一、項(xiàng)目概況
1、項(xiàng)目背景
高爭(zhēng)建材股份作為西藏自治區(qū)規(guī)模最大的國(guó)資控股建材集團(tuán)，擁有員工3000余人，2018年度，集團(tuán)主業(yè)水泥生產(chǎn)已實(shí)現(xiàn)產(chǎn)值十多億元，各業(yè)務(wù)產(chǎn)值總和已突破20億元。
隨著國(guó)家“供給側(cè)改革”和“中國(guó)制造2025”戰(zhàn)略的推進(jìn)，高爭(zhēng)建材作為水泥行業(yè)的優(yōu)秀代表，也必然要向集約型生產(chǎn)持續(xù)邁進(jìn)。通過(guò)精益生產(chǎn)的方式解決“高原病”即是響應(yīng)國(guó)家“中國(guó)制造2025”的號(hào)召，也是高爭(zhēng)建材股份提高效能，增加產(chǎn)品供給，提升業(yè)務(wù)產(chǎn)值的現(xiàn)實(shí)需要。
“高原病”引起的產(chǎn)線(xiàn)老化是一種特殊的老化，關(guān)鍵設(shè)備的一些部件產(chǎn)生了急劇磨損（或非磨損的機(jī)械損傷）同時(shí)，其它結(jié)構(gòu)部件處于全新?tīng)顟B(tài)。這給基于設(shè)備結(jié)構(gòu)知識(shí)進(jìn)行監(jiān)測(cè)狀態(tài)推斷的方式提出了極大的挑戰(zhàn)：依據(jù)公式和信號(hào)變化的算法，報(bào)不準(zhǔn)成為常態(tài)。
通過(guò)對(duì)全國(guó)“工業(yè)智能”相關(guān)公司的比對(duì)，高爭(zhēng)建材股份選擇了與思為交互科技一起應(yīng)用“伽利略智慧工廠(chǎng)”平臺(tái)的IAP（Industrial Assets Plan，“工業(yè)資產(chǎn)計(jì)劃”系統(tǒng)）解決方案來(lái)實(shí)現(xiàn)智慧工廠(chǎng)和產(chǎn)能的提升。
2、項(xiàng)目目標(biāo)
思為交互科技為高爭(zhēng)建材股份設(shè)計(jì)的方案，基于“實(shí)現(xiàn)產(chǎn)線(xiàn)保值，維護(hù)生產(chǎn)穩(wěn)定，提升生產(chǎn)效能，控制投資成本”的原則進(jìn)行，應(yīng)用思為交互科技的“伽利略智慧工廠(chǎng)”平臺(tái)中，基于過(guò)程型MRO的IAP解決方案實(shí)現(xiàn)。
“伽利略”是思為交互科技基于數(shù)據(jù)發(fā)現(xiàn)的行業(yè)級(jí)智慧工廠(chǎng)平臺(tái)。包含（1）基于過(guò)程型MRO，用于維護(hù)產(chǎn)線(xiàn)穩(wěn)定（維持產(chǎn)線(xiàn)準(zhǔn)全新?tīng)顟B(tài)）和提升生產(chǎn)效能、實(shí)現(xiàn)產(chǎn)線(xiàn)保值的IAP解決方案；（2）基于工藝關(guān)聯(lián)挖掘和數(shù)據(jù)關(guān)系發(fā)現(xiàn)的智能決策與BI解決方案；（3）基于異常溯源與注重快速排障的故障快速處理解決方案。
高爭(zhēng)建材“伽利略智慧工廠(chǎng)”IAP解決方案的目標(biāo)設(shè)定：
| 產(chǎn)線(xiàn)保值 | 實(shí)施IAP解決方案，建立過(guò)程型MRO，提高產(chǎn)線(xiàn)穩(wěn)定性，維護(hù)產(chǎn)線(xiàn)達(dá)到準(zhǔn)全新?tīng)顟B(tài) |
| 降低維修維護(hù)費(fèi)用 | 轉(zhuǎn)變?cè)谟?jì)劃性的維修保養(yǎng)，實(shí)施基于工業(yè)智能排障的常新維護(hù)，降低維修維護(hù)費(fèi)用 |
| 提高生產(chǎn)效率 | 減少停產(chǎn)減產(chǎn)損失，提高稼動(dòng)率。通過(guò)調(diào)優(yōu)產(chǎn)線(xiàn)狀態(tài)，減少非主觀(guān)因素導(dǎo)致的工藝段不良率，提升有效稼動(dòng)率，從而實(shí)現(xiàn)提高整體生產(chǎn)效率和產(chǎn)值 |
二、項(xiàng)目實(shí)施
作為工業(yè)互聯(lián)網(wǎng)的資深參與者，思為交互科技已有5年以上的工業(yè)智能相關(guān)經(jīng)驗(yàn)，是首批基于實(shí)際工業(yè)場(chǎng)景，將產(chǎn)線(xiàn)實(shí)際情況和人工智能技術(shù)進(jìn)行深度融合的公司，也是為數(shù)不多的將互聯(lián)網(wǎng)和人工智能用于解決實(shí)際生產(chǎn)問(wèn)題（而非監(jiān)測(cè)）的公司。高爭(zhēng)建材基于工業(yè)智能的“伽利略”IAP方案，在資產(chǎn)維護(hù)與備件計(jì)劃、提升有效稼動(dòng)率，和產(chǎn)線(xiàn)保值上具有實(shí)際的意義。
1、場(chǎng)景特征
高爭(zhēng)建材股份高原產(chǎn)線(xiàn)所遇到的“高原病”有其特殊的復(fù)雜度。與通常產(chǎn)線(xiàn)的老化相對(duì)照，即有特殊性，也有共性：
①高原產(chǎn)線(xiàn)的設(shè)備損耗，與高老化產(chǎn)線(xiàn)中的設(shè)備磨損表現(xiàn)出一致的性狀，是同類(lèi)問(wèn)題。該類(lèi)問(wèn)題不會(huì)有一個(gè)標(biāo)準(zhǔn)的公式可遵循，是業(yè)界普遍反映，高老化產(chǎn)線(xiàn)預(yù)測(cè)準(zhǔn)確率不足30%的原因所在。“伽利略”平臺(tái)通過(guò)工業(yè)人工智能，以自由向量模型，經(jīng)過(guò)機(jī)器學(xué)習(xí)后，能成功將準(zhǔn)確率提高到99%。
②高原產(chǎn)線(xiàn)的設(shè)備損耗，屬于新設(shè)備的部份部件損耗，該損耗方式與高老化損耗雖然類(lèi)似，可以適用相似的計(jì)算模型，但在自由向量的實(shí)現(xiàn)上，具有一致意義的參考點(diǎn)變少，需要通過(guò)更大范圍變量的選取并進(jìn)行變換后作為輸入量，才能更好的反映這種全新設(shè)備部份損耗的情況；
③在高復(fù)雜度的情況下，廠(chǎng)方對(duì)投資成本可控的要求，需要采用可擴(kuò)展架構(gòu)實(shí)現(xiàn)。在前期試點(diǎn)工程將計(jì)算集中到數(shù)據(jù)中心，避免大規(guī)模的網(wǎng)絡(luò)部署。在取得良好收益后，通過(guò)擴(kuò)展部署，而無(wú)需任何體系架構(gòu)上的變革，即可實(shí)現(xiàn)全面覆蓋的目標(biāo)。
作為工業(yè)互聯(lián)網(wǎng)智慧工廠(chǎng)領(lǐng)域先行者的思為交互科技，不僅具有工業(yè)互聯(lián)網(wǎng)通用場(chǎng)景的應(yīng)用能力，在高老化產(chǎn)線(xiàn)等挑戰(zhàn)技術(shù)極限的領(lǐng)域也有著不俗的實(shí)力。雙方?jīng)Q定基于高原產(chǎn)線(xiàn)這一極限場(chǎng)景進(jìn)行技術(shù)合作。
2、模式路徑
基于高爭(zhēng)建材高原產(chǎn)線(xiàn)的穩(wěn)定性、設(shè)備老化和維護(hù)難題，以及投資可控性的要求，雙方確認(rèn)了“伽利略”IAP解決方案的實(shí)施路徑如下圖。
具體實(shí)施模塊包含：
①建立過(guò)程型MRO，提高產(chǎn)線(xiàn)穩(wěn)定性：不同于國(guó)內(nèi)平臺(tái)型MRO（實(shí)際上的維修部件大宗商品集采平臺(tái)），“伽利略IAP”的過(guò)程型MRO理念源自“工業(yè)4.0”。注重的是設(shè)備運(yùn)行狀態(tài)（Operations）的監(jiān)測(cè)，以及進(jìn)行早期維護(hù)和維修（Maintenance ＆ Repair）的介入。在技術(shù)選型上，“伽利略”對(duì)標(biāo)美國(guó)艾默生基于工業(yè)智能的預(yù)測(cè)技術(shù)，避免了單純依據(jù)設(shè)備知識(shí)的算法化造成適應(yīng)性不足的情況（對(duì)高老化產(chǎn)線(xiàn)和新設(shè)備部份老化的高原產(chǎn)線(xiàn)基本無(wú)法預(yù)測(cè)）。基于工業(yè)智能的過(guò)程型MRO，能有效提高生產(chǎn)的精益性和集約性，達(dá)到穩(wěn)定生產(chǎn)，提高有效稼動(dòng)率的目的。此外，在無(wú)法停機(jī)的情況下，過(guò)程型MRO對(duì)不良工況設(shè)備保持持續(xù)監(jiān)測(cè)，并及時(shí)的維護(hù)改善設(shè)備的運(yùn)行狀態(tài)，也是提高產(chǎn)線(xiàn)穩(wěn)定性和避免意外停機(jī)的核心功能。
②聚焦IAP，降低維修維護(hù)資金損耗：高老化產(chǎn)線(xiàn)和高原產(chǎn)線(xiàn)共同的損耗特點(diǎn)，是處于不良工況的非主要設(shè)備和前序設(shè)備給核心設(shè)備帶來(lái)乘積倍增的負(fù)面影響。核心設(shè)備不規(guī)律的功率補(bǔ)償和偏向運(yùn)轉(zhuǎn)是故障的主要誘因。傳統(tǒng)技術(shù)手段下，非核心設(shè)備的不良工況不是損壞，不能被識(shí)別，累積傳導(dǎo)到關(guān)鍵設(shè)備后維修費(fèi)用高昂。IAP漸成主流，其核心作用體現(xiàn)在兩方面：首先是基于工業(yè)智能可準(zhǔn)確定位問(wèn)題源點(diǎn)（往往是一些小的輔助設(shè)備），通過(guò)源頭維護(hù)，極大降低核心設(shè)備的故障和機(jī)率，減少維護(hù)維修費(fèi)用；其次，是依托MRO過(guò)程和歷史動(dòng)態(tài)曲線(xiàn)，準(zhǔn)確給出備品備件建議，大幅釋放備品備件占用的資金。IAP靈敏度級(jí)別越高，監(jiān)測(cè)程度就會(huì)越細(xì)致，產(chǎn)線(xiàn)會(huì)更穩(wěn)定維修維護(hù)費(fèi)用也會(huì)更低，但同時(shí)也會(huì)消耗更多的人力。一個(gè)合適的IAP級(jí)別需要根據(jù)企業(yè)的生產(chǎn)情況仔細(xì)調(diào)節(jié)。
③貫徹“常新維護(hù)”（keep brand new），實(shí)現(xiàn)產(chǎn)線(xiàn)保值：“常新維護(hù)”是飛機(jī)制造行業(yè)應(yīng)用到工業(yè)中的理念。在飛機(jī)維護(hù)中，任何一個(gè)工況不良的末梢設(shè)備都能得到及時(shí)的維護(hù)或更換，使飛機(jī)的所有設(shè)備都運(yùn)行在理想工況下，從而使整架飛機(jī)維持在接近出廠(chǎng)時(shí)的準(zhǔn)全新?tīng)顟B(tài)。“常新維護(hù)”意味著產(chǎn)線(xiàn)的維護(hù)方式，從原來(lái)基于時(shí)間估算，依賴(lài)經(jīng)驗(yàn)巡檢，對(duì)設(shè)備進(jìn)行強(qiáng)制報(bào)廢和更換的“預(yù)防性維護(hù)”，向注重處理IAP匯報(bào)的問(wèn)題源點(diǎn)，結(jié)合關(guān)鍵工序日常維護(hù)的“預(yù)測(cè)性維護(hù)”轉(zhuǎn)變。已有成功案例證明，維護(hù)方式的轉(zhuǎn)變?cè)诒３之a(chǎn)線(xiàn)長(zhǎng)新，使產(chǎn)線(xiàn)保值的同時(shí)，也具有提升人效的作用。
④可伸縮性（Scalability）計(jì)算，實(shí)現(xiàn)投資成本的可控性：“伽利略”IAP平臺(tái)是一個(gè)基于“末敏感知、邊緣計(jì)算、工業(yè)微服務(wù)、神經(jīng)網(wǎng)絡(luò)”的分層人工智能構(gòu)架。
邊緣計(jì)算層：末梢傳感器和邊緣網(wǎng)關(guān)共同組成邊緣計(jì)算層。邊緣網(wǎng)關(guān)內(nèi)嵌支持常見(jiàn)工業(yè)協(xié)議的數(shù)據(jù)采集，采集速率可達(dá)毫秒級(jí)。除此外，IAP邊緣網(wǎng)關(guān)還是“伽利略”智慧工廠(chǎng)智能能力的延伸執(zhí)行裝置。對(duì)單個(gè)傳感器歷史數(shù)據(jù)進(jìn)行健康監(jiān)測(cè)的智能單體監(jiān)測(cè)單元可運(yùn)行在邊緣網(wǎng)關(guān)中，極大分擔(dān)私有云的計(jì)算壓力，提升云端監(jiān)測(cè)的反應(yīng)速度，減少響應(yīng)時(shí)間。此外，依托于在地網(wǎng)的邊緣服務(wù)器具有更高的傳輸穩(wěn)定性，能有效避免網(wǎng)絡(luò)抖動(dòng)對(duì)數(shù)據(jù)傳輸?shù)挠绊懀瑢?duì)故障或維護(hù)需求高速響應(yīng)，并在盡可能快的第一時(shí)間通知管理人員。
工業(yè)級(jí)微服務(wù)：“伽利略”IAP的工業(yè)微服務(wù)依托“蜂巢工業(yè)云”自動(dòng)實(shí)現(xiàn)。相對(duì)于GE的Predix將工業(yè)微服務(wù)定義為可編排的，實(shí)現(xiàn)一些功能的微服務(wù)組件，“蜂巢工業(yè)云”將工業(yè)微服務(wù)定義為微服務(wù)的高可用和自我克隆。工業(yè)上對(duì)穩(wěn)定性的追求，在“蜂巢工業(yè)云”定義下的工業(yè)微服務(wù)，可通過(guò)簡(jiǎn)單的鼠標(biāo)點(diǎn)擊進(jìn)行設(shè)置，即可實(shí)現(xiàn)微服務(wù)的多機(jī)集群，達(dá)到秒級(jí)切換，在微服務(wù)都不可用時(shí)，“蜂巢工業(yè)云”還因可迅速克隆，保障產(chǎn)線(xiàn)正常運(yùn)轉(zhuǎn)的功能而受到好評(píng)。
神經(jīng)網(wǎng)絡(luò)：“伽利略”的計(jì)算核心采用的是神經(jīng)網(wǎng)絡(luò)，可隨時(shí)添加節(jié)點(diǎn)增加計(jì)算能力，同時(shí)將智能單體監(jiān)測(cè)單元下發(fā)到邊緣服務(wù)器運(yùn)行，使得神經(jīng)網(wǎng)絡(luò)消耗的服務(wù)器資源更少，反應(yīng)更及時(shí)。除了神經(jīng)網(wǎng)絡(luò)技術(shù)本身以外，“伽利略”依托“蜂巢工業(yè)云”的工業(yè)微服務(wù)體系還實(shí)現(xiàn)了運(yùn)算能力的動(dòng)態(tài)調(diào)度，在前期不部署邊緣網(wǎng)關(guān)和末敏感知設(shè)備的情況下，可將智能單體監(jiān)測(cè)單元收到服務(wù)器上集中運(yùn)行，在前期監(jiān)測(cè)工藝段不多的實(shí)驗(yàn)情況下能夠達(dá)到要求，很好的解決了前期計(jì)算能力有限和大規(guī)模部署之間的矛盾。在全面部署時(shí)，增加邊緣網(wǎng)關(guān)，并通過(guò)下發(fā)末敏計(jì)算單元，即可從目前的中心計(jì)算模式擴(kuò)展到整個(gè)網(wǎng)絡(luò)的全產(chǎn)線(xiàn)覆蓋模式。
考慮到前期計(jì)算能力受限的情況，高爭(zhēng)建材“伽利略”IAP實(shí)驗(yàn)項(xiàng)目的實(shí)施采取中心部署，因算力限制首先覆蓋窯頭窯尾環(huán)節(jié)，以“蜂巢工業(yè)云”實(shí)現(xiàn)可伸縮性的實(shí)現(xiàn)路徑，獲得了高爭(zhēng)建材的滿(mǎn)意。
3、技術(shù)實(shí)現(xiàn)
①功能架構(gòu)
高爭(zhēng)建材“伽利略”IAP基于可伸縮構(gòu)架，在末敏/邊緣層、工業(yè)微服務(wù)層、神經(jīng)網(wǎng)絡(luò)層進(jìn)行了設(shè)計(jì)，考慮到一期項(xiàng)目的試點(diǎn)性質(zhì)，末敏層采用中心部署方式，融合在工業(yè)微服務(wù)層，取消邊緣網(wǎng)關(guān)進(jìn)行實(shí)現(xiàn)。
功能架構(gòu)圖示：
②功能架構(gòu)的技術(shù)解釋
(A)數(shù)據(jù)采集單元：基于硬件協(xié)議的數(shù)據(jù)采集，部署于邊緣網(wǎng)關(guān)內(nèi)，已對(duì)接modbus、profibus及ABB、西門(mén)子、羅克韋爾、施耐德等主流硬件控制協(xié)議，具有極高的采集效率（可達(dá)毫秒級(jí)別）。本項(xiàng)目一期工程未部署邊緣網(wǎng)關(guān)，采集功能由OPC采集服務(wù)器實(shí)現(xiàn)，并作為應(yīng)用服務(wù)器，由“蜂巢工業(yè)云”管理和保持高可用。
(B)單體監(jiān)測(cè)單元：基于單個(gè)變量的設(shè)備部件健康情況監(jiān)測(cè)單元。“伽利略”IAP是基于多層次、自由向量的智能產(chǎn)線(xiàn)健康監(jiān)測(cè)。單體監(jiān)測(cè)單元基于單個(gè)傳感器歷史數(shù)據(jù)，依據(jù)多個(gè)基礎(chǔ)人工智能模型進(jìn)行多維度監(jiān)測(cè)。單體傳感器的前置計(jì)算極大減少神經(jīng)網(wǎng)絡(luò)的計(jì)算量，使神經(jīng)網(wǎng)絡(luò)能夠使用較少的節(jié)點(diǎn)，做到快速高效的監(jiān)測(cè)。同時(shí)，單體監(jiān)測(cè)單元在較粗的粒度上迅速發(fā)現(xiàn)問(wèn)題，明顯的問(wèn)題無(wú)需經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)的計(jì)算周期就能直接通知系統(tǒng)作出反應(yīng)，是“伽利略”智能產(chǎn)線(xiàn)的專(zhuān)有技術(shù)。
數(shù)據(jù)采集單元示意圖
(C) IAP（工業(yè)資產(chǎn)計(jì)劃）系統(tǒng)：基于神經(jīng)網(wǎng)絡(luò)，對(duì)全產(chǎn)線(xiàn)設(shè)備進(jìn)行監(jiān)測(cè)。通過(guò)獨(dú)有的自由向量技術(shù)，將產(chǎn)線(xiàn)全部數(shù)據(jù)視為多層架構(gòu)的同一整體，解決了高老化產(chǎn)線(xiàn)/高原產(chǎn)線(xiàn)單純基于設(shè)備本身數(shù)據(jù)測(cè)不準(zhǔn)的行業(yè)難題，將高老化產(chǎn)線(xiàn)/高原產(chǎn)線(xiàn)設(shè)備損耗的發(fā)現(xiàn)的準(zhǔn)確率從不足30%提升到99%。在準(zhǔn)確預(yù)測(cè)的基礎(chǔ)上，系統(tǒng)智能給出備品備件建議，與倉(cāng)庫(kù)管理系統(tǒng)銜接后，極大釋放備品備件的資金占用率。
IAP系統(tǒng)將智能監(jiān)測(cè)結(jié)果傳遞到倉(cāng)庫(kù)管理系統(tǒng)進(jìn)行備品備件的智能分析
(D)巡檢維護(hù)系統(tǒng)：“伽利略”IAP的巡檢維護(hù)系統(tǒng)與普通維護(hù)系統(tǒng)的區(qū)別，在于普通維護(hù)系統(tǒng)重巡檢，通過(guò)人力的巡檢發(fā)現(xiàn)問(wèn)題，才能進(jìn)行維護(hù)。而“伽利略”IAP的巡檢維護(hù)系統(tǒng)是IAP的執(zhí)行系統(tǒng)，其主要工作量偏向于維護(hù)，維護(hù)需求由“伽利略”IAP發(fā)現(xiàn)并實(shí)時(shí)給出。對(duì)不需要產(chǎn)線(xiàn)停機(jī)的設(shè)備，IAP向巡檢系統(tǒng)給出更換建議；對(duì)需要產(chǎn)線(xiàn)停機(jī)的設(shè)備，IAP給出維護(hù)建議。“伽利略”IAP的巡檢維護(hù)系統(tǒng)在巡檢環(huán)節(jié)更多結(jié)合了IAP的人工智能，而主要工作量轉(zhuǎn)移到輔助設(shè)備的源頭維護(hù)上，只在必要的時(shí)候輔以人工巡檢，極大提高了維護(hù)部門(mén)的人效。當(dāng)前高爭(zhēng)建材基于部門(mén)適應(yīng)性考慮，首期率先采用的是該維護(hù)系統(tǒng)的提示部份，通過(guò)維護(hù)派單方式，仍然達(dá)到了“30人做了接近100個(gè)人的工作”的效果。
“伽利略”IAP巡檢需求和智能巡檢APP界面示意圖
(E)常新維護(hù)：通過(guò)“伽利略”智慧工廠(chǎng)IAP的實(shí)施（含過(guò)程型MRO），高爭(zhēng)水泥產(chǎn)線(xiàn)輔助/末端設(shè)備維修維護(hù)量提升至280%，核心設(shè)備故障率下降至60%，考慮一期工程的實(shí)驗(yàn)性質(zhì)，在無(wú)邊緣網(wǎng)關(guān)部署，IAP靈敏度級(jí)別較低的現(xiàn)實(shí)情況，可認(rèn)為已很好的實(shí)現(xiàn)了“產(chǎn)線(xiàn)保值”和“產(chǎn)線(xiàn)長(zhǎng)新”的目標(biāo)。
三、價(jià)值成效
1、項(xiàng)目創(chuàng)新點(diǎn)
高爭(zhēng)建材股份IAP的實(shí)施，是“伽利略智慧工廠(chǎng)”IAP在攻克高老化產(chǎn)線(xiàn)的人工智能產(chǎn)線(xiàn)保值技術(shù)高地外，對(duì)高原產(chǎn)線(xiàn)獨(dú)特的損耗模型難題又一次成功的攻克。通過(guò)高爭(zhēng)建材IAP的實(shí)施，“伽利略智慧工廠(chǎng)”IAP全面建立了正常產(chǎn)線(xiàn)（5年以?xún)?nèi)產(chǎn)線(xiàn)）、高老化產(chǎn)線(xiàn)（5年以上產(chǎn)線(xiàn)）及高原產(chǎn)線(xiàn)全部產(chǎn)線(xiàn)類(lèi)型全面的覆蓋能力。本項(xiàng)目具有如下創(chuàng)新點(diǎn)：
①是國(guó)內(nèi)為少有的基于過(guò)程型MRO的工業(yè)資產(chǎn)計(jì)劃系統(tǒng)，釋放大量備品備件占用資金；
②基于自由向量的人工智能監(jiān)測(cè)模型，突破了高原產(chǎn)線(xiàn)設(shè)備維護(hù)的難題；
③是響應(yīng)“工業(yè)2025”精益生產(chǎn)要求，率先實(shí)現(xiàn)IAP資產(chǎn)計(jì)劃的項(xiàng)目，6個(gè)月減少停減產(chǎn)損失約1400萬(wàn)元（按年計(jì)算2700余萬(wàn)元），減少回爐損失約1700萬(wàn)元（按年計(jì)算3400余萬(wàn)元）；
④是國(guó)內(nèi)首批基于“常新維護(hù)”實(shí)現(xiàn)“產(chǎn)線(xiàn)保值”的項(xiàng)目。
2、應(yīng)用成效
除開(kāi)前6個(gè)月準(zhǔn)備工作，高爭(zhēng)建材在正式運(yùn)行“伽利略智慧工廠(chǎng)”IAP的6個(gè)月內(nèi)，對(duì)比上年同期減少停產(chǎn)、減產(chǎn)15次，減少停產(chǎn)、減產(chǎn)損失近1400萬(wàn)元，年化減少停減產(chǎn)2700余萬(wàn)元。各工藝段的核心設(shè)備故障率相比上年同期減少40%以上（未部署末敏層情況下取得）；減少工藝段的回爐損失約1700萬(wàn)元，年化3400萬(wàn)元。
①減少停減產(chǎn)損失
四、下一步實(shí)施計(jì)劃
高爭(zhēng)建材股份IAP一期實(shí)驗(yàn)項(xiàng)目已取得較好的效果，但限于覆蓋規(guī)模，“伽利略智慧工廠(chǎng)”IAP的完整功能并未完全得到應(yīng)用。主要仍有以下幾個(gè)方面的提升需要：
1、部署邊緣計(jì)算層，提升IAP靈敏度
考慮到一期的實(shí)驗(yàn)性質(zhì)，項(xiàng)目在數(shù)據(jù)采集上采取基于OPC的中心采集模式。基于OPC服務(wù)器運(yùn)行壓力大的原因，數(shù)據(jù)采集周期設(shè)置較長(zhǎng)（15秒），導(dǎo)致大量數(shù)據(jù)細(xì)節(jié)丟失，且由于不可避免的OPC和廠(chǎng)區(qū)網(wǎng)絡(luò)的抖動(dòng)，所采集到的數(shù)據(jù)錯(cuò)誤率較高（最高的數(shù)據(jù)點(diǎn)單日錯(cuò)誤率可達(dá)40%），所幸的是監(jiān)測(cè)范圍集中在窯頭窯尾工藝段，采集數(shù)據(jù)量尚處于可控范圍，基于以上考慮，IAP靈敏度僅設(shè)置為中低級(jí)。這也是當(dāng)前故障率只控制到上一年同期水平60%的原因。
下一步在增加邊緣計(jì)算層（邊緣網(wǎng)關(guān)和必要的末敏傳感器，主要是缺失的振動(dòng)傳感器）的情況下，單體監(jiān)測(cè)單元可下發(fā)到邊緣網(wǎng)關(guān)運(yùn)行，不占用服務(wù)器運(yùn)算能力，且邊緣網(wǎng)關(guān)依托于在地網(wǎng)直接對(duì)協(xié)議進(jìn)行解釋?zhuān)脖苊饬水?dāng)前采用OPC采集方式因廠(chǎng)區(qū)網(wǎng)的抖動(dòng)和OPC服務(wù)器能力不足所產(chǎn)生的大量壞數(shù)據(jù)問(wèn)題。
在合理增加邊緣計(jì)算層的情況下，通過(guò)適當(dāng)?shù)闹匦掠?xùn)練，可將核心設(shè)備故障率控制在20%（與系統(tǒng)實(shí)施前相對(duì)照）以?xún)?nèi)。
2、擴(kuò)大監(jiān)測(cè)范圍
影響水泥產(chǎn)品質(zhì)量的各大工序還包括原料化驗(yàn)、粉碎、生料、熟料、研磨等。一期項(xiàng)目雖然已經(jīng)對(duì)水泥生產(chǎn)核心的窯環(huán)節(jié)進(jìn)行了完整的監(jiān)測(cè)，但除更多依托人工的化驗(yàn)環(huán)節(jié)外，其它各工藝段仍未納入系統(tǒng)監(jiān)測(cè)范圍。
下一步將在增加IAP靈敏度級(jí)別的同時(shí)，增加“伽利略智慧工廠(chǎng)”IAP對(duì)全工藝段的覆蓋，實(shí)現(xiàn)全產(chǎn)線(xiàn)的“全新維護(hù)”和“產(chǎn)線(xiàn)保值”。將主要設(shè)備故障率控制在20%以下（與系統(tǒng)實(shí)施前相對(duì)照），將產(chǎn)線(xiàn)的有效稼動(dòng)率和實(shí)現(xiàn)產(chǎn)值提高15%以上（與系統(tǒng)實(shí)施前相對(duì)照）。
3、實(shí)施完整的巡檢維護(hù)系統(tǒng)
“伽利略智慧工廠(chǎng)”IAP的巡檢維護(hù)系統(tǒng)的提示功能在高爭(zhēng)建材的應(yīng)用中，與傳統(tǒng)方式相比已取得良好成效，但由于銜接問(wèn)題，仍存在維護(hù)不及時(shí)、信息更新不及時(shí)、漏維護(hù)、重復(fù)維護(hù)等現(xiàn)象，極大制約了IAP效用的發(fā)揮，具有完整功能的巡檢維護(hù)系統(tǒng)的實(shí)施已刻不容緩。
4、廠(chǎng)區(qū)無(wú)源光網(wǎng)(EPON)的雙向回路改造
當(dāng)前基于OPC數(shù)據(jù)采集發(fā)生大量數(shù)據(jù)錯(cuò)誤的原因，除了OPC服務(wù)器性能不足外，單向光纖網(wǎng)絡(luò)的抖動(dòng)也是一個(gè)主要原因。通過(guò)協(xié)助廠(chǎng)方對(duì)廠(chǎng)區(qū)無(wú)源光網(wǎng)進(jìn)行雙向改造，可在發(fā)生網(wǎng)絡(luò)阻塞或部分損壞時(shí)，具有穩(wěn)定的回路可用，保障數(shù)據(jù)的傳輸，從而保障生產(chǎn)的安全性和穩(wěn)定性。
五、總結(jié)
高爭(zhēng)建材股份“伽利略智慧工廠(chǎng)”IAP項(xiàng)目的實(shí)施和良好的生產(chǎn)效能提升效果，標(biāo)志著思為交互科技的“伽利略智慧工廠(chǎng)”平臺(tái)除了已適應(yīng)5年內(nèi)的正常產(chǎn)線(xiàn)的管理外，在5年以上的高老化產(chǎn)線(xiàn)和高原產(chǎn)線(xiàn)兩個(gè)極端領(lǐng)域也進(jìn)行了完全的覆蓋。“伽利略智慧工廠(chǎng)”平臺(tái)通過(guò)對(duì)極限的挑戰(zhàn)，成就了工業(yè)人工智能的技術(shù)典范。