工業大數據驅動水泥工業大腦檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

工業大數據驅動水泥工業大腦水泥工業大腦以大數據為核心，圍繞水泥熟料生產的能耗優化、質量穩定，利用人工智能技術精準建模，尋求產量、質量、能耗之間的最佳控制參數，在不增加生產設備，不改變生產工藝的前提下，達到產量高、能耗低、質量穩定的目標。

一、案例簡介

山東東華水泥有限公司通過連接DCS網絡、工業傳感器採集等方式獲取生產過程中產生的大量數據，打破內外信息系統產生的物理數據孤島，利用採集的歷史數據進行優化模型建立、訓練與驗證，模型成功建立後，利用生產過程中的實時數據，對模型進行進一步的訓練，直至模型擁有上線運行能力，通過DCS等工業自動化控制，實現模型的智能控制，水泥工業大腦與熟料生產深度融合，建設水泥生產的智能化工廠。

二、案例背景介紹

水泥行業是高能耗、高排放行業，國內水泥企業能耗排放約占全國能耗的7%左右，水泥熟料生產主要消耗熱能和電能，約占生產成本的50%左右，煤炭和電力的大量消耗也直接和間接帶來了二氧化碳、氮氧化物等有害物質排放的問題。

目前歐洲、日本等先進發達國家的水泥企業，自動化水平較高，但工藝製造水平已遠遠落後於國內。國外主要採用焚燒垃圾、動物內臟、廢舊輪胎等替代燃料技術降低能耗，但由於國內政策、國情的原因，替代燃料技術推廣很慢。

國內新型干法水泥生產均用DCS進行控制，耗能主要在「兩磨一燒」過程中；生產過程中收集了大量數據，但對數據的深度分析利用不足，沒有充分發揮數據本身價值，以及數據背後價值。各水泥企業主要採取裝備升級、工藝改造、精細化操作、密封堵漏等措施降能穩質減排，致力於研究風煤料最佳組合，但每一條生產線設備、原材料、氣候等存在差異，操作人員認知和操作習慣也不盡相同，因此，這個最佳組合範圍一值是行業內探索研究的重點。

隨着大數據技術的發展，數據已經成為重要的生產資料。目前建模方式主要有理論建模、傳統系統辨識和數據驅動的智能建模方法。其中，理論建模和傳統系統辨識，屬於傳統建模方法，理論建模通常被稱之為「白箱」，模型通常預先給定，當系統發生變化時，固定的模型很難應對動態變化的控制需求；傳統系統辨識通過分析過程內在的運作規律，運用已知的原理定律定理在長期的實踐中建立過程經驗模型。傳統建模方法是建立在理論分析的基礎之上的，需要依賴大量的專家知識，通常需要對研究對象的內部運作規律有深入的了解和認識，而熟料煅燒過程相當複雜，受原材料化學成分、煤粉成分、風溫、風壓和設備磨損等眾多因素影響，很難完全從機理上歸納其內在規律。

水泥工業大腦以大數據為核心，圍繞水泥熟料生產的能耗優化、質量穩定，利用人工智能技術精準建模，尋求產量、質量、能耗之間的最佳控制參數，在不增加生產設備，不改變生產工藝的前提下，達到產量高、能耗低、質量穩定的目標。

水泥工業大腦首先獲取了DCS系統、熒光分析儀、餘熱發電等歷史數據，對數據進行了清洗和預處理，統一數據標準。將水泥工藝專家經驗與因素時序係數分析相結合，對指標數據降維，篩選出影響水泥熟料生產的關鍵因素。

利用篩選出的關鍵數據，建立了8層循環神經網絡lstm，利用生產線的歷史時間序列數據。其中一層輸入層為餵煤量、窯速、篦速、噴水等，輸出層為Fcao預測值、單位電耗、單位煤耗等，通過6層隱藏層建模輸入層與輸出層之間的非線性高維數學模型，隱藏層分別利用lstm層和全連接層進行數據分析，其中lstm隱藏層內部通過狀態變量對DCS時間序列包含的信號進行傳遞，完成預測模型建立。對預測模型進行訓練，使其與歷史數據高度吻合。將高度吻合的預測模型進行線上測試，使用實時數據進行訓練，並根據實時生產數據自主學習自主迭代升級，賦予模型超強的自適應性。至此水泥工業大腦已經能夠找出最佳控制參數，指導操作員操作。

水泥工業大腦正向通過DCS系統採集了熟料生產的實時數據，經智能分析得到的控制參數，利用I/O指令反向寫入DCS系統，用於生產的實時控制，摒棄了不同操作員的操作差異，實現了生產線的自動駕駛。

三、案例應用詳情

山東東華水泥有限公司智能化工廠建設，以大數據驅動生產，把握「網絡安全、數據安全」兩大關鍵，建設智能安全生產系統、智能質控系統、智能物流系統、數字礦山系統、智能設備管理系統、智慧能源系統為六大子模塊，通過連接DCS網絡、工業傳感器採集等方式獲取生產過程中產生的大量數據，打破內外信息系統產生的物理數據孤島，利用採集的歷史數據進行優化模型建立、訓練與驗證，模型成功建立後，利用生產過程中的實時數據，對模型進行進一步的訓練，直至模型擁有上線運行能力，通過DCS等工業自動化控制，實現模型的智能控制，水泥工業大腦與熟料生產深度融合，建設水泥生產的智能化工廠。

1、利用六大模塊提取海量數據

1.1智能生產系統

智能生產系統主要將現有DCS進行擴容升級。包含從原料供應開始到熟料裝車全過程自動優化。利用計算機技術、通訊技術、CRT技術和控制技術實現原料堆取料預均化無人值守、熟料裝車無人值守、變電站無人值守，並利用雲平台監控東華公司4市9點所有配電室配電櫃，電纜頭安全穩定運行。現場計量系統進行升級改造，確保數據準確。

1.2智能質控系統

實現出磨生料、入窯生料、煤粉、熱生料和熟料的抓取、輸送、稱重、制樣、化驗、識別、控制等各個環節，均可自動完成，真正實現了智能自動化驗。同時，還兼具過程全程自動化，減少人為干擾。所有數據作為水泥工業大腦的質量數據使用。

大量採用先進的分析儀器及自動化系統進行質量控制、大量使用自動取樣系統、制樣系統及機器人系統、建設成智能實驗室系統消除樣品代表性不佳，數據準確性不好的問題；將智能實驗室系統與現用的中子活化在線時時檢測配料系統相結合，智能採集檢測數據，並進行制定時間段的數據對比分析，找出實驗誤差值，來調整在線配料系統的設定指標，解決生料配料穩定性不佳的問題。通過智能實驗室系統、中子活化在線配料系統、工業大腦平台系統的三者的有效結合，共同組成東華水泥公司的智能質量控制系統。

1.3智能物流系統

智能物流系統是利用利用智能卡識別技術、射頻識別技術、光字符識別技術、生物識別技術等綜合集成技術，使物流系統能模仿人的智能，具有思維、感知、學習、判斷和自行解決物流中存在的問題。

建立集中計量系統、自動裝卸車系統、GPS調度系統，產品銷售追蹤系統、全流程閉環式管理系統；整合生產、銷售、物流、供應和財務大量數據，以數據為驅動，以客戶為中心。

建立遠程集中計量系統，實現汽車衡的無人值守自動計量、熟料自動裝車、遠程調度控制，全流程閉環式管理。利用智能卡作為信息傳遞的載體，建立門衛、制卡中心、磅房、收發貨確認終端，將車輛的計量業務進行閉環控制，保證每一計量業務都能按照規定的流程和路徑進行。

系統主要組成部分：

計量中心子系統、汽車衡終端子系統、防作弊子系統、監控子系統、收發貨子系統、發卡中心子系統。

1.4數字礦山系統

目前東華水泥有限公司礦山正處於恢復治理階段，前期採集了礦山生產的歷史數據，並進行了數據清洗、分析，整理形成測斜表、岩性表等數據表格，為建立鑽孔數據庫做準備；對地表數據進行測繪，用於後期的地表建模；調研編制數字礦山GPS智能調度系統實施方案，用於實現礦山生產的無人值守。待開採手續審批後，動工建設。

1.5智能設備管理系統

智能設備管理系統是利用物聯網技術在線監控、檢測、分析、診斷、預警設備運行狀態；利用雲倉庫技術智能查詢備品備件在途、使用和庫存狀況；利用VR技術建立所有設備拆解和維修動態展示模型；利用大數據技術預測設備健康狀況以及維修方案；

形成設備全生命周期智能管理系統。遠程設備巡檢；精準備件儲存；虛擬現實教學；在線維修指導。

1.6智慧能源系統

智慧能源系統對從DCS層中得到的數據，採用成熟高效的綜合能源分析方式，對生產及能源數據進行採集、存儲、歸檔及查詢；通過能效對標，建立能效評價體系；通過分析能耗指標，尋找高能耗質量狀況，指導生產操作和計劃調度。

對生產線DCS、電錶、水錶、皮帶秤、流量計等計量設備升級改造，確保計量準確。並將海量的數據上傳至阿里雲水泥工業「智慧大腦」平台，實現數據存儲、數據遷移、數據同步、數據清洗、數據建模以及數據接入任務的開發和管理。以實現能源消耗可視化、產品質量可控化，達到節能降耗、質量穩定、數據準確、界面美觀的效果。

2、數據產生價值，水泥工業大腦研發

2.1熟料生產數據融合

基於阿里雲計算平台，通過在東華企業內網構建數據採集客戶端，研究將智能生產系統、智能質控系統、智能物流系統、數字礦山系統、智能設備管理系統、智慧能源管理系統等異構的海量數據，研究集成通用大數據總線集采服務實現遠程分布式大規模實時數據跨公網的安全加密傳輸服務。通過構建統一的主數據管理，按照大數據「存通用」的方法論，對數據進行清洗、轉換、融合，打通異構數據源的數據通道，消除信息孤島，實現數據共享、業務融合。

2.2核心生產過程無人值守

基於熟料生產過程採集的數據，利用深度神經網絡算法構建產量、質量、能耗預測模型，通過PSO粒子群算法、遺傳算法等優化技術，實時動態搜索DCS產線最佳控制點，通過OPC通訊，對產線進行反向閉環控制，實現原料粉磨、熟料煅燒等核心生產過程的無人值守。

2.3熟料產量提升與能耗優化

深度融合東華公司多年積累的水泥生產經驗模型，和大數據多變量非線性耦合分析、量化分析等技術優點，通過大數據算法在經驗模型約束的優化空間中精確尋優，實現熟料生產過程實時動態的最佳卡邊運行，達到產量提升和能耗優化的運行目標。

2.4熟料質量實時預測

面對原（燃）料成份波動對熟料質量影響的現狀，提取離線質量檢測數據，與多狀態變量實時數據構建訓練樣本，建立熟料強度軟測量關係模型，實現對熟料強度實時預測，動態優化分解爐出口溫度、煤粉添加量等控制參數，保障在原（燃）料成份波動的情況下熟料質量的穩定性。

2.5不同產線、不同工況下算法自適應學習

針對不同熟料生產線的設備、產量、能耗等的不同，以及同一產線生產不同產品時工況不同的現狀，利用神經網絡算法對數據的學習能力和算法遷移能力，對溫度、壓力、閥門開度等控制變量進行自適應學習優化，實現對不同產線、不同工況下模型的動態在線更新。

2.6水泥工業大腦在行業中的推廣與應用

水泥產線在工業場景中工藝機理相對標準化，主要包括「兩磨一燒」環節，但每一條生產線設備、物料、操作人員習慣不同，導致每條窯的工況都不一樣，因此控制參數也沒有通用標準。通過水泥工業大腦自動尋優，自動控制生產線運行，杜絕人為等因素帶來的能源消耗不同，達到節能減排穩定質量，減少污染物排放的效果。沉澱形成核心生產過程無人值守控制算法、能耗優化算法、質量預測算法等，克服了嚴重依賴一線工人經驗的缺點，利用算法對數據的學習能力，使相應研究成果具備了在整個水泥行業批量複製的能力，對提升水泥行業自動化和智能化水平、節能減排具有較好的價值。