[发明专利]一种基于大数据分析平台下的钢板预处理漆膜厚度的过程控制方法

说明书

本发明涉及一种建立数据分析模型，将客户需求的漆膜厚度作为目标值代入模型，利用大数据分析原理，最终导出各输入因子最佳值的方法。通过该方法，根据客户要求的漆膜厚度，在数据分析平台设定望目值，即可快速得到关键输入因子(稀释比例、泵压、辊道速度、油漆小车速率)的最佳设定值，关键输入因子最佳设定值的导出，直接代入现场流水作业，即可得到目标输出值。本发明可以快速、高效、精准导出各因子的最佳水平设定，免除大量试验而耗费的人力及财力。可为预处理流水作业领域提升质量，满足客户需求，降低成本，提升生产效率提供有力保证。

技术领域

本发明涉及一种基于大数据分析平台下的钢板预处理漆膜厚度的过程控制方法。属于冶金行业技术领域。

背景技术

钢板预处理是指钢板在冷态下进行抛丸，喷涂，烘干的过程，其输出的核心要素为附着于钢板表面的漆膜均匀性及厚度。大多作用于出口钢板远洋运输过程中的防腐防锈，既为产品穿上一层保护衣，使产品能够完好交付于客户，也可作用于内陆环境长期存放期间的防腐防锈。

客户根据海洋运输时间的长短，运输方式(散货或集装箱)，存放时间，海关政策等不同因素，对漆膜厚度的要求亦不同。针对客户对膜厚的不同要求，需要找出影响漆膜厚度的关键因子、明确因子间的关系以及判定出不同膜厚下各因子的最佳水平设定值，从而得到目标膜厚以满足客户需求。

传统的喷涂设备喷涂效率较低，自动化程度不高，喷涂效果不均匀，而且的喷涂设备伴随大量管道，严重干扰喷涂，传统喷涂设备不能调节喷涂油膜厚度，实用性较差，局限性大，因此有必要提供一种钢板预处理漆膜厚度的过程控制方法改善上述问题。

发明内容

本发明所要解决的技术问题是针对上述现有技术提供一种基于大数据分析平台下的钢板预处理漆膜厚度的过程控制方法，利用大数据分析原理，可以得到关键输入因子的最佳值，将最佳值作为流水线的参数进行设定，可得到钢板预处理的目标漆膜厚度。

本发明解决上述问题所采用的技术方案为：一种基于大数据分析平台下的钢板预处理漆膜厚度的过程控制方法，将客户需求的漆膜厚度作为目标值代入模型，利用大数据分析原理，最终导出各输入因子最佳值的方法。

优选地，根据影响漆膜厚度的关键输入因子进行DOE试验，DOE试验采用2K全因子设计，得出关键输入因子的不同组合输出，并整理得到如下模型公式：

Y＝146.438-25.25A+154.875B-35.5C-2.865D-138.75A*B+0.77C*D，

其中：Y：漆膜厚度A：稀释比例B：泵压C：辊道速度D：油漆小车速率。

优选地，所述输入因子的确定过程包括以下步骤：

1)寻找影响输出的根本原因

通过变量流程图，找出涂装线生产过程中所有的输入、输出变量；

2)从原因与项目指标间的关联程度进行评价，找到关键影响原因

确定评分原则和评分标准，然后评分原则和评分标准建立CE矩阵；

3)失效模式及影响分析FMEA

建立失效模式及影响分析名称注释表、SEV严重度加重值评分基准表、OCC发生频率加重值评分基准表、DET探测力加重值评分基准表，通过FMEA筛选找出分值高的因子；

4)影响因子的删选和分析

通过对步骤3)筛选出的因子分别进行假设试验、数据采集、正态性检验、稳定性分析、等方差检验/回归分析,最终确定输入因子为漆膜厚度、稀释比例、泵压、辊道速度和油漆小车速率。

与现有技术相比，本发明的优点在于：