一、研究的背景与问题
随着新一代信息技术的不断突破和智能化向制造业的加速渗透，我国冶金企业已全面进入绿色与智能制造的新阶段。2021年，国家“十四五”发展规划明确提出了产业数字化发展要求，同年4月，中国钢铁工业协会组织成立了钢铁智能制造联盟，引领和规范钢铁企业数字化转型发展。钢铁企业的数字化转型已不是选修课，而是助推企业高质量发展的必由之路。
热轧生产过程是钢铁全流程承前启后的重要工序，也是企业建设“云-边-端”高效协同管控体系的关键，热轧数字化智能制造系统对推进“铁钢轧”全流程高质量智能工厂建设具有重要意义。针对当前普遍存在多源异构数据融合与追溯难闭环、生产过程控制与质量溯源非协同、面向多目标决策的精益化管控不精细等痛点问题，具体体现在：
1、现场数据体量庞大、数据残缺和无效项过多，缺乏相应的大数据平台对数据进行统一且有效的采集、清洗、归集和存储。传统的离线存储方式需要大量物理硬盘，残缺数据无法实时还原及重现，并且数据安全性无法得到保证；
2、现场数据归集多采用时间维度，相应的数据时空转换技术不成熟，难以满足实物质量分析和溯源过程中使用空间维度数据的需求；
3、产品质量异常，无法实现精准定位溯源，控制系统L1/L2大多由第三方承建，底层模型黑箱瓶颈难以突破；监控预警场景定制化差异需求大，关键参数零散分布于不同系统导致现有技术无法统计全流程工艺设备状态；
4、设备运维停留在传统的人工点检+周期更换模式，重点设备监控停留在耳听眼看的阶段，一些先进的设备测振、测温、图像识别技术未能得到应用；复杂设备系统依靠单一的仪表阈值进行报警，缺乏劣化趋势和状态的模型判断；
5、轧线、磨辊间、钢卷库、质检等生产单元自动化程度低，存在着大量可用智能装备代替的人工操作，如加热炉板坯核对、钢卷质量判定等，工作效率低、操作失误多；
6、安全、环保、消防各模块分散管理，设备系统多，系统集控技术落后，后台监控人员多，紧急状态下人员协同慢；
7、能源和成本统计方法简单、粗放，部分能源点统计未能实现自动采集，能源消耗靠简单的系数来进行标准成本的分摊，成本统计无法精确到卷、班组、区域；
8、钢卷入库、下线、装车、作业无自动计划，物流无自动优化，作业流程无信息化跟踪，操作人员多、效率低下；
9、生产管理、质量管理、设备管理、成本管理、KPI指标管理和安全管理等各个维度的数据不同域，无法跨域联合分析，需人工拷贝、合并、分析。
因此，亟需汇聚车间级全流程数据，涵盖轧辊间、设备运维、能源环保、消防安全、运营管理及智慧决策开发需求，支撑主轧线及公辅等生产作业单元智能协同管控，建立基于精益化管理的热轧数字化智能制造系统。
二、解决问题的思路与技术方案
基于上述背景，本成果依托首钢京唐1580mm和2250mm两条热轧产线，以“数据敏捷共享、应用高效协同、可移植推广”为指引，以“数据下沉、分层设计、标准化”为导向，覆盖热轧全流程、全量数据与全专业应用，建设涵盖数据数据平台和业务应用的热轧智能车间，整体功能架构如图1所示。
图1热轧智能车间整体功能架构
车间级工业互联网平台向下联动各工序、多物理空间的设备及系统，整合全量数据采集、压扁、处理、存储等关键技术，数据涵盖主轧线、钢卷库、磨辊间、供水、供电、介质泵站；向上为质量智能管控、设备智能运维、机器人/智能视觉装备应用、环保/安全/消防智能监控、能源成本智能管控、无人库区/智能物流等业务提供数据共享服务，实现监控、诊断、分析、溯源、优化等全生命周期智能化建设，提升生产制造效率、设备运行效率和质量经济效益，降低产品能耗和劳动强度。
本成果热轧智能车间整体技术架构具有如下特点：①边缘侧数据汇聚；②边缘侧数据应用具有成本低、效率高的优势；③边缘侧数据应用易与控制系统协同，质量管控利于落地；④在企业整体业务架构中，形成了“中台业务架构”，与跨工序工厂级的质量、设备、能源等一体化管控平台形成了高效的边-云协同模式，利于全局资源的优化配置；⑤边缘侧全量数据平台支撑了工艺、设备、生产、质量、能源等更多维度的数据挖掘和系统优化。
热轧智能车间整体架构主要包含基于工业互联网的大数据平台架构设计、数据的采集与大数据平台接入、数仓建设与数据治理、应用场景开发四个核心部分。
1、基于工业互联网的大数据平台架构设计
基于项目现场实际情况和自有技术群，深度构建基于多维技术协同的工业互联网体系，整合多协议转换、设备协议统一接入以及大数据统一存储等复杂关键技术，纵向联动L0-L4级数据，横向联动各工序、多物理空间的设备及系统，实现全面细粒度管控要求。
通过研发多协议转换技术体系，集成常用协议诸如TCP/IP、OPC、MQTT和多种JDBC到一个功能模块中；研发设备协议统一管理体系，兼并融合了现场设备和机组所用软件常用SDK和接口，为软件与多协议转换模块中的协议建立映射关系；研发数据通信统一设计体系，为现场设备和机组所用软件、设备协议统一管理功能模块、多协议转换功能模块构建统一的数据通信结构和网络拓扑。
2、数据的采集与大数据平台接入
基于开源消息中间件Kafka进行重构开发，优化了原有Kafka能力，与此同时引入流计算、分布式计算及批处理等多框架，实现对数据的高效接入、清洗、存储与应用等功能；使用自研优化的Kafka集群接入高频高吞吐量数据，经过几轮迭代和优化，达到以10ms频率接入“10万+”一级点位数据。而对于低频的关系型数据，根据数据适配的数据结构，通过协议转换模块抽取到数据后，写入到集群对应的Mysql、Postgres等数据库中。
3、数仓建设与数据治理
在数仓建设方面，引入差值存储、异构存储和比对存储的不同存储方式来进行优化存储体量和逻辑，在保证可以快速检索数据的前提下，实现最小体量的存储，做到绝不浪费“1KB”资源。围绕数据状况、数据使用逻辑、数据来源判定与梳理等多个维度，设计血缘网络拓扑、数据治理逻辑与规则等，通过对数据血缘的细粒度划分建设数仓。
在数据治理层面，结合大数据Lambda和Kappa数据处理架构，基于热轧数据和业务特性，构建针对不同维度数据进行快速处理和出入库处理操作的处理流程。
4、应用场景开发
（1）质量智能管控。通过深度解析过程控制底层机理模型，形成执行层闭环管控，实现工序内部窗口或工序间的定制化智能辅助决策；通过基于规则引擎的制造过程工艺质量多变量在线监控与预警，实现全工序生产关键参数的异常监控与实时报警；建立面向生产稳定性和质量高精度提升的优化集群工具和一键式解决方案，实现多工序耦合质量综合评价。
（2）设备智能运维。关键设备在线状态监测与预警技术：包含主电机多维监测预警技术、关键设备在线振动监测预警技术等。通过异常状态的实时智能报警技术，提高设备运维人员对设备状态的感知能力，实现在线监测、工况评估、数字评价和故障诊断。
传感器故障智能诊断技术：包含关键传感器校验技术、伺服阀故障预判技术等。围绕现场传感器、执行元件开展数字化赋能研发，深究设备动作原理，分类制定故障预判规则，逐步形成设备故障智能诊断技术。
（3）机器人、智能视觉装备应用。面向场景的深度学习和机器视觉算法模型技术：通过不断训练迭代模型，最终形成工业场景下高识别率、可用的算法模型。
各类智能装备检测技术：如板坯号自动识别技术，板坯尺寸、中间坯扣翘头、钢卷边部缺陷等智能检测技术、曲线和视频同步回放技术等。
（4）能源和成本智能管控。能耗辊耗监控与自动评价技术：包括精细化能源管理、分区域管控、工艺和控制节能系统，实现单板坯能耗归集量化，能源管理细化到每一卷带钢、每一个设备、每一个区域和子系统。
基于低辊耗的磨辊间作业模式：实现智能供辊、配辊、排产、探伤跟踪、轴承座维护，打破了传统的人工计时跟踪的控制模式；实现磨辊车间的全流程数据可视化、跟踪、分析、预测功能，覆盖车间轧辊、轴承座组件、砂轮及工艺技术规则。
（5）环保/安全/消防智能监控。环保/安全/消防设备集控技术：加热炉烟气检测系统、厂区煤气监测系统、电气室和电缆隧道监控系统统一集控，监控人员得到优化。
重点场所无人化点巡检技术：通过无线网络将各主电室电气设备运行温湿度进行远程监控，实现厂区基于环境、整体洞悉安全风险的敏捷态势感知。
电缆头温度感知监测预警技术：通过电缆头工作温度的升降变化反映电力设施的运行状态和物理特征的变化，及时发现电缆头处温度变化状态。
（6）数据报表智能分析。生产综合报表一键式分析技术：实现囊括生产、质量、设备、成本、指标和安全管理等各个维度的报表一键分析。
（7）无人库区和智能物流。智能入库系统：根据产出钢卷流向、质量判定情况、库内各跨区功能以及库区空跺位数量，实现产出钢卷自动分配库区、自动分配垛位，以满足后续钢卷处置要求，减少了无效倒运、高效周转的要求。
智能发运系统：根据库内待转库计划和交货期先后顺序，开发钢卷智能发运系统，实现发货计划单系统自动生成，物流系统根据计划单派车，做到运力与计划的动态匹配。
车辆动态管控系统：针对装车发运自动化程度低、等待浪费的情况，实现系统自动分配库区和运输车辆的实时管控，形成运输计划和实绩的闭环管理，支撑了运输车辆的全流程数据分析。
三、主要创新性成果
该项目经过3年多的技术攻关，取得重要科技创新如下：
1、研究并建立了基于工业互联网的开源重构数据压扁体系，首创数据下沉的边缘侧大数据协同管控平台，攻克了热轧实时、海量、高频、异构数据和多接口协议复杂的难点，首次提出面向数据血缘关系可溯源治理的资产大盘可视化技术，解决了L0-L4海量数据多层次、多维度、多模态等难以融合的问题，实现了热轧生产过程质量诊断、设备预警、生产过程的协同控制。
2、研发了热轧板形、温度、几何尺寸、表面质量等过程诊断的机理模型集群，通过数据平台形成在线闭环自适应，拓宽拓深了当前质量管控的维度与深度，实现了面向生产过程智能化的闭环控制，建立了在线监控、预警、评级、诊断与优化的质量闭环管控系统。
3、研究并建立了基于全量数据下沉的多业务协同创新高效管控体系，实现了生产、设备、能源、安全、环保、成本等多目标近端侧的协同优化，有力支撑“云-边-端”一体化协同管控。
四、应用情况与效果
首钢京唐热轧数字化智能制造系统由首钢集团有限公司、北京首钢自动化信息技术有限公司和首钢京唐钢铁联合有限责任公司提出，并于2020年7月在京唐热轧1580mm和2250mm两条产线上线，现场应用如图2所示。基于业务主体、技术中台架构以及多源异构数采方案的“首钢京唐热轧数字化智能制造”项目经历了需求调研、蓝图设计、平台设计、开发测试、数据收集、用户测试、人员培训、上线准备等阶段，已经成为京唐热轧智慧管控和技术人员产品开发、工艺研究必不可少的重要工具。中国钢铁工业协会组织科技成果鉴定，专家组一致认为“该项成果总体技术达到国际先进水平”。
图2 热轧数字化智能制造系统应用
热轧数字化智能制造系统大幅提升了产品质量稳定性，提高了企业的技术创新能力，形成了标准化、模块化、可移植的数字化工厂构架，可以通过对生产全流程的分析提升资源使用率，并在其它产线推广和应用，提升上下游产业的经济效益。项目的成功落地，带动京唐热轧车间节约人力成本20%，设备故停时间下降3%，生产效率提升10%以上，整体运营成本下降5%-10%。
该项目成果支撑了工信部“建设围绕钢铁行业的智能制造标准试验验证公共服务平台”建设任务，负责智能工厂平台落地和验证；入选工信部工业互联网领航应用案例；同时被中国计算机学会评为优秀解决方案。项目主持制定行标3项和团标2项，获得授权发明专利6项、实用新型专利2项，软件著作权24项，发表论文8篇。通过自主研发标准化、模块化、可移植的车间级智能制造系统，支撑跨车间工序的持续集成，促进冶金和其它流程制造企业的智能化建设，推广应用前景广阔。
