大數(shù)據(jù)分析和云計(jì)算是歐盟鋼鐵行業(yè)數(shù)字化轉(zhuǎn)型的12個(gè)重點(diǎn)科研基金項(xiàng)目之一。大數(shù)據(jù)分析關(guān)注基于歷史數(shù)據(jù)的算法，以識(shí)別產(chǎn)品質(zhì)量問(wèn)題從而減少產(chǎn)品故障。鋼鐵行業(yè)中的傳統(tǒng)數(shù)據(jù)庫(kù)技術(shù)在完成對(duì)大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的捕獲、存儲(chǔ)、管理和分析方面，尚存在一定的困難。大數(shù)據(jù)分析技術(shù)采用新的處理模式，從各種數(shù)據(jù)類型中獲取有價(jià)值的信息，進(jìn)而深入了解、獲取信息并洞察和識(shí)別其中的內(nèi)涵，以便做出準(zhǔn)確的決策。

大數(shù)據(jù)分析和云計(jì)算領(lǐng)域有以下6個(gè)主要項(xiàng)目：

一是“鋼包全過(guò)程跟蹤”項(xiàng)目。

該項(xiàng)目根據(jù)多目標(biāo)優(yōu)化（MOO）框架和數(shù)據(jù)分析，采用了包括聲學(xué)在內(nèi)的各類傳感器，以提高工廠產(chǎn)量、提高鋼廠的安全性。項(xiàng)目目標(biāo)是實(shí)現(xiàn)鋼廠作業(yè)環(huán)境中的鋼包的自動(dòng)跟蹤，涵蓋從煉鋼、連鑄到板坯交付的全過(guò)程。準(zhǔn)確跟蹤鋼包位置是煉鋼工藝數(shù)字化轉(zhuǎn)型的基礎(chǔ)之一。鋼包跟蹤系統(tǒng)即要在保證平穩(wěn)生產(chǎn)的條件下，也要確保在生產(chǎn)計(jì)劃突然受到干擾的異常情況下優(yōu)化鋼包物流，以確保安全并提高產(chǎn)量。

二是“質(zhì)量4.0”項(xiàng)目。

該項(xiàng)目基于高級(jí)人工智能（AI）、機(jī)器自學(xué)習(xí)分析方法和大數(shù)據(jù)處理，開(kāi)發(fā)自適應(yīng)平臺(tái)，允許在線分析大數(shù)據(jù)流，從而實(shí)現(xiàn)產(chǎn)品質(zhì)量決策并提供量身定制、高可靠性的質(zhì)量信息。對(duì)于歐洲鋼鐵行業(yè)來(lái)說(shuō)，產(chǎn)能過(guò)剩導(dǎo)致廉價(jià)鋼鐵充斥著整個(gè)鋼鐵市場(chǎng)，歐洲鋼鐵生產(chǎn)商迫切需要差異化，積極推廣一個(gè)通用平臺(tái)具有戰(zhàn)略意義。但是，共享錯(cuò)誤的質(zhì)量信息可能會(huì)導(dǎo)致客戶的嚴(yán)重不確定性并且損害客戶的信心。自適應(yīng)的“質(zhì)量4.0”項(xiàng)目平臺(tái)可以實(shí)現(xiàn)整個(gè)供應(yīng)鏈上質(zhì)量信息的橫向整合，在線分析大數(shù)據(jù)流，采用機(jī)器學(xué)習(xí)算法的創(chuàng)新方法，建模客戶關(guān)系并自動(dòng)交換數(shù)據(jù)自動(dòng)匹配可用的客戶和訂單信息，通過(guò)與客戶雙向交換量身定制的高可靠性信息，以實(shí)現(xiàn)差異化的產(chǎn)品質(zhì)量水準(zhǔn)決策并降低成本。

“質(zhì)量4.0”平臺(tái)作為面向服務(wù)的體系結(jié)構(gòu)（SOA），可以靈活地組合單個(gè)模塊并集成到現(xiàn)有的IT基礎(chǔ)架構(gòu)中，不需要依賴單個(gè)產(chǎn)品或技術(shù)。“質(zhì)量4.0”平臺(tái)由3個(gè)服務(wù)模塊組成：一是質(zhì)量數(shù)據(jù)生成服務(wù)模塊（QGS），生成質(zhì)量數(shù)據(jù)及其合理性值；二是質(zhì)量分配服務(wù)模塊（QAS），將客戶訂單與產(chǎn)品合理分配，并選擇相關(guān)的質(zhì)量數(shù)據(jù)； 三是質(zhì)量交換服務(wù)模塊（QXS），交換為每個(gè)客戶訂單編譯的選定質(zhì)量數(shù)據(jù)。

其中，“質(zhì)量4.0-QGS”的主要功能是估計(jì)所有可用數(shù)據(jù)源的質(zhì)量數(shù)據(jù)，并通過(guò)可能值（PV）量化該估計(jì)的置信度，以最終保證所提供質(zhì)量信息的可靠性?？赡苤档拇_定可以用一個(gè)函數(shù)表達(dá)。

有效可靠地檢測(cè)異常質(zhì)量指標(biāo)對(duì)“質(zhì)量4.0”項(xiàng)目起著基礎(chǔ)性的作用。在整個(gè)生產(chǎn)過(guò)程中收集的與質(zhì)量有關(guān)的數(shù)據(jù)可能因檢測(cè)等各種原因出現(xiàn)異常值。由于離群值的類型和多樣性，目前還沒(méi)有一種公認(rèn)的方法可以在任何情況下有效可靠地檢測(cè)異常值。離群值概念的非正式定義涉及其偏離正態(tài)性，可分為5類：基于分布、基于深度、基于距離、基于聚類和基于密度。該項(xiàng)目使用了FUCOD算法來(lái)檢測(cè)異常值，該方法結(jié)合了現(xiàn)有的4種離群點(diǎn)檢測(cè)方法，利用模糊推理系統(tǒng)（FIS）對(duì)每種方法的貢獻(xiàn)進(jìn)行動(dòng)態(tài)管理，根據(jù)處理后的數(shù)據(jù)挖掘其優(yōu)點(diǎn)，避免其缺點(diǎn)。FUCOD是為處理多維數(shù)據(jù)而設(shè)計(jì)的，這意味著離群值水平的計(jì)算不僅要考慮構(gòu)成質(zhì)量數(shù)據(jù)的單個(gè)變量的特性，還要考慮它們之間的相互作用。這些特點(diǎn)使得FUCOD方法特別適用于處理大量任務(wù)的工業(yè)數(shù)據(jù)集。該方法已成功應(yīng)用于歐洲鋼鐵行業(yè)。

“質(zhì)量4.0-QAS”結(jié)合質(zhì)量數(shù)據(jù)和客戶相關(guān)知識(shí)，實(shí)現(xiàn)對(duì)產(chǎn)品質(zhì)量的自適應(yīng)性監(jiān)督，可提供估計(jì)的質(zhì)量數(shù)據(jù)及反映質(zhì)量數(shù)據(jù)置信度的專用合理性值，將收到的信息與目標(biāo)客戶的知識(shí)相結(jié)合，自主分配和交換相關(guān)訂單的質(zhì)量數(shù)據(jù)、編制質(zhì)量缺陷以創(chuàng)造有價(jià)值的信息，并向供應(yīng)商反饋這些信息。然而，在供應(yīng)商和客戶之間交換相關(guān)質(zhì)量信息的系統(tǒng)必須能理解“相關(guān)性”的含義。因此，確定質(zhì)量信息相關(guān)性所需的所有信息都是基于可用的客戶信息和訂單數(shù)據(jù)進(jìn)行語(yǔ)義建模的。這種模型中包含了客戶親密程度，反映了供應(yīng)商和用戶之間的相互信任關(guān)系，從而能夠合理定義質(zhì)量信息的類型和數(shù)量。