完成人
李 麒、李世平、楊大雷、樊建成、劉 珧、陽建宏、李 杰、朱獻(xiàn)忠、郭 亮、趙 剛、龔敬群、羅云東、劉 晗、徐 鋼、王建宇
完成單位
寶武裝備智能科技有限公司、寶山鋼鐵股份有限公司、寶武集團(tuán)中南鋼鐵有限公司、廣東韶鋼松山股份有限公司、北京科技大學(xué)、上海金藝檢測技術(shù)有限公司
立項(xiàng)背景
上個世紀(jì)，寶鋼引進(jìn)、消化及完善點(diǎn)檢定修制，持續(xù)引領(lǐng)中國設(shè)備管理水平30余年。
在高質(zhì)量發(fā)展的今天，設(shè)備數(shù)據(jù)在線率不足1%、定性點(diǎn)檢標(biāo)準(zhǔn)占96%、周期檢修項(xiàng)目占70%以上、點(diǎn)檢人員配置居高不下、能源環(huán)保壓力高企等，表明以點(diǎn)檢定修制為代表的設(shè)備運(yùn)維技術(shù)發(fā)展遇到了瓶頸。
國內(nèi)外鋼鐵同行也進(jìn)行了設(shè)備運(yùn)維發(fā)展的探索和實(shí)踐。如美國大河鋼廠，建立基于云的超級計(jì)算服務(wù)，安裝超過5萬個傳感器，探索預(yù)知維修。新日鐵住金引進(jìn)人工智能數(shù)據(jù)分析平臺（DataRobot）提供云計(jì)算的合并數(shù)據(jù)分析環(huán)境，提高設(shè)備維護(hù)效率。新日鐵名古屋制鐵所在線監(jiān)測的設(shè)備1253臺，監(jiān)測的結(jié)果為制定檢修計(jì)劃和內(nèi)容提供直接依據(jù)。三一重工以工程機(jī)械為對象，開展全生命周期運(yùn)營管理，運(yùn)用實(shí)時監(jiān)控與分析、設(shè)備故障維修、預(yù)測性/預(yù)防性維護(hù)等，單臺設(shè)備潛在提升收入可達(dá)10%-50%。
從技術(shù)發(fā)展現(xiàn)狀來看，基本是在某類設(shè)備或某條生產(chǎn)線上的點(diǎn)狀智能化應(yīng)用，尚未實(shí)現(xiàn)全流程、全工序、跨地域、跨空間的廣泛、深度數(shù)智應(yīng)用。
鋼鐵企業(yè)從設(shè)備連接維度存在設(shè)備感知手段薄弱、高頻數(shù)據(jù)處理困難、多源多維數(shù)據(jù)難融合、信息孤島眾多等問題；在預(yù)警診斷和決策上存在狀態(tài)識別效率低、診斷準(zhǔn)確性差、劣化趨勢無法把握、維檢決策可靠性低、經(jīng)驗(yàn)轉(zhuǎn)化知識困難等問題；在同類設(shè)備、同類產(chǎn)線設(shè)備運(yùn)維對標(biāo)中存在設(shè)備術(shù)語不統(tǒng)一、故障描述不一、設(shè)備顆粒度不一、設(shè)備表征數(shù)據(jù)無序、數(shù)據(jù)處理差異大等問題；現(xiàn)有的設(shè)備運(yùn)維方式不支持智能運(yùn)維的大范圍推廣應(yīng)用，也缺乏智能運(yùn)維的人員隊(duì)伍。
解決上述問題是一項(xiàng)極具挑戰(zhàn)性的復(fù)雜系統(tǒng)創(chuàng)新工程！
關(guān)鍵技術(shù)和創(chuàng)新點(diǎn)
本項(xiàng)目認(rèn)為設(shè)備運(yùn)維從“感官判斷、經(jīng)驗(yàn)決策”向“數(shù)據(jù)判斷、知識決策”的轉(zhuǎn)化是設(shè)備智能運(yùn)維的核心。本項(xiàng)目以此為總體思路開展設(shè)備智能運(yùn)維技術(shù)的系統(tǒng)創(chuàng)新。
圍繞設(shè)備智能運(yùn)維，形成了以一個平臺、一個專家系統(tǒng)、一套標(biāo)準(zhǔn)化體系為核心技術(shù)架構(gòu)、面向鋼鐵全流程的智能運(yùn)維體系為載體的技術(shù)路線，共有四方面技術(shù)創(chuàng)新內(nèi)容（見圖1）：
圖1 設(shè)備智能運(yùn)維
創(chuàng)新點(diǎn)1：面向鋼鐵全工序的智維云平臺
面向鋼鐵全工序的設(shè)備智能運(yùn)維平臺。平臺支持海量設(shè)備聯(lián)接，以‘云-邊-端’架構(gòu)設(shè)計(jì)，支持智維生態(tài)協(xié)同、數(shù)據(jù)流動與知識創(chuàng)新賦能（系統(tǒng)架構(gòu)見圖2）。涉及關(guān)鍵技術(shù)較多，其中3項(xiàng)尤其具有行業(yè)特色和創(chuàng)新性。
圖2 設(shè)備智維云架構(gòu)圖
1.多場景智維物聯(lián)采集技術(shù)
針對鋼鐵設(shè)備數(shù)采場景復(fù)雜，環(huán)境高溫、高濕、多粉塵，設(shè)備種類多差異大等特點(diǎn)，研發(fā)和應(yīng)用了一批專用智能數(shù)據(jù)采集裝置和大規(guī)模應(yīng)用的低成本傳感器滿足了鋼鐵工業(yè)設(shè)備多場景數(shù)據(jù)采集需求；并通過多種物聯(lián)網(wǎng)絡(luò)通道技術(shù)融合研究，解決復(fù)雜環(huán)境下數(shù)采“最后一公里”問題。
2.海量高頻數(shù)據(jù)邊緣處理技術(shù)
鋼鐵設(shè)備數(shù)據(jù)量大，但數(shù)據(jù)價值密度低。通過研發(fā)系列算法和數(shù)據(jù)處理工具，在邊緣端運(yùn)用高頻并發(fā)計(jì)算、工業(yè)特征工程等系列技術(shù)，解決了數(shù)據(jù)清洗、處理、特征提取問題，實(shí)現(xiàn)邊緣快速降頻、實(shí)時計(jì)算應(yīng)用。同時開發(fā)系列無代碼、可視化編程工具，實(shí)現(xiàn)現(xiàn)場高效人機(jī)交互，解決了現(xiàn)場邊緣側(cè)海量高頻數(shù)據(jù)的傳輸、清洗、處理問題。
3.多源、多維、異構(gòu)數(shù)據(jù)融合應(yīng)用技術(shù)
設(shè)備數(shù)據(jù)呈現(xiàn)異構(gòu)、多源、多維的特點(diǎn)，難以綜合應(yīng)用。項(xiàng)目應(yīng)用了CMDB技術(shù)來構(gòu)建設(shè)備BOM及主數(shù)據(jù)，采用TSDB和集中分布式大數(shù)據(jù)Hadoop技術(shù)來處理海量實(shí)時動態(tài)時序數(shù)據(jù)和工藝控制數(shù)據(jù)，采用MongoDB處理半結(jié)構(gòu)化數(shù)據(jù)，通過流式計(jì)算平臺對數(shù)據(jù)進(jìn)行歸一化、校對，構(gòu)建智維知識圖譜來實(shí)現(xiàn)維護(hù)經(jīng)驗(yàn)建模，通過研發(fā)工業(yè)數(shù)據(jù)融合技術(shù)實(shí)現(xiàn)了設(shè)備多類數(shù)據(jù)包容處理，使得設(shè)備數(shù)據(jù)得以跨設(shè)備、跨系統(tǒng)、跨產(chǎn)線應(yīng)用。
創(chuàng)新點(diǎn)2：面向狀態(tài)變化趨勢決策的智能專家系統(tǒng)
構(gòu)建面向狀態(tài)變化趨勢、人機(jī)協(xié)同的專家系統(tǒng)。以系列算法、規(guī)則、模型為核心，實(shí)現(xiàn)狀態(tài)識別、故障定位、維檢方案推送、結(jié)果驗(yàn)證閉環(huán)、知識提煉匯聚的全過程決策智能化（見圖3）。涉及4項(xiàng)關(guān)鍵技術(shù)。
圖3 智維數(shù)據(jù)流程圖
1.統(tǒng)計(jì)與先驗(yàn)知識協(xié)同的多變量設(shè)備狀態(tài)預(yù)警技術(shù)
針對設(shè)備狀態(tài)個性化發(fā)展變化的特點(diǎn)，結(jié)合對設(shè)備機(jī)理的理解，建立設(shè)備狀態(tài)動態(tài)數(shù)據(jù)統(tǒng)計(jì)模型，根據(jù)不同工況的狀態(tài)數(shù)據(jù)訓(xùn)練出報警閾值，實(shí)現(xiàn)自適應(yīng)綜合預(yù)警。不但支持各類閾值類報警，還支持趨勢報警，及包含工藝邏輯的邊緣規(guī)則預(yù)警，實(shí)現(xiàn)復(fù)雜場景、多變量耦合等情況下的異常狀態(tài)綜合預(yù)警。
2.機(jī)理與數(shù)據(jù)驅(qū)動相結(jié)合的設(shè)備故障診斷技術(shù)
面向鋼鐵設(shè)備復(fù)雜工況、負(fù)載多變、狀態(tài)變化耦合因素多、表征非線性等特點(diǎn)，利用算法工具將經(jīng)驗(yàn)數(shù)據(jù)化，將先驗(yàn)知識納入模型，再結(jié)合大數(shù)據(jù)技術(shù)應(yīng)用，提高案例學(xué)習(xí)效率，加速設(shè)備診斷模型的開發(fā)與調(diào)優(yōu)，最終實(shí)現(xiàn)故障診斷的智能化、精準(zhǔn)化。
3.多維度數(shù)據(jù)協(xié)同的設(shè)備綜合評價技術(shù)
融合設(shè)備屬性、運(yùn)行狀態(tài)、工藝過程、維檢過程、運(yùn)維履歷、同類故障特征、負(fù)荷累積等多維度數(shù)據(jù)，結(jié)合AI算法、專家經(jīng)驗(yàn)知識，動態(tài)調(diào)整非線性權(quán)重系數(shù)，形成設(shè)備綜合評價系統(tǒng)模型，對設(shè)備健康度及相關(guān)性能指標(biāo)作出綜合性評價。
4.基于知識圖譜的設(shè)備維檢決策技術(shù)
通過多種維檢決策知識圖譜的開發(fā)與迭代，指導(dǎo)異常事件與維檢需求邏輯關(guān)系的梳理，形成維檢決策規(guī)則，嵌入平臺運(yùn)維決策環(huán)節(jié)，推送最優(yōu)的維檢對策，提高維檢項(xiàng)目的針對性、有效性。
創(chuàng)新點(diǎn)3：面向服務(wù)一致性的設(shè)備智能運(yùn)維標(biāo)準(zhǔn)體系
將單一基地的個性設(shè)備技術(shù)轉(zhuǎn)變?yōu)槿袠I(yè)的工序共性技術(shù)，實(shí)現(xiàn)了設(shè)備數(shù)據(jù)與技術(shù)規(guī)范的一致性、解決了設(shè)備運(yùn)維過程的數(shù)字化閉環(huán)，實(shí)現(xiàn)同類設(shè)備、同類產(chǎn)線統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一管理。涉及3項(xiàng)關(guān)鍵內(nèi)容。
1.設(shè)備族譜多粒度統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)
解決設(shè)備名稱不統(tǒng)一、設(shè)備故障原因描述各異、設(shè)備粒度不一、設(shè)備表征數(shù)據(jù)無序等問題，實(shí)現(xiàn)設(shè)備術(shù)語統(tǒng)一、顆粒度統(tǒng)一、數(shù)據(jù)表征統(tǒng)一。
2.基于工序特點(diǎn)的設(shè)備數(shù)據(jù)采集、處理與存儲標(biāo)準(zhǔn)
規(guī)范了設(shè)備數(shù)據(jù)的采集和處理過程，解決了同類設(shè)備之間數(shù)據(jù)互理解和互操作問題。
3.鋼鐵產(chǎn)線設(shè)備狀態(tài)管控標(biāo)準(zhǔn)
解決各鋼企設(shè)備運(yùn)維標(biāo)準(zhǔn)不一、運(yùn)維質(zhì)量不一、檢修過程與驗(yàn)證方法不一的問題，通過制定統(tǒng)一運(yùn)維標(biāo)準(zhǔn)、運(yùn)維質(zhì)量評價標(biāo)準(zhǔn)、檢修與驗(yàn)證標(biāo)準(zhǔn)，實(shí)現(xiàn)對多地域同類產(chǎn)線、同類設(shè)備高效一致管控。
創(chuàng)新點(diǎn)4：構(gòu)建面向鋼鐵全流程的智能運(yùn)維體系
為了最大限度釋放技術(shù)創(chuàng)新紅利，實(shí)現(xiàn)極致專業(yè)化基礎(chǔ)上的規(guī)模效應(yīng)，項(xiàng)目也在業(yè)務(wù)流程和職業(yè)體系方面形成創(chuàng)新，包含3項(xiàng)創(chuàng)新內(nèi)容。
1.面向鋼鐵全工序的智能運(yùn)維系統(tǒng)解決方案群
依托寶武豐富場景和行業(yè)專家，形成了一系列面向鋼鐵全工序的智能運(yùn)維系統(tǒng)解決方案，包括工序概況、智維目標(biāo)、智維設(shè)計(jì)、監(jiān)測技術(shù)應(yīng)用、運(yùn)維技術(shù)應(yīng)用、全量數(shù)據(jù)應(yīng)用、模型迭代升級等內(nèi)容，具備了大規(guī)模、快速復(fù)制條件。
2.基于平臺的近地與遠(yuǎn)程運(yùn)維相結(jié)合的智能運(yùn)維運(yùn)行體系
以100%平臺預(yù)警、100%線上工作為目標(biāo)，近地與遠(yuǎn)程結(jié)合，前、中、后臺一體，依托平臺對多地域、同類產(chǎn)線、同類設(shè)備進(jìn)行集中管控，所有管理在線、所有決策智能、所有資源共享，塑造全新智能運(yùn)維運(yùn)行體系。
3.以智維工程師與智維分析師為核心的智能運(yùn)維人才培養(yǎng)體系
創(chuàng)新智維工程師、智維分析師為主體的智能制造新職業(yè)體系，并配套完善人才培養(yǎng)機(jī)制，為設(shè)備智能運(yùn)維的可持續(xù)發(fā)展奠定人才基礎(chǔ)。
通過項(xiàng)目研究，形成標(biāo)準(zhǔn)11項(xiàng)（其中2項(xiàng)國家標(biāo)準(zhǔn)，9項(xiàng)企業(yè)標(biāo)準(zhǔn)），專利88件（其中授權(quán)發(fā)明專利18件，授權(quán)實(shí)用新型13件，在審查發(fā)明專利57件），軟件著作權(quán)9項(xiàng)，論文16篇，論著1部，覆蓋項(xiàng)目全部核心技術(shù)。
與國內(nèi)外水平的比較
在鋼鐵行業(yè)和設(shè)備運(yùn)維領(lǐng)域，通過對監(jiān)測設(shè)備數(shù)、監(jiān)測數(shù)據(jù)項(xiàng)、數(shù)據(jù)頻度、設(shè)備覆蓋率、預(yù)警、診斷準(zhǔn)確率、覆蓋范圍、運(yùn)維體系等方面進(jìn)行對比分析，本項(xiàng)目智能運(yùn)維整體水平為國際領(lǐng)先。
經(jīng)成果查新，項(xiàng)目具有新穎性；中國金屬學(xué)會組織成果鑒定結(jié)論，項(xiàng)目成果達(dá)到國際領(lǐng)先水平。
創(chuàng)新效果
目前，項(xiàng)目成果已在中國寶武十五大生產(chǎn)基地及多元產(chǎn)業(yè)多家單位部署應(yīng)用，并已擴(kuò)展至集團(tuán)外生態(tài)圈（如漣鋼、寧鋼、鞍鋼鲅魚圈等）。累計(jì)接入900余條產(chǎn)線、設(shè)備超33萬臺，計(jì)劃3年內(nèi)接入設(shè)備超百萬臺，見圖4：
圖4 項(xiàng)目整體應(yīng)用情況
在產(chǎn)線類設(shè)備上，已集中熱軋、高線、冷軋等數(shù)十條主產(chǎn)線。其中馬鋼2條熱軋集中管控后，21年產(chǎn)量創(chuàng)歷史最佳，產(chǎn)線故障時間為近3年最少；其他產(chǎn)線集中管控后也分別取得良好效果；隨著同類產(chǎn)線數(shù)量增加，設(shè)備資產(chǎn)效率、人事效率和管理效率將大幅度提升。
在通用類設(shè)備上，以風(fēng)機(jī)為例，近5000臺風(fēng)機(jī)集中管控后預(yù)警和診斷準(zhǔn)確率均超90%，點(diǎn)檢負(fù)荷、檢修負(fù)荷持續(xù)下降近三分之一，隨著同類設(shè)備數(shù)量增加，規(guī)模效益更為可觀。
項(xiàng)目直接經(jīng)濟(jì)效益達(dá)到5.4億元（項(xiàng)目成員單位內(nèi)），間接效益17億元。實(shí)現(xiàn)了超大規(guī)模的工程化應(yīng)用，項(xiàng)目相關(guān)技術(shù)為鋼鐵行業(yè)設(shè)備運(yùn)維的轉(zhuǎn)型變革提供了堅(jiān)實(shí)的理論基礎(chǔ)和技術(shù)保障，具有完整知識產(chǎn)權(quán)，關(guān)鍵技術(shù)自主可控。
我們愿與所有鋼鐵人一起，共同推動、共同進(jìn)步，積極打造智能運(yùn)維生態(tài)系統(tǒng)（見圖5），讓智能運(yùn)維成為鋼鐵行業(yè)設(shè)備管理的中國創(chuàng)造。
圖5 智能運(yùn)維生態(tài)系統(tǒng)
