劉獻(xiàn)東
大數(shù)據(jù)分析和云計(jì)算是歐盟鋼鐵行業(yè)數(shù)字化轉(zhuǎn)型的12個(gè)重點(diǎn)科研基金項(xiàng)目之一。大數(shù)據(jù)分析關(guān)注基于歷史數(shù)據(jù)的算法,以識(shí)別產(chǎn)品質(zhì)量問(wèn)題從而減少產(chǎn)品故障。鋼鐵行業(yè)中的傳統(tǒng)數(shù)據(jù)庫(kù)技術(shù)在完成對(duì)大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的捕獲、存儲(chǔ)、管理和分析方面,尚存在一定的困難。大數(shù)據(jù)分析技術(shù)采用新的處理模式,從各種數(shù)據(jù)類型中獲取有價(jià)值的信息,進(jìn)而深入了解、獲取信息并洞察和識(shí)別其中的內(nèi)涵,以便做出準(zhǔn)確的決策。
大數(shù)據(jù)分析和云計(jì)算領(lǐng)域有以下6個(gè)主要項(xiàng)目:
一是“鋼包全過(guò)程跟蹤”項(xiàng)目。
該項(xiàng)目根據(jù)多目標(biāo)優(yōu)化(MOO)框架和數(shù)據(jù)分析,采用了包括聲學(xué)在內(nèi)的各類傳感器,以提高工廠產(chǎn)量、提高鋼廠的安全性。項(xiàng)目目標(biāo)是實(shí)現(xiàn)鋼廠作業(yè)環(huán)境中的鋼包的自動(dòng)跟蹤,涵蓋從煉鋼、連鑄到板坯交付的全過(guò)程。準(zhǔn)確跟蹤鋼包位置是煉鋼工藝數(shù)字化轉(zhuǎn)型的基礎(chǔ)之一。鋼包跟蹤系統(tǒng)即要在保證平穩(wěn)生產(chǎn)的條件下,也要確保在生產(chǎn)計(jì)劃突然受到干擾的異常情況下優(yōu)化鋼包物流,以確保安全并提高產(chǎn)量。
二是“質(zhì)量4.0”項(xiàng)目。
該項(xiàng)目基于高級(jí)人工智能(AI)、機(jī)器自學(xué)習(xí)分析方法和大數(shù)據(jù)處理,開(kāi)發(fā)自適應(yīng)平臺(tái),允許在線分析大數(shù)據(jù)流,從而實(shí)現(xiàn)產(chǎn)品質(zhì)量決策并提供量身定制、高可靠性的質(zhì)量信息。對(duì)于歐洲鋼鐵行業(yè)來(lái)說(shuō),產(chǎn)能過(guò)剩導(dǎo)致廉價(jià)鋼鐵充斥著整個(gè)鋼鐵市場(chǎng),歐洲鋼鐵生產(chǎn)商迫切需要差異化,積極推廣一個(gè)通用平臺(tái)具有戰(zhàn)略意義。但是,共享錯(cuò)誤的質(zhì)量信息可能會(huì)導(dǎo)致客戶的嚴(yán)重不確定性并且損害客戶的信心。自適應(yīng)的“質(zhì)量4.0”項(xiàng)目平臺(tái)可以實(shí)現(xiàn)整個(gè)供應(yīng)鏈上質(zhì)量信息的橫向整合,在線分析大數(shù)據(jù)流,采用機(jī)器學(xué)習(xí)算法的創(chuàng)新方法,建??蛻絷P(guān)系并自動(dòng)交換數(shù)據(jù)自動(dòng)匹配可用的客戶和訂單信息,通過(guò)與客戶雙向交換量身定制的高可靠性信息,以實(shí)現(xiàn)差異化的產(chǎn)品質(zhì)量水準(zhǔn)決策并降低成本。
“質(zhì)量4.0”平臺(tái)作為面向服務(wù)的體系結(jié)構(gòu)(SOA),可以靈活地組合單個(gè)模塊并集成到現(xiàn)有的IT基礎(chǔ)架構(gòu)中,不需要依賴單個(gè)產(chǎn)品或技術(shù)?!百|(zhì)量4.0”平臺(tái)由3個(gè)服務(wù)模塊組成:一是質(zhì)量數(shù)據(jù)生成服務(wù)模塊(QGS),生成質(zhì)量數(shù)據(jù)及其合理性值;二是質(zhì)量分配服務(wù)模塊(QAS),將客戶訂單與產(chǎn)品合理分配,并選擇相關(guān)的質(zhì)量數(shù)據(jù); 三是質(zhì)量交換服務(wù)模塊(QXS),交換為每個(gè)客戶訂單編譯的選定質(zhì)量數(shù)據(jù)。
其中,“質(zhì)量4.0-QGS”的主要功能是估計(jì)所有可用數(shù)據(jù)源的質(zhì)量數(shù)據(jù),并通過(guò)可能值(PV)量化該估計(jì)的置信度,以最終保證所提供質(zhì)量信息的可靠性??赡苤档拇_定可以用一個(gè)函數(shù)表達(dá)。
有效可靠地檢測(cè)異常質(zhì)量指標(biāo)對(duì)“質(zhì)量4.0”項(xiàng)目起著基礎(chǔ)性的作用。在整個(gè)生產(chǎn)過(guò)程中收集的與質(zhì)量有關(guān)的數(shù)據(jù)可能因檢測(cè)等各種原因出現(xiàn)異常值。由于離群值的類型和多樣性,目前還沒(méi)有一種公認(rèn)的方法可以在任何情況下有效可靠地檢測(cè)異常值。離群值概念的非正式定義涉及其偏離正態(tài)性,可分為5類:基于分布、基于深度、基于距離、基于聚類和基于密度。該項(xiàng)目使用了FUCOD算法來(lái)檢測(cè)異常值,該方法結(jié)合了現(xiàn)有的4種離群點(diǎn)檢測(cè)方法,利用模糊推理系統(tǒng)(FIS)對(duì)每種方法的貢獻(xiàn)進(jìn)行動(dòng)態(tài)管理,根據(jù)處理后的數(shù)據(jù)挖掘其優(yōu)點(diǎn),避免其缺點(diǎn)。FUCOD是為處理多維數(shù)據(jù)而設(shè)計(jì)的,這意味著離群值水平的計(jì)算不僅要考慮構(gòu)成質(zhì)量數(shù)據(jù)的單個(gè)變量的特性,還要考慮它們之間的相互作用。這些特點(diǎn)使得FUCOD方法特別適用于處理大量任務(wù)的工業(yè)數(shù)據(jù)集。該方法已成功應(yīng)用于歐洲鋼鐵行業(yè)。
“質(zhì)量4.0-QAS”結(jié)合質(zhì)量數(shù)據(jù)和客戶相關(guān)知識(shí),實(shí)現(xiàn)對(duì)產(chǎn)品質(zhì)量的自適應(yīng)性監(jiān)督,可提供估計(jì)的質(zhì)量數(shù)據(jù)及反映質(zhì)量數(shù)據(jù)置信度的專用合理性值,將收到的信息與目標(biāo)客戶的知識(shí)相結(jié)合,自主分配和交換相關(guān)訂單的質(zhì)量數(shù)據(jù)、編制質(zhì)量缺陷以創(chuàng)造有價(jià)值的信息,并向供應(yīng)商反饋這些信息。然而,在供應(yīng)商和客戶之間交換相關(guān)質(zhì)量信息的系統(tǒng)必須能理解“相關(guān)性”的含義。因此,確定質(zhì)量信息相關(guān)性所需的所有信息都是基于可用的客戶信息和訂單數(shù)據(jù)進(jìn)行語(yǔ)義建模的。這種模型中包含了客戶親密程度,反映了供應(yīng)商和用戶之間的相互信任關(guān)系,從而能夠合理定義質(zhì)量信息的類型和數(shù)量。
“質(zhì)量4.0-QXS”根據(jù)“質(zhì)量4.0-QAS”提供的結(jié)果,為每個(gè)訂單分別編譯所選的質(zhì)量數(shù)據(jù),并使用標(biāo)準(zhǔn)通信協(xié)議交換數(shù)據(jù)。QXS是唯一可在工廠邊界之間訪問(wèn)的服務(wù),并管理“質(zhì)量4.0”平臺(tái)之間的質(zhì)量數(shù)據(jù)交換,可實(shí)現(xiàn)以客戶為導(dǎo)向的雙向質(zhì)量數(shù)據(jù)交換,并通過(guò)橫向集成建立對(duì)產(chǎn)品質(zhì)量的同步關(guān)注。為了確定合適的IT標(biāo)準(zhǔn)并在客戶和供應(yīng)商之間進(jìn)行質(zhì)量數(shù)據(jù)交換,目前已形成的解決方案有:QDX系統(tǒng)、 STEP系統(tǒng)和質(zhì)量跟蹤系統(tǒng)。由于沒(méi)有適用于質(zhì)量數(shù)據(jù)交換的免費(fèi)標(biāo)準(zhǔn),因此將在“質(zhì)量4.0”框架中定義和實(shí)施特定的IT標(biāo)準(zhǔn)。
FADI是一個(gè)可定制的端到端大數(shù)據(jù)平臺(tái),是一個(gè)能夠以可移植和可擴(kuò)展的方式部署和集成的開(kāi)源工具,也是一個(gè)多用戶和多參與者(即專業(yè)分析師,數(shù)據(jù)科學(xué)家/工程師,IT管理員等)的平臺(tái)。FADI有5個(gè)主要特征:一是收集來(lái)自各種數(shù)據(jù)源的批處理和流數(shù)據(jù),二是將數(shù)據(jù)存儲(chǔ)在不同類型的數(shù)據(jù)存儲(chǔ)區(qū)中,三是使用ML和 人工智能技術(shù),四是在用戶Web界面中可視化和分析數(shù)據(jù),五是生成和發(fā)布報(bào)告。
三是“傳感器數(shù)據(jù)挖掘以提高產(chǎn)品質(zhì)量”項(xiàng)目。
該項(xiàng)目提出了一個(gè)基于大數(shù)據(jù)、特征提取、機(jī)器學(xué)習(xí)、分析服務(wù)器和知識(shí)管理的解決方案,以自動(dòng)分析感測(cè)時(shí)間序列數(shù)據(jù)。項(xiàng)目通過(guò)開(kāi)發(fā)新的方法和工具,以幫助工廠提高產(chǎn)品質(zhì)量并降低生產(chǎn)成本,其方法主要是關(guān)注3個(gè)方面的質(zhì)量標(biāo)準(zhǔn):外觀、內(nèi)在質(zhì)量和機(jī)械性能。項(xiàng)目的開(kāi)發(fā)內(nèi)容一方面包括通過(guò)識(shí)別質(zhì)量不良的主要原因,以優(yōu)化制造過(guò)程;另一方面包括快速預(yù)報(bào)產(chǎn)品質(zhì)量,以更好地表征產(chǎn)品特性并降低成本。
這些新方法在從大量復(fù)雜數(shù)據(jù)中提取知識(shí),例如,基于相當(dāng)長(zhǎng)一段時(shí)間(2年~3年)的和高頻(1Hz~10Hz)的、大量參數(shù)(數(shù)百個(gè))的傳感器時(shí)間序列,摘出特定信息(例如,平均澆鑄速度)用于統(tǒng)計(jì)分析。為了自動(dòng)大量分析這些傳感器時(shí)間序列數(shù)據(jù),該項(xiàng)目提出了圍繞5個(gè)主軸構(gòu)建的綜合解決方案:
1.大數(shù)據(jù):設(shè)計(jì)和管理適合于對(duì)大量數(shù)據(jù)進(jìn)行數(shù)據(jù)分析的新數(shù)據(jù)庫(kù)類型。
2.從時(shí)間序列中提取特征:開(kāi)發(fā)用于構(gòu)建更合適指標(biāo)的算法,以更好地表征可能影響質(zhì)量的過(guò)程。
3.機(jī)器學(xué)習(xí):對(duì)機(jī)器學(xué)習(xí)的描述性和預(yù)測(cè)性分析,以查明質(zhì)量不良的原因和進(jìn)行更好的預(yù)測(cè)。
4.Analytics Server(數(shù)據(jù)分析服務(wù)器):開(kāi)發(fā)分析服務(wù)器以提高建模效率、優(yōu)化管理并改善流程專家和數(shù)據(jù)挖掘?qū)<抑g的交流。
5.知識(shí)管理:實(shí)現(xiàn)專業(yè)知識(shí)資本化和有價(jià)值的統(tǒng)計(jì)數(shù)據(jù),以規(guī)范和優(yōu)化工藝知識(shí)和統(tǒng)計(jì)知識(shí)之間的交流。
四是“基于大數(shù)據(jù)開(kāi)發(fā)實(shí)時(shí)監(jiān)測(cè)、控制和預(yù)測(cè)的突破性技術(shù),以提高鋼鐵生產(chǎn)過(guò)程的穩(wěn)定性和產(chǎn)品質(zhì)量”項(xiàng)目。
該項(xiàng)目專注于鋼鐵行業(yè)的應(yīng)用場(chǎng)景開(kāi)發(fā)和實(shí)施方法,基于鋼鐵工藝、并利用最新技術(shù)的數(shù)據(jù)處理和數(shù)據(jù)分析進(jìn)行性能監(jiān)控。隨著歐洲鋼鐵生產(chǎn)對(duì)產(chǎn)品質(zhì)量和工藝效率要求的不斷提高,工藝和產(chǎn)品的數(shù)據(jù)和信息收集量也在不斷增加。同時(shí),也需要新的方法來(lái)分析和控制生產(chǎn)過(guò)程、確定和預(yù)測(cè)中間產(chǎn)品和最終產(chǎn)品的性能。該項(xiàng)目以鋼鐵行業(yè)的專用用例為重點(diǎn),利用數(shù)據(jù)處理和數(shù)據(jù)分析的最新技術(shù)提供的所有技術(shù)和科學(xué)可能性,綜合利用鋼鐵廠收集的大量信息資源。該項(xiàng)目的最終目標(biāo)是:1.研究出制造過(guò)程分析和控制的開(kāi)發(fā)和應(yīng)用方法,以及評(píng)估和預(yù)測(cè)(中間)產(chǎn)品質(zhì)量的擴(kuò)展工具;2.提供此類方法的適用性和有效性的證據(jù);3.發(fā)現(xiàn)在調(diào)查用例之外開(kāi)發(fā)新方法的可能性并提出建議
該項(xiàng)目中包括的基礎(chǔ)子項(xiàng)目有:
1.大數(shù)據(jù)的應(yīng)用。
由于其數(shù)據(jù)存量具有規(guī)模大、多樣性和快節(jié)奏性的特點(diǎn),傳統(tǒng)數(shù)據(jù)處理應(yīng)用軟件無(wú)法充分處理過(guò)于復(fù)雜的數(shù)據(jù)集的研究和應(yīng)用。該項(xiàng)目以產(chǎn)生經(jīng)濟(jì)效益為目的,對(duì)來(lái)自多個(gè)來(lái)源的大量數(shù)據(jù)進(jìn)行高速分析,既涵蓋了結(jié)構(gòu)化的數(shù)據(jù),又涵蓋了半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù),同時(shí)也應(yīng)用于孿生數(shù)據(jù)。在保證數(shù)據(jù)質(zhì)量的前提下采用NoSQL(not only SQL)數(shù)據(jù)形式,應(yīng)用于“質(zhì)量4.0”(全流程質(zhì)量管理)、鋼鐵產(chǎn)品全流程數(shù)據(jù)跟蹤的無(wú)縫跟蹤(位置識(shí)別與找正)。
2.事件處理。
事件處理是指一種跟蹤和分析(處理)有關(guān)所發(fā)生事情(事件)的信息(數(shù)據(jù))流并從中得出結(jié)論的方法。該子項(xiàng)目由意大利RINA負(fù)責(zé)。RINA集團(tuán)下屬的意大利材料研發(fā)中心CSM(寶鋼歐洲研發(fā)中心在歐洲的聯(lián)合研究中心)負(fù)責(zé)M設(shè)計(jì)、開(kāi)發(fā)和驗(yàn)證了創(chuàng)新的大數(shù)據(jù)架構(gòu),以管理來(lái)自鋼鐵生產(chǎn)的數(shù)據(jù)(過(guò)程和質(zhì)量數(shù)據(jù))。實(shí)現(xiàn)了Lambda架構(gòu),并能夠以實(shí)時(shí)流和批處理兩種方式處理數(shù)據(jù)。這種體系結(jié)構(gòu)可對(duì)鋼廠自動(dòng)化系統(tǒng)的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析,并將其存儲(chǔ)起來(lái)進(jìn)行歷史分析,是一個(gè)適合人工智能模型集成的場(chǎng)景。
目前已經(jīng)成功實(shí)施的實(shí)際案例包括:“基于機(jī)器學(xué)習(xí)技術(shù)的過(guò)程機(jī)器預(yù)測(cè)維修”“基于深度學(xué)習(xí)模型的過(guò)程數(shù)據(jù)缺陷預(yù)測(cè)”“預(yù)測(cè)過(guò)程關(guān)鍵績(jī)效指標(biāo),以防止過(guò)程偏差”“利用深度學(xué)習(xí)和圖像分析進(jìn)行缺陷分類”。
3.機(jī)器深度學(xué)習(xí)和大數(shù)據(jù)分析。
該子項(xiàng)目由德國(guó)BFI集團(tuán)負(fù)責(zé)。大數(shù)據(jù)分析是收集、組織和分析大數(shù)據(jù)集以發(fā)現(xiàn)有用信息的過(guò)程。機(jī)器深度學(xué)習(xí)的方法包括:深層神經(jīng)網(wǎng)絡(luò)(監(jiān)督)、經(jīng)常性網(wǎng)絡(luò)(監(jiān)督)、卷積網(wǎng)絡(luò)(監(jiān)督)、“深信不疑”的網(wǎng)絡(luò)(無(wú)監(jiān)督)。
五是“基于網(wǎng)絡(luò)物理系統(tǒng),將智能數(shù)據(jù)驅(qū)動(dòng)的維護(hù)操作應(yīng)用于軋鋼區(qū)域”項(xiàng)目。
該項(xiàng)目可預(yù)測(cè)質(zhì)量降級(jí)、故障、異常、關(guān)鍵部件的剩余壽命,以便及時(shí)規(guī)劃適當(dāng)且具有成本效益的維護(hù)及干預(yù)措施。
該項(xiàng)目通過(guò)在“Industry 4.0”基礎(chǔ)上建立的實(shí)驗(yàn)系統(tǒng)和工具,開(kāi)發(fā)了應(yīng)用于軋制區(qū)域的“集成維護(hù)模型4.0”(IMM4.0),將鋼鐵行業(yè)的維護(hù)策略從預(yù)防性維護(hù)轉(zhuǎn)變?yōu)閮?yōu)化的預(yù)測(cè)性維護(hù)。該模型通過(guò)預(yù)測(cè)關(guān)鍵單元的質(zhì)量下降、故障、異常和剩余壽命,從而及時(shí)做出維護(hù)和干預(yù)。
六是“實(shí)現(xiàn)鋼廠無(wú)人機(jī)自主飛行監(jiān)視和點(diǎn)檢”項(xiàng)目。
該項(xiàng)目中采用新的傳感器數(shù)據(jù),在兩個(gè)鋼鐵廠(蒂森克虜伯的Duisburg工廠和ILVA的Taranto工廠)檢驗(yàn)了用無(wú)人機(jī)(UAV)代替鋼廠傳統(tǒng)基礎(chǔ)設(shè)施維護(hù)和保障相關(guān)崗位人員安全的技術(shù)效果。
該項(xiàng)目采用無(wú)人機(jī)進(jìn)行點(diǎn)檢,提高了鋼廠工人的安全性并顯著降低了維護(hù)成本。該項(xiàng)目在硬件方面改進(jìn)了無(wú)人機(jī)的結(jié)構(gòu),以確保事故發(fā)生時(shí)工人的健康和安全;設(shè)置了自主充電站,足以適應(yīng)鋼廠作業(yè)環(huán)境;設(shè)立了集成系統(tǒng),可從無(wú)人機(jī)傳感器獲取數(shù)據(jù)。同時(shí),該項(xiàng)目在軟件方面采取了用于在復(fù)雜區(qū)域中進(jìn)行自主且穩(wěn)健飛行的算法、協(xié)調(diào)激活和調(diào)度無(wú)人機(jī)機(jī)隊(duì)的策略、適用于基于智能手機(jī)的無(wú)人機(jī)的人機(jī)界面。此外,該項(xiàng)目在管理方面開(kāi)發(fā)了無(wú)人機(jī)控制/管理人員培訓(xùn)系統(tǒng),并確保滿足所有有關(guān)無(wú)人機(jī)的法律要求和公司內(nèi)部限制條件。
《中國(guó)冶金報(bào)》(2021年1月15日 02版二版)