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，需要他紧急算一下补救方案。张师傅远程指导下调了三四炉，才得到了合格的结果。
2000年的时候我国的铸造已经达到世界第一的产量，但无论是质量还是在能耗方面，其实都跟先进国家有非常大的差距。比如，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越来越少。
在熔炼领域，往往一个新手需要二十年甚至是三十年的沉淀和学习，才能做到像张师傅一样十拿九稳。而工厂的恶劣环境、炙热的熔炼炉、不太体面的工作职称……都是年轻人将铸造业拒之门外的原因。缺少新鲜血液的注入，铸造业真正的高精技术人才又接近退休年龄，所以，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、能耗方面也始终无法更加优化。
在百度飞桨（PaddlePaddle）的助力下，一直专注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创建，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。作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，精诺数据希望为中国从制造大国迈向制造强国贡献自己的力量。
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，做成了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，让小师傅可以撑起铸造熔炼的一片天。
熔炼过程的配料是一个非常复杂的过程，需要把工厂现有的生铁、废钢、回炉料以及各种合金料，按照不同的工艺要求进行配比和熔炼。由于工艺要求范围窄，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，比如说熔炼过程中加一些“废料”可以降低生产成本，但是由于难以计算，熔炼师傅都不愿意用。
在预配料准备过程中，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。经过核算，使用前和使用后差不多可以有平均15%的原料节省，最大降幅达27%之多。
并且在配料过程中，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，精确计算不同工业要求下的最优调整方案，精准控制合金材料添加量，有效提高了熔炼成品质量及稳定性。以往，普通师傅精配步骤一般用时10分钟左右，而如今只需要几秒钟，这中间节约的时间能够让工厂的生产效率提升15%左右。原来1个老师傅可以看2个炉，现在可以看4个炉，节约了人力的同时也精简了操作流程。
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，比如碳、硅、锰和重点合金元素。而其他元素数值和价格基本被忽略，这就导致一次配不准、需要多次配，甚至废炉的情况容易发生。所以在算法方面，飞桨则会通过计算一次性完成，不再需要逐个对比，不仅提高了性价比，还让产品质量得到了保证。
可以说，有了这套方案，刚刚入行的小白也能胜任老师傅们的工作，再也不用大半夜给师傅打电话寻求帮助了，而且坐在控制室就能操控加料配料工作，熔炼行业的门槛大大降低。相比原来，铸造厂也能招募到年轻人的加入，人才稀缺状况得到了有效改善。
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说，电费是不可忽视的一笔大开销，因此不少工厂会选择在晚上开工，因为晚上电费便宜。而熔炼过程，人工计算材料配比时，炉子在1500度的高温下需要不少电费，这个过程由AI来承担后能节省时间，能节省大量能源，在提升工厂效率节省工厂支出的同时，还能为保卫蓝天做出贡献。
不仅如此，工厂管理者还可以通过设置推送方式，通过手机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。
而最好的证明就是，以某中型厂为例，每个月用料成本约为200万元人民币，平均每天生产铸件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，能够帮助工厂进行生产过程的规范化和透明化管理，并且留存了大量一手的生产数据，为工厂经营、管理优化奠定了坚实基础。这些数据都是该套解决方案真正实现降本增效的最好证明。
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，用的是其他的AI平台来训练模型，调整了5-6个月，也没有达到令人满意的效果。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，经过30余次原型探讨和方案修改，并且技术团队经过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。
在前期研发的过程当中，精诺遇到的最大问题是，经常会遇到在生产中需要加入不低于或不高于某个比例的特定原料，从而模型无法计算出最优方案的问题。由于原料和比例的不确定性较大，这一问题同时也对模型的稳定性产生了一定挑战。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），通过对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中情况不确定性最大、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，通常难以接受新技术，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，比如，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。
作为开源开放、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动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、生态丰富等特点向世界展示着中国科技的力量。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。
如果您想详细了解更多飞桨PaddlePaddle的相关内容，请参阅以下文档。
官网地址：
https://www.paddlepaddle.org.cn/
GitHub地址：
https://github.com/paddlepaddle/paddle
来源：oschina
链接：https://my.oschina.net/u/4067628/blog/3190650