劉獻東
大數(shù)據(jù)分析和云計算是歐盟鋼鐵行業(yè)數(shù)字化轉(zhuǎn)型的12個重點科研基金項目之一。大數(shù)據(jù)分析關(guān)注基于歷史數(shù)據(jù)的算法，以識別產(chǎn)品質(zhì)量問題從而減少產(chǎn)品故障。鋼鐵行業(yè)中的傳統(tǒng)數(shù)據(jù)庫技術(shù)在完成對大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的捕獲、存儲、管理和分析方面，尚存在一定的困難。大數(shù)據(jù)分析技術(shù)采用新的處理模式，從各種數(shù)據(jù)類型中獲取有價值的信息，進而深入了解、獲取信息并洞察和識別其中的內(nèi)涵，以便做出準(zhǔn)確的決策。
大數(shù)據(jù)分析和云計算領(lǐng)域有以下6個主要項目：
一是“鋼包全過程跟蹤”項目。
該項目根據(jù)多目標(biāo)優(yōu)化（MOO）框架和數(shù)據(jù)分析，采用了包括聲學(xué)在內(nèi)的各類傳感器，以提高工廠產(chǎn)量、提高鋼廠的安全性。項目目標(biāo)是實現(xiàn)鋼廠作業(yè)環(huán)境中的鋼包的自動跟蹤，涵蓋從煉鋼、連鑄到板坯交付的全過程。準(zhǔn)確跟蹤鋼包位置是煉鋼工藝數(shù)字化轉(zhuǎn)型的基礎(chǔ)之一。鋼包跟蹤系統(tǒng)即要在保證平穩(wěn)生產(chǎn)的條件下，也要確保在生產(chǎn)計劃突然受到干擾的異常情況下優(yōu)化鋼包物流，以確保安全并提高產(chǎn)量。
二是“質(zhì)量4.0”項目。
該項目基于高級人工智能（AI）、機器自學(xué)習(xí)分析方法和大數(shù)據(jù)處理，開發(fā)自適應(yīng)平臺，允許在線分析大數(shù)據(jù)流，從而實現(xiàn)產(chǎn)品質(zhì)量決策并提供量身定制、高可靠性的質(zhì)量信息。對于歐洲鋼鐵行業(yè)來說，產(chǎn)能過剩導(dǎo)致廉價鋼鐵充斥著整個鋼鐵市場，歐洲鋼鐵生產(chǎn)商迫切需要差異化，積極推廣一個通用平臺具有戰(zhàn)略意義。但是，共享錯誤的質(zhì)量信息可能會導(dǎo)致客戶的嚴(yán)重不確定性并且損害客戶的信心。自適應(yīng)的“質(zhì)量4.0”項目平臺可以實現(xiàn)整個供應(yīng)鏈上質(zhì)量信息的橫向整合，在線分析大數(shù)據(jù)流，采用機器學(xué)習(xí)算法的創(chuàng)新方法，建模客戶關(guān)系并自動交換數(shù)據(jù)自動匹配可用的客戶和訂單信息，通過與客戶雙向交換量身定制的高可靠性信息，以實現(xiàn)差異化的產(chǎn)品質(zhì)量水準(zhǔn)決策并降低成本。
“質(zhì)量4.0”平臺作為面向服務(wù)的體系結(jié)構(gòu)（SOA），可以靈活地組合單個模塊并集成到現(xiàn)有的IT基礎(chǔ)架構(gòu)中，不需要依賴單個產(chǎn)品或技術(shù)。“質(zhì)量4.0”平臺由3個服務(wù)模塊組成：一是質(zhì)量數(shù)據(jù)生成服務(wù)模塊（QGS），生成質(zhì)量數(shù)據(jù)及其合理性值；二是質(zhì)量分配服務(wù)模塊（QAS），將客戶訂單與產(chǎn)品合理分配，并選擇相關(guān)的質(zhì)量數(shù)據(jù)； 三是質(zhì)量交換服務(wù)模塊（QXS），交換為每個客戶訂單編譯的選定質(zhì)量數(shù)據(jù)。
其中，“質(zhì)量4.0-QGS”的主要功能是估計所有可用數(shù)據(jù)源的質(zhì)量數(shù)據(jù)，并通過可能值（PV）量化該估計的置信度，以最終保證所提供質(zhì)量信息的可靠性。可能值的確定可以用一個函數(shù)表達。
有效可靠地檢測異常質(zhì)量指標(biāo)對“質(zhì)量4.0”項目起著基礎(chǔ)性的作用。在整個生產(chǎn)過程中收集的與質(zhì)量有關(guān)的數(shù)據(jù)可能因檢測等各種原因出現(xiàn)異常值。由于離群值的類型和多樣性，目前還沒有一種公認(rèn)的方法可以在任何情況下有效可靠地檢測異常值。離群值概念的非正式定義涉及其偏離正態(tài)性，可分為5類：基于分布、基于深度、基于距離、基于聚類和基于密度。該項目使用了FUCOD算法來檢測異常值，該方法結(jié)合了現(xiàn)有的4種離群點檢測方法，利用模糊推理系統(tǒng)（FIS）對每種方法的貢獻進行動態(tài)管理，根據(jù)處理后的數(shù)據(jù)挖掘其優(yōu)點，避免其缺點。FUCOD是為處理多維數(shù)據(jù)而設(shè)計的，這意味著離群值水平的計算不僅要考慮構(gòu)成質(zhì)量數(shù)據(jù)的單個變量的特性，還要考慮它們之間的相互作用。這些特點使得FUCOD方法特別適用于處理大量任務(wù)的工業(yè)數(shù)據(jù)集。該方法已成功應(yīng)用于歐洲鋼鐵行業(yè)。
“質(zhì)量4.0-QAS”結(jié)合質(zhì)量數(shù)據(jù)和客戶相關(guān)知識，實現(xiàn)對產(chǎn)品質(zhì)量的自適應(yīng)性監(jiān)督，可提供估計的質(zhì)量數(shù)據(jù)及反映質(zhì)量數(shù)據(jù)置信度的專用合理性值，將收到的信息與目標(biāo)客戶的知識相結(jié)合，自主分配和交換相關(guān)訂單的質(zhì)量數(shù)據(jù)、編制質(zhì)量缺陷以創(chuàng)造有價值的信息，并向供應(yīng)商反饋這些信息。然而，在供應(yīng)商和客戶之間交換相關(guān)質(zhì)量信息的系統(tǒng)必須能理解“相關(guān)性”的含義。因此，確定質(zhì)量信息相關(guān)性所需的所有信息都是基于可用的客戶信息和訂單數(shù)據(jù)進行語義建模的。這種模型中包含了客戶親密程度，反映了供應(yīng)商和用戶之間的相互信任關(guān)系，從而能夠合理定義質(zhì)量信息的類型和數(shù)量。
“質(zhì)量4.0-QXS”根據(jù)“質(zhì)量4.0-QAS”提供的結(jié)果，為每個訂單分別編譯所選的質(zhì)量數(shù)據(jù)，并使用標(biāo)準(zhǔn)通信協(xié)議交換數(shù)據(jù)。QXS是唯一可在工廠邊界之間訪問的服務(wù)，并管理“質(zhì)量4.0”平臺之間的質(zhì)量數(shù)據(jù)交換，可實現(xiàn)以客戶為導(dǎo)向的雙向質(zhì)量數(shù)據(jù)交換，并通過橫向集成建立對產(chǎn)品質(zhì)量的同步關(guān)注。為了確定合適的IT標(biāo)準(zhǔn)并在客戶和供應(yīng)商之間進行質(zhì)量數(shù)據(jù)交換，目前已形成的解決方案有：QDX系統(tǒng)、 STEP系統(tǒng)和質(zhì)量跟蹤系統(tǒng)。由于沒有適用于質(zhì)量數(shù)據(jù)交換的免費標(biāo)準(zhǔn)，因此將在“質(zhì)量4.0”框架中定義和實施特定的IT標(biāo)準(zhǔn)。
FADI是一個可定制的端到端大數(shù)據(jù)平臺，是一個能夠以可移植和可擴展的方式部署和集成的開源工具，也是一個多用戶和多參與者（即專業(yè)分析師，數(shù)據(jù)科學(xué)家/工程師，IT管理員等）的平臺。FADI有5個主要特征：一是收集來自各種數(shù)據(jù)源的批處理和流數(shù)據(jù)，二是將數(shù)據(jù)存儲在不同類型的數(shù)據(jù)存儲區(qū)中，三是使用ML和 人工智能技術(shù)，四是在用戶Web界面中可視化和分析數(shù)據(jù)，五是生成和發(fā)布報告。
三是“傳感器數(shù)據(jù)挖掘以提高產(chǎn)品質(zhì)量”項目。
該項目提出了一個基于大數(shù)據(jù)、特征提取、機器學(xué)習(xí)、分析服務(wù)器和知識管理的解決方案，以自動分析感測時間序列數(shù)據(jù)。項目通過開發(fā)新的方法和工具，以幫助工廠提高產(chǎn)品質(zhì)量并降低生產(chǎn)成本，其方法主要是關(guān)注3個方面的質(zhì)量標(biāo)準(zhǔn)：外觀、內(nèi)在質(zhì)量和機械性能。項目的開發(fā)內(nèi)容一方面包括通過識別質(zhì)量不良的主要原因，以優(yōu)化制造過程；另一方面包括快速預(yù)報產(chǎn)品質(zhì)量，以更好地表征產(chǎn)品特性并降低成本。
這些新方法在從大量復(fù)雜數(shù)據(jù)中提取知識，例如，基于相當(dāng)長一段時間（2年～3年）的和高頻（1Hz～10Hz）的、大量參數(shù)（數(shù)百個）的傳感器時間序列，摘出特定信息（例如，平均澆鑄速度）用于統(tǒng)計分析。為了自動大量分析這些傳感器時間序列數(shù)據(jù)，該項目提出了圍繞5個主軸構(gòu)建的綜合解決方案：
1.大數(shù)據(jù)：設(shè)計和管理適合于對大量數(shù)據(jù)進行數(shù)據(jù)分析的新數(shù)據(jù)庫類型。
2.從時間序列中提取特征：開發(fā)用于構(gòu)建更合適指標(biāo)的算法，以更好地表征可能影響質(zhì)量的過程。
3.機器學(xué)習(xí)：對機器學(xué)習(xí)的描述性和預(yù)測性分析，以查明質(zhì)量不良的原因和進行更好的預(yù)測。
4.Analytics Server（數(shù)據(jù)分析服務(wù)器）：開發(fā)分析服務(wù)器以提高建模效率、優(yōu)化管理并改善流程專家和數(shù)據(jù)挖掘?qū)＜抑g的交流。
5.知識管理：實現(xiàn)專業(yè)知識資本化和有價值的統(tǒng)計數(shù)據(jù)，以規(guī)范和優(yōu)化工藝知識和統(tǒng)計知識之間的交流。
四是“基于大數(shù)據(jù)開發(fā)實時監(jiān)測、控制和預(yù)測的突破性技術(shù)，以提高鋼鐵生產(chǎn)過程的穩(wěn)定性和產(chǎn)品質(zhì)量”項目。
該項目專注于鋼鐵行業(yè)的應(yīng)用場景開發(fā)和實施方法，基于鋼鐵工藝、并利用最新技術(shù)的數(shù)據(jù)處理和數(shù)據(jù)分析進行性能監(jiān)控。隨著歐洲鋼鐵生產(chǎn)對產(chǎn)品質(zhì)量和工藝效率要求的不斷提高，工藝和產(chǎn)品的數(shù)據(jù)和信息收集量也在不斷增加。同時，也需要新的方法來分析和控制生產(chǎn)過程、確定和預(yù)測中間產(chǎn)品和最終產(chǎn)品的性能。該項目以鋼鐵行業(yè)的專用用例為重點，利用數(shù)據(jù)處理和數(shù)據(jù)分析的最新技術(shù)提供的所有技術(shù)和科學(xué)可能性，綜合利用鋼鐵廠收集的大量信息資源。該項目的最終目標(biāo)是：1.研究出制造過程分析和控制的開發(fā)和應(yīng)用方法，以及評估和預(yù)測（中間）產(chǎn)品質(zhì)量的擴展工具；2.提供此類方法的適用性和有效性的證據(jù)；3.發(fā)現(xiàn)在調(diào)查用例之外開發(fā)新方法的可能性并提出建議
該項目中包括的基礎(chǔ)子項目有：
1.大數(shù)據(jù)的應(yīng)用。
由于其數(shù)據(jù)存量具有規(guī)模大、多樣性和快節(jié)奏性的特點，傳統(tǒng)數(shù)據(jù)處理應(yīng)用軟件無法充分處理過于復(fù)雜的數(shù)據(jù)集的研究和應(yīng)用。該項目以產(chǎn)生經(jīng)濟效益為目的，對來自多個來源的大量數(shù)據(jù)進行高速分析，既涵蓋了結(jié)構(gòu)化的數(shù)據(jù)，又涵蓋了半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，同時也應(yīng)用于孿生數(shù)據(jù)。在保證數(shù)據(jù)質(zhì)量的前提下采用NoSQL（not only SQL）數(shù)據(jù)形式，應(yīng)用于“質(zhì)量4.0”（全流程質(zhì)量管理）、鋼鐵產(chǎn)品全流程數(shù)據(jù)跟蹤的無縫跟蹤（位置識別與找正）。
2.事件處理。
事件處理是指一種跟蹤和分析（處理）有關(guān)所發(fā)生事情（事件）的信息（數(shù)據(jù)）流并從中得出結(jié)論的方法。該子項目由意大利RINA負(fù)責(zé)。RINA集團下屬的意大利材料研發(fā)中心CSM（寶鋼歐洲研發(fā)中心在歐洲的聯(lián)合研究中心）負(fù)責(zé)M設(shè)計、開發(fā)和驗證了創(chuàng)新的大數(shù)據(jù)架構(gòu)，以管理來自鋼鐵生產(chǎn)的數(shù)據(jù)（過程和質(zhì)量數(shù)據(jù)）。實現(xiàn)了Lambda架構(gòu)，并能夠以實時流和批處理兩種方式處理數(shù)據(jù)。這種體系結(jié)構(gòu)可對鋼廠自動化系統(tǒng)的數(shù)據(jù)進行實時分析，并將其存儲起來進行歷史分析，是一個適合人工智能模型集成的場景。
目前已經(jīng)成功實施的實際案例包括：“基于機器學(xué)習(xí)技術(shù)的過程機器預(yù)測維修”“基于深度學(xué)習(xí)模型的過程數(shù)據(jù)缺陷預(yù)測”“預(yù)測過程關(guān)鍵績效指標(biāo)，以防止過程偏差”“利用深度學(xué)習(xí)和圖像分析進行缺陷分類”。
3.機器深度學(xué)習(xí)和大數(shù)據(jù)分析。
該子項目由德國BFI集團負(fù)責(zé)。大數(shù)據(jù)分析是收集、組織和分析大數(shù)據(jù)集以發(fā)現(xiàn)有用信息的過程。機器深度學(xué)習(xí)的方法包括：深層神經(jīng)網(wǎng)絡(luò)（監(jiān)督）、經(jīng)常性網(wǎng)絡(luò)（監(jiān)督）、卷積網(wǎng)絡(luò)（監(jiān)督）、“深信不疑”的網(wǎng)絡(luò)（無監(jiān)督）。
五是“基于網(wǎng)絡(luò)物理系統(tǒng)，將智能數(shù)據(jù)驅(qū)動的維護操作應(yīng)用于軋鋼區(qū)域”項目。
該項目可預(yù)測質(zhì)量降級、故障、異常、關(guān)鍵部件的剩余壽命，以便及時規(guī)劃適當(dāng)且具有成本效益的維護及干預(yù)措施。
該項目通過在“Industry 4.0”基礎(chǔ)上建立的實驗系統(tǒng)和工具，開發(fā)了應(yīng)用于軋制區(qū)域的“集成維護模型4.0”（IMM4.0），將鋼鐵行業(yè)的維護策略從預(yù)防性維護轉(zhuǎn)變?yōu)閮?yōu)化的預(yù)測性維護。該模型通過預(yù)測關(guān)鍵單元的質(zhì)量下降、故障、異常和剩余壽命，從而及時做出維護和干預(yù)。
六是“實現(xiàn)鋼廠無人機自主飛行監(jiān)視和點檢”項目。
該項目中采用新的傳感器數(shù)據(jù)，在兩個鋼鐵廠（蒂森克虜伯的Duisburg工廠和ILVA的Taranto工廠）檢驗了用無人機（UAV）代替鋼廠傳統(tǒng)基礎(chǔ)設(shè)施維護和保障相關(guān)崗位人員安全的技術(shù)效果。
該項目采用無人機進行點檢，提高了鋼廠工人的安全性并顯著降低了維護成本。該項目在硬件方面改進了無人機的結(jié)構(gòu)，以確保事故發(fā)生時工人的健康和安全；設(shè)置了自主充電站，足以適應(yīng)鋼廠作業(yè)環(huán)境；設(shè)立了集成系統(tǒng)，可從無人機傳感器獲取數(shù)據(jù)。同時，該項目在軟件方面采取了用于在復(fù)雜區(qū)域中進行自主且穩(wěn)健飛行的算法、協(xié)調(diào)激活和調(diào)度無人機機隊的策略、適用于基于智能手機的無人機的人機界面。此外，該項目在管理方面開發(fā)了無人機控制/管理人員培訓(xùn)系統(tǒng)，并確保滿足所有有關(guān)無人機的法律要求和公司內(nèi)部限制條件。
《中國冶金報》（2021年1月15日 02版二版）
