李　麒、李世平、楊大雷、樊建成、劉　珧、陽建宏、李　杰、朱獻忠、郭　亮、趙　剛、龔敬群、羅云東、劉　晗、徐　鋼、王建宇

　　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、上海金藝檢測技術有限公司

　　上個世紀，寶鋼引進、消化及完善點檢定修制，持續(xù)引領中國設備管理水平30余年。

　　在高質(zhì)量發(fā)展的今天，設備數(shù)據(jù)在線率不足1%、定性點檢標準占96%、周期檢修項目占70%以上、點檢人員配置居高不下、能源環(huán)保壓力高企等，表明以點檢定修制為代表的設備運維技術發(fā)展遇到了瓶頸。

　　國內(nèi)外鋼鐵同行也進行了設備運維發(fā)展的探索和實踐。如美國大河鋼廠，建立基于云的超級計算服務，安裝超過5萬個傳感器，探索預知維修。新日鐵住金引進人工智能數(shù)據(jù)分析平臺（DataRobot）提供云計算的合并數(shù)據(jù)分析環(huán)境，提高設備維護效率。新日鐵名古屋制鐵所在線監(jiān)測的設備1253臺，監(jiān)測的結果為制定檢修計劃和內(nèi)容提供直接依據(jù)。三一重工以工程機械為對象，開展全生命周期運營管理，運用實時監(jiān)控與分析、設備故障維修、預測性/預防性維護等，單臺設備潛在提升收入可達10%-50%。

　　從技術發(fā)展現(xiàn)狀來看，基本是在某類設備或某條生產(chǎn)線上的點狀智能化應用，尚未實現(xiàn)全流程、全工序、跨地域、跨空間的廣泛、深度數(shù)智應用。

　　鋼鐵企業(yè)從設備連接維度存在設備感知手段薄弱、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；在預警診斷和決策上存在狀態(tài)識別效率低、診斷準確性差、劣化趨勢無法把握、維檢決策可靠性低、經(jīng)驗轉化知識困難等問題；在同類設備、同類產(chǎn)線設備運維對標中存在設備術語不統(tǒng)一、故障描述不一、設備顆粒度不一、設備表征數(shù)據(jù)無序、數(shù)據(jù)處理差異大等問題；現(xiàn)有的設備運維方式不支持智能運維的大范圍推廣應用，也缺乏智能運維的人員隊伍。

　　解決上述問題是一項極具挑戰(zhàn)性的復雜系統(tǒng)創(chuàng)新工程！

　　本項目認為設備運維從“感官判斷、經(jīng)驗決策”向“數(shù)據(jù)判斷、知識決策”的轉化是設備智能運維的核心。本項目以此為總體思路開展設備智能運維技術的系統(tǒng)創(chuàng)新。

　　圍繞設備智能運維，形成了以一個平臺、一個專家系統(tǒng)、一套標準化體系為核心技術架構、面向鋼鐵全流程的智能運維體系為載體的技術路線，共有四方面技術創(chuàng)新內(nèi)容（見圖1）：

圖1 設備智能運維

　　面向鋼鐵全工序的設備智能運維平臺。平臺支持海量設備聯(lián)接，以‘云-邊-端’架構設計，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)架構見圖2）。涉及關鍵技術較多，其中3項尤其具有行業(yè)特色和創(chuàng)新性。

 

圖2 設備智維云架構圖

　　1.多場景智維物聯(lián)采集技術

　　針對鋼鐵設備數(shù)采場景復雜，環(huán)境高溫、高濕、多粉塵，設備種類多差異大等特點，研發(fā)和應用了一批專用智能數(shù)據(jù)采集裝置和大規(guī)模應用的低成本傳感器滿足了鋼鐵工業(yè)設備多場景數(shù)據(jù)采集需求；并通過多種物聯(lián)網(wǎng)絡通道技術融合研究，解決復雜環(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

　　鋼鐵設備數(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，在邊緣端運用高頻并發(fā)計算、工業(yè)特征工程等系列技術，解決了數(shù)據(jù)清洗、處理、特征提取問題，實現(xiàn)邊緣快速降頻、實時計算應用。同時開發(fā)系列無代碼、可視化編程工具，實現(xiàn)現(xiàn)場高效人機交互，解決了現(xiàn)場邊緣側海量高頻數(shù)據(jù)的傳輸、清洗、處理問題。

　　3.多源、多維、異構數(shù)據(jù)融合應用技術

　　設備數(shù)據(jù)呈現(xiàn)異構、多源、多維的特點，難以綜合應用。項目應用了CMDB技術來構建設備BOM及主數(shù)據(jù)，采用TSDB和集中分布式大數(shù)據(jù)Hadoop技術來處理海量實時動態(tài)時序數(shù)據(jù)和工藝控制數(shù)據(jù)，采用MongoDB處理半結構化數(shù)據(jù)，通過流式計算平臺對數(shù)據(jù)進行歸一化、校對，構建智維知識圖譜來實現(xiàn)維護經(jīng)驗建模，通過研發(fā)工業(yè)數(shù)據(jù)融合技術實現(xiàn)了設備多類數(shù)據(jù)包容處理，使得設備數(shù)據(jù)得以跨設備、跨系統(tǒng)、跨產(chǎn)線應用。

　　構建面向狀態(tài)變化趨勢、人機協(xié)同的專家系統(tǒng)。以系列算法、規(guī)則、模型為核心，實現(xiàn)狀態(tài)識別、故障定位、維檢方案推送、結果驗證閉環(huán)、知識提煉匯聚的全過程決策智能化（見圖3）。涉及4項關鍵技術。

圖3 智維數(shù)據(jù)流程圖

　　1.統(tǒng)計與先驗知識協(xié)同的多變量設備狀態(tài)預警技術

　　針對設備狀態(tài)個性化發(fā)展變化的特點，結合對設備機理的理解，建立設備狀態(tài)動態(tài)數(shù)據(jù)統(tǒng)計模型，根據(jù)不同工況的狀態(tài)數(shù)據(jù)訓練出報警閾值，實現(xiàn)自適應綜合預警。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)則預警，實現(xiàn)復雜場景、多變量耦合等情況下的異常狀態(tài)綜合預警。

　　2.機理與數(shù)據(jù)驅(qū)動相結合的設備故障診斷技術

　　面向鋼鐵設備復雜工況、負載多變、狀態(tài)變化耦合因素多、表征非線性等特點，利用算法工具將經(jīng)驗數(shù)據(jù)化，將先驗知識納入模型，再結合大數(shù)據(jù)技術應用，提高案例學習效率，加速設備診斷模型的開發(fā)與調(diào)優(yōu)，最終實現(xiàn)故障診斷的智能化、精準化。

　　3.多維度數(shù)據(jù)協(xié)同的設備綜合評價技術

　　融合設備屬性、運行狀態(tài)、工藝過程、維檢過程、運維履歷、同類故障特征、負荷累積等多維度數(shù)據(jù)，結合AI算法、專家經(jīng)驗知識，動態(tài)調(diào)整非線性權重系數(shù)，形成設備綜合評價系統(tǒng)模型，對設備健康度及相關性能指標作出綜合性評價。

　　4.基于知識圖譜的設備維檢決策技術

　　通過多種維檢決策知識圖譜的開發(fā)與迭代，指導異常事件與維檢需求邏輯關系的梳理，形成維檢決策規(guī)則，嵌入平臺運維決策環(huán)節(jié)，推送最優(yōu)的維檢對策，提高維檢項目的針對性、有效性。

　　將單一基地的個性設備技術轉變?yōu)槿�行業(yè)的工序共性技術，實現(xiàn)了設備數(shù)據(jù)與技術規(guī)范的一致性、解決了設備運維過程的數(shù)字化閉環(huán)，實現(xiàn)同類設備、同類產(chǎn)線統(tǒng)一標準、統(tǒng)一管理。涉及3項關鍵內(nèi)容。

　　1.設備族譜多粒度統(tǒng)一數(shù)據(jù)標準

　　解決設備名稱不統(tǒng)一、設備故障原因描述各異、設備粒度不一、設備表征數(shù)據(jù)無序等問題，實現(xiàn)設備術語統(tǒng)一、顆粒度統(tǒng)一、數(shù)據(jù)表征統(tǒng)一。

　　2.基于工序特點的設備數(shù)據(jù)采集、處理與存儲標準

　　規(guī)范了設備數(shù)據(jù)的采集和處理過程，解決了同類設備之間數(shù)據(jù)互理解和互操作問題。

　　3.鋼鐵產(chǎn)線設備狀態(tài)管控標準

　　解決各鋼企設備運維標準不一、運維質(zhì)量不一、檢修過程與驗證方法不一的問題，通過制定統(tǒng)一運維標準、運維質(zhì)量評價標準、檢修與驗證標準，實現(xiàn)對多地域同類產(chǎn)線、同類設備高效一致管控。

　　為了最大限度釋放技術創(chuàng)新紅利，實現(xiàn)極致專業(yè)化基礎上的規(guī)模效應，項目也在業(yè)務流程和職業(yè)體系方面形成創(chuàng)新，包含3項創(chuàng)新內(nèi)容。

　　1.面向鋼鐵全工序的智能運維系統(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維系統(tǒng)解決方案，包括工序概況、智維目標、智維設計、監(jiān)測技術應用、運維技術應用、全量數(shù)據(jù)應用、模型迭代升級等內(nèi)容，具備了大規(guī)模、快速復制條件。

　　2.基于平臺的近地與遠程運維相結合的智能運維運行體系

　　以100%平臺預警、100%線上工作為目標，近地與遠程結合，前、中、后臺一體，依托平臺對多地域、同類產(chǎn)線、同類設備進行集中管控，所有管理在線、所有決策智能、所有資源共享，塑造全新智能運維運行體系。

　　3.以智維工程師與智維分析師為核心的智能運維人才培養(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)機制，為設備智能運維的可持續(xù)發(fā)展奠定人才基礎。

　　通過項目研究，形成標準11項（其中2項國家標準，9項企業(yè)標準），專利88件（其中授權發(fā)明專利18件，授權實用新型13件，在審查發(fā)明專利57件），軟件著作權9項，論文16篇，論著1部，覆蓋項目全部核心技術。

　　在鋼鐵行業(yè)和設備運維領域，通過對監(jiān)測設備數(shù)、監(jiān)測數(shù)據(jù)項、數(shù)據(jù)頻度、設備覆蓋率、預警、診斷準確率、覆蓋范圍、運維體系等方面進行對比分析，本項目智能運維整體水平為國際領先。

　　經(jīng)成果查新，項目具有新穎性；中國金屬學會組織成果鑒定結論，項目成果達到國際領先水平。

　　目前，項目成果已在中國寶武十五大生產(chǎn)基地及多元產(chǎn)業(yè)多家單位部署應用，并已擴展至集團外生態(tài)圈（如漣鋼、寧鋼、鞍鋼鲅魚圈等）。累計接入900余條產(chǎn)線、設備超33萬臺，計劃3年內(nèi)接入設備超百萬臺，見圖4：

圖4 項目整體應用情況

　　在產(chǎn)線類設備上，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。

　　在通用類設備上，以風機為例，近5000臺風機集中管控后預警和診斷準確率均超90%，點檢負荷、檢修負荷持續(xù)下降近三分之一，隨著同類設備數(shù)量增加，規(guī)模效益更為可觀。

　　項目直接經(jīng)濟效益達到5.4億元（項目成員單位內(nèi)），間接效益17億元。實現(xiàn)了超大規(guī)模的工程化應用，項目相關技術為鋼鐵行業(yè)設備運維的轉型變革提供了堅實的理論基礎和技術保障，具有完整知識產(chǎn)權，關鍵技術自主可控。

　　我們愿與所有鋼鐵人一起，共同推動、共同進步，積極打造智能運維生態(tài)系統(tǒng)（見圖5），讓智能運維成為鋼鐵行業(yè)設備管理的中國創(chuàng)造。

圖5 智能運維生態(tài)系統(tǒng)