以工业4.0概念为指导,通过物联网、互联网、移动互联网、云计算、大数据及智能优化模型技术等技术的应用,开展宝钢智慧制造关键技术、技术难点的攻关以及示范应用,使宝钢制造领域内的资源、信息、物品和人之间相互关联,形成“虚拟网络——实体物理相互映射的系统(CPS)”,,最终实现包括智能制造、智慧设备、智慧安全、智慧物流、智慧能源、智能机器人、智慧工作环境在内的预测式智能制造系统,推动宝钢生产制造进一步由自动化向智能化和网络化方向升级,以降低制造成本、提升运营效率、提高产品质量,从而提升宝钢在全球钢铁领域的核心竞争力。
3.2总体思路
在宝钢现有信息系统基础上,通过物联网、互联网、云计算、大数据及智能优化模型技术等技术的应用,构建宝钢自己的虚拟网络——实体物理相互映射的系统(CPS)(如图1-5所示),实时同步地采集宝钢实际制造过程所有的信息(产品、物料、设备、安全、环境、能源等),在CPS平台上形成宝钢制造实体物理系统的映射---虚拟工厂,通过大数据分析,实时地支持宝钢制造过程的优化生产。其应用场景如图1-6所示。
图3-1 宝钢智慧制造信息物理系统(CPS)构想图
6 / 22
图3-2 未来宝钢智慧制造应用场景设想图
3.3 未来宝钢智慧制造总体架构设想
宝钢智慧制造由物联感知、远程监控、智能优化以及虚拟制造四个层次构成。通过建立在宝钢信息物理系统(CPS)平台上的可插拔式服务应用,支持制造现场的智慧制造。
图3-3 未来宝钢智慧制造总体架构图
四、 实施内容、路径和举措
宝钢智慧制造系统构建在宝钢信息物理系统(CPS)平台上,采用类似于App. Store 的可插拔式云应用服务的方式,所有应用服务可随时加入,同时,由于工业4.0概念在德国也是作为2020年后才开始实施的国家发展战略,而我国则将其纳入2025年制造发展纲要中,许多新技术的应用还处于探索阶段,所以,在宝钢2016-2021年规划阶段,不建议规划太多的内容,而是希望通过一些应用示范,取得成功经验后再拓展、铺开。 基于此思路,本次研究的宝钢智能制造内容(第一期),主要包括智能制造、智慧设备、智慧安全、智慧物流、智慧能源、智能机器人、智慧工作环境等七部分。 4.1 智慧制造管理(业务部门编写)
4.1.1 实施目标和内容
从业务角度描述智慧制造管理各子项的实现目标和实施内容 示例
在智慧制造的要求和规划下,要在原有的过程化思维和连续性的产品创新方面形成突破,用大量的信息和数据,使生产过程、设备状态和产品性能更加透明。将先进的计算和信息物理融合系统结合起来,形成大数据环境;控制智能传感器或检测技术的稳定性,保证这些器件及数据是否在正确时间、为正确的目的、提供了正确的信息;实现结构化和非结构化大数据的存储和关联性分析。
7 / 22
4.1.1 实施路径
示例
(1)基于设备、产品和生产过程的大数据表示和分析方法研究,实现结构化和非结构化数据和信息的提取技术;
(2)基于某一生产过程,开展大数据的存储和关联性分析研究工作,实现基于大数据的过程描述模型;
(3)以某一生产过程为例,开展非线性时变系统的大数据建模方法研究、开展非线性系统数据与知识的混合建模方法研究以及模型验证方法研究与实施;
(4)以某一设备或生产过程为例,开展闭环非线性系统微小故障的诊断方法研究、开展多重微小故障的分离方法以及强扰动下微小故障的诊断方法与预测方法研究等;
(5)开展综合复杂系统的安全性实时评估与预测方法研究、闭环控制的整体品质评估方法等研究;
(6)以某一产品为例,开展全流程的数据筛选与分析,开展产品质量与性能的综合性研究,建立过程监控模型。
(7)以某一类设备管理为例,开展全过程的设备数据状态分析,开展性能动态监测分析与预测研究工作。
4.1.2 存在技术难点和应对策略
示例
如何以大数据分析应用为背景,在允许运行时间内完成多目标的面向数据并行计算的工作流调度研究;
4.2 智慧设备管理(业务部门编写) 同上
4.3 智慧安全管理(业务部门编写) 同上
4.4 智慧能源管理(业务部门编写) 同上
4.5 智慧物流管理(业务部门编写) 同上
4.6 智能机器人 同上
8 / 22
4.7 智能工作环境 同上
五、 附录
以下内容为智能制造、智慧设备、智慧安全、智慧物流、智慧能源、智能机器人、智慧工作环境等方面相对技术化的描述,作为业务部门编写第四部分内容的参考 5.1 智慧制造管理
智慧制造管理在合同排产、物料匹配、作业排程、生产调度等方面,提升信息系统的自动化和智能化程度,支撑生产管理人员从单调、程序化的工作中解放出来,把精力集中在创新和增值业务上,将有效降低库存、增加产出、平衡物流、降低成本、改善准时交货,成为企业优化生产组织,提升制造管理能力和水平的强力引擎。 5.1.1智能合同排产
基于有限产能的合同排产,对整个工厂范围内的合同、机组、库存进行整体优化平衡,包括产能的平衡、物流的平衡、库存的平衡。确定合同在整个生产工艺路径中各工序的计划加工日期,动态跟踪工厂各机组产能的占用情况以及物流状况,预测合同交货期和库存趋势,对生产的异常波动、市场的变化迅速调整生产计划。 5.1.2 智能物料匹配
针对合同与物料需要进行脱挂或匹配关联操作的业务需求,基于匹配规则及优化匹配策略,实现自动的合同与物料匹配。通过向导式操作、规则与策略动态维护、自动匹配等功能,降低匹配难度,提高匹配结果的正确性、合理性和效率。 5.1.3 智能作业排程
强调上下游工序生产计划的工序紧密衔接,将各工序相对独立的见料编排计划转变成工序作业计划一体化编制,从而精确平衡物流,提高热装热送比,实现资源的均衡分配,提高资源利用率,有效降低生产成本,缩短生产制造周期,降低在制品库存,为实现按周交货提供有力的保障。 5.1.4 智能炼钢调度
支持多种优化策略、满足多种炼钢生产约束的出钢计划自动编制,尽可能减少每一炉次的等待时间,确保各炉次在同一工序上时间不冲突、实现连连浇的顺行。以甘特图方式直观展示出钢计划,并支持图形中直接编辑交互,可使调度人员快速掌握计划信息和产能安排,便于快速进行出钢计划调整,从而提高炼钢调度人员工作效率。 5.1.5虚拟仿真
以主要产线工序和仓库为背景,分析工序和仓库中涉及到的物流形态及相关工艺、规程等信息,建立多智能体工厂仿真系统,研究不同智能体之间的关系,建立智能体间的通信机
9 / 22
制。对产线工序和仓库的运作效率进行仿真和评估,找出生产薄弱环节和运作过程中可能出现的瓶颈设备,并根据仿真结果对作业计划进行完善,使得生产过程更稳定,物流更平衡,从而提高运作管理水平,降低运作成本。 5.1.6工序质量一贯分析与控制
构建纵向集成L0、L1、L2、L3到L5,收集结构化缺陷数据及非结构化图像数据,集中存储大数据、深度挖掘分析、移动平台展示;横向贯通炼钢、热轧、冷轧的3条机组产线及宝钢国际剪切中心,满足上下工序间的缺陷数据传递,在线进行产品的质量控制和管理。
构建表面及性能等产品特性的一贯分析改进应用系统,提升缺陷工序分离及成因分析效率;
构建过程PFMEA分析及CP应用平台;通过实时采集制造全过程的质量数据,对从原料直至成品出厂全过程所涉及的人、机、料、法、环等关联性因素进行监控、分析和管理,达到提高产品质量、符合客户及行业的合规管理要求及提高质量管理效率的目的(如图4-1所示)。
图4-1 集中式BPC示意图。 5.1.7全流程物流跟踪及盈利分析
构建一个面向市场的产品成本预测与管控体系,提高成本精细化管控能力。具体工作内容包括:
1、物流跟踪及现货归户
物流跟踪:跟踪物料全流程合同信息、物流信息、质量信息和生产工艺等信息,构建全流程物料树,实现全流程物流跟踪。
成材率分摊:实际钢水量分摊,工序投入量分摊,板坯全流程分摊,将最初投入量分摊到每一个材料上,真实反映每一个物料、品种、用户等多维度成材率情况。
现货归户:按”谁产出谁负责”的主原则将现货材料进行追溯,合理分摊到相应期货合同上。
物流分析:在全流程物流追踪和现货归户的基础上,进行多维度分析展现,支持用户深入分析、挖掘,及时发现制造过程中的薄弱点,为全流程成本盈利分析提供物流数据基础,
10 / 22