智能化无人钢厂炼铁炼钢轧钢宝钢内部资料Word格式文档下载.docx

智能化无人钢厂炼铁炼钢轧钢宝钢内部资料Word格式文档下载.docx

《智能化无人钢厂炼铁炼钢轧钢宝钢内部资料Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《智能化无人钢厂炼铁炼钢轧钢宝钢内部资料Word格式文档下载.docx（31页珍藏版）》请在冰点文库上搜索。

同样,在智慧工厂的研究与实践上,也走在了同行业的前列.

1.2.1韩国浦项实现智慧制造情况

韩国浦项早在２０１２年就开始了智慧工厂的研究，并对什么是智能企业已给出了明确的定义，并从顶层设计，有组织的进行推进。

通过应用智能手机、无线通讯、无所不在的传感器网络、射频识别（ＲＦＩＤ）、智能图像处理、全球定位系统（ＧＰＳ）、地理位置系统（ＬＢＳ）、智能监测和分析、机器对机器（Ｍ２Ｍ）等技术，从制造、工程、材料、供应链、工作环境等各个方面，将工人从单调、程序化的工作中解放出来，把精力集中在创新和增值业务上。

为了改善恶略的工作环境，减轻作业负荷，使操作者更好地摆脱事故的危险，提高生产效率，２０１１年浦项成立了机器人开发小组，专门研究和推广使用工业机器人。

浦项还将ＧＩＳ引入设备、物流、环境、能源及安全等管理体系中，实现智慧制造。

1-1韩国浦项智慧制造概念图

1.2.2德国钢铁工业智慧制造情况

德国工业协会对钢铁企业集成智慧制造进行了定义，他们认为，钢铁企业的集成智慧制造是一种对包含所有工艺、制造过程、供应链进行集中监控和管理的、具有附加智慧的、先进的制造方式。

它根据工业４．０的概念，提出了钢铁企业智慧制造概念图（如图１－２），

　　图1-2德国钢铁企业智慧制造概念图（来源于德国钢铁协会）

　　　　图1-3德国钢铁企业集成智慧制造总体架构图（来源于德国钢铁协会）

1.3宝钢现状分析

从30年前宝钢工程建设开始，信息化建设走“引进学习---优化集成----自主创新”之路，整个信息化经历了四个发展阶段：

表1-1宝钢的信息化发展历程

经过三十多年宝钢人的不懈努力，建设产供销一体化系统，成为国内制造企业信息化的排头兵。

图1-4宝钢股份产销系统架构图

但是，对比国外先进同行企业，在大数据的智能化应用以及智能机器人的使用等方面还存在很大的差距，具体表现在以下几个方面：

1）、在大数据分析方面

2）、工厂虚拟仿真应用

3）、高级优化排产

4）、工艺优化模型研究方面

5）、远程设备监控与故障诊断方面

6）、绿色环保及资源利用方面

7）、成本控制方面等

因此，研究基于互联网、物联网、云计算、机器人、大数据分析等技术的智慧制造模式，对于进一步缩小与国外同行业先进企业的差距，提高宝钢在国际钢铁市场的核心竞争力，具有重要的意义。

二、宝钢股份智慧制造的定位

宝钢股份的智慧制造应定位于满足国际上制造业全球化、精益化、协同化、服务化、绿色化的发展趋势，能够为实现宝钢“从钢铁到材料，从制造到服务，从中国到全球”的战略目标起到重要的作用。

三、实现目标与总体思路

3.1实现目标

以工业4.0概念为指导，通过物联网、互联网、移动互联网、云计算、大数据及智能优化模型技术等技术的应用，开展宝钢智慧制造关键技术、技术难点的攻关以及示范应用，使宝钢制造领域内的资源、信息、物品和人之间相互关联，形成“虚拟网络——实体物理相互映射的系统（CPS）”，，最终实现包括智能制造、智慧设备、智慧安全、智慧物流、智慧能源、智能机器人、智慧工作环境在内的预测式智能制造系统，推动宝钢生产制造进一步由自动化向智能化和网络化方向升级，以降低制造成本、提升运营效率、提高产品质量，从而提升宝钢在全球钢铁领域的核心竞争力。

3.2总体思路

在宝钢现有信息系统基础上，通过物联网、互联网、云计算、大数据及智能优化模型技术等技术的应用，构建宝钢自己的虚拟网络——实体物理相互映射的系统（CPS）（如图1-5所示），实时同步地采集宝钢实际制造过程所有的信息（产品、物料、设备、安全、环境、能源等），在CPS平台上形成宝钢制造实体物理系统的映射---虚拟工厂，通过大数据分析，实时地支持宝钢制造过程的优化生产。

其应用场景如图1-6所示。

图3-1宝钢智慧制造信息物理系统（CPS）构想图

图3-2未来宝钢智慧制造应用场景设想图

3.3未来宝钢智慧制造总体架构设想

宝钢智慧制造由物联感知、远程监控、智能优化以及虚拟制造四个层次构成。

通过建立在宝钢信息物理系统（CPS）平台上的可插拔式服务应用，支持制造现场的智慧制造。

图3-3未来宝钢智慧制造总体架构图

四、实施内容、路径和举措

宝钢智慧制造系统构建在宝钢信息物理系统（CPS）平台上，采用类似于App.Store的可插拔式云应用服务的方式，所有应用服务可随时加入，同时，由于工业4.0概念在德国也是作为2020年后才开始实施的国家发展战略，而我国则将其纳入2025年制造发展纲要中，许多新技术的应用还处于探索阶段，所以，在宝钢2016-2021年规划阶段，不建议规划太多的内容，而是希望通过一些应用示范，取得成功经验后再拓展、铺开。

基于此思路，本次研究的宝钢智能制造内容（第一期），主要包括智能制造、智慧设备、智慧安全、智慧物流、智慧能源、智能机器人、智慧工作环境等七部分。

4.1智慧制造管理（业务部门编写）

4.1.1实施目标和内容

从业务角度描述智慧制造管理各子项的实现目标和实施内容

示例

在智慧制造的要求和规划下，要在原有的过程化思维和连续性的产品创新方面形成突破，用大量的信息和数据，使生产过程、设备状态和产品性能更加透明。

将先进的计算和信息物理融合系统结合起来，形成大数据环境；

控制智能传感器或检测技术的稳定性，保证这些器件及数据是否在正确时间、为正确的目的、提供了正确的信息；

实现结构化和非结构化大数据的存储和关联性分析。

4.1.1实施路径

（1）基于设备、产品和生产过程的大数据表示和分析方法研究，实现结构化和非结构化数据和信息的提取技术；

（2）基于某一生产过程，开展大数据的存储和关联性分析研究工作，实现基于大数据的过程描述模型；

（3）以某一生产过程为例，开展非线性时变系统的大数据建模方法研究、开展非线性系统数据与知识的混合建模方法研究以及模型验证方法研究与实施；

（4）以某一设备或生产过程为例，开展闭环非线性系统微小故障的诊断方法研究、开展多重微小故障的分离方法以及强扰动下微小故障的诊断方法与预测方法研究等；

（5）开展综合复杂系统的安全性实时评估与预测方法研究、闭环控制的整体品质评估方法等研究；

（6）以某一产品为例，开展全流程的数据筛选与分析，开展产品质量与性能的综合性研究，建立过程监控模型。

（7）以某一类设备管理为例，开展全过程的设备数据状态分析，开展性能动态监测分析与预测研究工作。

4.1.2存在技术难点和应对策略

如何以大数据分析应用为背景，在允许运行时间内完成多目标的面向数据并行计算的工作流调度研究；

4.2智慧设备管理（业务部门编写）

同上

4.3智慧安全管理（业务部门编写）

4.4智慧能源管理（业务部门编写）

4.5智慧物流管理（业务部门编写）

4.6智能机器人

4.7智能工作环境

五、附录

以下内容为智能制造、智慧设备、智慧安全、智慧物流、智慧能源、智能机器人、智慧工作环境等方面相对技术化的描述，作为业务部门编写第四部分内容的参考

5.1智慧制造管理

智慧制造管理在合同排产、物料匹配、作业排程、生产调度等方面，提升信息系统的自动化和智能化程度，支撑生产管理人员从单调、程序化的工作中解放出来，把精力集中在创新和增值业务上，将有效降低库存、增加产出、平衡物流、降低成本、改善准时交货，成为企业优化生产组织，提升制造管理能力和水平的强力引擎。

5.1.1智能合同排产

基于有限产能的合同排产，对整个工厂范围内的合同、机组、库存进行整体优化平衡，包括产能的平衡、物流的平衡、库存的平衡。

确定合同在整个生产工艺路径中各工序的计划加工日期，动态跟踪工厂各机组产能的占用情况以及物流状况，预测合同交货期和库存趋势，对生产的异常波动、市场的变化迅速调整生产计划。

5.1.2智能物料匹配

针对合同与物料需要进行脱挂或匹配关联操作的业务需求，基于匹配规则及优化匹配策略，实现自动的合同与物料匹配。

通过向导式操作、规则与策略动态维护、自动匹配等功能，降低匹配难度，提高匹配结果的正确性、合理性和效率。

5.1.3智能作业排程

强调上下游工序生产计划的工序紧密衔接，将各工序相对独立的见料编排计划转变成工序作业计划一体化编制，从而精确平衡物流，提高热装热送比，实现资源的均衡分配，提高资源利用率，有效降低生产成本，缩短生产制造周期，降低在制品库存，为实现按周交货提供有力的保障。

5.1.4智能炼钢调度

支持多种优化策略、满足多种炼钢生产约束的出钢计划自动编制，尽可能减少每一炉次的等待时间，确保各炉次在同一工序上时间不冲突、实现连连浇的顺行。

以甘特图方式直观展示出钢计划，并支持图形中直接编辑交互，可使调度人员快速掌握计划信息和产能安排，便于快速进行出钢计划调整，从而提高炼钢调度人员工作效率。

5.1.5虚拟仿真

以主要产线工序和仓库为背景，分析工序和仓库中涉及到的物流形态及相关工艺、规程等信息，建立多智能体工厂仿真系统，研究不同智能体之间的关系，建立智能体间的通信机制。

对产线工序和仓库的运作效率进行仿真和评估，找出生产薄弱环节和运作过程中可能出现的瓶颈设备，并根据仿真结果对作业计划进行完善，使得生产过程更稳定，物流更平衡，从而提高运作管理水平，降低运作成本。

5.1.6工序质量一贯分析与控制

构建纵向集成L0、L1、L2、L3到L5，收集结构化缺陷数据及非结构化图像数据，集中存储大数据、深度挖掘分析、移动平台展示；

横向贯通炼钢、热轧、冷轧的3条机组产线及宝钢国际剪切中心，满足上下工序间的缺陷数据传递，在线进行产品的质量控制和管理。

构建表面及性能等产品特性的一贯分析改进应用系统，提升缺陷工序分离及成因分析效率；

构建过程PFMEA分析及CP应用平台；

通过实时采集制造全过程的质量数据，对从原料直至成品出厂全过程所涉及的人、机、料、法、环等关联性因素进行监控、分析和管理，达到提高产品质量、符合客户及行业的合规管理要求及提高质量管理效率的目的（如图4-1所示）。

图4-1集中式BPC示意图。

5.1.7全流程物流跟踪及盈利分析

构建一个面向市场的产品成本预测与管控体系，提高成本精细化管控能力。

具体工作内容包括：

1、物流跟踪及现货归户

物流跟踪：

跟踪物料全流程合同信息、物流信息、质量信息和生产工艺等信息，构建全流程物料树，实现全流程物流跟踪。

成材率分摊：

实际钢水量分摊，工序投入量分摊，板坯全流程分摊，将最初投入量分摊到每一个材料上，真实反映每一个物料、品种、用户等多维度成材率情况。

现货归户：

按”谁产出谁负责”的主原则将现货材料进行追溯，合理分摊到相应期货合同上。

物流分析：

在全流程物流追踪和现货归户的基础上，进行多维度分析展现，支持用户深入分析、挖掘，及时发现制造过程中的薄弱点，为全流程成本盈利分析提供物流数据基础，进一步提升公司价值化管理水平。

2、全流程成本测算

数据预处理：

基于成本对象的要求，重置材料的投入产出关系及投入产出量，将扩展工序关联到相应的主工序。

成本对象生成：

基于对象定义，将实际物流工艺路径和工艺信息转化为全流程基本成本对象和扩展成本对象，计算成本对象的实际成材率和铁水比，对废次品材料进行分摊。

成本结转计算：

按平行结转、综合结转和工序结转三种方式计算全流程实际路径下的标准成本。

合同物料成本匹配：

基于成本对象计算出来的成本结果，生成、匹配到当月明细合同物料的成本信息。

3、全流程盈利分析

全流程成本盈利分析：

以合同的投入、产出跟踪为基础，从准发、结算、结案三个统计点分别计算盈利，实现质量现货和合同现货的全流程追溯,揭示现货归户对产品盈利能力的影响，重点关注对成本影响较大的工序的追加成本，真实、完整地反映产品盈利能力水平。

T+1预测：

以全流程成本计算结果为依据，预测次月的成本和盈利情况，为公司产品定价、资源安排、合同接单等提供支撑。

4、计划值与成本标准

拓展、完善指标体系，包括热轧、厚板、冷轧、薄板、硅钢等工序的基本标准和扩展标准；

追加工艺的计划值与成本标准生成、修订功能；

5、新产品目标成本预测

参考CE及预算系统产品标准，设计新产品工艺路径及钢铁料和合金成分构成，并根据各机组成材率和小时产量目标要求，测算新产品目标成本。

通过审核和授权机制监控设计的合理性。

其旨在将技术人员的产品设计转换为成本设计，识别出“成本差异”（如不同精炼方式、机清/手清、不同热处理方式等），并辅助技术人员在产品设计环节进行成本优化。

6、原料质量成本

实现全方位掌控炼铁主原料——煤和矿的各类质量及使用情况、计算分析从采购原材料到高炉用料之间生产环节各类成本损失情况，实现原燃料质量成本分析丰富化和精准化，为降低质量损失提供有效帮助，实现降本增效目标。

5.1.8智能工厂在线控制

随着生产、控制、管理水平和用户要求越来越高，这些生产现场的实时数据对于生产、设备等管理来说就显得尤为重要，随着计算机容量越来越大，以及云平台技术的出现，这样的数据采集和存储就成为了可能。

在线工艺控制包括以下内容

1、实时大数据采集

本子项目将研究哪些生产、设备等实时数据可以采集，并以何种方式进行传输，以及以大数据存储方式放置在云平台上。

存储的数据如何提取，需要提供方便的数据存储、提取、统计、展现等工具。

2、自动化集成平台

对于智能控制来说，需要将全流程的控制系统紧密结合起来，实现数据的全面关联和共享。

在整合数据的基础之上，使用分布式部署的方式，融合所有的控制系统，使不同的控制模型之间可以相互协作，不断优化，持续提高生产工艺水平，提升产品质量。

在iPlature平台的基础上，研究可以实现全面集成的自动化集成平台。

通过自动化集成平台，可以结合大数据云平台所提供的生产优化指导信息，在生产过程中，充分调用现场的控制系统能力，真正将大数据的分析结果，使用相互协作的智能控制应用及模型系统进行生产控制，在生产控制层级进行智能制造的精细控制和最优实现。

3、基于大数据技术的数模分析

宝钢每个生产线基本都设置了数学模型，这些数模对于宝钢的产品质量、产量发挥了重要的作用，近30年来宝钢积累了大量的生产数据、材料数据和操作数据，这些大数据对于分析宝钢产品质量、数模控制精度、以及其他的需求分析，有着重要的作用，积累的数据应好好使用，从中能挖掘出大量有用的信息。

对于模型精度的提高，产品生产优化等有重要作用。

4、视频、PDA以及过程数据的链接

为了建设数字化宝钢的目标，视频与实时数据具有很强的关联性，在分析实际的生产过程故障或质量问题时，往往需要结合各方面的信息，但是这些信息又是分离存储、存储的方式又不相同，因此需要研究一套具有不同媒体集结、检索方便的综合监控系统，这对于设备的维护、故障的分析和质量的监控都具有十分重要的作用。

5、工业以太网络建设

工业以太网已成熟地应用于各种工业控制系统中，由于工业控制系统对网络可靠性、安全性的要求，改变原来星型或总线型的网络结构为具有冗余功能的环型结构已是一种必然的趋势。

在控制点多、数据量大、分布广、可靠性要求高的控制系统中应用具有冗余功能的千兆以太工业环网，对系统性能的提升具有很大意义。

宝钢改造系统应采用这种通信模式，并且要求稍微大些的检测设备都应将采用该链接方法，只有这才能从最高端也能获得最低端的数据。

5.2智慧设备管理

以点检定修为特征的设备维修管理模式，结合移动互联、移动定位、移动办公；

物联网、云存储、大数据分析等新兴技术变革，以适应追求更高效率、更低成本的需求，能更大力度地推行以把握设备状态为前提的预知维修管理模式，形成智慧设备管理。

智能化的设备管理，以提升设备的功能、精度、可靠性，提升运行效率、降低运行成本、提高劳动生产率、提升产品产能和质量水平、降低能耗为目标，建立智能化的设备无忧运行的管理体系，实现劳动效率和价值最大化。

图4-2股份公司未来智慧设备管理蓝图

5.2.1移动互联下的智能化设备点检管理

1、设备定位技术的运用

通过移动互联技术及设备定位技术的运用，细化设备台账中“安装地点”对设备的位置信息的描述及维护，在地图上进一步实时显示设备的位置信息及相应的设备状态信息。

达到如下目的:

（1）现场设备准确定位、快速查找

（2）解决台账与现场实物不匹配不一致的情况

（3）设备地理位置移动的跟踪

（4）实时掌控设备的位置信息及状态信息

2、设备巡检路线的优化及导航功能

各点检员每日生成的点检计划，通过跟踪设备定位的信息，在地图上形成巡检路线的图形化显示。

通过GPS等导航功能，使点检员可以按照最优化的路径进行日常巡检，以达到每日点检的效率最高，同时保证点检的准确性。

3、检修计划及实绩登录

利用移动终端，点检员对点检计划、委托单进行实绩的登录、确认。

管理人员也可以进行计划、实绩的审批。

设备系统中涉及现场操作及管理人员，都可以达到移动办公的目的。

4、检修人力资源安全管理

对每个协力检修人员进厂后，利用可穿戴设备的定位跟踪功能，实现如下功能：

1）现场行动路线的跟踪，进行安全管理（如危险区域的高危显示）

2）对人力资源动态分布实时掌控

3）实现对全厂检修人力资源分布的平衡控制

4）提升对协力供应商，协力班组的安全管理及评价

5）进一步优化并指导定年计划下达。

5.2.2远程智能化的设备预防性维修管理

建立远程设备状态分析决策支持系统以支持智能化的设备预防性维修管理（可以先期结合设备分层分类管理选取双高设备纳入监控的设备）。

包括各监控系统在线监控数据的采集管理、离线检测信息的管理、以及相关信息专项诊断分析和综合诊断分析设计，监控系统的综合展示、异常事件管理及消息推送。

达到远程对设备状态进行监控及分析的目的。

通过云平台大量存储状态数据，结合对大数据分析技术的运用，帮助设备维护人员对设备状态进行把控并合理安排检修项目。

实现以下功能:

1、基础管理

建立消息推送及数据分析规则和成熟的分析模型，将原有人工对设备状态信息的分析过程和结果逐渐转化为系统自动分析判定。

2、在线点检标准管理

以在线设备状态信号采集分析为基础，通过与在线点检标准的自动比对，主动分析出“点检结果”。

3、消息推送规则管理

设定消息推送规则的途径和方式，自动将设备状态异常事件信息告知各级设备状态管理人员。

4、异常状态事件捕获

设备异常状态事件通过下列场景捕获——

（1）当在线监控信号值超出正常范围或接近报警阀值时；

（2）当离线检测（精密点检）结果出现异常时；

（3）TPM及巡检发现设备异。

设备发生异常状态事件时，自动向相关设备管理人员发出报警信息.

5、倾向管理

根据在线采集数据或离线采集数据，自动形成倾向管理分析图表；

结合专项、综合解决方案及历史履历信息，帮助设备维护人员对设备状态进行把控并合理安排检修项目。

6、设备健康监测

在线设备健康状态的检测有一定的难度，例如轧机主轴疲劳状态和主轴扭矩情况检测，大型电机绕组温度状态和绝缘情况。

。

大型关键设备的健康情况关系到整个生产线的是否顺行，是否需要预先的维护或更换零部件。

在线设备健康状态检测需要根据不同的设备采集不同的设备和工艺参数，将能反映设备状况的信号采集到计算机中，将信号进行处理，并结合专家经验和设备相关物理信息，结合模型计算其健康度，并进行长期的数据采集和存储。

通过智能化手段和专家经验，实时监测设备的运行状态，可实现设备的健康状态预报，并在设备裂化之前提前提出设备的维护或更换的信息。

根据不同的设备，结合专家经验建立专家数据库，统计计算出各种信号在各种情况下的设备健康情况，制定健康度指数计算专家模型。

通过移动和本地数据展现和报警。

7、综合监控

运用直观的展示方式，将大量关键设备的状态信息呈现给设备管理人员。

依靠先进的云计算技术，再结合设备仿真，在一个功能中集成了设备状态管理所需的在线信号、离线检测结果、相关异常信息等，大幅提升设备状态管理人员的操作体验。

同时还提供设备状态事件后续处理的快捷入口，实现与原有业务功能无缝衔接。

8、图形数据管理

定义监控图像区域，管理监控图形区域对应设备编码、标准等基础信息。

将图形数据与具体设备信息进行关联结合，支撑监控画面动态显示，及相关信息勾连。

5.2.3设备故障相关因素分析和故障预测

（1）根据设备状态采集数据及设备异常故障数据进行相关性分析，形成故障预测规则模型

（2）