只有数字化转型才能解决行业不确定性问题

   2022-11-28 中国冶金报64

“数据科学、数字技术是解决钢铁全流程‘黑箱’等生产不确定性问题最好的一把钥匙。同时,钢铁行业全流程‘黑箱’生产又是数字化技术应用的最佳场景。”11月23日,中国工程院院士、东北大学教授王国栋表示,现今,信息技术和数据科学的发展强力支撑钢铁行业数字化转型,成为钢铁行业崛起的一个重要机遇。

他介绍,工业互联网、云计算、大数据、人工智能等新一代信息技术的快速发展和应用,正式宣告了数据时代的来临。在数据时代,数据成为社会发展的重要驱动力,成为全球新一轮产业竞争的制高点、改变国际竞争格局的新变量。“所以,我们对于数据这个新的生产要素要给予充分的重视。”他指出,通过数据/机器学习进行数据分析,成为数据时代解决不确定性问题最强有力的科学方法。

“钢铁行业全流程生产都是‘黑箱’,包括高炉里的铁水、转炉里的钢水、连铸坯与轧件内部复杂的组织等,具有严重的不确定性,看不见、摸不着,更测不了,但又事关钢铁行业的生产效率、产品质量、工序稳定性、成本、生态等最核心问题。”对此他指出,钢铁行业只有进行数字化转型,才能突破这些不确定性问题,实现高质量发展。

钢铁行业自身生产特色和数据时代发展特点的契合度极高。王国栋分析道,一方面,钢铁行业有着发达的数据采集系统和自动化控制系统,更有着大量的数据积累。这些数据中蕴含着企业生产过程的全部规律,是关键的生产要素。由此可见,钢铁行业在充分利用丰富的数据资源、实现产业数字化方面具有巨大潜力。作为世界上最先进、最高级的智能系统,信息物理系统特别强调,我们对于物理世界进行的分析计算,不仅仅深深嵌入到系统的每一个相互连通的物理组件中,甚至可能嵌入到物料中。因此,作为流程工业的钢铁行业可以针对物料建模,即建立物料的数字孪生,并将得到的数字孪生用于反馈控制,形成闭环赋能的信息物理系统。相较制造业来说,这一点是钢铁等材料行业解决不确定性的特有优势。

“因此,我们要万分珍惜这个优势,要充分发挥这个优势,抢先建设和应用信息物理系统。”王国栋进一步介绍,这个信息物理系统的底层是原位分析系统,主要包括两个部分。第一部分是实验工具,包括实验室的仪器设备、中试装备和生产线装备。第二部分是计算工具,包括机器学习、深度学习和数据分析。实际生产线等实验工具提供状态感知的数据,由计算工具对这些数据进行实时分析,分析的结果是可以对过程进行预测的数字孪生,再用数字孪生对过程进行优化设定,给出科学决策,并反馈赋能实现精准执行。这样就形成了基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系。

这个系统具有数据驱动的特征。“这意味着我们的控制模型由机理或经验驱动的传统模型转变为数据驱动的数字孪生模型。”王国栋对比分享了传统机理模型驱动与数据驱动的控制系统架构之间的不同,以及后者的巨大优势。

他介绍道,以往机理驱动的过程控制数学模型是将传感器信号汇集到定序器等下位计算机后,经过多个传感器的逻辑运算、阈值处理等,分层地汇集到上位计算机,常常不得不舍弃大量数据。在这样的结构中,大数据的分析和运用是非常困难的。而数据驱动的系统能够有效且公平地收集与处理所有数据,并通过大数据/机器学习,建成数字孪生过程控制模型。这样一来,就可以将底层传感器得到的信息,直接送到大数据中心,经过处理后用机器学习来进行运算,得到数字孪生模型,并将这个数字孪生模型送到边缘决策系统进行决策,最后再将决策结果送回到底层执行机构,完成闭环。“当然,数据驱动的数据中心,不仅可以存储数据,还必须具有数据处理功能,能够对数据进行提取、转换和加载,以满足下一步机器学习的需求。”他特别说道。

王国栋认为,钢铁行业必须与数字经济、数字技术相融合,发挥钢铁行业应用场景和数据资源的优势,以工业互联网为载体、以底层生产线的数据感知和精准执行为基础、以边缘过程设定模型的数字孪生化和CPS(信息物理系统)化为核心、以数字驱动的云平台为支撑,建设钢企数字化创新基础设施,加速建设数字钢铁。

同时,他根据产学研深度融合的实践,介绍了企业建设数字钢铁的经验。一是信息采集与精准执行是数字化转型的基础,是必备项,不完全、不完善的要先补课。二是软件定义。主要指软件改造,硬件可以利用已有的系统,将大幅降低数字化转型的成本、提高转型效率。三是数据驱动。采用数据/机器学习方法对数据进行运算,可以将机器学习的模型做到标准化,以实现对不同规模的装置采用各自的数据处理来建成最终的用于控制的数据孪生模型,便于推广、掌握、共享,有助于缩短工期、降低成本。四是数据驱动采用双层架构,容易实现离线调试—在线并行—实时上线,可避免风险,系统可快速由传统系统过渡为数字化系统。

随后,王国栋指出,钢铁行业实现数字化转型须攻克的一系列关键共性技术,其中包括数据驱动的IT系统架构、数据驱动的信息感知、数据驱动的数据中心、数据驱动的科学分析、数字驱动的智慧决策、数据驱动的回馈赋能、制造主流程及一体化的虚拟模型与实际过程实时融合的CPS化、数据驱动的资源配置与管理云平台、自动化系统补课、软件定义、软件、网络、安全和系统开发与上线。

“钢铁行业要充分发挥海量数据和丰富应用场景优势,促进数字技术与实体经济深度融合,建设钢铁创新基础设施,加速钢铁行业的数字化转型,增强企业核心竞争力,赋能高质量发展,打造新动能,将中国钢铁行业建设成为国际领先的工业集群。”王国栋最后说道。


免责声明:tiegu发布的原创及转载内容,仅供客户参考,不作为决策建议。原创内容版权tiegu所有,转载需取得tiegu书面授权,且tiegu保留对任何侵权行为和有悖原创内容原意的引用行为进行追究的权利。转载内容来源于网络,目的在于传递更多信息,方便学习交流,并不代表tiegu赞同其观点及对其真实性、完整性负责。如无意中侵犯了您的版权,敬请告之,核实后,将根据著作权人的要求,立即更正或者删除有关内容。申请授权及投诉,请联系tiegu(400-8533-369)处理。

 
 
更多>同类钢铁资讯
推荐图文
推荐钢铁资讯
点击排行
网站首页  |  经营资质  |  付款方式  |  关于我们  |  联系方式  |  使用协议  |  隐私政策  |  版权隐私  |  网站地图  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  皖ICP备2021002536号