无码人妻一区兔费_久久久久久亚洲精品_在线观看中文字幕国产_西西人体444WwW高清大胆_日韩特一级_国产乱码精品一区二区三区手机版

隨著中國制造2025國家戰略的深入發展，國家不斷制定落實一系列措施來推動中國制造業智能轉型升級。同時，大口徑不銹鋼管企業的智能制造、綠色、數字化轉型等議題成為討論的焦點。其中重要的手段就是大口徑不銹鋼管企業深度應用工業互聯網、云計算、大數據等先進技術，通過工業化和信息化的深度融合，推進企業智能制造技術落地應用，加快推動傳統大口徑不銹鋼管企業的轉型升級。利用大數據分析，研究模擬高爐“黑箱”內部作業情況，為生產調度決策提供指導依據，從而提高生產效率，降低能源消耗及生產損耗，以實現降低煉鐵生產成本。文章通過對大數據在煉鐵高爐生產過程中的應用設想加以敘述。

煉鐵工序是直面企業外部復雜多變的原料采購環境，要消化原料質量波動對生產的影響；在生產過程各工序錯綜復雜難以協同優化控制，操作過程仍以人工經驗和主觀判斷為主，煉鐵知識難以轉化、沉淀、復用，技術提升過程面對高爐“黑箱”內部的物理場難以解析的問題，難以做到爐況的長期穩定等。這就導致了整個煉鐵過程基本都是依賴與人而不是智人在管理和控制，生產過程的標準化、智能化體系難以建立，以及行業企業內各煉鐵廠技術經濟指標參差不齊的問題。

1依托基礎感知器件

現場PLC/DCS->實現智能化物質/能量/信息組織管理（通過各工藝單元智能管理系統實現生產控制自感知、自決策、自執行、自適應）->進而實現產線集中監控及智能化經營服務（通過硬件層面+軟件層面智能化系統整合，實現產線各工藝單元的智能管理，同時基于平臺整合鐵前MES業務功能實現企業大數據智能分析及智能化經營服務）。將數據標準進行統一，實現數據互聯共享、統一的數據資產智能分析以及產線的集中智能監控經營。

2煉鐵云邊協同的生產運營管理模式

“云”即指平臺，在數據中心的基礎上搭建大數據分析平臺對中長期數據挖掘分析，實現操作制度的優化和長周期的爐況分析、診斷與決策，同時整合鐵前MES業務功能，打通采購—生產—管理數據孤島及業務孤島。“邊”即指各工藝單元的智能管理系統，在煉鐵各工藝單元的主控制建立運用機理建模和人工智能實現工況診斷的智能管理系統，實現“工業傳感+物聯網動態感知”—“機理模型+知識庫智能診斷”—“大數據+機器學習優化決策及協同管理”的煉鐵的智造智管。因此大數據在煉鐵高爐生產過程中應用主要包含“云”和“邊”兩個維度（協同優化），旨在推動煉鐵高爐操作技術、管理水平的提升，進而實現鐵前制造過程的標準化、智能化。

3工業互聯網平臺

IaaS、PaaS和SaaS的新型架構建立煉鐵大數據平臺，采用分布式數據處理和任務調度，經濟高效的完成數據集成，實現高效率、規范化數據處理流程。平臺技術架構的設計考慮到大口徑不銹鋼管行業大數據應用的時效性、周期性和復雜性，制定統一的數據標準和接口規范，實現對結構化和半結構化數據的上傳和存儲。結合數據展示分析挖掘的實際需要，選擇內存數據庫、關系型數據、時序數據庫、對象數據庫以及分布式數據庫相結合的混搭式數據存儲架構，充分發揮各類型數據庫的特點，從而更好的實現在線監測、時序分析、設備報警、大數據分析等業務應用場景。

4建立決策支持的管理信息中心，打造智能領導駕駛艙

專門針對產線生產狀態、成本、管理情況的總體分析展示，為企業內部領導及相關高管提供的指標分析型系統。打破數據隔離，實現指標分析及決策場景落地。通過詳盡的生產指標、安全指標、成本指標等體系，實時反映煉鐵產線的運行狀態，將采集的數據形象化、直觀化、具體化，打造智能領導駕駛艙，同時還可以支持直接下鉆到各工藝單元。

5煉鐵高爐大數據平臺架構

平臺技術架構要考慮到大口徑不銹鋼管行業大數據應用的時效性、周期性和復雜性，制定統一的數據標準和接口規范。結合數據展示分析挖掘的實際需要，選擇內存數據庫、關系型數據、時序數據庫、對象數據庫以及分布式數據庫相結合的混搭式數據存儲架構，充分發揮各類型數據庫的特點，從而更好的實現在線監測、時序分析、設備報警、大數據分析等業務應用場景。采用分布式數據處理和任務調度，經濟高效的完成數據集成，實現高效率、規范化數據處理流程。

5.1數據采集治理存儲

數據采集部分，支持串口、OPC、關系型數據庫、用戶自定義報文等多種通訊方式與不同設備或第三方系統進行數據通訊，采用統一的數據標準，無縫鏈接大數據平臺，實現工業現場多元異構系統數據采集，對于一級控制系統數據，提供分布式數據緩沖池，支持毫秒級數據通訊和數據緩存，可配置虛擬點，外掛復雜業務數據處理服務，實現復雜業務數據的加工處理整合。

5.2高爐智能管理系統

系統基于高爐水溫差、爐缸熱電偶、爐頂成像等整體監測系統，采集高爐一級操作數據、軌道衡、檢化驗等系統數據建立支撐整個系統高效準確運行數據倉庫。運用高爐冶煉機理模型（冶金熱力學、動力學模型、冶金物理化學）、專家推理機及移動互聯等先進技術建立了服務于煉鐵廠的安全預警、生產操作優化、智能診斷、生產管理、在線監測、實時預警等一系列豐富的業務功能，推動煉鐵生產過程向數字化、網絡化及智能化轉型。

5.3安全生產預警模塊

通過高爐安全生產預警模塊，在統一的坐標系下定制化建立安全預警標準，打通包括冷卻壁熱負荷監測、爐缸爐底侵蝕、壁體溫度巡檢、風口檢漏和高爐全景視圖等各安全監測模型的數據孤島，為操作人員提供整個爐體縱向、徑向的整體化安全監測巡檢。

5.4操作冶煉工藝模塊

通過高爐生產操作工藝模塊，結合包括布料模型、氣流分布、操作爐型、送風制度、爐缸平衡、爐缸活躍性、爐渣粘度、動態鏡像、平衡計算等對高爐生產具有指導意義的操作模型，可視化監控高爐，實現高爐上部調劑、中部調劑和下部調劑全方面的數字化、模型化。

5.5智能診斷模塊

通過爐況智能診斷模塊，提供包括爐況智能診斷推理機、多維變量爐況預警、爐況變化關聯性分析等智能模型實現爐況的自動分析、診斷、預判，給出相應爐況的操作建議并支持下發一級實現閉環控制（下發一級功能需甲方自動化配合實施）的功能通過自學習實現工長操作層面的自感知-自分析-自決策-自執行的高爐智能優化。

5.6爐況智能診斷推理機

高爐推理機內提前錄入完整的高爐爐況識別知識庫以及診斷規則。爐況知識庫主要分為爐料質量、高爐行程類、爐體和爐熱等四大類。高爐行程類又包括空穴、塌料、懸料、管道、料線、煤氣分布類型等子規則。高爐爐體類包括，爐缸堆積、結瘤、活躍指數，爐墻侵蝕，渣皮脫落行程等子規則，爐熱類包括爐熱趨勢判斷和漏水等兩個子類，其中每個子類還包括不同程度的多種現象預報和對應的動作指導。

5.7爐況變化關聯性分析

針對高爐實際操作和煉鐵流程來看，主要關注的是高爐操作和狀態參數同其它參數的關系，將所有涉及高爐生產的原料數據、安全數據、生產過程數據、經濟指標數據做相關性矩陣分析，從大數據的角度簡單分析影響各個參數的因子。選擇高爐操作者關心的任意兩組數，求得其階段關聯系數的變化，以此來調整優化高爐工長操作，提高高爐操作的穩定性和方向性，防止誤判、盲目操作。

5.8多維變量爐況提前預警

首先將現場關注的、對爐況波動反映比較特征明顯的多維數據作為訓練集合，利用PCA算法進行降維處理，將樣本主要部分進行三維凸包處理得到正常爐況時期的凸包包裹范圍，將次要部分進行SPE處理得到正常爐況SPE控制限。將訓練后得到的凸包包裹范圍與SPE控制限樣本應用于現場實時數據，進行檢測，一旦有超過凸包包裹范圍或者SPE控制限表明有異常爐況。

5.9生產質量管理模塊

通過高爐生產質量管理模塊，提供包括物料編碼、原燃料信息、渣鐵信息、有害元素、燒結礦質量跟蹤等生產過程管理模型；根據自動讀取的原燃料數據實現閉環配料，同時實現電子報表的定制化生成，完全取代紙質報表；此外實現對整個高爐生產過程長短周期的分析自動生成報告，分別在工長、爐長、廠長或專家層面實現為綜合判斷調整爐況提供更加清晰的依據，為專家制定出最優的調整策略及方向。

5.10數據資產倉庫模塊

通過高爐數據資產倉庫模塊，整合高爐一級PLC系統、MES系統、三級檢化驗系統和高爐智能管理系統等各系統，將實時生產操作數據、上料數據、爐頂布料數據、入爐原燃料數據、熱電偶數據、水溫差數據、渣鐵成分數據、各模型計算結果數據等進行一代爐役的存儲形成數據資產，并可按周期定期進行平均值、極值、標準差等數據統計，保障一代爐役的數據追溯。

綜上所述，大數據在煉鐵高爐生產中的應用，必須建立在煉鐵各工藝智能單元及基礎硬件監測基礎上的，通過對各生產過程數據實時采集和監測，最終形成智造過程數據分析中心和共享中心。同時，運用大數據分析工具及技術，實現對整個生產過程的分析，為現場專家、廠級領導及技術科研發人員綜合判斷生成經營管理狀態、調整生成工況提供更加清晰的依據。幫助企業實現從單一傳統大口徑不銹鋼管制造設備監測到基于工業大數據的整體監測、分析和診斷的體系建立；助力從產線數字化管控到企業級全局分析再到集團對標決策的整體優化，提升生產效率，創新管理模式。