钢铁行业工业互联网应用报告Word文档下载推荐.docx
《钢铁行业工业互联网应用报告Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《钢铁行业工业互联网应用报告Word文档下载推荐.docx（23页珍藏版）》请在冰豆网上搜索。
（SDN）、第五代移动通信技术（5G）、支持互联网协议第六版（IPv6）、确定性网络（DetNet）、低功耗无线网络、工业无源光纤网络（PON）、工业无线等重点领域加快技术标准及产业布局。
标识解析
标识解析系统是工业互联网重要基础设施之一。
目前，国内外存在多种标识解析技术，包括标码（Handle）、对象标识符（OID）、物联网统一标识（Ecode）编码、国际物品编码（GS1）等。
现有标识解析技术大部分面向物联网个别领域应用，缺少针对工业互联网特定应用场景、复杂工序流程等特定应用设计，在数据互认、互操作等方面也缺技术方案，无法支撑构建统一管理、高效、安全可靠、互联互通的网络基础设施。
目前，CCSA和工业互联网产业联盟正在制定《工业互联网标识解析信息协同共享技术要求》等相关标准，将从整体上构建一套体系完整、兼容性强、能够满足各行业应用的工业互联网标识解析标准体系。
边缘计算
边缘计算是在靠近物或数据源头的网络边缘侧构建的融合网络、计算、存储、应用核心能力的分布式开放体系和关键技术，其国内外标准化工作刚刚进入起步阶段，国内正在制定《工业互联网边缘计算节点模型和技术要求边缘控制器》《工业互联网边缘计算节点模型和技术要求边缘网关》等通信行业标准。
目前，联盟尚未发布边缘计算相关标准，正在加快推动边缘计算相关的总体架构、资源抽象和虚拟化、边云协同、节点管理、设备资源开放等方面标准研制工作。
平台与数据
工业互联网平台是面向制造业数字化、网络化、智能化需求，构建基于云平台的海量数据采集、汇聚、分析服务体系，支撑制造资源泛在连接、弹性供给、高效配置。
全球工业互联网平台发展迅速，涌现出一批优秀平台产品和创新应用，但整体上看，当前平台发展还处于初级阶段，产业发展与标准化共识正在形成，数据采集、资源管理与配置、工业大数据、工业微服务、工业应用开发环境、平台互通适配等领域成为标准化和产业推广布局的重点。
目前，联盟已发布
《工业互联网工业互联网平台通用要求》、《工业互联网
平台接口模型》等平台架构类标准；
在数据采集方面，联盟已发布或正在制定制造资源/能力集成接入要求、工业设备接入技术要求等标准；
在应用开发环境和工业微服务方面，已发布或正在制定《工业互联网平台应用接口管理要求》、《工业互联网平台微服务框架》等标准；
在工业互联网平台测试与评估方面，发布或正在制定《工业互联网平台可信服务评估评测要求》、《工业互联网平台测试验证》等标准。
工业APP
工业APP是基于工业互联网平台，承载工业知识和经验，满足特定需求的工业应用软件，是工业技术软件化的重要成果。
工业APP的本质是工业知识的沉淀、复用与重构，其根本价值是解决工业应用问题。
业界需要尽快对工业APP的内容体系、生态体系、支撑平台体系等方面建立共识。
目前，联盟尚无相关标准。
随着工业APP不断解决工业实际问题、支撑工业能力体系建设、推动工业应用模式升级，通过制定相关标准，能够更有效的发展和推广工业APP，支撑“百万工业APP”发展目标的实现。
工业互联网安全
工业互联网安全标准化工作应紧密围绕工业互联网各安全防护对象，从防护对象、防护措施和防护管理三个维度来开展。
目前在工业互联网安全方面，联盟依托产业发展现状，在联盟标准的制定与实施层面持续开展工作，目前已发布《工业互联网安全总体要求》和《工业互联网平台安全防护要求》两项联盟标准，并依据上述标准开展试点应用与培训宣贯工作，促进产业对于工业互联网安全防护意识与防护水平不断提升。
应用
在工业互联网典型应用方面已经开展了少量标准的制定，涵盖在智能化生产、网络化制造、供应链管理、个性化定制等方面，面向重点行业领域的标准研制工作尚未开展，需要根据行业应用需求不断凝练标准化目标，联合产业链上下游主体持续推进标准化工作。
2钢铁行业工业互联网实践
2.1行业基本情况及生产特点
钢铁制造过程流程长、工序多，既包括高温、周期不等的化学变化工艺过程
（冶炼），又包括高速、负荷瞬变的物理形变工艺过程（轧钢），是典型的混合型制造流程，制造装备种类繁多、工艺过程极为复杂。
经过上千年的演变和发展，形成了现代化的制造工艺流程，高度自动化的产线装备，基于大规模、标准化的制造过程管理体系，可以有效发挥装备产能，实现效益最大化并降低成本。
钢铁产品的贸易流通特征主要体现在交易行为的客观理性、供求关系的相对稳定性、产品需求的个性化、延伸加工的多样性、支付方式的复杂性、物流服务的专业性、金融杠杆的依赖性、大额资金收付与大宗实物交割风险防控的严密性以及诚信体系的重要性等方面，钢铁产业互联网的复杂性也因此较消费品互联网更为复杂，发展过程中必然面临更多的瓶颈和难点。
如果处理得好，这些难点也将成为钢铁产业互联网企业走向成功的核心竞争力。
自上世纪90年代以来，我国钢铁工业取得了长足的进步，体现在先进工艺
装备的基础上，钢铁企业在整体自动化和信息化建设方面投入了大量的资源，积累了非常多的信息资产。
尽管面临着产能过剩、结构失衡，能源环境等巨大压力，总体上，在实现企业管理的物流、信息流、资金流同步方面取得了显著的进步，有效的支撑了整体行业制造水平和能力的提升。
主要表现在：
∙钢铁生产流程所有主工序装备均实现自动化控制，主要制造工艺实现了基于网络互连的多机组生产过程控制；
∙基本实现了自动化、过程控制、生产控制、制造管理的数据自下而上的贯通，由此实现管控衔接和工序衔接，使制造过程形成整体协同；
∙初步形成了产供销相结合的整体供应链体系，支持集中一贯管理模式，实现按合同组织生产。
上述工作，有效的支撑了一个规模化钢铁企业实现大批量、标准化、成本可控的企业运营。
2.2行业对工业互联网实施的业务需求
消费者的偏好从注重质量、价格（成本）的二维模式向注重质量、性价比、个性化需求、快速响应的四维模式转变。
制造者尚未很好的解决产品质量、产品价值问题，而伴随互联网发展，企业同时面对新的挑战：
个性化需求、快速响应服务。
钢铁个性化制造的本质
钢铁制造装备的大型化是高效率、低成本的基础，目前尚无颠覆性的制造工艺创新以改变现状，通过提升制造管理的柔性来适应日益快速变化的用户需求，就显得极为迫切。
用户需求个性化的特征是用户对产品和服务的质量标准、性能、外形、速度的差异化要求，追求亲自参与产品全生命周期过程的用户体验；
而对钢铁制造企业而言，则主要体现在钢铁产品多品种、小批量、短工期、交货的灵活性。
实现钢铁产品的个性化制造，解决方案就归结为“以大规模、标准化制造的成本来满足多品种、小批量的需求”，在现有工艺装备不发生重大创新的前提下，生产组织呈现出足够的柔性和灵活性；
换言之，有必要找到一种方式和手段，能够在“钢铁制造大规模、标准化”固有本质和“小批量、多品种”的新特征之间找到一种平衡，从而既满足用户的需求，又使得制造企业可以获利，在价值链
上公平地共享价值。
而这主要是通过“软实力”来实现，除了服务领域的提升之外，最重要的是制造组织管理的智能化，即：
通过软的手段来解决上述问题。
工业互联网是一个有效的技术手段。
∙基于各种约束条件和未来工况预测做出最优的决策；
∙执行决策的制造系统要足够灵活，通过IT配置规则灵活调整工艺制造路径和过程；
∙物流调度环节的高效将是实现敏捷制造的关键，足以弥补制造环节可能的成本上升；
∙智能装备可以预判并相互“直接通信”，从而实时产生应对故障或弥补瑕疵的策略并赢得宝贵时间，降低某个环节异常对其他环节的影响，实现成本的控制。
同时，必须充分认识到：
尽管大量新装备的投产使中国钢铁工业的工艺装备水平和产能达到了世界领先，但很多装备还处在“爬坡期”，这些装备还处在产量效益阶段，还没有或正在进入质量效益阶段，提升产品质量，尤其是质量的稳定性还大有空间；
提升钢铁制造的基础能力，包括质量标准、检验检测、自动化水平与生产效率、节能环保管理与绿色制造等，尤其是产品质量提升依然是行业现阶段的主要任务。
质量、成本、效率依然是目前中国钢铁行业发展、参与全球竞争的基础，资源环境压力是钢铁行业面临的最大约束。
构建工业互联网以应对个性化制造
在构建企业工业互联和数据系统，以应对个性化需求和快速服务要求时，还有非常多需要不断完善之处。
（1）在工业物联和数据集成层面
∙生产主线设备通过常规仪表进行常规物理量的实时、准确数据采集尚有不足，主要体现在：
部分工位和辅助生产线缺少有效的数据采集手段，或不能实时、在线、准确的采集数据；
∙局部物料和产品通过条码、电子标签等技术手段进行标识、识别和跟踪，但系统性、规范性不够；
∙厂内库区存放、出厂阶段的物料跟踪粗放、实时性差。
∙从工厂整体来看，数据自下而上按照漏斗方式进行处理和传输，基本打通管理数据链，但生产过程数据和设备状态数据仍然封闭在各专业系统中，不能实现数据的自由流动和共享，影响整体数据服务和大数据应用水平。
（2）在数据应用方面
∙作为现场装备控制的核心，冶金模型大多采用机理或经验模型，在应对高品质产品制造、多品种生产组织等方面，适应性和灵活性都显得不足，还有极大的优化空间；
∙在工厂级生产控制、制造管理中，具有自适应、自学习功能的智能决策模型鲜有应用，主要还是依托人的经验实现生产计划的制定和生产的组织，更谈不上规模化的质量在线判定、设备状态预测、高级优化排产、实时成本盈利预测等；
∙在数据分析和挖掘方面，建设了多层次数据仓库，支持经营管理分析、制造管理分析，但钢铁制造过程中产生的海量细粒度数据大部分沉淀在现场，逐步灭失，尚未从全局整合数据资源加以利用，更谈不上大数据应用。
鉴于上述现状，以工业互联网实施为抓手，实现一种快速提供承载个性化功能的高品质产品和服务的制造模式，建设“有智商的工厂”，是钢铁企业应对上述挑战的必然选择。
2.3细化应用场景一：
现场数据采集与边缘计算
应用场景描述
通常，制造企业都拥有多个、不同时期投入、不同IT公司提供的独立开发的软件系统，这些软件都有自己独特的理念、青睐的供方以及专门的系统；
除了技术的限制外，为了不影响在线系统运营，最简单的办法是：
在多个低层级系统之上（或多个系统之外）构筑一个新系统，将所有低层级系统的数据按照既定的需求处理后上传，以实现数据共享并开发跨系统的应用功能，由此造就了系统层次不断增多，架构复杂。
（1）现场数据接入现状
当前以钢铁企业为代表的冶金自动化领域，其控制系统95%以上为国外品牌，以西门子、罗克韦尔为代表的各大厂商为主。
传统的多级多层网络架构，通过不同网段、不同层次采用网卡进行物理隔离，特别是采取一些专用的协议标准，以达到安全的目的，这除了技术的局限，更来自于传统的设计理念，导致相互隔离、封闭、标准林立（IEC标准有20多种，使用超过40种），无法实现各系统之间充分数据流动和共享。
根据现场实际系统现状分析，需要接入区域数据服务器的数据来源如下（但不限于此）：
∙直接来自PLC/DCS等控制装置的数据是最主要的数据来源，实现对现场装备和制造过程常规物理量的实时检测和状态监控，包括：
流量、压力、温度等；
∙特殊仪表数据采集，包括：
质谱分析仪、表面检测仪等；
∙Textlog或个性化电文；
∙关系型数据库（L2）：
对来自过程控制系统，管理信息系统数据库的数据采集；
∙网关数据采集（ICG等）；
∙PDA数据采集；
∙特殊TCP/IP协议编程数据采集；
∙I/OServer数据采集等。
（2）现场数据向上递级传输现状
在开发和运行信息系统时，需要花费大量时间和精力去处理、传达和交换信息，非常低效，是由技术和管理双重因素所致。
现状是：
∙数据逐级上传，以满足上层管理和决策需求；
∙数据都是根据既定目标进行处理和选择后进行传输的；
∙大量元数据的属性价值被过滤而不复存在；
∙同级或周边系统无法直接分享数据，需要经过上位系统周转；
∙上位系统基于数据的决策以非实时的方式逐级下达并执行。
应用场景的实施架构
图4-1工业现场多源异构数据采集与边缘计算实施架构
（1）现场数据采集
要兼顾两个重要的方面：
一是企业大数据要在云端形成相对完整、准确的数据存储，以便有可能运用完整的多源数据，发掘新的增值应用或解决传统数据应用中由于样本数据单一所解决不了的问题；
二是要兼顾计算和网络资源以及数据传输的有效性等，形成云端和边缘计算资源的合理和优化配置，即保留数据的原始属性，又避免无谓的资源开销。
（2）网络边缘互联互通
在现场级和车间级，主要实现底层设备横向互联以及与上层系统纵向互通的连接。
∙对现有基础自动化系统的通信方式进行改造，如以工业以太网代替现场总线；
∙现有工业装备或装置，如机床、产线等，增加网络接口；
∙对现有工业装置或装备附加传感器、执行器等增加与外部的信息交互；
∙对在制品通过内嵌通信模块或附加标签的方式，增加与工业系统的信息交互功能；
∙布署边缘计算节点，汇聚生产现场数据及来自工业控制系统如PLC、历史数据库的数据、过程控制系统的数据，并进行数据的边缘处理。
相比传统的现场总线，工业实时以太网更加开放、便于集成，使用便捷，成本较低，具有明显的经济技术优势，因而工业实时以太网在工业控制领域越来越得到广泛的使用，是未来更适应智能制造的控制系统的网络首选。
OPCUA作为工厂设备互联未来的首选。
在工厂内部，对于新上线的设备和系统（包括工厂云平台），可首选采用OPC-UA；
以支持采用不同设备的厂商的设备和系统接入，以实现系统之间、机器之间的互联和信息交互，OPCUA技术的广泛适用性使全新的垂直集成理念能够完全实施。
（3）区域数据服务系统
在接近现场，配置数据采集区域服务器资源，完成下列任务：
∙对来自现场的多源、异构数据的归一化处理；
∙向大数据平台进行数据传输的标准化资源配置；
∙利用边缘计算资源对数据预处理功能的标准化。
制造工序的所有数据均由本区域配置的数据服务器统一汇聚处理，从而可以在区域确保数据的时空一致性、确保数据基础模型的一致性。
首先按照厂部配置，如果一个厂部范围由于产线多、数据复杂等因素，单台服务器无法满足，可按照相同标准配置第二台，数据接入可按照产线（工序）来划分，原则是：
同一产线的相关数据接入同一台服务器，以便数据模型的管理。
实施案例：
宝钢股份钢厂热轧试点示范项目应用
宝钢股份钢厂智能车间项目是2015年工信部试点示范项目中首个钢铁行业
示范项目。
自2015年正式启动，进行了大量的策划工作，除了规划完成的各项应用功能外，数据的采集和边缘计算资源配置是一项具有探索意义的工作，由此，解决了企业数据系统构建过程中诸多技术问题，形成了若干数据采集、接入、传输的标准和规范，探索了边缘服务器资源设置的若干规则，为宝钢大数据平台规模化建设打下了坚实的基础。
图4-2宝钢股份热轧智能车间项目现场多源异构数据采集与边缘端归一化处理
（1）工业现场数据采集与接入
∙各类PLC系统中时序数据采集：
通过工业网关ICG连接进行协议转换，适用于特殊的协议，如：
电力104协议，MODBUS协议，再通过ICG提供的OPC传送到边缘服务器的实时数据库；
∙采用数据库抽取方式从L2数据库获取数据，传送到边缘服务器的关系数据库;
∙I/OServer、PDA&
FDAA的数据通过OPC接入数据到实时数据库；
∙对于某些需要高速实时采集或难以通过配置实现数据采集的场合，编写tcp/ip通信接口电文程序实现；
∙特殊仪表的数据采集，需要编写tcp/ip通信接口电文程序；
∙图像、声音、视频以ftp文件方式传输。
（2）区域数据服务系统构成
边缘计算服务器对硬件没有特别的要求，主要根据区域数据处理和功能进行设计和配置，尽可能采用相同的标准配置所有区域的数据服务器，包括硬件、软件和功能，从而降低个性化开发的成本，便于扩展和维护。
数据中包括了非结构化数据，在网络带宽要予以保证；
信息安全是一个特别要予以考虑的问题。
区域数据服务器的软件环境配置是重点，其核心是高性能的实时数据库；
商用的大型实时数据库代价极高，可采用自主开发的高性能实时数据库iHyperDB，现场所有时序数据，通过配置建立好连接方式及存储参数后，所有选定的实时数据会自动传输至实时数据库中并作为原始数据存储。
实时数据库可以根据数据变
化的规律选择按时间周期存储和按事件方式处理数据，配合客户端的过滤技术，整个实时数据库应达到千万条记录/秒的极高存储能力，确保本工业现场接入对数据的响应要求。
数据处理、匹配、管理采用批处理软件，如：
iBatchCube，可以将现场原始数据根据业务规则形成与生产相关的批次数据，并提供全面的批次管理和清晰的过程可视化功能，在此基础上，将批次数据通过不同的接口发布给相关的应用系统，为后续数据分析和挖掘提供基础。
关系型数据采用开放式关系型数据库，如MYSQL等，进行数据存储;
配置ETL引擎，以便从过程计算机（L2）关系数据库表中推送数据到大数据平台。
基于TCP/IP的SOCKET通信采用iXComPCS，主要用于和相关L1及L2的数据通信。
在某些应用场景，需要对区域内制造过程与装备的状态实时监控，本服务器可兼做I/O服务器，则需要配置SCADA软件，如：
iCV等。
（5）数据服务功能构成
利用区域数据服务器的边缘计算能力和软件工具，对汇聚于服务器节点的所有现场数据进行分类预处理。
（如图4-3）
图4-3区域数据服务器的功能定义
实施效果
本项目是首个按照全新的实施架构构筑的数据系统，通过1580产线示范项目，所有的技术都获得了验证，所有的功能均得以实现。
宝钢股份大数据平台正在建设完善中，在边缘侧，采用了本项目验证的架构和技术予以实现，所有数据获取均获得了性能上的保证。
本项目不仅支撑了1580试点示范项目的执行，也为后续在其他工序进行推广打下了坚实的基础，可以方便的以标准化的形式进行快速的推广和部署实现。
2.4细化应用场景二：
轧机振动监测及抑振技术研究与应用
（1）问题现状
轧机是一个复杂的机电液耦合的大型系统，其动力学状态与各子系统间的耦合作用非常密切，数以千计的结构部件通过机、电、液等相互作用耦合，在带钢加速和减速过程中，会不可避免地引发一些共振条件，导致系统产生大的振动。
由于轧机机组设备的不同或者生产钢种、生产工艺的不同，因此各机组轧机振动特性也会有所不同，引起轧机垂直振动的原因有多种，凡是能对轧机系统造成冲击或引起作用力变化的因素都可能导致轧机振动的发生，如：
乳化液状态、传动系统、辊系状态、压下系统及张力等，以及相互之间的耦合作用，所以，轧机振动是制约机组产能及产品表面质量的一大现场难题。
国内外不少学者、国外知名公司都从不同角度去研究轧机振动的技术和产品，但效果不尽人意。
（2）解决问题的迫切性
冷连轧机高速轧制过程中普遍存在和期待解决的问题，也是世界范围内困扰各大钢铁企业的技术难题。
根据生产经验，通常轧制速度越高、材质强度越高、带钢厚度越薄，轧机越容易发生振动。
轧机振动会给生产带来许多问题，包括：
∙产生振动纹缺陷，影响带钢表面质量，或造成带钢厚度波动；
∙振动导致设备磨损加快、辊耗增加，影响设备使用寿命；
∙振动严重时甚至造成断带堆钢，造成轧机停机、换辊；
∙影响轧机生产效率，限制产能发挥，成本上升。
图4-4轧机振动控制系统功能示意图
解决上述问题的行之有效方法是：
实时监测轧机各机架振动和轧辊转速情况，对振动信号进行实时分析处理，预判轧机运行状态并及时给出抑振控制策略。
（1）轧机振动数据采集与监测
首先通过加装加速度传感器采集轧机振动信号，同时直接采集轧机主电机的转速、剪切信号等，送到边缘服务器对数据进行处理、计算、分析、存储与报警判断等，从而实现轧机振动的监测与报警功能；
并计算出轧制距离、机架线速度、带钢累计轧制距离等，从L2系统获取钢卷信息和轧辊信息等，当轧辊信息更新时，可保证系统能及时获取到最新的轧辊信息。
（2）轧机振动数据分析与抑振控制
当轧机机架表现出共振趋势或振动级别超过一定程度时，则及时预警，提醒操作人员，并给出相应的参考控制策略，向轧机控制系统发送控制命令来拟制振动，从而有效抑制轧机振动危害；
这些措施将从一定程度上消除振动源并显著降低轧机振动发生的频次，从而解开了束缚轧机产能发挥的瓶颈，有利于生产提速。
同时通过其量化的监测结果，可以有效避免传统人工主观判断所存在的漏判错判现象，避免缺陷产品流入到下道工序或用户；
此外，根据所监测到的振动波形特征，可以分析振动原因并采取调整设备机械、工艺、电气等方面的措施，再结合轧机振动的实时监测结果来验证消除振动措施的效果。
轧机振动与抑振应用功能设计
（1）轧机振动特性分析
对所监测到的轧机振动数据进行分析整理，研究该轧机的振动发生规律特点，分析查找可能存在的影响因素，如辊缝润滑状态、机械设备缺陷、外部传递、设备间隙、轧辊磨削质量等因素。
借助于本轧机振动监测系统持续的在线监测结果和历史数据存储及回放功能，可以方便的对现场的轧机振动情况进行跟踪，对现场振动数据进行分析统计，通过对振动数据的统计分析，可以找出机组的主要振动特性：
包括振动发生的机架位置、伴随振动形态、振动频率分布区间、振动最常发生频率等。
通过分析，发现如下振动规律：
易引发振动的因素包括：
在制带钢厚度、轧制变形量、以及工作辊辊面磨损程度等。
（2）轧机振动报警判别技术
报警线需要参考大量的历史数据加以设定，不合理的设定会造成系统误报或其他异常情况出现。
一般来讲，随着轧机速度的增加，所监测到的无序杂乱振动信号幅度也会增大，其表现为轧机的整体振动能量会有所增加，其容易发生共振的频率也会由于转速的增加也会有所增加，因此在设计
升级会员 