劉獻東
大數據分析和云計算是歐盟鋼鐵行業(yè)數字化轉型的12個(gè)重點(diǎn)科研基金項目之一。大數據分析關(guān)注基于歷史數據的算法，以識別產(chǎn)品質(zhì)量問(wèn)題從而減少產(chǎn)品故障。鋼鐵行業(yè)中的傳統數據庫技術(shù)在完成對大量結構化和非結構化數據的捕獲、存儲、管理和分析方面，尚存在一定的困難。大數據分析技術(shù)采用新的處理模式，從各種數據類(lèi)型中獲取有價(jià)值的信息，進(jìn)而深入了解、獲取信息并洞察和識別其中的內涵，以便做出準確的決策。
大數據分析和云計算領(lǐng)域有以下6個(gè)主要項目：
一是“鋼包全過(guò)程跟蹤”項目。
該項目根據多目標優(yōu)化（MOO）框架和數據分析，采用了包括聲學(xué)在內的各類(lèi)傳感器，以提高工廠(chǎng)產(chǎn)量、提高鋼廠(chǎng)的安全性。項目目標是實(shí)現鋼廠(chǎng)作業(yè)環(huán)境中的鋼包的自動(dòng)跟蹤，涵蓋從煉鋼、連鑄到板坯交付的全過(guò)程。準確跟蹤鋼包位置是煉鋼工藝數字化轉型的基礎之一。鋼包跟蹤系統即要在保證平穩生產(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)習分析方法和大數據處理，開(kāi)發(fā)自適應平臺，允許在線(xiàn)分析大數據流，從而實(shí)現產(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(lái)說(shuō)，產(chǎn)能過(guò)剩導致廉價(jià)鋼鐵充斥著(zhù)整個(gè)鋼鐵市場(chǎng)，歐洲鋼鐵生產(chǎn)商迫切需要差異化，積極推廣一個(gè)通用平臺具有戰略意義。但是，共享錯誤的質(zhì)量信息可能會(huì )導致客戶(hù)的嚴重不確定性并且損害客戶(hù)的信心。自適應的“質(zhì)量4.0”項目平臺可以實(shí)現整個(gè)供應鏈上質(zhì)量信息的橫向整合，在線(xiàn)分析大數據流，采用機器學(xué)習算法的創(chuàng )新方法，建?？蛻?hù)關(guān)系并自動(dòng)交換數據自動(dòng)匹配可用的客戶(hù)和訂單信息，通過(guò)與客戶(hù)雙向交換量身定制的高可靠性信息，以實(shí)現差異化的產(chǎn)品質(zhì)量水準決策并降低成本。
“質(zhì)量4.0”平臺作為面向服務(wù)的體系結構（SOA），可以靈活地組合單個(gè)模塊并集成到現有的IT基礎架構中，不需要依賴(lài)單個(gè)產(chǎn)品或技術(shù)?！百|(zhì)量4.0”平臺由3個(gè)服務(wù)模塊組成：一是質(zhì)量數據生成服務(wù)模塊（QGS），生成質(zhì)量數據及其合理性值；二是質(zhì)量分配服務(wù)模塊（QAS），將客戶(hù)訂單與產(chǎn)品合理分配，并選擇相關(guān)的質(zhì)量數據； 三是質(zhì)量交換服務(wù)模塊（QXS），交換為每個(gè)客戶(hù)訂單編譯的選定質(zhì)量數據。
其中，“質(zhì)量4.0-QGS”的主要功能是估計所有可用數據源的質(zhì)量數據，并通過(guò)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?？赡苤档拇_定可以用一個(gè)函數表達。
有效可靠地檢測異常質(zhì)量指標對“質(zhì)量4.0”項目起著(zhù)基礎性的作用。在整個(gè)生產(chǎn)過(guò)程中收集的與質(zhì)量有關(guān)的數據可能因檢測等各種原因出現異常值。由于離群值的類(lèi)型和多樣性，目前還沒(méi)有一種公認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(lèi)：基于分布、基于深度、基于距離、基于聚類(lèi)和基于密度。該項目使用了FUCOD算法來(lái)檢測異常值，該方法結合了現有的4種離群點(diǎn)檢測方法，利用模糊推理系統（FIS）對每種方法的貢獻進(jìn)行動(dòng)態(tài)管理，根據處理后的數據挖掘其優(yōu)點(diǎn)，避免其缺點(diǎn)。FUCOD是為處理多維數據而設計的，這意味著(zhù)離群值水平的計算不僅要考慮構成質(zhì)量數據的單個(gè)變量的特性，還要考慮它們之間的相互作用。這些特點(diǎn)使得FUCOD方法特別適用于處理大量任務(wù)的工業(yè)數據集。該方法已成功應用于歐洲鋼鐵行業(yè)。
“質(zhì)量4.0-QAS”結合質(zhì)量數據和客戶(hù)相關(guān)知識，實(shí)現對產(chǎn)品質(zhì)量的自適應性監督，可提供估計的質(zhì)量數據及反映質(zhì)量數據置信度的專(zhuān)用合理性值，將收到的信息與目標客戶(hù)的知識相結合，自主分配和交換相關(guān)訂單的質(zhì)量數據、編制質(zhì)量缺陷以創(chuàng )造有價(jià)值的信息，并向供應商反饋這些信息。然而，在供應商和客戶(hù)之間交換相關(guān)質(zhì)量信息的系統必須能理解“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(hù)信息和訂單數據進(jìn)行語(yǔ)義建模的。這種模型中包含了客戶(hù)親密程度，反映了供應商和用戶(hù)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(lèi)型和數量。
“質(zhì)量4.0-QXS”根據“質(zhì)量4.0-QAS”提供的結果，為每個(gè)訂單分別編譯所選的質(zhì)量數據，并使用標準通信協(xié)議交換數據。QXS是唯一可在工廠(chǎng)邊界之間訪(fǎng)問(wèn)的服務(wù)，并管理“質(zhì)量4.0”平臺之間的質(zhì)量數據交換，可實(shí)現以客戶(hù)為導向的雙向質(zhì)量數據交換，并通過(guò)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標準并在客戶(hù)和供應商之間進(jìn)行質(zhì)量數據交換，目前已形成的解決方案有：QDX系統、 STEP系統和質(zhì)量跟蹤系統。由于沒(méi)有適用于質(zhì)量數據交換的免費標準，因此將在“質(zhì)量4.0”框架中定義和實(shí)施特定的IT標準。
FADI是一個(gè)可定制的端到端大數據平臺，是一個(gè)能夠以可移植和可擴展的方式部署和集成的開(kāi)源工具，也是一個(gè)多用戶(hù)和多參與者（即專(zhuān)業(yè)分析師，數據科學(xué)家/工程師，IT管理員等）的平臺。FADI有5個(gè)主要特征：一是收集來(lái)自各種數據源的批處理和流數據，二是將數據存儲在不同類(lèi)型的數據存儲區中，三是使用ML和 人工智能技術(shù)，四是在用戶(hù)Web界面中可視化和分析數據，五是生成和發(fā)布報告。
三是“傳感器數據挖掘以提高產(chǎn)品質(zhì)量”項目。
該項目提出了一個(gè)基于大數據、特征提取、機器學(xué)習、分析服務(wù)器和知識管理的解決方案，以自動(dòng)分析感測時(shí)間序列數據。項目通過(guò)開(kāi)發(fā)新的方法和工具，以幫助工廠(chǎng)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(gè)方面的質(zhì)量標準：外觀(guān)、內在質(zhì)量和機械性能。項目的開(kāi)發(fā)內容一方面包括通過(guò)識別質(zhì)量不良的主要原因，以?xún)?yōu)化制造過(guò)程；另一方面包括快速預報產(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雜數據中提取知識，例如，基于相當長(cháng)一段時(shí)間（2年～3年）的和高頻（1Hz～10Hz）的、大量參數（數百個(gè)）的傳感器時(shí)間序列，摘出特定信息（例如，平均澆鑄速度）用于統計分析。為了自動(dòng)大量分析這些傳感器時(shí)間序列數據，該項目提出了圍繞5個(gè)主軸構建的綜合解決方案：
1.大數據：設計和管理適合于對大量數據進(jìn)行數據分析的新數據庫類(lèi)型。
2.從時(shí)間序列中提取特征：開(kāi)發(fā)用于構建更合適指標的算法，以更好地表征可能影響質(zhì)量的過(guò)程。
3.機器學(xué)習：對機器學(xué)習的描述性和預測性分析，以查明質(zhì)量不良的原因和進(jìn)行更好的預測。
4.Analytics Server（數據分析服務(wù)器）：開(kāi)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(zhuān)家和數據挖掘專(zhuān)家之間的交流。
5.知識管理：實(shí)現專(zhuān)業(yè)知識資本化和有價(jià)值的統計數據，以規范和優(yōu)化工藝知識和統計知識之間的交流。
四是“基于大數據開(kāi)發(fā)實(shí)時(shí)監測、控制和預測的突破性技術(shù)，以提高鋼鐵生產(chǎn)過(guò)程的穩定性和產(chǎn)品質(zhì)量”項目。
該項目專(zhuān)注于鋼鐵行業(yè)的應用場(chǎng)景開(kāi)發(fā)和實(shí)施方法，基于鋼鐵工藝、并利用最新技術(shù)的數據處理和數據分析進(jìn)行性能監控。隨著(zhù)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)品的數據和信息收集量也在不斷增加。同時(shí)，也需要新的方法來(lái)分析和控制生產(chǎn)過(guò)程、確定和預測中間產(chǎn)品和最終產(chǎn)品的性能。該項目以鋼鐵行業(yè)的專(zhuān)用用例為重點(diǎn)，利用數據處理和數據分析的最新技術(shù)提供的所有技術(shù)和科學(xué)可能性，綜合利用鋼鐵廠(chǎng)收集的大量信息資源。該項目的最終目標是：1.研究出制造過(guò)程分析和控制的開(kāi)發(fā)和應用方法，以及評估和預測（中間）產(chǎn)品質(zhì)量的擴展工具；2.提供此類(lèi)方法的適用性和有效性的證據；3.發(fā)現在調查用例之外開(kāi)發(fā)新方法的可能性并提出建議
該項目中包括的基礎子項目有：
1.大數據的應用。
由于其數據存量具有規模大、多樣性和快節奏性的特點(diǎn)，傳統數據處理應用軟件無(wú)法充分處理過(guò)于復雜的數據集的研究和應用。該項目以產(chǎn)生經(jīng)濟效益為目的，對來(lái)自多個(gè)來(lái)源的大量數據進(jìn)行高速分析，既涵蓋了結構化的數據，又涵蓋了半結構化和非結構化的數據，同時(shí)也應用于孿生數據。在保證數據質(zhì)量的前提下采用NoSQL（not only SQL）數據形式，應用于“質(zhì)量4.0”（全流程質(zhì)量管理）、鋼鐵產(chǎn)品全流程數據跟蹤的無(wú)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（數據）流并從中得出結論的方法。該子項目由意大利RINA負責。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）負責M設計、開(kāi)發(fā)和驗證了創(chuàng )新的大數據架構，以管理來(lái)自鋼鐵生產(chǎn)的數據（過(guò)程和質(zhì)量數據）。實(shí)現了Lambda架構，并能夠以實(shí)時(shí)流和批處理兩種方式處理數據。這種體系結構可對鋼廠(chǎng)自動(dòng)化系統的數據進(jìn)行實(shí)時(shí)分析，并將其存儲起來(lái)進(jìn)行歷史分析，是一個(gè)適合人工智能模型集成的場(chǎng)景。
目前已經(jīng)成功實(shí)施的實(shí)際案例包括：“基于機器學(xué)習技術(shù)的過(guò)程機器預測維修”“基于深度學(xué)習模型的過(guò)程數據缺陷預測”“預測過(guò)程關(guān)鍵績(jì)效指標，以防止過(guò)程偏差”“利用深度學(xué)習和圖像分析進(jìn)行缺陷分類(lèi)”。
3.機器深度學(xué)習和大數據分析。
該子項目由德國B(niǎo)FI集團負責。大數據分析是收集、組織和分析大數據集以發(fā)現有用信息的過(guò)程。機器深度學(xué)習的方法包括：深層神經(jīng)網(wǎng)絡(luò )（監督）、經(jīng)常性網(wǎng)絡(luò )（監督）、卷積網(wǎng)絡(luò )（監督）、“深信不疑”的網(wǎng)絡(luò )（無(wú)監督）。
五是“基于網(wǎng)絡(luò )物理系統，將智能數據驅動(dòng)的維護操作應用于軋鋼區域”項目。
該項目可預測質(zhì)量降級、故障、異常、關(guān)鍵部件的剩余壽命，以便及時(shí)規劃適當且具有成本效益的維護及干預措施。
該項目通過(guò)在“Industry 4.0”基礎上建立的實(shí)驗系統和工具，開(kāi)發(fā)了應用于軋制區域的“集成維護模型4.0”（IMM4.0），將鋼鐵行業(yè)的維護策略從預防性維護轉變?yōu)閮?yōu)化的預測性維護。該模型通過(guò)預測關(guān)鍵單元的質(zhì)量下降、故障、異常和剩余壽命，從而及時(shí)做出維護和干預。
六是“實(shí)現鋼廠(chǎng)無(wú)人機自主飛行監視和點(diǎn)檢”項目。
該項目中采用新的傳感器數據，在兩個(gè)鋼鐵廠(chǎng)（蒂森克虜伯的Duisburg工廠(chǎng)和ILVA的Taranto工廠(chǎng)）檢驗了用無(wú)人機（UAV）代替鋼廠(chǎng)傳統基礎設施維護和保障相關(guān)崗位人員安全的技術(shù)效果。
該項目采用無(wú)人機進(jìn)行點(diǎn)檢，提高了鋼廠(chǎng)工人的安全性并顯著(zhù)降低了維護成本。該項目在硬件方面改進(jìn)了無(wú)人機的結構，以確保事故發(fā)生時(shí)工人的健康和安全；設置了自主充電站，足以適應鋼廠(chǎng)作業(yè)環(huán)境；設立了集成系統，可從無(wú)人機傳感器獲取數據。同時(shí)，該項目在軟件方面采取了用于在復雜區域中進(jìn)行自主且穩健飛行的算法、協(xié)調激活和調度無(wú)人機機隊的策略、適用于基于智能手機的無(wú)人機的人機界面。此外，該項目在管理方面開(kāi)發(fā)了無(wú)人機控制/管理人員培訓系統，并確保滿(mǎn)足所有有關(guān)無(wú)人機的法律要求和公司內部限制條件。
《中國冶金報》（2021年1月15日 02版二版）
