基于炼铁大数据智能互联平台推动传统工业转型升级
基于煉鐵大數據智能互聯平臺推動傳統工業轉型升級
趙宏博1,2，劉偉1，李永杰1，王強1，吳建1
1. 北京北科億力科技有限公司，北京 100102
2. 北京東方國信科技股份有限公司，北京 100102
摘要：通過煉鐵物聯網子系統采集高爐現場監控系統、檢化驗系統、生產運營系統的基礎數據，根據工藝流程建立相關機理數學模型及信息物理系統，研發了基于數據驅動和機理模型的大數據存儲和智能互聯平臺，對煉鐵工序海量數據進行深度挖掘。結合機理模型及冶金行業的核心評價標準，對不同企業、各工序、各人員操作數據進行橫向及縱向對比分析，在此平臺上快速高效地完成煉鐵操作制度的建議、煉鐵大數據的云端數學建模計算、煉鐵信息和標準的快速獲取、煉鐵問題的互動咨詢等，探索了信息技術、大數據技術、互聯網技術與傳統冶金技術的深度融合。
關鍵詞：煉鐵；大數據；智能制造；信息物理系統
doi:10.11959/j.issn.2096-0271.2017058
論文引用格式：趙宏博, 劉偉, 李永杰, 等. 基于煉鐵大數據智能互聯平臺推動傳統工業轉型升級[J]. 大數據, 2017, 3(6): 15-26.
ZHAO H B, LIU W, LI Y J, et al. Transformation and upgrade of the traditional industry based on big data intelligent interconnection platform for iron-making[J]. Big Data Research, 2017, 3(6): 15-26.
1? 引言
1996年以來，我國鋼鐵產量已連續18年位居世界第一，年復合增長率達12.9%。但是，鋼鐵行業的迅猛發展也造成了目前整個行業體量大、產能過剩、競爭激烈、污染嚴重、利潤率低等現狀。市場競爭壓力迫使冶金企業從過去的追求規模化、重量型向產品市場占有率及利潤最大化、質量型發展，從要素驅動、投資驅動轉向創新驅動的新常態，在風險可控的前提下積極謀求轉型升級，才能確保冶金企業的生存和可持續發展，這就要求冶金企業必須利用現有資源，最大限度地發揮人、財、物的效能，建立更加數字化、智能化、高效率的生產及業務流程，更精細化地控制生產成本。
現代信息技術特別是企業資源計劃（ERP）、執行制造系統（MES）、自動控制等系統正是為了滿足企業技術和管理的需求而產生并不斷發展改進的，成為協助企業管理、實現價值的重要技術手段。目前這些技術已應用于大多數的鋼鐵企業。在生產運營過程中，每時每刻都有大量的數據產生和收集存儲，但是，由于缺乏合適的處理技術，很多數據僅僅存在于硬盤中，沒有經過分析和加工轉化為更有價值的信息，對海量數據的快速處理和價值的深度挖掘已成為冶金企業信息化深度應用的一個瓶頸。另外，企業信息化的發展需要引入多個系統，系統所需的服務器及存儲資源獨占系統，但無法實現共享。此外，硬件的逐漸更新、機房和設備的擴張給企業在信息化的投資、運維和能耗等方面帶來了巨大壓力。
煉鐵大數據技術和“互聯網+”技術的引進能夠很好地處理信息技術與鋼鐵現狀之間的矛盾，對生產經營和管理起到巨大的改善作用。大數據技術的使用將使冶金企業有效縮減以往對數據存儲、處理和硬件、場地方面的巨大投資，并取得更加明顯的效果。大數據處理技術的應用將使工業企業的運營和流程數據得到更深的開發。煉鐵大數據智能互聯平臺整合生產單位的設備監測數據和業務數據，結合冶煉工藝機理、設備管理模型對數據進行多維度深度挖掘，使“沉睡”的數據發揮出應有的價值。一方面極大解放了冶金企業中相當大一部分技術人員的工作，另一方面從數據統計、數據挖掘方面，使企業對冶金規律的認識得到很大的提高。工業智能制造技術的使用和普及，首先需得到技術人員和管理人員的支持和認可，才能在冶金企業以及其他工業企業得到快速開展。
“互聯網+冶金工業”能夠改變冶金企業在社會上的印象（如技術落后、污染嚴重、頑固不化、安全頻發等）。同時，發揮“互聯網+”的效應，充分借助社會化智力資源對冶金工業的支撐力度，將部分業務（如工業傳感器技術、數據分析處理、人員管理培訓等）承包給外圍單位，使冶金企業自身實力得到極大增強。更為重要的是，“互聯網+”技術的應用打破了傳統冶金企業封閉的技術圈，數據、管理、流程優化等都能夠在更大范圍得到有效利用和增強。以冶金企業高爐煉鐵為例，天氣預報、同類型企業對標、產品價格等互聯網普遍應用的信息對未來的預測能夠極大地影響高爐的生產。煉鐵大數據智能互聯平臺和“互聯網+”技術的應用應以實現和提升企業效益為目標，技術服務于應用，解決重點需求和企業關心的成本控制，利用量化的方法從整體上制定戰略，服務于全局。
中國鋼鐵工業年產值高達數萬億元，占國家GDP的比重約為12%。通用電氣公司董事長杰夫·伊梅爾特在2013年主題為“工業互聯網——當智慧遇上機器”的論壇上演講提出，即將到來的工業互聯網革命會帶來不可估量的巨大效益。以提升整個行業生產率1%計，煉鐵大數據智能互聯平臺和“互聯網+技術”在鋼鐵工業的應用就可能帶來每年數百億元的潛在巨大收益。
綜上所述，鋼鐵行業目前面臨的外部市場和內部壓力決定了冶金企業必須通過不斷變革，引入煉鐵大數據智能互聯平臺和“互聯網+”技術，才能實現技術和管理模式的更新及突破，重新獲得強大的生命力和競爭力。
本文首先從總體結構、網絡結構、數據流向、組件4個方面對煉鐵大數據智能互聯平臺的架構及技術要點進行詳細闡述，再通過對平臺功能服務的介紹，明確如何利用大數據平臺實現設計、生產、操作、管理、維護、科研等冶金鏈條各關鍵環節的鏈接。
2 ?煉鐵大數據智能互聯平臺功能架構
2.1 煉鐵大數據智能互聯平臺總體結構
煉鐵大數據智能互聯平臺以生產工藝為主導，充分利用工業物聯網、邊緣計算、云存儲、云計算等技術進行體系化和標準化建設。針對高爐設計、生產和操作特點的多樣化，從傳熱學、煉鐵學等機理層面建立合理的預警標準，實現行業各高爐的安全、長壽生產，實現煉鐵智能化、數字化、自動化，提升煉鐵勞動生產率；煉鐵生產工藝機理模型包含物料利用模塊、技術經濟指標模塊、冶煉機理模塊、熱風爐燃燒自動控制模塊；結合數字化布料制度、操作爐型管理標準實時判斷物料及能量的利用狀態，進一步完善高爐操作標準，提高崗位人員對高爐操作的掌控能力，提升煉鐵過程的數字化、科學化、智能化、標準化水平，實現高爐長期穩定運行，促進煉鐵成本持續下降，降低燃料消耗水平；實現行業關鍵指標的數據對標、趨勢監測以及數據相關性分析，結合機器學習算法和業務對數據進行分析，形成數據資產以及數據標準，集成云端的設計方案和優化經濟指標，開放針對開發者的微服務接口，分享作品到應用市場，對行業的設計院和供應商進行綜合性的評價，形成專家庫以及知識庫等。煉鐵大數據智能互聯平臺總體結構如圖1所示。
圖1 煉鐵大數據智能互聯平臺總體結構
從信息物理系統平臺整體設計考慮，其系統包括：感知和控制層、單元級業務層、系統級整合層、行業級云平臺。實現狀態感知、實時分析、科學決策和精準執行，進一步優化資源配置。構建跨系統、跨平臺、跨領域的數據集散中心、數據存儲中心、數據分析中心和數據共享中心，基于工業云服務平臺推動專業軟件庫、應用模型庫、產品知識庫、測試評估庫、案例專家庫等基礎數據和工具的開發集成和開放共享，實現生產全要素、全流程、全產業鏈、全生命周期管理的資源配置優化，提升生產效率，創新模式業態，構建全新產業鏈生態。以優化鐵水成本為整個大煉鐵的智能制造技術目標，建立燒結、球團、高爐的整體智能協同優化制造方針。通過大數據深度挖掘進行多維綜合計算分析，對從鐵礦粉焙燒造塊到鐵水產出的整個過程的物質流、能量流、信息流進行全面監測和智能優化。以冶煉工藝為主、以數據挖掘和人工智能為輔，開發從原燃料到生產出鐵水的全流程工藝模型及智能專家系統，例如優化配料模型不再是燒結和高爐分開，而是以鐵礦粉—燒結產質量—高爐鐵礦石煉鐵性能—爐渣鐵水成分性能為技術鏈條，在保證鐵礦石和渣鐵成分、煉鐵性能的前提下，通過非線性尋優模型實現噸鐵成本最優，而不是只考慮燒結礦產質量，忽略鐵礦石的煉鐵性能對高爐爐況的影響。
2.2 煉鐵大數據智能互聯平臺網絡結構
煉鐵大數據智能互聯平臺涉及底層傳感器的數據到云平臺的整體網絡鏈路，在數據鏈路形成閉環過程中經過的網絡包括生產控制網（單元級）、辦公生產網（系統級）、企業工業局域網（企業級煉鐵平臺）和互聯網（煉鐵智能互聯平臺）。煉鐵大數據智能互聯平臺網絡結構如圖2所示。
圖2 煉鐵大數據智能互聯平臺網絡結構
2.3 煉鐵大數據智能互聯平臺數據流向
煉鐵大數據智能互聯平臺數據流向如圖3所示。首先從燒結、球團和高爐等感知與控制部分采集數據，獲得數據源；然后，將數據整合到生產單元，再把數據匯總到集團或企業級信息中心；將集團或企業的信息中心與煉鐵行業工業云進行對接；最后，把處理、分析后的業務數據反饋給最終的用戶。數據流的每個環節都需要對數據進行治理，包括數據采集、元數據調度與管理、數據運營、數據質量與安全、數據應用等。
圖3 煉鐵大數據智能互聯平臺數據流向
2.4 煉鐵大數據智能互聯平臺組件
煉鐵大數據智能互聯平臺主要面向煉鐵高爐的行業云平臺。充分利用互聯網、大數據等先進技術，打破地域限制和信息“孤島”，建立模擬實操系統和機理培訓機制，實現數據流的“引進來”和“走出去”。煉鐵大數據智能互聯平臺組件構成如圖4所示。
圖4 煉鐵大數據智能互聯平臺組件構成
企業級數據源通過智能網關進行數據處理、轉換、打包等操作，與煉鐵工業云和智能服務平臺對接。云平臺在異構集成的過程中對外提供3種數據接口：自定義協議接口、HTTP接口和OPC Client DA/UA接口，以滿足不同煉鐵工業現場的需求，適配不同煉鐵工業2.0、工業3.0等多種現場環境。對外數據接口層采集數據后，通過分布式消息中間件對數據信息進行集中管理；多進程多任務數據處理服務訂閱消息中間件的數據信息，并對數據信息進行轉換和預處理；通過數據庫分庫分表中間件，把數據集中、批量存儲到實時數據庫、關系數據庫、分布式緩存，實時數據庫負責存儲設備數據，關系數據庫負責存儲業務數據，分布式緩存負責數據實時監測；數據存儲單元還提供檢索引擎和Hadoop大數據技術體系，每個組件之間通過服務相互協調工作；對外提供應用接口和Web組態，最終形成業務層，為行業相關人員提供服務。
3 ?煉鐵大數據智能互聯平臺功能服務
目前煉鐵行業企業間技術生產相對獨立，數據相對零散，行業數據統計更多依賴人工的統計，準確性和時效性都無法保證，同時企業生產缺乏行業級信息物理系統，無法隨時監控產線各工序的運行狀況，實現遠程工況診斷、對標和“云服務”。生產企業也開始意識到基于現有單元級二級系統以及一些獨立的檢測模塊無法在煉鐵生產流程的成本、能耗方面做出革命性的轉變，這就對煉鐵流程的優化提出了更高的要求，為煉鐵大數據智能互聯平臺的建立奠定了堅實的需求基礎。因此，亟需建設行業級信息物理系統，突破地域、組織、機制的界限，實現對人才、技術、資金等資源和要素的高效整合，從而帶動煉鐵行業產品、模式和業態創新。
本節首先闡述煉鐵大數據智能互聯平臺針對整個生態圈各類用戶的服務定位，再介紹如何建設平臺支撐各類服務，最后闡述如何利用平臺和大數據技術實現行業的轉型升級。
3.1 煉鐵大數據智能互聯平臺建設
平臺旨在通過建設面向煉鐵企業、高校、研究院所、鋼鐵設計院、設備供應商、鋼鐵類期刊/學會、職能機構等行業內相關機構的完整煉鐵生態圈，使生態圈內的成員可以通過大數據平臺實現跨系統、跨平臺的互聯、互通和互操作，促成多源異構數據的集成、交換和共享的閉環自動流動，在全局范圍內實現信息全面感知、深度分析、科學決策和精準執行，助推煉鐵行業的智能升級和技術革新，同時帶動整個行業生態圈的發展。
3.1.1 煉鐵企業
平臺通過在煉鐵企業的上線驗證，將實現煉鐵監測一體化、瀏覽器/服務器模式（browser/server，B/S）架構、云分發、傳感器代替人工巡檢、推理機和大數據支撐、自動控制等，不但可自動匯集全方位的數據以減輕高爐工長及相關崗位人員的工作量，還可提供大量數據深度分析的模型工具，從而為各相關崗位提供技術和數據支撐服務，提高崗位人員的數據分析能力、流程認識能力、知識水平等，精簡現場勞動人員，提高企業勞動生產率。平臺在驗證過程中通過充分收集企業使用建議進行深度完善優化。行業級大數據平臺的應用可以支持企業對標、技術支持、專家咨詢、疑難互聯攻關，真正打破傳統煉鐵企業“孤島式”“封閉式”生產研發模式。
3.1.2 高校、研究院所
高校、研究院所通過平臺獲取行業實際生產基礎數據，為其提供研發支撐，充分發揮研發創新能力，同時高校、科研院所可以通過平臺將研發成果直接應用到煉鐵生產企業，同時校驗研發成果，實現行業產學研一體化，加速行業技術進步與革新。同時，可以為煉鐵院校的師生提供豐富的冶煉實踐教學素材下載資源，針對煉鐵課程授課需求，還可以開發煉鐵動畫、煉鐵實操模擬軟件等大數據平臺分支應用，滿足高等院校“研究型教學”需求。
3.1.3 鋼鐵設計院
設計院通過平臺跟蹤監控不同設計方案下高爐、燒結、球團工序全生命周期運行情況，通過對各設計單位已完成的煉鐵生產單元、反應器的工作狀態和運行情況進行全生命周期的監測和反饋，能夠實時了解并掌握其設計的煉鐵生產單元的實際運行特點，為設計技術的改進提供豐富的數據支撐和實踐檢驗。同時，設計院同樣能夠通過平臺為制造企業提供定制化設計服務，從而獲得適應性強、最佳的設計方案。
3.1.4 設備供應商
設備供應商通過平臺能夠實時監控設備智能傳感器數據，實時監控設備運行情況，在保障設備穩定運行的同時，實現設備運行狀態的實時在線診斷與維護，為企業提供深層次的智能服務，從而幫助企業制定合理的使用規定，選擇更加合適的設備。同時，通過對設備生產及故障信息進行收集，對設備運行參數進行分析挖掘，尋找影響設備壽命的關鍵影響因子，實現設備設計的優化創新。設備實時監測如圖5所示。
圖5 設備實時監測
3.1.5 煉鐵類期刊/學會
平臺可以實現電子期刊資源在平臺上的推廣，同時依據煉鐵技術人員的查閱需求，開發快速、高效的問題檢索模型，搭建煉鐵期刊/學會信息和廣大一線煉鐵操作人員之間的橋梁。
3.1.6 職能機構
平臺可以為煉鐵規劃院、煉鐵標準信息化研究院等行業職能機構提供完整、及時、真實的企業運行數據資源，為其建立更加合理、實際的行業發展規劃和各種標準提供大量的數據支撐。
3.2 產業生態級信息物理系統建設服務
通過系統及系統級信息物理系統實現從高爐、燒結、球團、原料各單元級，到企業級大煉鐵智能平臺級，再到整個產業鏈，乃至產業生態級的信息物理系統建設，通過數據流閉環體系的不斷延伸和擴展實現生產全流程、全產業鏈、全生命周期管理數據的可獲取、可分析、可執行，并逐步形成相互作用的復雜系統網絡，突破地域、組織、機制的界限，實現對人才、技術、資金等資源和要素的高效整合，從而帶動煉鐵行業產品、模式和業態創新。
3.3 一體化工業云服務體系構建
通過大煉鐵智能互聯平臺形成本地與遠程云服務相互協作、個體與群體（個體）、群體與系統相互協同的一體化工業云服務體系，能夠更好地服務于生產，實現智能裝備的協同優化，支持企業用戶經濟性、安全性和高效性經營目標落地。
3.4 產業鏈協同能力提升，共創產業融合的分享型價值鏈服務
通過系統及系統級信息物理系統實現設計院—鋼廠—用戶—設計院的閉環分享型價值鏈，設計院通過了解煉鐵廠的需求創造用戶價值設計，煉鐵廠向用戶提供高價值的產品，用戶在產品使用過程中將產品實際價值和市場行情趨勢反饋給煉鐵廠，同時將產品結構演變趨勢反饋給設計院，智能優化配置資源，從而實現整個產業鏈的融合分享，激活產業鏈的創新能力，促進產業鏈的整體升級。
3.5 數據分析助力產業鏈決策服務
企業內部的橫向集成和企業間的縱向集成實現了數據的及時性、完整性、準確性和可執行性，通過對行業數據進行挖掘，為行業產業鏈提供決策，推動數據—信息—知識—決策持續轉化，構建企業運營新機制。
例如通過實時監控行業產量、庫存變化，對市場趨勢進行預判，指導行業提前進行產能結構調整；通過對行業原燃料質量變化趨勢進行監控，指導原燃料供應商、企業采購商以及企業生產管理部門提前決策與應對，保證產業鏈的健康平穩運行。
3.6 生產數據全生命周期的分級管理和云搜索服務
如圖6所示，基于大數據智能互聯平臺可實現對管理、技術、操作人員的分級管理、定制報告自動生成及云分發。通過大數據挖掘實現工長畫像、班組畫像、高爐畫像等，并且基于機 理模型提煉關鍵指標，形成和完善行之有效的關鍵績效指標（key performance indicator，KPI）管理機制。
圖6 基于大數據智能互聯平臺實現分級管理和云搜索
3.7 云診斷和遠程運維服務
通過行業級大數據平臺的云診斷和遠程運維，可自動檢索對標行業級平臺中其他同類型燒結機及高爐的先進生產操作制度及技術經濟指標。結合機理模型分析，為煉鐵產線各工序生產優化提供數據資產及優化建議，同時通過移動互聯打破時空限制，為企業煉鐵整體技術水平的提升降低時間和財務成本。平臺為行業專家和相關專業人士提供權限，專業技術團隊和行業技術專家可以通過平臺在線監控企業運行情況，通過在線模擬和在線診斷為企業提供智能解決方案，及時有效地為企業提供技術服務支持。
部分企業對高爐布料規律認識深度不夠、制度調整效果不佳時，可以通過平臺向專家咨詢，專家通過平臺遠程獲取高爐運行狀況和調整過程，分析并利用平臺上的布料仿真模型進行模擬，診斷出針對性的解決方案，直接指導企業進行優化調整，為企業排憂解難。
3.8 全流程智能管控
通過生產監控、能源管控、設備管控等子平臺的使用，實現整個鐵前工序的實時智能集中管控。能夠通過平臺同時監控所有崗位的設備及生產過程運行狀態，避免以前只有一級監控崗位高度集中監控數據的弊端，極大地提高設備監控效果，優化崗位人員設置，提高勞動生產率。
3.9 多學科知識體系指導生產
大數據智能互聯平臺將大數據、冶煉機理數學模型、模糊數學、人工智能、專家經驗、知識庫等多學科技術真正應用于實際生產操作過程中，人機一體化，實現自感知、自決策、自執行的智能制造。
3.10 數據共享循環優化
采用恰當的頻率對人、機、料、法、環數據進行感知、分析和控制，運用工業大數據、機器學習、人工智能等技術手段，幫助企業解決裝備健康監測、預防維護等問題，實現“隱形數據—顯性數據—信息—知識”的循環優化。同時，將不同的“小”智能系統按需求進行集成，構建一個面向成體系系統（system of systems，SoS）的裝備的工業數據分析與信息服務平臺，對群體裝備間的相關多源信息進行大數據分析、挖掘，實現群體、SoS之間數據和知識的共享優化，解決遠程診斷、協同優化、共享服務等問題，通過云端的知識挖掘、積累、組織和應用構建具有自成長能力的信息空間，實現“數據—知識—應用—數據”，如圖7所示。
圖7 數據共享循環優化示意
4 ?結束語
本文以鋼鐵聯合工序中數字化水平最低、成本和能耗最高的煉鐵產線為切入點，將“工業傳感器、物聯網、大數據、智能專家系統、云計算、移動互聯”等技術應用于行業級煉鐵大數據智能互聯平臺建設，鏈接了以鋼鐵企業為主體（包含設計院、科研院校、專業期刊、供應商等）的冶金生態圈。
基于煉鐵大數據智能互聯平臺，可以對各鋼鐵企業、各工序、各高爐、各人員操作數據進行橫向及縱向對比分析，推行數字化、智能化、標準化煉鐵，形成數據樣本，培養數字人才，提供云平臺的第三方開發接口，支撐基于云診斷的“自決策”和遠程優化運維，開發手機應用，打造煉鐵“移動工廠”；促進設計院、供應商、科研機構等整個生態圈的信息互聯互通、數據深度應用、產學研用緊密結合和核心競爭力的提高。
點擊下方?閱讀原文?即可獲取全文
作 者 簡 介
趙宏博（1981-），男，博士，北京北科億力科技有限公司總經理，北京東方國信科技股份有限公司工業互聯網研究院院長，主要研究方向為工業互聯網、工業大數據及智能制造。
?
劉偉（1982-），男，博士，北京北科億力科技有限公司總經理助理，主要研究方向為冶金工藝和大數據的結合。
?
李永杰（1982-），男，北京北科億力科技有限公司自動化部經理，主要研究方向為工業傳感器、物聯網及機器學習。
?
王強（1985-），男，北京北科億力科技有限公司大數據平臺經理，主要研發方向為工業物聯網及云存儲、云計算。
?
吳建（1981-），男，北京北科億力科技有限公司軟件部經理，主要研究方向為工業專家系統。
《大數據》期刊
《大數據（Big?Data?Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的科技期刊。
關注《大數據》期刊微信公眾號，獲取更多內容
總結
以上是生活随笔為你收集整理的基于炼铁大数据智能互联平台推动传统工业转型升级的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： C++友元函数
- 下一篇： C++字符串处理操作符重载