引言

當今科技革命和產業變革日新月異，世界經濟加快了向數字化轉型的腳步，大數據、云計算、人工智能等新一代信息技術的迅速發展，正從不同側面改變著社會治理、經濟建設的原有模式。《建材工業智能制造數字轉型行動計劃（2021-2023年）》文件中也提出創新一批工業互聯網場景；行業正全力推動互聯網、大數據、人工智能與水泥生產流程、運行維護、經營管理等環節的深度融合，以期實現水泥行業“智能化、綠色化、高端化”的轉型目標。

一、水泥行業信息化現狀

信息化總體架構通常是以財務系統為核心，加若干周邊系統，形成水泥集團整體的1+N架構體系。集團總部建設了中心機房、視頻會議、集團財務、報表、安全生產管理、人事、辦公等管理系統。各水泥企業已經基本形成生產廠級的營銷、采購、發運、倉儲、生產、安全、資金、項目、成本核算、財務管理等經營管控系統，并通過集成電子招標采購平臺、生產調度系統、磅秤無人值守系統、安全生產系統、電子商城等系統的應用，為企業決策分析提供了初步的數據基礎。

目前從管理層面和數據層面要急需解決以下兩點內容：

（1）尚未建立集團級的信息管理平臺，現有系統大多局限于板塊級、企業級、部門級應用，缺乏集團總部與二級公司、三級公司業務系統之間的數據和信息集成。尚未建立流程化運作機制，各業務部門各自制定相關制度、規則，缺乏整體溝通，且以管控為主要目標，沒有站在整體效益、效率、成本的角度進行全盤考慮。

（2）在數據管理方面，生產經營過程中各系統產生大量中間業務過程數據和結果數據，大部分分散于各系統。由于各系統缺乏統一的橫向數據交換機制，無法將各業務數據集中進行綜合利用，各系統形成一個個信息孤島，甚至同一指標在不同系統出現口徑不一致，給信息資源的開發利用帶來較大困難，影響信息資源價值的充分發揮。同時未明確集團統一的主數據，沒有意識到數據即資產，數據在管理、運營中沒有起到應有的作用，目前只是簡單的統計分析，且數據還存在不及時、不準確、不全面等問題，難以讓數據對業務決策、未來發展起到應有的支撐作用。

二、水泥行業數字化轉型目標

水泥行業工業互聯網平臺作為數字化轉型支撐工具，重點工作目標如下。

2.1 集團和區域層面

（1）提供高效的數據服務，對數據資產統一管理，對數據進行對標分析，實現數據資產價值化。

（2）推動基于水泥行業工業互聯網平臺的創新發展，主要是基于大數據、人工智能的技術創新、模式創新、服務創新。

2.2 企業層面

（1）基于水泥行業工業互聯網平臺，提升企業自動化水平，穩定生產過程，提升產品質量、水泥綜合成本下降。提升人均效率，降低人員勞動強度，減少人員需求。

（2）通過基于大數據和人工智能的預測性維護技術，提升設備運行管理水平，實現設備的健康、高效運行，提高設備的運轉率，降低維修成本；進行預測性維護，減少故障的發生。

（3）提升能效、節約能源，建立關鍵能耗設備的分析模型，提升設備能效，減少人為浪費，實現綜合節能。

（4）提高生產過程精細化管理水平，利用大數據，建立標準化、規范化的管理模型，建成科學化、數字化的管理與考核體系。提高精細化管理水平，提高企業管理效益。

（5）安全環保，符合規范，設計、生產過程，符合國家安全環保規范，建成實時的安全環保平臺，實現符合國家安全環保規范的綠色、安全生產監控體系。

開展數字化轉型，全面建設標準化、數字化、智能化的智能工廠勢在必行，加快數字化轉型步伐，理順體制機制，優化業務流程和組織，強化新技術運用，以信息化手段實現集團各業務領域的數字化轉型，基于數字化服務實現制造業的服務化轉型，通過商業模式轉型提升企業未來核心競爭力。

三、技術方案

3.1 總體規劃

實現數字化轉型，不僅僅只是簡單的信息系統或者設備的堆疊建設，而是要基于業務流程的端到端梳理與優化，實現全業務流程的數字化運作、數字化管理和數字化決策。涉及到流程、組織、IT的改變，涉及到人的行為和意識的改變，需要全面分析、統籌謀劃、分步開展，更需要一套行之有效的管理機制和數字化團隊為這場長期的變革提供持續保障。通過數字化轉型的戰略咨詢整體規劃和實施，推動業務能力梳理與沉積、并與5G、云計算、大數據、物聯網、人工智能等新技術進行有機結合，確立未來持續發展的核心能力體系和競爭優勢。

3.2 總體架構

水泥行業工業互聯網平臺包含一平臺、一中心、六朵云，基于“云—邊—端”總體架構（見圖1），采用分布式微服務架構體系，部署粒度細，服務擴展靈活，既能夠滿足集團化管控或區域化管控的系統要求，又能滿足工廠本地化需求，具有高度靈活的階梯化部署能力、異構系統的集成能力、定制性開發能力等，支持云端布署。

圖1 水泥行業工業互聯網平臺架構圖

（1）工業APP(SaaS層)即軟件應用層，基于水泥行業工業互聯網平臺，借助大數據中臺數據湖和業務中臺的知識組件、算法組件、業務組件和開發平臺等，通過Saas應用和工業APP承載水泥行業的知識和經驗，建立水泥行業垂直應用體系，使之能夠成為覆蓋水泥企業營銷、計劃、生產、檢驗、物流、環保、交易、服務等環節價值提升的重要載體。

（2）工業PaaS層即技術平臺層，平臺層包含了CPS平臺、數據中臺、業務中臺、AI中臺。

①CPS建模平臺中包含對平臺核心配置信息的管理以及通過配置信息快速實現可視化的過程，平臺將設備、協議、邊緣層采集設備、網絡通道、數據情況統一監控配置；

②數據中臺具有數據資產、數據治理、數據模型、垂直數據中心、全域數據中心、萃取數據中心、數據服務等多個層次的體系化建設方案。數據中臺像一個“數據工廠”，涵蓋了數據湖、數據倉庫等存儲組件；

③業務中臺中包含了水泥行業的各類微服務組件庫，包括基礎服務組件、知識組件、算法組件、原理模型組件等、涵蓋用戶、生產、質量、能源、設備等各類通用的業務，是水泥行業工業互聯網平臺中公共的服務資源集合；

④AI服務中臺包含數據導入、數據預處理、模型訓練、模型評估、模型預測、模型發布、模型管理、任務管理以及任務監控等一站式、全方位的從建模到上線的流程。支持分類、回歸、時間序列等算法，提供豐富的統計學、機器學習/深度學習算法庫，實現對算法庫與樣本訓練數據的便捷配置調用，快速形成模型計算結果數據。

（3）IaaS層即基礎設施層，平臺支持混合云或本地等部署模式。

（4）邊緣層，進行數據采集、轉發、邊緣計算、數據優化、數據加密以及集成監控等，數據進行處理后統一集中在數據中心進行統一管理，充分實現數據共享，避免信息的重復錄入和“信息孤島”現象的出現，提高數據的利用率，減少數據冗余，保障數據的準確性、及時性、有效性和安全性。

3.3 應用框架

面向水泥行業的應用框架和主要路線見圖2。

圖2 應用架構和路線圖

（1）集團管控層面，建立集團層面ERP經營管理平臺，實現集團財務、HR、風險管控、投資管理、經營分析與管控，統一企業門戶，建立集團主數據管理平臺實現集團數據統一管理、統一分發，為集團大數據分析做好支撐；

（2）區域管控層面，按照運營區域建立生產運營的遠程管控、對標管理、在線指揮，實現區域統一銷售、集中采購、設備備品備件統一管理、財務統一管理；

（3）企業業務經營層面，主要是傳統應用軟件與區域公司進行數據集成，如：設備管理、質量管理、能源管理、銷售管理、采購管理、生產管理等；另一個是AI和大數據技術的設備預測性維護、工藝過程優化、視頻輔助巡檢等專業模塊的推廣和使用。

四、工作成果

4.1 總體使用效果

水泥行業工業互聯網平臺已經在兩個全新萬噸線水泥工廠投入使用，設備接入量4000左右，數據點位量40000左右，每天存儲量15G左右，設備模型120左右，算法模型40左右。主要指標見表1，其特點如下：

（1）集成當今先進的自動控制技術和在線檢測儀器；

（2）建設工業互聯網平臺架構的數字化、可視化、流程化、模型化的全流程業務系統；

（3）建立基于全流程生產管控的工業大數據倉庫；

（4）基于工業大數據倉庫開展生產管理實時優化及生產運營決策輔助；

（5）全生產工序實時優化控制系統，磨機一鍵啟停全工況自動控制、無人值守；

（6）全生命周期的設備智能運維及健康管理平臺，智能分析，自動預警；

（7）提高生產效率、降低勞動強度、節能降耗、減員增效，輔助推進精細化管理及開展精益生產，全面提高企業自動化和生產管理水平。

表1 智能系統主要指標（%）

4.2 設備預測性維護

4.2.1主要功能

水泥生產中設備大部分都是以串聯的方式運行，如生料磨、預熱器、回轉窯、水泥磨等主要設備，生產線很容易因為一個設備的故障造成全工序的停產，因而對設備的可用性要求極高，基于大數據的設備預防性維護是提高水泥生產設備可用性、保障設備持續健康安全生產的有效保證。

以某水泥基地高溫風機預防性維護應用為例，有風機上百臺，因風機導致的非計劃性年故障停機時間近200h，投入大量人力物力進行點檢、巡檢。

當涉及監測參數較多、數據量較大、工藝耦合復雜時，采用規則的方式可能無法涵蓋所有異常情況，或工藝規則過多，配置繁瑣，效率不高。通過大數據分析、機器學習的方式，可以讓算法模型自行挖掘大量數據中相互之間的耦合關系，學習正常工況下的數據表現模態，從而更有效的發現異常現象，及時預警。主要功能如下：

（1）在線監控:設備動態3D模型、設備運行數據在線監控；

（2）全方位預警:閾值預警、規則預警、綜合預警、機器學習預警；設備評估:設備運行效率評估、設備健康度評估；

（3）設備管理、用戶管理、預警記錄管理、預警模型管理。

系統部署模式如下：

（1）傳感器-SCADA/DCS/PLC-服務器（OPC/FTP）-設備預防性檢修平臺；協議基于OPC/FTP；

（2）傳感器-網關-服務器-設備預防性檢修平臺；協議基于Moudbus/TCP/UDP；

（3）傳感器-在線保護器-服務器（消息隊列Kafka/MQTT）-設備預防性檢修平臺；協議基于TCP；

（4）傳感器-在線保護器-服務器（消息隊列Kafka/MQTT）-PaaS平臺-設備預防性檢修平臺；協議基于RESTfulAPI。

4.2.2主要內容

規則預警：

（1）對每臺風機設備的每個測點的數據分別設置閾值進行預警。

（2）結合專家經驗，實現更全面、更復雜的規則預警系統，多重規則相結合并預警。

（3）將規則與設備狀態數據和工藝數據相結合，綜合計算系統各項運行指標并預警。

機器學習預警：

（1）數據相關度分析:通過大數據分析，挖掘各種信號之前潛在的關系；

（2）特征建立與提取:基于數據相關性，建立特征單元，對特征單元進行提取；

（3）機器學習模型:采用機器學習模型(LSTM、XGBoost、......)，對數據進行學習訓練、在線預測，得到較為準確模型預測結果，利用模型預測結果與在線監測數據的殘差進行預警。

4.2.3實施效果

（1）設備實時在線監測，替代點檢員離線點檢。

（2）引入專家經驗與機器學習相結合的算法模型，將點檢員的經驗轉化成算法，利用機器學習提高故障識別能力，從而提高模型準確性，替代傳統的規則模型。

（3）按類別將同類風機設備放在一起監測、預警、分析，便于對該類設備進行總結歸納、深入研究、擴展管理、綜合把控，替代僅按照設備物理位置分類管理。

（4）經過訓練的機器學習故障預警模型準確率可達到99%以上，高于傳統預警模型的準確率。

五、總結

我們要立足水泥板塊，協同水泥產業上下游，深化信息技術在水泥生產流程、運行維護、經營管理等環節的全方位應用，重點培育科學生產運營管理模式。生產流程方面，推動水泥板塊智能化水平整體升級，集成智能化礦山管理系統、智能質量控制系統、專家優化控制系統、制造執行系統等智能生產管理系統，實現生產過程智能監控；運行維護方面，逐步開展實時化改造，集成智能化的設備管理、能源管理及安全環保管理系統，支撐生產平臺高效、節能、安全運行；經營管理方面，結合財務系統、人力資源管理系統、ERP系統、物流管理類信息系統，實現從原材料到生產控制、物流運輸、戰略決策的全流程信息化管理，實現物流、資金流、信息流的統一和產業鏈上下游的高度協同。

作者：孫曉峰1，李建軍2，劉虎1，劉威2，韓紹鑫2

來源：《1中建材信息技術股份有限公司；2中國中材國際工程股份有限公司（南京）》

微信公眾號：備件網（關注查詢更多資訊）

（本文來源網絡，若涉及版權問題，請作者來電或來函聯系！）