1、 項目背景介紹

在鋼鐵生產(chǎn)行業(yè)，對于物料、機械、生產(chǎn)過(guò)程和工藝的精細化管控，是實(shí)現產(chǎn)線(xiàn)高質(zhì)量、低能耗、高效率生產(chǎn)的基礎條件。在中厚板產(chǎn)線(xiàn)，因為工藝設計的限制，中間一些核心環(huán)節依然處于人工控制的階段，沒(méi)有完全實(shí)現自動(dòng)化控制生產(chǎn)。這主要體現在兩個(gè)方面：

其一是針對冷床、檢查臺架、橫移臺架的板坯跟蹤。在軋制、剪切等基于輥道的生產(chǎn)工序間，穿插了冷床、檢查臺架、橫移臺架等設施，最終形成了中厚板產(chǎn)線(xiàn)的非線(xiàn)性生產(chǎn)流程，這些中間設施需要通過(guò)額外的設備和系統實(shí)現局部的跟蹤，最終實(shí)現精整產(chǎn)線(xiàn)的跟蹤和管控。

其二是針對轉鋼過(guò)程的自動(dòng)化控制。轉鋼過(guò)程是中厚板產(chǎn)線(xiàn)軋制過(guò)程的起點(diǎn)，其主要作用是通過(guò)配合轉鋼和對鋼坯在橫縱兩個(gè)不同方向上的軋制，使中厚板板坯達到目標軋制寬度。目前轉鋼過(guò)程依然有人工參與控制，未納入自動(dòng)化管控之中。

其三，在中厚板軋制過(guò)程中由于來(lái)料兩側厚度、溫度不一致、軋機牌坊剛度、液壓缸相應的兩側差異、側導板對中跑偏等原因容易導致軋制過(guò)程中出現鐮刀彎。產(chǎn)線(xiàn)缺乏檢測設備和自動(dòng)化控制手段，一旦鐮刀彎糾偏不及時(shí)，輕則降低成品成材率，重則影響生產(chǎn)甚至損壞設備，現場(chǎng)迫切需要一套系統全面的鐮刀彎控制方法。

因為上述問(wèn)題的存在，中厚板產(chǎn)線(xiàn)未能完全實(shí)現自動(dòng)化控制，進(jìn)而導致精細化管理的不足，后流程數據反饋也比較繁瑣和之后，很大程度上影響了產(chǎn)線(xiàn)的生產(chǎn)質(zhì)量和產(chǎn)線(xiàn)的整體效益。

2、 項目目標與原則

本案核心解決如下關(guān)鍵痛點(diǎn)：

1. 針對特殊場(chǎng)景的基于機器視覺(jué)的跟蹤技術(shù)

本案可以實(shí)施的核心原因之一是采用機器視覺(jué)技術(shù)，在滿(mǎn)足低成本、高穩定性的條件下，實(shí)現了冷床等中間設施上的物料跟蹤能力。機器視覺(jué)技術(shù)有一定的普適性，針對大多數物料可以清晰識別的場(chǎng)景，都可進(jìn)一步實(shí)現對其的跟蹤。

2. 針對非線(xiàn)性的精整產(chǎn)線(xiàn)的跟蹤和管控

在解決痛點(diǎn)1，補全了從熱矯直機到雙邊剪、剖分剪間，冷床、檢查臺架和橫移臺架等中間流程的跟蹤信息后，結合原有產(chǎn)線(xiàn)輥道跟蹤系統的數據，實(shí)現了精整產(chǎn)線(xiàn)的物料跟蹤。并在此基礎上，通過(guò)對流程接口的控制和中間設施的調度優(yōu)化，實(shí)現了生產(chǎn)過(guò)程管控的優(yōu)化提升。

3. 針對轉鋼過(guò)程的自動(dòng)化控制

利用機器視覺(jué)技術(shù)，實(shí)現對轉鋼過(guò)程的實(shí)時(shí)監控和轉動(dòng)角度反饋，使過(guò)程控制系統有了自動(dòng)判斷轉鋼到位的依據，實(shí)現該過(guò)程的自動(dòng)化控制。

4. 對物料、機械和生產(chǎn)過(guò)程的綜合管控

通過(guò)實(shí)現了精整線(xiàn)的自動(dòng)控制，可以進(jìn)一步利用工業(yè)互聯(lián)網(wǎng)平臺的能力，為整個(gè)產(chǎn)線(xiàn)關(guān)鍵內容的全量數據采集，以及經(jīng)過(guò)數據分析完成對產(chǎn)線(xiàn)生產(chǎn)過(guò)程的綜合管控打下基礎。本案首先針對中厚板產(chǎn)線(xiàn)設計和實(shí)施，主要適配于任何鋼鐵生產(chǎn)企業(yè)中的中厚板、寬厚板生產(chǎn)線(xiàn)的物料跟蹤和綜合管控場(chǎng)景。經(jīng)過(guò)業(yè)務(wù)功能調整，可以推廣到其他連續、離散制造業(yè)產(chǎn)線(xiàn)。

5.板型缺陷檢測

通過(guò)深度學(xué)習技術(shù)的語(yǔ)義分割能力，提取板材板型輪廓，進(jìn)行板材的舌頭、魚(yú)尾、鐮刀彎等板型缺陷分析。

3、項目實(shí)施與應用情況詳細介紹

一、 核心優(yōu)勢

1)   利用先進(jìn)的人工智能技術(shù)解決精整線(xiàn)控制的核心痛點(diǎn)問(wèn)題

本案為國內外首個(gè)將機器視覺(jué)應用到中厚板物料跟蹤領(lǐng)域，通過(guò)普通攝像機實(shí)時(shí)跟蹤鋼板位置，成本低，效果好，穩定性強。目前針對中厚板精整產(chǎn)線(xiàn)的跟蹤和管控平臺應用還沒(méi)有找到其他對標企業(yè)，其中一個(gè)核心原因主要還是因為中間設施上物料跟蹤問(wèn)題未得到較好的解決。目前的主要方案是采用傳感器技術(shù)，在中間設施下方部署大量的光柵傳感器?？紤]到現場(chǎng)的溫度、粉塵、氧化鐵皮震落等問(wèn)題，光柵傳感器本身的環(huán)境抗性要求就比較高，導致設備本身較為昂貴。同時(shí)，因為要求的覆蓋面積廣闊，傳感器需求數量非常巨大，進(jìn)一步增加了實(shí)施成本。最關(guān)鍵的，一旦發(fā)生傳感器表面粉塵、氧化鐵皮堆積，傳感器檢測就會(huì )失靈，穩定性低。而且因為傳感器安裝于產(chǎn)線(xiàn)下方，不易維護，一旦發(fā)生問(wèn)題，系統的投用時(shí)間就會(huì )大打折扣。相比于傳感器方案，基于機器視覺(jué)的物料跟蹤方案從幾個(gè)根本性問(wèn)題上解決了原有的高成本、易失效、難維護的問(wèn)題。首先，中厚板物料產(chǎn)品特征明顯，尺寸巨大，利用普通的高清監控攝像機即可實(shí)現基于機器視覺(jué)的跟蹤；可以從高處大范圍進(jìn)行拍攝和圖像識別，根本上避免了近距離檢測需要考慮的環(huán)境問(wèn)題，并減少了設備數量；拍攝條件限制較少，可選位置廣泛，且安裝在上方，可從多個(gè)角度避免環(huán)境客觀(guān)因素導致的系統失靈，提高系統運行穩定性?；跈C器視覺(jué)技術(shù)的轉鋼過(guò)程控制同樣具有上述特點(diǎn)，實(shí)現中厚板軋制過(guò)程的起點(diǎn)的自動(dòng)化控制。

2)   高度融合大數據和人工智能能力的架構

將大數據平臺和算法服務(wù)平臺相融合，似的大數據平臺在進(jìn)行數據處理時(shí)能夠更容易的使用人工智能算法的能力。而算法服務(wù)平臺在構建新的智能化分析服務(wù)時(shí)，可以利用大數據平臺實(shí)現更加便利的對數據的管理和應用。二者相輔相成，形成真正的對工業(yè)場(chǎng)景的智能化賦能。

3)   利用數據可視化、數字孿生等技術(shù)讓數據活起來(lái)

為了更好的體現數據的價(jià)值和數據分析的結果，平臺廣泛利用了數據可視化和數字孿生等技術(shù)，使生產(chǎn)過(guò)程狀態(tài)可以更加清晰的展現出來(lái)，為生產(chǎn)過(guò)程的監控帶來(lái)便利，真正為產(chǎn)線(xiàn)工人提供幫助。

二、 架構設計

1)   整體設計

智慧中厚板視覺(jué)分析平臺由一套完整的工業(yè)互聯(lián)網(wǎng)平臺支持研發(fā)完成。自底向上大體分為物聯(lián)層、數據中臺層、業(yè)務(wù)中臺層、應用層。具體包括物理設備構成的物聯(lián)感知層、直接從物聯(lián)設備獲取數據的軟件系統構成的物聯(lián)數據層、對數據進(jìn)行統一的接入、清洗、存儲、時(shí)空標準管理的數據規范化管理、統一負責大數據平臺與外部數據交互的數據總線(xiàn)、核心負責數據數據存儲、處理、分析并進(jìn)行數據的業(yè)務(wù)主題映射的數據中臺層、結合數據主題整合業(yè)務(wù)主題的業(yè)務(wù)中臺層、實(shí)現統一接口服務(wù)并進(jìn)行服務(wù)管理的服務(wù)總線(xiàn)層、支撐平臺對外服務(wù)的業(yè)務(wù)層以及基于平臺生成的看板數據及數據可視化的駕駛艙層。各層配合對外提供工業(yè)互聯(lián)網(wǎng)平臺的各種能力。

自主研發(fā)的大數據平臺是整個(gè)工業(yè)互聯(lián)網(wǎng)平臺的數據管理核心，支持進(jìn)入平臺的全量數據的接入、存儲、組織和一部分處理工作。平臺底層以Hadoop體系為核心，構建分布式架構下的數據存儲、資源調度和狀態(tài)管理。數據接入方面以自研Kafka為最常用的數據接入方式，同時(shí)也支持其他多種時(shí)效性和多樣數據源的數據接入方式。數據處理方面，平臺整合了MR、Spark、Storm的能力對外可以提供批處理計算、流處理計算以及更為直接的數據挖掘能力，覆蓋了全部常用的數據處理需求。數據存儲方面，通過(guò)整合多種專(zhuān)項用途的數據庫的能力，配合分布式文件系統，實(shí)現了對異構數據的合理存儲。最后，統一進(jìn)行用戶(hù)、權限和安全管理，實(shí)現平臺功能對外的安全賦能，并支持多種方式實(shí)現平臺能力的調用。

算法服務(wù)平臺基于人工智能和神經(jīng)網(wǎng)絡(luò )的多種算法庫和模型設計框架為基礎設施、以多種機器學(xué)習算法和深度學(xué)習模型為核心賦能工具，利用數據處理、模型訓練等模型優(yōu)化功能，完成工業(yè)智能化場(chǎng)景的高性能實(shí)現和落地。

結合大數據平臺的數據管理能力，利用獨特的雙向控制服務(wù)模塊，輔以針對特殊設備定制數據采集/接入模塊，實(shí)現算法服務(wù)與大數據服務(wù)的統一管理、調度和對外賦能。同時(shí)支持處理結果反饋到大數據體系實(shí)現數據閉環(huán)和業(yè)務(wù)閉環(huán)。利用容器管理技術(shù)，方便平臺服務(wù)在“云”（數據中心）上的橫向擴展和環(huán)境遷移，同時(shí)也有利于環(huán)境的整體邊緣化部署，形成“云-邊-端”的邊緣計算分層服務(wù)體系，以提供更快的響應速度，更低的帶寬占用。

2)   技術(shù)路線(xiàn)

a)   分布式和微服務(wù)架構

平臺各核心模塊均采用分布式、微服務(wù)架構的思想進(jìn)行實(shí)現。做到高度解耦，自由擴展。核心的精整線(xiàn)跟蹤功能基于工作流思想實(shí)現，底層利用大數據流式處理進(jìn)行開(kāi)發(fā)，充分利用了大數據應用開(kāi)發(fā)的擴展能力。應用開(kāi)發(fā)基于Spring Cloud的微服務(wù)架構，實(shí)現了模塊解耦。智能分析中，各模塊基于Docker，并將高內聚模塊封裝成K8s的pod，以方便進(jìn)行微服務(wù)管理和擴展。

b)   自研大數據平臺

  平臺以自研大數據平臺為基礎構建，覆蓋全量數據的采集、接入、組織、存儲、管理和應用。將大數據平臺的能力與其他各個(gè)模塊有機結合，進(jìn)一步提升平臺各模塊的能力。

c)   采用先進(jìn)的機器視覺(jué)分析算法

  在進(jìn)行圖像處理過(guò)程中，采用深度卷積神經(jīng)網(wǎng)絡(luò )，完成圖像中物料的識別和定位，進(jìn)而分析出物料和物料間的相關(guān)數據。利用最新研究的卷積技術(shù)和激活函數調整，優(yōu)化網(wǎng)絡(luò )結構，提升網(wǎng)絡(luò )分析速度，以滿(mǎn)足實(shí)時(shí)跟蹤的處理性能要求。網(wǎng)路框架采用PyTorch，利用其良好的向前兼容性，盡量減少了在未來(lái)應用中的模型返工的可能性和工作量。

d)   高清成像系統

  采用高清監控相機和高分辨率工業(yè)面陣相機，以滿(mǎn)足相應場(chǎng)景下的圖像清晰度要求，為分析精度提供保障。

e)   數字孿生

  數字孿生，是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學(xué)科、多物理量、多尺度、多概率的仿真過(guò)程，在虛擬空間中完成映射，從而反映相對應的實(shí)體裝備的全生命周期過(guò)程。

三、 方案功能

方案主要功能有四個(gè)，一是對精整線(xiàn)物料跟蹤，二是對生產(chǎn)流程的優(yōu)化，三是質(zhì)量控制和工藝優(yōu)化，四是精整線(xiàn)綜合管控。

1)   精整線(xiàn)物料跟蹤

為實(shí)現的物料跟蹤，針對中厚板精整產(chǎn)線(xiàn)這種非線(xiàn)性的生產(chǎn)過(guò)程，主要分為兩個(gè)步驟：實(shí)現階段性流程中的局部跟蹤和進(jìn)行跟蹤數據歸集并通過(guò)界面分析拼接多個(gè)階段的跟蹤數據，完成整體的物料跟蹤。

a)   實(shí)現局部跟蹤

利用多種方式實(shí)現物料的階段性局部跟蹤，對于輥道生產(chǎn)過(guò)程階段，現有的生產(chǎn)控制系統對物料的定位，已經(jīng)可以在精度和穩定性等方面滿(mǎn)足物料跟蹤的實(shí)際需求，本案通過(guò)接口服務(wù)，直接與相關(guān)系統進(jìn)行通信并獲取數據。

針對本案中提到的特殊設施，如冷床等，則采用基于機器視覺(jué)的智能化分析方式，利用拍攝和采集到的圖像，對設施上的物料進(jìn)行整體的識別和定位，實(shí)現過(guò)程中物料位置數據的提取。

在拿到不同的來(lái)源的位置數據后，構建物料的生產(chǎn)過(guò)程狀態(tài)模型，利用這些數據反映物料所處的階段和動(dòng)向，尤其反映出物料在階段的進(jìn)入和離開(kāi)的動(dòng)向信息，以便實(shí)現前后階段跟蹤的拼接。

b)   實(shí)現數據歸集和跟蹤拼接

在階段性的局部跟蹤中，以產(chǎn)線(xiàn)為主體，反映其上的物料所在的位置和相對于該階段產(chǎn)線(xiàn)的狀態(tài)。在跟蹤拼接后，以物料為主題，反映其目前屬于的生產(chǎn)流程階段和相應狀態(tài)。為此，需要實(shí)時(shí)進(jìn)行各階段生產(chǎn)流程的數據歸集，利用物料的唯一標識，整合物料在各階段的狀態(tài)模型，尤其針對每一時(shí)刻的物料進(jìn)入、離開(kāi)產(chǎn)線(xiàn)的動(dòng)向信息進(jìn)行向前、向后的匹配，從而實(shí)現跨生產(chǎn)流程階段的物料跟蹤拼接。進(jìn)而可以實(shí)現精整線(xiàn)的物料跟蹤。

2)   生產(chǎn)流程的優(yōu)化

以物料識別、定位和跟蹤為基礎，可以進(jìn)一步實(shí)現多個(gè)中厚板產(chǎn)線(xiàn)的自動(dòng)化控制、過(guò)程調度、質(zhì)量跟蹤等生產(chǎn)流程優(yōu)化能力。

a)   自動(dòng)化上下料

中厚板產(chǎn)線(xiàn)冷床等設施的物理傳送結構，是整體聯(lián)動(dòng)的，部分冷床可以實(shí)現區域性局部運動(dòng)，但依然存在對整體運動(dòng)的影響。因此，在物料進(jìn)入或離開(kāi)設施時(shí)，可能是需要整個(gè)設施上的所有物料一同移動(dòng)的。因此，在執行上料、下料時(shí)，需要根據實(shí)際情況，判斷是否在同時(shí)進(jìn)行上下料操作和該操作是否有相互影響，進(jìn)而判斷是否滿(mǎn)足上下料的物料傳動(dòng)條件。利用對產(chǎn)線(xiàn)冷床等設施上的物料位置分析，可以自動(dòng)判斷設施當前是否上下料的條件，進(jìn)而實(shí)現該過(guò)程的自動(dòng)化控制。

b)   調度優(yōu)化

  在上述設施中，冷床段的主要用于實(shí)現中厚板產(chǎn)品的自然冷卻。為了更高效的利用冷床上的空間，可以通過(guò)圖像分析的方式智能化實(shí)現該功能。在生產(chǎn)密集的周期內，在中厚板板坯進(jìn)入冷床時(shí)，入口工業(yè)相機開(kāi)始工作，監控冷床入口最后一塊進(jìn)入板坯和新一塊進(jìn)入板坯間的距離，以此來(lái)把控區域的物料密集度。在生產(chǎn)不密集的周期內，通過(guò)物料跟蹤的監控攝像機，可以實(shí)現相對較低精度的產(chǎn)線(xiàn)物料排布控制。綜合兩種排布分析和控制，整體把控冷床設施的利用率。

3)   質(zhì)量控制和工藝優(yōu)化

  利用人工智能技術(shù)對生產(chǎn)過(guò)程的特定數據進(jìn)行分析檢測，用于判斷產(chǎn)品質(zhì)量并根據分析結果指導工藝優(yōu)化。本案中實(shí)現了中厚板板坯鐮刀彎控制，通過(guò)對軋制過(guò)程中的板坯的版型進(jìn)行分析，判斷是否出現鐮刀彎的情況，并計算鐮刀彎的曲率，從而指導后續道次對板坯軋制的工藝參數。

四、 技術(shù)內容

1)   成像硬件系統

  成像硬件系統主要由高清攝像機和工業(yè)面陣相機組成。

  工業(yè)面陣相機用于進(jìn)行入口上料區域的圖像獲取，以控制兩個(gè)鋼板間的邊緣距離，使之滿(mǎn)足一定的最小距離限制，以便后續圖像分析中可以正確區分相鄰的鋼板個(gè)體。

  高清攝像機整體覆蓋冷床、檢查臺架、橫移臺架以及中間庫區的整個(gè)設施范圍，用于進(jìn)行鋼板分布的視頻圖像采集，用于進(jìn)行鋼板位置識別和跨攝像機的物料跟蹤分析。

2)   模型服務(wù)模塊

  模型側服務(wù)模塊基于Docker封裝為鏡像，具有較好的獨立性，通過(guò)接口與外部實(shí)現低耦合的通信和協(xié)作，同時(shí)同樣具有較好的擴展性。處理模型由機器學(xué)習算法、機器視覺(jué)算法庫以及深度神經(jīng)網(wǎng)絡(luò )共同完成，用于對連續的視頻幀進(jìn)行靜態(tài)分析和動(dòng)態(tài)關(guān)聯(lián)，最終實(shí)現整體的跟蹤能力。

a)   調整語(yǔ)義分割模型Unet，提升模型精度

  為了解決Unet無(wú)法對遠程上下文交互和空間依賴(lài)性進(jìn)行建模的問(wèn)題，我們將U形結構與Transformers的注意力機制相結合形成了一個(gè)新的語(yǔ)義分割網(wǎng)絡(luò )。自注意模塊(MHSA)位于編碼的末端、解碼器的前端，作用在最抽象的特征圖上，它將每個(gè)元素相互連接起來(lái)，從而訪(fǎng)問(wèn)包含所有輸入圖像的感受野，以此來(lái)獲取圖像遠程上下文信息。交叉注意力模塊(MHCA)通過(guò)減弱跳連(skip connection)特征中與鋼板無(wú)關(guān)的區域的權重，增強相關(guān)區域的權重，來(lái)濾除非鋼板像素，最終實(shí)現UNet解碼器中的精細恢復。最終實(shí)現了模型鋼板識別精度的提升。

b)   采用空洞卷積進(jìn)行加速

  為了在保證算法模型準確率的前提下提升算法性能，將5x5的標準卷積替換成了3x3的空洞卷積。經(jīng)試驗，算法準確率基本不變，速度提升一倍。

3)   平臺側服務(wù)模塊

   平臺側服務(wù)模塊基于Spring框架，可以快速將現有MVC架構調整為Cloud架構，以方便后續的微服務(wù)化、大數據整合或性能橫向擴展的需求發(fā)展。包括：數據存儲、平臺應用服務(wù)、接口服務(wù)、精整線(xiàn)跟蹤服務(wù)、數據總線(xiàn)和監控管理。

a)   平臺應用服務(wù)

  平臺應用服務(wù)提供用戶(hù)界面，展示實(shí)時(shí)跟蹤情況、查詢(xún)歷史記錄，并提供相關(guān)業(yè)務(wù)操作以及監控報警等功能。服務(wù)采用B/S架構，可以在網(wǎng)絡(luò )內任意支持版本的瀏覽器上進(jìn)行訪(fǎng)問(wèn)和監控。

b)   接口服務(wù)

  平臺提供統一的接口服務(wù)，實(shí)現平臺應用服務(wù)與其他服務(wù)的解偶，同時(shí)作為生產(chǎn)二級系統與平臺進(jìn)行數據交互的統一界面。精整線(xiàn)跟蹤所需的二級系統數據以及二級系統需要平臺協(xié)助完成的跟蹤和調度任務(wù)，均通過(guò)接口服務(wù)進(jìn)行配置打通數據通道。通過(guò)與二級系統的數據交互，真正做到精整線(xiàn)的物料可追溯，為實(shí)現全流程可控制打下堅實(shí)基礎。接口服務(wù)支持多種通信協(xié)議的動(dòng)態(tài)配置以及通過(guò)消息中間件MQ、Kafka等將數據接入工業(yè)大數據/工業(yè)互聯(lián)網(wǎng)，極大程度上適配工業(yè)生產(chǎn)場(chǎng)景的通信接口和通信方式的要求。

c)   中厚板精整線(xiàn)跟蹤服務(wù)

  通過(guò)將從二級系統和智能分析得到的跟蹤數據進(jìn)行歸集，結合工作流設計中明確的界面數據關(guān)聯(lián)方式，利用大數據流式計算的能力進(jìn)行數據分析和整合，實(shí)現精整線(xiàn)物料跟蹤的能力。

d)   數據存儲

  平臺產(chǎn)生并需要記錄的數據具有異構性，有常規的生產(chǎn)記錄、跟蹤記錄等關(guān)系型數據，也可能要保存階段性視頻數據等非結構化數據用于故障分析。平臺數據存儲結合數據庫和文件系統，滿(mǎn)足多種存儲需求。

e)   數據總線(xiàn)

  利用數據總線(xiàn)，完成平臺內部數據存儲、智能分析服務(wù)和中厚板精整線(xiàn)跟蹤服務(wù)間的數據交互，提供高內聚的數據交互方式。

f)   監控管理

  監控管理統一對平臺內的一切狀態(tài)變化進(jìn)行記錄，包括操作監控、接口監控、服務(wù)監控以及硬件監控。

五、 具體應用案例介紹

1)   應用企業(yè)簡(jiǎn)介

   首鋼京唐公司中厚板部為本案產(chǎn)品需求的提出方。目前在生產(chǎn)過(guò)程中，因為中間設施的自動(dòng)化物料跟蹤困難，依然采用人工跟蹤的方式，在中厚板板坯從設施離開(kāi)時(shí)，人工觀(guān)察板坯上噴印的唯一標識，手工輸入到后續的生產(chǎn)系統中，實(shí)現物料的跨輥線(xiàn)跟蹤。人工跟蹤效率低下，非常影響生產(chǎn)節奏，特別是在冷床設施，因其用途本身就是對大量中厚板板坯進(jìn)行自然冷卻，其上存儲數量較多。尤其在生產(chǎn)密集的周期內，如果無(wú)法快速的進(jìn)行板坯下線(xiàn)，容易造成冷床堵塞等問(wèn)題。

同時(shí)，冷床本身的利用率無(wú)法得到精確的控制，通過(guò)人工進(jìn)行觀(guān)察和控制，容易造成機械動(dòng)作區間的判斷不精確，容易操作板坯錯誤的運動(dòng)，導致冷床上板坯碰撞，或錯誤的判斷板坯無(wú)法運動(dòng)，導致冷床上的板坯間距過(guò)大，降低冷床利用率。

中厚板部考慮過(guò)采用傳感器的方式實(shí)現冷床區間的物料跟蹤，但因為其成本較高，穩定性較差，最終放棄了。但中間設施的自動(dòng)跟蹤和精整線(xiàn)的智能化跟蹤管控，依然是中厚板部的迫切需求。

2)   應用步驟

本案實(shí)施過(guò)程中，首先實(shí)現了對中間設施智能化的局部過(guò)程跟蹤。通過(guò)在設施合適位置安裝工業(yè)相機和高清攝像機，完成覆蓋全區域的圖像采集系統，通過(guò)對圖像的分析實(shí)現物料的識別和定位。利用物料的分析識別結果，實(shí)現局部過(guò)程的物料跟蹤，同時(shí)對相應中間設施實(shí)現自動(dòng)上下料過(guò)程和調度優(yōu)化。

同步的，打通平臺與現場(chǎng)生產(chǎn)控制系統的數據通道，獲取輥線(xiàn)物料位置信息，分析得到輥線(xiàn)流程的物料跟蹤數據。綜合各局部過(guò)程跟蹤數據，拼接實(shí)現精整線(xiàn)的過(guò)程跟蹤數據。

在實(shí)現了精整線(xiàn)的自動(dòng)化控制以及數據通道打通后，可以利用大數據平臺的數據管理能力，接入全產(chǎn)線(xiàn)的物料、機械設備、生產(chǎn)過(guò)程數據，對數據進(jìn)行組織、存儲和主題化的管理，為數據應用做好準備。同時(shí)可以，進(jìn)一步完成精整產(chǎn)線(xiàn)綜合管控，通過(guò)大數據和人工智能數據分析，對存儲的數據資產(chǎn)進(jìn)行利用。同時(shí)，可以實(shí)現基于數據可視化和數字孿生技術(shù)，實(shí)現對產(chǎn)線(xiàn)的實(shí)時(shí)仿真和狀態(tài)展示。

最終實(shí)現工業(yè)互聯(lián)網(wǎng)平臺真正對產(chǎn)線(xiàn)進(jìn)行優(yōu)化，為工廠(chǎng)帶來(lái)經(jīng)濟和管理上的益處。

4、效益分析

本案產(chǎn)品采用先進(jìn)的人工智能技術(shù)、高清成像技術(shù)、大數據技術(shù)以及分布式計算和邊緣計算技術(shù)，具備本地云擴展和接入工業(yè)大數據/工業(yè)互聯(lián)網(wǎng)的能力，充分考慮了廠(chǎng)區技術(shù)革新的擴展和兼容性需求。作為首個(gè)基于人工智能技術(shù)的中厚板產(chǎn)線(xiàn)物料跟蹤系統，填補了國內板材跟蹤領(lǐng)域的空白，具有非常明顯的技術(shù)示范效果和模范帶頭作用。

通過(guò)部署本案產(chǎn)品，首鋼京唐公司中厚板產(chǎn)線(xiàn)，有效地提高了中厚板產(chǎn)線(xiàn)物料跟蹤過(guò)程的穩定性和準確度、提高了轉鋼到位的準確率，極大的縮減了相關(guān)人工輔助跟蹤工作量，避免了因為人工失誤導致的產(chǎn)品損傷問(wèn)題，降低了損耗。通過(guò)優(yōu)化轉鋼控制流程、冷床控制流程，綜合產(chǎn)能提升帶來(lái)約615萬(wàn)元效益提升。通過(guò)優(yōu)化鐮刀彎檢測，改善產(chǎn)品質(zhì)量，提升成材率帶來(lái)約223萬(wàn)元效益提升。同時(shí)，統計能源消耗優(yōu)化效果，帶來(lái)約185萬(wàn)的效益提升。共計產(chǎn)生1023萬(wàn)元經(jīng)濟效益，具有顯著(zhù)的經(jīng)濟效益提升。

5、提供清晰工程現場(chǎng)照圖，照片分辨率>300DPI

精整線(xiàn)物料跟蹤

板坯旋轉測控系統

鐮刀彎檢測系統

中厚板精整線(xiàn)綜合管控平臺