一、研究的背景与问题
我国正处于从制造大国向制造强国迈进的关键时期，制造业的数字化、网络化、智能化以及绿色制造体系（双碳为代表）的打造事关制造业全局，是制造业高质量、可持续发展的关键与重要着力点，而设备智能运维是钢铁工业智能制造的短板，存在下列问题：
1、设备运维数智化基础薄弱，设备状态相关的数据没有得到全面有效的采集、存储、管理，全口径设备数据在线率不足1%。无法通过基于数字化、更加精准的维护，设备过维修和欠维修长期共存，设备运维费用高，设备故障多的现象难以克服，综合维护成本居高不下；
2、以人为主的设备管理导致过度依赖人的行为、经验，设备风险难以控制，设备维护经验、知识碎片化，缺少系统化的积累、提炼、优化、传播。以某钢厂为例，90%的设备故障是因为点检不到位，30%的重复性故障是点检不周导致。
3、设备维护相关数据没有得到有效开发、应用，基于数据的决策偏少，智能化应用不成体系，运维全流程协同优化乃至支撑产供销全局优化没有依托和抓手。不能通过设备状态与功能精度的保障，为运维全流程协同优化与产供销全局优化创造有利条件，提高设备综合作业率（OEE），减少设备问题导致的质量事故、残次品增加，降低单位能耗；
4、未能实现对环保设备设施运行状态的精准把握，保证其持续可靠运行，减少和降低污染排放，支撑环保达标和超低排放的实现。高能耗设备的运行缺乏数据支撑，降低能耗的目标难以达成。
5、设备维护功能分割过细，点检、运行、日修、抢修等多种角色并存，设备点检不到位、设备维修质量无数据支撑，设备日常运行过程中的“跑冒滴漏”问题严重，不仅增加消耗，也间接增加环境压力，效率提升遇到瓶颈。
针对这些问题，宝武装备智能科技有限公司研发成功一套钢铁全工序、全流程设备智能运维系统（技术、产品、标准与体系），攻克了面向钢铁全工序的设备智能运维平台、面向状态变化趋势决策的设备智能运维智能专家系统、面向服务一致性的设备智能运维标准、面向运维全流程的智能运维体系等四个方面十二项核心技术，实现了面向钢铁行业的全工序全流程的智能运维系统和超大规模化工程应用。
二、解决问题的思路与技术方案
1、总体思路：
以“三需要”（数字化转型、绿色可持续发展、设备管理变革）为初心，研究形成面向设备智能运维的系统解决方案；以“三个一”（一个平台、一个专家系统、一套标准化体系）为核心，打造“远程、智能、共享”的设备智能运维管理新模式；以“三提升”（人事效率、资产效率、管理效率）为目标，重塑设备运维价值链，实现设备管理价值最大化。
2、主要技术原理和技术路线
2.1主要技术原理：设备智能运维的本质是基于设备状态变化趋势的智能决策。通过构建面向钢铁全工序的设备智能运维平台、打造面向状态变化趋势决策的智能专家系统、建立面向服务一致性的设备智能运维标准并配套面向钢铁全流程的智能运维体系等系统创新，实现由“感官判断、经验决策”到“数据判断、知识决策”的演变，支持设备健康状态的精准把握、运维过程的高效运营和知识传承。
2.2技术路线：充分运用“云大物智移”等新一代ICT技术，形成了以“三个一”（一个平台、一个专家系统、一套标准化体系）为核心技术基础、以设备智能运维体系为载体的设备智能运维新模式。整体技术路线图如下：
图1：整体技术路线图
3、技术方案和技术路线
3.1面向钢铁全工序的设备智能运维平台：按照模块化、产品化设计理念，基于工业互联网“云、边、端”技术架构，建设面向钢铁全工序的设备智能运维平台。涉及3项关键技术：
3.1.1多场景智维物联采集技术：主要解决“能从工业现场采到多维度、多类型数据，也能让数据回馈到现场”的问题。主要包括涵盖信号采集、信号调理、通讯协议/接口、抗干扰等一系列硬件和软件技术的传感器技术、采集器技术和通信技术等。
3.1.2海量高频数据边缘处理技术：主要解决边缘侧海量高频数据的传输、清洗、处理问题，帮助实现数据到知识转化。同时提供边缘规则编辑器功能，以无代码或低代码、搭积木方式支持专家经验的简洁实现，使专家知识与数据双轮快速驱动，专家经验与大数据快速融合迭代。
3.1.3多源、多维、异构数据融合应用技术：主要解决来自传感器、自动化、信息化系统的设备数据多源、异构、复杂；缺少必要的语义标签，标准化质量不高；数据的时空融合难度大等问题。解决了数据“一致性”问题，实现数据跨系统、跨设备、跨产线应用。
3.2面向状态变化趋势决策的智能专家系统：以系列算法、模型、规则为核心构建智能专家系统，实现基于设备状态变化趋势智能决策、人机结合的全流程智能运维，主要涉及以下三个层面：
3.2.1统计与先验知识协同的多变量设备状态预警技术：主要解决钢铁生产场景复杂、涉及多变量耦合、非线性等导致的设备状态预警难题，解决了规则难以表述、缺乏足够案例等的数据分析问题，通过统计与先验知识协同应用，实现设备状态的准确预警。
3.2.2机理与数据驱动相结合的设备故障诊断技术：解决了钢铁生产设备工况复杂，设备变速、变载，耦合因素多，设备状态表征非线性，机理极难完整表述的难题，采用机理与数据驱动相结合的方法，极大的提高了设备诊断准确率。
3.2.3多维度数据协同的设备综合决策技术：通过多维度数据协同，结合设备状态数据、生产数据、检维修数据等多维度数据，实现设备运维的综合决策和跨地域、跨企业的设备运维优化。
3.3设备智能运维标准体系研究
为了摆脱“地域、时间、经验”因素限制，达到“同样的事，要求都一样 ”、“任何人做，结果都一样 ”、“任何时间做，结果都一样”“任何地方做，结果都一样”的效果，以实现规模化快速复制和高效运维为目标，构建面向服务一致性的设备智能运维标准体系。分别涉及3项关键内容：
3.3.1设备族谱多粒度统一数据标准：设备族谱多粒度统一数据标准，主要解决智能运维术语、语义、设备分类标准、设备异常描述规范等问题，对现场运维作业的内容进行规范并代码化，使计算机能够识别并进行知识化处理。
3.3.2基于钢铁工序特点的设备数据采集与存储标准：针对各类钢铁产线设备的数据采集问题，形成通用、经济、适用的采集策略、采集标准、实施标准、存储标准。
3.3.3设备状态管控方法库：通过对成熟、可复用、可迭代运维管控方法库，实现对多地域同类产线、同类设备的标准化、一致性的智能高效运维。
3.4构建面向钢铁全流程的智能运维体系
面向钢铁全流程的智能运维体系，包含以下三个关键技术。
3.4.1面向钢铁全流程的智能运维系统解决方案产品群：研发覆盖钢铁生产全工序的设备智能运维系统解决方案（如图2），集成容纳钢铁行业丰富的智维工业知识，具备标准化、可复用、可交付、高度智能化的特征。通过智维数据基础的规范构建，关键技术的研究，持续提取、优化工业知识，不断提升智维系统的成熟度，实现感知、认知、分析、决策、执行全流程运维的功能升级。
图2：系统解决方案
设备智能运维解决方案的指导原则，是从以人为核心、以技能经验判断为决策方式、基于固化标准的传统运维模式向以数据为核心、以算法、规则模型计算为决策方式、基于决策结果的智能运维模式转变，加快提升设备运维决策能力及智能化管理水平。
3.4.2基于平台的近地与远程运维相结合的智能运维运行体系：在不断实践的基础上，以平台为核心构建了面向多生产基地的智能运维模式，探索形成了基于智维平台、近地运维与远程运维相结合的设备智能运维体系——以智能运维平台为基础、以智维工程师为主体的近地运维（前台）和以智维分析师为代表的设备专家团队为主体的远程运维（后台）相互协同、模型判断与人脑决策人机结合的智能运维运行体系（如图3），持续闭环迭代，打破地域/产线/部门壁垒，实现预防维修向预知维修转变。
图3：设备智能运维体系示意图
以平台为核心，基于数据驱动、知识赋能的理念对传统设备运维流程进行全方位的优化设计与再造（如图4），通过设备状态趋势的判断和预测，实现“修不修（决策）”、“何时修（计划）”、“修什么（项目）”、“怎么修（方案）”、“谁来修（资源）”的核心流程自动化、智能化与闭环管控，提升运维体系人员效率、资产效率、管理效率。
图4：以平台为核心的设备运维流程再造示意
3.4.3以智维工程师与智维分析师为核心的智能运维人才培养体系：根据数字化、网络化、智能化设备运维需求，搭建了以智维工程师与智维分析师为核心的智能运维人才体系，创新了智维工程师、智维分析师等智能制造新职业岗位，形成了配套的人才素质模型、培训体系并建立了可持续的培养机制。
智能运维的实施是以智维工程师团队为现场设备状态管控核心，以智维分析师为代表的专家团队为远程支持核心，基于智能运维平台所提供数据采集、智能决策和智能管理等功能应用，遵循智能运维标准化体系，实现数据、信息、知识和技术资源的共享，快速掌握设备状态变化，快速作出运维决策、提供解决方案并精准执行，提高维检作业的标准化水平、工作效率和响应速度。
三、主要创新性成果
1、基于云计算、大数据、人工智能与物联网技术和智能设备运维的需求，开发了设备智能运维系统；攻克了多场景的智能传感技术、海量高频数据边缘处理技术、多源多维异构数据融合应用技术等关键技术，形成了钢铁行业首个面向钢铁全工序、全流程设备智能运维平台，具有百万级设备接入能力。
2、研发形成的人-机协同的智能运维“专家系统”，创新性应用统计与先验知识协同的多变量设备状态预警技术、机理与数据驱动相结合的设备故障诊断技术、多维度数据融合的设备综合决策技术等，使设备智能运维系统具有基于设备状态变化趋势决策能力。
3、为了多个钢铁企业设备运维具有一致性、可对比性和可寻优性，研发了设备族谱多粒度统一数据标准、基于钢铁工序特点的设备数据采集与存储标准及面向钢铁产线设备状态管控方法库和图谱库，建立了一套面向运维一致性与可寻优的设备智能运维标准体系，使智能运维的全流程规范有序。
4、构建了面向钢铁全流程的设备智能运维体系。形成了面向钢铁产线全工序的智能运维系统解决方案群，具备了智能运维体系化推广的能力，并通过设备远程运维中心（第三方运维平台）对所有在线产线和设备实时集中监控和管理，为设备管理体系智能运维变革奠定了基础。
四、应用情况与效果
依托宝武智维平台，智维解决方案已部署宝武集团宝山、武钢、韶钢、马钢等十五大基地，并覆盖宝武多元产业（宝武碳业、宝武环科、宝武清能）、扩展至钢铁生态圈（涟钢、宁钢、鞍钢鲅鱼圈），平台累计接入设备超30万台，数据项超120万，覆盖700多条产线（机组）（如图5），已积累有效数据数百TB，覆盖钢铁行业全工序，并持续扩大设备接入与创新应用。
图5：宝武智维云整体界面
