bwin国际,bwin国际娱乐

科技新进展

bwin国际,bwin国际娱乐:
>新闻中心>科技新闻>科技新进展

科技新进展:精钢工业互联网平台

发布时间:2022/11/15

访问量:

字体:[ ]
? ?
分享到:

一、研究的背景与问题

钢铁产业是重要的基础原材料产业,具有生产流程长、生产工艺复杂、供应链冗长等典型特征,当今正面临设备维护成本高、工业知识隐形程度高、下游需求日益个性化、环保压力增大等挑战,亟需依托工业互联网方法论,围绕设备管理、生产管控、供应链管理、环保管理等方面开展数字化转型,实现全要素、全产业链、全价值链的全面连接,推动制造业企业形态、生产方式发生根本性变革。

鞍钢作为大型老牌央企,在数字化转型的积极探索与实践过程中,面临很多大型企业数字化转型过程中的典型问题:

①技术平台不统一,集成关系复杂

②复杂项目交付周期长,业务方难以快速见到转型进展和成效

③项目制的交付模式,导致能力无法复用和沉淀,无法形成正向反馈

④生态伙伴能力参差不齐,服务质量标准化程度低

面对上述挑战,鞍钢集团信息产业有限公司(以下简称鞍信公司)作为鞍钢集团信息化建设的引领者和主力军,在鞍钢数字化转型升级的强烈需求拉动下,自主研发了精钢工业互联网平台,基于现代技术栈解决了工业互联网项目中的共性问题,加速了工业互联网应用落地,促进了鞍钢数字化转型。

二、解决问题的思路与技术方案

通过建设具有前瞻性的技术平台,统一在建项目的技术架构。鞍信公司自主研发精钢工业互联网平台,构建设备互联、数据驱动、软件定义、平台支撑的技术底座,建成云边端协同的工业互联网平台,基于湖仓一体打造数据融合平台,为数据处理、数据资产沉淀与共享提供数据底座,推动技术融合应用和数据价值挖掘。精钢工业互联网平台的主要技术措施为:

1、云原生基座

传统的技术架构已经不足以支撑日益多元的业务应用需求,而以容器为核心的云原生化改造则能够有效地帮助企业实现从传统应用到现化应用的过渡,加速企业数字化转型。基于精钢工业互联网平台,以云原生为核心的理念深刻影响了各个层面的技术选型:

(1)应用部署:使用容器统一应用部署方式。无论是在云端还是边缘侧,虚机环境还是Kubernetes环境,x86架构还是国产化架构,业务类应用还是AI类应用,均统一使用容器部署,简化了部署模型,降低了运维负担。

(2)微服务:使用基于ServiceMesh的新一代云原生微服务技术,同目前市面上主流的SpringCloud技术栈相比,开发人员心智负担较低,能够实现跨语言、轻量级的统一微服务治理。

(3)大数据:使用基于云原生的对象存储技术替代传统的HDFS实现统一存储,基于Kubernetes替代YARN实现数据计算的统一调度,实现了存算分离,实现由一套团队就可以完成云平台和大数据平台的运维。

2、工程化管理

数字化转型过程中,自有开发人员永远不足,生态伙伴能力参差不齐,服务质量标准化程度低始终是一大痛点。只有通过工程化管理,打造强大的研发能力,掌控从开发、测试到运维的应用全生命周期管理,才能打造出快速迭代能力,与业务同频,为企业创造盈利的价值链。

随着精钢工业互联网平台不断向深处推进,工程化管理的内涵和外延也在不断拓展:

(1)应用开发工程化管理:工程化管理发轫于应用开发工程化管理,也就是DevOps平台。DevOps平台以LDAP和单点认证为核心,将统一认证和授权贯穿整个DevOps工具链,实现了对大型复杂工程、多项目群的管理,做到了对每个团队、每个用户、每个人的统一认证和精细授权,保障了知识产权安全。同时在研发流程中内建刚性质量标准,对软件质量进行了自动化的严格管控。

(2)数据开发工程化管理:随着数据类应用越来越多,对数据开发进行工程化管理的需求也越来越强烈。通过DataOps体系,能够降低数据开发复杂度,让数据工作者能够更容易的驾驭这些越来越复杂和多元化的数据技术和工具体系。

(3)机器学习工程化管理:机器学习是工业互联网的核心技术,是数据智能化闭环的核心驱动要素。机器学习涉及代码、模型和数据三个维度,比常规软件开发更为复杂,而传统的机器学习过程手工作业较多、工程化程度偏低,大多数用于机器学习的工具都是数据科学而不是工程设计,机器学习模型难以跟踪、复现、发布、管理。通过构建机器学习工程平台,将持续交付的理论和实践应用到机器学习领域,通过工程化方法和工具链规范机器学习应用交付流程,实现对机器学习模型的全生命周期管理,让团队可以快速、可靠、安全、可重现的构建及部署机器学习应用。

3、组装式交付

组装式技术指数字资产被包装成独立的组件,每个组件都提供独立、清晰和完整的业务价值,并被设计为业务流程和应用体验的组装和重新组装的构件。组装式交付意味着企业需要像搭积木一样去构建数字化能力。建立一个具有弹性、灵活性和敏捷性的IT平台,将企业技术进行打包并整合数字资产。该平台能够帮助企业提升组装和重组核心业务元素的能力,快速抓住市场机会并应对环境变化。

精钢工业互联网平台基于领域驱动方法论(Domain Driven Design),通过大量实践、反复迭代,形成了BASE(基础功能)、IAM(身份和访问控制)、BPM(流程管理)、CMS(内容管理)、MSG(消息中心)等质量过硬、柔性适配的可组装业务能力(Packaged Business Capability, PBC),全面覆盖了管理信息系统的共性需求,显著提高了开发效率,缩短了项目交付周期,减低了项目成本。

4、国产化就绪

目前,精钢工业互联网平台已经和多套国产技术路线进行了适配测试,可实现一套代码运行在传统架构和国产架构上。

三、主要创新性成果

1、精钢微服务平台

精钢工业互联网平台涉及多种技术体系,包括用于实现业务逻辑的JAVA技术体系、用于实现数据处理分析的Python技术体系、用于设备交互的.NET技术体系。针对这些不同的后端技术体系,需要纳管到统一的微服务平台,从而统一服务发现机制、统一编解码格式、统一并发控制规则,同时降低开发难度和心智负担,实现应用轻量化,支持灵活的功能裁剪和配置,达成跨语言异构系统的统一治理。

图1 精钢微服务平台

2、精钢XOps平台

精钢工业互联网平台基于开源工具链+统一认证授权+自研插件的方式,研发了针对不同场景的工程化管理平台:

(1)精钢DevOps平台,面向业务开发场景

(2)精钢DataOps平台,面向数据开发场景。

(3)精钢MLOps平台,面向机器学习场景。

精钢XOps平台实现了项目、组件、人员、CMDB、日志、安全检查的统一管理,同时实现了模板工程、基于CMDB的服务器置备等自助服务功能,建成了企业内部的统一开发者门户。

3、精钢大数据平台

数据是精钢工业互联网体系的核心。基于精钢云构建采、存、管、用大数据基建体系,提供一站式数据资产构建和分析应用平台能力,让企业的大数据应用更高效、更低门槛, 高效实现数字化运营、驱动业务增长。提供广泛的工业数据集成、灵活的数据存储管理、数据治理能力和方法论、丰富的数据开发组件和平台、以及多源融合数据分析萃取服务。

图2.精钢大数据平台

采集交换层:主要实现从传感器、PLC、MES、ERP 等内部系统,以及企业外部数据源获取数据的功能,并实现在不同系统之间数据的交互。 钢铁企业生产过程中工况复杂,设备繁多,数据源的种类不同,系统支持的通讯协议也不同,又不在同一个网络内,要想稳定有效地进行数据采集和传输就需要建立一套支持多协议,具有自主感知能力的数据采集平台。

数据存储层:钢铁企业要处理不同规模、不同增长速率、不同价值密度的数据,既有海量、高速增长、价值密度低的IoT数据,也有中小规模、低速增长、价值密度高的ERP/MES数据。因此要使用不同的技术栈去处理不同特征的数据。

集成处理层:从功能上,主要实现物理系统实体的抽象和虚拟化,建立产品、产线、供应链等各种主题数据库,实现清洗转换后的数据与虚拟制造中的产品、设备、产线等实体相互关联。从技术上,实现原始数据的清洗转换和存储管理,提供计算引擎服务,完成海量数据的交互查询、批量计算、流式计算和机器学习等计算任务,并对上层建模工具提供数据访问和计算接口。

建模分析层:从功能上,主要实现在虚拟化的实体之上构建仿真测试、流程分析、运营分析等分析模型,用于在原始数据中提取特定的模式和知识,为各类决策的产生提供支持。从技术上,主要提供数据报表、可视化、知识库、机器学习、统计分析和规则引擎等数据分析工具。

决策控制层:基于数据分析结果,生成描述、诊断、预测、决策、控制等不同应用,形成优化决策建议或产生直接控制指令,从而对工业系统施加影响,实现个性化定制、智能化生产、协同化组织和服务化制造等创新模式,最终构成从数据采集到设备、生产现场及企业运营管理优化的闭环。

持续的数据治理:通过数据采集平台采集来的数据,有结构化数据,也有非结构化数据,有连续采集的工艺计量时序数据,也有离散采集的生产计划实绩数据,时序数据的采集频率也不一致,有秒级的,也有毫秒级的,还有一些是分钟级别。在数据整合时需要对不同时空尺度,不同空间位置的数据进行有效处理,保证整合后的数据具有分析价值。

四、应用情况与效果

1、智慧能源管控系统

绿色节能、提高能效、降低能耗、降低碳排放是钢铁行业的迫切需求,钢铁行业能源生产和管理已经逐渐从“配角”向“主角”转变,钢铁行业急需通过数字化、网络化、智能化等新一代信息技术在能源管控方面的关键技术研发与应用,实现能源智慧管控体系的建立,从根本上提升能源综合效益、降低钢铁产品吨钢能源成本,为钢铁行业实现高质量发展保驾护航。

现有钢铁行业能源管控的生产靠站所、管理靠报表、调度靠监视、计量靠统计,原有的管控系统分散且功能单一,能源管控从系统到制度体系都需要利用智慧系统进行全面升级,进而更好满足不同规模、不同层次钢铁企业在能源管控方面多层次、多角度的智能化、数字化和智慧管控需求。

智慧能源管控系统基于精钢工业互联网平台,以冶金流程工程学、热力学等理论为支撑,从物质流、能源流、碳素流协同优化角度出发,利用智能控制、AI智能调度、算法模型、机理模型、知识图谱、工业大数据、数字孪生、物联网等多种技术集成和融合应用,在理论、技术、应用三个层面上进行自主创新,开发并建成一套具有自主知识产权且极具推广价值的智慧能源管控系统,实现能源多介质生产全站所室远程集中操控、全系统能耗动态评价优化、多时空尺度能源流预测及耦合优化、生产与能源计划调度一体化优化、全流程碳排放核算与分析等能源管控全过程、能源介质全生命周期的智慧管控体系,达到实时全面了解钢铁企业能源全生命周期管理和应用现状,诊断能源应用各环节出现的异常问题,预知能源流产生和消耗的变化趋势,提出能源综合优化方案,进而有效减少能源介质放散损失,提高能源介质的相互转化效率,降低企业能源成本,实现能源价值最大化的目的。

基于精钢工业互联网平台建设的智慧能源管控系统在以下方面实现了突破:基于5G+云边协同的钢铁工业数据采集技术、能源大数据平台建设、整合多控制系统的远程集控技术、全流程能耗能效评价优化模型、多能流预测及多介质耦合优化模型、碳排放模型、能源业务知识图谱的建设。

2、设备状态监测系统

针对流程制造领域钢铁企业设备故障诊断及预测性维护需求,采用过程监测、人工智能、大数据技术、软件工程等技术手段,利用高速信号采集、分布式系统建模和专家诊断能力优势,提供基于知识、解析模型、数据驱动、多元统计等过程监测方法,针对设备特性定制技术端到应用端的设备状态监测系统,实现设备的故障预测与健康管理和全生命周期管理,提高了企业生产经营效率。设备状态监测系统基于 5G 和精钢工业互联网平台底座,将工业 APP、工业微服务等业务逐渐沉淀到精钢工业互联网平台上,由单点应用到多点推广,由特定行业和区域推及至跨行业跨领域,建立涵盖生产全流程、全环节的平台解决方案。并通过“产学研用政”相结合,着力打通科技创新、产业发展、金融服务生态链的工业互联网发展模式,进一步打造更具活力的生态体系,实现精钢工业互联网应用落地。从而辐射带动 5G 和精钢工业互联网全生态的发展,聚集了整个工业生产制造各个环节的要素信息的同时,通过平台的建设实现相关各产业链条的协同发展,为工业企业提供高质量、可复制的工业应用平台。

基于精钢工业互联网平台建设的设备状态监测系统在以下方面实现了突破:(1)设备健康评价体系:将多源数据(在线系统、DCS系统、运行记录、润滑、点检、第三方系统等)进行有效融合, 通过建立评价模型、模型测点绑定、模型评价运算等手段实现对设备运行状态的整体反应;(2)个性化定制:针对特定设备建立完整的机理模型、故障征兆库、故障预测模型、故障原因分析、处理方式推荐、人员管理全环节流程;(3)产品远程运维:系统部署在精钢云上,采用多用户、多角色、异地加密访问方式有效支撑了远程运维。

信息来源:鞍钢集团信息产业有限公司

Produced By 澶ф眽缃戠粶 澶ф眽鐗堥?氬彂甯冪郴缁?