科技新进展：冶金工业互联网与大数据平台建设

来源：中国金属学会

近年来，国际产业格局一直面临重大调整，围绕抢夺制造业制高点的竞争愈演愈烈，世界各国结合自身产业发展优势加强战略总体布局和理论方法创新。德国依托雄厚的自动化基础，推进工业4.0。美国在实施先进制造战略的同时，大力发展工业互联网。法、日、韩、瑞典等国也纷纷推出制造业振兴计划。我国也提出“中国制造2025”的发展战略。各国新型制造战略的核心都是通过构建新型生产方式与发展模式，推动传统制造业转型升级，重塑制造强国新优势。与此同时，数字经济浪潮席卷全球，驱动传统产业加速变革。特别是以互联网为代表的信息通信技术的发展极大地改变了人们的生活方式，构筑了新的产业体系，并通过技术和模式创新不断渗透影响实体经济领域，为传统产业变革带来巨大机遇。伴随制造业变革与数字经济浪潮交汇融合，云计算、物联网、大数据等信息技术与制造技术、工业知识的集成创新不断加剧，工业互联网平台应运而生。

当前冶金工业正处在由数字化、网络化向智能化发展的重要阶段，其核心是基于海量工业数据的全面感知，通过端到端的数据深度集成与建模分析，实现智能化的决策与控制指令，形成智能化生产、网络化协同、个性化定制、服务化延伸等新型制造模式。这一背景下，传统数字化工具已经无法满足需求。主要表现如下：

（1）工业数据的爆发式增长需要新的数据管理工具。随着工业系统由物理空间向信息空间、从可见世界向不可见世界延伸，工业数据采集范围不断扩大，数据的类型和规模都呈指数级增长，需要一个全新数据管理工具，实现海量数据低成本、高可靠的存储和管理。

（2）工业数据的互联互通需要统一的多协议转换平台。近30年来，围绕实现控制系统、生产装备的连接，全球各类自劢化厂商、研究机极、标准化组织推出了300余种主流协议，协议标准众多相对封闭，严重制约了工业数据互联互通互操作。迫切需要研发统一的协议转换技术及产品，实现工业数据在多源设备、异极系统之间的有序流动。

（3）企业智能化决策需要新的应用创新载体。数据的丰富为制造企业开展更加精细化和精准化管理创造了前提，但工业场景高度复杂，行业知识千差万别，传统由少数大型企业驱动的应用创新模式难 以满足不同企业的差异化需求，迫切需要一个开放的应用创新载体，通过工业数据、工业知识与平台功能的开放调用，降低应用 创新门槛，实现智能化应用的爆发式增长。

（4）新型制造模式需要新的业务交互手段。为快速响应市场变化，制造企业间在设计、生产等领域的并行组织与资源协同日益频繁，要求企业设计、生产和管理系统都要更好支持与其他企业的业务交互，这就需要一个新的交互工具，实现不同主体、不同系统间的高效集成。海量数据管理、工业应用创新与深度业务协同，是工业互联网平台快速发展的主要驱动力量。

钢铁冶金行业作为典型的流程行业，其生产过程存在多工序连续生产、区域间强遗传、各影响因素非线性等特点，其数据形式则表现出高通量、强耦合、多态时变、多源异构的特征。为了借助工业互联网平台实现技术变革，需要设计面向冶金行业特点的工业互联网构架，实现从数据感知到数据转换，再到信息提取和认知，最终实现智慧决策和资源的优化配置，进而解决多类工业设备接入、多源工业数据集成、数据管理与处理、数据建模分析、应用创新与集成、知识积累迭代实现等一系列问题，为解决钢铁冶金企业问题提供新思路和新方法。

1、工业互联网平台

工业互联网的本质是通过构建精准、实时、高效的数据采集互联体系，建立面向工业大数据存储、集成、访问、分析、管理的开发环境，实现工业技术、经验、知识模型化、标准化、软件化、复用化，不断优化研发设计、生产制造、运营管理等资源配置效率，形成资源富集、多方参与、合作共赢、协同演进的制造业新生态，可满足工业数据的爆发式增长、企业的智能化决策、新型制造模式下的业务交互需求。如图1为北科大自主开发的冶金工业互联网平台IETLinker，主要包括边缘层、平台层、应用层三大核心层级。

（1）边缘层。通过大范围、深层次的数据采集，以及异构数据的协议转换与边缘处理，构建工业互联网平台的数据基础。通过各类采集手段接入不同设备及系统，采集海量数据；依托协议转换技术实现多源异构数据的归一化和边缘集成；利用边缘计算设备实现底层数据的汇聚处理，并实现数据向云端平台的集成。

（2）平台层。基于SOA中间件技术、冶金数据空间、冶金工业微服务组件等创新功能，构建可扩展的开放式系统。提供工业数据管理能力，将数据科学与工业机理结合，帮助冶金企业构建工业数据分析能力，实现数据价值挖掘；将冶金技术、冶金知识、冶金经验、机器算法等资源固化为可移植、可复用的工业微服务组件库，供开发者调用；部署SOA中间件平台，构建应用开发环境，借助微服务组件和工业应用开发工具，实现工业应用的快速开发。

（3）应用层。形成满足不同行业、不同场景的工业SaaS和工业APP，实现工业互联网平台的最终价值。提供了质量管控、设备管控、能源管控、产品研发、集中管控等一系列创新性业务应用。构建了良好的工业APP创新环境，使开发者基于平台数据及微服务功能实现应用创新。

除此之外，工业互联网平台还包括工业资源层，以及涵盖整个工业系统的多层级安全管理体系，这些构成了工业互联网平台的基础支撑和重要保障。 

2、大数据平台建设

大数据平台建设是工业互联网平台的核心内容之一，其技术架构如图2所示。大数据平台建设涉及多条产线、多类业务、多级系统，各分厂内部署有各个厂家的自动化控制系统以及各种数据库管理系统等，多元异构数据最终汇总到工业大数据平台，构建完整的质量、工艺、关键设备数据等内容的工厂级分类数据库，作为应用功能的数据基础。钢铁工业各工序基础自动化和过程自动化系统复杂，系统集成商众多，实时性和安全性要求也高，为此开发可靠、安全的数据在线采集技术尤为关键。基于生产过程数据多元异构、高通量、强耦合等特点，数据采集技术将采用边缘计算技术实现对各工序多类数据的采集和匹配，实现对数据的集中统一管理及缓存，同时对采集的数据进行预处理，对数据的有效性进行判断。 

（1）采集技术

平台将从不同系统采集相应的工艺、质量、关键设备、能源等数据，并建立其数据之间逻辑关系。数据采集的数据类型包括关系型数据、过程曲线数据、图片数据等，通过数据采集功能实现多源异构数据的规范化。数据采集将采用边缘计算技术，在数据采集服务器部署IOT通讯网关，连接现场L1系统、L2系统、MES系统、ERP系统、LIMS系统等，数据采集网络方案示意图如图3所示。由于现场某些网络系统为各自独立的系统，为保证安全性及各网络的独立性，因此各个子网单独接入网络防火墙，通过防火墙的端口隔离特性，保证各子网的独立性，通过防火墙内的安全配置实现IOT通讯网关与生产控制网中各子网进行通讯。

IOT通讯网关支持国内外主流自动化系统协议，如：IBA-PDA、西门子S7、EGD、ModBus、OPC、CAN、Profibus等各类工业通信协议和软件通信接口，实现数据格式转换和统一数据采集，效率可达到毫秒级，可以为后续的大数据应用提供数据源，方便后期各平台系统的数据互通，共享。主要功能特点包括OPC身份认证机制和批量控制功能；支持远程集中配置及监视管理；支持断线重连；实现采集多个不同子系统的数据，进行数据集中汇总、分类和预处理；对多个上级调度等平台系统进行数据转发；具备日志记录、监视、多对多采集转发功能。

（2）边缘计算

为实现全局最优和资源的优化配置，数据爆发式增长速度日益加快，给传统的利用中央服务器集中式存储、分析和处理的模式带来了沉重的压力。边缘计算旨在离用户或设备更近的网络边缘就近提供存储、计算和数据处理等服务，是工业互联网的核心技术和各冶金智能制造集成商抢占的技术制高点。

①基于多协议转换的边缘计算技术。提供设备的接入，支持IBA-PDA设备供应商的网络通讯协议，并将协议转换成OPCUA协议，与边缘计算层通讯，并且将非标设备转换成标准物模型，就近接入网关，从而实现设备的管理和控制。设备连接到网关后，网关与计算端通过OPCUA协议，实现设备数据的采集、流转、存储、分析和上报数据，同时提供规则引擎、函数计算引擎，方便场景编排和业务扩展。

②基于冶金知识的边缘数据处理技术。在边缘侧进行如时空变换、数据自判异、物料谱系匹配、分类归档、优化跟踪等工作，为上层应用提供数据支撑。为解决生产过程工艺参数、质量数据与板坯位置同步、板坯数据定位问题，并协调不同数据的采样频率、存在时滞的多阶段工艺参数与物料、批次信息关联，根据冶金过程工艺流程特征，利用相应的数据时空变换模型和算法对多源、异构、不同频率的工艺与质量数据进行处理，实现沿物料长度方向的质量、工艺参数等数据同步化，便于长期存储和后续分析。主要实现功能包括物料谱系对应（炉次-铸坯-热轧卷-冷轧卷-重卷）；物料上下面翻转、头尾、左右侧对应；横纵轧切换、中断轧制、物料切头尾对应；不同工序相同时刻点参数对应；表检图片信息深加工及缺陷等级运算等。

（3）基础平台

基础平台运行自主研发的基于边缘侧分布式服务平台技术（SOA.NET）。SOA.NET平台作为企业级分布式应用系统的中间件产品，其提供了完整的Microsoft .Net企业应用支撑，从应用的开发到运行、管理、监控的工具和环境支持，同时也为应用开发提供丰富的基础构件库，SOA.NET平台产品构成如图4所示。SOA.NET平台具备完整权限管理功能，包括角安全管理、角色授权、用户授权以及数据授权，实现数据及权限的分级管理，适用企业内部复杂的业务管理需求。同时SOA应用开发平台提供系统运行监控及分析功能，用以集中管理系统内的主机、数据库、应用服务器、实时采集系统、数据集成平台的运行状态，从业务保障的角度来实现主动式风险管理，从根本上解除困扰运维人员的烦恼，提高运作效率和服务质量，保障系统的健康稳定运行。

冶金工业互联网及大数据平台的技术落地，需要有效的将冶金知识与互联网技术相融合，因此要求实施团队具备一定的条件，如针对全流程工艺质量改进技术具有深厚的理论和实践经验，对数据挖掘算法应用具有扎实的理论功底和应用经验。基于此，经过多年的技术革新与升级，目前所搭建的工业互联网及大数据平台集成了一些冶金行业特有的创新性成果，内容如下：

1、开发了端部数据泛化采集和边缘层数据处理技术。采用边缘层计算技术实现了多协议转换，支持西门子S7、EGD、ModBus、OPC、CAN、Profibus等各类工业通信协议和软件通信接口，强化平台的数据接入能力，实现从端、边、云的冶金行业物料全周期数据采集，建立了全息数字化工业大数据平台。同时，通过封装智能工艺网关，形成具有行业特色的边缘侧数据处理技术，突破工艺对象过程原理不明确的瓶颈，实现了工艺数据的时空变换、匹配、判异等功能。

2、集成了面向数据特性的开放式数据分析算法工具集。为满足冶金全流程工业应用的数据分析需求，平台集成了涵盖关联、回归、聚类、分类等九类开放式分析算法工具集。同时，形成每个大类功能中具体算法和数据特征的适应性应用场景，提高数据模型的分析能力，获得更理想的数据分析效果。

3、集成了冶金工业机理模型库和知识库。基于对工业机理、工艺流程、模型方法等的理解，形成冶金行业全流程重要工业机理模型库，如吹氧模型、二冷水模型、炉气分析模型、轧制力模型、变形抗力模型、轧机弹跳模型等，基于此类工业机理模型库，可对收集的数据进行验证、仿真，预测等，使得机理和数据结合的模型能够发挥更大的作用。

4、开发了边缘侧分布式服务平台技术。形成模型驱动的统一服务框架，面向多种业务角色，提供开发服务框架和部署运营服务框架，通过引入容器技术新型架构和微服务池，实现平台和工业应用的灵活部署和快速迭代，适应工业场景中海量个性化开发需求。同时通过分布式存储技术，实现过程曲线数据、关系数据的完整、高效、安全存储，满足了冶金工业数据的爆发式增长、开放式协同的业务需求。

冶金工业互联网与大数据平台已在钢铁和有色板带、棒线材、轨梁等领域完成15套以上应用，近几年的典型应用案例如下：

1、鞍钢全流程质量大数据集成平台

托信息化系统，在鞍钢本部构建全流程质量大数据平台，实现从炼钢、连铸、热轧、冷轧等43个工序的全流程数据采集与匹配，将数据精准匹配到物料上，实现全流程质量数据（L1/L2/MES/ERP/表面检测）的贯通，并实现质量判定、过程监控、数据追溯等功能。平台覆盖板带产线的数据采集率达到90%以上，数据利用率达到60%以上，数据可靠性达到100%。该项目入选工信部评选的2019年工业互联网试点示范项目。

2、马钢板带质量管理数据采集平台

该项目涵盖马钢所有板带生产线，包括一钢轧、四钢轧、冷轧总厂、合肥板材等，工序包括炼钢、连铸、热轧、酸轧、镀锌等53个关键机组，实现各生产线自动化系统（L1、L2、表检、LIMS）的数据采集和匹配工作，构建了板材全流程质数据采集平台，并应用大数据方法，实现过程监控、质量分析、质量判定等功能。平台的成功构建，使得马钢全流程的数据使用效率提升75%以上，质量问题处理效率提升30%以上。

3、新钢板卷全流程质量管控系统

建立包括炼钢、连铸、热轧、冷却在内的35个工序的数据采集平台，涵盖各产线的L1、L2、MES、板形仪以及表面检测系统，实现全流程不同类型数据的数据采集、预处理与存储以及统一访问接口，同时开发连铸机二级系统，保证和物料相关的数据流全线贯通，在此基础上开发应用层平台，同时开发质量在线评级、过程监控、质量分析、数据追溯等功能，建立各类工艺、质量数据及质量异议数据之间的内在联系，快速定位质量问题生产根源，持续提升新钢总体的质量管理水平。系统的成功构建，使得新钢全流程的数据使用效率提升80%以上，外部质量缺陷反馈减少20%以上，内部质量缺陷下降20%以上。