鋼鐵企業如何利用大數據應用支撐“一總部、多基地”效能發揮

文｜梅維

鋼鐵行業數字化轉型將體制創新、管理創新、技術創新與信息化充分融合，通過信息化建設及提升改造，改進企業管理效率和經營績效，提高智能制造水平，實現整體競爭力的提升。數字化管理依托于完備的企業信息化建設，重點聚焦數據的應用、數據與業務的融合、融通，數據的管理已成為鋼鐵行業生產經營管控的重要要素。作者就自己工作中總結出一些鋼鐵企業如何利用大數據應用支撐“一總部、多基地”效能發揮的解決方案，供讀者參考。

一、基礎數據采集

數據是信息系統的基礎要素，更是大數據分析應用系統賴以生存和成功與否的前提，要完成大數據應用支撐“一總部、多基地”效能發揮，必須將各個專業所需的數據及時有效地提供給經營決策系統，完成對現場生產，業務過程的管控目標；傳統的信息建設架構中，基礎自動化系統是所有生產數據的來源，通過加裝和新增傳感設備，將感知信息數字化進入PLC/DCS系統，實現數據的獲取、整理和上傳，完成數據的采集。

為了保證數據“不落地”，需要建立數據采集系統，尤其經營決策系統模型參數需求、實時分析數據刷新、數字化產線數據畫像要求，對高頻數據的及時響應提出了更高要求，需要建立直連現場基礎數據源的通訊系統和數據傳輸路徑，為“事中”，“事前”類的應用提供數據保障。

通過四個步驟完成：新增感知設備、信號接入PLC、實現數采(數據處理)、存入數據中心，即在安裝缺失的數據感知設備后，改造相應PLC系統，現場傳感器信息自動進入自動控制系統模塊，工控網中的原有L2系統或新建數采系統與PLC直接通訊獲取實時數據，經加工，整理后按要求與經營管控系統（L3）實現電文通訊或者直接寫入大數據中心，實現數據自動采集和上傳，為經營決策系統提供基礎數據建立橋梁作用。

應用系統各專業缺失數據，從PLC系統進入邊緣數據庫，根據不同采集頻率，不同技術路線，通過三個方案可以實現。

方案一：利用已有邊端服務器。

利用已有邊端服務器實現現場基礎自動化數據的采集上傳。集團內許多企業已經陸續推進的智慧制造工作，已經完成了各廠集控室的集中和整合，其中很多新建產線在建設時，部署了邊端服務器，實現了這些產線PLC數據的自動采集和邊端數據存儲，具備將數據自動上傳至邊緣數據中心的條件，本次改造可以直接利用這些資源完成數據的采集，無需增加軟硬件投資。

方案二：利用原有L2L3系統。

利用L2L3系統實現PLC基礎數據的采集上傳。各單位配套建設了許多L2系統，加之產線原有系統利用電文技術，已經實現了與L3系統的通訊，通過新增或者利用已有電文，可以將新增監測點和已有監測點上傳至各業務系統，通過通訊交換，可以實時獲取后者的數據，實現數據的采集。

如果考慮高頻數據對L2系統負荷和數據時效性的影響，可以在原L2網絡鏈路中利用已有通訊前置機完成數采，不通過電文通訊發送經營管控系統，直接利用數據同步技術實現數據上傳。

方案三：利用新增通訊前置機實現數據采集和上傳。

在既沒有進行操作室集中改造又沒有L2系統的產線，可通過新建新增通訊前置機，新增網絡安全設備，通過新建的網絡鏈路，實現基礎數據的采集和上傳。

不同的技術路線選擇主要依據現場不同時期智慧制造和信息化建設已有軟硬件部署情況而定，遵循“充分利舊”和“最小投資”原則，實現數據自動采集傳遞，打通數據孤島。

二、邊緣數據匯集

邊緣數據節點定位于區域級的數據匯聚和高頻實時數據處理，實時采集匯聚工廠單個產線、工序的各類工藝過程數據、表面缺陷、設備狀態、能源消耗、語，音及視頻等信號數據，按照時間和空間維度對數據進行勾連轉換對齊處理、特征，值提取加工，為現場提供實時的過程監控診斷和智能模型控制，為云端數據采集提前進行數據預處理和單工序節點數據匯聚，并支撐現場實時監控診斷預警和在線動態優化。邊緣數據節點保證生產過程數據和設備采集數據的質量，按照云動統一數據標準對進入邊緣的各類現場數據進行加工治理，包括數據項命名統一、數據精度控制、數據單位轉換統一等，將治理后的數據送到云端大數據中心。

基地數據中心節點從位于邊緣和云的各系統，通過批量抽取、實時發送、日志同步等方式接入生產運營數據，用于后續數據建模，并基于規則引擎進行特征值計算提取、過程監控、符合性判定預警等。基地數據中心節點是數據流轉的樞紐，匯聚本基地各工序生產管理、設備管理、能源管理、安環管理等各類業務數據，按需匯聚邊緣數據節點的生產過程、工藝質量、能源消耗、安全環保等數據，建立大工序數據域和基地級跨工序大數據應用，同時為鋼鐵一級子公司總部的同工序統一管理提供跨空間的數據支撐，為生態圈專業化子公司業務運作提供跨產業的數據支撐。

三、跨工序數據匹配和建模

圍繞本基地各工序生產、質量、設備、能源等業務，按照產品一貫和工序一貫管控要求，對各類生產運營管理、高頻工藝過程和缺陷圖片數據進行時空匹配整合、跨工序串接對齊、特征值提取等，構建指標數據模型、特征值數據模型、多工序串接數據模型等，應用于在線監控判定、跨工序數據追溯和缺陷根因分析、現場工程師自主分析等，并賦能業務系統，為其提供數據共享服務和基于大數據的規則計算。

四、大數據應用賦能

公司總部數據中心節點主要通過財務、成本、采購、銷售、制造、設備、能源、科研等業務領域數據融合分析，支撐公司管理效率與管理質量提升;依賴大數據中心強大的數據服務能力和模型計算能力在線能業務管理，實現業務運營效率提升，如營銷領域的全程物流監控、生產調度的綜合管控、科研項目的績效評價、采購領域的供應商畫像及動態資源自動分配、設備管理領域的點檢標準自尋優等。

支撐工序專業部和各基地之間的“軍區+軍種”矩陣式管理模式，雖然矩陣式管理在全球性企業當中比較流行，但是對于鋼鐵行業這樣一個工藝已經非常成熟的流程性行業，要打破原有科層制垂直管理的方式，推行行政與專業協同的矩陣式管理模式，“軍種”為一總部多基地的運營管理平臺中對“銷售”、“采購”、“物流”統一管理，在工序專業管理，為煉鐵、煉鋼、軋鋼、質量、能源介質管理、工藝標準、安全、碳數據管理上做統一專業域，做大數據分析決策管理。

五、數據資產的形成與共享

數據是資產，資產有價值，推進資產共享、價值創造。

通過同類業務數據的匯聚、整合、建模分析、知識庫、數據模型共享服務等手段，數據流通共享原則： 原則一：以共享為原則，不共享為例外。大數據中心的數據，在沒有法律法規和規章制度前提下，各單位不得拒絕數據共享要求。建議總部進一步推進各子公司數據共享形成的應用成果，加強頂層設計和統籌協調，大力推動企業間數據開放共享，消除信息孤島。加快同板塊業務的數據共享，構建數字化業務協同新生態。制定統一以共享流量制定相關的費用標準，從而鼓勵數據共享。

加強核心技術攻關，深化大數據應用賦能高質量發展。舉全公司之力，抓住重點領域、關鍵環節和核心問題，掌握具有自主權的大數據核心技術。加快用戶畫像、審計線索、風險防控等“通用”大數據算法、模型的研發、共享和推廣應用，避免重復建設、重復投資，降低大數據新技術應用門檻。

建立數據共享機制及評價激勵機制。主業是數據的提供者，多元產業往往是數據的需求方，目前很多單位希望推進跨產業互通融合，但苦于沒有公開的互通機制，建議在大數據中心層面探索建立數據分享機制，一方面建立互通的聯絡體系，一方面建立數據共享的平臺，如數據集市、數據尋源或數據專家服務等，由公司內各單位進行“有償選購”。同時建立數據分享和獎勵的機制，通過數據分享率，數據利用率，數據規范度等指標和對應的激勵機制，來提高各單位及數據專家對大數據建設、數據分享和知識分享的意愿。