百度飞桨携手精诺数据打造智慧熔炼，AI让年轻人一秒变身“老师傅”

凌晨2点，年近50的张师傅接到电话，铸造厂一个熔炼炉的配料过程出了一些问题，须要他紧急算一下补救方案。张师傅远程指导下调了三四炉，才获得了合格的结果。

 

 

2000年的时候我国的铸造已经达到世界第一的产量，但不管是质量仍是在能耗方面，其实都跟先进国家有很是大的差距。好比，铸件熔炼是铸造工厂的重要工序。然而在中国工业4.0下，铸件熔炼还全靠人工经验，稳定性不高，工厂里有经验的老师傅也愈来愈少。

 

在熔炼领域，每每一个新手须要二十年甚至是三十年的沉淀和学习，才能作到像张师傅同样十拿九稳。而工厂的恶劣环境、炙热的熔炼炉、不太体面的工做职称……都是年轻人将铸造业拒之门外的缘由。缺乏新鲜血液的注入，铸造业真正的高精技术人才又接近退休年龄，因此，铸造厂始终面临着技术传承，工艺沉淀等问题，关于铸件质量、能耗方面也始终没法更加优化。

 

在百度飞桨（PaddlePaddle）的助力下，一直专一于工业人工智能的精诺数据推出精诺智能熔炼系统，用大数据、物联网、人工智能的方式解决了熔炼难题。

 

 

01 站在数据的肩膀上，人人都能成为熔炼大师

 

精诺数据成立于2014年，由河北工业大学教授、河北省大数据计算重点实验室副主任刘晶博士建立，精诺数据提供硬件、软件、客户服务、后台支持等智能解决方案。做为国家高新技术企业、天津市博士后创新实践基地天津市战略性新兴产业领军企业，天津市技术领先型企业，精诺数据但愿为中国从制造大国迈向制造强国贡献本身的力量。

 

 

精诺数据基于百度飞桨，研发了一套铸造熔炼生产智能解决方案。这套解决方案研发之初，精诺请教了100多位老师傅，并用数据把老师傅们30年的配料经验，作成了3秒就能给出最优配比的模型，让铸造熔炼变成一门容易掌握的技术，让小师傅能够撑起铸造熔炼的一片天。

 

 

熔炼过程的配料是一个很是复杂的过程，须要把工厂现有的生铁、废钢、回炉料以及各类合金料，按照不一样的工艺要求进行配比和熔炼。因为工艺要求范围窄，每一次配料都对配比要求较高。

 

预配料阶段大都凭借老师傅的经验，难以保证成本最低化和质量最优化，好比说熔炼过程当中加一些“废料”能够下降生产成本，可是因为难以计算，熔炼师傅都不肯意用。

 

在预配料准备过程当中，基于百度飞桨的熔炼预配模块会根据材料库存、原材料价格、金属成分快速计算出最佳预配方案，保证了成本最低化和质量最优化。通过核算，使用前和使用后差很少能够有平均15%的原料节省，最大降幅达27%之多。

 

而且在配料过程当中，熔炼精配模块会利用百度飞桨提供的AI模型，联动光谱检测结果，精确计算不一样工业要求下的最优调整方案，精准控制合金材料添加量，有效提升了熔炼成品质量及稳定性。以往，普通师傅精配步骤通常用时10分钟左右，而现在只须要几秒钟，这中间节约的时间可以让工厂的生产效率提高15%左右。原来1个老师傅能够看2个炉，如今能够看4个炉，节约了人力的同时也精简了操做流程。

 

对于元素值控制方面，传统的方法是为了方便计算，工厂主要考虑几种对工艺要求影响大的元素，好比碳、硅、锰和重点合金元素。而其余元素数值和价格基本被忽略，这就致使一次配不许、须要屡次配，甚至废炉的状况容易发生。因此在算法方面，飞桨则会经过计算一次性完成，再也不须要逐个对比，不只提升了性价比，还让产品质量获得了保证。

 

 

能够说，有了这套方案，刚刚入行的小白也能胜任老师傅们的工做，不再用大半夜给师傅打电话寻求帮助了，并且坐在控制室就能操控加料配料工做，熔炼行业的门槛大大下降。相比原来，铸造厂也能招募到年轻人的加入，人才稀缺情况获得了有效改善。

 

此外，熔炼过程的自动化还能节省大量能源。对于大多数铸造厂来讲，电费是不可忽视的一笔大开销，所以很多工厂会选择在晚上开工，由于晚上电费便宜。而熔炼过程，人工计算材料配比时，炉子在1500度的高温下须要很多电费，这个过程由AI来承担后能节省时间，能节省大量能源，在提高工厂效率节省工厂支出的同时，还能为保卫蓝天作出贡献。

 

不只如此，工厂管理者还能够经过设置推送方式，经过手机APP、短信、微信小程序等方式，随时随地掌握生产信息，让工厂数据更透明，告别数据黑匣子。

 

而最好的证实就是，以某中型厂为例，每月用料成本约为200万元人民币，平均天天生产铸件20吨。在使用百度飞桨与精诺共同打造的智能熔炼系统的一个月时间内，该厂原料成本节约10%左右（即20万元人民币），配料计算时间节省90%，电费节约2万余元人民币。与此同时，可以帮助工厂进行生产过程的规范化和透明化管理，而且留存了大量一手的生产数据，为工厂经营、管理优化奠基了坚实基础。这些数据都是该套解决方案真正实现降本增效的最好证实。

 

02 百度飞桨助力各行各业，工业赋能只是起点

 

精诺智能熔炼系统的成功落地，离不开百度飞桨的底层技术支持。据精诺数据介绍，他们一开始在设计这套智能熔炼解决方案时，用的是其余的AI平台来训练模型，调整了5-6个月，也没有达到使人满意的效果。后来，他们看到飞桨在工业应用的案例，转向飞桨，在2-3个月的时间完成了模型训练。

 

在此期间，精诺对上百家铸造企业进行实地调研、对企业领导和一线员工共计500余人次进行访谈，通过30余次原型探讨和方案修改，而且技术团队通过100多个日夜的密集研发，最终成功研制成了精诺智能熔炼系统。

 

在前期研发的过程中，精诺遇到的最大问题是，常常会遇到在生产中须要加入不低于或不高于某个比例的特定原料，从而模型没法计算出最优方案的问题。因为原料和比例的不肯定性较大，这一问题同时也对模型的稳定性产生了必定挑战。团队为此投入了5名研发和产品人员（3名研发人员和2名产品人员），经过对5000行代码的反复测试，历时1个月的时间最终成功解决了这一模型研发过程当中状况不肯定性最大、逻辑最复杂的技术问题。

 

在系统研发成功后，如何让工厂接受这一新兴技术也是一大难题。熔炼属于很传统的制造业，一般难以接受新技术，精诺科技的一位90后员工在2个月拜访了100多家企业，去到工厂里演示新技术的应用。一开始，企业和熔炼师傅们都有些质疑，在看到现场实验的结果后，才开始相信AI技术能让熔炼这样的传统领域实现降本增效。

 

目前，精诺的智能熔炼系统已经在大、中、小型的铸造厂中落地，好比，邢台德龙机械轧辊有限公司，邯郸慧桥复合材料科技有限公司，沧州浩泰管道装备制造有限公司等，在实际生产环节为企业带来智能化变革。

 

做为开源开放、功能完备的产业级深度学习平台，百度飞桨已经成为全面推进国内产业智能化升级的重要基石。正如飞桨在第六届世界互联网大会入选“世界互联网领先科技成果”那样，其技术领先、功能完备、生态丰富等特色向世界展现着中国科技的力量。与此同时，借助百度飞桨与百度智能云的“云+AI”领先技术实力，正助力中国工业智能化升级。

 

想与更多的深度学习开发者交流，请加入飞桨官方QQ群：796771754。

若是您想详细了解更多飞桨PaddlePaddle的相关内容，请参阅如下文档。

官网地址：

https://www.paddlepaddle.org.cn/?fr=osc

 

GitHub地址：

https://github.com/paddlepaddle/paddle

>> 访问 PaddlePaddle 官网，了解更多相关内容。