CN113569374B - 钢铁产品可制造性评估的方法和系统 - Google Patents

Abstract

本发明提供一种钢铁产品可制造性评估的方法和系统，采集可制造性评估的典型数据；基于各项指标对典型数据进行预处理；令基础生产数据按照钢卷生产工序进行数据串联，形成钢卷整合数据，建立可制造性评估的数据主题；存储用户配置的评估指标，根据评估指标建立评估模型，并基于评估模型对各项评估指标进行评估，基于指标打分模型对评估结果进行打分；维护评估指标，选取评估模型，接收制造需求数据，进行可制造性评估。能够集成产品可制造性相关的全部数据，减少数据整理、校验时间，提高用户需求响应的速度和准确率；发现生产相似产品的制约因素，提示业务专家生产时进行控制，不断提高产品质量，辅助研发人员新产品开发，提高新产品研发的效率。

Description

钢铁产品可制造性评估的方法和系统

技术领域

本发明涉及可制造性评估技术领域，具体地，涉及一种钢铁产品可制造性评估的方法和系统，尤其是涉及基于大数据搜索匹配的钢铁产品的可制造性评估方法。本发明可广泛运用于钢铁各工序各类产品的询单应答、产品质量设计和新产品研发的可制造性评估。

背景技术

随着互联网的快速发展，消费者与消费者，消费者与厂商，低成本地实现连接，消费者个性化的需求被放大，产品质量信息越来越透明，终端消费者质量反馈也越来越快。在这种背景下，高质量要求、个性化订制、小订单逐渐成为钢铁企业需求的新特征，这对钢铁企业响应客户需求的效率和质量，产品质量控制能力提出了更高的要求。

基于历史产品的规格、性能、全流程生产实绩、合格率和成本等数据的对用户需求进行可制造性评估，能够对客户需求进行全面、科学的评估，确定常见质量异常，关键制约因素，为询单接订、价格制订、新产品研发、质量设计、生产控制和动态调整提供参考，进而提高响应客户需求的效率、质量和产品质量控制能力。当前，主要钢铁企业在对客户需求的评估，主要基于对历史产品规格、性能等部分数据进行评估，评估不够充分，对于质量、成本等维度的评估需要制造单元进行协助，评估周期长，已无法满足当前钢铁企业需求高质量要求、个性化订制、小订单的新特征。本发明基于钢铁产品可制造性评估的特点，集成可制造性评估主题数据，管理评估指标、模型及专家经验，实现流程化的产品可制造性评估，协助业务人员能够快速、全面、科学的评估产品的可制造性，为订单接订、价格制定、质量设计、质量控制和新产品研发等提供参考。

与本申请相关的现有技术是专利文献CN 101980262A，公开了一种基于计算机的钢铁企业能源仿真平台，包括钢厂模型库、可视化钢厂组态工具、作业计划生成器、钢铁生产过程仿真器、显示设备、多种能源介质调配、模拟结果库和模拟平台上层分析评价系统。可视化钢厂组态工具与钢厂模型库连接,钢厂生产过程仿真器连接钢厂模型库和作业计划生成器,对生产过程仿真,输出结果给多种能源介质调配和显示设备,模拟结果库保存仿真和调控结果,并为模拟平台上层分析评价系统提供输入。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种钢铁产品可制造性评估的方法和系统。

根据本发明提供的一种钢铁产品可制造性评估的系统，包括：

数据收集模块：采集可制造性评估的典型数据，所述典型数据是存在于企业中设定时间以上的历史生产数据；

数据预处理模块：基于能够表征钢铁生产全流程生产质量的各项指标，对典型数据进行预处理，所述预处理删除典型数据中的异常数据，以及对去除异常数据后的剩余典型数据进行特征统计，得到基础生产数据；

数据主题模块：令基础生产数据按照钢卷生产工序进行数据串联，形成钢卷整合数据，计算钢卷的机组成材率、钢卷的热轧卷分摊量和板坯分摊量，基于机组成材率、热轧卷分摊量和板坯分摊量，建立可制造性评估的数据主题；

规则模型模块：存储用户配置的评估指标，根据评估指标建立评估模型，并基于评估模型对各项评估指标进行评估，基于指标打分模型对评估结果进行打分；

数据应用模块：维护评估指标，选取评估模型，接收制造需求数据，进行可制造性评估，对评估结果进行展示、查看。

优选地，所述数据预处理模块包括：

数据监控模块：基于机组生产能力设定阈值，对基础生产数据中超出设定阈值或者设定阈值一定范围内的数据，记为异常情况，对基础生产数据进行质量监控，对异常情况进行提醒；

异常处理模块：对异常情况应对的异常数据进行删除，或者根据默认值进行数据填充，或者根据业务需要进行补充修改；

特征计算模块：对基础生产数据中的高频数据或者多次取样监测数据，设定选择均值、方差、中位数、最大值/最小值、众数和极差处理规则，计算数据进行特征统计。

优选地，所述数据主题模块包括：

数据串联模块：按照钢卷生产工序，将各生产工序中的生产实绩、表面缺陷数据、检化验和质量判定数据与卷号、机组号相关联，以前道机组出口卷号为后机组入口卷号，串联生产全流程数据，使得对任意钢卷可追溯其从炼钢、热轧到冷轧生产的机组、生产顺序的全流程及在各机组规格、生产实绩和检化验的全部数据；

数据计算模块：根据钢卷在机组入口重量、出口重量及产出钢卷质量判定的结果，计算各机组成材率，并按照各钢卷的生产流程，计算各成品卷在热轧卷分摊量和板坯分摊量。

优选地，所述规则模型模块包括：

评估指标模块：存储用户配置的评估指标，所述评估指标对应数据主题的数据项、数据处理方式、阈值和步长；

评估模型模块：根据评估指标建立评估模型，所述评估模型包括产品可制造性评估模型和性能相似度评估模型；

机理模型模块：封装经过业务专家确认的机理模型/经验公式，辅助评估，以提高评估准确率。

优选地，所述数据应用模块包括：

指标管理模块：基于可制造性评估的数据主题中的数据项，选取可制造性评估的维度，设定评估指标的阈值、步长以及性能要求相似度；

模型管理模块：基于选择的评估指标，设定各评估指标的权重，建立指标加权的可制造性评估模型，对各指标的打分结果进行综合评估；

可制造性评估模块：接入需求数据，对需求数据进行综合评估，形成多个推荐方案，默认展示最优推荐方案，业务专家对选定方案进行修改，对修改后方案重新进行评估，对比修改前后评估结果。

根据本发明提供的一种钢铁产品可制造性评估的方法，包括：

数据收集步骤：采集可制造性评估的典型数据，所述典型数据是存在于企业中设定时间以上的历史生产数据；

数据预处理步骤：基于能够表征钢铁生产全流程生产质量的各项指标，对典型数据进行预处理，所述预处理删除典型数据中的异常数据，以及对去除异常数据后的剩余典型数据进行特征统计，得到基础生产数据；

数据主题步骤：令基础生产数据按照钢卷生产工序进行数据串联，形成钢卷整合数据，计算钢卷的机组成材率、钢卷的热轧卷分摊量和板坯分摊量，基于机组成材率、热轧卷分摊量和板坯分摊量，建立可制造性评估的数据主题；

规则模型步骤：存储用户配置的评估指标，根据评估指标建立评估模型，并基于评估模型对各项评估指标进行评估，基于指标打分模型对评估结果进行打分；

数据应用步骤：维护评估指标，选取评估模型，接收制造需求数据，进行可制造性评估，对评估结果进行展示、查看。

优选地，所述数据预处理步骤包括：

数据监控步骤：基于机组生产能力设定阈值，对基础生产数据中超出设定阈值或者设定阈值一定范围内的数据，记为异常情况，对基础生产数据进行质量监控，对异常情况进行提醒；

异常处理步骤：对异常情况应对的异常数据进行删除，或者根据默认值进行数据填充，或者根据业务需要进行补充修改；

特征计算步骤：对基础生产数据中的高频数据或者多次取样监测数据，设定选择均值、方差、中位数、最大值/最小值、众数和极差处理规则，计算数据进行特征统计。

优选地，所述数据主题步骤包括：

数据串联步骤：按照钢卷生产工序，将各生产工序中的生产实绩、表面缺陷数据、检化验和质量判定数据与卷号、机组号相关联，以前道机组出口卷号为后机组入口卷号，串联生产全流程数据，使得对任意钢卷可追溯其从炼钢、热轧到冷轧生产的机组、生产顺序的全流程及在各机组规格、生产实绩和检化验的全部数据；

数据计算步骤：根据钢卷在机组入口重量、出口重量及产出钢卷质量判定的结果，计算各机组成材率，并按照各钢卷的生产流程，计算各成品卷在热轧卷分摊量和板坯分摊量。

优选地，所述规则模型步骤包括：

评估指标步骤：存储用户配置的评估指标，所述评估指标对应数据主题的数据项、数据处理方式、阈值和步长；

评估模型步骤：根据评估指标建立评估模型，所述评估模型包括产品可制造性评估模型和性能相似度评估模型；

机理模型步骤：封装经过业务专家确认的机理模型/经验公式，辅助评估，以提高评估准确率。

优选地，所述数据应用步骤包括：

指标管理步骤：基于可制造性评估的数据主题中的数据项，选取可制造性评估的维度，设定评估指标的阈值、步长以及性能要求相似度；

模型管理步骤：基于选择的评估指标，设定各评估指标的权重，建立指标加权的可制造性评估模型，对各指标的打分结果进行综合评估；

可制造性步骤：接入需求数据，对需求数据进行综合评估，形成多个推荐方案，默认展示最优推荐方案，业务专家对选定方案进行修改，对修改后方案重新进行评估，对比修改前后评估结果。

与现有技术相比，本发明具有如下的有益效果：

1、能够集成产品可制造性相关的全部数据，减少数据整理、校验时间，提高用户需求相应的速度和准确率；

2、集成质量专家和现场技术人员等业务专家的知识和经验，能够减少业务专家介入，降低业务专家劳动负荷，提高产品可制造性评估的效率，并有利于知识的积累、分享与传承；

3、能够发现生产相似产品的制约因素，如出现典型缺陷，可提示业务专家生产时进行控制，进而不断提高产品质量，或辅助研发人员新产品开发，提高新产品研发的效率。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的整体框架示意图；

图2为本发明的可制造性评估-最优方案推荐的示意图；

图3为本发明的可制造性评估-方案修改的示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

针对当前钢铁企业产品可制造性评估分散、片面和低效率的现状，本发明基于海量数据的相似性匹配算法，利用历史数据对产品的可制造性进行全面、科学的评估；针对因钢铁生产流程长，数据复杂，分布广泛的特点，导致的可制造性评估数据准备时间长、准确性较低的问题，本发明将钢铁生产全流程规格、性能、质量、缺陷等数据按照生产流程进行汇总与集成，提高可制造性分析的效率与准确率；针对钢铁产品涉及机理模型、经验公式多的特点，本发明将机理模型和经验公式融入评估流程，实现知识的积累与分享；针对钢铁产品可制造性评估广泛应用于客户需求响应、质量设计和新产品研发等场景，各场景对评估指标关注范围和关注度不同的特点，本发明将评估指标和评估模型进行可配置化管理，使其可应用于不同应用场景。

通过集成可制造性评估涉及的钢卷生产全流程的生产和检化验等数据，利用大数据搜索匹配技术评估产品的可制造性，整体框架如图1所示，其主要组成部分如下：

首先，进行数据收集，基于钢铁企业历史数据评估生产满足用户产品的可行性，需要钢铁企业具备采集可制造性评估典型数据功能(如L2、MES、表面检测仪等系统)，并具有一定的数据积累(如半年以上)，需要采集的典型数据如下：

a)钢卷生产实绩：生产机组，钢卷入口卷号/出口卷号，钢卷入口重量/出口重量、宽度和厚度，生产开始/结束时间，生产速度、温度等关键的工艺参数实绩数据；

b)钢卷表面缺陷：钢卷卷号、机组、缺陷名称等钢卷表面缺陷描述数据；

c)检化验数据：钢卷卷号、屈服强度、延伸率和硬度等对钢卷性能/成分的检测结果数据；

d)质量判定结果：钢卷号及其质量判定是否合格的结果。

其次，进行数据预处理，主要对数据收集得到的钢铁生产全流程表征钢铁生产过程与质量相关的数据进行预处理，保证数据质量，具体通过以下手段：

a)异常数据监控:对于钢卷出口卷号、生产机组和重量等为空，重量、宽度厚度等数据超出合理范围(基于机组生产能力设定阈值)的异常情况，对原始数据质量进行监控，对异常数据进行提醒；

b)异常数据处理：a)中检测异常数据进行直接删除，或者根据默认值进行填充，或者由业务人员进行补充修改；

c)数据特征计算：针对高频数据(如温度、速度等)或者多次取样检测数据(如性能数据)，设定选择均值、方差、中位数、最大值/最小值、众数和极差处理规则，计算原始数据统计特征。

再次，确定可制造评估数据主题，对处理好的数据按照生产工序进行串联、成材率计算及分摊量计算，形成定时更新数据主题，具体通过以下手段：

a)数据串联：按照钢卷生产顺序，将各工序生产实绩、表面缺陷数据、检化验和质量判定数据与卷号、机组号相关联，以前道机组出口卷号为后机组入口卷号的逻辑，串联钢铁生产全流程数据，使得对任意钢卷可追溯其从炼钢、热轧到冷轧生产的机组、生产顺序的全流程及在各机组规格、生产实绩和检化验等全部数据；

b)成材率及分摊量计算：根据钢卷在机组入口重量、出口重量及产出钢卷质量判定的结果，计算各机组成材率，并按照各钢卷的生产流程，计算各成品卷在热轧卷分摊量、板坯分摊量；其中

·机组成材率＝∑(钢卷出口卷合格品重量)/入口卷重量

·热轧卷分摊量＝钢卷重量*(热轧卷重量/(∑(热轧卷对应钢卷出口卷合格品重量)))

·板坯分摊量＝钢卷重量*(板坯重量/(∑(板坯对应钢卷出口卷合格品重量)))

再次，确认规则模型，主要存储评估指标、评估模型和机理模型/经验公式，具体如下：

a)评估指标：存储用户配置的评估指标名称，评估指标对应数据主题的数据项、数据处理方式、阈值和步长等；其中，

·常用评估指标名称：性能要求相似度、(板坯分摊/热轧卷分摊)成材率、质量保证能力、成本量和能耗量；

·数据项包括得到数据主题中的温度、速度等工艺参数和检化验得到的屈服强度、延伸率和硬度等性能/成分数据，主要处理方式为取均值、最大值/最小值，阈值为数据正常范围，步长基于工艺控制精度确定；

b)评估模型：存储本方法涉及的可制造性评估模型

·产品可制造性评估模型：基于评估指标建立的推荐方案评估公式，各方案评估结果为0-100分，评估最优结果为100分；

产品可制造性＝∑权重*评估指标

其中，∑权重＝1

·性能相似度评估模型：封装利用kdtree加速的基于欧式距离的相似度算法，根据用户性能要求，对海量数据进行搜索匹配，基于历史性能实绩与用户性能要求之间的欧式距离，搜索匹配满足用户性能指标要求或者与其最相似的生产实绩，计算产品实绩性能与用户需求的相似度；

·指标打分模型：对各项评估指标的评估结果进行打分，分数范围均为0-100分，评估最优结果为100分；

c)机理模型/经验公式：封装业务专家确认的机理模型/经验公式，辅助评估，提高评估的准确率。

最后，进行数据应用，是可制造评估系统的前台应用层，维护评估指标、模型和进行可制造性评估，具体如下：

a)评估指标管理：基于可制造性评估数据主题中数据项，选取可制造性评估的维度，设定评估指标的阈值、步长；本发明除必选的性能要求相似度外，还包括可选的(板坯分摊/热轧卷分摊)成材率、质量保证能力、成本量和能耗量指标。

·性能要求相似度：基于用户需求，利用kdtree加速的基于欧式距离的相似度算法，快速搜索匹配历史生产实绩，评估历史生产数据与用户性能要求的相似度指标；

·(板坯分摊/热轧卷分摊)成材率：根据计算的板坯或热轧卷分摊量，得出最终成品对应到板坯或热轧卷的投入量(即,分摊量)，进而计算生产与用户性能要求相似产品的板坯分摊/热轧卷分摊成材率；

·质量保证能力：基于生产全流程的表面检测、质量监控数据，对用户关注关键缺陷、质量异常进行评估，进而得到生产与用户性能要求相似产品的质量保证能力；

·成本量：基于成本数据，评估生产与用户性能要求相似产品的成本，为价格指定提供参考；

·能耗量：基于用户需求规格、生产相似产品的工艺路径、生产速度等数据，评估生产相似产品的能耗量；

b)评估模型管理：基于选择的评估指标，设定各指标的权重，建立指标加权的可制造性评估模型，对各指标打分结果进行综合评估；

c)可制造性评估

·可制造性评估：接入用户需求数据，对用户需求进行综合评估，形成多个推荐方案，默认展示最优推荐方案，如图2所示，展示的推荐方案的总得分在84.8；

·方案修改：业务专家对选定方案进行修改，对修改后方案重新进行评估，对比修改前后评估结果，如图3所示，原方案得分83.5，新方案得分84.8，并分别展示在性能要求相似度、能耗量、成本量、质量保证能力、板坯分摊成材率的各项得分分布。

在具体实施中，首先在服务器配置R语言及相关的算法包，开启Rserve，所述服务器安装Linux环境，且内存不低于16G；配置数据库信息，建立可制造性评估数据主题，部署钢铁产品可制造性评估系统，通过能够连接至服务器的PC通过浏览器进行访问；对评估指标模型进行管理，设定评估指标的范围、阈值、步长和权重，确定可制造评估模型；使用时接入用户需求数据，进行可制造性评估，查看分析评估结果。本发明能够提高业务人员的工作效率，有利于对用户需求进行全面、科学的评估，进而快速响应用户需求，并且可以可指导业务人员制约因素进行分析、研发，进而达到稳步提高生产能力。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (6)

1.一种钢铁产品可制造性评估的系统，其特征在于，包括：

数据收集模块：采集可制造性评估的典型数据，所述典型数据是存在于企业中设定时间以上的历史生产数据；

数据预处理模块：基于能够表征钢铁生产全流程生产质量的各项指标，对典型数据进行预处理，所述预处理删除典型数据中的异常数据，以及对去除异常数据后的剩余典型数据进行特征统计，得到基础生产数据；

数据主题模块：令基础生产数据按照钢卷生产工序进行数据串联，形成钢卷整合数据，计算钢卷的机组成材率、钢卷的热轧卷分摊量和板坯分摊量，基于机组成材率、热轧卷分摊量和板坯分摊量，建立可制造性评估的数据主题；

其中，

机组成材率=∑(钢卷出口卷合格品重量)/入口卷重量

热轧卷分摊量=钢卷重量*(热轧卷重量/(∑(热轧卷对应钢卷出口卷合格品重量)))

板坯分摊量=钢卷重量*(板坯重量/(∑(板坯对应钢卷出口卷合格品重量)))；规则模型模块：存储用户配置的评估指标，根据评估指标建立评估模型，并基于评估模型对各项评估指标进行评估，基于指标打分模型对评估结果进行打分；

数据应用模块：维护评估指标，选取评估模型，接收制造需求数据，进行可制造性评估，对评估结果进行展示、查看；

所述数据预处理模块包括：

数据监控模块：基于机组生产能力设定阈值，对基础生产数据中超出设定阈值或者设定阈值一定范围内的数据，记为异常情况，对基础生产数据进行质量监控，对异常情况进行提醒；

异常处理模块：对异常情况应对的异常数据进行删除，或者根据默认值进行数据填充，或者根据业务需要进行补充修改；

特征计算模块：对基础生产数据中的高频数据或者多次取样监测数据，设定选择均值、方差、中位数、最大值/最小值、众数和极差处理规则，计算数据进行特征统计；

所述数据主题模块包括：

数据串联模块：按照钢卷生产工序，将各生产工序中的生产实绩、表面缺陷数据、检化验和质量判定数据与卷号、机组号相关联，以前道机组出口卷号为后机组入口卷号，串联生产全流程数据，使得对任意钢卷可追溯其从炼钢、热轧到冷轧生产的机组、生产顺序的全流程及在各机组规格、生产实绩和检化验的全部数据；

数据计算模块：根据钢卷在机组入口重量、出口重量及产出钢卷质量判定的结果，计算各机组成材率，并按照各钢卷的生产流程，计算各成品卷在热轧卷分摊量和板坯分摊量。

2.根据权利要求1所述的钢铁产品可制造性评估的系统，其特征在于，所述规则模型模块包括：

评估指标模块：存储用户配置的评估指标，所述评估指标对应数据主题的数据项、数据处理方式、阈值和步长；

评估模型模块：根据评估指标建立评估模型，所述评估模型包括产品可制造性评估模型和性能相似度评估模型；

机理模型模块：封装经过业务专家确认的机理模型或经验公式，辅助评估，以提高评估准确率。

3.根据权利要求1所述的钢铁产品可制造性评估的系统，其特征在于，所述数据应用模块包括：

指标管理模块：基于可制造性评估的数据主题中的数据项，选取可制造性评估的维度，设定评估指标的阈值、步长以及性能要求相似度；

模型管理模块：基于选择的评估指标，设定各评估指标的权重，建立指标加权的可制造性评估模型，对各指标的打分结果进行综合评估；

可制造性模块：接入需求数据，对需求数据进行综合评估，形成多个推荐方案，默认展示最优推荐方案，业务专家对选定方案进行修改，对修改后方案重新进行评估，对比修改前后评估结果。

4.一种钢铁产品可制造性评估的方法，其特征在于，包括：

数据收集步骤：采集可制造性评估的典型数据，所述典型数据是存在于企业中设定时间以上的历史生产数据；

数据预处理步骤：基于能够表征钢铁生产全流程生产质量的各项指标，对典型数据进行预处理，所述预处理删除典型数据中的异常数据，以及对去除异常数据后的剩余典型数据进行特征统计，得到基础生产数据；

数据主题步骤：令基础生产数据按照钢卷生产工序进行数据串联，形成钢卷整合数据，计算钢卷的机组成材率、钢卷的热轧卷分摊量和板坯分摊量，基于机组成材率、热轧卷分摊量和板坯分摊量，建立可制造性评估的数据主题；

其中，

机组成材率=∑(钢卷出口卷合格品重量)/入口卷重量

热轧卷分摊量=钢卷重量*(热轧卷重量/(∑(热轧卷对应钢卷出口卷合格品重量)))

板坯分摊量=钢卷重量*(板坯重量/(∑(板坯对应钢卷出口卷合格品重量)))；

规则模型步骤：存储用户配置的评估指标，根据评估指标建立评估模型，并基于评估模型对各项评估指标进行评估，基于指标打分模型对评估结果进行打分；

数据应用步骤：维护评估指标，选取评估模型，接收制造需求数据，进行可制造性评估，对评估结果进行展示、查看；

所述数据预处理步骤包括：

数据监控步骤：基于机组生产能力设定阈值，对基础生产数据中超出设定阈值或者设定阈值一定范围内的数据，记为异常情况，对基础生产数据进行质量监控，对异常情况进行提醒；

异常处理步骤：对异常情况应对的异常数据进行删除，或者根据默认值进行数据填充，或者根据业务需要进行补充修改；

特征计算步骤：对基础生产数据中的高频数据或者多次取样监测数据，设定选择均值、方差、中位数、最大值/最小值、众数和极差处理规则，计算数据进行特征统计；

所述数据主题步骤包括：

数据串联步骤：按照钢卷生产工序，将各生产工序中的生产实绩、表面缺陷数据、检化验和质量判定数据与卷号、机组号相关联，以前道机组出口卷号为后机组入口卷号，串联生产全流程数据，使得对任意钢卷可追溯其从炼钢、热轧到冷轧生产的机组、生产顺序的全流程及在各机组规格、生产实绩和检化验的全部数据；

数据计算步骤：根据钢卷在机组入口重量、出口重量及产出钢卷质量判定的结果，计算各机组成材率，并按照各钢卷的生产流程，计算各成品卷在热轧卷分摊量和板坯分摊量。

5.根据权利要求4所述的钢铁产品可制造性评估的方法，其特征在于，所述规则模型步骤包括：

评估指标步骤：存储用户配置的评估指标，所述评估指标对应数据主题的数据项、数据处理方式、阈值和步长；

评估模型步骤：根据评估指标建立评估模型，所述评估模型包括产品可制造性评估模型和性能相似度评估模型；

机理模型步骤：封装经过业务专家确认的机理模型或经验公式，辅助评估，以提高评估准确率。

6.根据权利要求4所述的钢铁产品可制造性评估的方法，其特征在于，所述数据应用步骤包括：

指标管理步骤：基于可制造性评估的数据主题中的数据项，选取可制造性评估的维度，设定评估指标的阈值、步长以及性能要求相似度；

模型管理步骤：基于选择的评估指标，设定各评估指标的权重，建立指标加权的可制造性评估模型，对各指标的打分结果进行综合评估；

可制造性评估步骤：接入需求数据，对需求数据进行综合评估，形成多个推荐方案，默认展示最优推荐方案，业务专家对选定方案进行修改，对修改后方案重新进行评估，对比修改前后评估结果。