726,050
次編輯
變更
创建页面，内容为“ '''工业大数据驱动水泥工业大脑'''水泥工业大脑以大数据为核心，围绕水泥熟料生产的能耗优化、质量稳定，利用人工智…”
'''工业大数据驱动水泥工业大脑'''水泥工业大脑以大数据为核心，围绕水泥熟料生产的能耗优化、质量稳定，利用人工智能技术精准建模，寻求产量、质量、能耗之间的最佳控制参数，在不增加生产设备，不改变生产工艺的前提下，达到产量高、能耗低、质量稳定的目标。
==一、案例简介==
山东东华水泥有限公司通过连接DCS网络、工业传感器采集等方式获取生产过程中产生的大量数据，打破内外信息系统产生的物理数据孤岛，利用采集的历史数据进行优化模型建立、训练与验证，模型成功建立后，利用生产过程中的实时数据，对模型进行进一步的训练，直至模型拥有上线运行能力，通过DCS等工业自动化控制，实现模型的智能控制，水泥工业大脑与熟料生产深度融合，建设水泥生产的智能化工厂。
==二、案例背景介绍==
水泥行业是高能耗、高排放行业，国内水泥企业能耗排放约占全国能耗的7%左右，水泥熟料生产主要消耗热能和电能，约占生产成本的50%左右，煤炭和电力的大量消耗也直接和间接带来了二氧化碳、氮氧化物等有害物质排放的问题。
目前欧洲、日本等先进发达国家的水泥企业，自动化水平较高，但工艺制造水平已远远落后于国内。国外主要采用焚烧垃圾、动物内脏、废旧轮胎等替代燃料技术降低能耗，但由于国内政策、国情的原因，替代燃料技术推广很慢。
国内新型干法水泥生产均用DCS进行控制，耗能主要在“两磨一烧”过程中；生产过程中收集了大量数据，但对数据的深度分析利用不足，没有充分发挥数据本身价值，以及数据背后价值。各水泥企业主要采取装备升级、工艺改造、精细化操作、密封堵漏等措施降能稳质减排，致力于研究风煤料最佳组合，但每一条生产线设备、原材料、气候等存在差异，操作人员认知和操作习惯也不尽相同，因此，这个最佳组合范围一值是行业内探索研究的重点。
随着大数据技术的发展，数据已经成为重要的生产资料。目前建模方式主要有理论建模、传统系统辨识和数据驱动的智能建模方法。其中，理论建模和传统系统辨识，属于传统建模方法，理论建模通常被称之为“白箱”，模型通常预先给定，当系统发生变化时，固定的模型很难应对动态变化的控制需求；传统系统辨识通过分析过程内在的运作规律，运用已知的原理定律定理在长期的实践中建立过程经验模型。传统建模方法是建立在理论分析的基础之上的，需要依赖大量的专家知识，通常需要对研究对象的内部运作规律有深入的了解和认识，而熟料煅烧过程相当复杂，受原材料化学成分、煤粉成分、风温、风压和设备磨损等众多因素影响，很难完全从机理上归纳其内在规律。
水泥工业大脑以大数据为核心，围绕水泥熟料生产的能耗优化、质量稳定，利用人工智能技术精准建模，寻求产量、质量、能耗之间的最佳控制参数，在不增加生产设备，不改变生产工艺的前提下，达到产量高、能耗低、质量稳定的目标。
水泥工业大脑首先获取了DCS系统、荧光分析仪、余热发电等历史数据，对数据进行了清洗和预处理，统一数据标准。将水泥工艺专家经验与因素时序系数分析相结合，对指标数据降维，筛选出影响水泥熟料生产的关键因素。
利用筛选出的关键数据，建立了8层循环神经网络lstm，利用生产线的历史时间序列数据。其中一层输入层为喂煤量、窑速、篦速、喷水等，输出层为Fcao预测值、单位电耗、单位煤耗等，通过6层隐藏层建模输入层与输出层之间的非线性高维数学模型，隐藏层分别利用lstm层和全连接层进行数据分析，其中lstm隐藏层内部通过状态变量对DCS时间序列包含的信号进行传递，完成预测模型建立。对预测模型进行训练，使其与历史数据高度吻合。将高度吻合的预测模型进行线上测试，使用实时数据进行训练，并根据实时生产数据自主学习自主迭代升级，赋予模型超强的自适应性。至此水泥工业大脑已经能够找出最佳控制参数，指导操作员操作。
水泥工业大脑正向通过DCS系统采集了熟料生产的实时数据，经智能分析得到的控制参数，利用I/O指令反向写入DCS系统，用于生产的实时控制，摒弃了不同操作员的操作差异，实现了生产线的自动驾驶。
==三、案例应用详情==
山东东华水泥有限公司智能化工厂建设，以大数据驱动生产，把握“网络安全、数据安全”两大关键，建设智能安全生产系统、智能质控系统、智能物流系统、数字矿山系统、智能设备管理系统、智慧能源系统为六大子模块，通过连接DCS网络、工业传感器采集等方式获取生产过程中产生的大量数据，打破内外信息系统产生的物理数据孤岛，利用采集的历史数据进行优化模型建立、训练与验证，模型成功建立后，利用生产过程中的实时数据，对模型进行进一步的训练，直至模型拥有上线运行能力，通过DCS等工业自动化控制，实现模型的智能控制，水泥工业大脑与熟料生产深度融合，建设水泥生产的智能化工厂。
===1、利用六大模块提取海量数据===
====1.1智能生产系统====
智能生产系统主要将现有DCS进行扩容升级。包含从原料供应开始到熟料装车全过程自动优化。利用计算机技术、通讯技术、CRT技术和控制技术实现原料堆取料预均化无人值守、熟料装车无人值守、变电站无人值守，并利用云平台监控东华公司4市9点所有配电室配电柜，电缆头安全稳定运行。现场计量系统进行升级改造，确保数据准确。
====1.2智能质控系统====
实现出磨生料、入窑生料、煤粉、热生料和熟料的抓取、输送、称重、制样、化验、识别、控制等各个环节，均可自动完成，真正实现了智能自动化验。同时，还兼具过程全程自动化，减少人为干扰。所有数据作为水泥工业大脑的质量数据使用。
大量采用先进的分析仪器及自动化系统进行质量控制、大量使用自动取样系统、制样系统及机器人系统、建设成智能实验室系统消除样品代表性不佳，数据准确性不好的问题；将智能实验室系统与现用的中子活化在线时时检测配料系统相结合，智能采集检测数据，并进行制定时间段的数据对比分析，找出实验误差值，来调整在线配料系统的设定指标，解决生料配料稳定性不佳的问题。通过智能实验室系统、中子活化在线配料系统、工业大脑平台系统的三者的有效结合，共同组成东华水泥公司的智能质量控制系统。
====1.3智能物流系统====
智能物流系统是利用利用智能卡识别技术、射频识别技术、光字符识别技术、生物识别技术等综合集成技术，使物流系统能模仿人的智能，具有思维、感知、学习、判断和自行解决物流中存在的问题。
建立集中计量系统、自动装卸车系统、GPS调度系统，产品销售追踪系统、全流程闭环式管理系统；整合生产、销售、物流、供应和财务大量数据，以数据为驱动，以客户为中心。
建立远程集中计量系统，实现汽车衡的无人值守自动计量、熟料自动装车、远程调度控制，全流程闭环式管理。利用智能卡作为信息传递的载体，建立门卫、制卡中心、磅房、收发货确认终端，将车辆的计量业务进行闭环控制，保证每一计量业务都能按照规定的流程和路径进行。
系统主要组成部分：
计量中心子系统、汽车衡终端子系统、防作弊子系统、监控子系统、收发货子系统、发卡中心子系统。
====1.4数字矿山系统====
目前东华水泥有限公司矿山正处于恢复治理阶段，前期采集了矿山生产的历史数据，并进行了数据清洗、分析，整理形成测斜表、岩性表等数据表格，为建立钻孔数据库做准备；对地表数据进行测绘，用于后期的地表建模；调研编制数字矿山GPS智能调度系统实施方案，用于实现矿山生产的无人值守。待开采手续审批后，动工建设。
====1.5智能设备管理系统====
智能设备管理系统是利用物联网技术在线监控、检测、分析、诊断、预警设备运行状态；利用云仓库技术智能查询备品备件在途、使用和库存状况；利用VR技术建立所有设备拆解和维修动态展示模型；利用大数据技术预测设备健康状况以及维修方案；
形成设备全生命周期智能管理系统。远程设备巡检；精准备件储存；虚拟现实教学；在线维修指导。
====1.6智慧能源系统====
智慧能源系统对从DCS层中得到的数据，采用成熟高效的综合能源分析方式，对生产及能源数据进行采集、存储、归档及查询；通过能效对标，建立能效评价体系；通过分析能耗指标，寻找高能耗质量状况，指导生产操作和计划调度。
对生产线DCS、电表、水表、皮带秤、流量计等计量设备升级改造，确保计量准确。并将海量的数据上传至阿里云水泥工业“智慧大脑”平台，实现数据存储、数据迁移、数据同步、数据清洗、数据建模以及数据接入任务的开发和管理。以实现能源消耗可视化、产品质量可控化，达到节能降耗、质量稳定、数据准确、界面美观的效果。
===2、数据产生价值，水泥工业大脑研发===
====2.1熟料生产数据融合====
基于阿里云计算平台，通过在东华企业内网构建数据采集客户端，研究将智能生产系统、智能质控系统、智能物流系统、数字矿山系统、智能设备管理系统、智慧能源管理系统等异构的海量数据，研究集成通用大数据总线集采服务实现远程分布式大规模实时数据跨公网的安全加密传输服务。通过构建统一的主数据管理，按照大数据“存通用”的方法论，对数据进行清洗、转换、融合，打通异构数据源的数据通道，消除信息孤岛，实现数据共享、业务融合。
====2.2核心生产过程无人值守====
基于熟料生产过程采集的数据，利用深度神经网络算法构建产量、质量、能耗预测模型，通过PSO粒子群算法、遗传算法等优化技术，实时动态搜索DCS产线最佳控制点，通过OPC通讯，对产线进行反向闭环控制，实现原料粉磨、熟料煅烧等核心生产过程的无人值守。
====2.3熟料产量提升与能耗优化====
深度融合东华公司多年积累的水泥生产经验模型，和大数据多变量非线性耦合分析、量化分析等技术优点，通过大数据算法在经验模型约束的优化空间中精确寻优，实现熟料生产过程实时动态的最佳卡边运行，达到产量提升和能耗优化的运行目标。
====2.4熟料质量实时预测====
面对原（燃）料成份波动对熟料质量影响的现状，提取离线质量检测数据，与多状态变量实时数据构建训练样本，建立熟料强度软测量关系模型，实现对熟料强度实时预测，动态优化分解炉出口温度、煤粉添加量等控制参数，保障在原（燃）料成份波动的情况下熟料质量的稳定性。
====2.5不同产线、不同工况下算法自适应学习====
针对不同熟料生产线的设备、产量、能耗等的不同，以及同一产线生产不同产品时工况不同的现状，利用神经网络算法对数据的学习能力和算法迁移能力，对温度、压力、阀门开度等控制变量进行自适应学习优化，实现对不同产线、不同工况下模型的动态在线更新。
====2.6水泥工业大脑在行业中的推广与应用====
水泥产线在工业场景中工艺机理相对标准化，主要包括“两磨一烧”环节，但每一条生产线设备、物料、操作人员习惯不同，导致每条窑的工况都不一样，因此控制参数也没有通用标准。通过水泥工业大脑自动寻优，自动控制生产线运行，杜绝人为等因素带来的能源消耗不同，达到节能减排稳定质量，减少污染物排放的效果。沉淀形成核心生产过程无人值守控制算法、能耗优化算法、质量预测算法等，克服了严重依赖一线工人经验的缺点，利用算法对数据的学习能力，使相应研究成果具备了在整个水泥行业批量复制的能力，对提升水泥行业自动化和智能化水平、节能减排具有较好的价值。
==参考文献==
[[Category:500 社會科學類]]