国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

★北京科技大學設計研究院有限公司邵健，陳超超

1　項目背景

新一輪制造業的變革，其根源是新一代信息通訊技術，尤其是大數據技術的快速發展，促使了制造業向數據驅動階段轉型。隨著鋼鐵企業經營業務的逐步深入，現有的信息化系統在小批量柔性生產、快速響應市場變化、協同供應鏈管理、保證產品質量一貫制方面主要還存在如下痛點問題：

（1）數據獲取方面的痛點：不同維度的質量信息分散在不同的系統中，質量分析需要在各不同的系統獲取不同類型的數據，數據獲取難度大，整合費時費力，數據孤島問題突出，難以高效、準確挖掘數據價值；

（2）質量判定和監控方面的痛點：與產品質量相關的冶金規范要求、制造工藝參數、過程控制參數變化等分散在各個獨立的系統中，或僅作為指導標準存在于文件之中，且相互之間缺少有效的關聯，大多質量問題都是“事后監控”，質量一貫制難以保證；

（3）質量分析方面的痛點：目前鋼鐵工業各工序遺留的質量問題通常屬于多變量耦合問題，現有系統缺乏高效的質量追溯、分析與優化技術，通過簡單的閾值分析、對比分析難以發現問題根源，質量缺陷頻繁、重復發生；

（4）質量協同控制方面的痛點：協同控制是今后企業精益化生產的必經之路，質量協同通常會涉及到生產、工藝、控制、設備、成本、人員等其他系統，現有的質量相關系統大多關心質量本身，協同機制缺乏，質量提升效率低下。

鋼鐵企業經過多年的信息化建設，基本形成了從ERP系統、MES系統、過程自動化、基礎自動化的多層架構，實現了產、供、銷、財一體化信息體系。與此同時，質量管理相應的管理理念也在不斷進化，各組織、企業更加強調滿足客戶的個性需求，以客戶為中心，實施質量一貫制管理思想，以實現產品質量的持續改進。但是，多年的實踐表明，傳統的信息化架構對質量一貫制的閉環支撐困難，未根據用戶需求對過程質量進行系統化管理，缺少一個以“質量一貫制”為指導思想，貫穿全流程的質量管理信息系統。

未來國內鋼鐵行業仍會長時間供大于求，用戶對產品質量的要求也越來越高，同時個性化、多樣化需求也在不斷加劇。通過構建基于工業互聯網平臺的鋼鐵全過程質量管控系統，實現鋼鐵生產全流程的數據采集、數據判異、數據關聯、時空變換、數據治理和數據空間建設等功能，在此基礎上，完成過程監控、過程判定、數據追溯、質量分析、質量預測、質量協同等功能，構建PDCA質量閉環管控體系，實現產品質量的持續改進。

2　方案介紹

2.1　整體規劃

基于對國外先進質量管理理念的吸收消化及實踐，國內大型冶金企業在質量一貫制管理理念上也基本達成共識：遵循“集中一貫質量管理”的原則，按“標準+α”組織生產，實行質量“PDCA”全程管控，質量管理與具體業務及工藝配套，堅持“防檢結合、以防為主”。

通過推動工業互聯網、大數據等新技術與流程行業深度融合，形成一套完整的面向冶金行業的產品全過程質量智能管控技術與平臺，技術路線如圖1所示。

圖1 技術路線整體規劃

基于冶金工業互聯網平臺的全過程質量智能管控解決方案包含如下兩部分完整內容：

（1）基于工業互聯網架構的質量管控大數據平臺：一方面從企業生產過程的控制系統中采集大量工藝與質量數據，另一方面需要與信息化系統（MES、ERP或產銷系統等）進行數據交互，重點突破多源異構海量數據清洗、治理與存儲、跨領域知識融合模型構建等技術難點。在統一數據訪問接口的基礎上，實現跨工序各類數據間的邏輯匹配，進而完成全過程生產過程數據的時空統一，并由此開發了一整套可擴展的應用大數據平臺框架與微服務、組件化技術，形成多類方法庫、模型庫和規則庫。

（2）冶金全過程產品質量智能管控平臺，主要包括離線分析和在線監控兩大功能模塊，重點圍繞質量設計、監控、預測、評價、診斷與優化5個方面進行建設。其中，在線應用系統主要針對各個工序提供具有工序工藝特點的采集、監控、預警、分析功能，面向現場質檢人員、工藝技術人員等，強調系統處理實時性、時效性，向現場操作人員、質檢人員等提供準實時制造過程工藝參數與質量參數判定與預警信息，便于其在后續操作中進行優化。離線應用系統為工程技術人員和業務管理部門，根據產品制造過程的質量要求，強調全過程質量數據綜合分析，從制造流程工藝角度對產品制造全過程的工藝參數、質量目標參數、質量檢驗與判定結果等進行追溯與分析，解決企業內跨工序的產品制造工藝制度、技術規范、質量判定等分析、優化工作，解決產品質量出問題時責任界定與劃分問題。

工業互聯構建的大數據平臺為全過程產品質量在線管控提供完備的生產過程數據、方法庫、模型庫和規則庫；而管控技術對大數據平臺提出數據適配與規則適配的新要求，并對方法庫、模型庫和規則庫不斷的優化迭代更新，使得工業互聯大數據平臺能夠更全面地響應鋼鐵生產過程的實際需求，為企業的“數據賦能”提供強有力的數據支撐。

2.2　建設內容

2.2.1　系統架構

根據鋼鐵行業產品質量管控方面的業務需求、信息化系統軟、硬件選型等綜合考慮，系統技術架構圖如圖2所示。

圖2 系統架構

（1）邊緣層：基于邊緣計算技術實現人、機、料、法、能、環等生產要素的數據采集以及協議轉換，并提供函數計算、數據緩存、任務調度等模塊，形成一體化管理工具。

（2）數據存儲層：支持海量多源異構數據（包括過程參數、實時曲線、表檢圖片、斷面輪廓、智能裝備圖像、視頻等）的分類存儲和快速檢索，滿足大數據的存儲需求并提供統一的數據訪問接口。

（3）平臺層：通過提供工業數據管理能力、可復用的工業微服務組件庫、應用開發環境實現工業應用的快速開發，有效支撐上層智能應用和服務的運行、開發、運營與維護。

（4）應用層：基于數據模型、知識模型、數理模型、應用需求等，依托開發環境、平臺工具開發過程判定、過程監控、數據追溯、質量分析、質量預測、質量協同等應用功能。

2.2.2　網絡方案設計

建立多層級防護的管理/控制網間隔離機制。網絡架構如圖3所示，包括三層交換網絡、數據中心服務器群、網絡交換、邊緣層數據采集網絡。數據中心服務器群采用虛擬化/物理機方式部署，主要包括數據庫服務器、數采服務器、應用服務器等。在各個生產線的相應機房安放物理機（包括邊緣服務器和IOT通訊網關），IOT通訊網關通過防火墻與各區域生產控制網連接，在防火墻中通過白名單配置IOT網關與各控制子網的通訊鏈路，保證各子網的獨立性及安全性。在系統安全體系和軟件可靠性保障下，系統的運行率達到99.8%以上，在全部運行企業中未發生因系統接入導致影響正常生產的事故。

圖3 網絡架構

2.2.3　工業互聯網平臺建設

圍繞產品質量管控需求和高通量、強耦合、多態時變、多源異構的數據特征，設計了面向鋼鐵特點的工業互聯網構架，實現從數據感知到數據轉換，再到信息提取和認知，在確保網絡、數據、平臺安全情況下實現產品質量全流程智能管控和質量持續優化改善。本項目所開發的鋼鐵工業互聯網平臺IETLinker功能架構如圖4所示，功能上能夠充分支撐質量管控系統應用層搭建，并且已擴展到部分企業的智能決策、集中管控、虛擬工廠、業務協同等多種新型制造模式下的數據管理和業務交互需求。

圖4 冶金工業互聯網平臺

（1）IOT通訊網關與邊緣計算相結合的數據采集方案。利用不同類型通訊網關（高頻實時數據、關系型數據、非結構化數據等）完成不同自動化設備/系統、信息化系統的通訊接入、協議轉換等，實現多源異構數據實時采集、轉換成平臺內部統一、規范的數據協議、格式，并在邊緣計算平臺進行數據匯集、融合，滿足全過程產品質量智能管控中各類業務場景需求，以及平臺層構建的全流程數據統一存儲模型的數據需求；

（2）實時邊緣計算的多源數據融合與預處理技術。基于多粒度數據融合與統一存儲模型在邊緣計算平臺實時進行多源數據融合，即可賦予各高頻數據、儀表數據等物料關聯的語義信息，便于在線用戶進行應用。同時，向中心數據平臺存儲時即可按物料族譜實現物料已經歷工藝過程的數據融合，實現邊采集、邊融合、邊服務的多源數據融合工業過程數據采集、服務的目標。另外，利用邊緣計算平臺提供預處理、緩存等功能，為網絡邊緣層用戶就近提供存儲、預處理計算能力服務，解決數據采集網絡傳輸異常、數據可采時刻變化等難題，對數據全面采集造成的影響，通過數據緩沖、動態作業調度等技術手段提高數據可采集性、有效性。

平臺覆蓋主流冶金控制系統，兼容常用工業通訊協議，并且適配國際通用硬件接口，以及高分辨的數據采集頻率與管理能力。

（3）可擴展應用平臺框架與微服務、組件化開發技術。采用模型驅動的統一服務框架，面向多種業務角色，提供開發服務框架和部署運營服務框架，可根據業務需求動態擴展服務計算能力，并引入容器技術新型架構和微服務池，實現平臺和工業應用的靈活部署和快速迭代，以適應工業場景中海量個性化開發需求。

2.2.4　產品質量全過程管控功能建設

基于工業互聯網平臺，借助數據驅動技術和機器學習算法，建立質量管控應用平臺，實現過程判定、過程監控、質量分析、數據追溯、質量預測等功能，推進企業在產品質量過程判定、質量分析與自診斷、工藝模型優化等方面的技術革新。全過程質量管控功能如圖5所示。

圖5 全過程質量管控功能

（1）基于統計分析、模型預測的可重組的監控/預警引擎。首先，依據冶金規范、專家知識規則為依據設置監控規則，在生產過程中對監控參數進行實時判異，實現在線實時監控與預警；其次從過程穩定性角度出發，利用統計概率模型進行單變量的統計過程控制，利用SPC判異規則對過程重要工藝參數進行在線監控及預警，及時向現場操作及質量管理崗位提供制造過程重要工藝參數變化及預警信息，對質量異常事件實現自動報警功能。

（2）數據驅動與機理模型相結合的產品質量預測技術針對力學性能等難以在線測量的質量變量，通過機理模型和數據驅動模型的結合，通過軟測量方式可以實時對相關質量指標進行預測，為產品質量的控制提供新的技術手段和思路。采用可配置方式，集成機器學習算法，用于解決不同的質量問題。采用可動態配置的設計模式，由人工隨意配置樣本庫和變量的選擇，從本平臺中的關系型數據庫和實時數據庫進行不同的數據項配置。靈活的參數調優接口，供工藝人員對模型進行精度調試。

（3）滿足定制需求的多維產品質量在線精準評判與封鎖技術。研發了滿足定制需求的多維產品質量在線精準評判和封鎖應用功能，該功能與平臺所有數據、其他應用無縫集成，并且增加基于AI算法的智能評判和優秀樣庫對比打分等功能，提高了多維評價的準確性，也可為后續一鍵式分析自主創建優秀樣本庫。

（4）質量與工藝的追溯分析技術。系統平臺通過數據采集與數據融合，確保系統有機串聯煉鋼、連鑄、熱軋、冷軋、成品質量及客戶反饋異常質量等重要信息，并關聯過程監控預警和質量評級判定結果，給出可疑的可能引發異常的工藝參數，主要包括如下幾種追溯方式：全工序關系型數據追溯、全工序工藝曲線追溯、全工序長度基準的時空變換、不同物料同工序之間的曲線比對與分析等。

（5）質量與工藝的優化分析技術

實際生產過程中的工藝參數優化實質是一個多參量的優化問題，尤其是在參數間存在強相關時，挖掘出各工藝參數間的耦合關系，實時預測某些不可測量的工藝參數，給出調整工藝參數的控制策略，利用工藝參數的協同優化確保產品質量。本項目利用工業大數據分析方法，挖掘數據間隱藏的復雜映射關系，從歷史數據中尋找引發綜合質量優良品和不合格品的差異性特征，從而實現工藝參數的優化。

（6）多業務協同管控技術

將質量信息與生產、設備、能源等數據進行關聯，建立一系列定制化模型，實現質量的全局優化控制，滿足不同人員和崗位的應用需求。

3　代表性及推廣價值

目前該解決方案已推廣應用到鞍鋼、馬鋼、新鋼、攀鋼、南鋼、新疆眾合等30家大中型鋼鐵企業、4家鋁加工及1家炭材企業，共計60個應用案例，成果從鋼鐵行業拓展到了有色、炭材料領域，同類型項目市場占有率85%，實現了板材、棒材、軌梁、有色、鋼管、高線等類型產線的多次自主首套項目落地，技術和業績行業雙領跑。

企業完成工業大數據平臺搭建后，最直接的體驗便是數據獲取和使用的便利性，和傳統工作流程相比，可實現隨時隨地獲取數據、實現數據的個性化配置、形成標準數據集、實現數據的高效存儲和處理、實現數據的分級管理等，系統覆蓋產線的數據采集率達到90%以上，數據利用率達到60%以上，通過全流程一鍵式追溯與一鍵式分析功能，分析效率提升60%，獲得鋼鐵企業各個部門的廣泛認同，用最低的時間成本獲得數據的價值。

項目提供的過程判定功能，斷面、尺寸、溫度類實現自動判定，判定準確率大于99.8%，某廠應用后質檢每班減少1人，質量缺陷外放風險下降60%，用戶質量異議降低50%以上，解決事后質量精確識別。通過過程監控、質量分析、工藝優化等模塊，工藝人員的勞動效率提升30%以上，某廠的全年內部質量降級率比上一年度下降26.3%。

摘自《自動化博覽》2024年6月刊