技术丨基于工业互联网的水泥行业智能制造数字化转型

引言

当今科技革命和产业变革日新月异，世界经济加快了向数字化转型的脚步，大数据、云计算、人工智能等新一代信息技术的迅速发展，正从不同侧面改变着社会治理、经济建设的原有模式。《建材工业智能制造数字转型行动计划（2021-2023年）》文件中也提出创新一批工业互联网场景；行业正全力推动互联网、大数据、人工智能与水泥生产流程、运行维护、经营管理等环节的深度融合，以期实现水泥行业“智能化、绿色化、高端化”的转型目标。

一、水泥行业信息化现状

信息化总体架构通常是以财务系统为核心，加若干周边系统，形成水泥集团整体的1+N架构体系。集团总部建设了中心机房、视频会议、集团财务、报表、安全生产管理、人事、办公等管理系统。各水泥企业已经基本形成生产厂级的营销、采购、发运、仓储、生产、安全、资金、项目、成本核算、财务管理等经营管控系统，并通过集成电子招标采购平台、生产调度系统、磅秤无人值守系统、安全生产系统、电子商城等系统的应用，为企业决策分析提供了初步的数据基础。

目前从管理层面和数据层面要急需解决以下两点内容：

（1）尚未建立集团级的信息管理平台，现有系统大多局限于板块级、企业级、部门级应用，缺乏集团总部与二级公司、三级公司业务系统之间的数据和信息集成。尚未建立流程化运作机制，各业务部门各自制定相关制度、规则，缺乏整体沟通，且以管控为主要目标，没有站在整体效益、效率、成本的角度进行全盘考虑。

（2）在数据管理方面，生产经营过程中各系统产生大量中间业务过程数据和结果数据，大部分分散于各系统。由于各系统缺乏统一的横向数据交换机制，无法将各业务数据集中进行综合利用，各系统形成一个个信息孤岛，甚至同一指标在不同系统出现口径不一致，给信息资源的开发利用带来较大困难，影响信息资源价值的充分发挥。同时未明确集团统一的主数据，没有意识到数据即资产，数据在管理、运营中没有起到应有的作用，目前只是简单的统计分析，且数据还存在不及时、不准确、不全面等问题，难以让数据对业务决策、未来发展起到应有的支撑作用。

二、水泥行业数字化转型目标

水泥行业工业互联网平台作为数字化转型支撑工具，重点工作目标如下。

2.1 集团和区域层面

（1）提供高效的数据服务，对数据资产统一管理，对数据进行对标分析，实现数据资产价值化。

（2）推动基于水泥行业工业互联网平台的创新发展，主要是基于大数据、人工智能的技术创新、模式创新、服务创新。

2.2 企业层面

（1）基于水泥行业工业互联网平台，提升企业自动化水平，稳定生产过程，提升产品质量、水泥综合成本下降。提升人均效率，降低人员劳动强度，减少人员需求。

（2）通过基于大数据和人工智能的预测性维护技术，提升设备运行管理水平，实现设备的健康、高效运行，提高设备的运转率，降低维修成本；进行预测性维护，减少故障的发生。

（3）提升能效、节约能源，建立关键能耗设备的分析模型，提升设备能效，减少人为浪费，实现综合节能。

（4）提高生产过程精细化管理水平，利用大数据，建立标准化、规范化的管理模型，建成科学化、数字化的管理与考核体系。提高精细化管理水平，提高企业管理效益。

（5）安全环保，符合规范，设计、生产过程，符合国家安全环保规范，建成实时的安全环保平台，实现符合国家安全环保规范的绿色、安全生产监控体系。

开展数字化转型，全面建设标准化、数字化、智能化的智能工厂势在必行，加快数字化转型步伐，理顺体制机制，优化业务流程和组织，强化新技术运用，以信息化手段实现集团各业务领域的数字化转型，基于数字化服务实现制造业的服务化转型，通过商业模式转型提升企业未来核心竞争力。

三、技术方案

3.1 总体规划

实现数字化转型，不仅仅只是简单的信息系统或者设备的堆叠建设，而是要基于业务流程的端到端梳理与优化，实现全业务流程的数字化运作、数字化管理和数字化决策。涉及到流程、组织、IT的改变，涉及到人的行为和意识的改变，需要全面分析、统筹谋划、分步开展，更需要一套行之有效的管理机制和数字化团队为这场长期的变革提供持续保障。通过数字化转型的战略咨询整体规划和实施，推动业务能力梳理与沉积、并与5G、云计算、大数据、物联网、人工智能等新技术进行有机结合，确立未来持续发展的核心能力体系和竞争优势。

3.2 总体架构

水泥行业工业互联网平台包含一平台、一中心、六朵云，基于“云—边—端”总体架构（见图1），采用分布式微服务架构体系，部署粒度细，服务扩展灵活，既能够满足集团化管控或区域化管控的系统要求，又能满足工厂本地化需求，具有高度灵活的阶梯化部署能力、异构系统的集成能力、定制性开发能力等，支持云端布署。

图1 水泥行业工业互联网平台架构图

（1）工业APP(SaaS层)即软件应用层，基于水泥行业工业互联网平台，借助大数据中台数据湖和业务中台的知识组件、算法组件、业务组件和开发平台等，通过Saas应用和工业APP承载水泥行业的知识和经验，建立水泥行业垂直应用体系，使之能够成为覆盖水泥企业营销、计划、生产、检验、物流、环保、交易、服务等环节价值提升的重要载体。

（2）工业PaaS层即技术平台层，平台层包含了CPS平台、数据中台、业务中台、AI中台。

①CPS建模平台中包含对平台核心配置信息的管理以及通过配置信息快速实现可视化的过程，平台将设备、协议、边缘层采集设备、网络通道、数据情况统一监控配置；

②数据中台具有数据资产、数据治理、数据模型、垂直数据中心、全域数据中心、萃取数据中心、数据服务等多个层次的体系化建设方案。数据中台像一个“数据工厂”，涵盖了数据湖、数据仓库等存储组件；

③业务中台中包含了水泥行业的各类微服务组件库，包括基础服务组件、知识组件、算法组件、原理模型组件等、涵盖用户、生产、质量、能源、设备等各类通用的业务，是水泥行业工业互联网平台中公共的服务资源集合；

④AI服务中台包含数据导入、数据预处理、模型训练、模型评估、模型预测、模型发布、模型管理、任务管理以及任务监控等一站式、全方位的从建模到上线的流程。支持分类、回归、时间序列等算法，提供丰富的统计学、机器学习/深度学习算法库，实现对算法库与样本训练数据的便捷配置调用，快速形成模型计算结果数据。

（3）IaaS层即基础设施层，平台支持混合云或本地等部署模式。

（4）边缘层，进行数据采集、转发、边缘计算、数据优化、数据加密以及集成监控等，数据进行处理后统一集中在数据中心进行统一管理，充分实现数据共享，避免信息的重复录入和“信息孤岛”现象的出现，提高数据的利用率，减少数据冗余，保障数据的准确性、及时性、有效性和安全性。

3.3 应用框架

面向水泥行业的应用框架和主要路线见图2。

图2 应用架构和路线图

（1）集团管控层面，建立集团层面ERP经营管理平台，实现集团财务、HR、风险管控、投资管理、经营分析与管控，统一企业门户，建立集团主数据管理平台实现集团数据统一管理、统一分发，为集团大数据分析做好支撑；

（2）区域管控层面，按照运营区域建立生产运营的远程管控、对标管理、在线指挥，实现区域统一销售、集中采购、设备备品备件统一管理、财务统一管理；

（3）企业业务经营层面，主要是传统应用软件与区域公司进行数据集成，如：设备管理、质量管理、能源管理、销售管理、采购管理、生产管理等；另一个是AI和大数据技术的设备预测性维护、工艺过程优化、视频辅助巡检等专业模块的推广和使用。

四、工作成果

4.1 总体使用效果

水泥行业工业互联网平台已经在两个全新万吨线水泥工厂投入使用，设备接入量4000左右，数据点位量40000左右，每天存储量15G左右，设备模型120左右，算法模型40左右。主要指标见表1，其特点如下：

（1）集成当今先进的自动控制技术和在线检测仪器；

（2）建设工业互联网平台架构的数字化、可视化、流程化、模型化的全流程业务系统；

（3）建立基于全流程生产管控的工业大数据仓库；

（4）基于工业大数据仓库开展生产管理实时优化及生产运营决策辅助；

（5）全生产工序实时优化控制系统，磨机一键启停全工况自动控制、无人值守；

（6）全生命周期的设备智能运维及健康管理平台，智能分析，自动预警；

（7）提高生产效率、降低劳动强度、节能降耗、减员增效，辅助推进精细化管理及开展精益生产，全面提高企业自动化和生产管理水平。

表1 智能系统主要指标（%）

4.2 设备预测性维护

4.2.1主要功能

水泥生产中设备大部分都是以串联的方式运行，如生料磨、预热器、回转窑、水泥磨等主要设备，生产线很容易因为一个设备的故障造成全工序的停产，因而对设备的可用性要求极高，基于大数据的设备预防性维护是提高水泥生产设备可用性、保障设备持续健康安全生产的有效保证。

以某水泥基地高温风机预防性维护应用为例，有风机上百台，因风机导致的非计划性年故障停机时间近200h，投入大量人力物力进行点检、巡检。

当涉及监测参数较多、数据量较大、工艺耦合复杂时，采用规则的方式可能无法涵盖所有异常情况，或工艺规则过多，配置繁琐，效率不高。通过大数据分析、机器学习的方式，可以让算法模型自行挖掘大量数据中相互之间的耦合关系，学习正常工况下的数据表现模态，从而更有效的发现异常现象，及时预警。主要功能如下：

（1）在线监控:设备动态3D模型、设备运行数据在线监控；

（2）全方位预警:阈值预警、规则预警、综合预警、机器学习预警；设备评估:设备运行效率评估、设备健康度评估；

（3）设备管理、用户管理、预警记录管理、预警模型管理。

系统部署模式如下：

（1）传感器-SCADA/DCS/PLC-服务器（OPC/FTP）-设备预防性检修平台；协议基于OPC/FTP；

（2）传感器-网关-服务器-设备预防性检修平台；协议基于Moudbus/TCP/UDP；

（3）传感器-在线保护器-服务器（消息队列Kafka/MQTT）-设备预防性检修平台；协议基于TCP；

（4）传感器-在线保护器-服务器（消息队列Kafka/MQTT）-PaaS平台-设备预防性检修平台；协议基于RESTfulAPI。

4.2.2主要内容

规则预警：

（1）对每台风机设备的每个测点的数据分别设置阈值进行预警。

（2）结合专家经验，实现更全面、更复杂的规则预警系统，多重规则相结合并预警。

（3）将规则与设备状态数据和工艺数据相结合，综合计算系统各项运行指标并预警。

机器学习预警：

（1）数据相关度分析:通过大数据分析，挖掘各种信号之前潜在的关系；

（2）特征建立与提取:基于数据相关性，建立特征单元，对特征单元进行提取；

（3）机器学习模型:采用机器学习模型(LSTM、XGBoost、......)，对数据进行学习训练、在线预测，得到较为准确模型预测结果，利用模型预测结果与在线监测数据的残差进行预警。

4.2.3实施效果

（1）设备实时在线监测，替代点检员离线点检。

（2）引入专家经验与机器学习相结合的算法模型，将点检员的经验转化成算法，利用机器学习提高故障识别能力，从而提高模型准确性，替代传统的规则模型。

（3）按类别将同类风机设备放在一起监测、预警、分析，便于对该类设备进行总结归纳、深入研究、扩展管理、综合把控，替代仅按照设备物理位置分类管理。

（4）经过训练的机器学习故障预警模型准确率可达到99%以上，高于传统预警模型的准确率。

五、总结

我们要立足水泥板块，协同水泥产业上下游，深化信息技术在水泥生产流程、运行维护、经营管理等环节的全方位应用，重点培育科学生产运营管理模式。生产流程方面，推动水泥板块智能化水平整体升级，集成智能化矿山管理系统、智能质量控制系统、专家优化控制系统、制造执行系统等智能生产管理系统，实现生产过程智能监控；运行维护方面，逐步开展实时化改造，集成智能化的设备管理、能源管理及安全环保管理系统，支撑生产平台高效、节能、安全运行；经营管理方面，结合财务系统、人力资源管理系统、ERP系统、物流管理类信息系统，实现从原材料到生产控制、物流运输、战略决策的全流程信息化管理，实现物流、资金流、信息流的统一和产业链上下游的高度协同。

作者：孙晓峰1，李建军2，刘虎1，刘威2，韩绍鑫2

来源：《1中建材信息技术股份有限公司；2中国中材国际工程股份有限公司（南京）》

微信公众号：备件网（关注查询更多资讯）

（本文来源网络，若涉及版权问题，请作者来电或来函联系！）