★北京首鋼自動(dòng)化信息技術(shù)有限公司

★首鋼京唐鋼鐵聯(lián)合有限責任公司

★首鋼技術(shù)研究院

1 項目背景介紹

隨著(zhù)新一代信息技術(shù)的不斷突破和向制造業(yè)的加速滲透，鋼鐵產(chǎn)業(yè)變革得以深入發(fā)展。2021年，國家“十四五”發(fā)展規劃明確提出了產(chǎn)業(yè)數字化發(fā)展要求，同年4月，中國鋼鐵工業(yè)協(xié)會(huì )組織成立了鋼鐵智能制造聯(lián)盟，引領(lǐng)和規范鋼鐵企業(yè)數字化轉型發(fā)展。鋼鐵企業(yè)的數字化轉型已不是選修課，而是助推企業(yè)高質(zhì)量發(fā)展的必由之路。自“十三五”以來(lái)，眾多鋼企一直在探索智能制造發(fā)展路徑，研究領(lǐng)域涉及數據平臺研發(fā)、裝備、生產(chǎn)及服務(wù)等，各領(lǐng)域都有亮點(diǎn)工作，但取得的成效主要體現在供應鏈管理效率提升方面，如采購、營(yíng)銷(xiāo)、物流、財務(wù)等數據信息的貫通與融合。對于生產(chǎn)數據的價(jià)值挖掘遠遠不足，現有質(zhì)量管控多數集中在基于閾值或簡(jiǎn)單規則的判定，質(zhì)量溯源和基于數據的分析模型一直難以落地。近年來(lái)，圍繞制造層面的智能化落地問(wèn)題，寶武集團等先進(jìn)企業(yè)開(kāi)始探索“云-邊-端”協(xié)同體系，首鋼也在同期開(kāi)始關(guān)注車(chē)間層級的智能工廠(chǎng)發(fā)展，聚焦“生產(chǎn)過(guò)程”智能管控體系建設及“云-邊-端”管控架構。

熱軋是鋼鐵生產(chǎn)流程中的重要環(huán)節，也是控制變量多、控制難度高、控制功能最為復雜的環(huán)節。在熱軋場(chǎng)景下，從原料到加工，最后輸出給下一環(huán)節，由于傳統的信息化都是單環(huán)節運維控制，單環(huán)節分析，最終綜合分析指標數據，反饋產(chǎn)線(xiàn)相對滯后，沒(méi)有從整體上考慮流程，做全程把控，一直都存在著(zhù)資源利用率低，運維成本高的痛點(diǎn)問(wèn)題。隨著(zhù)國內鋼鐵產(chǎn)能的持續高位運行，鋼鐵產(chǎn)品的市場(chǎng)競爭也愈加激烈，激烈的市場(chǎng)競爭促使企業(yè)更加期望達到生產(chǎn)和設備穩定運行，質(zhì)量最優(yōu)可控，成本最少、人員最少。目前來(lái)看，傳統的制造方式發(fā)展能力有限，很難滿(mǎn)足這些要求。

近年來(lái)，大數據、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)、云計算等新一代信息技術(shù)廣泛普及并推動(dòng)生產(chǎn)方式變革。利用智能制造解決上述企業(yè)難題已經(jīng)成為當前有效的方法。目前國內各大鋼企爭相開(kāi)展智能制造，如寶鋼與艾默生、首鋼與阿里等。

因此，如何有效整合熱連軋生產(chǎn)各區域段（加熱爐、粗軋、精軋、層冷及卷取等）的數據，建立全量數據中心，開(kāi)展各類(lèi)智能應用研究，快速準確地解決生產(chǎn)、質(zhì)量、設備、成本、物料等各方面問(wèn)題，穩定提升產(chǎn)品質(zhì)量，提高生產(chǎn)和工作效率，是目前各個(gè)熱連軋生產(chǎn)廠(chǎng)亟需解決的難題。

2 項目目標與原則

首鋼京唐熱軋智慧管控平臺項目“一平臺七中心”以首鋼工業(yè)互聯(lián)管控平臺為核心，通過(guò)通用數據接口平臺，向上分別適配并賦能七個(gè)中心，分別為熱軋設備智能運維中心、熱軋質(zhì)量智能管控中心、鋼卷無(wú)人庫區和智能物流中心、機器人及智能視覺(jué)裝備應用中心、熱軋能源管理和成本中心、環(huán)保消防監控中心、數據報表中心。該項目為解決如下問(wèn)題：

（1）熱軋數據分布在分散且不同層的系統或不同物理空間的生產(chǎn)區域中，數據孤島狀況嚴重，數據提取和處理只能靠人工來(lái)回拷貝后再進(jìn)行導入處理，并且數據接口協(xié)議繁雜、數據結構類(lèi)型多樣，不同維度的系統數據無(wú)法形成交織關(guān)聯(lián)，數據關(guān)聯(lián)分析能力明顯不足，并且缺乏相應的數據采集技術(shù)來(lái)完成實(shí)時(shí)、海量、高頻、異構和多接口協(xié)議的數據采集；

（2）現場(chǎng)數據體量龐大、數據殘缺和無(wú)效項過(guò)多，缺乏相應的大數據平臺對數據進(jìn)行統一且有效的清洗、歸集和存儲。傳統的離線(xiàn)存儲方式需要大量物理硬盤(pán)，殘缺數據無(wú)法實(shí)時(shí)還原及重現，并且數據安全性無(wú)法得到保證，此問(wèn)題需要基于數據異構壓縮、糾刪碼技術(shù)的數據還原和冷熱備技術(shù)，有效解決數據平臺存儲空間大、投資大的問(wèn)題；

（3）現場(chǎng)數據分層管理和追溯難度大，無(wú)法滿(mǎn)足精益生產(chǎn)優(yōu)化管控方面需求，需要構建可視、可追溯和可應用的數據體系來(lái)滿(mǎn)足需求；

（4）現場(chǎng)數據歸集多采用時(shí)間維度，相應的數據時(shí)空轉換技術(shù)不成熟，難以滿(mǎn)足實(shí)物質(zhì)量分析和溯源過(guò)程中使用空間維度數據的需求。

一個(gè)平臺七個(gè)中心是熱連軋廠(chǎng)區的核心框架，在此基礎上，向下不斷優(yōu)化采集匯聚數據，泛化數據接入能力，向內整合梳理數據，積累模型經(jīng)驗、精準數據指標、規范主題分類(lèi)、沉淀數據價(jià)值，向上以多元多能數據賦能各中心，持續優(yōu)化中心應用，深度適配場(chǎng)景需求，最終達到七個(gè)中心覆蓋熱軋全流程軋制流程，全面把控生產(chǎn)成本、進(jìn)度、質(zhì)量，成就一流熱軋產(chǎn)業(yè)。

3 項目實(shí)施與應用情況

為解決項目中的科學(xué)和技術(shù)難題，項目團隊研究開(kāi)發(fā)了以下技術(shù)來(lái)解決：

（1）基于多維技術(shù)協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺技術(shù)；

（2）全量數據統一采集存儲與實(shí)時(shí)融合服務(wù)模型技術(shù)；

（3）面向數據資產(chǎn)血緣關(guān)系可追溯治理的技術(shù)；

（4）時(shí)空轉換與全息化“數字鋼卷”開(kāi)發(fā)技術(shù)。其具體工作內容如下：

3.1 基于多維技術(shù)協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺

基于項目現場(chǎng)實(shí)際情況和自有技術(shù)群，深度構建基于多維技術(shù)協(xié)同的工業(yè)互聯(lián)網(wǎng)體系，整合了多協(xié)議轉換技術(shù)體系、大數據接入體系以及大數據存儲體系等多維復雜關(guān)鍵技術(shù)，使各平臺達到了縱向聯(lián)動(dòng)L0-L4級數據，橫向聯(lián)動(dòng)各工序、多物理空間的設備及系統，從而實(shí)現全面細粒度管控要求，平臺架構如圖1所示：

圖1 工業(yè)互聯(lián)網(wǎng)平臺整體架構

工業(yè)互聯(lián)網(wǎng)平臺自底向上主要分為三個(gè)核心層級，設備物聯(lián)層、平臺層以及應用層，具體細分為物聯(lián)感知層、物聯(lián)數據層、數據規范化管理層、數據總線(xiàn)層、數據中臺層、業(yè)務(wù)中臺層、服務(wù)總線(xiàn)層及應用層。通過(guò)不同層次之間的技術(shù)疊加實(shí)現對數據、業(yè)務(wù)、管控和迭代的多維度服務(wù)能力。針對在熱軋現場(chǎng)，數據來(lái)源眾多，使用各種類(lèi)型協(xié)議進(jìn)行數據傳輸，導致各個(gè)系統間進(jìn)行數據通信基本都需要進(jìn)行深度解析開(kāi)發(fā)，而由于很多軟件都是外國廠(chǎng)家提供的，軟件更新周期長(cháng)，甚至遙遙無(wú)期，并且現場(chǎng)的系統不能統一更換，也無(wú)法在短周期內做到協(xié)議統一。

為了解決現場(chǎng)數據孤島和多維協(xié)議的問(wèn)題，項目團隊研發(fā)了多協(xié)議轉換技術(shù)體系、設備協(xié)議統一管理體系以及數據通信統一設計體系。協(xié)議轉換功能結構圖2所示，核心工作內容如下：

（1）多維協(xié)議轉換體系建設：項目團隊集成常用協(xié)議諸如TCP/IP、OPC、MQTT和多種JDBC到一個(gè)功能模塊中。

（2）設備協(xié)議統一管理體系：項目團隊兼并融合了現場(chǎng)設備和機組所用軟件常用SDK和接口，為軟件與多協(xié)議轉換模塊中的協(xié)議建立映射關(guān)系。

（3）數據通信統一設計體系：項目團隊為現場(chǎng)設備和機組所用軟件、設備協(xié)議統一管理功能模塊、多協(xié)議轉換功能模塊構建統一的數據通信結構和網(wǎng)絡(luò )拓撲。

圖2 協(xié)議轉換功能結構圖

項目團隊在覆蓋工業(yè)現場(chǎng)全協(xié)議的基礎上，實(shí)現了多源異構數據接入的協(xié)議轉換配置即用功能，只需要配置來(lái)源數據所用協(xié)議和地址等相關(guān)信息，就可以將數據從原有系統中抽出，降低了使用門(mén)檻。該技術(shù)體系成功解決了現場(chǎng)數據孤島和多維協(xié)議問(wèn)題，使各系統數據具備統一進(jìn)入一個(gè)平臺的基本能力，達成了數據統一匯聚使用的目標。

此外，引入數據總線(xiàn)模塊來(lái)實(shí)現整套架構的數據采集和數據傳輸功能。根據平臺整體管控設計和要求，任何維度、層級、體量和結構的數據都需要經(jīng)過(guò)數據總線(xiàn)來(lái)進(jìn)行內容的傳輸，從而實(shí)現統一化管控。項目團隊研發(fā)的數據總線(xiàn)可以實(shí)現靈活配置以應對不同類(lèi)型的數據與大數據平臺交互。為了實(shí)現這個(gè)功能，項目團隊構建數據交換共享平臺來(lái)作為數據總線(xiàn)，承接底層的數據源，并做整合和預處理，提供給中層的存儲組件或計算框架使用。通過(guò)對數據總線(xiàn)的功能強化和配置，使其在不同場(chǎng)景下可以做到無(wú)縫切換、彈性伸縮和數據可追溯，提供了超越傳統數據總線(xiàn)的總線(xiàn)服務(wù)能力。

3.2 全量數據統一采集存儲與實(shí)時(shí)融合服務(wù)模型技術(shù)

熱軋工業(yè)現場(chǎng)數據異構、高頻、海量、統一接入難度大，此外數據質(zhì)量整體水平較低，缺失項較多，項目團隊基于開(kāi)源消息中間件Kafka進(jìn)行重構開(kāi)發(fā)，優(yōu)化了原有Kafka能力，與此同時(shí)引入流計算、分布式計算及批處理等多框架，實(shí)現對數據的高效接入、清洗、存儲與應用等功能；使用自研優(yōu)化的Kafka集群接入高頻高吞吐量數據，經(jīng)過(guò)幾輪迭代和優(yōu)化，該功能模塊目前能夠達到熱軋現場(chǎng)要求的以10ms頻率接入“10萬(wàn)+”一級點(diǎn)位數據。而對于低頻的關(guān)系型數據，根據數據適配的數據結構，通過(guò)協(xié)議轉換模塊抽取到數據后，寫(xiě)入到集群對應的Mysql、Postgres等數據庫中。

在數據處理層面，項目團隊結合大數據Lambda和Kappa數據處理架構，基于熱軋數據和業(yè)務(wù)特性，構建針對不同維度數據進(jìn)行快速處理和出入庫處理操作的處理流程。當數據進(jìn)入自研Kafka集群后，數據處理后移，通過(guò)流處理組件實(shí)時(shí)拿到數據，離線(xiàn)應用的數據持久化到HDFS分布式集群中做周期性數據分析匯總，并定期導出存入外部介質(zhì)做災備，實(shí)時(shí)應用的數據經(jīng)過(guò)清洗、脫敏、標準化和自研算法服務(wù)分析后進(jìn)入到緩存中，由前端調取展示。該處理流程能夠高時(shí)效并發(fā)和快速響應多元異構數據業(yè)務(wù)要求。

在殘缺數據還原方面，項目團隊引入全新一代糾刪碼技術(shù)實(shí)現對數據的補償還原。糾刪碼技術(shù)的底層核心理念就是借助矩陣計算理論進(jìn)行實(shí)現的，Erasure-Code算法的最底層的基本的數學(xué)原理：行列矩陣中一種特殊矩陣的性質(zhì)：即任意M×N（M行N列{M<N}）的行列式，其任意M×M的子矩陣都是可逆，以實(shí)現數據恢復運算?；诖?，我們對特定關(guān)注數據進(jìn)行糾刪碼伴隨式計算，實(shí)時(shí)進(jìn)行數據校驗以及數據還原工作。結合首鋼京唐熱軋現場(chǎng)生產(chǎn)環(huán)境、計算資源環(huán)境以及數據特點(diǎn)，引入RS+Stripe PlaceMent結合的聯(lián)動(dòng)方式，合理的StripeUnit的方案作為底層的糾刪碼方案來(lái)落地相關(guān)領(lǐng)域應用。

在數據存儲方面，引入差值存儲、異構存儲和比對存儲的不同存儲方式來(lái)進(jìn)行優(yōu)化存儲體量和邏輯，在保證可以快速檢索數據的前提下，實(shí)現最小體量的存儲，做到絕不浪費“1KB”資源。

在數據安全方面，不僅配置了網(wǎng)絡(luò )軟硬墻，也解決了軟件接口調用數據的隱患，引入數據加密技術(shù)對特定核心數據進(jìn)行加密處理，結合實(shí)際情況選擇MD5、SHA1、HMAC、AES和DES等多種不同加密算法，從而做到“因數施法”的基本能力。

3.3 面向數據資產(chǎn)血緣關(guān)系可追溯治理的技術(shù)

眾多工廠(chǎng)的設備管理工作都很完善，但是對基于設備產(chǎn)生的數據和生產(chǎn)的全量數據的管理則參差不齊。熱軋現場(chǎng)原有數據管理體系無(wú)法跟蹤數據血緣，數據存在缺失和丟失后無(wú)法準確定位的問(wèn)題；同時(shí)無(wú)法清晰明了地對數據進(jìn)行年度盤(pán)點(diǎn)工作，不能有效分析數據使用率，判斷或利用數據價(jià)值；更嚴重的情況是故障發(fā)生時(shí)，故障分析中經(jīng)常需要調用大量人力、物力來(lái)協(xié)調溝通查看數據，故障恢復時(shí)間長(cháng)，進(jìn)而影響生產(chǎn)。

項目團隊研發(fā)了數據資產(chǎn)可視、可溯源及可操作三位一體的完整管控體系，通過(guò)“大數據資產(chǎn)大盤(pán)”收集、匯聚、整理和展示平臺的計算資源、存儲資源和一鍵溯源數據血緣。數據資產(chǎn)大盤(pán)可視化如圖3所示。

圖3 數據資產(chǎn)大盤(pán)可視化

項目團隊圍繞數據狀況、數據使用邏輯、數據來(lái)源判定與梳理等多個(gè)維度，設計血緣網(wǎng)絡(luò )拓撲、數據治理邏輯與規則、數據統一管控邏輯以及數據生命周期監控邏輯等，通過(guò)對數據血緣的細粒度劃分達到對數據管控的統一設計、分步實(shí)施、邏輯合并和對數據高效應用的深度與廣度。

項目團隊借助數據中臺核心數倉實(shí)現了對數據的全生命周期管控、多維數據關(guān)聯(lián)分析、不同數據間血緣網(wǎng)絡(luò )體系建設和“同軸”數據的上下游解析判定等多層次功能。通過(guò)處理、設計和組合設備類(lèi)、控制類(lèi)和管理類(lèi)等不同維度數據，開(kāi)展檢索數據、查驗數據、抽取關(guān)鍵數據等多維度聚合的數據應用。

3.4 時(shí)空轉換與全息化“數字鋼卷”開(kāi)發(fā)技術(shù)

原有業(yè)務(wù)的高頻曲線(xiàn)、人工數據、海量非結構化數據融合與統一難度大，異常軋制下的帶鋼數據時(shí)空轉換難度大，業(yè)務(wù)響應要求時(shí)效高，缺少數據全鏈條關(guān)聯(lián)關(guān)系。

項目團隊研發(fā)了時(shí)空轉換技術(shù)體系，建設以“數字鋼卷”為核心的機理模型和數據模型來(lái)解決上述問(wèn)題，實(shí)現了“數字鋼卷”的時(shí)空變換、數據判異、物料匹配、分類(lèi)歸檔、優(yōu)化跟蹤。該功能上線(xiàn)后，現場(chǎng)一、二級數據追溯分析準備從2小時(shí)縮短到5分鐘以?xún)?，用?hù)可清晰獲取物料從第一道工序到最后工序的物料變化歷程，實(shí)現多維度數據追溯，進(jìn)而發(fā)現異常。

項目團隊研發(fā)了數據倉庫體系，基于大數據技術(shù)統一標準化數據中心的數據，解決了熱軋業(yè)務(wù)需要數據融合和維度聚合的痛點(diǎn)問(wèn)題，最終將數據歸集到“卷”維度，形成“數字鋼卷”。項目團隊所建數據倉庫中的主題模型層對下連接所有數據，對上承接所有業(yè)務(wù)，承載了數據融合與維度融合的關(guān)鍵內容。

項目團隊構建了基于人工智能技術(shù)的基礎理論載體，運用自主研發(fā)的深度學(xué)習框架豐富填補工業(yè)互聯(lián)網(wǎng)平臺技術(shù)能力和實(shí)現多維度模型，自研深度學(xué)習框架兼容多個(gè)外部公用框架，具備良好的通用性和適配性，算法服務(wù)平臺總體架構如圖4所示。

圖4 算法服務(wù)平臺總體架構

項目團隊引入了以深度學(xué)習技術(shù)為基礎的模型體系來(lái)構建數值數據分析和工業(yè)視覺(jué)分析兩個(gè)功能模塊。該技術(shù)體系除了具備圍繞生產(chǎn)工藝質(zhì)量、控制的模型自學(xué)習能力以外，還支持實(shí)現以強化學(xué)習為基礎的深度學(xué)習模型來(lái)實(shí)現工業(yè)視覺(jué)領(lǐng)域的應用賦能。

項目團隊建設的算法平臺和模型體系用來(lái)支撐已匯聚數據的數值分析的需求。如圖5所示，圍繞敏捷業(yè)務(wù)構建基于業(yè)務(wù)閉環(huán)的多維開(kāi)發(fā)智能引擎，方便數據分析人員進(jìn)行數據開(kāi)發(fā)工作。項目團隊為算法服務(wù)平臺引入核心算法庫，實(shí)現與數據倉庫的數據主題庫之間的無(wú)縫連接，為敏捷業(yè)務(wù)的迭代與優(yōu)化提供強有力的支撐；同時(shí)引入微服務(wù)框架體系，解耦不同業(yè)務(wù)單元，實(shí)現業(yè)務(wù)單元的敏捷上下線(xiàn)與合并重組，極大提升平臺橫向擴展與業(yè)務(wù)迭代能力。

圖5 模型體系與智能應用

實(shí)現完整的“數字鋼卷”，實(shí)現按需分級，成本到卷。在大數據數據倉庫體系的基礎上，通過(guò)多維數據協(xié)同、時(shí)空轉換等技術(shù)手段，項目達成了“數字鋼卷”的多維建設。為提升精益制造管控粒度，項目團隊基于多維技術(shù)協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺技術(shù)，抽象歸納貼源層、明細層、主題模型層和業(yè)務(wù)層主數據，低成本、高頻數據適配度高，界面友好。在人工智能技術(shù)的加持下，賦能數字鋼卷精細化落地，提升了整體的可用度及應用范圍，成果如圖6所示。

圖6“數字鋼卷”可視化展示

通過(guò)該4項技術(shù)的研究與應用，研究并建立了基于工業(yè)互聯(lián)網(wǎng)的開(kāi)源重構數據扁平壓縮體系，首創(chuàng )數據下沉的邊緣側大數據協(xié)同管控平臺，攻克了熱軋實(shí)時(shí)、海量、高頻、異構數據和多接口協(xié)議復雜的難點(diǎn)，首次提出面向數據血緣關(guān)系可溯源治理的資產(chǎn)大盤(pán)可視化技術(shù)，解決了L0-L4海量數據的多層次、多維度、多模態(tài)等難以融合的問(wèn)題，實(shí)現了多協(xié)議適配、邊緣側數據處理以及全流程生產(chǎn)運行數據采集，采集分辨率達50ms-1s，長(cháng)度方向分辨率20mm-1m，滿(mǎn)足了熱軋生產(chǎn)過(guò)程的質(zhì)量診斷、設備預警、生產(chǎn)過(guò)程協(xié)同控制的需求。

摘自《自動(dòng)化博覽》2023年3月刊