钢铁企业工厂数据平台的构建与应用

王之煜

(上海宝信软件股份有限公司,上海 201203)

0 引言

在钢铁企业内,工业化和信息化不断的融合,企业有了突飞猛进的进步,数据应用系统对底层实施数据的需求也越来越高。通过钢铁企业工厂数据平台的构建,实现关于新产品开发和数据积累方面的飞跃。为了使质量缺陷能够被追溯,产品的深度质量优化能够被挖掘,应该利用数据平台的功能进行更加有效的技术支持。目前钢铁企业倡导智慧制造建设,以数字经济的建设作为企业内部有效建设的辅助力量,故此,从而能够推动产品研发,实现更加具有竞争力的产品结构构建[1]。

1 钢铁企业工厂数据平台的构建

1.1 数据平台系统的需求背景

大数据时代,很多企业的生产离不开数据,而系统集成需求也使得信息化的系统能够为钢铁企业工厂的日常工作提供庞大的系统集群支持。在项目实施之前,信息化系统繁多和巨大化的差异,常常会使得钢铁企业内部不同部门的数据非常分散,技术人员不容易把控,而且也常常会忽略到一些非常重要的数据。但是如果在数据平台的打造过程中实施ERP系统,MES、订单设计系统ODS等的技术支持,那么各个单位现有的一级和二级自动化系统就能够与数据庞大的信息自动化系统形成统一的集群。这是一种支撑公司日常生产和经营管理的常态化系统,之所以要发展数据平台,主要是为了能够把复杂的计划数据和实际数据汇总到统一的系统之内,并且按照一定的规则整合和串接,从而能够挖掘数据背后的“奥秘”[2]。

1.2 打造可追溯的产品质量缺陷登记体系

数字化技术几乎可以使万事万物产生的联系,在钢铁企业内部,企业要使用大量的设备,而且这些设备种类多,工艺流程繁杂,原始数据的状态非常分散,常常会因为钢铁企业内部数据的汪洋,这些关系极其复杂的数据海洋能够达成大数据储存和数据处理技术的“数据池”,企业需要计算,如果以平均单卷重量为20吨,年产量12万卷的情况之下,确定所有批次的冷板都合理的进入到生产工序之中,那么,每一组工序所产生的数据文件总量都是非常惊人的。经过有关数据显示,随着数据的原始部分变得更为复杂,钢铁企业内的统计人员将专门就不同工序所产生的数据文件进行整合,保留必要的数据文件。为了打造可追溯的产品质量缺陷记录体系,钢铁企业单卷数量所产生的年数据量而正在逐年攀升,有的钢铁企业年数据量甚至可以达到6～10tb左右,目前钢铁企业的运行数据要求被保存10年以上,尤其是在冷轧工序的数据保存时间更长,这样就可以使得产品质量体系的追溯路线得以建立[3]。

2 钢铁企业工厂数据平台建设的内涵

2.1 钢铁企业工厂数据平台建设的要求

企业用户日益提高的产品质量需求,使得现代钢铁企业对于更大量级的数据管理难度越来越大,作为企业来说,应该实现不同重量级的数据实施管理效能。适应多系统和大差异的数据管理需求钢铁企业生产及制备工艺的要求之下,实现数条类似生产线路集群的登记,加速长流程的数据管理。钢铁企业的数据管理是实现生产线路检索的前提既能够控制企业内部不同部门和生产线路的数据交换,同时还能够以创新的发展态势,搭建更为合理的数据管理模式,实现数据管理需求和管理平台多元化操作的契合。对于钢铁工厂来说,其数据平台的建设必须要与自动化和智能化系统相结合,目前最常用的就是自动化的系统和仪表,这些仪表及设施能够有效的创建通信接口,灵活的搜集现场制备数据,数据种类也涵盖了多元化的层次[4]。

2.2 钢铁企业工厂数据包含的内容

对于钢铁企业来说,数据种类应涵盖多级系统和场景,现场仪表的生产数据、工艺流程、数据、质量监管标准、能量计量数据等都应该被记录在内。这些数据可能包含长速度、速度、加速度、温度、流量、压力、振动(振幅、位移、振动烈度、相位)、电流、电压功率、文字、图像、视频等,钢铁企业工厂的生产线数据为实时数据,是一次更新的,而且也是动态变化的,这些数据被保存在实时数据库之中,在查询和调用的时候会非常方便。有的时候钢铁企业的数据库也会调用一些需要二次计算的数据,还有一些在生产管理过程中可能会涉及到企业和生产线内部的和操作数据,监管部门和管理部门还要调用钢铁企业的生产情况数据,这些数据具有因果关系,同时也记录了多方位的数据逻辑。如果有两类及以上数据库被放在同一个数据池之内,那么数据采集的安全性、稳定性和有效性都应该被周详考虑。对于钢铁企业来说,安全策略的控制和访问应该被保障数据不能出现泄露或丢失的情况,实现多种数据在同一个数据池之内被充分调取。在钢铁企业的生产和管理中,设定安全访问策略、控制访问次数和流程、控制访问权限,才能够帮助钢铁企业工厂获得数据使用的流畅化效果。

2.3 钢铁企业工厂数据平台管理的重点和难点

为了满足各种应用系统,对于底层实施数据的需求,也为了满足钢铁企业工厂数据平台管理的要求,把实时数据库和实时系统中的多类数据作为综合管理的前提,实现多角度的规划,构建有序的逻辑调取结构,就能够使数据平台内的数据流不会发生混乱。一般而言,实时数据库作为一级数据库,应该能够被快速的调取,而为了实现算法的匹配,规则的计算都更为合理,应该在数据平台得以构建的时间和空间之内,借助时空接口传输各类应用系统,实现数据的共享和质量标准的。钢铁企业工作数据平台的管理重点主要是要同时处理多来源和多类型的数据,并且在数据的采集和集中分析中,实现炼钢、连铸、热轧、冷轧等全流程的管理,这是在全局化角度所实现的数据管理,也是完善综合数据管理体系实现数据管理流程应用快捷化的必然基础。为了能够进行数据的抽取实现全局数据的共享和支撑,建立设定安全访问控制策略等机制,实现数据的安全采集等,应该在数据共享的过程中,利用关键工艺参数对应钢铁工厂产品的质量、使用位置、空间和时间数据,实现数据的快速和立体化采集,构建与产品批次相关的立体控制体系。工厂数据平台管理的另一个难点,是能够在构建立体化的模型时,应如何体现钢铁企业的工艺设备、影像资料,并且从多维关联的角度完善产品生产的档案和各类体系[5]。

3 钢铁企业工厂的数据平台构建方法

3.1 公司数据信息的完备库

利用钢铁企业工厂的数据采集手段,积极构建与工厂批次相一致的操作工作,实现影像资料的四位一体,关联产品的生产和销售等的多维度档案,借助数据平台的结构,实现数据库的分层搜集,把控数据的广泛分布。可以将这些数据分为一级数据和二级数据,将数据的采集网关和接口与PI实时储存体系相连接,最终可以实现推进数据的二次计算和数据匹配。也可以借助SPC工具实现控制图模型,并且基于钢铁企业产品制备的GB/T4091-2001标准实现企业内工厂环境质量监测及追溯——预警机制的建设。目前比较常见的是实现基于2西格玛——6西格玛质量预警机制提升质量的综合管理水平,完善钢铁企业工厂的内部控制机制,并使公司数据信息收集工作更为顺利,使得公司的生产数据层级被理顺。一般而言,需要重点搜集的内容包含公司的生产数据,ERP数据、MES数据、订单设计及高级排产数据、质量管理和能源管理数据等这些数据需要统一管理,而后将其分类纳入到管理范畴,列出采集清单,根据不同数据的大小和用途实现采集方案的获取[6]。

3.2 搭建数据管理体系

钢铁企业工厂内部的数据搜集主要是为了能够在下一步搭建合适的数量管理体系,这样有助于钢铁企业对于自身进行重新定位,而且也能够在工厂数据平台实现全局数据共享的目的。由于工厂数据平台能够详尽规划对于工厂数据库软件系统的架构,从整体上可以,最终上升到系统应用层,能够实现数据的快速查询、调取和相应操作[7]。

第一,对于系统而言,实现PI实时数据库的储存,应该更加注重生产的基础平台作用,并备注各个工序关键工艺参数,借助历史数据,使用Oracle数据实现对于钢卷和炉号的对应,实现基本生产信息的全方面记录和监督。要注意的是基础数据储存的数据接口,可能还会对接MES、二级数据库和其他数据系统。

第二,统一数据访问平台层可以使各类系统实现数据访问接口的集成化,对于分散的数据和工厂数据库内难以匹配及规整的数据,都应该结合统一的接口方式,供外部应用系统统一调用,这同样是可以实现PI实时数据库更新和访问的效果,结合PI-API和PI-SDK的数据,能够使数据的访问更为便捷,又可以和系统存储平台及关系数据库加以连接,最终结合ADO.Net组件实现外部接口的快速访问。这样做的目的是可以使各个系统根据不同的调用方法完成快捷的数据查询,从而获取查询统一的权限认证,从而充分的保证了数据的安全,统一数据访问层的主要作用,就是为了能够使用工厂数据库的信息系统,完善钢铁企业工厂内部数据库存储系统认证及应用方式。

3.3 创新数据库系统管理思路

创新数据库和数据体系的建构及管理办法,可以结合统一的命名创新数据管理思路,这对于钢铁企业工厂来说,大范围的数据管理方式和小系统的汇聚都可以实现数据管理的调整,而且在细致的管理过程中,应该使得各个区域数据之间的联系更为紧密,而且还可以对五花八门的数据进行名称和编码的统一化管理,使数据的类型和用途都能够由编码得以快速反应。信息的自动化使得统一数据命名逻辑更为鲜明,数据管理的规范化更强,确保了数据在进入工厂数据库之内具有唯一性,方便数据的查询和定位。创新的数据库系统管理思路主要是在计量的时候就能够反映数据管理业务的变化趋势,并能够实现数据库系统的块状实施。有的研究者还认为,对于钢铁生产工程来说,对于其全场地监督监控的实施,能够及时对异常值报警,控制工厂数据库、实现质量管控、QMS等系统,创新数据库系统管理思路是保证系统的来源和质量追溯系统内重要的数据来源,借助先进化的管理软件,如借助TPQC系统实现区域数据的统计功能,使用EMS组的数据覆盖力,能够实现对于钢铁企业工厂更加准确的数据管理定位。

3.4 解决钢铁企业管理和技术进步不同步的问题

钢铁企业的管理数据和步调应该作为企业的重要数据,被合理的采集、储存、查询和处理,目前,借助钢铁企业工厂数据平台的管控可以有效的落实每一步生产管理的监督和监控,使得在企业生产空间之内,关系型的数据都能够被合理的匹配,其构建时间空间、生产信息等均能够体现出完整的立体化生产模型。结合现代数据库技术,实现对于企业信息化水平的管理,为多项融合及物联网技术的管理提供依据,有效地解决企业管理和技术进步不同步的问题,尽可能地促进企业数据信息的搜集,提升技术进步的空间。现在钢铁企业数据的收集和处理环节都相对比较完备,利用数据平台的扁平化共享机制,能够一目了然地获取企业的可视化管理信息,实现企业大数据系统的构建和数据管理效果的应用。

3.5 科学规划钢铁厂数据平台架构设计

钢铁厂的大数据管理已经成为基础自动化控制领域必不可少的工作内容,数据架构一般需要和二级过程控制系统结合,利用中间层抽取数据,实现为二级过程控制系统提供数据分析服务的目的。钢铁厂的数据平台需要实现标签设置、消息服务、模型服务和报表服务,从而能够把平台中的各个业务独立操作,数据平台还应该提出核心业务模块,并且能够提高系统版块的耦合性。钢铁厂的NET Remoting技术需要建构在C/S架构的基础之上,主体过程的数据平台分为几个主要的部分:数据交换器、标签服务、消息服务、模型服务、报表服务,其主要步骤在于利用读取基础自动化控制系统采集实时数据,并利用数据的标签形式发送数据服务模块,配合标签,在基础自动化控制系统的读取之后,实现在线控制系统的功能。标签服务是实现实时数据接受和存储的标注,便于支持其他模块对于实时数据和历史数据进行访问。钢铁厂的数据消息服务是监督平台运行状况并实现数据交换的服务,为了便于对于生产线消息进行统一管理和维护,并且在统一接口的辅助之下,实现定时运行模型并保存模型运行结果的目的。所有的报表服务都能够从标签服务模块中实现对应标签值的读取,最终利用二级过程完成钢铁厂数据控制系统对于报表的远程配置,实现对于数据浏览后的分析。

4 结论

综上所述,对于每一个钢铁企业来说,工厂数据平台的构建都具有重要的意义,数据平台能够使得数据管理更加便捷,数据交换功能也更为完善,工人的管理成本大幅度降低,而且也能够挖掘钢铁企业内部海量的数据使用潜能。目前在数据的深入挖掘和分析过程中,利用数据平台给公司的智能化和系统化制造提供了管理的基础。现代钢铁企业正朝向环境友好型企业发展,解决企业管理与技术不同步的问题,解决数据管理平台信息共享速度更慢的问题等已经成为当务之急。分析钢铁企业工厂数据平台的特点,紧跟现代大数据技术发展的步伐,始终能够为钢铁企业生产体系的现代化、科学化发展进程做出贡献,为其他同类企业的发展期待积极的示范作用。