SPHC鋼種屈服強度與殘余元素相關性分析

蔡清秀，李超，崔福祥，趙文濤，李海峰

（鞍鋼股份有限公司鲅魚圈鋼鐵分公司，遼寧 營口115007）

鞍鋼股份有限公司鲅魚圈鋼鐵分公司 （以下簡稱“鲅魚圈”）供某客戶SPHC鋼種主要用于生產建筑門板、深沖件等。2017年6月用戶反饋該鋼種經冷軋退火后，屈服強度值出現波動，超過規格上限（230 MPa）的比例達到16%，明顯高于正常水平，而使用其它鋼企相同產品未出現該情況。深入分析后認為，2017年以來鋼種主元素成分和熱軋軋制工藝未進行調整，對比其它鋼企主元素成分沒有顯著差異，唯一變化的是廢鋼使用結構。因此認為可能是使用含特殊元素廢鋼導致鋼中殘余元素發生波動，進而引起屈服強度的波動。采用統計學SPSS軟件對SPHC鋼種的殘余元素進行回歸分析，確定了關鍵影響因素，采取相應措施后，提高了SPHC鋼種屈服強度合格率，滿足了用戶的要求。

1 數據預處理

鲅魚圈SPHC鋼種主要工藝路線為：轉爐-LF（或RH）精煉-連鑄。收集2017年2月以來SPHC鋼種的生產數據，由于殘余元素主要來源于轉爐加入的廢鋼，易氧化元素在轉爐吹煉過程已被充分氧化去除，故僅對殘余元素中不易氧化的Cu、Ni、Cr、Mo 元素進行分析、整理。 Cu、Ni、Cr、Mo 含量描述見表1。由表1看出，Ni和Mo元素的標準偏差均約為平均值的一半，而這兩個取值也為非負數，根據經驗，這兩個元素的分布可能呈正偏態，因此進一步繪制圖形加以分析。

圖 1 為 Ni、Mo元素分布圖。 從圖 1（a）、（b）看出， Ni、Mo 元素分布明顯呈正偏態；從圖 1（c）、（d）看出，Ni、Mo元素分布存在大量的離群值和極值，不利于模型的穩健性，即模型受離群值和極值影響會較大。基于上述原因，需要對Ni、Mo元素的數據進行對數變換，以減弱正偏態、離群值的影響［1］。

表 1 Cu、Ni、Cr、Mo 含量描述 *Table 1 Description for Content of Elements of Cu， Ni， Cr and Mo

圖1 Ni、Mo元素分布圖Fig.1 Distribution for Elements of Ni and Mo

2 構建初步模型

由于因變量屈服強度是否合格為二分類，所以采用Logistic回歸模型進行初步建模。表2為方程中的變量。從表2顯著性一列可以看出，Cu、Cr元素、lnNi、lnMo 均有顯著性影響。 給出回歸方程如下：

表2 方程中的變量Table 2 Variable in Equation

3 構建樹結構模型

3.1 模型分析

上述Logistic回歸模型雖然分析出Cu、Cr元素、lnNi、lnMo均有顯著性影響，但仍有如下兩個問題需進一步探討：

（1）自變量與屈服強度是否為簡單的線性關系，各自變量是否存在交互作用。

（2）殘余元素是不可徹底消除的，應降低到什么水平，如何確定上限標準。

對于第一個問題，如果是因變量為連續變量的回歸方程，則通過散點圖等工具做進一步考察，但對于Logistic回歸模型，考慮影響因子較多，因變量為非連續變量，處理起來比較困難。對于第二個問題，Logistic回歸模型完成起來則更加困難。

基于上述探討，決定采用樹結構模型進行深入分析。樹結構模型即決策樹模型，是一種簡單易用的非參數分類器。它不需要對數據進行任何先驗假設，計算速度較快，結果容易解釋，而且穩健性強，同時該模型確定因變量、自變量之間的曲線關聯問題也非常有效。樹結構模型會給出自變量節點，根據節點很容易找到自變量的控制節點，對實際因變量的控制具有實際意義。

根據分析方法的不同，樹結構模型可以分為分類樹和回歸樹，這里將使用分類樹。分類樹模型主要包括 CHAID（Chi-squared Automatic Interaction Detector）、QUEST （Quick,Unbiased,Efficient Statistical Tree）、CRT （Classification Regression Tree）三種方法，其中CHAID不太適合連續自變量的分析，QUEST原理不太容易理解，而CRT原理簡單，而且和Logistic回歸等經典方法邏輯上也有一定的對應關系，因此選擇CRT方法。

3.2 分析操作

決策樹模型操作過程主界面見圖2，自變量重要性見圖3。

圖3 自變量正態化重要性Fig.3 Importance of Normalization for Independent Variable

從圖3看出，四個自變量中最重要的是Mo元素，其次是Ni元素 （計算重要性分別為100%和99.4%），Cu元素和Cr元素相對來說影響不大（計算重要性分別為4.0%和2.8%）。

決策樹模型分析結果見圖4，案例的總數為11 928個。由圖4可以看出：

（1）總樣本被拆分為Ni元素含量較低的節點 1（≤0.017 95%）和 Ni元素含量較高的節點2（＞0.017 95%）。其中節點1的屈服強度不合格率僅為1.8%，節點2則高達16%。

（2）節點1進一步被拆分為Mo元素含量較低的節點3（≤0.004 95%）和Mo元素含量較高的節點4 （＞0.004 95%）。其中節點3的屈服強度不合格率為1.2%，節點4則達6.6%。

（3）節點2進一步被拆分為Mo元素含量較低的節點5（≤0.007 5%）和Mo元素含量較高的節點6 （＞0.007 5%）。其中節點5的屈服強度不合格率為10%，節點6則高達35.4%。

由此得出，為降低SPHC鋼種屈服強度，鋼中Ni元素應控制在0.017 95%以下，Mo元素控制在0.004 95%以下，屈服強度不合格率可由16%降低到1.2%以下。從機理上分析，Ni元素在鋼中主要是強化鐵素體并細化珠光體，Mo元素能提高鋼的淬透性和熱強性，這兩種元素總的效果是提高鋼的強度，這與模型分析結論基本一致。實踐認為，Ni、Mo元素主要來源為廢鋼。據此要求SPHC鋼種限制使用含Ni、Mo元素的特種廢鋼。

圖4 決策樹模型分析結果Fig.4 Analysis Results for CRT model

4 應用效果

為驗證上述模型的有效性，統計了2017年6～12月份供某客戶SPHC鋼種屈服強度數據，見表3。由表3看出，屈服強度不合格率由2017年6月的 12.34%降至同年12月的0.44%，計算2017年7～12月份加權平均不合格率為1.71%。

表3 2017年6～12月份SPHC鋼種屈服強度統計Table 3 Statistics on Yield Strength of SPHC Steel from June to December in 2017

5 結語

采用SPSS軟件對SPHC鋼種殘余元素進行統計分析發現，Ni、Mo元素是影響屈服強度的主要因素，Cu、Cr元素屬次要因素，且影響不大。進一步采用決策樹模型分析認為，鋼中Ni元素應控制在0.017 95%以下，Mo元素控制在0.004 95%以下，應限制使用含Ni、Mo元素的特種廢鋼。鞍鋼股份有限公司鲅魚圈鋼鐵分公司在生產中采取上述措施后，SPHC鋼種屈服強度不合格率由2017年6月份的12.34%降至7～12月平均值1.71%，提高了鋼板的質量，滿足了用戶的要求。