水泥装备智能运维探讨

石洋，张丽美，戴丽丽

1 前言

随着全球信息技术的蓬勃发展，工业互联网平台赋能传统水泥企业数字化转型升级已成为水泥行业发展的新趋势。其中，水泥装备数字化、智能化运维逐渐步入快速发展时期，先进的监测控制技术、通讯和数字技术已创新性地应用到水泥装备运维服务中。相比于早期以人工操作为主的运维控制方式，现在水泥装备巡检、维修维护等逐步过渡到以信息化、数字化控制为主。

天津水泥工业设计研究院有限公司（简称“天津水泥院”）自主研发了水泥装备智能运维平台，对水泥企业生产运营和水泥装备的健康使用进行全生命周期监测，将监测数据汇聚集成，统一建模，形成水泥装备智能运维自感知、自分析、自决策、自学习等功能，将数字化、智能化运维技术与相关业务场景深度融合，为水泥生产企业提供了装备运维数字化、智能化增值服务。

2 水泥装备智能运维平台构建

天津水泥院开发的水泥装备智能运维平台（简称“平台”）面向客户，通过采集、分析生产数据，反哺水泥装备产品的设计；通过采集、分析水泥装备运行数据，协助遴选装备产品供应商，实现水泥装备运维少人化及水泥生产过程的自动预警、自主诊断、自动专家指导等，同时也可实现包括移动端应用、报警推送、远程监控、生产报表记录、三维动态数字大屏展示等基础功能。平台功能设置充分考虑了客户需求、使用场景和专业划分，精简了操作流程，优化了交互体验。

水泥装备智能运维平台服务体系见图1，智能运维策略见图2，智能运维平台架构见图3。

图1 水泥装备智能运维平台服务体系

图2 水泥装备智能运维策略

图3 水泥装备智能运维平台架构

2.1 数据采集

针对项目现场使用的水泥装备软、硬件设施运行要求和信息通讯安全等客观因素，天津水泥院开发的水泥装备智能运维平台对水泥企业装备生产过程数据进行了充分采集，对数据传输机制进行了创新和标准化运作，设计了边缘计算和服务器终端数据清洗规则，规范了数据采集业务实施流程，设计了数据采集、存储体系（如物理地址映射和数据登记等），保障了数据传输安全、稳定、高质量和存储空间占用少等要求。

水泥企业装备生产过程数据包括实时生产数据和工艺数据。生产数据主要指需要主动设定的操作数值，属于静态数据，多为常数形式。工艺数据来自于感知层，需要变换后被系统识别，进行数据异构，属于动态数据。数据采集可以通过直接与工艺设备通讯获取，也可从控制层抓取，需进行清洗、处理、分析、脱敏变换、可视化转换后使用，数据的采集和处理是其中较为关键的环节。天津水泥院对水泥企业各个生产车间和设备参数进行了编码并加以语义描述，划分了数据类型，标准化了数据采集规则，如规定了采集时间和频率等，对复杂项目进行了段和区域的划分，在边缘端进行了初步计算清洗，最终将单点和组合数据汇集到平台数据服务中心融合处理、使用。

2.2 图形化展示

可视分析学是以可视交互界面为基础的分析推理科学，是描述性统计学的分支。图形化展示将图形学、数据挖掘、人机交互等技术融合在一起，形成人脑智能和机器智能优势互补，使复杂的数据更易于访问、理解和使用，向用户清晰有效地传达信息。

天津水泥院研发的水泥装备智能运维平台运用数字大屏、辊压机生产“驾驶舱”和实时监控数字大屏等，将水泥企业装备和生产运行数据资源一体化展示，将丰富的图表与精准的数据相结合，实时直观地反映各装备电流、温度、电耗和生产配比、台时产量、运转时间、行程差值、风温曲线等生产运行指标，方便使用者快速了解设备和生产运行状态，进行分析和决策。辊压机生产“驾驶舱”见图4。

图4 辊压机生产“驾驶舱”

图形化展示除了反馈实时数据外，还可对历史和同期数据进行分析对比，使用户更加直观了解生产和管理变化，辅助用户及时做出调整，提升生产和管理水平，获得更多收益。天津水泥院在长期跟踪服务于客户中发现，相同的装备规格、相似的生产工艺、不同的生产线，其运行效率和生产效益往往存在较大差异，将这些生产线工艺设计和生产运营数据进行分析对比并图形化展示，能辅助挖掘设备选型和生产工艺的升级改造潜力。

2.3 数据分析

水泥装备运维监控的数据具有海量、高速、多模态、信噪比极低等特点，有效异常数据量远远少于正常数据量，很难创造价值。在离散数据中取得高质量、连续、真实有效的生产运维数据尤其重要，而水泥生产运维数据不同于其他行业，标准数据量少，具有非典型性、难复刻性等特点，不适宜使用传统的大数据分析，需要依赖复杂的机理关系知识，如生产逻辑参数之间的调用关系、逻辑组件在生产运行时的影响关系等，才能将各类运维信号相互关联进行有效分析。

天津水泥院水泥装备智能运维平台的数据分析模块以数字专家库为核心，通过丰富的“低代码拖拽式”建模工具，如数据建模、机理建模、仿真建模、优化分析建模等工具，快速实现数字孪生、预警、诊断、优化、控制、评估等各类应用场景模型的构建与应用。数据分析模型包含不同训练算法，如决策树、随机森林、神经网络等机器学习算法，可快速建立测点变量之间的函数关系，进而计算预警变量的动态预测值，为智能预警规则的设定提供支撑。

对于海量数据，通过智能数据清洗机制，可快速、有效清除异常数据，降低异常数据对分析模型的影响。如矿渣立磨温控预测模型的建立，就是以立磨出风口温度为目标值，对温控输入值进行大数据分析建模，数据内容包括热风、环境冷风和循环风的温度及阀门开度等。该模型的建立，优化了系统子控制回路，实现了立磨出风口恒温控制，促进了系统生产环境的稳定。

对于敏感性数据，通过机理和数据相关性分析，剔除不相关或冗余的变量，协助理解数据产生的过程，辅助完成模型训练时数据的选择和集成。如立磨振动预测模型的建立，就是以立磨振动为核心目标值，综合分析立磨振动产生的原因，从振动触发条件及工艺参数相互关系入手，结合现场调试手段，进行机理分析和数据相关性分析，从而建立生产工况辨识及立磨振动预测模型，进而建构立磨振动智能诊断系统，预测立磨振动趋势，改善立磨振动现象发生频率和振动幅度。

对于集成化数据，通过将其转化为描述装备和生产运维所需的知识，建立统一描述装备和生产运维的模型，实现生产过程数据与相应制造服务的有效关联。在关联关系的基础上，研究开发数据驱动的水泥工业制造与生产运维服务动态优化技术，包括基于运维过程数据驱动的产品升级设计服务技术、基于现场过程检测数据驱动的生产制造服务动态调度优化技术和面向广域范围的主动运维服务管理优化技术，从而通过数据及其知识的演进，驱动提升水泥装备产品和生产线工艺设计、加工、运维全生命周期的服务能力。数据分析模型见图5。

图5 数据分析模型

2.4 智能预警与故障诊断

水泥生产工艺相对复杂，单变量预警已经在DCS系统完成，整条生产线智能运维预警要求整合设备运行参数和生产工艺参数，联动预测报警。天津水泥院水泥装备智能运维平台智能运维预警与故障诊断系统包括生产运维和设备健康管理两部分。

2.4.1 生产运维

通过采集设备生产、运行实时数据和历史数据，将数据特征提取、数据模型和机理模型建立相融合，对设备运行状态进行全方位感知。数据特征提取基于异构知识表达的非线性故障辨识与预测方法实现；数据模型基于挖掘提取设备分析关联参数建立，通过深度学习和机器学习，高效训练数据模型；机理模型基于提取故障特征值和专家经验建立。

生产运维智能预警主要面向生产，可及时发现早期故障征兆和劣化趋势，防患于未然。如，通过立磨振动预警模型，综合分析预警磨辊压力、磨机出风口温度、磨内压差、主电机电流、料层厚度等操作和控制变量，从而有效控制立磨振动值，及时有效解决立磨生产问题，保障水泥生产质量的稳定性。

2.4.2 设备健康管理

通过预装感知传感器，运用水泥装备智能运维平台关键设备在线监测系统，结合生产工艺参数，综合分析设备运行状态，准确解析关键部件失效趋势，精准确定故障部位和类型，在设备已发生故障时，分析故障原因，提出解决措施，节约维修时间和人力成本，提高生产和维护效率。

某企业运用关键设备在线监测系统，针对矿渣立磨系统旋转类设备，如选粉机和磨辊轴承、主减速机齿轮和轴承等进行振动、温度在线监测，建立综合数据分析模型，最高诊断量达到840 次/日，并结合生产工艺参数和油液在线监测数据进行综合数据分析。经过18个月持续监测，发现1号立磨选粉机上、下轴承振动异常情况，根据故障等级定义确定为7 级故障（设备有较大故障，需尽快安排设备检修）。按计划停机后，对选粉机轴承进行了维修更换，发现轴承实际损坏程度与诊断预测结果相符，极大程度降低了非计划停机损失。关键设备在线监测系统见图6，推力轴承失效照片见图7，调心轴承失效照片见图8。

图6 关键设备在线监测系统

图7 推力轴承失效照片

图8 调心轴承失效照片

2.5 建立数字专家库

数字专家库的建立为水泥装备故障诊断、预警推送、智能运维、数据分析等功能模块提供了知识依据，当设备或系统出现故障时，系统可自主决策并提供处理建议。数字专家库具有知识检索功能，用户可通过模糊检索获取相应内容。

数字专家库通过列表形式清晰显示出目前故障知识库中录入的所有设备，并且支持对所有设备进行管理，基础管理包括新建、删除、模糊查询；高级管理包括故障树、判定树录入。知识库支持数据导出，在离线情况下，可以通过数据导入形式同步到本地交互式诊断系统。

天津水泥院将工艺、知识、创新等技术能力资源以数字化形态置于企业的资源平台中，形成了共享资源库，汇聚知识基础、沉淀核心能力、发挥知识洞察价值，促进了知识储备与传承，服务于从业者，加速了技术产业化，降低了能源、劳动力、产业结构等因素对水泥生产的影响。

3 水泥装备智能运维面临的挑战

（1）水泥企业网络相对封闭，网络安全设施水平参差不齐，很多现场数据交互范围仅限于内部局域网，与外界数据交互难度大。另外，水泥装备智能运维数据来源多、传输距离远、干扰大，且数据类型和时效不一致，不利于现场数据的融合处理。

（2）水泥生产和设备运行故障状态多变，参数响应差、数据冗余量多，分析算法模型建立复杂。

（3）水泥厂生产运营管理水平参差不齐，更多倾向于关注与生产安全相关的传感器和设备的运行状态，易忽略辅机设备和经验上与生产操作相关性低的设备和传感器的运行状态，影响数据的连续性记录和统计，易破坏数据分析链的完整性。

4 水泥装备智能运维展望

天津水泥院开发的水泥装备智能运维平台秉承“设备+服务”的理念，以机理知识引导为主线，以技术应用为基础，以应用实践为驱动，着力实现水泥生产线从工艺设计、生产制造、经营管理、运维服务和业务生态等环节的实践应用和融合贯通，建立与上下游供应链的新生态转型，形成高效的产业生态运营模式，共建低重复、低成本、高收益业务场景和服务模式，为水泥企业开拓新的利润空间。