垂直行业工业互联网实施梁构白皮书（六）

4)通过实施全过程品质追溯，能够快速定位异常品分布，通过追回或者降级处理等措施，减少用户的损失，提升该生产企业的信誉。

4) 钢铁行业工业互联网实践

�行业基本情况及生产特点
钢铁制造过程流程长、工序多，既包括高温、周期不等的化学变化工艺过程
（冶炼），又包括高速、负荷瞬变的物理形变工艺过程（轧钢），是典型的混合型制造流程，制造装备种类繁多、工艺过程极为复杂。经过上千年的演变和发展，形成了现代化的制造工艺流程，高度自动化的产线装备，基于大规模、标准化的制造过程管理体系，可以有效发挥装备产能，实现效益最大化并降低成本。
钢铁产品的贸易流通特征主要体现在交易行为的客观理性、供求关系的相对稳定性、产品需求的个性化、延伸加工的多样性、支付方式的复杂性、物流服务的专业性、金融杠杆的依赖性、大额资金收付与大宗实物交割风险防控的严密性以及诚信体系的重要性等方面，钢铁产业互联网的复杂性也因此较消费品互联网更为复杂，发展过程中必然面临更多的瓶颈和难点。如果处理得好，这些难点也将成为钢铁产业互联网企业走向成功的核心竞争力。
自上世纪 90 年代以来，我国钢铁工业取得了长足的进步，体现在先进工艺装备的基础上，钢铁企业在整体自动化和信息化建设方面投入了大量的资源，积累了非常多的信息资产。尽管面临着产能过剩、结构失衡，能源环境等巨大压力，总体上，在实现企业管理的物流、信息流、资金流同步方面取得了显著的进步，有效的支撑了整体行业制造水平和能力的提升。主要表现在：
1)钢铁生产流程所有主工序装备均实现自动化控制，主要制造工艺实现了基于网络互连的多机组生产过程控制；
2)基本实现了自动化、过程控制、生产控制、制造管理的数据自下而上的贯通，由此实现管控衔接和工序衔接，使制造过程形成整体协同；
3)初步形成了产供销相结合的整体供应链体系，支持集中一贯管理模式，实现按合同组织生产。
上述工作，有效的支撑了一个规模化钢铁企业实现大批量、标准化、成本可控的企业运营。

�行业对工业互联网实施的业务需求
消费者的偏好从注重质量、价格（成本）的二维模式向注重质量、性价比、个性化需求、快速响应的四维模式转变。制造者尚未很好的解决产品质量、产品价值问题，而伴随互联网发展，企业同时面对新的挑战：个性化需求、快速响应服务。
钢铁个性化制造的本质
钢铁制造装备的大型化是高效率、低成本的基础，目前尚无颠覆性的制造工艺创新以改变现状，通过提升制造管理的柔性来适应日益快速变化的用户需求，就显得极为迫切。用户需求个性化的特征是用户对产品和服务的质量标准、性能、外形、速度的差异化要求，追求亲自参与产品全生命周期过程的用户体验；而对钢铁制造企业而言，则主要体现在钢铁产品多品种、小批量、短工期、交货的灵活性。实现钢铁产品的个性化制造，解决方案就归结为�以大规模、标准化制造的成本来满足多品种、小批量的需求�，在现有工艺装备不发生重大创新的前提下，生产组织呈现出足够的柔性和灵活性；换言之，有必要找到一种方式和手段，能够在�钢铁制造大规模、标准化�固有本质和�小批量、多品种�的新特征之间找到一种平衡，从而即满足用户的需求，又使得制造企业可以获利，在价值链上公平地共享价值。而这主要是通过�软实力�来实现，除了服务领域的提升之外，最重要的是制造组织管理的智能化，即：通过软的手段来解决上述问题。工业互联网是一个有效的技术手段。
（1）基于各种约束条件和未来工况预测做出最优的决策；
（2）执行决策的制造系统要足够灵活，通过 IT 配置规则灵活调整工艺制造路径和过程；
（3）物流调度环节的高效将是实现敏捷制造的关键，足以弥补制造环节可能的成本上升；
（4）智能装备可以预判并相互�直接通信�，从而实时产生应对故障或弥补瑕疵的策略并赢得宝贵时间，降低某个环节异常对其他环节的影响，实现成本的控制。
同时，必须充分认识到：尽管大量新装备的投产使中国钢铁工业的工艺装备水平和产能达到了世界领先，但很多装备还处在�爬坡期�，这些装备还处在产量效益阶段，还没有或正在进入质量效益阶段，提升产品质量，尤其是质量的稳定

性还大有空间；提升钢铁制造的基础能力，包括质量标准、检验检测、自动化水平与生产效率、节能环保管理与绿色制造等，尤其是产品质量提升依然是行业现阶段的主要任务。质量、成本、效率依然是目前中国钢铁行业发展、参与全球竞争的基础，资源环境压力是钢铁行业面临的最大约束。
构建工业互联网以应对个性化制造
在构建企业工业互联和数据系统，以应对个性化需求和快速服务要求时，还有非常多需要不断完善之处。
（1）在工业物联和数据集成层面
（5）生产主线设备通过常规仪表进行常规物理量的进行实时、准确数据采集尚有不足，主要体现在：部分工位和辅助生产线缺少有效的数据采集手段，或不能实时、在线、准确的采集数据；
（6）局部物料和产品通过条码、电子标签等技术手段进行标识、识别和跟踪，但系统性、规范性不够；
（7）厂内库区存放、出厂阶段的物料跟踪粗放、实时性差。
（8）从工厂整体来看，数据自下而上按照漏斗方式进行处理和传输，基本打通管理数据链，但生产过程数据和设备状态数据仍然封闭在各专业系统中，不能实现数据的自由流动和共享，影响整体数据服务和大数据应用水平。
（2）在数据应用方面
（9）作为现场装备控制的核心，冶金模型大多采用机理或经验模型，在应对高品质产品制造、多品种生产组织等方面，适应性和灵活性都显得不足，还有极大的优化空间；
（10）在工厂级生产控制、制造管理中，具有自适应、自学习功能的智能决策模型鲜有应用，主要还是依托人的经验实现生产计划的制定和生产的组织，更谈不上规模化的质量在线判定、设备状态预测、高级优化排产、实时成本盈利预测等；
（11）在数据分析和挖掘方面，建设了多层次数据仓库，支持经营管理分析、制造管理分析，但钢铁制造过程中产生的海量细粒度数据大部分沉淀在现场，逐步灭失，尚未从全局整合数据资源加以利用，更谈不上大数据应用。
鉴于上述现状，以工业互联网实施为抓手，实现一种快速提供承载个性化功能的高品质产品和服务的制造模式，建设�有智商的工厂�，是钢铁企业应对上述

挑战的必然选择。
�总体实施架构
架构设计的基本逻辑
钢铁行业工业互联网跨越工业物联网和商业物联网。业务焦点是生产环节的提质增效和商务环节的生态服务。钢铁行业有一个通用实施场景的需求，即多场景系统融合智能工厂提质增效解决方案。
不论是企业内部还是价值链上的企业之间，应用的集成都需要开放的、标准的系统架构提供支撑，以便能够将生产工艺学、机械工程学、工艺过程、自动化工程、IT 及系统和网络等问题的讨论放在一起并寻求一个统一的解决方案。
构建企业工业互联网的目的就在于：打造充分互联互通的参考框架，实现无差异的数据流动和无障碍的流程贯通，其本质是数据流动的自动化、数据使用的透明化。
（1）架构设计的核心是数据
企业信息化建设已经进行了多年，成为企业运营的重要抓手和平台，是流程固化，并摆脱对特定个体的过度依赖。目前，难以想象一个具有一定规模和现代企业管理理念的钢铁企业，离开信息系统的支持如何运营。
工业互联网的实施是以数据的自动流动来解决由于个性化定制引发的复杂制造系统不确定性和多样性问题，提高资源配置效率。
企业运营希望能够对未来做出一定程度的预测并决策，在执行过程中具有某种柔性并自主协调，这主要是在清晰的流程定义的基础上，基于知识积累和自我学习，特别是在具有约束条件下由知识型的人主导并能够做到人机协作来完成的。
知识积累离不开数据，而架构设计的目的就是确保数据流动的自动化、数据使用的透明化，企业参考架构就是与数据的标准化表达有关的一系列技术，一个良好的架构，本质上是数据表达方式的标准化，就在于数据无障碍的交互和流动，采用开放性标准是实现上述目标的重要原则。
（2）企业制造管理优化的重心是数据的运用
强调数据是设计的核心，并不是否认管理流程设计的重要性，在实践中，多数钢铁企业流程业务从功能到平台都已经非常成熟，已经跨越了以信息化实现企业制造管理流程的阶段，制造管理流程的进一步的优化，需要通过数据的运用来实现。

相较于流程业务中按照既定流程顺序逐个环节的传递数据不同，数据型业务不是按照流程，而是对一组或多组数据形成的集合进行处理操作，突出特点是：试图从数据中寻找未知的东西，称之为数据服务类业务，如：基于大量数据建立数据模型，或从大量数据中发现影响产品成本的关键要素等等。
两类业务对数据处理的方法和目标不同，对于开发与运行平台的配置要求不同。随着技术的发展，特别是对于数据价值重要性认识的不断深入，建设一个具备更强数据应用能力的平台已经成为可能，包括：汇聚更多类型、更大规模、更快速率的数据，配置功能更强、使用更便捷的算法工具，从而可以更加方便的快捷的进行数据的存储、检索、分析、挖掘、展示等，其目的不外乎是�从数据中寻找和发现更多的价值�。
总体实施架构
传统钢铁行业信息系统架构，围绕业务功能为核心进行构建。将业务功能抽象、聚合后，按分层模式进行架构，例如：从基础自动化（L1）、过程计算机（L2）、生产控制系统（L3）、信息管理系统（L4）、到数据仓库和商务智能（L5），已经成为钢铁业界构建信息化管理系统的事实标准。各业务单元系统互相独立，数据逐级上传。这种模式系统交互简单，故障容易局限在较小范围内。但这种按部门、产线进行的�竖井式�管理，各区域业务人员仅仅掌握自己本区域的信息，无法掌控全局状态。由于专业系统的分割，管理业务需要跨不同系统层次逐级流转，难以做到 �端到端�集成，执行效率很低。
基于工业互联网的理念，重新对钢铁制造 IT 系统进行规划和重构，从以业务为核心转向为以数据为核心，打造一个适合钢铁智能制造的高度集成化的平台。采用工业互联网的技术，使数据得以在整个制造系统和 IT 系统之间高效流通，形成制造的 PDCA 闭环。
近几年，钢铁企业积极探索工业互联网，通过纵向集成，实现企业内部灵活且可重新组合的网络化制造体系。将企业内各种不同层面的 IT 系统深度集成，不仅是信息系统之间，还包括：传感器、执行器、控制器与生产管理、制造和执行及企业计划等不同层面的集成，建立一个高度集成化的扁平化系统，实现企业内部信息流、资金流和物流的集成和融合。
新的系统总体架构设计以数据为核心展开，充分体现了数据获取的完整性，数据流动的灵活性和数据应用的便捷性，如图 7-1。

图 5-1 基于工业互联的钢铁企业数据系统实施架构
钢铁行业面向工业互联网的系统体系架构，通过边缘计算实现海量制造数据的汇集，并由大数据平台实现数据的统一存储和处理。在大数据平台上根据数据的特征和业务要求，实现数据存储、传输和获取的标准化。同时，围绕大数据平台，通过工业互联网建立起一套应用的生态体系，除了制造过程以外，物流、仓

储、营销等系统之间，可以在这种扁平化的架构中实现数据无障碍地共享和交互。
面向工业现场的边缘计算级
边缘计算层主要部署在生产现场，采用本地网络与设备进行互联。在软件层面上，边缘计算的核心是实时数据库，可以快速处理现场收集的各种实时数据。
对接工业现场的各类设备，根据不同的通讯协议，实现现场设备数据的采集和协议转换，通过高性能的实时数据库汇总；
在网络边缘，利用现有的、或较低端的计算资源对现场各种类型的数据进行归一化处理，转换成统一格式的可处理的数据，消除异构数据带来的格式壁垒，统一上传到云端的大数据平台；
边缘计算的功能可以是具体应用需求灵活配置，并与云端平台实现功能的合理分担，以节省网络和计算资源，降低投入。
部署云端平台，提供基于钢铁制造过程海量数据的服务
鉴于钢铁流程制造过程中数据的复杂性和业务需求的多样化，对云端数据平台具有非常高的技术要求。
现有的消费互联网云平台不能完全满足企业的应用要求，钢铁企业需要自主研发适合钢铁制造行业特点的平台架构的功能，针对不同场景的不同数据类型，打造出细分领域的数据存储和计算服务；同时，通过开发配套软件打通不同数据服务之间的通道，并提供针对性的数据治理工具，实现在一个统一的大数据平台上的数据无障碍共享和利用；
鉴于平台技术的复杂性，基于开源组件构建企业数据系统环境是一个好的选择。大数据平台构建在 Hadoop 系统之上，面向不同数据类型提供分布式存储，包括结构化数据、非结构化数据和时间序列数据的存储和处理；搭建分布式并行计算框架，通过内嵌丰富的算法包，实现对数据的计算和分析；
数据服务是大数据平台的重要组成部分，它可以屏蔽数据与应用之间的不兼容性，使得数据应用变得更加便捷。
面向企业各种业务的应用系统
这一级的应用部署在云端的虚拟化环境中，可实现资源的横向扩展和高可用性。
业务应用系统通过标准化的接口直接从大数据平台获取需要的各类数据，然后根据业务逻辑直接进行处理，借助大数据平台的计算框架和算法工具，实现

适合钢铁制造的各种复杂数据处理场景；
在钢铁制造的全生命周期中，包括生产计划、物料、质量、成本管控等业务，均可以借助大数据平台的数据进行构建，同时通过一个整体的数据中心进行数据交换和信息共享。
与钢铁行业传统的五层架构相比，新的工业互联网平台极大地缩短了数据流转的链路，数据可以在扁平化系统中快速传输。同时，大数据平台的引入使数据汇总在一个大型的数据湖中，数据的存储、分析、可视化各个过程能够得到标准化的管理。而工业互联网的互联互通模式，使处于整个架构中的计算资源得到共享和平衡，一些重要的分析计算过程可以在极短的时间内获得结果。
�细化应用场景一：现场数据采集与边缘计算应用场景描述
通常，制造企业都拥有多个、不同时期投入、不同 IT 公司提供的独立开发的软件系统，这些软件都有自己独特的理念、青睐的供方以及专门的系统；除了技术的限制外，为了不影响在线系统运营，最简单的办法是：在多个低层级系统之上（或多个系统之外）构筑一个新系统，将所有低层级系统的数据按照既定的需求处理后上传，以实现数据共享并开发跨系统的应用功能，由此造就了系统层次不断增多，架构复杂。
1）现场数据接入现状
当前以钢铁企业为代表的冶金自动化领域，其控制系统 95%以上为国外品牌，以西门子、罗克韦尔为代表的各大厂商为主。
传统的多级多层网络架构，通过不同网段、不同层次采用网卡进行物理隔离，特别是采取一些专用的协议标准，以达到安全的目的，这除了技术的局限，更来自于传统的设计理念，导致相互隔离、封闭、标准林立（IEC 标准有 20 多种，使用超过 40 种），无法实现各系统之间充分数据流动和共享。
根据现场实际系统现状分析，需要接入区域数据服务器的数据来源如下（但不限于此）：
1)直接来自 PLC/DCS 等控制装置的数据是最主要的数据来源，实现对现场装备和制造过程常规物理量的实时检测和状态监控，包括：流量、压力、温度等；
2)特殊仪表数据采集，包括：质谱分析仪、表面检测仪等；
3)Text log 或个性化电文；

4)关系型数据库（L2）：对来自过程控制系统，管理信息系统数据库的数据采集；
5)网关数据采集（ICG 等）；
6)PDA 数据采集；
7)特殊 TCP/IP 协议编程数据采集；
8)I/O Server 数据采集等。
2）现场数据向上递级传输现状
在开发和运行信息系统时，需要花费大量时间和精力去处理、传达和交换信息，非常低效，是由技术和管理双重因素所致。现状是：
9)数据逐级上传，以满足上层管理和决策需求；
10)数据都是根据既定目标进行处理和选择后进行传输的；
11)大量元数据的属性价值被过滤而不复存在；
12)同级或周边系统无法直接分享数据，需要经过上位系统周转；
13)上位系统基于数据的决策以非实时的方式逐级下达并执行。
应用场景的实施架构

图 7-3 工业现场多源异构数据采集与边缘计算实施架构
（1）现场数据采集

要兼顾两个重要的方面：
一是企业大数据要在云端形成相对完整、准确的数据存储，以便有可能运用完整的多源数据，发掘新的增值应用或解决传统数据应用中由于样本数据单一所解决不了的问题；
二是要兼顾计算和网络资源以及数据传输的有效性等，形成云端和边缘计算资源的合理和优化配置，即保留数据的原始属性，又避免无谓的资源开销。
（2）网络边缘互联互通
在现场级和车间级，主要实现底层设备横向互联以及与上层系统纵向互通的连接。
14)对现有基础自动化系统的通信方式进行改造，如以工业以太网代替现场总线；
15)现有工业装备或装置，如机床、产线等，增加网络接口；
16)对现有工业装置或装备附加传感器、执行器等增加与外部的信息交互；
17)对在制品通过内嵌通信模块或附加标签的方式，增加与工业系统的信息交互功能；
18)布署边缘计算节点，汇聚生产现场数据及来自工业控制系统如 PLC、历史数据库的数据、过程控制系统的数据，并进行数据的边缘处理。
相比传统的现场总线，工业实时以太网更加开放、便于集成，使用便捷，成本较低，具有明显的经济技术优势，因而工业实时以太网在工业控制领域越来越得到广泛的使用，是未来更适应智能制的造控制系统的网络首选。
OPC UA 作为工厂设备互联未来的首选。在工厂内部，对于新上线的设备和系统（包括工厂云平台），可首选采用 OPC-UA；以支持采用不同设备的厂商的设备和系统接入，以实现系统之间、机器之间的互联和信息交互，OPC UA 技术的广泛适用性使全新的垂直集成理念能够完全实施。
（3）区域数据服务系统
在接近现场，配置数据采集区域服务器资源，完成下列任务：
19)对来自现场的多源、异构数据的归一化处理；
20)向大数据平台进行数据传输的标准化资源配置；
21)利用边缘计算资源对数据预处理功能的标准化。
制造工序的所有数据均由本区域配置的数据服务器统一汇聚处理，从而可以

在区域确保数据的时空一致性、确保数据基础模型的一致性。
首先按照厂部配置，如果一个厂部范围由于产线多、数据复杂等因素，单台服务器无法满足，可按照相同标准配置第二台，数据接入可按照产线（工序）来划分，原则是：同一产线的相关数据接入同一台服务器，以便数据模型的管理。
宝钢股份钢厂热轧试点示范项目应用
宝钢股份钢厂智能车间项目是 2015 年工信部试点示范项目中首个钢铁行业
示范项目。自 2015 年正式启动，进行了大量的策划工作，除了规划完成的各项应用功能外，数据的采集和边缘计算资源配置是一项具有探索意义的工作，由此，解决了企业数据系统构建过程中诸多技术问题，形成了若干数据采集、接入、传输的标准和规范，探索了边缘服务器资源设置的若干规则，为宝钢大数据平台规模化建设打下了坚实的基础。

图 5-4 宝钢股份热轧智能车间项目中现场多源异构数据采集与边缘端归一化处理
工业现场数据采集与接入
22)各类 PLC 系统中时序数据采集：通过工业网关 ICG 连接进行协议转换，适用于特殊的协议，如：电力 104 协议，MODBUS 协议，再通过 ICG 提供的 OPC 传送到边缘服务器的实时数据库；
23)采用数据库抽取方式从 L2 数据库获取数据，传送到边缘服务器的关系数据库;
24)I/O Server、PDA&FDAA 的数据通过 OPC 接入数据到实时数据库；
25)对于某些需要高速实时采集或难以通过配置实现数据采集的场合，编写
tcp/ip 通信接口电文程序实现；
26)特殊仪表的数据采集，需要编写 tcp/ip 通信接口电文程序；
27)图像、声音、视频以 ftp 文件方式传输。

区域数据服务系统构成
边缘计算服务器对硬件没有特别的要求，主要根据区域数据处理和功能进行设计和配置，尽可能采用相同的标准配置所有区域的数据服务器，包括硬件、软件和功能，从而降低个性化开发的成本，便于扩展和维护。数据中包括了非结构化数据，在网络带宽要予以保证；信息安全是一个特别要予以考虑的问题。
区域数据服务器的软件环境配置是重点，其核心是高性能的实时数据库；商用的大型实时数据库代价极高，可采用自主开发的高性能实时数据库 iHyperDB，现场所有时序数据，通过配置建立好连接方式及存储参数后，所有选定的实时数据会自动传输至实时数据库中并作为原始数据存储。实时数据库可以根据数据变化的规律选择按时间周期存储和按事件方式处理数据，配合客户端的过滤技术，整个实时数据库应达到千万条记录/秒的极高存储能力，确保本工业现场接入对数据的响应要求。
数据处理、匹配、管理采用批处理软件，如：iBatchCube，可以将现场原始数据根据业务规则形成与生产相关的批次数据，并提供全面的批次管理和清晰的过程可视化功能，在此基础上，将批次数据通过不同的接口发布给相关的应用系统，为后续数据分析和挖掘提供基础。关系型数据采用开放式关系型数据库，如
MYSQL 等，进行数据存储;配置 ETL 引擎，以便从过程计算机（L2）关系数据库表中推送数据到大数据平台。基于 TCP/IP 的 SOCKET 通信采用 iXComPCS，主要用于和相关 L1 及 L2 的数据通信。在某些应用场景，需要对区域内制造过程与装备的状态实时监控，本服务器可兼做 I/O 服务器，则需要配置 SCADA 软件，如：iCV 等。
（5）数据服务功能构成
利用区域数据服务器的边缘计算能力和软件工具，对汇聚于服务器节点的所有现场数据进行分类预处理。（如图 7-5）

图 5-5 区域数据服务器的功能定义

实施效果
本项目是首个按照全新的实施架构构筑的数据系统，通过 1580 产线示范项目，所有的技术都获得了验证，所有的功能均得以实现。
宝钢股份大数据平台正在建设完善中，在边缘侧，采用了本项目验证的架构和技术予以实现，所有数据获取均获得了性能上的保证。
本项目不仅支撑了 1580 试点示范项目的执行，也为后续在其他工序进行推广打下了坚实的基础，可以方便的以标准化的形式进行快速的推广和部署实现。
�细化应用场景二：轧机振动监测及抑振技术研究与应用应用场景描述
（1）问题现状
轧机是一个复杂的机电液耦合的大型系统，其动力学状态与各子系统间的耦合作用非常密切，数以千计的结构部件通过机、电、液等相互作用耦合，在带钢加速和减速过程中，会不可避免地引发一些共振条件，导致系统产生大的振动。
由于轧机机组设备的不同或者生产钢种、生产工艺的不同，因此各机组轧机振动特性也会有所不同，引起轧机垂直振动的原因有多种，凡是能对轧机系统造成冲击或引起作用力变化的因素都可能导致轧机振动的发生，如：乳化液状态、传动系统、辊系状态、压下系统及张力等，以及相互之间的耦合作用，所以，轧机振动是制约机组产能及产品表面质量的一大现场难题。
国内外不少学者、国外知名公司都从不同角度去研究轧机振动的技术和产品，但效果不尽人意。
（2）解决问题的迫切性
冷连轧机高速轧制过程中普遍存在和期待解决的问题，也是世界范围内困扰各大钢铁企业的技术难题。根据生产经验，通常轧制速度越高、材质强度越高、带钢厚度越薄，轧机越容易发生振动。轧机振动会给生产带来许多问题，包括：
3)产生振动纹缺陷，影响带钢表面质量，或造成带钢厚度波动；
4)振动导致设备磨损加快、辊耗增加，影响设备使用寿命；
5)振动严重时甚至造成断带堆钢，造成轧机停机、换辊；
6)影响轧机生产效率，限制产能发挥，成本上升。

应用场景的实施架构

图 5-6 轧机振动控制系统功能示意图
解决上述问题的行之有效方法是：实时监测轧机各机架振动和轧辊转速情况，对振动信号进行实时分析处理，预判轧机运行状态并及时给出抑振控制策略。
1）轧机振动数据采集与监测
首先通过加装加速度传感器采集轧机振动信号，同时直接采集轧机主电机的转速、剪切信号等，送到边缘服务器对数据进行处理、计算、分析、存储与报警判断等，从而实现轧机振动的监测与报警功能；并计算出轧制距离、机架线速度、带钢累计轧制距离等，从 L2 系统获取钢卷信息和轧辊信息等，当轧辊信息更新时，可保证系统能及时获取到最新的轧辊信息。
2）轧机振动数据分析与抑振控制
当轧机机架表现出共振趋势或振动级别超过一定程度时，则及时预警，提醒操作人员，并给出相应的参考控制策略，向轧机控制系统发送控制命令来拟制振动，从而有效抑制轧机振动危害；这些措施将从一定程度上消除振动源并显著降低轧机振动发生的频次，从而解开了束缚轧机产能发挥的瓶颈，有利于生产提速。同时通过其量化的监测结果，可以有效避免传统人工主观判断所存在的漏判错判现象，避免缺陷产品流入到下道工序或用户；此外，根据所监测到的振动波形特征，可以分析振动原因并采取调整设备机械、工艺、电气等方面的措施，再结合轧机振动的实时监测结果来验证消除振动措施的效果。
轧机振动与抑振应用功能设计
1）轧机振动特性分析
对所监测到的轧机振动数据进行分析整理，研究该轧机的振动发生规律特点，分析查找可能存在的影响因素，如辊缝润滑状态、机械设备缺陷、外部传递、设

备间隙、轧辊磨削质量等因素。
借助于本轧机振动监测系统持续的在线监测结果和历史数据存储及回放功能，可以方便的对现场的轧机振动情况进行跟踪，对现场振动数据进行分析统计，通过对振动数据的统计分析，可以找出机组的主要振动特性：包括振动发生的机架位置、伴随振动形态、振动频率分布区间、振动最常发生频率等。
通过分析，发现如下振动规律：易引发振动的因素包括：在制带钢厚度、轧制变形量、以及工作辊辊面磨损程度等。
2）轧机振动报警判别技术
报警线需要参考大量的历史数据加以设定，不合理的设定会造成系统误报或其他异常情况出现。一般来讲，随着轧机速度的增加，所监测到的无序杂乱振动信号幅度也会增大，其表现为轧机的整体振动能量会有所增加，其容易发生共振的频率也会由于转速的增加也会有所增加，因此在设计振动报警模型时，通常需要考虑速度的影响。
3）轧机振动原因分析技术
导致轧机发生振动的原因有多种，针对各种原因所要采取的抑振措施都有所不同，如何根据所监测到的轧机振动结果来判断是什么方面的因素导致的振动较为关键。
通过数据，实现对导致轧机发生振动的原因追踪分析是极其重要的，包括：润滑状态引起的振动、辊系故障引起的振动、来料问题引起的振动、其他因素引起的振动等。
4）振动抑制策略制定
结合轧机振动情况分析结果和现场实际生产工艺参数，初步判定引起轧机振动的主要因素，并通过采取生产工艺参数调整、乳化液参数调整、设备间隙调整、轧制负荷分配调整等手段来验证其对消除轧机振动的效果。
实施效果
本系统上线后，借助高灵敏度传感器，能够清晰准确的测量轧机振动，并在轧机振动程度较轻时就提前发出振动报警，使操作工可以在振动发生初期即进行处置，避免了由于环境嘈杂对故障判定的滞后和依赖人工经验判定而导致误判和漏判的不确定性。系统正式投入运行后数据表明：该机组的月平均振动次数下降了约 50%左右，并产生如下的效果：

7)依据轧机状态适时、适当调整轧制速度，充分发挥轧机产能；
8)避免或减轻振动纹缺陷，大大降低对产品表面质量的影响；
9)比对历史数据中缺陷信息与振动监测数据，可以将振动信息与缺陷信息对应起来，对振动纹缺陷做量化评价；
10)对轧机辊系状态进行实时监测，通过对关联数据的自相关性计算，实现辊系故障的自动判断；
11)数据回放系统可以有利于相关产品缺陷信息的回溯。
�细化应用场景三：实施集成客户的制造工程应用场景描述：钢铁供应链上下游协同现状
随着世界贸易和经济一体化的不断发展，全球市场竞争日趋激烈，企业与企业之间的竞争已经发展为供应链与供应链之间的竞争与合作，各大钢铁企业纷纷探索尝试在供应链领域与上下游企业展开了多种形式的业务协同，建立战略合作关系，发展利益共同体，以期在日益严峻的市场竞争压力下争取生存和盈利的机会。
但是，多数还仅停留在电子商务业务方面，各类客户通过在上游企业（多为钢铁企业）提供的平台上，订购期货或者现货，再根据生产需求和生产组织方式进行委外加工等，较以往传统的销售模式而言，供需之间增加了基于互联网的电子商务交易平台，但在产业链协同上，并没有本质上的变化，上游企业的生产和下游用户的需求链并没有打通，下游企业为了保证生产，需要贸易单位等提前采购保证库存。总体来看，上下游产业在局部方面有强化和升级，但是打通整体产业链方面还存在很大的提升空间。
目前，在企业工业互联网建设方面，呈现出下列情况：
（1）钢企建立了完善的企业内部数据总线，努力打通企业内部数据孤岛；但在与下游客户企业之间的数据传输壁垒仍然存在；
（2）由于信息不对称，导致厂内制造与厂外渠道在供应链协同上存在诸多盲区：厂内制造关注未来品种结构、订货稳定性，重心是集批、瓶颈、小炉次需求，催交订单紧急程度和优化排序；厂外渠道关注订单交付时点的不确定行，紧急催交缺乏保障，技改、年修影响无预判；双方的关注点和中心不同，无论用户计划波动经从渠道加工中心向制造单元传递，还是制造变更经渠道向下传递，均为串行传递方式，沟通协同和风险应对效率低；

（3）订单交付二段式管理，管理系统多，存在信息落地，未实现全程信息实时共享、可视；订单交付模式单一，全程供应链周期超长，渠道库存超高，市场响应速度及供应链抗风险能力弱化；
（4）迫切需要建立企业间的数据交换标准与规范，真正实现基于工业互联网的跨业务界面、跨信息系统得基础代码定义及转换的标准化，支撑全程供应链业务流程、管理职责的标准化，以及全程供应链分段目标周期标准化、断点管理标准化，实现集成客户的制造工程。
供应链上下游协同商业模式创新
以智慧制造的理念和方法推进供应链协同，研究以用户为中心，基于全程供应链协同模式，实施�按需求拉动组织生产�，提高交付精度、缩短交货周期、降低供应链库存，实现低库存成本、低资金占用、高效率响应、稳定可靠的供货保障协同解决方案，巩固并不断提升在供应链安全性和保障性方面的竞争优势。
作为多个行业工业原材料的重要提供商，钢铁企业正在或者已经在与多个下游战略客户实现基于价值共享的横向集成，这一举措凸显出商业模式上的巨大创新，形成了基于工业互联的集成客户制造工程。
随着工业互联网技术的发展，钢企已具备促进最终用户企业与钢企业生产直接对接，转变传统的以产定销的模式为以销定产，实现即时生产，提高钢铁产业链的整体协同制造效率的基础条件。
应用场景的实施架构

联系人：	王先生
电话：	18682310015
Email：	info@thinker.vc
网址：	www.thinker.vc
地址：	广东省深圳市南山区科苑北路科兴科学园C3座1601室

重点用能单位能耗在线监测

省市级重点用能单位能耗在线监测平台

企业能源管理云平台

重点用能单位能耗监测端系统和端设备