热轧生产过程是钢铁全流程承前启后的重要工序,也是企业建设“云-边-端”高效协同管控体系的关键,热轧数字化智能制造系统对推进“铁钢轧”全流程高质量智能工厂建设具有重要意义。针对当前普遍存在多源异构数据融合与追溯难闭环、生产过程控制与质量溯源非协同、面向多目标决策的精益化管控不精细等痛点问题,具体体现在: 1、现场数据体量庞大、数据残缺和无效项过多,缺乏相应的大数据平台对数据进行统一且有效的采集、清洗、归集和存储。传统的离线存储方式需要大量物理硬盘,残缺数据无法实时还原及重现,并且数据安全性无法得到保证; 2、现场数据归集多采用时间维度,相应的数据时空转换技术不成熟,难以满足实物质量分析和溯源过程中使用空间维度数据的需求; 3、产品质量异常,无法实现精准定位溯源,控制系统L1/L2大多由第三方承建,底层模型黑箱瓶颈难以突破;监控预警场景定制化差异需求大,关键参数零散分布于不同系统导致现有技术无法统计全流程工艺设备状态; 4、设备运维停留在传统的人工点检+周期更换模式,重点设备监控停留在耳听眼看的阶段,一些先进的设备测振、测温、图像识别技术未能得到应用;复杂设备系统依靠单一的仪表阈值进行报警,缺乏劣化趋势和状态的模型判断; 5、轧线、磨辊间、钢卷库、质检等生产单元自动化程度低,存在着大量可用智能装备代替的人工操作,如加热炉板坯核对、钢卷质量判定等,工作效率低、操作失误多; 6、安全、环保、消防各模块分散管理,设备系统多,系统集控技术落后,后台监控人员多,紧急状态下人员协同慢; 7、能源和成本统计方法简单、粗放,部分能源点统计未能实现自动采集,能源消耗靠简单的系数来进行标准成本的分摊,成本统计无法精确到卷、班组、区域; 8、钢卷入库、下线、装车、作业无自动计划,物流无自动优化,作业流程无信息化跟踪,操作人员多、效率低下; 9、生产管理、质量管理、设备管理、成本管理、KPI指标管理和安全管理等各个维度的数据不同域,无法跨域联合分析,需人工拷贝、合并、分析。 因此,亟需汇聚车间级全流程数据,涵盖轧辊间、设备运维、能源环保、消防安全、运营管理及智慧决策开发需求,支撑主轧线及公辅等生产作业单元智能协同管控,建立基于精益化管理的热轧数字化智能制造系统。
1 | 文件:科技新进展-首钢京唐热轧数字化智能制造系统 |
中国金属学会 版权所有2013 Tel:010-65133322-1612 京ICP备06036139号-4