3352热轧智能制造方案.docx
《3352热轧智能制造方案.docx》由会员分享,可在线阅读,更多相关《3352热轧智能制造方案.docx(12页珍藏版)》请在冰豆网上搜索。
![3352热轧智能制造方案.docx](https://file1.bdocx.com/fileroot1/2023-4/19/e2c66da0-2f0e-41ac-a207-8cf3089aae34/e2c66da0-2f0e-41ac-a207-8cf3089aae341.gif)
3352热轧智能制造方案
广州番禺珠江钢管有限公司
3352热轧厂
智能制造方案
1项目背景
国务院印发的《中国制造2025》提出,未来十年,中国将紧密围绕重点制造领域关键环节,开展新一代信息技术与制造装备融合的集成创新和工程应用。
支持政产学研用联合攻关,开发智能产品和自主可控的智能装置并实现产业化。
依托优势企业,紧扣关键工序智能化、关键岗位机器人替代、生产过程智能优化控制、供应链优化,建设重点领域智能工厂/数字化车间。
在基础条件好、需求迫切的重点地区、行业和企业中,分类实施流程制造、离散制造、智能装备和产品、新业态新模式、智能化管理、智能化服务等试点示范及应用推广。
建立智能制造标准体系和信息安全保障系统,搭建智能制造网络系统平台。
珠江钢管公司3352热轧产线配置了国际领先水平的工艺设备和电气自动化系统,控制水平较高,运行稳定,下阶段要实现对客户个性化需求的快速反应和全面服务,从而形成有特色的智能制造差异化运营服务模式,创造新的利润增长点,提高盈利能力。
2智能制造行动方案
2.1珠江钢管公司3352热轧智能工厂行动方案
2.1.1珠江钢管公司3352热轧智能工厂总体架构
珠江钢管公司3352热轧生产线配置了国际领先水平的工艺设备和电气自动化系统,控制水平较高,运行稳定。
为将3352热轧进一步打造为世界一流板带生产基地,应把握传统制造业智能化革新的机遇,建设成智能化示范工厂。
从而提高产品附加值,稳定质量、降低消耗,扩大行业影响力。
智能工厂架构如图3.1-1所示。
智能工厂将包括硬件设施、基础平台、生产控制层、智能管控层等四个层级,并实现与集团智能管控运营平台的信息交付。
图3.1-1珠江钢管公司3352热轧智能工厂架构图
2.1.2硬件设施
完善现有工业以太网、现场总线等有线通信网络,建设无线通信网络,建立连续的、相互连接的计算机网络、智能设备网络和生产物联/物流网络,所有信息相关者实现基于计算机网络的互联互通。
增加配置工业机器人、无人天车等冶金智能装备;根据工艺生产、设备监测、质量管控、能源管理、成本评估、物流调度等要求,配置智能传感器。
设置车间级通讯与监视系统、信息显示系统,实现车间管理的透明化和可视化;建设网络信息安全系统,为整个系统安全运行提供策略、技术、机制和保障制度,是集数据中心环境安全、安全网络边界、通信网络安全以及安全管理中心于一体的基础支撑系统。
信息安全系统主要包括计算环境安全系统、区域边界安全系统、通信网络安全系统、入侵防御系统、防火墙系统、漏洞扫描系统和网络防病毒系统。
2.1.3基础平台
2.1.3.1工业大数据平台
利用现有各类生产、管理、设备数据,结合高效的挖掘和分析工具,用大数据的方法解决生产维护中存在的实际问题。
工业制造大数据平台包含大数据中间件、数据采集系统、数据预处理系统和分析应用可视化框架等组成内容。
不同的业务分析系统均基于该平台搭建,平台为业务分析系统提供数据支撑和技术支撑。
工业制造大数据平台是各种智能系统的基石,是后续智能工厂相关系统(如机器人、无人值守等)的孵化器。
在数字化、网络化、智能化的背景下,工业制造大数据平台能够有效地消除企业内部的数据孤岛,能够高效地接驳企业各种信息系统,建设工业制造大数据平台是企业实现降本增效的必然手段。
基于工业制造大数据平台,开发产品质量诊断分析优化系统。
对产品质量缺陷进行离线诊断,分析缺陷成因;进行在线诊断,预测缺陷故障。
保障生产稳定性和产品质量稳定性。
基于工业制造大数据平台,开发能源成本诊断分析优化系统。
动态诊断生产运行过程中的成本状况、能源消耗,制定降本增效措施,为管理层提供有效的辅助生产决策。
基于工业制造大数据平台,开发设备故障诊断分析系统。
研究设备故障规律,形成故障规则和模式,从海量的设备数据中挖掘与这些规则、模式匹配的数据,寻找设备数据的可疑异常,缩小诊断范围,提高诊断效率,提前预
2.1.3.2仿真平台
建立虚拟的仿真平台,以车间全流程的生产过程建模,综合考虑车间的设备布局、工艺路线、物流走向、生产参数、空间避让等所有参与并影响生产过程的因素,统筹决策对生产组织给予指导。
采用模拟生产仿真技术手段,在面对复杂的订单需求时,通过仿真模拟可以协助制定出更优化的生产计划,通过将生产计划输入仿真模型,快速模拟当前订单下的生产情况,统计相关数据,通过分析关键数据和整个虚拟生产过程,调整生产计划并规避不合理情况的产生,反复多次优化订单计划。
采用模拟生产仿真技术手段,在柔性制造需求下可以更有效的降低生产成本。
柔性制造下产品的多样性和订单的复杂性会造成设备的空闲或拥堵、在制品或半成品的增加、原料库和产品库的高库存、物流设备拥堵干涉、产品的多次吊运等,从而导致占用大量资金并降低生产效率,大幅提高生产成本。
通过定制化的生产仿真模型,可以快速地模拟当前订单下的生产情况,在规避生产瓶颈的同时,大幅降低原料、半成品、成品库存,提供合理的原材料的外购计划,降低资金的占用;提供合理的调度运输计划,减少运输设备的闲置或拥堵。
基于仿真平台,对的产品各环节制造过程进行模拟,指导设备工艺参数调整,实现产品质量性能预判,为新产品开发提供指导。
2.1.3.3移动互联平台
通过建立移动互联平台,在此平台上建设智能巡检系统、掌上工厂等、远程监控与管理等应用功能。
移动应用系统网络架构见图4.3-2。
图3.1-2移动互联平台网络架构
2.1.4生产控制
在现有生产线基础自动化、过程自动化系统基础上,实现智能制造精准控制。
2.1.4.1智能制造精准控制
板材生产精准控制完善及优化:
对相关的工艺控制系统则进行完善与优化,开发新工艺控制模型,并根据新技术发展对现有轧制模型系统优化,全面提高板材产品的平面形状、厚度、宽度、板形、性能等指标的精准控制水平。
板材生产精准控制智能化:
开发在线控制新技术,实现各工序控制模型系统的横向集成以及跨工序的协调,提高产品质量的动态精准控制水平和制造环节的柔性,支撑个性化规模定制生产。
利用数据挖掘和机器学习技术,减少控制系统对人工维护和干预的依赖,提高其智能化程度和精准控制水平。
2.1.5智能管控
2.1.5.1高级计划排产
高级计划排程(APS)的目标是弥合钢铁企业公司级ERP计划和分厂级MES计划之间在计划目标、粒度、单位等方面的断层。
特点包括:
1)一体化的计划和排程管理
产品设计的初衷即弥合钢企现在的信息化系统架构中ERP和MES层级、公司级和分厂及计划之间的断层。
使得公司级计划对分厂而言更具可操作性;使得分厂级计划排程对公司而言更具透明度。
使得事前对工序衔接进行有效计划和干预成为可能。
APS产品功能的重点之一即是通过规则和规则集的定义,以及利用合理的规则引擎使热轧在编制轧制规程时为炼钢提供更对热装热送机会的空间;并利用合理的材料和能力计划算法在制定生产计划时统一考虑轧钢和炼钢计划,做到可操作级(件次级)别的热装热送计划。
2)图形化计划和排程、调度界面
提供图形化的计划和排程界面,在材料计划层次,提供所见即所得的材料计划操作界面,为计划员提供更为直观和方便的计划编制和修改界面;能力计划和调度层次,为计划员提供甘特图等图形化的操作界面,界面更为友好、直观。
3)智能化
利用选择合理的APS等算法并根据钢铁行业的特性进行裁剪和设计,在材料计划、能力计划及排程调度三个层次提供计划的自动计算和调度功能,充分改变钢企计划主要依赖经验人工线外计算的现状,有效提高计划的准确性、及时性和交互能力。
4)可扩展性
以生产计划、排程调度为核心,兼顾考虑质量管理、能源计划、设备管理、能源计划及成本分析、优化的接口。
2.1.5.2智能设备资产管理系统
设备资产管理系统面向企业厂级/车间级执行层、管理层和决策层各层面,针对某一特定资产的跟踪管理,能为执行层提供设备方面的各种静、动态数据,并为管理层和决策层快速、准确、高质量地提供各种优化的设备管理信息。
系统主要包括重点设备状态监控、一般设备点检巡检、设备台帐管理、设备备件管理、设备工单管理等功能。
重点设备状态监控对产线上的主要设备,如电气、液压、机械等元器件,将其主要的设备信号,进行远程集中显示,并提供全流程的产品与设备状态监控,便于监控与维护的实行;一般设备点检巡检可根据企业车间的具体情况,制定相关的点检标准、点检计划,并自动生成点检记录项,同时可根据点检历史信息,进行相关的趋势与数值分析;设备台帐管理构建与生产布局相关的设备功能位置树,构建对应的设备层次结构,并涵盖设备的静态信息、动态信息和非结构化信息,提供包括设计、购买、安装、使用、报废等全生命周期的设备明细管理,从而实现全厂/车间设备的精细化、透明化管理;设备备件管理实现生产厂级层面的备件库管管理,包括备件计划生成、备件合同建立、备件入库/出库,以及库存信息统计等功能,从而便于理清当前库存的真实情况,并可辅助制定库存策略;设备工单管理可根据企业的实际生产情况,制定包括设备检修等相关的工单流程以及实现过程,可定义常见的故障及处理方案,并与预防性计划和点检结果相结合,实现工单自动化生成。
图3.1-3智能资产管理总框架图
2.1.5.3关键设备监测
通过对关键设备运行状态的检测和分析,判断机械设备的健康状态,对设备的早期故障实时预警,防止发生恶性事故;通过采集的检测信息,对设备的故障原因进行分析,找到引发故障的原因,避免类似故障重复发生。
本系统既包括与设备自有故障诊断的接口,也可集成多个关键设备信号进行集成分析,并可根据生产系统反馈的产品质量对设备状态进行优化预测分析,主要包括如下功能:
1)设备监控钢铁生产全流程核心设备的状态监控,包括旋转机械电机相关的压力和温度等。
2)设备实时诊断:
根据采集的设备状态信息,实时反映设备运行状态、磨损状况、健康状况等。
3)故障分析与预知维护:
利用系统数据分析服务器,收集设备运行的历史状态信息,与生产过程相结合,对设备发生的故障进行分析,建立故障分析库;通过对采集到的传动设备频谱数据进行分析,及时发现故障的早期征兆,安排计划停机,进行预防维修;构建独立的B/S架构体系,实现与外部信息系统的接口,利用设备实时状态和故障分析库,进行预知维护。
2.1.5.4车间智能物流系统
建设基于可无人天车的车间智能物流系统。
该系统能够实现天车的全自动驾驶,全程无人干预,能够实现与工厂MES系统的无缝对接,实现库区物料的实时跟踪和数据同步。
无人天车及智能库管系统由计算机智能库管系统、天车位置跟踪定位系统、无线通讯控制系统、卡车上车三维识别系统、安全连锁保护系统和库区视频监控系统组成。
2.1.5.5产品在线检测与质量评估
作为智能质量管控系统的核心,产品一体化及质量设计中心主要负责各工序的工艺设计、产品标准、质量监控和判定指标。
根据订单来总体设计产品的各项质量指标和工艺控制参数,并逐工序的分解,确定每个工序的工艺控制要求和质量指标,以便用于过程参数监控和判定,实现每工序的质量判定,以及最终质量的判定。
针对目前钢铁行业存在的产品同质化严重、客户个性化需求难以满足等问题,利用集成计算材料工程(ICME)、工业生产大数据,借鉴信息物理系统(CPS),形成产品智能设计与优化共性关键技术和质量判定标准,建设全流程智能制造过程中所需的多层次跨尺度材料设计与工艺优化集成平台及数据支撑平台,实现材料性能、成分、组织和工艺整体的设计与优化以及产品生命周期管理(PLM),以适应规模化定制生产、个性化需求条件下柔性化制造,降低新材料研发周期和成本,提高产品质量的稳定性。
建立描述不同工序的材料模型库、算法库和数据库,形成和完善伴随生产全流程的材料信息数据流体系,建成基于材料基因组工程和集成计算材料工程思想的数字化、集成化材料智能虚拟设计平台(离线+在线双模式),形成钢铁材料的成分-工艺-组织-性能全流程一体化智能设计技术和在线+离线服务支撑系统。
在此基础上,结合新产品研发、产品个性化定制生产、已有产品的质量及其稳定性提高等具体需求,完成若干种产品的成分设计或优化、相设计、组织设计以及对应的质量设计、工艺规范优化等技术方案,对钢铁材料智能制造提供在线或离线支持和服务。
产品一体化及质量设计中心,根据工序来进行设置,每个工序都需要有过程监控点和质量判定标准,可以没有过程监控点,但是一定要有质量判定标准,这是质量管控系统运行的标准。
可以根据产品的型号、种类或者订单号进行分类。
一次设计以后,相同订单类型和产品型号直接可以使用同样的过程和质量参数,不需要再重新输入。
每套过程控制参数和质量标准都有唯一的索引代码,可以对应一个品种或者订单,也可以对应多个。
2.1.5.6产品设计与工艺优化
针对目前钢铁行业存在的产品同质化严重、客户个性化需求难以满足等问题,利用集成计算材料工程(ICME)、工业生产大数据,借鉴信息物理系统(CPS),形成产品智能设计与优化共性关键技术,建设全流程智能制造过程中所需的多层次跨尺度材料设计与工艺优化集成平台及数据支撑平台,实现材料性能、成分、组织和工艺整体的设计与优化以及产品生命周期管理(PLM),以适应规模化定制生产、个性化需求条件下柔性化制造,降低新材料研发周期和成本,提高产品质量的稳定性。
建立描述不同工序的材料模型库、算法库和数据库,形成和完善伴随生产全流程的材料信息数据流体系,建成基于材料基因组工程和集成计算材料工程思想的数字化、集成化材料智能虚拟设计平台(离线+在线双模式),形成钢铁材料的成分-工艺-组织-性能全流程一体化智能设计技术和在线+离线服务支撑系统。
在此基础上,结合新产品研发、产品个性化定制生产、已有产品的质量及其稳定性提高等具体需求,完成若干种产品的成分设计或优化、相设计、组织设计以及对应的质量设计、工艺规范优化等技术方案,对钢铁材料智能制造提供在线或离线支持和服务。
2.1.5.7全流程质量管控与在线优化
利用现代信息技术手段,对钢铁产品制造过程的产品质量、工艺参数、操作模式等数据进行全面采集,实现冶金全流程的实时工艺参数监控、产品质量预测、产品质量在线评级与判定、产品质量追溯分析与异常定位分析。
通过钢铁制造全流程大数据平台,建立基于知识的质量预测、质量监测、质量诊断模型与方法,建设钢铁全流程质量管控与在线优化系统,改变传统“事后”的质量控制模式为“事中”、“事前”质量管理模式,以集成化的信息共享平台和快速信息处理技术推进管理的精细化,对产品质量实现动态优化,提高产品质量批次内稳定性,减少批次间差异性,进而提高企业产品竞争力。
图3.1-4智能质量管控总框架图
2.1.5.8智能成本评估系统
钢铁生产企业通过提高成本管控的合理化水平和精细化程度,增强企业竞争力,是钢铁目前企业急待解决的关键问题和核心任务。
经过大量调研与论证,我们将钢铁企业成本管控的重心放在了生产加工环节,通过精益化管控,达到降低产品成本的目的。
智能成本评估系统是面向车间级精益管理重要管控系统,通过对生产环节各类成本、能源相关数据终端采集、在线监测,动态诊断生产运行过程中的成本状况;结合统计学、人工智能方法构建成本分析、评估模型;制定降本增效措施,深入挖潜并提炼降本潜力。
最终为管理层动态把握生产成本状况,降本增效提供决策支持。
智能成本评估系统主要功能包括:
成本基础管理、成本计划管理、成本采集监控、成本核算管理、成本评估分析、成本预测。
成本基础管理实现系统应用所需的各类数据定义及维护工作;成本计划管理通过测算与分析,制定计划期内各类产品目标成本,有利于在生产经营中更好的加强成本控制;成本采集监控主要实现对生产线各类能源介质数据、计划数据、过程跟踪数据、产品质量数据的动态采集与监控;成本核算管理将生产过程中发生的各种耗费按照一定的产品类型进行分配和归集,以计算总成本和单位成本;成本评估分析以生产实际数据为基础,对成本消耗分布、成本差异、最优成本运行区间进行分析,找出成本问题产生的瓶颈并提供解决方案;成本预测实现对未来成本水平及其变化趋势做出合理的估计,通过成本预测有助于减少决策的盲目性,还可为后续销售订单效益测算提供依据。
图3.1-5智能成本评估总框架图
2.2智能工业机器人
智能工业机器人作为典型的智能冶金装备,在钢铁冶金流程中的而应用,对于降低人力资源成本、降低生产运行和安全成本、提高产品质量和生产效率具有重要的作用,同时也具有巨大的经济效益和社会效益。
主要可应用于热轧薄板厂喷涂机器人、搬运机器人等。
2.3掌上工厂
随着移动互联技术的发展,利用移动终端远程实时查看企业的工艺、质量控制与管理实时数据、现场监控视频、综合统计报表等信息。
移动应用系统总框架见图3.3-1。
图3.3-1移动应用系统总框架图
整个“移动应用平台”软件服务器端包括4大模块:
基础管理模块、工业实时数据管理模块、工业视频监控模块、图表管理模块。