杜健 馮楊東 姚元龍
當前，隨著智能化、大數據、云計算等新技術的快速發展，鋼鐵業正經歷著一次前所未有的轉型變革。
智能制造是工業大數據的載體和產生來源，同時又是工業大數據形成的數據產品最終的應用場景和目標。工業大數據、人工智能模型和機理模型的結合，可有效提升數據的利用價值，是實現更高階的智能制造的關鍵技術之一。
隨著信息化與工業化的深度融合，工業企業所擁有的數據也日益豐富，包括設計數據、傳感數據、自動控制系統數據、生產數據、供應鏈數據等，數據驅動的價值體現及其帶來的洞察力貫穿智能制造全生命周期。陸續形成的面向制造業企業的工業大數據平臺，也正在為工業大數據在制造業的深入應用提供新技術、新業態和新模式。工業大數據已經成為工業企業生產力、競爭力、創新能力提升的關鍵，相關技術及產品逐步應用于工業企業和產業鏈的各環節，成為驅動智能化生產與服務，實現創新、優化的重要基礎，體現在產品全生命周期的各個階段，正在加速工業企業的轉型升級。
近年來，攀鋼釩結合企業自身發展情況，以軌梁廠萬能二線產線數字化建設為試點，起步建設以工業互聯網和大數據技術為載體的數字化平臺及其應用系統，多層次助力企業在生產制造環節的管理運營。
根據鋼軌生產工藝需求，星云智聯提出基于大數據和微服務技術的系統架構平臺設計。其中，底層數據源（時序數據、文件數據、關系數據、人工錄入數據等）通過KMX（昆侖機器大數據平臺）的數據接入服務，接入到KMX；上層應用開發平臺通過調用KMX數據推動各類業務應用實現。相關負責人介紹，KMX分為數據集成、數據湖、數據訪問服務、數據分析服務和管理控制臺5個主要功能組件；應用開發平臺基于微服務架構，提供注冊中心服務、統一配置服務、路由服務、鏈路追蹤服務、熔斷服務以及應用監控服務等，面向業務應用提供應用開發基礎服務（鑒權、統一認證、消息、監控、日志、配置等）等。
參考工業互聯網架構，星云智聯從功能層面給出工業大數據的技術架構。其中，工業大數據管理能力包含數據采集與交換、數據預處理與存儲、數據工程與數據建模4部分；工業大數據分析能力涵蓋支持離線批量計算和在線實時計算的分布式分析框架，以及工業領域分析會使用到的各類分析算法庫。
功能架構。該系統架構主要功能層次分為數據接入層、數據存儲層、數據分析層和數據服務層。數據接入層主要是將不同數據來源的時序數據、結構化數據及非結構化數據采集接入到相對應的數據存儲層。數據分析層囊括了基礎大數據計算引擎和大數據分析服務的組件，可以根據不同的業務應用需求對數據存儲層的數據進行加工計算、分析及管理，進而在數據服務層提供對外的數據訪問和數據分析的接口服務。同時，貫穿這些層次的還有工業數據模型管理和工業大數據治理兩類服務，還進一步加入了用戶管理、運維管理、備份恢復等平臺管理功能的相關內容。
數據采集。該系統架構在數采服務器及數采網關上部署數據采集軟件，各區域PLC（可編程邏輯控制器）數據經由現場數據采集站匯聚至數采服務器，通過數采服務器端提供的OPC Server（信息系統軟件）向大數據平臺提供數據接入數據源；在數采服務器上安裝大數據平臺OPC（工業標準）接入軟件，基于OPC協議實現PLC數據接入大數據平臺。
數據接入。該系統架構通過前置數據集成系統采集存儲產線的工藝數據和設備數據，然后接入到KMX，在平臺上對數據進行解析、關聯、處理，用以支撐鋼軌數字化產線的各類業務查詢應用、主題建模分析以及設備劣化趨勢分析。
數據存儲。時序數據倉庫（TSDW）是一種高性能、低成本、穩定可靠，為工業中海量時序數據管理與分析場景研發的數據倉庫服務。時序數據庫（TSDB）可提供用于實時監測、近線數據查詢和分析的時序數據管理服務。內容管理服務（OBJ）是一種能夠存儲海量非結構化數據的分布式存儲服務，廣泛應用于工業大數據分析中大規模非結構化數據的分析場景。文件管理（FILE）服務，支持多種文件存儲類型，可與其他服務組件配合使用。關系數據倉庫是一種進行大規模原始關系數據及分析結果優化的分布式關系數據庫。
數據應用。一是產品數字化。該系統架構運用大數據技術，接入、處理、集成PLC、檢測中心、MES（生產制造執行系統）、ERP（企業資源計劃）、能源管理、設備物資等系統與軌梁萬能二線有關的結構化、半結構化、非結構化的時序、業務過程數據，再利用軋制時空轉換模型將所有工藝參數與質量數據進行時空變換，建立鋼軌全長的工藝、質量信息數據同步關系，實現實物鋼軌向數字化鋼軌轉變，進而為實物鋼軌從產品末端控制向全流程控制轉變奠定良好的數據基礎。
二是工藝智能化。該系統架構基于業務、時序數據，通過多種統計模型及機器學習算法綜合計算，實現了生產工藝智能化。其中，運用過程參數尋優模型探索出不同工況下的軋制過程參數最優運行區間，一方面為規范調整行為提供事實參考，另一方面為參數過程符合性評價提供評價基準；運用質量波動根因分析模型透視不同質量缺陷的動因，為及時發現工藝質量異常贏取時間，進而穩定鋼軌質量。
三是設備數字化。該系統架構實現了設備數字化，即實體設備向虛擬設備轉變，初步實現設備孿生；由固定設備狀態向可變設備狀態轉變，實現設備管理數字化。具體而言，即可以根據設備的不同類型、運行條件、工藝參數，為設備制定個性化的基準線檔案，提高設備故障預警的準確性；可以應用趨勢分析、關聯趨勢分析等數據分析算法，實現壓力、溫度、電信號類型等設備運行參數的劣化趨勢預警，減少設備事故，保障設備運行穩定性。
四是生產精益化。該系統架構通過動態模擬投料量、班產完成情況跟蹤、鋼軌支架位置監控、客戶預需求測算等，可進一步提高軌梁對制造需求的快速反應能力；依據線上物料剩余空間對軋線停機進行預警，對關鍵工序（百米檢查點等）的過鋼節奏進行監控，提高生產效率。
整體而言，該項目運用工業大數據技術實踐構建了一個平臺（數字化生產工業大數據平臺），完成了一套體系（產品生產制造過程關鍵數據標準化治理體系），突破了四大應用（產品數字化、設備數字化、工藝智能化、生產精益化）；基于“品控需求從產品末端控制向全流程控制轉變”的思想，從生產數字化建設起步，進一步向“快速響應并滿足個性化需求且交付高品質產品的制造模式”加速邁進。
