基于大数据分析的建材企业智能运营管控平台研究

李继庚 马玉 赵天宁 白宇飞

（1.华南理工大学，广东广州 510641；2.建筑材料工业信息中心，北京 100083）

2021 年3 月我国发布《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》，提出加快数字化发展，建设数字中国。2023 年2 月中共中央、国务院印发了《数字中国建设整体布局规划》，明确数字中国建设按照“2522”的整体框架进行布局，即夯实数字基础设施和数据资源体系“两大基础”，推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合，强化数字技术创新体系和数字安全屏障“两大能力”，优化数字化发展国内国际“两个环境”。在国家政策的引领下，数字化转型成为产业升级与高质量发展的必经之路。各行业积极开展企业数字化转型战略部署，并在理论探索、能力培育、业务创新、生态建设等方面取得初步成果。

建材工业是国民经济的重要基础产业，在工业4.0 的大背景下，建材行业在自动控制、工业机器人、智能仪器仪表等关键技术装备方面的探索取得显著成效，行业数字化、智能化水平大幅提升[1]。但是，建材行业智能发展仍然存在许多短板与问题亟待解决，相对缺少涵盖生产过程控制、生产管理、运营管理的一体化协同管控平台，管控集成普及率不高，运营管控过程有待集成管理。大数据智能运营管控平台是具备数据采集、转换、传递，数据分析与挖掘，优化计算和信息化展示功能的运营管控平台，通过建立基于新一代信息技术的生产工艺优化模型，可以实现跨行业跨企业的多用户高并发访问使用，助力企业高效完成生产运行管控。因此，加快建设建材企业智能运营管控平台，提升建材企业数字化水平，对建材行业实现高质量发展至关重要。

一、智能运营管控平台建设的研究现状

目前，关于工业物联网和大数据等新兴技术的相关研究蓬勃发展，学界对智能运营管控平台进行了广泛探讨，取得了丰硕的研究成果。例如，林莉华[2]针对航空制造企业的实际应用情况，搭建运营项目管控平台，实现了运营状况可视化，有效地为项目管控提供系统支撑。吴建华等[3]的研究基于发电业务的发展需求，构建一体化业务运营平台的信息化战略解决方案，实现企业业务管控规范化。肖粲俊等[4]基于物联网、大数据、云计算及人工智能等技术，搭建了煤矿智能管控平台的研究模型，有效提高了煤矿数据的采集、存储、传输和分析能力。

在建材行业工业互联网研究方面，根据《工业大数据白皮书（2017 版）》的解读，产业核心竞争力缺乏，物联采集数据源不掌握、不统一，产品数据不规范，信息集成贯通不畅等导致国内工业大数据发展进程较慢[5]。综观昆仑数据、UPTAKE、Splunk、树根互联、大数点、GE、西门子等涉足的工业大数据应用情况，发现当前在建材等高耗能行业实施物联网和大数据的情况极少见，与建材智能运营管控平台建设相关的研究文献也十分有限。建材企业在开展数字化转型的过程中面临着业务需求与数据平台建设融合、构建生产场景数字模型、打通系统信息流一体化平台等关键问题。目前，建材行业缺少这方面的针对性研究，有待进一步探讨。

二、构建大数据分析的建材企业智能运营管控平台

本研究梳理了建材行业整体发展与数字化发展现状、建材行业智能制造关键技术等内容，广泛调研水泥、玻璃、陶瓷等细分领域企业的生产现状、信息化应用水平状况和数字化发展现状等，结合建材行业工艺生产特点及实际情况，针对建材行业开展工艺技术分析和先进的智能技术分析，采用以核心领域模型为系统中心的DDD（domain-driven design）领域模型设计方法，设计平台总体架构与各层级功能模块，构建具有数据采集转换传递、数据分析与挖掘、优化计算和信息化展示功能的大数据智能运营管控平台，以解决生产以及管理过程功能繁复等问题，有效推动建材行业整体实现数字化转型升级。

（一）智能运营管控平台的建设思路

本研究基于运营管理理论，综合分析相关文献与建材行业现状，应用新一代工业互联网、云服务、云计算、大数据等技术，构建符合建材企业实际需求的智能运营管控平台，使其具备可连接千家以上企业、承载百万台设备同时在线、处理千亿级数据的能力，实现统一标准数据和服务，打通行业和企业生产过程中的数据流和信息流，高效提升管理的信息化水平。

本研究搭建的建材企业智能运营管控平台整体业务架构，如图1 所示。

图1 建材企业智能运营管控平台整体业务架构

本研究基于建材行业能耗高、工艺控制复杂、稳定生产依赖“老师傅”操作经验的共性特点[6]，结合行业数字化转型发展需求，搭建了工业大数据平台整体技术架构。该架构主要包括边缘层、IaaS 层、PaaS 层、SaaS 层，如图2所示。

图2 工业大数据平台整体技术架构

1.边缘层

本研究面向建材产业链企业的业务数据、生产数据、营销数据的接入技术和服务，实现了多种数据协议的转换、边缘数据的汇集以及数据的存储、处理、云端传输与边缘计算[7]。研发智能边缘计算设备，兼容各类现场总线通信协议和信息化系统API 接口适配，经由实时采集生产数据－数据自定义通信组包－数据安全通道－防火墙白名单管理－千兆高速并发的数据集成链路，提供实时与云端IoT 通信+本地边缘计算数据应用能力。

2.工业IaaS 层

本研究依托公有云、专有云或企业IDC 环境的基础能力，构建云端分布式共享的计算、存储、网络、安全、计算、虚拟化等服务，为上层应用提供基础设施能力，保障集群平台能够长期运行在一个安全、稳定、有保障的基础环境中。同时，通过提升IaaS 层的资源弹性伸缩能力，满足集群内不同阶段建设的资源利用效率，更好地服务集群企业应用的资源调度。

3.工业PaaS 层

本研究构建通用PaaS 层和工业PaaS 层。通用PaaS 层包括微服务基础平台、行业大数据基础平台、数字孪生基础平台和AI 基础平台等，为业务应用、数据模型、数字孪生应用、AI 模型等提供基础的运行能力。通用PaaS 能力主要包括：统一资源管理能力，多租户多层级的应用、功能、数据配置管理能力，异构数据集成的能力（ESB，Open API 等），基于标准流水线DevOps 的应用开发、测试、部署、发布能力。

工业PaaS 层包括行业微服务共性组件、行业数据模型库、行业数字孪生模型库、行业场景AI 模型库等，用于聚合造纸行业共性能力，为上层应用提供可复用的行业组件和行业模型，降低行业应用开发成本。借助工业PaaS 的消息总线级Open API 来承载平台内外部大量信息的交互，并解耦各个模块的直连，避免单个模块的异常引起整个平台的雪崩，也方便了各个模块各取所需和传递信息，并对流量的突然爆发起到缓冲作用。同时，PaaS 平台负责存储物联网设备产生的海量数据，并对用户提供多种灵活查询数据的方式，方便用户提取数据的价值。

4.工业SaaS 层

本研究所构建的平台支持多租户多层级的云应用服务，为建材行业不同产业链的企业提供不同的应用，并进行灵活组合，包括但不限于设备互联、能源管理、设备管理、生产管理、仓储管理。基于PaaS 底座，SaaS 应用可以不断扩展，满足未来持续开发服务于建材产业链的应用服务。

（二）智能运营管控平台应用功能体系设计

为了解决建材行业现有平台研究中的问题，应对建材行业实际应用的需求，本研究设计智能运营管控平台应用功能体系，主要包括高级排产计划（APS）、生产管理（MES）、质量管理（QMS）、仓储管理（WMS）、设备管理（EAM）、能源管理（EMS）、碳排放管理、数字工厂、大数据分析、报表平台与告警管理等。

APS 高级排产计划：针对建材企业生产计划安排的特点进行设计，预先设定产品工艺流程与资源配置，优化生产计划制定过程，包含基础资源配置、订单管理、主生产计划、物料需求计划、生产能力验证、生产路径、工艺配方、排产规则配置、资源甘特图等子模块。

MES 生产管理：通过对制造企业的计划排产、生产过程、物料、能源、设备、质量、库存等进行数据化，再经过生产全链数据统计与分析，精准定位如期稳定运行的瓶颈问题。

QMS 质量管理：通过质量数据的导入和生产数据的采集，运用质量统计分析和生产大数据挖掘的方法，对生产全过程质量进行预测监控，分析产品质量缺陷，发现质量影响因素，实现对产品品质与产品合格率的控制。

WMS 仓储管理：针对配料退料、收货发货、复核、上架、盘点等作业前端环节，设置看板系统、WMS 后台系统、云服务器、WMS 作业一体机、拣货单小票打印机、条码打印机等进行后台管理，实现面向工业企业客户的服务能力。

EAM 设备管理：通过设备台账管理、点检、检修、故障维修、设备效率指标分析、备件管理等功能，对设备全生命周期进行管理，有效解决因工厂设备繁杂而导致的难以集中管理、维修不及时、异常停机频繁、维修成本高等问题，达到提高设备可靠性、设备运行效率，降低库存成本、设备运维成本的目的。

EMS 能源管理：通过监控实时数据、能效分析和大数据建模预测，帮助企业在稳定生产的基础上，提升能源利用效率，实现能源管控的自动化、信息化和智能化，达到提高能效和降低成本的目的。

碳排放管理系统：依据行业碳排放核算指南，自动计算碳排放量，提高效率和准确性；根据碳排放趋势，预测年度碳排放总量，辅助制定碳达峰目标和进行碳配额预测，额度不足及时预警，实现灵活安排生产与碳排放的检测和优化。

数字工厂应用：采用以Vue.js 为核心的前端技术生态架构进行开发，既能与第三方库或既有项目整合，又能与现代化的工具链及各种支持类库结合使用，为复杂的单页应用提供驱动，支持各种生态库和组件应用，集成各种可视化图表等组件，包括但不限于各种动态、静态的图表工具，支持数据以各种形式进行展示。

数据工具：通过对采集到的生产数据进行清洗、整理、分类、转换，搭建数据链路。结合工艺先验知识，先后做数据统计分析、数据挖掘及个性算法模型。一是统计分析，根据历史数据回顾工艺的执行情况；二是数据挖掘，分析工序制品半成品、产品的质量情况，挖掘既往生产习惯中可以提升的方向；三是个性数据算法建模，预测工艺和产品的执行情况，提醒相关人员做出调整和决策。

报表工具：包含智能抄表、能源报表、综合报表、成本报表、绩效类报表等功能。

（三）基于新一代信息技术的生产工艺优化模型

本研究基于工业知识，将工业机理模型与机器学习算法相结合，将研究构想应用于工业场景，通过对复杂的物理、化学过程运行模拟和优化，将人工经验固化为模型方式，产品化设计工业AI 产品，形成可规模化复制的AI 应用，推动行业迈向智能化生产模式，解决限制行业高质量发展的四类难题。

难题一：“老师傅”操作经验难于传承和操作水平波动大的难题；

难题二：用过量的消耗保障产品合格率和生产效率的难题；

难题三：连续性生产过程原料的波动导致产品质量和成本波动大的难题；

难题四：因质检数据滞后于生产过程引起的产品抽检品控和破坏性检测的难题。

1.工艺优化场景化过程

本研究基于新一代信息技术打造生产工艺AI 优化模型，工艺优化场景化过程涉及生产制造过程、数据分析过程与智能算法匹配优化等过程，形成可规模化复制的AI 应用，打造智能化生产模式，详见图3。

图3 工艺AI 场景过程

2.工艺优化场景

（1）面向工艺优化的工业大数据建模及智能化应用：根据流程工业智能化升级相关研究现状，基于智能设备、云平台、边缘计算的深度整合，优化数据库、算法库、模型库，打造具备智能感知、智能分析、智能决策功能的企业生产与运营管理智能化应用，增强企业生产流程与工艺优化、设备维护与事故风险预警能力。

（2）基于AI 的原料成分智能优选：本研究采用运筹优化算法，实现原料成分智能优选，提升原料稳定性和合格率。在建材行业的生产过程中，生产用原料成分对成品质量具有较大影响。实际生产过程中工艺工程师会基于实验数据和历史生产经验总结得到最佳的成分组合，并将其作为基准成分（即生产过程中的目标成分）。为了实现最终的入窑原料尽可能接近或达到基准成分，实际生产过程中会首先进行原料优选来初步筛选比较符合原料基准成分的原料批次，然后在合格的原料批次中进行配方优选，形成最接近成品设计成分的原料配比组合。

为了在人工经验的基础上进一步提升入窑成分的稳定性和合格率，本研究使用运筹优化算法实现了原料优选算法。

（3）基于AI 的配方智能优化调整：本研究通过建立数学模型，使用SLSQP 算法进行优化求解，实现精确控制原料合理添加质量，智能优化调整配方。在建材行业生产过程中，有必要在生产前十分准确地计算出各原料的添加质量，使成品的各项质量指标均满足生产要求。实际中，由于成品质量指标较多，时常出现人工计算难度大、原料添加不合理的情况，这对成品的质量产生了不良影响。本模型能够根据当前各生产原料的组分含量，快速、准确地计算出各原料合理的添加质量，使成品的各项质量指标均满足生产要求。

本研究所用模型通过平台采集的数据，围绕成品等各组分含量、密度、基准值及浮动范围等数据建立一个数学模型，将原实际问题转化为一个带有多个约束条件（含线性约束与非线性）的函数最小化问题，并使用SLSQP 算法进行优化求解。

（4）基于AI 的生产调度优化：本研究采用数字化运营算法，根据算法推荐调优，得出最优排产计划安排。建材行业生产过程中，受到设备检修、品种切换、设备效率、产品品种、错峰生产的约束，对排产人员制定排产计划提出了挑战，尤其在各项干扰因素周期无规律的情况下大幅提升了排产难度，大部分情况下较难完成月度生产目标。使用数字化运营算法手段，将设备历史检修计划、各品种的效率、错峰时间段、总计划任务产量等信息纳入平台算法中，从而得出最优排产计划。根据算法推荐调优，系统会推荐排产计划安排，并规划错峰、维修等开停机时间，指导生产人员在规定的时间执行，从而降低生产成本，保障任务完成度以及提高设备运转效率。

（5）基于AI 的质量分析与预警：本研究采用特征选择算法，对产品质量进行分析与预警。基于平台采集的温度参数、窑压参数，结合原料稳定性和配方稳定性优化等情况，使用特征选择的方式进行算法设计和优化。

三、基于大数据分析的建材企业智能运营管控平台的特点

基于大数据分析的建材企业智能运营管控平台主要有以下特点。

（一）采用DDD 领域设计模型打造跨行业共用平台架构

当前，国内外大部分生产运营管理平台都是一个单体应用或者只有底层框架，需要根据企业的业务流程进行定制开发，无法面对跨行业或企业灵活业务变化进行配置实现。本研究通过DDD 的设计模型，将业务逻辑和领域模型融入系统设计中，对工业领域微服务进行六边形模型建模，实现面向产业扩展的工业互联网微服务架构模型，助力工业核心领域与子域设计的快速发展；采用1+N 的云边协同部署架构，支持云端一键“应用”及“算法模型”的部署与更新。本研究构建的智能运营管控平台架构相比于传统架构，易管控、易运维、扩展灵活。

（二）满足多租户大规模用户并发使用，实现跨行业跨企业数据汇聚

国内外大部分数字化平台或应用都是面向单个企业进行建设，行业和企业业务数据相互独立，无法实现跨企业和跨行业间共性数据的积累沉淀，制约了行业数据创新和数据价值挖掘的深入发展。本研究创新融合互联网、云计算、大数据技术、工艺机理，首次采用工业企业、工业设备和智能仪器仪表ID 化方法。本研究所搭建的平台以工业企业为租户，企业员工为用户，满足上千家企业和上万用户同时使用，一个平台即可完成各自企业生产运营管理业务工作，具有同时并发、应用范围广等优异的特点，在国际国内尚属首例。

（三）建立工艺AI 产品化研发底座，创立工业生产自动驾驶模型研究

国内外在工业智能的研究大部分局限于不完整的生产链路数据和项目的实践积累，大都停留在研究阶段或者验证阶段，无实践场景验证和复制能力。相较而言，本研究具有整合性与实用性，通过提出大系统思维构建赛博（Cyber）空间，针对建材行业生产过程大滞后、非线性特点，设计了数据时间错位的数据分析框架，根据工艺特征，把不同的数据进行聚合处理计算，解决建材生产过程中每个生产阶段耗时长、质量数据难以与生产工艺关联的问题。突破工艺现实与虚拟的数字界限，把工艺模型和工艺流程抽象为数字模型，通过定义、重组和编排来挖掘数据的价值。同时，创造性地对工业生产过程研发了从测量与感知（生产过程关键参数预测）－运动规划（关键工序/设备稳定运行优化）－行为规划（生产过程动态调度）－路径优化（大尺度资源配置与调度优化）4 层工业生产自动驾驶的模型，实现人工经验+自动化+数字化的深度融合与学习，推动建材行业迈向智能化生产模式。

（四）融合数据集成与边缘计算技术搭建平台

目前，平台建设存在云端数据时效性、大规模计算压力、异常信息快速诊断响应的技术瓶颈，本研究的一体化IoT 平台是涵括边缘层（边缘端设备与边缘计算平台）与云端平台的整体平台融合，实现云网端一体化协同，通过边缘计算技术实现云边业务高效协同，高效解决数据集成技术问题。边缘层对应的实际物理环境可以支持单个设备或产线或车间或整个工厂或基地；支持数据库直接对接、文件数据接入，并快速分析和处理采集到的工业数据，快速响应设备实时状态监控、异常预警、实时数据统计等应用。

（五）推出生产全要素在同一平台实现互联互通的模块产品

传统生产过程业务系统都比较独立，“数据孤岛”多，业务出现断层，难以形成连贯的数据和沉淀行业数据，对数据创新与价值挖掘存在局限。本研究基于业务微服务底座构建的建材行业通用SaaS 应用，实现全生产要素互联互通，打破“数据孤岛”，涵盖生产过程排产、生产执行、质量管理、仓储物流、设备管理、能源管理、碳排放管理业务。

（六）无须开发即可实现跨行业数字化应用配置交付的应用软件

传统数字化系统的建设需设立专门的产品设计与开发，程序复杂，经济成本高，耗费时间较长。而本研究基于行业共性需求的提炼和场景具象化设计的产品模块，让项目交付过程无须产品设计和程序员开发，即可实现建材行业的数字化系统的配置和上线使用。

四、总结

本文构建基于大数据分析的建材企业智能运营管控平台架构，运用人工智能、大数据、数字孪生等新技术手段，建立基于新一代信息技术的生产工艺优化模型，实现跨行业跨企业多用户高并发访问使用，助力企业高效完成生产运行管控。本研究构建的智能化管控平台适合于国内建材企业现状和未来发展，在关键技术方面能取代国外产品，突破国外技术的限制，对国内工业软件技术突破有重大意义。本研究通过建设虚实映射的数字化工厂，为数字化管理提供可视化平台和数据支撑，以帮助企业提高原料车间生产效率、降低原料车间生产成本、实现数字化工厂，为建材行业数据化转型应用提供实践经验，推动建材行业数字化转型升级，与世界领先水平并驾齐驱。