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

1 項(xiàng)目背景介紹

隨著新一代信息技術(shù)的不斷突破和向制造業(yè)的加速滲透，鋼鐵產(chǎn)業(yè)變革得以深入發(fā)展。2021年，國家“十四五”發(fā)展規(guī)劃明確提出了產(chǎn)業(yè)數(shù)字化發(fā)展要求，同年4月，中國鋼鐵工業(yè)協(xié)會(huì)組織成立了鋼鐵智能制造聯(lián)盟，引領(lǐng)和規(guī)范鋼鐵企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展。鋼鐵企業(yè)的數(shù)字化轉(zhuǎn)型已不是選修課，而是助推企業(yè)高質(zhì)量發(fā)展的必由之路。自“十三五”以來，眾多鋼企一直在探索智能制造發(fā)展路徑，研究領(lǐng)域涉及數(shù)據(jù)平臺(tái)研發(fā)、裝備、生產(chǎn)及服務(wù)等，各領(lǐng)域都有亮點(diǎn)工作，但取得的成效主要體現(xiàn)在供應(yīng)鏈管理效率提升方面，如采購、營銷、物流、財(cái)務(wù)等數(shù)據(jù)信息的貫通與融合。對(duì)于生產(chǎn)數(shù)據(jù)的價(jià)值挖掘遠(yuǎn)遠(yuǎn)不足，現(xiàn)有質(zhì)量管控多數(shù)集中在基于閾值或簡單規(guī)則的判定，質(zhì)量溯源和基于數(shù)據(jù)的分析模型一直難以落地。近年來，圍繞制造層面的智能化落地問題，寶武集團(tuán)等先進(jìn)企業(yè)開始探索“云-邊-端”協(xié)同體系，首鋼也在同期開始關(guān)注車間層級(jí)的智能工廠發(fā)展，聚焦“生產(chǎn)過程”智能管控體系建設(shè)及“云-邊-端”管控架構(gòu)。

熱軋是鋼鐵生產(chǎn)流程中的重要環(huán)節(jié)，也是控制變量多、控制難度高、控制功能最為復(fù)雜的環(huán)節(jié)。在熱軋場景下，從原料到加工，最后輸出給下一環(huán)節(jié)，由于傳統(tǒng)的信息化都是單環(huán)節(jié)運(yùn)維控制，單環(huán)節(jié)分析，最終綜合分析指標(biāo)數(shù)據(jù)，反饋產(chǎn)線相對(duì)滯后，沒有從整體上考慮流程，做全程把控，一直都存在著資源利用率低，運(yùn)維成本高的痛點(diǎn)問題。隨著國內(nèi)鋼鐵產(chǎn)能的持續(xù)高位運(yùn)行，鋼鐵產(chǎn)品的市場競爭也愈加激烈，激烈的市場競爭促使企業(yè)更加期望達(dá)到生產(chǎn)和設(shè)備穩(wěn)定運(yùn)行，質(zhì)量最優(yōu)可控，成本最少、人員最少。目前來看，傳統(tǒng)的制造方式發(fā)展能力有限，很難滿足這些要求。

近年來，大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)、云計(jì)算等新一代信息技術(shù)廣泛普及并推動(dòng)生產(chǎn)方式變革。利用智能制造解決上述企業(yè)難題已經(jīng)成為當(dāng)前有效的方法。目前國內(nèi)各大鋼企爭相開展智能制造，如寶鋼與艾默生、首鋼與阿里等。

因此，如何有效整合熱連軋生產(chǎn)各區(qū)域段（加熱爐、粗軋、精軋、層冷及卷取等）的數(shù)據(jù)，建立全量數(shù)據(jù)中心，開展各類智能應(yīng)用研究，快速準(zhǔn)確地解決生產(chǎn)、質(zhì)量、設(shè)備、成本、物料等各方面問題，穩(wěn)定提升產(chǎn)品質(zhì)量，提高生產(chǎn)和工作效率，是目前各個(gè)熱連軋生產(chǎn)廠亟需解決的難題。

2 項(xiàng)目目標(biāo)與原則

首鋼京唐熱軋智慧管控平臺(tái)項(xiàng)目“一平臺(tái)七中心”以首鋼工業(yè)互聯(lián)管控平臺(tái)為核心，通過通用數(shù)據(jù)接口平臺(tái)，向上分別適配并賦能七個(gè)中心，分別為熱軋?jiān)O(shè)備智能運(yùn)維中心、熱軋質(zhì)量智能管控中心、鋼卷無人庫區(qū)和智能物流中心、機(jī)器人及智能視覺裝備應(yīng)用中心、熱軋能源管理和成本中心、環(huán)保消防監(jiān)控中心、數(shù)據(jù)報(bào)表中心。該項(xiàng)目為解決如下問題：

（1）熱軋數(shù)據(jù)分布在分散且不同層的系統(tǒng)或不同物理空間的生產(chǎn)區(qū)域中，數(shù)據(jù)孤島狀況嚴(yán)重，數(shù)據(jù)提取和處理只能靠人工來回拷貝后再進(jìn)行導(dǎo)入處理，并且數(shù)據(jù)接口協(xié)議繁雜、數(shù)據(jù)結(jié)構(gòu)類型多樣，不同維度的系統(tǒng)數(shù)據(jù)無法形成交織關(guān)聯(lián)，數(shù)據(jù)關(guān)聯(lián)分析能力明顯不足，并且缺乏相應(yīng)的數(shù)據(jù)采集技術(shù)來完成實(shí)時(shí)、海量、高頻、異構(gòu)和多接口協(xié)議的數(shù)據(jù)采集；

（2）現(xiàn)場數(shù)據(jù)體量龐大、數(shù)據(jù)殘缺和無效項(xiàng)過多，缺乏相應(yīng)的大數(shù)據(jù)平臺(tái)對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一且有效的清洗、歸集和存儲(chǔ)。傳統(tǒng)的離線存儲(chǔ)方式需要大量物理硬盤，殘缺數(shù)據(jù)無法實(shí)時(shí)還原及重現(xiàn)，并且數(shù)據(jù)安全性無法得到保證，此問題需要基于數(shù)據(jù)異構(gòu)壓縮、糾刪碼技術(shù)的數(shù)據(jù)還原和冷熱備技術(shù)，有效解決數(shù)據(jù)平臺(tái)存儲(chǔ)空間大、投資大的問題；

（3）現(xiàn)場數(shù)據(jù)分層管理和追溯難度大，無法滿足精益生產(chǎn)優(yōu)化管控方面需求，需要構(gòu)建可視、可追溯和可應(yīng)用的數(shù)據(jù)體系來滿足需求；

（4）現(xiàn)場數(shù)據(jù)歸集多采用時(shí)間維度，相應(yīng)的數(shù)據(jù)時(shí)空轉(zhuǎn)換技術(shù)不成熟，難以滿足實(shí)物質(zhì)量分析和溯源過程中使用空間維度數(shù)據(jù)的需求。

一個(gè)平臺(tái)七個(gè)中心是熱連軋廠區(qū)的核心框架，在此基礎(chǔ)上，向下不斷優(yōu)化采集匯聚數(shù)據(jù)，泛化數(shù)據(jù)接入能力，向內(nèi)整合梳理數(shù)據(jù)，積累模型經(jīng)驗(yàn)、精準(zhǔn)數(shù)據(jù)指標(biāo)、規(guī)范主題分類、沉淀數(shù)據(jù)價(jià)值，向上以多元多能數(shù)據(jù)賦能各中心，持續(xù)優(yōu)化中心應(yīng)用，深度適配場景需求，最終達(dá)到七個(gè)中心覆蓋熱軋全流程軋制流程，全面把控生產(chǎn)成本、進(jìn)度、質(zhì)量，成就一流熱軋產(chǎn)業(yè)。

3 項(xiàng)目實(shí)施與應(yīng)用情況

為解決項(xiàng)目中的科學(xué)和技術(shù)難題，項(xiàng)目團(tuán)隊(duì)研究開發(fā)了以下技術(shù)來解決：

（1）基于多維技術(shù)協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺(tái)技術(shù)；

（2）全量數(shù)據(jù)統(tǒng)一采集存儲(chǔ)與實(shí)時(shí)融合服務(wù)模型技術(shù)；

（3）面向數(shù)據(jù)資產(chǎn)血緣關(guān)系可追溯治理的技術(shù)；

（4）時(shí)空轉(zhuǎn)換與全息化“數(shù)字鋼卷”開發(fā)技術(shù)。

其具體工作內(nèi)容如下：

3.1 基于多維技術(shù)協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺(tái)

基于項(xiàng)目現(xiàn)場實(shí)際情況和自有技術(shù)群，深度構(gòu)建基于多維技術(shù)協(xié)同的工業(yè)互聯(lián)網(wǎng)體系，整合了多協(xié)議轉(zhuǎn)換技術(shù)體系、大數(shù)據(jù)接入體系以及大數(shù)據(jù)存儲(chǔ)體系等多維復(fù)雜關(guān)鍵技術(shù)，使各平臺(tái)達(dá)到了縱向聯(lián)動(dòng)L0-L4級(jí)數(shù)據(jù)，橫向聯(lián)動(dòng)各工序、多物理空間的設(shè)備及系統(tǒng)，從而實(shí)現(xiàn)全面細(xì)粒度管控要求，平臺(tái)架構(gòu)如圖1所示：

圖1 工業(yè)互聯(lián)網(wǎng)平臺(tái)整體架構(gòu)

工業(yè)互聯(lián)網(wǎng)平臺(tái)自底向上主要分為三個(gè)核心層級(jí)，設(shè)備物聯(lián)層、平臺(tái)層以及應(yīng)用層，具體細(xì)分為物聯(lián)感知層、物聯(lián)數(shù)據(jù)層、數(shù)據(jù)規(guī)范化管理層、數(shù)據(jù)總線層、數(shù)據(jù)中臺(tái)層、業(yè)務(wù)中臺(tái)層、服務(wù)總線層及應(yīng)用層。通過不同層次之間的技術(shù)疊加實(shí)現(xiàn)對(duì)數(shù)據(jù)、業(yè)務(wù)、管控和迭代的多維度服務(wù)能力。針對(duì)在熱軋現(xiàn)場，數(shù)據(jù)來源眾多，使用各種類型協(xié)議進(jìn)行數(shù)據(jù)傳輸，導(dǎo)致各個(gè)系統(tǒng)間進(jìn)行數(shù)據(jù)通信基本都需要進(jìn)行深度解析開發(fā)，而由于很多軟件都是外國廠家提供的，軟件更新周期長，甚至遙遙無期，并且現(xiàn)場的系統(tǒng)不能統(tǒng)一更換，也無法在短周期內(nèi)做到協(xié)議統(tǒng)一。

為了解決現(xiàn)場數(shù)據(jù)孤島和多維協(xié)議的問題，項(xiàng)目團(tuán)隊(duì)研發(fā)了多協(xié)議轉(zhuǎn)換技術(shù)體系、設(shè)備協(xié)議統(tǒng)一管理體系以及數(shù)據(jù)通信統(tǒng)一設(shè)計(jì)體系。協(xié)議轉(zhuǎn)換功能結(jié)構(gòu)圖2所示，核心工作內(nèi)容如下：

（1）多維協(xié)議轉(zhuǎn)換體系建設(shè)：項(xiàng)目團(tuán)隊(duì)集成常用協(xié)議諸如TCP/IP、OPC、MQTT和多種JDBC到一個(gè)功能模塊中。

（2）設(shè)備協(xié)議統(tǒng)一管理體系：項(xiàng)目團(tuán)隊(duì)兼并融合了現(xiàn)場設(shè)備和機(jī)組所用軟件常用SDK和接口，為軟件與多協(xié)議轉(zhuǎn)換模塊中的協(xié)議建立映射關(guān)系。

（3）數(shù)據(jù)通信統(tǒng)一設(shè)計(jì)體系：項(xiàng)目團(tuán)隊(duì)為現(xiàn)場設(shè)備和機(jī)組所用軟件、設(shè)備協(xié)議統(tǒng)一管理功能模塊、多協(xié)議轉(zhuǎn)換功能模塊構(gòu)建統(tǒng)一的數(shù)據(jù)通信結(jié)構(gòu)和網(wǎng)絡(luò)拓?fù)洹?/span>

圖2 協(xié)議轉(zhuǎn)換功能結(jié)構(gòu)圖

項(xiàng)目團(tuán)隊(duì)在覆蓋工業(yè)現(xiàn)場全協(xié)議的基礎(chǔ)上，實(shí)現(xiàn)了多源異構(gòu)數(shù)據(jù)接入的協(xié)議轉(zhuǎn)換配置即用功能，只需要配置來源數(shù)據(jù)所用協(xié)議和地址等相關(guān)信息，就可以將數(shù)據(jù)從原有系統(tǒng)中抽出，降低了使用門檻。該技術(shù)體系成功解決了現(xiàn)場數(shù)據(jù)孤島和多維協(xié)議問題，使各系統(tǒng)數(shù)據(jù)具備統(tǒng)一進(jìn)入一個(gè)平臺(tái)的基本能力，達(dá)成了數(shù)據(jù)統(tǒng)一匯聚使用的目標(biāo)。

此外，引入數(shù)據(jù)總線模塊來實(shí)現(xiàn)整套架構(gòu)的數(shù)據(jù)采集和數(shù)據(jù)傳輸功能。根據(jù)平臺(tái)整體管控設(shè)計(jì)和要求，任何維度、層級(jí)、體量和結(jié)構(gòu)的數(shù)據(jù)都需要經(jīng)過數(shù)據(jù)總線來進(jìn)行內(nèi)容的傳輸，從而實(shí)現(xiàn)統(tǒng)一化管控。項(xiàng)目團(tuán)隊(duì)研發(fā)的數(shù)據(jù)總線可以實(shí)現(xiàn)靈活配置以應(yīng)對(duì)不同類型的數(shù)據(jù)與大數(shù)據(jù)平臺(tái)交互。為了實(shí)現(xiàn)這個(gè)功能，項(xiàng)目團(tuán)隊(duì)構(gòu)建數(shù)據(jù)交換共享平臺(tái)來作為數(shù)據(jù)總線，承接底層的數(shù)據(jù)源，并做整合和預(yù)處理，提供給中層的存儲(chǔ)組件或計(jì)算框架使用。通過對(duì)數(shù)據(jù)總線的功能強(qiáng)化和配置，使其在不同場景下可以做到無縫切換、彈性伸縮和數(shù)據(jù)可追溯，提供了超越傳統(tǒng)數(shù)據(jù)總線的總線服務(wù)能力。

3.2全量數(shù)據(jù)統(tǒng)一采集存儲(chǔ)與實(shí)時(shí)融合服務(wù)模型技術(shù)

熱軋工業(yè)現(xiàn)場數(shù)據(jù)異構(gòu)、高頻、海量、統(tǒng)一接入難度大，此外數(shù)據(jù)質(zhì)量整體水平較低，缺失項(xiàng)較多，項(xiàng)目團(tuán)隊(duì)基于開源消息中間件Kafka進(jìn)行重構(gòu)開發(fā)，優(yōu)化了原有Kafka能力，與此同時(shí)引入流計(jì)算、分布式計(jì)算及批處理等多框架，實(shí)現(xiàn)對(duì)數(shù)據(jù)的高效接入、清洗、存儲(chǔ)與應(yīng)用等功能；使用自研優(yōu)化的Kafka集群接入高頻高吞吐量數(shù)據(jù)，經(jīng)過幾輪迭代和優(yōu)化，該功能模塊目前能夠達(dá)到熱軋現(xiàn)場要求的以10ms頻率接入“10萬+”一級(jí)點(diǎn)位數(shù)據(jù)。而對(duì)于低頻的關(guān)系型數(shù)據(jù)，根據(jù)數(shù)據(jù)適配的數(shù)據(jù)結(jié)構(gòu)，通過協(xié)議轉(zhuǎn)換模塊抽取到數(shù)據(jù)后，寫入到集群對(duì)應(yīng)的Mysql、Postgres等數(shù)據(jù)庫中。

在數(shù)據(jù)處理層面，項(xiàng)目團(tuán)隊(duì)結(jié)合大數(shù)據(jù)Lambda和Kappa數(shù)據(jù)處理架構(gòu)，基于熱軋數(shù)據(jù)和業(yè)務(wù)特性，構(gòu)建針對(duì)不同維度數(shù)據(jù)進(jìn)行快速處理和出入庫處理操作的處理流程。當(dāng)數(shù)據(jù)進(jìn)入自研Kafka集群后，數(shù)據(jù)處理后移，通過流處理組件實(shí)時(shí)拿到數(shù)據(jù)，離線應(yīng)用的數(shù)據(jù)持久化到HDFS分布式集群中做周期性數(shù)據(jù)分析匯總，并定期導(dǎo)出存入外部介質(zhì)做災(zāi)備，實(shí)時(shí)應(yīng)用的數(shù)據(jù)經(jīng)過清洗、脫敏、標(biāo)準(zhǔn)化和自研算法服務(wù)分析后進(jìn)入到緩存中，由前端調(diào)取展示。該處理流程能夠高時(shí)效并發(fā)和快速響應(yīng)多元異構(gòu)數(shù)據(jù)業(yè)務(wù)要求。    

在殘缺數(shù)據(jù)還原方面，項(xiàng)目團(tuán)隊(duì)引入全新一代糾刪碼技術(shù)實(shí)現(xiàn)對(duì)數(shù)據(jù)的補(bǔ)償還原。糾刪碼技術(shù)的底層核心理念就是借助矩陣計(jì)算理論進(jìn)行實(shí)現(xiàn)的，Erasure-Code算法的最底層的基本的數(shù)學(xué)原理：行列矩陣中一種特殊矩陣的性質(zhì)：即任意M×N（M行N列{M<N}）的行列式，其任意M×M的子矩陣都是可逆，以實(shí)現(xiàn)數(shù)據(jù)恢復(fù)運(yùn)算。基于此，我們對(duì)特定關(guān)注數(shù)據(jù)進(jìn)行糾刪碼伴隨式計(jì)算，實(shí)時(shí)進(jìn)行數(shù)據(jù)校驗(yàn)以及數(shù)據(jù)還原工作。結(jié)合首鋼京唐熱軋現(xiàn)場生產(chǎn)環(huán)境、計(jì)算資源環(huán)境以及數(shù)據(jù)特點(diǎn)，引入RS + Stripe PlaceMent 結(jié)合的聯(lián)動(dòng)方式，合理的Stripe Unit的方案作為底層的糾刪碼方案來落地相關(guān)領(lǐng)域應(yīng)用。

在數(shù)據(jù)存儲(chǔ)方面，引入差值存儲(chǔ)、異構(gòu)存儲(chǔ)和比對(duì)存儲(chǔ)的不同存儲(chǔ)方式來進(jìn)行優(yōu)化存儲(chǔ)體量和邏輯，在保證可以快速檢索數(shù)據(jù)的前提下，實(shí)現(xiàn)最小體量的存儲(chǔ)，做到絕不浪費(fèi)“1KB”資源。

在數(shù)據(jù)安全方面，不僅配置了網(wǎng)絡(luò)軟硬墻，也解決了軟件接口調(diào)用數(shù)據(jù)的隱患，引入數(shù)據(jù)加密技術(shù)對(duì)特定核心數(shù)據(jù)進(jìn)行加密處理，結(jié)合實(shí)際情況選擇MD5、SHA1、HMAC、AES和DES等多種不同加密算法，從而做到“因數(shù)施法”的基本能力。

3.3面向數(shù)據(jù)資產(chǎn)血緣關(guān)系可追溯治理的技術(shù)

眾多工廠的設(shè)備管理工作都很完善，但是對(duì)基于設(shè)備產(chǎn)生的數(shù)據(jù)和生產(chǎn)的全量數(shù)據(jù)的管理則參差不齊。熱軋現(xiàn)場原有數(shù)據(jù)管理體系無法跟蹤數(shù)據(jù)血緣，數(shù)據(jù)存在缺失和丟失后無法準(zhǔn)確定位的問題；同時(shí)無法清晰明了地對(duì)數(shù)據(jù)進(jìn)行年度盤點(diǎn)工作，不能有效分析數(shù)據(jù)使用率，判斷或利用數(shù)據(jù)價(jià)值；更嚴(yán)重的情況是故障發(fā)生時(shí)，故障分析中經(jīng)常需要調(diào)用大量人力、物力來協(xié)調(diào)溝通查看數(shù)據(jù)，故障恢復(fù)時(shí)間長，進(jìn)而影響生產(chǎn)。

項(xiàng)目團(tuán)隊(duì)研發(fā)了數(shù)據(jù)資產(chǎn)可視、可溯源及可操作三位一體的完整管控體系，通過“大數(shù)據(jù)資產(chǎn)大盤”收集、匯聚、整理和展示平臺(tái)的計(jì)算資源、存儲(chǔ)資源和一鍵溯源數(shù)據(jù)血緣。數(shù)據(jù)資產(chǎn)大盤可視化如圖3所示。

圖3數(shù)據(jù)資產(chǎn)大盤可視化

項(xiàng)目團(tuán)隊(duì)圍繞數(shù)據(jù)狀況、數(shù)據(jù)使用邏輯、數(shù)據(jù)來源判定與梳理等多個(gè)維度，設(shè)計(jì)血緣網(wǎng)絡(luò)拓?fù)洹?shù)據(jù)治理邏輯與規(guī)則、數(shù)據(jù)統(tǒng)一管控邏輯以及數(shù)據(jù)生命周期監(jiān)控邏輯等，通過對(duì)數(shù)據(jù)血緣的細(xì)粒度劃分達(dá)到對(duì)數(shù)據(jù)管控的統(tǒng)一設(shè)計(jì)、分步實(shí)施、邏輯合并和對(duì)數(shù)據(jù)高效應(yīng)用的深度與廣度。

項(xiàng)目團(tuán)隊(duì)借助數(shù)據(jù)中臺(tái)核心數(shù)倉實(shí)現(xiàn)了對(duì)數(shù)據(jù)的全生命周期管控、多維數(shù)據(jù)關(guān)聯(lián)分析、不同數(shù)據(jù)間血緣網(wǎng)絡(luò)體系建設(shè)和“同軸”數(shù)據(jù)的上下游解析判定等多層次功能。通過處理、設(shè)計(jì)和組合設(shè)備類、控制類和管理類等不同維度數(shù)據(jù)，開展檢索數(shù)據(jù)、查驗(yàn)數(shù)據(jù)、抽取關(guān)鍵數(shù)據(jù)等多維度聚合的數(shù)據(jù)應(yīng)用。   

3.4 時(shí)空轉(zhuǎn)換與全息化“數(shù)字鋼卷”開發(fā)技術(shù)

原有業(yè)務(wù)的高頻曲線、人工數(shù)據(jù)、海量非結(jié)構(gòu)化數(shù)據(jù)融合與統(tǒng)一難度大，異常軋制下的帶鋼數(shù)據(jù)時(shí)空轉(zhuǎn)換難度大，業(yè)務(wù)響應(yīng)要求時(shí)效高，缺少數(shù)據(jù)全鏈條關(guān)聯(lián)關(guān)系。

項(xiàng)目團(tuán)隊(duì)研發(fā)了時(shí)空轉(zhuǎn)換技術(shù)體系，建設(shè)以“數(shù)字鋼卷”為核心的機(jī)理模型和數(shù)據(jù)模型來解決上述問題，實(shí)現(xiàn)了“數(shù)字鋼卷”的時(shí)空變換、數(shù)據(jù)判異、物料匹配、分類歸檔、優(yōu)化跟蹤。該功能上線后，現(xiàn)場一、二級(jí)數(shù)據(jù)追溯分析準(zhǔn)備從2小時(shí)縮短到5分鐘以內(nèi)，用戶可清晰獲取物料從第一道工序到最后工序的物料變化歷程，實(shí)現(xiàn)多維度數(shù)據(jù)追溯，進(jìn)而發(fā)現(xiàn)異常。

項(xiàng)目團(tuán)隊(duì)研發(fā)了數(shù)據(jù)倉庫體系，基于大數(shù)據(jù)技術(shù)統(tǒng)一標(biāo)準(zhǔn)化數(shù)據(jù)中心的數(shù)據(jù)，解決了熱軋業(yè)務(wù)需要數(shù)據(jù)融合和維度聚合的痛點(diǎn)問題，最終將數(shù)據(jù)歸集到“卷”維度，形成“數(shù)字鋼卷”。項(xiàng)目團(tuán)隊(duì)所建數(shù)據(jù)倉庫中的主題模型層對(duì)下連接所有數(shù)據(jù)，對(duì)上承接所有業(yè)務(wù)，承載了數(shù)據(jù)融合與維度融合的關(guān)鍵內(nèi)容。

項(xiàng)目團(tuán)隊(duì)構(gòu)建了基于人工智能技術(shù)的基礎(chǔ)理論載體，運(yùn)用自主研發(fā)的深度學(xué)習(xí)框架豐富填補(bǔ)工業(yè)互聯(lián)網(wǎng)平臺(tái)技術(shù)能力和實(shí)現(xiàn)多維度模型，自研深度學(xué)習(xí)框架兼容多個(gè)外部公用框架，具備良好的通用性和適配性，算法服務(wù)平臺(tái)總體架構(gòu)如圖4所示。

圖4 算法服務(wù)平臺(tái)總體架構(gòu)

項(xiàng)目團(tuán)隊(duì)引入了以深度學(xué)習(xí)技術(shù)為基礎(chǔ)的模型體系來構(gòu)建數(shù)值數(shù)據(jù)分析和工業(yè)視覺分析兩個(gè)功能模塊。該技術(shù)體系除了具備圍繞生產(chǎn)工藝質(zhì)量、控制的模型自學(xué)習(xí)能力以外，還支持實(shí)現(xiàn)以強(qiáng)化學(xué)習(xí)為基礎(chǔ)的深度學(xué)習(xí)模型來實(shí)現(xiàn)工業(yè)視覺領(lǐng)域的應(yīng)用賦能。

項(xiàng)目團(tuán)隊(duì)建設(shè)的算法平臺(tái)和模型體系用來支撐已匯聚數(shù)據(jù)的數(shù)值分析的需求。如圖5所示，圍繞敏捷業(yè)務(wù)構(gòu)建基于業(yè)務(wù)閉環(huán)的多維開發(fā)智能引擎，方便數(shù)據(jù)分析人員進(jìn)行數(shù)據(jù)開發(fā)工作。項(xiàng)目團(tuán)隊(duì)為算法服務(wù)平臺(tái)引入核心算法庫，實(shí)現(xiàn)與數(shù)據(jù)倉庫的數(shù)據(jù)主題庫之間的無縫連接，為敏捷業(yè)務(wù)的迭代與優(yōu)化提供強(qiáng)有力的支撐；同時(shí)引入微服務(wù)框架體系，解耦不同業(yè)務(wù)單元，實(shí)現(xiàn)業(yè)務(wù)單元的敏捷上下線與合并重組，極大提升平臺(tái)橫向擴(kuò)展與業(yè)務(wù)迭代能力。

圖5 模型體系與智能應(yīng)用

實(shí)現(xiàn)完整的“數(shù)字鋼卷”，實(shí)現(xiàn)按需分級(jí)，成本到卷。在大數(shù)據(jù)數(shù)據(jù)倉庫體系的基礎(chǔ)上，通過多維數(shù)據(jù)協(xié)同、時(shí)空轉(zhuǎn)換等技術(shù)手段，項(xiàng)目達(dá)成了“數(shù)字鋼卷”的多維建設(shè)。為提升精益制造管控粒度，項(xiàng)目團(tuán)隊(duì)基于多維技術(shù)協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺(tái)技術(shù)，抽象歸納貼源層、明細(xì)層、主題模型層和業(yè)務(wù)層主數(shù)據(jù)，低成本、高頻數(shù)據(jù)適配度高，界面友好。在人工智能技術(shù)的加持下，賦能數(shù)字鋼卷精細(xì)化落地，提升了整體的可用度及應(yīng)用范圍，成果如圖6所示。

圖6 “數(shù)字鋼卷”可視化展示

通過該4項(xiàng)技術(shù)的研究與應(yīng)用，研究并建立了基于工業(yè)互聯(lián)網(wǎng)的開源重構(gòu)數(shù)據(jù)扁平壓縮體系，首創(chuàng)數(shù)據(jù)下沉的邊緣側(cè)大數(shù)據(jù)協(xié)同管控平臺(tái)，攻克了熱軋實(shí)時(shí)、海量、高頻、異構(gòu)數(shù)據(jù)和多接口協(xié)議復(fù)雜的難點(diǎn)，首次提出面向數(shù)據(jù)血緣關(guān)系可溯源治理的資產(chǎn)大盤可視化技術(shù)，解決了L0-L4海量數(shù)據(jù)的多層次、多維度、多模態(tài)等難以融合的問題，實(shí)現(xiàn)了多協(xié)議適配、邊緣側(cè)數(shù)據(jù)處理以及全流程生產(chǎn)運(yùn)行數(shù)據(jù)采集，采集分辨率達(dá)50ms-1s，長度方向分辨率20mm-1m，滿足了熱軋生產(chǎn)過程的質(zhì)量診斷、設(shè)備預(yù)警、生產(chǎn)過程協(xié)同控制的需求。

4 效益分析

4.1 直接經(jīng)濟(jì)效益

（1） 納入本項(xiàng)目范圍的設(shè)備故障實(shí)績下降

按照（實(shí)施前3年平均-實(shí)施后）/（實(shí)施前3年平均）的設(shè)備故障時(shí)間*100%≥30%，實(shí)施前按每月平均25小時(shí)故停計(jì)算，實(shí)施后每月可降低7.5小時(shí)事故時(shí)間，按照小時(shí)產(chǎn)量600噸，噸鋼效益650元，每小時(shí)風(fēng)水電氣消耗10萬元，年增加效益600噸*7.5小時(shí)*12個(gè)月*650元+100000*7.5小時(shí)*12個(gè)月=4410萬元。

（2） 納入本項(xiàng)目范圍的設(shè)備維護(hù)費(fèi)用下降

按照（實(shí)施前3年平均-實(shí)施后）/（實(shí)施前3年平均）的設(shè)備維護(hù)費(fèi)用*100%≥15%，實(shí)施前按平均每年維護(hù)費(fèi)11000萬元，實(shí)施后每年減少維護(hù)費(fèi)11000*15%=1650萬元。

（3） 納入本項(xiàng)目的產(chǎn)品質(zhì)量指標(biāo)提高

本項(xiàng)目實(shí)施后，產(chǎn)品質(zhì)量指標(biāo)得到提高，熱軋質(zhì)量損失（包括廢次降、返修損失、切損及質(zhì)量異議）有效降低，按照每年減少噸鋼損失1.2元，熱軋年產(chǎn)1030萬噸計(jì)算，年增加效益1.2*1030=1236萬元。

（4） 納入本項(xiàng)目的能源成本降低

按照（實(shí)施前3年平均-實(shí)施后）/（實(shí)施前3年平均）的能源成本費(fèi)用*100%≥2%，按照噸鋼能源成本90元計(jì)算，京唐熱軋年產(chǎn)1030萬噸計(jì)算，年增加效益90*2%*1030=1854萬元。

（5） 本項(xiàng)目實(shí)施后，軋制節(jié)奏得到優(yōu)化，軋制間隙降低2秒，按每小時(shí)平均30卷（每卷軋制120秒），每卷平均單重25噸，噸鋼效益650元，年增加效益為10秒*30卷*24小時(shí)*25天*12個(gè)月/120秒*25噸*650元=1170萬元。

（6） 本項(xiàng)目實(shí)施后，可對(duì)水處理和兩軋線操作工進(jìn)行核減，按水處理操作核減16人，兩軋線操作核減60人，每人20萬每年，經(jīng)濟(jì)效益76*20=1520萬元

綜上，項(xiàng)目實(shí)施后，年增加效益為4410+1650+1236 +1854+1170+1520=11840萬元。

4.2 間接經(jīng)濟(jì)效益

（1） 通過搭建的首鋼工業(yè)互聯(lián)管控平臺(tái)，使產(chǎn)品質(zhì)量穩(wěn)定性得到大幅提升，提升了企業(yè)市場競爭力。在此過程中，形成了具有首鋼特色的工業(yè)互聯(lián)網(wǎng)平臺(tái)，提高了企業(yè)的技術(shù)創(chuàng)新能力；

（2） 項(xiàng)目能夠加強(qiáng)首鋼智能制造人才培養(yǎng)，助力首鋼智能化建設(shè)進(jìn)程，促使首鋼在鋼鐵行業(yè)智能制造領(lǐng)域占據(jù)有利地位；

（3） 平臺(tái)具有很好的可移植性，本項(xiàng)目成果可在其他產(chǎn)線推廣和應(yīng)用。

（4） 通過該平臺(tái)，可以通過對(duì)全流程產(chǎn)線的分析提升資源使用率，提升產(chǎn)品輸出質(zhì)量，提升上下游產(chǎn)業(yè)的經(jīng)濟(jì)效益