鞍鋼智能制造及數字化轉型升級與實踐

趙 偉 趙慶濤

1 .引言

近年來，隨著以互聯網、物聯網、云計算、大數據、人工智能為代表的新一代信息技術與傳統行業的加速融合，全球新一輪科技革命和產業變革正蓬勃興起，一系列新的生產方式、組織方式和商業模式不斷涌現，工業互聯網、大數據及人工智能技術在鞍山鋼鐵集團有限公司推廣應用，推動著公司的數字化轉型和智能化變革。

近3年來，鞍山鋼鐵加速推進智能制造的發展，對標行業內先進企業，在鞍鋼集團統一組織下，2017年制定了《信息化、智能化總體發展規劃》，2019年發布《鞍山鋼鐵智慧制造指導意見》。提出了“一個愿景、兩大方向、三個原則、四條路徑、五項提升能力”打造“智慧透明”工廠智能制造的“12345”實施框架布局。即：堅持以“集約、減量、智慧@客戶”的一個發展愿景，圍繞“智慧運營和智能工廠”兩個方向建設，按照強化指標引領、彰顯個性創造、剛性結果導向的三個基本原則，重點圍繞著力一個點、打通一條線、形成一個區、建立一個模式四條路徑組織實施，實現生產效率、運營成本、服務能力、技術質量、綠色發展五大方面的提升。

為推進制造業高質量發展，國家明確了9項戰略任務，其中之一就是積極發展服務型制造和生產型服務業。根據國家要求，鞍山鋼鐵于2018年提出建設全新冶金流程的智慧透明工廠，鞍山鋼鐵以提升用戶滿意度為中心，把用戶關注的質量、成本、效率和服務四個要素進行統一規劃，通過應用工業大數據分析、工業互聯網、全流程全壽命的產品質量管控、設備狀態檢測、智能裝備、人工智能等新一代信息技術，依托質量一體化、供應鏈一體化、調度一體化、柔性生產、能效管控和全流程工藝優化控制等6個功能模塊支撐，實現由產品制造向提供具有豐富服務內涵的產品和依托產品的服務轉變，為用戶提供整體解決方案。同時，強調主動服務，將用戶引進產品制造、應用、服務過程，主動為用戶提供服務性生產，實現協同增值。“智慧”主要體現在：一方面通過大數據、物聯網、人工智能、工業機器人集群應用等技術和智能裝備在冶金生產過程中的應用，實現冶金制造工藝的仿真優化、數字化控制和自適應、自決策控制；另一方面通過工業互聯網平臺建設，促進產品全生命周期、用戶服務、供應鏈一體化協同應用，實現智能決策、智能管控。“透明”主要體現在：一方面實現對用戶服務的透明化，實現從訂單到排產、工序流轉、過程管理、產品追溯、用戶服務等全過程的可視化和透明化，提升產品管控和用戶服務能力；另一方面實現全流程過程管控透明化，通過新一代信息技術及智能裝備的集成應用，實現生產進度可視、安全庫存預警、異常提醒、多維度報表、數據統計分析、質量追溯等，達到提質和降本增效的目的，全方位提升企業管理和服務能力。

2 .智能制造整體規劃

鞍山鋼鐵近3年重點圍繞鞍山本部和鲅魚圈沿海基地兩條主線建設智能工廠，覆蓋了原料場、鐵前、煉鋼、熱軋、冷軋、中厚板及能源管控中心等各生產單元。重點從基礎自動化升級、智能裝備改造、智能檢測設備、工業機器人、站所室集控、模型優化等六個方面布局，實施少人化、無人化、一鍵化項目。在智慧運營層面，以產銷ERP系統改造為基礎，利用大數據、人工智能等新一代信息技術，實現智慧生產、智慧采購、智慧銷售、智慧質量、智慧設備、智慧能環等運營決策分析。

3 .工業互聯網、大數據及人工智能應用實踐

鋼鐵制造業是我國國民經濟的主體，鋼鐵工業數據的深度開發和利用既是數字經濟實質發展的標志，也是鋼鐵產業數字化轉型的難點和關鍵。隨著新一代信息技術的不斷擴散和深度應用，工業互聯網平臺應運而生，鋼鐵企業生產經營活動的全過程數據采集、存儲、分析、共享、應用、服務增值等日新月異，催生了一系列新產品、新模式、新業態，推動制造業加速向數字化、網絡化、智能化變革。

運用機器學習的算法與建模技術，結合基于機理的數據模型，可以大幅度提升企業的效率。鞍山鋼鐵從鋼鐵全流程質量管控大數據分析、設備狀態監測、能源管控分析等方面開展智慧制造工作，構建了工業互聯網平臺，通過精準、實時、高效的數據采集互聯體系，建立面向工業大數據存儲、集成、訪問、分析、管理的開發環境，實現了工業技術經驗和知識模型化、標準化、軟件化、復用化，不斷優化研發設計、生產制造、運營管控等過程的資源配置，滿足工業時代迅猛發展對大數據分析的支撐能力，在公司內部不斷推廣應用。

工業互聯網平臺包含四大核心層級：邊緣層、IaaS層、工業PaaS層、工業SaaS層。在邊緣層通過大范圍、深層次的部署數據采集設備，實現高頻度工藝數據采集，以及構建數據語義定義、協議轉換與邊緣處理，構建整個平臺的基礎；在IaaS層集中部署通訊一體機、服務器及高性能存儲等設備；在工業PaaS層部署微服務組建庫、應用開發環境等，實現數據融合等工業軟件快速開發；在SaaS層，形成不同領域、專業場景的工業APP應用，以實現工業互聯網平臺最終的價值。基于工業互聯網架構體系，帶來了數據采集方式的根本改變，加速了工業數據分析方式的創新突破，成為數據價值創造的最佳載體。

鞍山鋼鐵著力推動工業與信息化融合發展，以信息流帶動技術流、資金流、物質流，促進企業內部資源配置優化，促進全流程、全要素效率提升。運用了以互聯網為代表的新一代信息通信技術融合創新推動實體經濟轉型升級，充分體現了工業大數據作為一種新的資產、資源和生產要素。鞍山鋼鐵在工業大數據應用方面，匯集了來自現場各業務系統的各種專業數據，打破數據壁壘，構建全要素、全鏈路的數據模型。重點圍繞智慧營銷、智慧采購、智慧物流、智慧質量、設備狀態監測、智慧能源等幾方面開展了工作。

3.1 鋼鐵全流程質量管控系統建設實踐

目前，鋼鐵企業在質量管控方面存在的問題主要是：產品質量穩定性差，批次內和批次間的差異較大；傳統的ERP、MES系統在質量控制方面不能構成PDCA循環，數據量不足以支撐數據建模的要求；質量及工藝數據的碎片化存儲，難以支撐智能制造及客戶大規模定制需求和產品持續改進的要求；大部分L2控制系統是單點控制，存在數據黑箱現象；上下工序之間存在糾紛，缺乏快速定位和分析的手段，管理成本高。利用工業互聯網、大數據、人工智能等新一代信息技術構建全流程質量管控平臺，可有效解決了目前存在的問題。

鞍山鋼鐵建設了以產品制造為主線的全流程質量大數據分析平臺，最終實現對各類業務進行前瞻性預測及分析，提供統一的決策、分析和業務支撐平臺。通過動態的數字孿生與物理實體深度融合，實時交互，可有效解決質量管控的難題，重點通過打破數據壁壘、數據融合、工藝數據實時監控、在線診斷與評級、全流程工序溯源分析幾個方面實現全流程的產品質量自感知、自學習、自決策與自執行。

（1）打破數據壁壘。利用數據采集、融合技術，一期工程實施了煉鋼、熱軋、冷軋、硅鋼9條產線采集基礎自動化數據的25399個數據點，主要采集了實時過程曲線、變量、參數、事件、狀態等各類自控系統數據；采集了工控系統模型的輸入、輸出、中間參數等；采集了30余套大型儀表檢測結果數據；收集了MES、ERP200余個數據表，主要包括生產實績、生產計劃、產品檢驗、判定、質量異議、客戶等29361個數據。

（2）數據融合至關重要。基于經驗的冶金過程工藝知識、網絡技術及數據采集、數據處理、數據語義定義、時空統一和轉換、匹配，對數據進行實時處理、融合，匹配后進行跨工序建模。根據物料、機組設備、工藝路線和時間關系，建立數據之間關聯關系，利用系統提供的內置的模型與算法，可以自動解決鋼鐵生產過程因產品不同工藝特點造成的數據掉頭、反面、左右側掉換等對分析造成的影響。

從數據處理機制可以映射出冷軋成品出現的質量缺陷點，可回溯到熱軋卷，及連鑄板坯位置和工作狀態，通過時空轉換和數據融合，所有加工過程參數即時可追溯。

（3）全流程同步化工藝過程監控。在監控畫面上重新定制了工藝人員關注的運行參數，系統展示與現場同步，工程師可在辦公室、家中隨時查看現場工作狀態，有效解決遠程監控、新品開發跟蹤困難等難題。這個功能的實現，為整個工藝過程的參數監控創造了條件，為運行預警平臺打好了基礎。

（4）預警監控。在產品制造全流程工藝質量數據全面采集基礎上，基于統計過程監控、經驗知識庫、模型預測等技術相結合構建了制造過程運行狀態、工藝異常、質量異常等全面監控與預警平臺，為產品質量保障提供了一個24小時不停歇工藝質量“預警眼”。平臺提供的過程監控與預警標準、規范可以根據企業內部標準、客戶需求等進行定制化配置，并且預警結果能夠可視化展示。

（5）多變量、多維度的在線分析與評級。針對鋼鐵工業質量管控的復雜性，系統也采用以多種智能算法為核心的多變量綜合監控技術對整個產品加工過程狀態、異常等進行綜合評判。利用機器學習算法，建立數字化評價方法的判定模型。并用進行一些影響機理復雜的、非可直接測量的指標，如機械性能指標，構建工藝參數與質量指標預測模型，通過多變量綜合預測結果進行預警。

在產品質量評價方面，構建了混合質量預測、可檢測的幾何形狀、表面質量、關鍵工藝參數等多維質量動態加權評分的在線評價與分級系統，綜合實現鋼鐵產品可檢測類指標精準評價，自動封鎖缺陷物料，并與制造執行系統MES實現聯動處理。

產品質量評級可以根據企業內部標準、用戶定制化需求進行規則的定制化配置，并且已構建面向常見產品硅鋼、汽車板、家電板、管線鋼等及通用產品的全套評價規則庫。過程質量多維評價不僅評價該產品的質量加工結果，也與客戶反饋的最優產品樣本進行比對，形成相應評分，解決事后質量精確識別。利用在線評級功能，可實現每條產線每班質檢人員優化1-2人，判定準確率接近100%，模糊缺陷多封鎖5%左右，質量缺陷外放風險下降60%，提高缺陷判定準確率和作業效率。

（6）全流程在線溯源分析。通過整個平臺的構建，實現了在線監控、預警、評級與優化等功能，提供了面向全流程、跨工序的產品質量追溯、預測、建模與異常診斷等功能。借助平臺提供的各類常用數據建模方法和定制化功能界面，技術人員可以針對不同質量問題需求快速進行建模、分析。實現問題的精準定位和輔助決策，持續改進產品質量。系統除提供通用的算法與模型外，還針對鋼鐵行業需求開發了一些定制化功能，如性能預測、表面缺陷分析、質量遺傳性分析等功能。

3.2 鋼鐵能源集控平臺建設實踐

由于我國大部分鋼鐵企業的能耗水平與國際先進企業存在較大差距，經分析認為，鋼鐵制造能源消耗是成本中主要的可控部分，約占制造成本的25%以上。根據國家兩化深度融合的發展要求，鞍山鋼鐵為加速推進綠色制造及工業化、信息化融合進程，以鲅魚圈沿海基地為試點，開展節能降耗、綠色環保工作，著眼優化能源管理、智能化能源調控、系統降低能源消耗，建設了能源集控平臺項目。參考工信部發布的工業互聯網架構，通過大數據、人工智能等技術，構建了能源數據采集、整合、存儲的大數據平臺，并在此基礎上進行有效的數據分析、優化控制，最終實現能源流、物質流協同優化。

在沿海鲅魚圈基地，將能源動力發電、供電、給水、氧氣、燃氣、余熱五大專業進行整合，實現重點用能設備的數據采集、數據融合、能耗分析、用能決策。整個系統平臺分為兩大部分，底層是與工廠相關的智能控制系統；上層是基于大數據分析技術和機理模型雙向結合應用的智能專家系統，主要包含遠程集控、安全防護、能源基礎管理、智能專家、移動應用五大系統。

（1）技術架構。智能專家系統通過采集和整合電、水、煤氣、氧氣、蒸汽等能源流數據，生產計劃、生產實績等物質流數據，打造能源流、物質流和信息流三流合一、協同優化的能源大數據平臺，為鋼鐵企業能源管控提供特征提取、規律分析、優化決策一站式大數據服務。支持多種類型數據源采集，包括工業現場PLC、DCS高頻時序數據實時采集、MES、ERP等生產管控系統的關系型數據實時和批處理采集以及視頻、圖片等非結構化數據采集；利用Hadoop平臺+關系型數據庫相結合的方式搭建數據存儲和計算平臺，存儲對象數據、高頻時序數據和關系型數據，在采集到存儲的過程中對數據進行有效清洗、整合，注重冷熱數據的自動辨識和轉儲，注重數據質量的持續治理和優化；以大數據分析和建模為核心的系統平臺，利用“大數據+算法+機理”的手段進行數據分析和建模；利用多維報表、儀表盤、能流圖、組態圖、控制圖、預測仿真等多種方式實現數據可視化、透明化。

（2）智能專家系統。構建了大型耗能設備能效評價、水效評價、多場景多時段煤氣預測、多場景多時段氧氣消耗量預測、發電機組和鍋爐機組效率、耗電評價與預測、多能流耦合優化、碳排放等模型，通過優化工藝、生產組織、模型訓練和優化動態，尋找不同工況能耗的最優值以及能耗影響因子的最優值，作為評價模型的評價動態標準和專家知識庫優化方案，降低企業碳排放，實現綠色制造。

4 .應用效果

通過工業互聯網及大數據應用項目的實施，實現全流程質量管控，滿足了用戶對產品數據的可追溯要求。通過大數據分析、人工智能技術的應用，產品不良品率降低20%以上，質量工藝人員工作效率提升50%以上，復雜工藝問題追溯時間控制在5秒以內，系統輔助決策支持能力顯著提升，工藝人員從復雜、重復的勞動中解放出來，用更多的時間研發新產品、關注產品工藝，提升技術能力。

能源集控平臺投入運行后，可實現年創效8000余萬元，優化人員42%，37個站所室合一，由原來的縱向管理轉變為集控中心統一扁平化管理，實現集約生產。

5 .展望與思考

隨著工業互聯網、大數據及人工智能發展，技術手段在不斷完善，大數據行業應用保持升溫態勢，中國鋼鐵企業級大數據應用已進入快速發展時期。聚焦鋼鐵流程質量管控、工序能源分析、設備狀態監測等大數據應用主題的開發，鞍山鋼鐵將繼續深入工業互聯網平臺、大數據、人工智能技術的應用并付諸實施，帶動工業企業轉型升級，實現數字化轉型，進而實現智能制造的終極目標。

后續將持續關注如下問題：進一步加快數據驅動型創新應用落地推廣，需要構建完善的工業數據治理體系，以數據價值為牽引不斷拓展數據應用規模、提升數據應用價值，最大化釋放數據效能。一是完善數據治理體系，持續優化數據開發利用環境；二是打通企業OT數據與IT數據，包括質量管理、能源管理、安全管理、生產過程管理等，加強應用價值挖掘，拓展數據開發利用規模；三是開展數據創新試點示范，在企業間與用戶間延伸與交互，開展銷售、物流領域典型數據應用案例，加快數據開發利用模式迭代創新。

加強基于新一代信息技術的工業機理模型研發，加快形成一批基于數字孿生、大數據分析、人工智能的數據驅動型典型案例和解決方案。在數據范圍、應用規模、開發深度不斷拓展的基礎上，加強涵蓋數據技術、應用、人才等要素的數據創新生態體系建設，為探索形成和迭代創新數據驅動型制造業發展模式提供強大支持。