轧机的厚度、镀锌后的产量和横向厚度剖面，他们通常要花几天时间收集必要的数据，进行处理，并制作出了解结果所需的图形。
用Matlab和神经网络分析大数据
在我们的新进程的核心，是一组数据仓库，我们用来在通过工厂时存储和访问有关线圈的信息。一个微软®基于SQL的数据仓库存储厚度公差、尺寸、每个线圈的原材料类别和线圈的预期客户。一个Wonderware®历史学家数据仓库为线圈的厚度和平坦度和其他过程测量存储了时间序列数据。甲骨文®基于数据仓库存储的缺陷或异常检测和测试结果在线圈。总的来说，多达4000不同的测量可以存储为每60000线圈处理每年。
使用Matlab和Database Toolbox™，我们开发了一个应用程序，该应用程序从每个数据库中检索数据，将其合并在单独的Microsoft Access数据库中，并根据需要创建文档。当在线中将进行新线圈时，本申请将合并和存储的数据分析以计算烤箱温度和用于设置设备的其他参数。例如，在Galvanneal过程中，应用程序使用用神经网络工具箱™创建的神经网络来计算设置值。
我们依靠神经网络工具箱来实现许多其他关键应用功能。我们使用自组织地图通过锌质量，铁百分比和平坦度来分类线圈（图1）。
图1所示。用神经网络工具箱创建的自组织映射。左上角的83团显示有469个具有相似平整度特征的线圈。
我们还使用神经网络工具箱来创建神经模型。该模型基于有限元方法（FEM）产生辊隙预测（图2）。
总共创建了30多种不同的MATLAB应用程序，用于分析，可视化和导出生产链中线圈的数据。该数据包括厚度，平坦度，横向轮廓，原料质量和其他特性（图3）。
部署应用程序
我们使用MATLAB Compiler™创建桌面应用程序，可以轻松访问我们开发的MATLAB中的数据分析和可视化应用程序。由于我们使用JDBC驱动程序，因此不需要ODBC数据库连接，我们不必使用数据库向导来为应用程序创建数据库连接。工程师可以从任何PC安装并运行此应用程序，而无需安装MATLAB。目前，超过20名工程师正在使用它来深入了解我们的生产链在今天的工作方式以及如何在未来改进。使用此应用程序，可以在不到一分钟的时间内完成手动完成日期的分析。
我们还创建了一个基于web的应用程序,可以通过任何网络浏览器访问我们的网络,这条线运营商可以使用它来查看数据他们需要监控和设置线(图4)。建立这个. net应用程序中,我们打包的MATLAB代码作为一个DLL使用MATLAB Builder™NE。DLL从我们的数据库中检索信息，并创建以比特流形式发送到主应用程序的图，主应用程序托管在Microsoft Internet information Services (IIS) web服务器上。
使用这种应用程序，我们的操作人员准备在每个新线圈进入生产线之前进行必要的调整。自从部署这个应用程序和独立的可执行程序，我们用MATLAB和MATLAB编译器创建，我们已经看到更少的失调，更少的报废，并在工厂的效率和一致性显著增加。
最近，我们使用MATLAB建模冷轧冷轧过程中，我们进行了模拟，使我们能够提高线圈的平整度从这个过程出来。MATLAB为访问像COMSOL Multiphysics这样的有限元模型提供了一个强大的工具®。我们创建了多个应用程序，该应用程序使用COMSOL-MATLAB链接，使我们能够将值输入FEM模型，并从COMSOL可视化结果。
