♦ 可有效解决轧钢行业中钢种、规格、变产跨度较大时，带来的生产困难和质量问题，运用该技术直接提高首块钢的质量命中率和生产稳定性，为客户减少不必要的过渡性排产。

♦ 技术先进性：平台综合运用大数据分析、神经网络深度学习和机器学习技术，能处理大规模复杂数据，挖掘数据关联，构建高精度数学模型，有效弥补传统工艺机理模型精度有限、难以捕捉不确定性的缺陷，为生产提供更精准指导 。

♦ 高兼容性：实现模型训练和使用解耦，使用自主研发在线模型程序运行模型，摆脱对 TensorFlow 专有模型文件的依赖，与多种操作系统和编程语言兼容，不受 TensorFlow 及 Python 环境和性能限制，适用范围更广。

♦ 硬件要求低：独立开发的在线模型，不依赖 TensorFlow 对硬件的要求，代码可轻量化运行，显著降低计算机硬件需求，减少硬件采购成本，方便老项目改造时的硬件适配。

♦ 软件成本低：采用免费开源的 TensorFlow 深度学习框架，其余代码和界面程序自主研发，无需购买商用软件包，有效控制项目开发成本。

♦ 可视化界面：深度包装深度学习框架，以人机交互界面呈现。通过清晰的步骤引导和丰富的展示功能，

降低用户学习门槛，使非专业人员也能轻松运用大数据建模技术。

♦ 工业化定制：基于钢铁领域工控软件常用的 C# 及 C++ 语言开发，契合工业领域使用习惯，软件稳定性强，代码可读性和可维护性高，保障系统在工业环境中的稳定运行。

系统界面