百度飛槳攜手精諾數據打造智慧熔鍊，AI讓年輕人一秒變身「老師傅」

凌晨2點，年近50的張師傅接到電話，鑄造廠一個熔煉爐的配料過程出了一些問題，須要他緊急算一下補救方案。張師傅遠程指導下調了三四爐，才獲得了合格的結果。

 

 

2000年的時候我國的鑄造已經達到世界第一的產量，但不管是質量仍是在能耗方面，其實都跟先進國家有很是大的差距。好比，鑄件熔鍊是鑄造工廠的重要工序。然而在中國工業4.0下，鑄件熔鍊還全靠人工經驗，穩定性不高，工廠裏有經驗的老師傅也愈來愈少。

 

在熔鍊領域，每每一個新手須要二十年甚至是三十年的沉澱和學習，才能作到像張師傅同樣十拿九穩。而工廠的惡劣環境、炙熱的熔煉爐、不太體面的工做職稱……都是年輕人將鑄造業拒之門外的緣由。缺乏新鮮血液的注入，鑄造業真正的高精技術人才又接近退休年齡，因此，鑄造廠始終面臨着技術傳承，工藝沉澱等問題，關於鑄件質量、能耗方面也始終沒法更加優化。

 

在百度飛槳（PaddlePaddle）的助力下，一直專一於工業人工智能的精諾數據推出精諾智能熔鍊系統，用大數據、物聯網、人工智能的方式解決了熔鍊難題。

 

 

01 站在數據的肩膀上，人人都能成爲熔鍊大師

 

精諾數據成立於2014年，由河北工業大學教授、河北省大數據計算重點實驗室副主任劉晶博士建立，精諾數據提供硬件、軟件、客戶服務、後臺支持等智能解決方案。做爲國家高新技術企業、天津市博士後創新實踐基地天津市戰略性新興產業領軍企業，天津市技術領先型企業，精諾數據但願爲中國從製造大國邁向製造強國貢獻本身的力量。

 

 

精諾數據基於百度飛槳，研發了一套鑄造熔鍊生產智能解決方案。這套解決方案研發之初，精諾請教了100多位老師傅，並用數據把老師傅們30年的配料經驗，作成了3秒就能給出最優配比的模型，讓鑄造熔鍊變成一門容易掌握的技術，讓小師傅能夠撐起鑄造熔鍊的一片天。

 

 

熔鍊過程的配料是一個很是複雜的過程，須要把工廠現有的生鐵、廢鋼、回爐料以及各類合金料，按照不一樣的工藝要求進行配比和熔鍊。因爲工藝要求範圍窄，每一次配料都對配比要求較高。

 

預配料階段大都憑藉老師傅的經驗，難以保證成本最低化和質量最優化，好比說熔鍊過程當中加一些「廢料」能夠下降生產成本，可是因爲難以計算，熔鍊師傅都不肯意用。

 

在預配料準備過程當中，基於百度飛槳的熔鍊預配模塊會根據材料庫存、原材料價格、金屬成分快速計算出最佳預配方案，保證了成本最低化和質量最優化。通過覈算，使用前和使用後差很少能夠有平均15%的原料節省，最大降幅達27%之多。

 

而且在配料過程當中，熔鍊精配模塊會利用百度飛槳提供的AI模型，聯動光譜檢測結果，精確計算不一樣工業要求下的最優調整方案，精準控制合金材料添加量，有效提升了熔鍊成品質量及穩定性。以往，普通師傅精配步驟通常用時10分鐘左右，而現在只須要幾秒鐘，這中間節約的時間可以讓工廠的生產效率提高15%左右。原來1個老師傅能夠看2個爐，如今能夠看4個爐，節約了人力的同時也精簡了操做流程。

 

對於元素值控制方面，傳統的方法是爲了方便計算，工廠主要考慮幾種對工藝要求影響大的元素，好比碳、硅、錳和重點合金元素。而其餘元素數值和價格基本被忽略，這就致使一次配不許、須要屢次配，甚至廢爐的狀況容易發生。因此在算法方面，飛槳則會經過計算一次性完成，再也不須要逐個對比，不只提升了性價比，還讓產品質量獲得了保證。

 

 

能夠說，有了這套方案，剛剛入行的小白也能勝任老師傅們的工做，不再用大半夜給師傅打電話尋求幫助了，並且坐在控制室就能操控加料配料工做，熔鍊行業的門檻大大下降。相比原來，鑄造廠也能招募到年輕人的加入，人才稀缺情況獲得了有效改善。

 

此外，熔鍊過程的自動化還能節省大量能源。對於大多數鑄造廠來講，電費是不可忽視的一筆大開銷，所以很多工廠會選擇在晚上開工，由於晚上電費便宜。而熔鍊過程，人工計算材料配比時，爐子在1500度的高溫下須要很多電費，這個過程由AI來承擔後能節省時間，能節省大量能源，在提高工廠效率節省工廠支出的同時，還能爲保衛藍天作出貢獻。

 

不只如此，工廠管理者還能夠經過設置推送方式，經過手機APP、短信、微信小程序等方式，隨時隨地掌握生產信息，讓工廠數據更透明，告別數據黑匣子。

 

而最好的證實就是，以某中型廠爲例，每月用料成本約爲200萬元人民幣，平均天天生產鑄件20噸。在使用百度飛槳與精諾共同打造的智能熔鍊系統的一個月時間內，該廠原料成本節約10%左右（即20萬元人民幣），配料計算時間節省90%，電費節約2萬餘元人民幣。與此同時，可以幫助工廠進行生產過程的規範化和透明化管理，而且留存了大量一手的生產數據，爲工廠經營、管理優化奠基了堅實基礎。這些數據都是該套解決方案真正實現降本增效的最好證實。

 

02 百度飛槳助力各行各業，工業賦能只是起點

 

精諾智能熔鍊系統的成功落地，離不開百度飛槳的底層技術支持。據精諾數據介紹，他們一開始在設計這套智能熔鍊解決方案時，用的是其餘的AI平臺來訓練模型，調整了5-6個月，也沒有達到使人滿意的效果。後來，他們看到飛槳在工業應用的案例，轉向飛槳，在2-3個月的時間完成了模型訓練。

 

在此期間，精諾對上百家鑄造企業進行實地調研、對企業領導和一線員工共計500餘人次進行訪談，通過30餘次原型探討和方案修改，而且技術團隊通過100多個日夜的密集研發，最終成功研製成了精諾智能熔鍊系統。

 

在前期研發的過程中，精諾遇到的最大問題是，常常會遇到在生產中須要加入不低於或不高於某個比例的特定原料，從而模型沒法計算出最優方案的問題。因爲原料和比例的不肯定性較大，這一問題同時也對模型的穩定性產生了必定挑戰。團隊爲此投入了5名研發和產品人員（3名研發人員和2名產品人員），經過對5000行代碼的反覆測試，歷時1個月的時間最終成功解決了這一模型研發過程當中狀況不肯定性最大、邏輯最複雜的技術問題。

 

在系統研發成功後，如何讓工廠接受這一新興技術也是一大難題。熔鍊屬於很傳統的製造業，一般難以接受新技術，精諾科技的一位90後員工在2個月拜訪了100多家企業，去到工廠裏演示新技術的應用。一開始，企業和熔鍊師傅們都有些質疑，在看到現場實驗的結果後，纔開始相信AI技術能讓熔鍊這樣的傳統領域實現降本增效。

 

目前，精諾的智能熔鍊系統已經在大、中、小型的鑄造廠中落地，好比，邢臺德龍機械軋輥有限公司，邯鄲慧橋複合材料科技有限公司，滄州浩泰管道裝備製造有限公司等，在實際生產環節爲企業帶來智能化變革。

 

做爲開源開放、功能完備的產業級深度學習平臺，百度飛槳已經成爲全面推進國內產業智能化升級的重要基石。正如飛槳在第六屆世界互聯網大會入選「世界互聯網領先科技成果」那樣，其技術領先、功能完備、生態豐富等特色向世界展現着中國科技的力量。與此同時，藉助百度飛槳與百度智能雲的「雲+AI」領先技術實力，正助力中國工業智能化升級。

 

想與更多的深度學習開發者交流，請加入飛槳官方QQ羣：796771754。

若是您想詳細瞭解更多飛槳PaddlePaddle的相關內容，請參閱如下文檔。

官網地址：

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

 

GitHub地址：

https://github.com/paddlepaddle/paddle

>> 訪問 PaddlePaddle 官網，瞭解更多相關內容。