钢铁企业物联网技术需求程度研究

刘洪伟，申玲彩

(天津大学，天津 300072)

钢铁产业是国民经济的重要基础产业，是衡量一国综合国力和工业水平的重要指标。从建国初期到现在，中国钢铁产业由小到大，至2010年成为名副其实的钢铁大国［1］。近年来我国经济增速放缓，钢材需求量逐渐减少，客户对钢材的品种、规格需求越来越多样化，呈现多品种、小批量的特点。同时，钢铁企业长期粗放式管理存在的问题凸显出来:以预测为主的推式生产导致产能极度过剩、库存量大，物料停滞形式和时间较多;生产稳定性差，部分合同不能按时交货;能源消耗多，环境污染严重。钢铁企业效益大幅下滑，甚至有些企业发生严重亏损［2］。为度过钢铁行业的寒冬时期，企业必须以最快的生产速度、最好的产品质量、最低的生产成本、最优质的售后服务来满足不同顾客的需求［3］。为此，企业必须具有准时、柔性的生产系统。

为实现准时、柔性的生产，安钢［4］、邯钢［5］等钢铁企业纷纷开始由传统生产方式向精益生产转变。精益生产关注现场流动性，通过对设备、人员等方面能力的强化，提升现场物的流动性水平。物的流动伴随着信息流的产生，反之，信息流又可以影响物流，因而快速反馈的信息能够用来控制和调节物流，这就使得决策层不仅能了解结果，而且也能了解过程，实现信息的可追溯性，从而做出准确、实时的判断和决策［6］。基于钢铁行业普遍的长流程特性，其生产过程控制较复杂，因此准确、实时的生产信息的反馈对于生产管理十分重要。物联网技术被看作是继计算机、互联网之后全球信息产业的第三次革命性浪潮，可以实现对物体的智能化识别、定位、跟踪、监控和管理。首钢、宝钢、武钢等企业已经进行了物联网技术应用的探索，效果显著。现阶段物联网技术并未得到广泛的使用，Irwin［7］，Gordon［8］等对影响物联网技术采纳的因素进行了分析，得出组织因素、外部环境、安全性等是影响物联网技术被接受的主要因素。但现有研究多属于定性分析，而从生产现场角度出发，定量分析企业对物联网技术需求程度的文章未见报道。本文从生产现场流动性水平角度出发，基于熵权－TOPSIS法建立衡量钢铁企业对物联网技术的需求程度的模型，为钢铁企业正确衡量自身能力，以决定是否应用物联网技术的决策提供一定的参考。

1 问题分析

钢铁企业是典型的制造企业。自2000年以来，国内大部分钢铁冶金企业都实施了信息化系统选型及建设。然而，由于在信息采集、数据分析、流程优化等方面仍然需要较多人工干预，导致信息系统和企业基础物流信息采集脱节。为实现物流与信息流的同步，提升现场流动性水平，企业需要一种可以自动、及时、准确地获取生产现场信息的技术。物联网技术是通过射频识别系统、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议把物品与互联网联接起来进行信息交换，实现智能化识别、定位、跟踪、监控和管理的技术［9］。然而，由于企业的流动性水平不同，故物联网技术应用效果存在差异，企业对物联网技术的需求程度也不同。当生产流动性水平较低时，基础管理能力的提升是企业发展的要务，新技术的应用效果并不显著，因此，企业对物联网技术的需求较小;随着流动性水平的逐步提升，企业基础管理能力相应增强，物联网技术的应用对流动性水平的提高作用显著，因此，企业对物联网技术的需求逐渐增大，并在一定范围内趋于平稳;当生产流动性达到一定水平后，技术的作用将会减弱，企业对物联网技术的需求程度也会降低到某一水平。图1为物联网技术的需求程度与企业流动性水平关系的趋势图。

图1 物联网技术需求程度与流动性水平关系

物联网技术需求程度与流动性水平之间的函数关系未见研究，参照图1的图形走势，本文推荐以下函数:当a≤D＜d时，物联网技术需求程度与流动性水平的关系曲线接近于S型。自20世纪60年代以来，S曲线增长模型出现了多种形式，其中典型形式有3种:Gompertz模型、Logistic模型与Bass模型［10］。Bass模型和Logistic模型中曲线关于拐点对称，而Gompertz模型中的曲线关于拐点不对称。Bass模型的参数都有实际的经济学意义，而Gompertz模型和Logistic模型的参数不具备明确的经济学意义［11］。本文采用 Gompertz模型描述［a，d］区间上物联网技术需求程度与流动性水平的函数关系。当D＞d时，选取对数抛物线(log y=a+bt+ct2)描述需求程度与流动性水平之间的函数关系，则物联网技术需求程度与流动性水平之间的函数关系如下:

2 物联网技术需求程度模型

2.1 流动性水平评价

2.1.1 流动性指标的选取

20世纪70年代，美国麻省理工学院在一项名为“国际汽车计划”的研究项目中通过大量的调查和对比研究后，认为日本丰田汽车公司的生产方式是最适于现代制造企业的一种生产组织管理方式，并将其称为“精益生产”。精，即少而精，不投入多余的生产要素，在适当的时间生产必要数量的客户需要的产品(或下道工序需要的产品);益，即所有经营活动都要有益有效，具有经济性。作为精益生产方式核心理念和主要实现方法的是“一个流”生产，即在一个作业周期内各工序只有一个工件在流动，使物料从毛坯到成品的加工过程始终处于不停滞、不堆积、不超越的流动状态，是一种工序间在制品数量趋向于0的生产组织方式，也是每一个制造企业追求的理想的生产状态。“一个流”生产模式如图2所示。

图2 “一个流”生产模式

钢铁企业全生产过程通常包含炼铁、炼钢、轧钢3部分。每一部分又包含许多工序环节，流程长，环境差。由于长期粗放式的管理，现场流动性受到了极大的影响，物品停滞现象严重，占用了大量的资金。为保证生产的流动性，各工序需严格按照一定的节拍生产，各道工序的生产节拍不一致会造成产品积压和停滞。同时，为保证各工序按既定的节拍生产，每道工序都应遵循标准工时，工序在制品的数量应为下道工序需要的数量［12］。因此，选取工序节拍一致性、工序作业时间稳定性和工序间在制品库存周期作为衡量工序流动性的重要指标。定义如下:

1)工序节拍一致性xi1

工序节拍是指生产线上某道工序相邻两件同样制品投入或出产的间隔时间。生产的顺畅进行需各工序节拍一致。设某生产线有n个工序，节拍为Tg，工序wi的实际节拍为，则工序节拍一致性为

2)工序作业时间稳定性xi2

设工序wi的标准工时为，实际加工时间为，工序作业时间的稳定性为

3)工序间在制品库存周期xi3

工序间在制品存货周期是指上物料从上道工序加工完成到下道工序使用的平均时间。设工序wi与wi+1之间在制品数量为qi，第j个物料存储时间为，则工序间在制品周期为

综上所述，具有n个工序的生产过程流动性状态矩阵为

2.1.2 方法选择

在管理领域进行综合评价的方法很多。在数以百计的多目标评价方法中，常用的有层次分析法、模糊评价法、逼近理想解的排序方法(TOPSIS)、ELECTRE法和专门用于效益评价的数据包络分析法(DEA)等［13］。层次分析法以系统分层分析为手段，对评价对象总的目标进行连续性分解，通过两两比较确定各层子目标权重，并根据最下层目标的组合权重定权，加权求出综合指数，依据综合指数的大小来评定目标实现情况，适用于总目标不确定且分解的各目标层次适中时［14］。模糊评价法运用模糊关系合成原理将模糊概念定量化，以此对评判对象的优劣等级进行综合评价，常用于不能准确度量的事物的评价［15－17］。TOPSIS(technique for order preference by similarity to ideal solution)是一种解决多属性决策问题的常用方法，其原理是通过计算备选方案与理想解和负理想解的相对距离来进行排序优选。理想解是方案集中虚拟的最佳方案，负理想解是虚拟的最差方案。将各个备选方案与理想解和负理想解的距离进行比较，既靠近理想解又远离负理想解的方案就是整个方案集中的最佳方案［18－19］。为避免主观判断确定指标权重方法的不足，本文采用熵权－TOPSIS法进行钢铁企业物联网技术需求程度的评价。

熵权－TOPSIS法的主要步骤为［20］:

1)构建评价矩阵。由式(5)可知，有n道工序的生产现场流动性状态矩阵为

2)矩阵的标准化。由于各个评价指标的量纲不同，为了便于比较，需要用以下公式对其进行归一化处理:

3)利用熵值法确定指标权重。在信息论中，信息熵是系统无序程度的度量，信息熵定义为

式中n为评价对象的个数。

一般说来，综合评价中某项指标的指标值变异程度越大，信息熵越小。该指标提供的信息量越大，该指标的权重就越大;反之，该指标的权重越小。

第j项指标的熵为

指标的差异度为

熵权为

4)构造规范化的加权评价矩阵Z。其元素为

5)确定理想解和负理想解。正理想解U+=[，，]，代表工序节拍一致性的最优解。由式(1)可知=1，代表工序作业时间稳定性的最优解。由式(2)可知=1代表工序间在制品周期的最优解。工序间在制品周期的最优解应为0或为工艺要求的周期，参照具体产品类型确定。由于负理想解可以无限小，结合企业现有水平，取各工序的最低水平组成负理想解，则负理想解为

6)计算每个工序指标实际值与理想解U+和负理想解U－的欧式距离:

7)计算各工序TOPSIS评价值。各工序TOPSIS评价值如下:

则各工序的流动性评价结果为

8)依据约束理论，现场的流动性水平为

2.2 物联网技术需求程度计算

由式(2)～(9)计算得到有n道工序的现场流动性水平为D，由假设式(1)可知:

当a≤D＜d时，物联网技术需求程度为

当d≤D＜1时，物联网技术的需求程度为

3 算例分析

为获取评价所需的信息，需在现场进行写实调查。物与信息流动图是精益生产实施的主要工具，它可以详细描述生产过程中的配供料时间、生产工序转换时间、停工等待时间、在制品库存、原材料移动和信息流等。

B钢铁是国内大型钢铁企业之一，通过对炼钢厂进行写实，整理得到物与信息流动图(见图3)。为避免一次写实的偶然性，本文数据为多次写实后的平均值。炼铁厂的铁水经铁路运输至炼钢厂，经脱硫扒渣、转炉炼钢、精炼、浇铸等工序后形成铸坯最终运往轧钢厂。为保证铸坯质量，炼钢厂浇铸时拉速恒定，故节拍由浇注的需求决定。写实中连铸机每44 min完成1包钢水的浇铸，因此节拍时间Tg=44分。

图3 B炼钢厂物与信息流动图

根据式(2)可得脱硫扒渣、转炉炼钢、精炼各工序的节拍一致性为:

根据式(3)可知脱硫扒渣、转炉炼钢、精炼和浇铸各工序的作业时间稳定性为:

根据写实可知脱硫扒渣、转炉炼钢、精炼和浇铸各工序间的在制品存货周期为:

评价矩阵如下:

根据步骤2)得归一化后的评价矩阵为

根据步骤3)计算得到各指标的熵值、差异度、熵权值，见表1。

表1 各指标熵值、差异度、熵权值

根据步骤4)，构造规范化的加权评价矩阵Z。

根据步骤 5)可得:理想解U+=[0.46，0.46，0];负理想解U－=[0，0，0.042]。

根据步骤6)计算得各工序与理想解的欧式距离为:

各工序与负理想解间的欧式距离为:

根据式(14)，计算得到各工序的 TOPSIS值为:

根据约束理论，该炼钢厂现场流动性水平D=0.65。

假设物联网技术需求程度I与流动性水平之间的函数关系为

则该炼钢厂物联技术需求程度I=0.9467。

4 结论与展望

钢铁行业是我国的基础产业之一，但由于信息系统与生产物流信息采集脱节，信息系统的作用并未得到充分展示，因此许多钢铁企业的生产能力并未得到明显的改善。物联网技术的到来为钢铁企业发展提供了新的可能。但物联网技术在我国处于起步阶段，还没有广泛应用于各行各业。众多学者已经就影响物联网技术应用的因素进行探索，但并未从生产现场出发，将企业对物联网技术的需求程度给予定量评价。本文首先通过现场流动性与物联网技术需求程度关联性分析，提出了基于流动性水平计算物联网技术需求程度的方法，然后从精益视角出发，选取工序节拍一致性、工序作业时间稳定性和工序间在制品库存周期衡量现场流动性水平，应用熵权－TOPSIS法进行定量分析，得出了物联网技术的需求程度，为物联网技术采用相关研究提供了新的方向。本文基于实践经验分析得出流动性水平和物联网技术需求程度关系的假设，但在后续研究中还需进一步研究。

［1］姜艺萍.中国钢铁行业:真正的大变革正在来临［J］.中国机电工业，2014(2):84－85.

［2］刘璐.中国钢铁行业现状、分析及对策研究［J］.经营管理者，2014(7):241.

［3］刘旭泽.精益生产在 K公司的应用［D］.天津大学，2012.

［4］张怀宾，董尉民.鞍钢生产物流精益化运行实践［J］.河南冶金，2011，19(1):53－56.

［5］谢悦悦，张敏，郑磊.精益生产管理提升钢铁企业竞争力［J］.标准科学，2012(5):82－85.

［6］李健，李泉年.基于物流、信息流的企业资金流控制［J］.商业研究，2003(268):123－124.

［7］Brown I，Russell J.Radio frequency identification technology:An exploratory studyonadoption in the South African retail sector［J］.International Journal ofInformation Management，2007，27(4):250－265.

［8］Muller-Seitz G，Dautzenberg K，Creusen U，et al.Customeracceptanceof RFID technology:Evidence from the German electronic retail sector［J］.Journal of Retailingand Consumer Services，2009，16(1):31－39.

［9］刘云浩.物联网导论［M］.北京:北京:科学出版社，2010.

［10］胡树华，邓恒进.产品销量模型在商品扩散预测中的应用［J］.商业研究，2009(388):1－3.

［11］杨净辉.Bass模型及其两种扩展型的应用研究［D］.大连:大连理工大学，2006.

［12］山其贤.精益生产之重要理念“一个流”及其应用［J］.管理创新，2012(4):21－24.

［13］邵文明.绿色供应链管理的绩效评价研究［D］.同济大学，2008.

［14］潘洪平，陈素文，邢彪.基于AHP和幂指数法的装甲装备功能状态评估［J］.四川兵工学报，2013(8):69－72.

［15］贾品，李晓斌，王金秀.几种典型综合评价方法的比较［J］.中国医院统计，2008，15(4):351－353.

［16］张芳，化存才，何伟全，等.采用网络舆情指数评价体系分级预警的多层模糊综合评判模型［J］.重庆理工大学学报:自然科学版，2013(12):123－128.

［17］秦健，覃彬全，陈闯，等.基于模糊综合评价法的雷电灾害易损性区划研究［J］.西南大学学报:自然科学版，2014(7):176－182.

［18］邵维懿，赵翠薇.改进AHP和TOPSIS法在滑坡灾害易发性评价中的应用——以贵州毕节地区为例［J］.重庆师范大学学报:自然科学版，2013(3):40－46.

［19］朱珠，张琳，叶晓雯，等.基于TOPSIS方法的土地利用综合效益评价［J］.经济地，2012，32(10):139－144.

［20］李芊，李倩琳.基于熵权－TOPSIS方法的房地产投资决策评价模型实证研究［J］.企业经济，2011(3):120－122.