鑄鍛大腦，阿裡雲在冶金行業的應用
1 項目背景
在工業4.0時代，蘭石鑄鍛公司面臨着産業結構調整與産業更新、新舊動能轉換等諸多挑戰。如何結合公司現有資訊化資源，充分利用雲計算、大資料等新興資訊技術和手段，實作企業轉型發展和智能制造，為鑄鍛行業探索實踐出一條産業更新與智能制造轉型、提升核心競争力的新路，是行業面臨的共同課題。
2 項目基本情況
基于阿裡雲ET工業大腦平台，建構智慧冶煉（EAF爐、LF爐、VD爐）操作優化系統，通過對EAF爐、LF爐、VD爐涉及的各類型資料分析，結合生産工藝、裝置性能需求、安全運維需求、生産周期要求、産品性能名額等因素，建構大資料模型，生成優化後的生産運作參數，以期達到安全生産、節約生産成本、縮短冶煉時間、提升生産效率，提升裝置使用率等目标。
3 資料采集
基于現有裝置傳輸協定及現有系統的接口網關情況，通過網關程式加硬體平台對企業系統資料、工廠裝置資料、傳感器資料、人員管理資料等多方工業企業資料進行采集。資料主要包括：IOT資料、手工填報資料、MES資料和化驗室資料。采用VPN網關産品，建立線下資料庫與線上的專有網絡（VPC）之間的内網聯通。ECS上數采服務實時抽取這些資料後通過DataHub SDK實時推送到DataHub，最後将DataHub中的資料歸檔到MaxCompute。
4 模型建構
在滿足出鋼鋼水品質要求的前提下，結合煉鋼工藝過程，尋找最優化投料量和投料比例（造渣料、合金、脫氧劑、增碳劑）、氧槍位控制政策、吹氧壓力等工藝控制政策，使終點碳含量、出鋼溫度、氧活度等名額最優，進而實作降低渣料量消耗的目的。模型建構和工藝參數推薦流程如下：
工程師采用模型建議操作後的資料會傳回大資料平台，進行機器學習算法模型的持續疊代。模型持續自學習，推薦效果不斷優化，形成優化過程良性循環。促進工藝水準不斷提升。
5計算結果推送
建構了EAF爐、LF爐和VD爐的算法模型，EAF爐實作有效氧化脫碳、去除夾雜物和氣體，LF爐實作對鋼水進行成分調整、溫度控制、脫硫的最佳操作，VD爐確定吹氩攪拌真空脫氣效果，實作鋼液最佳操作。工藝參數推送流程如下圖所示：
系統上線運作後，可以實時推薦冶煉的過程參數，為現場操作勞工提供較為精準的操作建議，推薦效果如下圖所示：
6總結
雲計算、大資料、移動化、物聯網等新技術不可逆轉的應用趨勢下，鑄鍛企業已不得不思考如何應用新技術改良已有的技術和管理模式。傳統鑄鍛企業的資訊采集技術水準不高，部分裝置的關鍵狀态資訊無法實時擷取，裝置的自檢能力、自我診斷能力需進一步提升。生産現場的可視化、互動化水準有限，限制了對生産現場的操作指導和技術支援能力，資訊實時傳輸同步有待提高。現有生産過程中缺乏對裝置及運檢狀态的進階診斷和分析手段，不能及時有效的掌控裝置的運作情況，不能基于擷取的跨專業多源異構資訊有效地加以融合分析、及時準确的實作對運作狀态的進階評估和診斷。通過該項目的實施，能夠幫助企業逐漸梳理新技術應用場景并逐漸建設落地，進而深化大資料、人工智能等新技術在企業的實際應用。