🎯
98%+
判坯准确率
⚙
BOD引擎
实时推理
✅
92%+
缺陷预判精度
📈
成材率
切割优化提升
铸坯图像→AI 检测→判定结果
98%+
BOD 推理引擎 · 切割优化
判坯准确率
方案概述
连铸智能表检质量管控
AI 驱动的连铸坯表面缺陷检测系统，BOD 推理引擎实时质量预判，自动生成切割优化方案。判坯准确率 98%+，缺陷预判精度 92%+。
98%+
判坯准确率
92%+
缺陷预判精度
系统功能
八大核心功能
“1+1 平台 + 1+3 功能 + 3+3 架构”，覆盖连铸质量管控全场景
🎯
铸坯质量预判
实时跟踪生产过程，对异常事件或过程数据偏离品质管理基准时自动判定质量异常。生成异常铸造长及影响类型和区间，自动记录并给出处理决策建议。
✂
铸坯切割优化
基于实时切割计划信息，优化模型实现板坯切割优化。废坯数最少、切割报废量最小、铸造成品率最大，包含定重切割与板坯长度运筹优化。
🧠
BOD 推理引擎
认知智能推理引擎，专家知识可视化编辑入引擎。支持 100M/s 实时通讯，规则模型在线嵌入，多模型+认知智能复合判定，可解释 + 知识动态推理。
🔍
表面缺陷 AI 检测
2D/3D 表检算法无缝集成，基于改进 YOLO 的深度缺陷检测框架。支持裂纹、凹坑、翘皮等多缺陷类型，缺陷分类与定位，检测精度 > 92%。
📋
判坯判级
根据现场情况自动进行A/B/C/D四级板坯过程判级，与人工判坯对比准确率 98%+。实现过程质量自动记录与数字质量分布统计，形成完整的产品质量档案。
🔄
缺陷追溯与闭环
人工智能图搜索技术自动追溯异常工艺参数。计算统计显著性值确定直接/间接原因，形成缺陷规则集并反向闭环参数设定，91.5%+ 决策树追溯精度。
🏬
设备全生命周期管理
大包、中包车、结晶器、扇形段等核心设备上下线与全生命周期记录管理。实时状态监控，确保设备信息可追溯、可查询。
📊
离线专家分析
3Sigma统计检验、孤立森林无监督学习、相关性热力图、知识图搜索等多种分析工具。自动计算异常铸片号，支持产研优化与现场实运双场景。
系统架构
3+3 分层架构
数据源层→数据接口层→数据底座 + 业务服务层→API接入层→终端展示层
数据源层
L1/L2 · 表检 · MES
→
数据接口层
100M/s 实时通讯
→
数据底座
时序库 · 规则库 · 知识库
→
业务服务层
BOD引擎 · 质量预判 · 切割优化
→
API接入层
RESTful · WebSocket
→
终端展示层
3D可视化 · 看板 · 报表
数据源层
L1/L2 · 表检 · MES
→
数据接口层
100M/s 实时通讯
→
数据底座
时序库 · 规则库 · 知识库
→
业务服务层
BOD引擎 · 质量预判 · 切割优化
→
API接入层
RESTful · WebSocket
→
终端展示层
3D可视化 · 看板 · 报表
技术规格
核心技术参数
🧠
核心引擎
BOD 认知推理引擎
⚡
通讯速率
100M/s 实时通讯
🎯
判坯准确率
A级99.5% · 综合98%+
📦
架构模式
BS架构 · 多浏览器支持
🔍
表检算法
2D/3D · YOLO改进框架
📊
分析工具
3Sigma · 孤立森林 · 知识图搜索
💻
硬件配置
轻硬件投入 · 16核/128G服务器
🔒
部署方式
本地化部署
🚀
交付周期
2个月快速部署上线
典型案例 · 宝钢某不锈钢产线
3条
1/2/3号连铸产线
12类
实时采集异常信息
98%+
判坯准确率
92%+
缺陷预判精度
方案对比
智能质量管控 vs 传统方式
| 对比维度 | 认知智能质量管控 | 传统质量判定 |
|---|---|---|
| 判定方式 | 多模型+认知智能复合实时判定 | 人工经验 + 简单规则 |
| 架构模式 | BS架构，多浏览器多终端 | CS单机部署 |
| 缺陷检测 | 2D/3D AI自动检测，精度92%+ | 人工目视检查 |
| 切割优化 | ✓ 运筹优化+定重切割 | 固定切割长度 |
| 缺陷追溯 | ✓ AI知识图搜索自动追溯 | 人工经验排查 |
| 判坯判级 | 自动A/B/C/D四级，准确率98%+ | 人工分拣标记 |
| 闭环改进 | ✓ 反向闭环参数设定 | 无闭环反馈 |