面向创新型钢材制造的实时数据分析与多核学习

热喷涂组件在钢材制造中存在生产和设备维护的挑战。虽然这些组件通过特殊的表面属性提升了性能，但由于标准化的返修工艺，可能难以满足修改后的要求。本文提出通过整合实时数据分析和预测质量管理来更新钢材制造（TCCSM）中热喷涂组件的既定涂层工艺。两个关键组件——数据聚合器和质量预测器——通过持续过程监控和数据驱动方法的应用来满足不断演变的钢铁格局的动态需求。质量预测器由简单有效的多核学习策略驱动，旨在实现预测质量。数据聚合器采用传感器、流量计和智能数据处理，用于热喷涂涂层工艺，旨在促进实时分析。该组合的性能通过小规模测试得到验证，这些测试不仅使基于收集数据对涂层质量进行准确预测，而且在显著偏差被识别时能及时向操作员发出警报。