久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

1、 項(xiàng)目背景介紹

在鋼鐵生產(chǎn)行業(yè)，對于物料、機(jī)械、生產(chǎn)過程和工藝的精細(xì)化管控，是實(shí)現(xiàn)產(chǎn)線高質(zhì)量、低能耗、高效率生產(chǎn)的基礎(chǔ)條件。在中厚板產(chǎn)線，因?yàn)楣に囋O(shè)計(jì)的限制，中間一些核心環(huán)節(jié)依然處于人工控制的階段，沒有完全實(shí)現(xiàn)自動(dòng)化控制生產(chǎn)。這主要體現(xiàn)在兩個(gè)方面：

其一是針對冷床、檢查臺架、橫移臺架的板坯跟蹤。在軋制、剪切等基于輥道的生產(chǎn)工序間，穿插了冷床、檢查臺架、橫移臺架等設(shè)施，最終形成了中厚板產(chǎn)線的非線性生產(chǎn)流程，這些中間設(shè)施需要通過額外的設(shè)備和系統(tǒng)實(shí)現(xiàn)局部的跟蹤，最終實(shí)現(xiàn)精整產(chǎn)線的跟蹤和管控。

其二是針對轉(zhuǎn)鋼過程的自動(dòng)化控制。轉(zhuǎn)鋼過程是中厚板產(chǎn)線軋制過程的起點(diǎn)，其主要作用是通過配合轉(zhuǎn)鋼和對鋼坯在橫縱兩個(gè)不同方向上的軋制，使中厚板板坯達(dá)到目標(biāo)軋制寬度。目前轉(zhuǎn)鋼過程依然有人工參與控制，未納入自動(dòng)化管控之中。

其三，在中厚板軋制過程中由于來料兩側(cè)厚度、溫度不一致、軋機(jī)牌坊剛度、液壓缸相應(yīng)的兩側(cè)差異、側(cè)導(dǎo)板對中跑偏等原因容易導(dǎo)致軋制過程中出現(xiàn)鐮刀彎。產(chǎn)線缺乏檢測設(shè)備和自動(dòng)化控制手段，一旦鐮刀彎糾偏不及時(shí)，輕則降低成品成材率，重則影響生產(chǎn)甚至損壞設(shè)備，現(xiàn)場迫切需要一套系統(tǒng)全面的鐮刀彎控制方法。

因?yàn)樯鲜鰡栴}的存在，中厚板產(chǎn)線未能完全實(shí)現(xiàn)自動(dòng)化控制，進(jìn)而導(dǎo)致精細(xì)化管理的不足，后流程數(shù)據(jù)反饋也比較繁瑣和之后，很大程度上影響了產(chǎn)線的生產(chǎn)質(zhì)量和產(chǎn)線的整體效益。

2、 項(xiàng)目目標(biāo)與原則

本案核心解決如下關(guān)鍵痛點(diǎn)：

1. 針對特殊場景的基于機(jī)器視覺的跟蹤技術(shù)

本案可以實(shí)施的核心原因之一是采用機(jī)器視覺技術(shù)，在滿足低成本、高穩(wěn)定性的條件下，實(shí)現(xiàn)了冷床等中間設(shè)施上的物料跟蹤能力。機(jī)器視覺技術(shù)有一定的普適性，針對大多數(shù)物料可以清晰識別的場景，都可進(jìn)一步實(shí)現(xiàn)對其的跟蹤。

2. 針對非線性的精整產(chǎn)線的跟蹤和管控

在解決痛點(diǎn)1，補(bǔ)全了從熱矯直機(jī)到雙邊剪、剖分剪間，冷床、檢查臺架和橫移臺架等中間流程的跟蹤信息后，結(jié)合原有產(chǎn)線輥道跟蹤系統(tǒng)的數(shù)據(jù)，實(shí)現(xiàn)了精整產(chǎn)線的物料跟蹤。并在此基礎(chǔ)上，通過對流程接口的控制和中間設(shè)施的調(diào)度優(yōu)化，實(shí)現(xiàn)了生產(chǎn)過程管控的優(yōu)化提升。

3. 針對轉(zhuǎn)鋼過程的自動(dòng)化控制

利用機(jī)器視覺技術(shù)，實(shí)現(xiàn)對轉(zhuǎn)鋼過程的實(shí)時(shí)監(jiān)控和轉(zhuǎn)動(dòng)角度反饋，使過程控制系統(tǒng)有了自動(dòng)判斷轉(zhuǎn)鋼到位的依據(jù)，實(shí)現(xiàn)該過程的自動(dòng)化控制。

4. 對物料、機(jī)械和生產(chǎn)過程的綜合管控

通過實(shí)現(xiàn)了精整線的自動(dòng)控制，可以進(jìn)一步利用工業(yè)互聯(lián)網(wǎng)平臺的能力，為整個(gè)產(chǎn)線關(guān)鍵內(nèi)容的全量數(shù)據(jù)采集，以及經(jīng)過數(shù)據(jù)分析完成對產(chǎn)線生產(chǎn)過程的綜合管控打下基礎(chǔ)。本案首先針對中厚板產(chǎn)線設(shè)計(jì)和實(shí)施，主要適配于任何鋼鐵生產(chǎn)企業(yè)中的中厚板、寬厚板生產(chǎn)線的物料跟蹤和綜合管控場景。經(jīng)過業(yè)務(wù)功能調(diào)整，可以推廣到其他連續(xù)、離散制造業(yè)產(chǎn)線。

5.板型缺陷檢測

通過深度學(xué)習(xí)技術(shù)的語義分割能力，提取板材板型輪廓，進(jìn)行板材的舌頭、魚尾、鐮刀彎等板型缺陷分析。

3、項(xiàng)目實(shí)施與應(yīng)用情況詳細(xì)介紹

一、 核心優(yōu)勢

1)   利用先進(jìn)的人工智能技術(shù)解決精整線控制的核心痛點(diǎn)問題

本案為國內(nèi)外首個(gè)將機(jī)器視覺應(yīng)用到中厚板物料跟蹤領(lǐng)域，通過普通攝像機(jī)實(shí)時(shí)跟蹤鋼板位置，成本低，效果好，穩(wěn)定性強(qiáng)。目前針對中厚板精整產(chǎn)線的跟蹤和管控平臺應(yīng)用還沒有找到其他對標(biāo)企業(yè)，其中一個(gè)核心原因主要還是因?yàn)橹虚g設(shè)施上物料跟蹤問題未得到較好的解決。目前的主要方案是采用傳感器技術(shù)，在中間設(shè)施下方部署大量的光柵傳感器?？紤]到現(xiàn)場的溫度、粉塵、氧化鐵皮震落等問題，光柵傳感器本身的環(huán)境抗性要求就比較高，導(dǎo)致設(shè)備本身較為昂貴。同時(shí)，因?yàn)橐蟮母采w面積廣闊，傳感器需求數(shù)量非常巨大，進(jìn)一步增加了實(shí)施成本。最關(guān)鍵的，一旦發(fā)生傳感器表面粉塵、氧化鐵皮堆積，傳感器檢測就會(huì)失靈，穩(wěn)定性低。而且因?yàn)閭鞲衅靼惭b于產(chǎn)線下方，不易維護(hù)，一旦發(fā)生問題，系統(tǒng)的投用時(shí)間就會(huì)大打折扣。相比于傳感器方案，基于機(jī)器視覺的物料跟蹤方案從幾個(gè)根本性問題上解決了原有的高成本、易失效、難維護(hù)的問題。首先，中厚板物料產(chǎn)品特征明顯，尺寸巨大，利用普通的高清監(jiān)控?cái)z像機(jī)即可實(shí)現(xiàn)基于機(jī)器視覺的跟蹤；可以從高處大范圍進(jìn)行拍攝和圖像識別，根本上避免了近距離檢測需要考慮的環(huán)境問題，并減少了設(shè)備數(shù)量；拍攝條件限制較少，可選位置廣泛，且安裝在上方，可從多個(gè)角度避免環(huán)境客觀因素導(dǎo)致的系統(tǒng)失靈，提高系統(tǒng)運(yùn)行穩(wěn)定性。基于機(jī)器視覺技術(shù)的轉(zhuǎn)鋼過程控制同樣具有上述特點(diǎn)，實(shí)現(xiàn)中厚板軋制過程的起點(diǎn)的自動(dòng)化控制。

2)   高度融合大數(shù)據(jù)和人工智能能力的架構(gòu)

將大數(shù)據(jù)平臺和算法服務(wù)平臺相融合，似的大數(shù)據(jù)平臺在進(jìn)行數(shù)據(jù)處理時(shí)能夠更容易的使用人工智能算法的能力。而算法服務(wù)平臺在構(gòu)建新的智能化分析服務(wù)時(shí)，可以利用大數(shù)據(jù)平臺實(shí)現(xiàn)更加便利的對數(shù)據(jù)的管理和應(yīng)用。二者相輔相成，形成真正的對工業(yè)場景的智能化賦能。

3)   利用數(shù)據(jù)可視化、數(shù)字孿生等技術(shù)讓數(shù)據(jù)活起來

為了更好的體現(xiàn)數(shù)據(jù)的價(jià)值和數(shù)據(jù)分析的結(jié)果，平臺廣泛利用了數(shù)據(jù)可視化和數(shù)字孿生等技術(shù)，使生產(chǎn)過程狀態(tài)可以更加清晰的展現(xiàn)出來，為生產(chǎn)過程的監(jiān)控帶來便利，真正為產(chǎn)線工人提供幫助。

二、 架構(gòu)設(shè)計(jì)

1)   整體設(shè)計(jì)

智慧中厚板視覺分析平臺由一套完整的工業(yè)互聯(lián)網(wǎng)平臺支持研發(fā)完成。自底向上大體分為物聯(lián)層、數(shù)據(jù)中臺層、業(yè)務(wù)中臺層、應(yīng)用層。具體包括物理設(shè)備構(gòu)成的物聯(lián)感知層、直接從物聯(lián)設(shè)備獲取數(shù)據(jù)的軟件系統(tǒng)構(gòu)成的物聯(lián)數(shù)據(jù)層、對數(shù)據(jù)進(jìn)行統(tǒng)一的接入、清洗、存儲、時(shí)空標(biāo)準(zhǔn)管理的數(shù)據(jù)規(guī)范化管理、統(tǒng)一負(fù)責(zé)大數(shù)據(jù)平臺與外部數(shù)據(jù)交互的數(shù)據(jù)總線、核心負(fù)責(zé)數(shù)據(jù)數(shù)據(jù)存儲、處理、分析并進(jìn)行數(shù)據(jù)的業(yè)務(wù)主題映射的數(shù)據(jù)中臺層、結(jié)合數(shù)據(jù)主題整合業(yè)務(wù)主題的業(yè)務(wù)中臺層、實(shí)現(xiàn)統(tǒng)一接口服務(wù)并進(jìn)行服務(wù)管理的服務(wù)總線層、支撐平臺對外服務(wù)的業(yè)務(wù)層以及基于平臺生成的看板數(shù)據(jù)及數(shù)據(jù)可視化的駕駛艙層。各層配合對外提供工業(yè)互聯(lián)網(wǎng)平臺的各種能力。

自主研發(fā)的大數(shù)據(jù)平臺是整個(gè)工業(yè)互聯(lián)網(wǎng)平臺的數(shù)據(jù)管理核心，支持進(jìn)入平臺的全量數(shù)據(jù)的接入、存儲、組織和一部分處理工作。平臺底層以Hadoop體系為核心，構(gòu)建分布式架構(gòu)下的數(shù)據(jù)存儲、資源調(diào)度和狀態(tài)管理。數(shù)據(jù)接入方面以自研Kafka為最常用的數(shù)據(jù)接入方式，同時(shí)也支持其他多種時(shí)效性和多樣數(shù)據(jù)源的數(shù)據(jù)接入方式。數(shù)據(jù)處理方面，平臺整合了MR、Spark、Storm的能力對外可以提供批處理計(jì)算、流處理計(jì)算以及更為直接的數(shù)據(jù)挖掘能力，覆蓋了全部常用的數(shù)據(jù)處理需求。數(shù)據(jù)存儲方面，通過整合多種專項(xiàng)用途的數(shù)據(jù)庫的能力，配合分布式文件系統(tǒng)，實(shí)現(xiàn)了對異構(gòu)數(shù)據(jù)的合理存儲。最后，統(tǒng)一進(jìn)行用戶、權(quán)限和安全管理，實(shí)現(xiàn)平臺功能對外的安全賦能，并支持多種方式實(shí)現(xiàn)平臺能力的調(diào)用。

算法服務(wù)平臺基于人工智能和神經(jīng)網(wǎng)絡(luò)的多種算法庫和模型設(shè)計(jì)框架為基礎(chǔ)設(shè)施、以多種機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)模型為核心賦能工具，利用數(shù)據(jù)處理、模型訓(xùn)練等模型優(yōu)化功能，完成工業(yè)智能化場景的高性能實(shí)現(xiàn)和落地。

結(jié)合大數(shù)據(jù)平臺的數(shù)據(jù)管理能力，利用獨(dú)特的雙向控制服務(wù)模塊，輔以針對特殊設(shè)備定制數(shù)據(jù)采集/接入模塊，實(shí)現(xiàn)算法服務(wù)與大數(shù)據(jù)服務(wù)的統(tǒng)一管理、調(diào)度和對外賦能。同時(shí)支持處理結(jié)果反饋到大數(shù)據(jù)體系實(shí)現(xiàn)數(shù)據(jù)閉環(huán)和業(yè)務(wù)閉環(huán)。利用容器管理技術(shù)，方便平臺服務(wù)在“云”（數(shù)據(jù)中心）上的橫向擴(kuò)展和環(huán)境遷移，同時(shí)也有利于環(huán)境的整體邊緣化部署，形成“云-邊-端”的邊緣計(jì)算分層服務(wù)體系，以提供更快的響應(yīng)速度，更低的帶寬占用。

2)   技術(shù)路線

a)   分布式和微服務(wù)架構(gòu)

平臺各核心模塊均采用分布式、微服務(wù)架構(gòu)的思想進(jìn)行實(shí)現(xiàn)。做到高度解耦，自由擴(kuò)展。核心的精整線跟蹤功能基于工作流思想實(shí)現(xiàn)，底層利用大數(shù)據(jù)流式處理進(jìn)行開發(fā)，充分利用了大數(shù)據(jù)應(yīng)用開發(fā)的擴(kuò)展能力。應(yīng)用開發(fā)基于Spring Cloud的微服務(wù)架構(gòu)，實(shí)現(xiàn)了模塊解耦。智能分析中，各模塊基于Docker，并將高內(nèi)聚模塊封裝成K8s的pod，以方便進(jìn)行微服務(wù)管理和擴(kuò)展。

b)   自研大數(shù)據(jù)平臺

  平臺以自研大數(shù)據(jù)平臺為基礎(chǔ)構(gòu)建，覆蓋全量數(shù)據(jù)的采集、接入、組織、存儲、管理和應(yīng)用。將大數(shù)據(jù)平臺的能力與其他各個(gè)模塊有機(jī)結(jié)合，進(jìn)一步提升平臺各模塊的能力。

c)   采用先進(jìn)的機(jī)器視覺分析算法

  在進(jìn)行圖像處理過程中，采用深度卷積神經(jīng)網(wǎng)絡(luò)，完成圖像中物料的識別和定位，進(jìn)而分析出物料和物料間的相關(guān)數(shù)據(jù)。利用最新研究的卷積技術(shù)和激活函數(shù)調(diào)整，優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，提升網(wǎng)絡(luò)分析速度，以滿足實(shí)時(shí)跟蹤的處理性能要求。網(wǎng)路框架采用PyTorch，利用其良好的向前兼容性，盡量減少了在未來應(yīng)用中的模型返工的可能性和工作量。

d)   高清成像系統(tǒng)

  采用高清監(jiān)控相機(jī)和高分辨率工業(yè)面陣相機(jī)，以滿足相應(yīng)場景下的圖像清晰度要求，為分析精度提供保障。

e)   數(shù)字孿生

  數(shù)字孿生，是充分利用物理模型、傳感器更新、運(yùn)行歷史等數(shù)據(jù)，集成多學(xué)科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應(yīng)的實(shí)體裝備的全生命周期過程。

三、 方案功能

方案主要功能有四個(gè)，一是對精整線物料跟蹤，二是對生產(chǎn)流程的優(yōu)化，三是質(zhì)量控制和工藝優(yōu)化，四是精整線綜合管控。

1)   精整線物料跟蹤

為實(shí)現(xiàn)的物料跟蹤，針對中厚板精整產(chǎn)線這種非線性的生產(chǎn)過程，主要分為兩個(gè)步驟：實(shí)現(xiàn)階段性流程中的局部跟蹤和進(jìn)行跟蹤數(shù)據(jù)歸集并通過界面分析拼接多個(gè)階段的跟蹤數(shù)據(jù)，完成整體的物料跟蹤。

a)   實(shí)現(xiàn)局部跟蹤

利用多種方式實(shí)現(xiàn)物料的階段性局部跟蹤，對于輥道生產(chǎn)過程階段，現(xiàn)有的生產(chǎn)控制系統(tǒng)對物料的定位，已經(jīng)可以在精度和穩(wěn)定性等方面滿足物料跟蹤的實(shí)際需求，本案通過接口服務(wù)，直接與相關(guān)系統(tǒng)進(jìn)行通信并獲取數(shù)據(jù)。

針對本案中提到的特殊設(shè)施，如冷床等，則采用基于機(jī)器視覺的智能化分析方式，利用拍攝和采集到的圖像，對設(shè)施上的物料進(jìn)行整體的識別和定位，實(shí)現(xiàn)過程中物料位置數(shù)據(jù)的提取。

在拿到不同的來源的位置數(shù)據(jù)后，構(gòu)建物料的生產(chǎn)過程狀態(tài)模型，利用這些數(shù)據(jù)反映物料所處的階段和動(dòng)向，尤其反映出物料在階段的進(jìn)入和離開的動(dòng)向信息，以便實(shí)現(xiàn)前后階段跟蹤的拼接。

b)   實(shí)現(xiàn)數(shù)據(jù)歸集和跟蹤拼接

在階段性的局部跟蹤中，以產(chǎn)線為主體，反映其上的物料所在的位置和相對于該階段產(chǎn)線的狀態(tài)。在跟蹤拼接后，以物料為主題，反映其目前屬于的生產(chǎn)流程階段和相應(yīng)狀態(tài)。為此，需要實(shí)時(shí)進(jìn)行各階段生產(chǎn)流程的數(shù)據(jù)歸集，利用物料的唯一標(biāo)識，整合物料在各階段的狀態(tài)模型，尤其針對每一時(shí)刻的物料進(jìn)入、離開產(chǎn)線的動(dòng)向信息進(jìn)行向前、向后的匹配，從而實(shí)現(xiàn)跨生產(chǎn)流程階段的物料跟蹤拼接。進(jìn)而可以實(shí)現(xiàn)精整線的物料跟蹤。

2)   生產(chǎn)流程的優(yōu)化

以物料識別、定位和跟蹤為基礎(chǔ)，可以進(jìn)一步實(shí)現(xiàn)多個(gè)中厚板產(chǎn)線的自動(dòng)化控制、過程調(diào)度、質(zhì)量跟蹤等生產(chǎn)流程優(yōu)化能力。

a)   自動(dòng)化上下料

中厚板產(chǎn)線冷床等設(shè)施的物理傳送結(jié)構(gòu)，是整體聯(lián)動(dòng)的，部分冷床可以實(shí)現(xiàn)區(qū)域性局部運(yùn)動(dòng)，但依然存在對整體運(yùn)動(dòng)的影響。因此，在物料進(jìn)入或離開設(shè)施時(shí)，可能是需要整個(gè)設(shè)施上的所有物料一同移動(dòng)的。因此，在執(zhí)行上料、下料時(shí)，需要根據(jù)實(shí)際情況，判斷是否在同時(shí)進(jìn)行上下料操作和該操作是否有相互影響，進(jìn)而判斷是否滿足上下料的物料傳動(dòng)條件。利用對產(chǎn)線冷床等設(shè)施上的物料位置分析，可以自動(dòng)判斷設(shè)施當(dāng)前是否上下料的條件，進(jìn)而實(shí)現(xiàn)該過程的自動(dòng)化控制。

b)   調(diào)度優(yōu)化

  在上述設(shè)施中，冷床段的主要用于實(shí)現(xiàn)中厚板產(chǎn)品的自然冷卻。為了更高效的利用冷床上的空間，可以通過圖像分析的方式智能化實(shí)現(xiàn)該功能。在生產(chǎn)密集的周期內(nèi)，在中厚板板坯進(jìn)入冷床時(shí)，入口工業(yè)相機(jī)開始工作，監(jiān)控冷床入口最后一塊進(jìn)入板坯和新一塊進(jìn)入板坯間的距離，以此來把控區(qū)域的物料密集度。在生產(chǎn)不密集的周期內(nèi)，通過物料跟蹤的監(jiān)控?cái)z像機(jī)，可以實(shí)現(xiàn)相對較低精度的產(chǎn)線物料排布控制。綜合兩種排布分析和控制，整體把控冷床設(shè)施的利用率。

3)   質(zhì)量控制和工藝優(yōu)化

  利用人工智能技術(shù)對生產(chǎn)過程的特定數(shù)據(jù)進(jìn)行分析檢測，用于判斷產(chǎn)品質(zhì)量并根據(jù)分析結(jié)果指導(dǎo)工藝優(yōu)化。本案中實(shí)現(xiàn)了中厚板板坯鐮刀彎控制，通過對軋制過程中的板坯的版型進(jìn)行分析，判斷是否出現(xiàn)鐮刀彎的情況，并計(jì)算鐮刀彎的曲率，從而指導(dǎo)后續(xù)道次對板坯軋制的工藝參數(shù)。

四、 技術(shù)內(nèi)容

1)   成像硬件系統(tǒng)

  成像硬件系統(tǒng)主要由高清攝像機(jī)和工業(yè)面陣相機(jī)組成。

  工業(yè)面陣相機(jī)用于進(jìn)行入口上料區(qū)域的圖像獲取，以控制兩個(gè)鋼板間的邊緣距離，使之滿足一定的最小距離限制，以便后續(xù)圖像分析中可以正確區(qū)分相鄰的鋼板個(gè)體。

  高清攝像機(jī)整體覆蓋冷床、檢查臺架、橫移臺架以及中間庫區(qū)的整個(gè)設(shè)施范圍，用于進(jìn)行鋼板分布的視頻圖像采集，用于進(jìn)行鋼板位置識別和跨攝像機(jī)的物料跟蹤分析。

2)   模型服務(wù)模塊

  模型側(cè)服務(wù)模塊基于Docker封裝為鏡像，具有較好的獨(dú)立性，通過接口與外部實(shí)現(xiàn)低耦合的通信和協(xié)作，同時(shí)同樣具有較好的擴(kuò)展性。處理模型由機(jī)器學(xué)習(xí)算法、機(jī)器視覺算法庫以及深度神經(jīng)網(wǎng)絡(luò)共同完成，用于對連續(xù)的視頻幀進(jìn)行靜態(tài)分析和動(dòng)態(tài)關(guān)聯(lián)，最終實(shí)現(xiàn)整體的跟蹤能力。

a)   調(diào)整語義分割模型Unet，提升模型精度

  為了解決Unet無法對遠(yuǎn)程上下文交互和空間依賴性進(jìn)行建模的問題，我們將U形結(jié)構(gòu)與Transformers的注意力機(jī)制相結(jié)合形成了一個(gè)新的語義分割網(wǎng)絡(luò)。自注意模塊(MHSA)位于編碼的末端、解碼器的前端，作用在最抽象的特征圖上，它將每個(gè)元素相互連接起來，從而訪問包含所有輸入圖像的感受野，以此來獲取圖像遠(yuǎn)程上下文信息。交叉注意力模塊(MHCA)通過減弱跳連(skip connection)特征中與鋼板無關(guān)的區(qū)域的權(quán)重，增強(qiáng)相關(guān)區(qū)域的權(quán)重，來濾除非鋼板像素，最終實(shí)現(xiàn)UNet解碼器中的精細(xì)恢復(fù)。最終實(shí)現(xiàn)了模型鋼板識別精度的提升。

b)   采用空洞卷積進(jìn)行加速

  為了在保證算法模型準(zhǔn)確率的前提下提升算法性能，將5x5的標(biāo)準(zhǔn)卷積替換成了3x3的空洞卷積。經(jīng)試驗(yàn)，算法準(zhǔn)確率基本不變，速度提升一倍。

3)   平臺側(cè)服務(wù)模塊

   平臺側(cè)服務(wù)模塊基于Spring框架，可以快速將現(xiàn)有MVC架構(gòu)調(diào)整為Cloud架構(gòu)，以方便后續(xù)的微服務(wù)化、大數(shù)據(jù)整合或性能橫向擴(kuò)展的需求發(fā)展。包括：數(shù)據(jù)存儲、平臺應(yīng)用服務(wù)、接口服務(wù)、精整線跟蹤服務(wù)、數(shù)據(jù)總線和監(jiān)控管理。

a)   平臺應(yīng)用服務(wù)

  平臺應(yīng)用服務(wù)提供用戶界面，展示實(shí)時(shí)跟蹤情況、查詢歷史記錄，并提供相關(guān)業(yè)務(wù)操作以及監(jiān)控報(bào)警等功能。服務(wù)采用B/S架構(gòu)，可以在網(wǎng)絡(luò)內(nèi)任意支持版本的瀏覽器上進(jìn)行訪問和監(jiān)控。

b)   接口服務(wù)

  平臺提供統(tǒng)一的接口服務(wù)，實(shí)現(xiàn)平臺應(yīng)用服務(wù)與其他服務(wù)的解偶，同時(shí)作為生產(chǎn)二級系統(tǒng)與平臺進(jìn)行數(shù)據(jù)交互的統(tǒng)一界面。精整線跟蹤所需的二級系統(tǒng)數(shù)據(jù)以及二級系統(tǒng)需要平臺協(xié)助完成的跟蹤和調(diào)度任務(wù)，均通過接口服務(wù)進(jìn)行配置打通數(shù)據(jù)通道。通過與二級系統(tǒng)的數(shù)據(jù)交互，真正做到精整線的物料可追溯，為實(shí)現(xiàn)全流程可控制打下堅(jiān)實(shí)基礎(chǔ)。接口服務(wù)支持多種通信協(xié)議的動(dòng)態(tài)配置以及通過消息中間件MQ、Kafka等將數(shù)據(jù)接入工業(yè)大數(shù)據(jù)/工業(yè)互聯(lián)網(wǎng)，極大程度上適配工業(yè)生產(chǎn)場景的通信接口和通信方式的要求。

c)   中厚板精整線跟蹤服務(wù)

  通過將從二級系統(tǒng)和智能分析得到的跟蹤數(shù)據(jù)進(jìn)行歸集，結(jié)合工作流設(shè)計(jì)中明確的界面數(shù)據(jù)關(guān)聯(lián)方式，利用大數(shù)據(jù)流式計(jì)算的能力進(jìn)行數(shù)據(jù)分析和整合，實(shí)現(xiàn)精整線物料跟蹤的能力。

d)   數(shù)據(jù)存儲

  平臺產(chǎn)生并需要記錄的數(shù)據(jù)具有異構(gòu)性，有常規(guī)的生產(chǎn)記錄、跟蹤記錄等關(guān)系型數(shù)據(jù)，也可能要保存階段性視頻數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)用于故障分析。平臺數(shù)據(jù)存儲結(jié)合數(shù)據(jù)庫和文件系統(tǒng)，滿足多種存儲需求。

e)   數(shù)據(jù)總線

  利用數(shù)據(jù)總線，完成平臺內(nèi)部數(shù)據(jù)存儲、智能分析服務(wù)和中厚板精整線跟蹤服務(wù)間的數(shù)據(jù)交互，提供高內(nèi)聚的數(shù)據(jù)交互方式。

f)   監(jiān)控管理

  監(jiān)控管理統(tǒng)一對平臺內(nèi)的一切狀態(tài)變化進(jìn)行記錄，包括操作監(jiān)控、接口監(jiān)控、服務(wù)監(jiān)控以及硬件監(jiān)控。

五、 具體應(yīng)用案例介紹

1)   應(yīng)用企業(yè)簡介

   首鋼京唐公司中厚板部為本案產(chǎn)品需求的提出方。目前在生產(chǎn)過程中，因?yàn)橹虚g設(shè)施的自動(dòng)化物料跟蹤困難，依然采用人工跟蹤的方式，在中厚板板坯從設(shè)施離開時(shí)，人工觀察板坯上噴印的唯一標(biāo)識，手工輸入到后續(xù)的生產(chǎn)系統(tǒng)中，實(shí)現(xiàn)物料的跨輥線跟蹤。人工跟蹤效率低下，非常影響生產(chǎn)節(jié)奏，特別是在冷床設(shè)施，因其用途本身就是對大量中厚板板坯進(jìn)行自然冷卻，其上存儲數(shù)量較多。尤其在生產(chǎn)密集的周期內(nèi)，如果無法快速的進(jìn)行板坯下線，容易造成冷床堵塞等問題。

同時(shí)，冷床本身的利用率無法得到精確的控制，通過人工進(jìn)行觀察和控制，容易造成機(jī)械動(dòng)作區(qū)間的判斷不精確，容易操作板坯錯(cuò)誤的運(yùn)動(dòng)，導(dǎo)致冷床上板坯碰撞，或錯(cuò)誤的判斷板坯無法運(yùn)動(dòng)，導(dǎo)致冷床上的板坯間距過大，降低冷床利用率。

中厚板部考慮過采用傳感器的方式實(shí)現(xiàn)冷床區(qū)間的物料跟蹤，但因?yàn)槠涑杀据^高，穩(wěn)定性較差，最終放棄了。但中間設(shè)施的自動(dòng)跟蹤和精整線的智能化跟蹤管控，依然是中厚板部的迫切需求。

2)   應(yīng)用步驟

本案實(shí)施過程中，首先實(shí)現(xiàn)了對中間設(shè)施智能化的局部過程跟蹤。通過在設(shè)施合適位置安裝工業(yè)相機(jī)和高清攝像機(jī)，完成覆蓋全區(qū)域的圖像采集系統(tǒng)，通過對圖像的分析實(shí)現(xiàn)物料的識別和定位。利用物料的分析識別結(jié)果，實(shí)現(xiàn)局部過程的物料跟蹤，同時(shí)對相應(yīng)中間設(shè)施實(shí)現(xiàn)自動(dòng)上下料過程和調(diào)度優(yōu)化。

同步的，打通平臺與現(xiàn)場生產(chǎn)控制系統(tǒng)的數(shù)據(jù)通道，獲取輥線物料位置信息，分析得到輥線流程的物料跟蹤數(shù)據(jù)。綜合各局部過程跟蹤數(shù)據(jù)，拼接實(shí)現(xiàn)精整線的過程跟蹤數(shù)據(jù)。

在實(shí)現(xiàn)了精整線的自動(dòng)化控制以及數(shù)據(jù)通道打通后，可以利用大數(shù)據(jù)平臺的數(shù)據(jù)管理能力，接入全產(chǎn)線的物料、機(jī)械設(shè)備、生產(chǎn)過程數(shù)據(jù)，對數(shù)據(jù)進(jìn)行組織、存儲和主題化的管理，為數(shù)據(jù)應(yīng)用做好準(zhǔn)備。同時(shí)可以，進(jìn)一步完成精整產(chǎn)線綜合管控，通過大數(shù)據(jù)和人工智能數(shù)據(jù)分析，對存儲的數(shù)據(jù)資產(chǎn)進(jìn)行利用。同時(shí)，可以實(shí)現(xiàn)基于數(shù)據(jù)可視化和數(shù)字孿生技術(shù)，實(shí)現(xiàn)對產(chǎn)線的實(shí)時(shí)仿真和狀態(tài)展示。

最終實(shí)現(xiàn)工業(yè)互聯(lián)網(wǎng)平臺真正對產(chǎn)線進(jìn)行優(yōu)化，為工廠帶來經(jīng)濟(jì)和管理上的益處。

4、效益分析

本案產(chǎn)品采用先進(jìn)的人工智能技術(shù)、高清成像技術(shù)、大數(shù)據(jù)技術(shù)以及分布式計(jì)算和邊緣計(jì)算技術(shù)，具備本地云擴(kuò)展和接入工業(yè)大數(shù)據(jù)/工業(yè)互聯(lián)網(wǎng)的能力，充分考慮了廠區(qū)技術(shù)革新的擴(kuò)展和兼容性需求。作為首個(gè)基于人工智能技術(shù)的中厚板產(chǎn)線物料跟蹤系統(tǒng)，填補(bǔ)了國內(nèi)板材跟蹤領(lǐng)域的空白，具有非常明顯的技術(shù)示范效果和模范帶頭作用。

通過部署本案產(chǎn)品，首鋼京唐公司中厚板產(chǎn)線，有效地提高了中厚板產(chǎn)線物料跟蹤過程的穩(wěn)定性和準(zhǔn)確度、提高了轉(zhuǎn)鋼到位的準(zhǔn)確率，極大的縮減了相關(guān)人工輔助跟蹤工作量，避免了因?yàn)槿斯なд`導(dǎo)致的產(chǎn)品損傷問題，降低了損耗。通過優(yōu)化轉(zhuǎn)鋼控制流程、冷床控制流程，綜合產(chǎn)能提升帶來約615萬元效益提升。通過優(yōu)化鐮刀彎檢測，改善產(chǎn)品質(zhì)量，提升成材率帶來約223萬元效益提升。同時(shí)，統(tǒng)計(jì)能源消耗優(yōu)化效果，帶來約185萬的效益提升。共計(jì)產(chǎn)生1023萬元經(jīng)濟(jì)效益，具有顯著的經(jīng)濟(jì)效益提升。

5、提供清晰工程現(xiàn)場照圖，照片分辨率>300DPI

精整線物料跟蹤

板坯旋轉(zhuǎn)測控系統(tǒng)

鐮刀彎檢測系統(tǒng)

中厚板精整線綜合管控平臺