李泽安，吕宝栋，郑旭，刘继朝

(鞍钢集团朝阳钢铁有限公司 辽宁 鞍山04000)

摘  要  近年来钢铁智能制造已成为未来我国钢铁企业发展的重大趋势和核心内容，也是加快企业生产操作方式的转变，实现节能降耗的重要抓手基于机理模型和工业大数据的大炼铁产线智能制造解决方案将综合运用物联网、大数据、机器学习等技术，采用云-边协同的智能制造技术路线，实现铁前传统上以应用为中心信息系统建设向以数据为中心、业务高度集成的转变在边缘侧利用机理建模和人工智能实现工况诊断，在云端构建工业大数据平台， 建立统一的数据标准互联共享、统一的数据资产智能分析以及产线的集中智能监控经营模式，对中长期数据挖掘优化，推进产线数据互联互通、业务协同优化、智能转型升级，实现铁前生产的节能降耗、降本增效。

关键词  炼铁；平台；机理模型；工业大数据

1  引言

国家层面,智能制造已是我国制造业未来发展的趋势，钢铁企业的智能制造水平已成为行业核心竞争力的有力体现。

近两年，国家部委、省市相关单位不断制定落实一系列措施来推动中国制造业智能转型升级。同时，在今年刚刚结束的两会中，钢铁企业的智能制造、绿色、数字化转型等议题成为讨论的焦点。其中重要的手段就是钢铁企业深度应用工业互联网、信息物理系统、大数据等先进技术，通过工业化和信息化的深度融合，推进企业智能制造技术落地应用，加快推动传统钢铁企业的转型升级。

目前，国内各大钢铁企业都在着力推动以工业大数据、人工智能、工业互联网等“新基建”为代表的智能制造技术在自身企业的落地应用：纷纷超前谋划推进实施以提升高炉炼铁为核心的“产业升级”战略，如：宝武、兴澄特钢、包钢、酒钢的炼铁大数据平台的一期工程已经落地应用，同时鞍钢、中 天、沙钢等企业已经开始对炼铁生产进行再布局优化，智能制造已在炼铁行业的落地已由开拓探索阶段进入到深度应用阶段。

行业层面，近年来钢铁智能制造已成为未来我国钢铁企业发展的重大趋势和核心内容.也是加快企业生产操作方式的转变，实现节能降耗的重要抓手。

炼铁智能制造的目的就是实现配料、操作、管理过程智能优化.最终实现节能降本。具体来说就需要精确的在线检测数据，智能的管控系统软件，精准可靠的执行机构。其中精确的在线检测数据是整个系统的基础，智能的系统软件是核心：目前我国炼铁领域已形成了一系列的智能化解决方案，在物联网传感器层面，出现智能化温度、压力、流量、 物位、热量、成分等工业在线分析仪表、智能变频电动执行机构、智能阀门定位器和高可靠执行器，以及在线分析系统等精密仪器；在智能化的工艺管理系统应用层面.已形成一系列的智能管理系统。如:在原料环节的智能料场、配矿环节的智能配矿、烧结工序的智能烧结管理系统以及高炉生产工序的高炉智能智能管理系统等整体解决方案。推动整个钢铁的数字化、网络化、智能化进程，已是大势所趋。 

钢铁企业层面，企业要在未来市场竞争中保持优势，成为国内外具有竞争力的钢铁集团，离不开制造过程中的智造系统以及信息系统的快速落地应用。

钢铁行业本身是一个技术、资本、人力密集型行业，中国目前是全球重要的钢铁生产和消费市场，成为各大跨国钢铁企业的必争之地。钢铁企业将会面对越来越强大的竞争对手的挑战.为提高企业综合竞争能力，实施更为高效的集团战略管理，达到资源共享，降本增效的目的，需要借助先进的信息化及智能化手段叫利用大数据、机理模型、推理机等先进技术打造钢铁制造过程的数字化、网络化、智能化.实现生产过程中的节能降耗、降本增效及减员提产的效果。同时，通过企业建立大数据平台，构建新型铁前MES加大数据分析应用的云部署的信息化建设模式，实现铁前生产管理的智能化协同，打破工业企业以应用为中心的多系统孤岛模式，打造现代化、信息化的钢铁企业.提升企业铁前整体生产管理效率。

本文在炼铁智造的层面介绍了基于机理模型和工业大数据的大炼铁产线智能制造的技术及功能架构及不同层级的解决方案。 

2  大炼铁产线智能制造架构设计

炼铁生产过程云边协同是我国炼铁智能系统发展的趋势所在，本文旨在将铁前打造成玄边协同的生产运营管理模式，如图1所示“云”即指平台，在建立企业数据中心的基础上搭建大数据分析平台对中长期数据挖掘分析.实现操作制度的优化和长周期的炉况分析、诊断与决策，同时整合铁前MES业务功能，打通采购-配矿-生产-管理数据孤岛及业务孤岛。“边”即指各工艺单元的智能管理系统，在炼铁各工艺单元的主控制建立运用机理建模和人工智能实现工况诊断的智能管理系统,实现“工业传感+物联网动态感知”-“机理模型+知识库智能诊断”-“大数据+机器学习优化决策及协同管理”的炼铁的智造智管。因此在本文中介绍的铁前信息化、智能化建设内容主要包含“云”和 “边”两个维度,通过云边协同的方式推动企业铁前操作技术、管理水平的提升,进而实现铁前制造过程的标准化、智能化[2]。

在智能设备和基础物联网监测层面，是整个铁前信息化、智能化的基础，在本文不做展开介绍:该部分建设内容是炼铁产线智能化的坚实基础，通过物联网和自控系统实现铁前生产过程中的动态感知精准控制。以工业传感器的补充来保障核心生产数据的自动采集，主要包括：高炉、烧结、球团等工序的智能温度传感器、激光雷达设备、红外设备等。

在“边”缘智能端构建智能管理系统，运用机理建模和人工智能实现工况智能诊断及优化，主要包括：球团智能管理系统、烧结智能管理系统和高炉智能管理系统等，通过建立各工艺单元的智能管理系统，通过各工艺段机理模型以及大数据机器学习等技术实现各工艺段工况的智能诊断及优化。 

在“云”端建立了基于工业互联网平台的IaaS、PaaS和SaaS架构的炼铁产线大数据平台[3-5]，在IaaS层在实现炼铁多元数据存储的基础上,实现对资源的虚拟化及灵活划配,可灵活拓展。在PaaS层提供了数据图形化分析及算法工具，实现炼铁产线技术的数字化、显性化，同时通过提供的数据处理及分析工具，实现炼铁数据资产的深度挖掘形成算法库和知识库，进而封装成基于各种场景的机理模型、数学模型或者行业模型等，为SaaS层服务提供关键模型支撑。在SaaS层实现了生产状态的智能监测及分析，赋能炼铁制造生产过程，同时基于炼铁生产过程具有时滞性强，多维变量影响的特点，针对性开发了面向各冶炼单元的中长期数据挖掘优化应用的业务功能，打通了原工艺制造过程的数据孤岛，实现了大炼铁产线智能协同优化。同时并利用移动互联技术（手机APP ）推送到不同人员的手机终端，推进大产线数据互联互通、业务协同优化、生产管理方式的转变。

目前国内铁前信息化、智能化云边协同的建设模式已经在多个国内企业成功应用，例如兴澄特钢、包钢、酒钢、鞍钢、大冶特钢等，取得了良好的应用效果。 

3  边缘侧基于机理模型与推理机的单元智能诊断决策系统应用案例

以高炉智能管理系统为例.基于炼铁现场设计特点、基础检测条件、炉况现状及问题等，充分结合现场工艺技术人员的业务需求,从传热学、炼铁学、 冶金物理化学等机理建模层面和大数据人工智能分析层面,定制开发高炉智能管理系统，实现对高炉黑箱的动态镜像，实时揭示高炉内部冶炼规律，对高炉工况进行智能诊断和异常预警，并给出合理化操作建议，为实现高炉的安全、长寿、高效、顺稳、 低耗生产提供保障。1 280m³高炉智能管理系统主要包括23个模型，主要分为安全预警模块、高炉镜像模块、智能诊断模块、生产管理模块、物料能量利用优化模块、系统维护管理模块，如图3所示，在线自动实现对高炉“黑箱”的数字镜像和智能诊断预警。

实现从炉子底部到上部、外部到内部的全方位可视化。实时在线监测炉缸侵蚀状况、风口检漏、 壁体挂渣厚度、炉内气流、融熔层、凝铁层、死料柱沉浮、矿料在炉内分布及位置。利用规则库及三维凸包对炉况失常进行诊断并至少提前半小时预警。有效增强在炉料、工况改变后引起炉况波动的应对能力。 

4 云端基于大数据平台的炼铁产线一体化生产应用案例

铁前大数据智能互联平台是在钢铁制造各工艺智能单元及基础硬件监测建立的基础上，形成智造过程数据分析中心和共享中心。运用大数据分析工具及技术，实现对整个生产过程的分析，为现场专家、厂级高管及技术科研发人员综合判断生成经营管理状态、调整生成工况提供更加清晰的依据。同时整合铁前MES业务功能,打通采购-配矿-生产-管理数据孤岛及业务孤岛，如图3。

智能互联平台主要包含铁前MES、优化配矿、 炼铁掌上APP以及铁前大数据分析应用模块（领导驾驶舱、实时监测模块、对标分析模块、数据追溯模块、工况寻优模块、数据分析模块、知识馆模块和系统管理等）。 

1 ）基于平台，在长周期工况调整方面,实现实时提供高炉、烧结、球团内部的变化数据，并基于大数据分析工具及技术，实现对整个炼铁产线生产过程长周期的分析，在作业长、厂长或专家层面实现为综合调整产线生产提供更加清晰的依据，给出专家最优的调整策略及方向。同时结合原料采存用铁前MES推动铁前的协同管理优化,实现铁前冶炼的最低成本。

2）基于平台，形成面向炼铁厂配矿、烧结、球 团、高炉各工艺单元相应用户的应用，实现基于特定用户的生产历史数据与实时数据的对标分析展示和预警报警，为生产管理技术人员实时把控生产状态，解析限制环节、挖掘优化潜力等方面提供优质的服务。并结合质量追溯模型实现产线数的智能预警联动和产线一体化铁水质量管控追溯。同时为技术人员提供拖拉拽式的数据分析工具，高炉异常炉况数据的标记、生产数据的对标以及生产成本的实时分析。

3）实现对整个炼铁产线数据的高效汇集，为技术人员提供拖拉拽式的数据分析工具，高炉异常炉况数据的标记等工具，实现异常工况知识库的积累。同时将整个炼铁产线资料实现数字化管理，形成炼铁知识库，从而提升整体操作管理技术积累，保障炼铁产线长周期稳定运行。 

5  结论

针对钢铁企业传统信息化系统存在的技术瓶颈和炼铁生产中的痛点问题，本文中总体建设架构将实现铁前传统上以应用为中心信息系统建设向以数据为中心、业务高度集成的转变。整体建设内容不是信息化和自动化的简单升级.而是从工艺单元智能管理到产线协同及平台大数据智能分析的整体解决方案，即：依托基础感知器件-> 实现智能化物质/能量/信息组织管理-> 进而实现产线集中监控及智能化经营服务。最终实现铁前制造过程统一的数据标准互联共享、统一的数据资产智能分析以及产线的集中智能监控经营，推动铁前生产管理的节能降耗、降本增效。 

1）提高产品质量，降低直接成本。基于智能配料模型、碱度自动调整模型和烧结机尾热成像系统实时调优配料偏差，实现烧结矿碱度稳定率提升， 烧结矿FeO稳定率提升；同时基于智能优化配矿实现铁前工序的配矿与资源优化配置，直接降低铁水成本。

2）优化生产操作，减少异常炉况。通过云边协同实现铁前各工艺单元工况的自动分析、诊断、预 判，给岀相应的操作建议实现工长操作层面的自感知-自分析-自决策-自执行的高炉智能诊断预判并分级报警，实现炉况异常诊断准确率> 90%： 帮助操作人员实时解析生产状态，实现生产运行的长期顺稳，最终使燃料比降低； 

3）提升信息化水平，提高工作效率:实现生产与管理过程中全方位的数据的自动汇集并将操作界面集成化、数据统计分析自动化、指标提炼科学化，能大幅降低现有人员的劳动强度,提高劳动生产率。提升工作效率，最终实现减员增效。 

4）增加产线稳定，降低运维成本。通过平台数据分析能力，可自动检索先进生产操作制度及技术经济指标，结合数学模型分析，为产线生产优化提供数据资产及优化建议，提升产线整体技术水平。同时实现对整个产线各关键设备的集中监控，通过对各类设备设置智能预警标准，结合构建的各类机理模型，对设备进行类似工业CT式的全面检查，并实时将设备预警信息推送到设备维护人员，实现设备标准化管理，提高设备维修效率，降低设备故障发生率和设备维修费用。 

5)产线协同管控，降低管理成本。基于平台侧云化铁前MES,实现一体化管控，快速响应,提升铁前生产协同效率，严格控制采购订单的执行，合理利用物流资源，降低成本。

6  参考文献

[1] 郭朝晖.钢铁行业与工业4.0[J],冶金自动化,2015,(4) ：7-11.

[2] 赵宏博，刘伟，李永杰，等.基于炼铁大数据智能互联平台推动传统工业转型升级[J].大数据.2017,(06) :17-28.

[3] 赵宏博.Cloudiip助力新一代智能制造[J].软件和集成电路,2018, No.403(06) :42-49.

[4] 工业互联网平台白皮书(2019).中国工业互联网产业联盟，2019.

[5] 信息物理系统白皮书(2017).中国信息物理系统发展论坛，2017.

[6] 许满兴.优化高炉炼铁原料采购与烧结高炉配矿一体化的思路和方法[J].烧结球团,2016,41 (5) ：1-7,