二、项目主要实施内容和措施

（一）项目实施的主要内容

公司全面落实“制造业高质量发展”理念，加快推动智能制造。项目以提升用户满意度为中心，依托新一代信息技术应用，倾力打造全新冶金流程智慧透明工厂。公司以钢铁产业链价值提升为主线，加快推动鞍钢股份有限公司智能制造发展，合理运用新一代自动化、信息化、智能化技术及装备，推动工业物联网、工业大数据、人工智能等技术在全流程和全产业链集成应用，推进生产过程智能化，建设行业领先的新冶金流程智能制造生产基地。

（1）建立大数据平台及工业互联网。将全厂所有设备及工位统一联网管理，建立工业以太网，通过对全流程工艺、设备的数据收集，使设备与设备之间、设备与计算机之间互联通信，实现物料自动追踪，形成高效物联系统。

（2）采用人工智能识别技术，对钢包、板坯、钢板实施跟踪。物料跟踪有助于提高企业的信息化水平，钢包在炼钢车间运输过程中，板坯由连铸到轧钢产线输送过程中，实现自动跟踪，通过字符识别的方法实现板坯信息跟踪，在炼钢产线和中厚板产线安装摄像机实时采集钢包、板坯、钢板图像，运用图像处理和人工智能技术对图像进行处理，实现钢包、板坯、钢板物料自动跟踪。实现物料喷涂标识，板坯、钢板自动识别准确率达到99.5%以上。

（3） 构建全流程一体化质量管控系统。通过装备的高端化改造和工艺流程的优化，研发高端产品，提高具有竞争力的生产能力，并对产品质量进行全生命周期管理，实现向价值链高端跃升。通过对关键工序的工艺参数实时监控、产品质量在线预测、产品质量在线判定、产品质量追溯分析与异常定位分析，实现多工序工艺质量数据的互通互融。

（4） 建立板坯、中厚板表面缺陷在线检测系统。采用人工智能技术及CCD 摄像机在线采集中厚板的表面图像，通过快速图像处理及模式识别算法对图像进行实时的处理和分析，以在线检测中厚板的表面缺陷，并对缺陷进行识别和标定，从而达到对中厚板产品的表面质量进行在线评估和控制的目的。

（5） 优化炼钢调度模型，实现钢轧一体化优化排产。炼钢—连铸生产对钢液时间节奏的控制和温度要求较高，但生产中存在的诸多不可避免的不确定扰动因素将影响生产作业计划（初始调度方案）的执行，必须在满足生产基本约束的前提下进行调整，生成一个新的可行调度方案，指导和维持生产的连续性。因此，炼钢—连铸生产调度系统开发技术的关键是在生产执行过程中，根据相关的扰动触发条件，在考虑ERP生产批量计划的执行情况与现场实时生产条件下，通过智能优化算法，对未完成的生产批量计划，制订调度方案，以保证生产的顺利运行。

钢包跟踪和调度的信息化，有利于提高生产节奏和节能降耗，能够实时、全面掌握钢包的运行状态，准确地反映炼钢—连铸生产运行实绩。

（6） 建立板坯库优化系统。在炼钢—连铸—厚板一体化生产模式下，板坯库作为连铸、厚板生产工序间的缓冲环节，其管理自动化水平的高低，直接影响炼钢和厚板生产线的生产能力，通过生产连续性和一体化生产的成本控制，以板坯库为研究对象，对炼钢连铸、厚板工艺和现有的板坯库管理模式进行充分研究，分析了现有的板坯库管理中存在的问题，将库存优化管理方法运用到项目中。重点研究板坯库优化管理中的协同管控、流程优化、入库计划和出库计划的衔接问题，提出了基于专家系统的板坯最优倒垛算法，降低板坯倒垛量，提高生产效率和板坯装炉温度。

（7）构建设备状态监测、诊断、分析平台。新增检测装置，实现加热炉、轧机机组、剪切机等关键设备温度、位移、振动等状态信号的在线采集。采用无线传感器网络技术和有线网络技术相结合，将各类状态数据发送给数据汇集服务器。在此基础上，建立设备状态大数据平台和智能诊断分析系统，实现设备的智能管控，主要功能是对设备状态监测平台搜集到的原始数据进行深入挖掘，提取数据中潜含的特征与规律，实现对全流程关键设备状态数据的智能分析和深层利用，为评价设备的服役状态提供必要的技术手段。

（8） 工序能源优化。建立关键设备和工艺过程的能耗预测模型，实现燃气、冷却水、电等介质的未来用量数据预测，减少能源介质的供应耗散以及对产品质量波动的影响。

（9） 实现全流程物料可视化智能跟踪。对生产线现场的设备轮廓、工艺流程和物料进行三维建模，根据已有的跟踪数据，实时对生产线所有物料的形状、位置和状态及相关信息进行多方位展示，可及时直观掌握全线物料信息和现场生产动态，提高工作效率。

（10）局部高温岗位专用机器人实现机器换人。针对炼钢全流程测温、取样、取料、投料等不同的环节，研究约束工作空间和约束控制输入下炼钢机器人智能控制系统设计与不确定参数下炼钢机器人自适应学习控制方法；面向智能机器人自动化作业系统的集群优化，研究炼钢机器人内外主动智能感知与集群智能优化方法；研究炼钢全流程动态智能调度与质量监控、诊断与优化方法。

（二）采取的主要措施

1．建立大数据平台及工业互联网

将全厂所有设备及工位统一联网管理，建立工业互联网，通过对全流程工艺、设备的数据收集，使设备与设备之间、设备与计算机之间互联通信，实现物料自动追踪，形成高效物联系统。

（1）网络架构的保障。光纤环网保障高可靠；SEP 协议确保环网自愈时间小于 50ms；图形化网管软件；支持设备免调试，快速部署；SEP 高速的网络冗余自愈能力，网络更可靠。

（2）采用工业交换机具有高可靠性。-40～70℃的工作温度满足工业场景下温度要求，IP41的防护等级应对各种恶劣环境，抗电磁干扰、防振能力符合国家标准。环网自愈时间小于50ms，保障环网高可靠性；支持VRRP、BFD、NQA等可靠性技术，实现毫秒级探测，保证关键业务不中断。图形化的网管软件，可以更直观地查看网络的运行状态和故障的具体原因。通过各类报警，保证系统无故障运行。支持一键式备件快速替换等特色功能，快速开局，快速备件更换，保证业务快速上线、故障快速解决。

2．采用人工智能识别技术，对钢包、板坯、钢板实施跟踪

物料跟踪有助于提高企业的信息化水平，钢包在炼钢车间运输过程中，板坯由连铸到轧钢产线输送过程中，实现自动跟踪，通过字符识别的方法实现板坯信息跟踪，在炼钢产线和中厚板产线安装摄像机实时采集钢包、板坯、钢板图像，运用图像处理和人工智能技术对图像进行处理，实现钢包、板坯、钢板物料自动跟踪。实现物料喷涂标识，板坯、钢板自动识别准确率达到 99.5%以上。

3．构建全流程一体化质量管控系统

数据采集与重整平台、数据存储平台、实时质量监控与预警平台、离线数据分析平台这四大功能平台从应用角度看，将全流程质量信息采集与分析平台分为在线应用与离线应用两大部分。图 2-1 所示为全流程一体化质量管控系统网路结构示意图。

在线应用主要针对各个工序提供具有工序工艺特色的采集、监控、预警、分析、诊断功能，其用户主要是现场的质检人员、工艺技术人员等，强调系统处理的实时性，具有时效性。在线应用针对采集到的制造过程工艺参数、质量参数、设备状态数据、质量判定数据等进行实时处理，向现场操作人员、质检人员等提供准实时制造过程工艺参数与质量参数判定与预警信息，便于其在后续操作中进行操作优化。

离线应用为高级分析与应用，根据产品制造工艺过程，强调全流程质量数据整合分析，从制造流程工艺角度对产品制造全过程的工艺参数、质量目标参数、质量检验与判定结果等进行追溯与分析，解决企业级跨工序、工艺制程的产品制造工艺制度、技术规范、质量判定等分析、优化工作，也解决产品质量出问题时的责任界定与划分问题。

图 2-1 全流程一体化质量管控系统网络结构示意图

引入动态质量设计思想。以往系统的设计是静态质量设计，当订单下达后设计生成不会变化；而动态质量设计是当生产时及时获取生产实际质量信息，根据实际质量情况，进行后续工序补救的动态调整，确保性能更加平稳。在面向智能制造的信息自动化体系架构中，打破了原有架构体系信息化与自动化的壁垒，实现了 1～5 级系统的全线垂直贯通，使质量设计结果输出至下游执行系统并直达产线控制层。通过在线的质量调控和离线的质量分析，实现产品质量全程可控，对于异常状态可以进行实时监控与调整，达到品质最优化，降低废品率及改判率。管理措施与系统手段双重作用，创造性地实现了产品制造过程质量信息参与产品最终判定，相较于传统的成品抽样判定要更加精确、全面，保障了产品的整体可靠性，满足客户对于质量稳定性的要求，对于定制化产品的质量符合以及重点品种的提质上量起到推动作用。

4．建立板坯、中厚板表面缺陷在线检测系统

该系统由检测装置、并行计算系统、服务器和控制台组成，光源用于给摄像头提供光学补偿，以便摄像头能够采到高清晰度、高质量的图像。由摄像头采集到的图像传送给并行计算系统，通过并行计算技术及采用快速图像处理算法对图像进行实时的分析和处理。所有的算法，包括缺陷检测和缺陷分类算法都在并行计算系统中完成。为了保证数据传输的安全性与可行性，并行计算系统需放置在生产线附近的电气室内。图 2-2 所示为板坯、中厚板表面缺陷在线检测系统示意图。

5．优化炼钢调度模型，实现钢轧一体化优化排产

（1）炼钢—连铸智能调度系统。智能调度系统通过数据接口与钢厂 MES实现数据通信，借助数据交换，发挥其辅助炼钢—连铸计划调度的功能。系统通过数据库中生产实绩信息动态数据表的变化情况，将对生产计划调度有扰动的信息进行自动分类识别；以生产实绩判断的生产扰动自动识别，或者以操作人员人工输入的人为扰动，作为计划调度系统的触发控制来启动系统的重计划和重调度功能；系统还建有包括遗传算法、蚁群算法，以及时间并行顺推算法等智能算法库，用于制订满足生产约束的优化的生产调度方案；在生产作业计划实施过程中，当系统根据生产扰动情况，实时启动重计划或重调度功能时，既可根据需要以制订满足设备冲突约束的重计划，进行生产调度，确定当前未完成作业的生产炉次的工序工位选择以及在工位上的作业时间，也可进行重调度的策略仿真。系统计划调度方案的可视化表达既有以生产计划中的物流为标志的调度方案列表表达方式，也有以物流计划实施工位为标志的 Gantt 图表达方式，为现场计划调度人员提供直观的显示界面。

图 2-2 板坯、中厚板表面缺陷在线检测系统示意图

（2）钢包行车跟踪调度系统。钢包跟踪和调度的信息化，有利于提高生产节奏和节能降耗，能够实时、全面掌握钢包的运行状态，准确地反映炼钢—连铸生产运行实绩。钢包的跟踪调度由于其行走路径、涉及的主体和辅助设备比较多，同时还需面临诸多干扰，整体非常复杂。

从过程系统的不同层级构建协同工艺精准控制、流程协调运行和精细生产计划与调度的炼钢—连铸过程精益制造技术体系（见图 2-3），消除MES 的信息“孤岛”现象，使炼钢厂工序工艺建模、设备运行调控、过程数据利用、流程全面管控等深入融合与集成，实现全流程的信息交互与管控优化。

图 2-3 炼钢-连铸过程精益制造技术框架

将计划排产模块从 L4 的 ERP 系统和 L3 的生产制造执行系统（MES）中分离出来，以 L3.5 公司级计划排程系统的建设为核心，建立产销一体化管理平台，通过系统内优化算法，动态平衡企业资源，支持基于有限产能约束下的资源调配。

（3）集成方案。构建钢区、轧区一体化计划排程平台，主要集成了ERP/ODS/APS/QMS/MES 等系统（见图 2-4），通过全局按单追踪与闭环计划反馈机制，实现从销售订单评审、销售订单接收、销产转换、公司及各分厂生产计划、作业计划，再到件次计划等产销作业链全过程的一贯制计划管理。

6．建立板坯库优化系统

重点研究板坯库优化管理中的协同管控、流程优化、入库计划和出库计划的衔接问题，提出基于专家系统的板坯最优倒垛算法，降低板坯倒垛量，提高生产效率和板坯装炉温度。利用迭代的程序开发方式设计开发软件系统，实现板坯库库存优化管理系统，可以使板坯库生产物流作业合理化，提高板坯库生产自动化管理水平，具有较好的应用前景。

7．构建设备状态监测、诊断、分析平台

新增检测装置，实现加热炉、轧机机组、剪切机等关键设备温度、位移、振动等状态信号的在线采集。采用无线传感器网络技术和有线网络技术相结合，将各类状态数据发送给数据汇集服务器。

开展转炉、连铸、轧机主轴、机架辊等的转矩监测，剪切机组夹送辊辊头磨损和平行度的在线监测研究，包括信号采集方案分析、传感器选型、算法的研究和相应的系统开发。

图 2-4 系统总体架构图

设备管控平台项目设计方案如图 2-5 所示，包含：数据采集、数据存储与管理、数据智能分析和数据展示及功能应用。对于生产工艺、产品质量参数及电流、液位等状态量，可通过二级数据库读取、现场 PLC 控制系统读取等方式进行数据采集；对于振动、温度等状态量，可通过新增在线监测系统采集待检测设备状态信号数据。构建与生产工艺、产品质量关联的设备状态大数据平台，并建立数据分析方法库，对设备状态信号进行降噪及特征提取等处理，并进行故障的分析与诊断，实现设备状态的预警和预测，为制定科学的设备维修策略提供数据支撑。

图 2-5 设备管控平台设计方案

8．工序能源优化

针对公司 5500mm 厚板生产线的加热、轧制、冷却、精整、热处理等关键工序和设备：

（1）完善水、煤气、压缩空气、氮气、氧气等介质管线上的阀门和检测仪表配置，并开发相应的介质计量数据采集系统，实现分工序和机组的精确控制和计量。

（2）对全线的能源介质分类、分区域、分工序、分机组、分班组、分时段地进行监测、计量和趋势分析，自动生成相关的管理报表。

（3）精确统计分析每一个轧件在关键工序中的燃气、冷却水、电消耗和成本，为生产工序和单体设备的节能优化提供依据。

（4）建立关键设备和工艺过程的能耗预测模型，实现燃气、冷却水、电等介质的未来用量数据预测，减少能源介质的供应耗散以及对产品质量波动的影响。

9．实现全流程物料可视化智能跟踪

对生产线现场的设备轮廓、工艺流程和物料进行三维建模，根据已有的跟踪数据，实时对生产线所有物料的形状、位置和状态及相关信息进行多方位展示，可及时直观地掌握全线物料信息和现场生产动态，提高工作效率。

针对公司 5500 mm 厚板生产线，从上料、加热、轧制、精整到成品喷印入库，进行全线设备轮廓、布局和所有物料的三维建模，开发基于 B/S 构架的可视化软件，实现物料形状、位置和状态与生产现场生产工艺过程实时同步，并支持物料相关信息的自定义查询展示。

利用三维建模软件对流水线上的设备进行建模和材质贴图，开发生成了一个场景逼真、能多角度观测的生产过程可视化系统（见图 2-6）。在界面的视觉效果方面，将力图突出一种低调持重的感觉，控件风格简约，通过精密复杂的 3D 虚拟图像反映生产线设备及物料流动实时状况。

图 2-6 生产过程可视化系统

10．局部高温岗位专用机器人实现机器换人

针对炼钢全流程测温、取样、取料、投料等不同的环节，研究约束工作空间和约束控制输入下炼钢机器人智能控制系统设计与不确定参数下炼钢机器人自适应学习控制方法；面向智能机器人自动化作业系统的集群优化，研究炼钢机器人内外主动智能感知与集群智能优化方法；研究炼钢全流程动态智能调度与质量监控、诊断与优化方法。

在技术方面，研发高温、大负载、大量程、多任务条件下炼钢机器人系统优化设计与自动化作业技术；建立基于 CPS 架构的炼钢全流程、集群化机器人自动化作业系统；研发炼钢全流程的协调优化与动态智能调度技术；基于大数据及网络化环节构建炼钢全流程质量管控平台；研发炼钢全流程质量监控、诊断与优化技术；开发智能机器人自动化作业系统并进行示范应用。