摘要：通过实际生产的海量数据与产品质量问题解决方案的积累，针对全流程数据分析方法与思想进行梳理、研发全栈式机器学习平台与模型，形成了一套具有鲁棒性和高精度的钢铁生产全流程多源异构数据分析框架，在钢铁流程生产中进行了应用。提出了工业数据分析的通用方法，针对质量问题的分析流程为:数据获取、数据治理、特征工程、模型选取与应用、问题解决。应用全栈式机器学习平台搜集数据，并应用平台中的算法库进行模型建立，基于mＲMＲ算法进行变量挑选，应用FDA进行特征降维，并应用XGBOOST对数据进行分类，实现了质量问题溯源与监控，解决了线材生产中椭圆度超差的质量问题。关键词：全栈式机器学习；钢铁全流程；特征工程；XGBOOST；长型材工艺质量 下载高清全文——全栈式机器学习在钢铁流程智能制造中的应用.pdf