智能轧机技术

智能制造是工业发展的重要趋势，业界根据信息物理系统概念提出了各种建议。对于轧钢厂来说，其目标是实现轧机智能化，使其达到稳定运行和最佳性能。本文由此提出了智能轧机的概念。

1

前言

全球冶金行业竞争激烈，这种商业环境对炼钢设备、轧机和带钢处理线的运行提出了更高效的要求；反过来，这又推动了工厂在操作实践、节能降耗、维护程序和自动化方面的全面改进。最近，相关的大数据及分析学、物联网（IoT）及人工智能（AI）技术正处于发展阶段，这使得它们在钢铁行业实际应用中成为有效工具。以这些理念作为基础，才能表达互联工业、工业4.0及工业互联网联盟（IC）中的概念。

2

智能轧机

2.1自动化技术的挑战

在20世纪90年代以前，下游客户需要及时采购运作，对不同产品的需求批次越来越小，所以对轧钢厂提出的主要要求就是保持产品优质、性能一致和运营高效。从20世纪90年代开始，在能源效率和盈利能力等因素的提高上，对钢铁行业提出了新要求。2000年代，随着对按严格公差生产的高质特种钢需求的不断增长，钢铁行业面临的挑战进一步加剧。针对每个时代的不同挑战，业界对生产设备、操作实践和轧制过程进行了分析和建模，发掘出改进自动化和控制系统能力的实践方法。控制系统技术的发展和完善，实现了对大数据和变量进行高扫描率采样，并且能够高速度、高精度地执行智能控制算法。

2.2未来的自动化

轧钢厂的操作及控制是人工和计算机自动化相结合进行的。对于智能轧机来讲，人员控制和自动控制的比例发生了巨大的变化，操作员无法看到的区域以及模型不能表述的区域减少了，操作过程中对操作员的判断和干预的依赖程度降低了，自动化控制水平得到了提高。具体来说，推进的自动化技术如下：

1） 实现了所有可能条件下的先进控制技术完全自动化。通过人力辅助系统增强了人机输入，可为操作工和技术人员显示出轧机设备的条件和性能、自动控制系统的性能、工艺运行条件以及各生产阶段的产品质量。

2） 以计算机为基础的智能型预测和防护维修工具，利用工厂和机器数据，来检测和/或预测设备的磨损和故障概率，便于对生产设备按照运行周期进行管理。逻辑分析可用来确定维护步骤或补救措施。

3） 需要复杂的模型和先进的控制系统来减少人工调优和操作，采用具有学习能力和自调整、自适应控制算法的先进模型，以实现轧机性能的最大化

要想通过先进自动化来实现对轧机性能有针对性的改进，关键是利用从轧机高速及连续运行条件下收集到的大数据，这种能力是通过构建信息物理体系来实现的，这是物联网技术应用中众所周知的概念，但是数据收集和积累的方法以及数据的最佳应用，都取决于生产设备的运行特征、操作实践、制造工艺和产品组合。

2.3智能轧机

图2所示为智能轧机的配置。该系统的特点如下：

1） 操作员和技术人员是轧机运行的控制和协调中心，智能轧机的功能和特性可以支持这些人员的工作，提高他们的能力。

2）“ 网络轧机”是实际轧机的信息物理系统。操作员和技术人员在虚拟的网络轧机中工作，这样他们就能与方案引擎进行通信和交互。

3） 智能轧机由网络轧机和方案引擎组成，所有的方案引擎都是通过智能化处理设备大数据来实现的，设计的每个引擎都可提供某个特定功能，并给操作员和技术人员提供准确的说明。

3

设备大数据与管理

3.1设备大数据PDCA方法的使用

想要创建用于诊断和分析、预测和维护以及流程优化的通用模型，重点在于确定获取的流程数据与测量的流程结果之间的关系，进行大数据分析时，对数据进行高速处理的能力非常重要。然而，从根本上来讲更重要的在于：从数据中提取输入/输出相关性的有效信息并有效地利用这些信息。

PDCA（计划、执行、检查、操作）管理周期就是根据以下步骤构建的：P）了解数据特点及数据分析的目的，在此基础上选择目标数据；D）对数据进行处理后，对缺失数据、异常数据或非相关数据进行特征提取和因果关系估计；C）评估和验证估算结果；A）将其应用于过程的实际控制。

通过使用大数据，对于人类来讲无法完成的事情，对控制系统来讲有可能完成：

1） 有可能检测到操作员经常遗漏或根本无法获取的有效数据，使得分析人员能够专注于数据的解释。

2） 识别异常并发现数据相关性成为可能，而这些数据是分析人员难以识别或不可能识别的，使得分析人员能够集中精力研究因果关系。

3） 数据的获取、分类、存储和管理容量远远超出了人类的能力。分析人员可专注于数据的解释。

3.2数据管理系统

智能轧机需要一个集成的数据管理系统，以便实现数据采集、存储和分析。数据管理系统的设计必须符合个体轧机的具体特点，对轧机和轧制过程有扎实可靠的了解，要想精准确定哪些数据有用、哪些数据应该收集，这点非常重要；这种必要的了解也可用来确定与产品数据相匹配的扫描率，以便生成有效分析数据，提取有用知识，从而避免设置无效的高速率扫描，从而降低了系统的负载。就轧机而言，要能够收集有关轧机运行状态和轧制工艺结果的数据，这些数据必须在整个轧材长度内实时收集。数据大多可根据时间和产品进行追溯。这些都是利用大数据进行PDCA循环查找方案的重要因素。

在支持高级设备数据管理系统的系统中，大量基于时间的数据被收集和存储在设备数据库中。对设备数据库依据大小进行分类，以便根据需要存储和检索代表设备运行月份或年份的数据。所获数据包含了产品性能、产品质量、控制系统性能、生产线运行和轧机总体性能的信息。

设备数据库基本上包括了各个自动化控制级别的数据，0级如电机、驱动器、传感器和执行器；1级如控制器及实时控制装置；2级为监控系统（轧机设置数据、产品质量信息、运行历史、报警）。

系统设计主要依据如下：

1） 真实再现包括轧制现象及控制系统/设备表现等在内的运行数据，是轧机的网络物理系统，需要较短的采样周期。

2） 长期的数据保存能力，较快的数据搜索和检索速度，可以压缩数据，降低存储要求。

3）能够将数据链接到各种参数（如日期/时间、产品ID、产品规格、控制条件等）。所需数据必能根据这些参数链接进行检索。

4）能够扩展数据收集范围。通过设备联网来获取设备诊断数据、振动数据、声学数据、视频采集等。

5）能够以文本、音频、数字图像和视频等多种形式获取、存储和处理数据。

6）实时分析/处理。数据的收集和积累能够支持在线实时数据流分析。

4

面向智能轧机的自动化技术

智能轧机能够监控整套设备和管理整个控制系统，这种能力提供了极强的优势，可使生产过程及设备保持在最佳性能水平，从而使产品质量最优化和运营效率最大化。下面讨论一些与制造业相关的特定技术。

5

结论

智能轧机的成功投运将减少人力劳动，促进自动化进步，且有利于提高产品质量和生产率。其中一个重要原理是：操作员及技术人员是轧机运行的中心，他们与各种方案引擎交互作用；网络轧机是协作工作的重要组成部分，它提供了一个一站式工作台。另外，特别是在轧钢厂，正确设计实时设备数据库，有效利用先进的数据处理和分析技术都是重要因素。尽管本文所介绍的方法及方案的许多要素目前正处于实践阶段，但仍存在许多问题，需要继续改进。此外，问题、根本原因和解决方案之间的因果关系没有完全阐明，因此最需要通过AI来挖掘网络轧机的全部潜能。

END