大量生产高质量的钢铁产品需要经过时间考验的制造实践和现代技术的结合。下载188bet金宝搏当钢卷经过轧钢、镀锌、彩涂等生产线时，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设定烘箱温度、线速和线形。不能正确地设置一条线导致多余的废料。它还可能损坏烤箱，并导致管道关闭数天。
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。
自部署这些应用程序以来，我们有了一个更加一致和高效的过程，更少的废料，改善平坦度，更短的异径长度。例如，在平整机中，未达到目标厚度的线圈长度从几米减少到50厘米或更少。这些改进的关键是对设置计算参数的常规优化，以及在MATLAB中的数据可视化。这些MATLAB可视化检测偏差线圈的能力不能被夸大。
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。
一旦线圈被处理，对于工程师来说，确定任何特定线圈或线圈组的设置是困难和耗时的。例如，为了检查冷轧机的厚度、镀锌后的产量和横向厚度轮廓，他们通常要花几天的时间收集必要的数据，进行处理，并生成理解结果所需的图。
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目标客户。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®基于数据仓库存储线圈检测到的缺陷或异常和测试结果。每年处理的60000个线圈中，每一个可以存储多达4000个不同的测量值。
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。左上方的83组显示，有469个线圈具有类似的平坦度特征。
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，并创建以位流形式发送到驻留在Microsoft Internet information Services (IIS) web服务器上的主应用程序的图。
使用这种应用程序，我们的操作人员准备作出必要的调整之前，每个新的线圈进入一条线。自从部署这个应用程序和我们用MATLAB和MATLAB编译器创建的独立可执行程序以来，我们看到了更少的错位，更少的废料，并显著提高了工厂的效率和一致性。
最近，我们用MATLAB模拟了冷轧过程中的弯曲过程，并进行了仿真，使我们能够提高卷板的平整度在冷轧过程中。MATLAB为访问COMSOL Multiphysics等有限元模型提供了强大的工具®。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。
