鞍钢智能制造及数字化转型升级与实践

赵 伟 赵庆涛

1 .引言

近年来，随着以互联网、物联网、云计算、大数据、人工智能为代表的新一代信息技术与传统行业的加速融合，全球新一轮科技革命和产业变革正蓬勃兴起，一系列新的生产方式、组织方式和商业模式不断涌现，工业互联网、大数据及人工智能技术在鞍山钢铁集团有限公司推广应用，推动着公司的数字化转型和智能化变革。

近3年来，鞍山钢铁加速推进智能制造的发展，对标行业内先进企业，在鞍钢集团统一组织下，2017年制定了《信息化、智能化总体发展规划》，2019年发布《鞍山钢铁智慧制造指导意见》。提出了“一个愿景、两大方向、三个原则、四条路径、五项提升能力”打造“智慧透明”工厂智能制造的“12345”实施框架布局。即：坚持以“集约、减量、智慧@客户”的一个发展愿景，围绕“智慧运营和智能工厂”两个方向建设，按照强化指标引领、彰显个性创造、刚性结果导向的三个基本原则，重点围绕着力一个点、打通一条线、形成一个区、建立一个模式四条路径组织实施，实现生产效率、运营成本、服务能力、技术质量、绿色发展五大方面的提升。

为推进制造业高质量发展，国家明确了9项战略任务，其中之一就是积极发展服务型制造和生产型服务业。根据国家要求，鞍山钢铁于2018年提出建设全新冶金流程的智慧透明工厂，鞍山钢铁以提升用户满意度为中心，把用户关注的质量、成本、效率和服务四个要素进行统一规划，通过应用工业大数据分析、工业互联网、全流程全寿命的产品质量管控、设备状态检测、智能装备、人工智能等新一代信息技术，依托质量一体化、供应链一体化、调度一体化、柔性生产、能效管控和全流程工艺优化控制等6个功能模块支撑，实现由产品制造向提供具有丰富服务内涵的产品和依托产品的服务转变，为用户提供整体解决方案。同时，强调主动服务，将用户引进产品制造、应用、服务过程，主动为用户提供服务性生产，实现协同增值。“智慧”主要体现在：一方面通过大数据、物联网、人工智能、工业机器人集群应用等技术和智能装备在冶金生产过程中的应用，实现冶金制造工艺的仿真优化、数字化控制和自适应、自决策控制；另一方面通过工业互联网平台建设，促进产品全生命周期、用户服务、供应链一体化协同应用，实现智能决策、智能管控。“透明”主要体现在：一方面实现对用户服务的透明化，实现从订单到排产、工序流转、过程管理、产品追溯、用户服务等全过程的可视化和透明化，提升产品管控和用户服务能力；另一方面实现全流程过程管控透明化，通过新一代信息技术及智能装备的集成应用，实现生产进度可视、安全库存预警、异常提醒、多维度报表、数据统计分析、质量追溯等，达到提质和降本增效的目的，全方位提升企业管理和服务能力。

2 .智能制造整体规划

鞍山钢铁近3年重点围绕鞍山本部和鲅鱼圈沿海基地两条主线建设智能工厂，覆盖了原料场、铁前、炼钢、热轧、冷轧、中厚板及能源管控中心等各生产单元。重点从基础自动化升级、智能装备改造、智能检测设备、工业机器人、站所室集控、模型优化等六个方面布局，实施少人化、无人化、一键化项目。在智慧运营层面，以产销ERP系统改造为基础，利用大数据、人工智能等新一代信息技术，实现智慧生产、智慧采购、智慧销售、智慧质量、智慧设备、智慧能环等运营决策分析。

3 .工业互联网、大数据及人工智能应用实践

钢铁制造业是我国国民经济的主体，钢铁工业数据的深度开发和利用既是数字经济实质发展的标志，也是钢铁产业数字化转型的难点和关键。随着新一代信息技术的不断扩散和深度应用，工业互联网平台应运而生，钢铁企业生产经营活动的全过程数据采集、存储、分析、共享、应用、服务增值等日新月异，催生了一系列新产品、新模式、新业态，推动制造业加速向数字化、网络化、智能化变革。

运用机器学习的算法与建模技术，结合基于机理的数据模型，可以大幅度提升企业的效率。鞍山钢铁从钢铁全流程质量管控大数据分析、设备状态监测、能源管控分析等方面开展智慧制造工作，构建了工业互联网平台，通过精准、实时、高效的数据采集互联体系，建立面向工业大数据存储、集成、访问、分析、管理的开发环境，实现了工业技术经验和知识模型化、标准化、软件化、复用化，不断优化研发设计、生产制造、运营管控等过程的资源配置，满足工业时代迅猛发展对大数据分析的支撑能力，在公司内部不断推广应用。

工业互联网平台包含四大核心层级：边缘层、IaaS层、工业PaaS层、工业SaaS层。在边缘层通过大范围、深层次的部署数据采集设备，实现高频度工艺数据采集，以及构建数据语义定义、协议转换与边缘处理，构建整个平台的基础；在IaaS层集中部署通讯一体机、服务器及高性能存储等设备；在工业PaaS层部署微服务组建库、应用开发环境等，实现数据融合等工业软件快速开发；在SaaS层，形成不同领域、专业场景的工业APP应用，以实现工业互联网平台最终的价值。基于工业互联网架构体系，带来了数据采集方式的根本改变，加速了工业数据分析方式的创新突破，成为数据价值创造的最佳载体。

鞍山钢铁着力推动工业与信息化融合发展，以信息流带动技术流、资金流、物质流，促进企业内部资源配置优化，促进全流程、全要素效率提升。运用了以互联网为代表的新一代信息通信技术融合创新推动实体经济转型升级，充分体现了工业大数据作为一种新的资产、资源和生产要素。鞍山钢铁在工业大数据应用方面，汇集了来自现场各业务系统的各种专业数据，打破数据壁垒，构建全要素、全链路的数据模型。重点围绕智慧营销、智慧采购、智慧物流、智慧质量、设备状态监测、智慧能源等几方面开展了工作。

3.1 钢铁全流程质量管控系统建设实践

目前，钢铁企业在质量管控方面存在的问题主要是：产品质量稳定性差，批次内和批次间的差异较大；传统的ERP、MES系统在质量控制方面不能构成PDCA循环，数据量不足以支撑数据建模的要求；质量及工艺数据的碎片化存储，难以支撑智能制造及客户大规模定制需求和产品持续改进的要求；大部分L2控制系统是单点控制，存在数据黑箱现象；上下工序之间存在纠纷，缺乏快速定位和分析的手段，管理成本高。利用工业互联网、大数据、人工智能等新一代信息技术构建全流程质量管控平台，可有效解决了目前存在的问题。

鞍山钢铁建设了以产品制造为主线的全流程质量大数据分析平台，最终实现对各类业务进行前瞻性预测及分析，提供统一的决策、分析和业务支撑平台。通过动态的数字孪生与物理实体深度融合，实时交互，可有效解决质量管控的难题，重点通过打破数据壁垒、数据融合、工艺数据实时监控、在线诊断与评级、全流程工序溯源分析几个方面实现全流程的产品质量自感知、自学习、自决策与自执行。

（1）打破数据壁垒。利用数据采集、融合技术，一期工程实施了炼钢、热轧、冷轧、硅钢9条产线采集基础自动化数据的25399个数据点，主要采集了实时过程曲线、变量、参数、事件、状态等各类自控系统数据；采集了工控系统模型的输入、输出、中间参数等；采集了30余套大型仪表检测结果数据；收集了MES、ERP200余个数据表，主要包括生产实绩、生产计划、产品检验、判定、质量异议、客户等29361个数据。

（2）数据融合至关重要。基于经验的冶金过程工艺知识、网络技术及数据采集、数据处理、数据语义定义、时空统一和转换、匹配，对数据进行实时处理、融合，匹配后进行跨工序建模。根据物料、机组设备、工艺路线和时间关系，建立数据之间关联关系，利用系统提供的内置的模型与算法，可以自动解决钢铁生产过程因产品不同工艺特点造成的数据掉头、反面、左右侧掉换等对分析造成的影响。

从数据处理机制可以映射出冷轧成品出现的质量缺陷点，可回溯到热轧卷，及连铸板坯位置和工作状态，通过时空转换和数据融合，所有加工过程参数即时可追溯。

（3）全流程同步化工艺过程监控。在监控画面上重新定制了工艺人员关注的运行参数，系统展示与现场同步，工程师可在办公室、家中随时查看现场工作状态，有效解决远程监控、新品开发跟踪困难等难题。这个功能的实现，为整个工艺过程的参数监控创造了条件，为运行预警平台打好了基础。

（4）预警监控。在产品制造全流程工艺质量数据全面采集基础上，基于统计过程监控、经验知识库、模型预测等技术相结合构建了制造过程运行状态、工艺异常、质量异常等全面监控与预警平台，为产品质量保障提供了一个24小时不停歇工艺质量“预警眼”。平台提供的过程监控与预警标准、规范可以根据企业内部标准、客户需求等进行定制化配置，并且预警结果能够可视化展示。

（5）多变量、多维度的在线分析与评级。针对钢铁工业质量管控的复杂性，系统也采用以多种智能算法为核心的多变量综合监控技术对整个产品加工过程状态、异常等进行综合评判。利用机器学习算法，建立数字化评价方法的判定模型。并用进行一些影响机理复杂的、非可直接测量的指标，如机械性能指标，构建工艺参数与质量指标预测模型，通过多变量综合预测结果进行预警。

在产品质量评价方面，构建了混合质量预测、可检测的几何形状、表面质量、关键工艺参数等多维质量动态加权评分的在线评价与分级系统，综合实现钢铁产品可检测类指标精准评价，自动封锁缺陷物料，并与制造执行系统MES实现联动处理。

产品质量评级可以根据企业内部标准、用户定制化需求进行规则的定制化配置，并且已构建面向常见产品硅钢、汽车板、家电板、管线钢等及通用产品的全套评价规则库。过程质量多维评价不仅评价该产品的质量加工结果，也与客户反馈的最优产品样本进行比对，形成相应评分，解决事后质量精确识别。利用在线评级功能，可实现每条产线每班质检人员优化1-2人，判定准确率接近100%，模糊缺陷多封锁5%左右，质量缺陷外放风险下降60%，提高缺陷判定准确率和作业效率。

（6）全流程在线溯源分析。通过整个平台的构建，实现了在线监控、预警、评级与优化等功能，提供了面向全流程、跨工序的产品质量追溯、预测、建模与异常诊断等功能。借助平台提供的各类常用数据建模方法和定制化功能界面，技术人员可以针对不同质量问题需求快速进行建模、分析。实现问题的精准定位和辅助决策，持续改进产品质量。系统除提供通用的算法与模型外，还针对钢铁行业需求开发了一些定制化功能，如性能预测、表面缺陷分析、质量遗传性分析等功能。

3.2 钢铁能源集控平台建设实践

由于我国大部分钢铁企业的能耗水平与国际先进企业存在较大差距，经分析认为，钢铁制造能源消耗是成本中主要的可控部分，约占制造成本的25%以上。根据国家两化深度融合的发展要求，鞍山钢铁为加速推进绿色制造及工业化、信息化融合进程，以鲅鱼圈沿海基地为试点，开展节能降耗、绿色环保工作，着眼优化能源管理、智能化能源调控、系统降低能源消耗，建设了能源集控平台项目。参考工信部发布的工业互联网架构，通过大数据、人工智能等技术，构建了能源数据采集、整合、存储的大数据平台，并在此基础上进行有效的数据分析、优化控制，最终实现能源流、物质流协同优化。

在沿海鲅鱼圈基地，将能源动力发电、供电、给水、氧气、燃气、余热五大专业进行整合，实现重点用能设备的数据采集、数据融合、能耗分析、用能决策。整个系统平台分为两大部分，底层是与工厂相关的智能控制系统；上层是基于大数据分析技术和机理模型双向结合应用的智能专家系统，主要包含远程集控、安全防护、能源基础管理、智能专家、移动应用五大系统。

（1）技术架构。智能专家系统通过采集和整合电、水、煤气、氧气、蒸汽等能源流数据，生产计划、生产实绩等物质流数据，打造能源流、物质流和信息流三流合一、协同优化的能源大数据平台，为钢铁企业能源管控提供特征提取、规律分析、优化决策一站式大数据服务。支持多种类型数据源采集，包括工业现场PLC、DCS高频时序数据实时采集、MES、ERP等生产管控系统的关系型数据实时和批处理采集以及视频、图片等非结构化数据采集；利用Hadoop平台+关系型数据库相结合的方式搭建数据存储和计算平台，存储对象数据、高频时序数据和关系型数据，在采集到存储的过程中对数据进行有效清洗、整合，注重冷热数据的自动辨识和转储，注重数据质量的持续治理和优化；以大数据分析和建模为核心的系统平台，利用“大数据+算法+机理”的手段进行数据分析和建模；利用多维报表、仪表盘、能流图、组态图、控制图、预测仿真等多种方式实现数据可视化、透明化。

（2）智能专家系统。构建了大型耗能设备能效评价、水效评价、多场景多时段煤气预测、多场景多时段氧气消耗量预测、发电机组和锅炉机组效率、耗电评价与预测、多能流耦合优化、碳排放等模型，通过优化工艺、生产组织、模型训练和优化动态，寻找不同工况能耗的最优值以及能耗影响因子的最优值，作为评价模型的评价动态标准和专家知识库优化方案，降低企业碳排放，实现绿色制造。

4 .应用效果

通过工业互联网及大数据应用项目的实施，实现全流程质量管控，满足了用户对产品数据的可追溯要求。通过大数据分析、人工智能技术的应用，产品不良品率降低20%以上，质量工艺人员工作效率提升50%以上，复杂工艺问题追溯时间控制在5秒以内，系统辅助决策支持能力显著提升，工艺人员从复杂、重复的劳动中解放出来，用更多的时间研发新产品、关注产品工艺，提升技术能力。

能源集控平台投入运行后，可实现年创效8000余万元，优化人员42%，37个站所室合一，由原来的纵向管理转变为集控中心统一扁平化管理，实现集约生产。

5 .展望与思考

随着工业互联网、大数据及人工智能发展，技术手段在不断完善，大数据行业应用保持升温态势，中国钢铁企业级大数据应用已进入快速发展时期。聚焦钢铁流程质量管控、工序能源分析、设备状态监测等大数据应用主题的开发，鞍山钢铁将继续深入工业互联网平台、大数据、人工智能技术的应用并付诸实施，带动工业企业转型升级，实现数字化转型，进而实现智能制造的终极目标。

后续将持续关注如下问题：进一步加快数据驱动型创新应用落地推广，需要构建完善的工业数据治理体系，以数据价值为牵引不断拓展数据应用规模、提升数据应用价值，最大化释放数据效能。一是完善数据治理体系，持续优化数据开发利用环境；二是打通企业OT数据与IT数据，包括质量管理、能源管理、安全管理、生产过程管理等，加强应用价值挖掘，拓展数据开发利用规模；三是开展数据创新试点示范，在企业间与用户间延伸与交互，开展销售、物流领域典型数据应用案例，加快数据开发利用模式迭代创新。

加强基于新一代信息技术的工业机理模型研发，加快形成一批基于数字孪生、大数据分析、人工智能的数据驱动型典型案例和解决方案。在数据范围、应用规模、开发深度不断拓展的基础上，加强涵盖数据技术、应用、人才等要素的数据创新生态体系建设，为探索形成和迭代创新数据驱动型制造业发展模式提供强大支持。