项目获奖情况：2022年度冶金科学技术奖一等奖；
完成单位：,,,,北京科技大学,;
完成人：李奇、李世平、杨大雷、范建成、刘珏、杨建红、李杰、朱献忠、郭亮、赵刚、龚景群、罗云东、刘汉、徐刚、王建宇。
项目背景
上个世纪，宝钢引进、消化和完善了检查维护体系，并持续引领中国设备管理水平30余年。 在高质量发展的今天，设备数据在线率不足1%，质检达标率占96%，定期维护项目占70%以上，巡检人员配置居高不下，能源环保压力大，等等，这说明以点检、定期维护系统为代表的设备运维技术的发展遇到了瓶颈。
国内外钢铁同行在设备运行维护方面的发展也进行了探索和实践。 ，建立基于云的超级计算服务，安装超过50,000个传感器，并探索预测性维护。 新日铁推出人工智能数据分析平台（），提供云计算组合数据分析环境，提高设备维护效率。 新日铁名古屋工厂有1253台设备进行在线监测，监测结果为制定维护计划和内容提供直接依据。 三一重工以工程机械为目标，进行全生命周期运营管理，利用实时监控分析、设备故障修复、预测/预防性维护等，单台设备潜在收入增幅可达10%-50 %。
从目前的技术发展现状来看，基本上是在某类设备或某条生产线上的点状智能化应用。 尚未实现全流程、全流程、跨地域、跨空间的广泛而深入的数字化智能应用。
在设备连接维度上，钢铁企业存在设备感知手段薄弱、高频数据处理困难、多源多维度数据难以整合、信息孤岛众多等问题； 在预警诊断和决策方面，存在状态识别效率低、诊断精度差、退化等问题。 无法把握趋势、维护检查决策可靠性不高、经验难以转化为知识等问题； 在同类设备、同类生产线设备的运维对标中，存在设备术语不一致、故障描述不同、设备粒度不同、设备症状数据杂乱、数据处理差异大等问题； 现有的设备运维方式不支持智能运维的大规模推广应用，也缺乏智能运维人员。 解决上述问题是一项极具挑战性的复杂系统创新工程。
关键技术及创新点
本项目认为，设备运维从“感官判断、经验决策”向“数据判断、知识决策”转变是智能设备运维的核心。 本项目以此为总体思路，对设备智能运维技术进行系统创新。
围绕设备智能运维，形成了以平台、专家系统、一套标准化系统为核心技术架构，以钢铁全流程智能运维系统为核心的技术路线。载体。 技术创新有四个方面。
2.1 智威钢铁全流程云平台
该平台支持海量设备连接，采用“云-边-端”架构设计，支持智能生态协作、数据流动和知识创新赋能。
2.1.1 多场景智能物联网采集技术
针对钢铁设备数据挖掘场景复杂、高温、高湿、粉尘环境、设备类型差异大等特点，开发了一批专用智能数据采集设备和大规模低成本传感器，并应用于满足钢铁行业装备的需求。 多场景数据采集需求； 通过对多种物联网网络通道技术的融合研究，可以解决复杂环境下数据采集的“最后一公里”问题。
2.1.2 海量高频数据边缘处理技术
钢铁设备数据量大，但数据价值密度低。 通过开发一系列算法和数据处理工具，在边缘采用高频并发计算、工业特征工程等一系列技术，解决数据清洗、处理、特征提取等问题，实现边缘快速变频减少和实时计算应用程序。 同时开发了一系列免代码、可视化编程工具，实现现场高效人机交互，解决现场边缘海量高频数据的传输、清洗、处理问题。
2.1.3 多源、多维度、异构数据融合应用技术
设备数据异构、多源、多维度，综合应用困难。 该项目应用CMDB技术构建设备BOM和主数据，使用TSDB和集中式分布式大数据技术处理海量实时动态时序数据和过程控制数据，处理半结构化数据，并通过流式计算平台汇总数据。 统一、校对、构建智能知识图谱，实现维修经验建模。 通过工业数据融合技术的研发，可以对多类型设备数据进行包容处理，使设备数据能够跨设备、跨系统、跨生产线应用。
2.2 状态变化趋势决策智能专家系统
以一系列算法、规则、模型为核心，实现状态识别、故障定位、维护计划推送、结果验证闭环、知识提炼聚合全过程的智能决策。
2.2.1 利用统计和先验知识的多变量设备状态预警技术
针对设备状态个性化发展变化的特点，结合对设备机理的理解，建立设备状态动态数据统计模型，并根据不同工况的状态数据训练报警阈值钢材行业软件，实现自适应综合预警。 不仅支持各种阈值报警，还支持包括流程逻辑的趋势报警和边缘规则预警，实现复杂场景下异常状态的全面预警、多变量耦合等。
2.2.2 机制与数据驱动相结合的设备故障诊断技术
面对钢铁设备工况复杂、载荷变化、状态变化耦合因素多、非线性表示等特点，利用算法工具将经验数字化，将先验知识融入模型中，再与大数据的应用相结合技术提升案例学习效率。 加快设备诊断模型的开发和优化，最终实现故障诊断的智能化、精准化。
2.2.3 多维度数据协同综合装备评价技术
整合设备属性、运行状态、流程、维护检查流程、运行维护历史、相似故障特征、负荷积累等多维度数据，结合AI算法和专家经验知识，动态调整非线性权重系数形成设备综合评价体系模型，对设备健康度及相关性能指标进行综合评价。
2.2.4 基于知识图谱的设备维护决策技术
通过多个维检决策知识图谱的开发和迭代，指导梳理异常事件与维检需求之间的逻辑关系，形成维检决策规则，嵌入到平台运营和维护中。维护检查决策流程，推送最优维护检查对策，完善维护检查项目。 针对性和有效性。
2.3 面向服务一致性的设备智能运维标准体系
将单个基地的个别设备技术转化为全行业共性工艺技术，实现设备数据和技术规范的一致性，解决设备运维流程的数字化闭环，实现设备的统一标准和统一管理类似的设备和类似的生产线。
2.3.1 设备家谱多粒度统一数据标准
解决设备名称不一致、设备故障原因描述不同、设备粒度不同、设备表示数据混乱等问题，实现设备术语统一、粒度统一、数据表示统一。
2.3.2 基于工艺特点的设备数据采集、处理和存储标准
它规范了设备数据的采集和处理过程，解决了同类设备之间的数据相互理解和互操作问题。
2.3.3 钢铁生产线设备状态控制标准
解决钢铁企业间设备运维标准不同、运维质量不同、维护流程和验证方法不同的问题。 通过制定统一的运维标准、运维质量评估标准、维护验证标准，可以在多个地区取得类似的结果。 对生产线和类似设备进行高效、一致的管理和控制。
2.4 构建钢铁全流程智能运维系统
为了使技术创新效益最大化，实现基于极度专业化的规模效应，该项目还形成了业务流程和专业体系的创新，包括三项创新。
2.4.1 钢铁全流程智能运维系统解决方案群
依托宝武丰富的场景和行业专家，形成了一系列钢铁全流程智能运维系统解决方案，包括工艺概述、智能维护目标、智能设计、监控技术应用、运维技术应用、全数据应用、模型迭代升级等内容已做好大规模、快速复制的准备。
2.4.2 近地与远程运维相结合的平台化智能运维系统
公司以100%平台预警、100%在线工作为目标，近场与远程操作相结合，前中后台一体化。 依托平台对多个区域、同类生产线、同类设备进行集中管理和控制。 所有管理都是在线的，所有决策都是智能的。 ，所有资源共享，打造全新智能运维体系。
2.4.3 以智微工程师、智微分析师为核心的智能运维人才培养体系
创新以智能工程师、智能分析师为主体的新型智能制造职业体系，完善配套人才培养机制，为智能装备运维可持续发展奠定人才基础。
与国内外水平比较
在钢铁行业及设备运维领域，通过对监测设备数量、监测数据项、数据频率、设备覆盖范围、预警、诊断准确率、覆盖范围、运维体系等进行对比分析，该项目运营维护整体水平国际领先。 经过新颖性检查后，发现该项目具有新颖性； 经中国金属学会组织的成果鉴定，该项目成果达到国际领先水平。
创新效应
通过立项研究，形成标准11项（其中国家标准2项、企业标准9项）、专利88项（其中授权发明专利18项、授权实用新型13项、在审发明专利57项）、软件著作权9项。 ，16篇论文和1本书，涵盖了项目所有核心技术。
目前，项目成果（图1）已在中国宝武十五大生产基地及多个行业多个单位部署应用，并延伸至集团外生态系统（如连阳钢铁、宁波钢铁等）。钢铁、鞍钢鲅鱼圈等）。 累计已联网900多条生产线、33万多台设备，计划3年内联网设备超过100万台。
生产线设备方面，集中了热轧、高速轧制、冷轧等数十条主要生产线。 其中，马钢两条热轧生产线经过集中管控后，2021年产量创历史最好水平，生产线故障次数为近三年来最少； 其他生产线经过集中管控后也取得了良好的效果。 随着同类生产线数量的增加，设备资产效率、人员效率和管理效率将得到大幅提升。
通用设备方面，以风电机组为例，对近5000台风电机组进行集中管控后，预警诊断准确率超过90%，巡检负荷和维护负荷持续下降近1/3。 随着类似设备数量的增加，规模经济变得更加可观。
项目直接经济效益达5.4亿元（项目成员单位）钢材行业软件，间接效益17亿元。 项目相关技术已实现超大规模工程应用，为钢铁行业设备运维转型改革提供了坚实的理论基础和技术支撑。 拥有完全知识产权，关键技术自主可控。
▲《世界金属导报》第43期B09
