鋼鐵工業(yè)數(shù)字化、智能化技術(shù)路線圖

1大數(shù)據(jù)與鋼鐵工業(yè)智能制造大數(shù)據(jù)與鋼鐵工業(yè)智能制造高級研修班三、鋼鐵工業(yè)智能制造應(yīng)用技術(shù)五、鋼鐵工業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化制造技術(shù)發(fā)展路線圖一.智能制造相關(guān)概念1.物聯(lián)網(wǎng)與工業(yè)互聯(lián)網(wǎng)2.大數(shù)據(jù)3.云計(jì)算4.知識自動化5.鋼鐵智能制造6.流程工業(yè)智能制造7.CPS與工業(yè)4.08.信息化和工業(yè)化深度融合4監(jiān)控和管理的一種網(wǎng)絡(luò)概念。計(jì)算模式、移動通信等不斷融入到工業(yè)生產(chǎn)的IndustrialInternet:PushingtheBoundariesofMindsandMachinesGE，PeterC.EvansandMarcoAnnunziata11.26,2012工業(yè)互聯(lián)網(wǎng):打破智慧與機(jī)器的邊界,機(jī)械工業(yè)出版社,2015年6月計(jì)算能力和分布式計(jì)算能力和分布式機(jī)器和工廠的出現(xiàn)擴(kuò)大了規(guī)模和范圍機(jī)器和工廠的出現(xiàn)擴(kuò)大了規(guī)模和范圍56工業(yè)互聯(lián)網(wǎng)的應(yīng)用通過工業(yè)互聯(lián)網(wǎng)把全球工業(yè)系統(tǒng)連接起來，數(shù)字世界工業(yè)互聯(lián)網(wǎng)中數(shù)據(jù)循環(huán)88創(chuàng)新、競爭和生產(chǎn)率的下一個(gè)前沿McKinsey,May201199大數(shù)據(jù)“Bigdata”指數(shù)據(jù)集，其容量超出典型數(shù)據(jù)庫軟件工具所能獲取、存儲、管理大數(shù)據(jù)及分析技術(shù)匯聚、操作、管理和分析,,），大數(shù)據(jù)帶來的思維、商業(yè)、管理變革在金融領(lǐng)域，美國股市每天的成交量高達(dá)70億美國金融界比巴菲特更會賺錢的投資大師開始在麻省理工和哈佛大學(xué)教數(shù)學(xué)，隨后成為紐約州立大學(xué)數(shù)學(xué)系主數(shù)據(jù)挖掘技術(shù)、統(tǒng)計(jì)技術(shù)等處理數(shù)據(jù)，以得到最優(yōu)的投資組合和投資互聯(lián)網(wǎng)大數(shù)據(jù)與工業(yè)大數(shù)據(jù)工業(yè)大數(shù)據(jù)：工業(yè)4.0時(shí)代的工業(yè)轉(zhuǎn)型與價(jià)值創(chuàng)造李杰,機(jī)械工業(yè)出版社,2015.6工業(yè)大數(shù)據(jù)的3B特征（專業(yè)性、關(guān)聯(lián)性、流程性、時(shí)序性和解析性等特點(diǎn)）之間關(guān)聯(lián)性的機(jī)理邏輯，需要數(shù)據(jù)融合和知識融合。而互聯(lián)網(wǎng)大數(shù)據(jù)則傾向于僅僅依賴統(tǒng)計(jì)學(xué)工具挖掘?qū)傩灾g的相關(guān)性。注重?cái)?shù)據(jù)的“全”，即面向應(yīng)用要求具有盡可能全面的使用樣本，以覆蓋工業(yè)過程中的各類條件變化，保證從數(shù)據(jù)中能夠提取出反映對象真實(shí)狀態(tài)的全面性信息。2）工業(yè)大數(shù)據(jù)的價(jià)值具有很強(qiáng)的時(shí)效性，當(dāng)前時(shí)刻產(chǎn)生的數(shù)據(jù)如果不迅速轉(zhuǎn)變?yōu)榭梢灾С譀Q策的信息，其價(jià)值就會隨時(shí)間流逝而迅速衰退，這就要求工業(yè)大數(shù)據(jù)處理手段具有很高的實(shí)時(shí)性。BadQuality（低質(zhì)性）。需要提高數(shù)據(jù)質(zhì)量、滿足低容錯(cuò)性。工業(yè)大數(shù)據(jù)對預(yù)測和分析結(jié)果的容錯(cuò)率遠(yuǎn)遠(yuǎn)比互聯(lián)網(wǎng)大數(shù)據(jù)低得多?；ヂ?lián)網(wǎng)大數(shù)據(jù)在進(jìn)行預(yù)測和決策時(shí)，僅考慮顯著性大于一定程度（如80%）即可，如推薦書，即使有誤也不會產(chǎn)生嚴(yán)重后果。在工業(yè)環(huán)境中，如果僅僅通過統(tǒng)計(jì)的顯著性給出分析結(jié)果，哪怕僅僅一次失誤都可能造成嚴(yán)重的后果。工業(yè)大數(shù)據(jù)的3B特性與工業(yè)應(yīng)用中低容錯(cuò)性之間的矛盾是工業(yè)大數(shù)據(jù)分析所要解決的最主要矛盾工業(yè)大數(shù)據(jù)的價(jià)值（InternetofThings）縱向的價(jià)值挖掘（工業(yè)大數(shù)據(jù)思維）。從應(yīng)用價(jià)值的功能與目標(biāo),大數(shù)據(jù)時(shí)代維克托邁爾,要分析與某事物相關(guān)的所有數(shù)據(jù)，而不是依靠分析少量的數(shù)據(jù)樣本。樂于接受數(shù)據(jù)的紛繁復(fù)雜，而不再追求精？，。？，。?。┠愕牟?”實(shí)在受不了了才會去醫(yī)院，同時(shí)這個(gè)信息傳達(dá)回疾控中心也需會有一兩周的延遲。而且，疾控中心每周只進(jìn)行一次數(shù)據(jù)匯總。然而，對于一種飛相關(guān)詞條和美國疾控中心在2003年至2008年間季節(jié)性流感傳播時(shí)期的數(shù)據(jù)進(jìn)4.5億個(gè)不同的數(shù)字模型。他們的軟件發(fā)現(xiàn)了45條檢索詞條的組合，建立預(yù)測模型，他們的預(yù)測與官方數(shù)據(jù)的相關(guān)性高達(dá)97%。和疾控中心一樣，他們也能判斷出流感是從哪里傳播出來的，而且他們2009年甲型H1N1流感爆發(fā)的時(shí)候，與習(xí)慣性滯后的谷歌流感預(yù)測：預(yù)測是如何失效的？（故事反面）谷歌工程師們開發(fā)的GFT，可謂轟動一時(shí)，相關(guān)論文發(fā)表4年后，2013年2月13日，《自然》發(fā)文指出，在最近（2012年12月）的一次流感爆發(fā)中谷歌流感趨勢不起作用了。GFT預(yù)測顯示某次的流感爆發(fā)非常嚴(yán)重，然而疾控中心（CDC）在匯總各地?cái)?shù)據(jù)以后，發(fā)現(xiàn)谷歌的預(yù)測結(jié)果比實(shí)際情況要夸大了幾乎一倍。清楚關(guān)聯(lián)背后的原因，只是在數(shù)據(jù)中找到了一些統(tǒng)計(jì)特征——相關(guān)性。為了提高GFT的預(yù)測準(zhǔn)確性，谷歌工程師們不斷地微調(diào)預(yù)測算法，但GFT每一次算法微調(diào)，都是為了修補(bǔ)之前的測不準(zhǔn)，但每次修補(bǔ)又造成了另外誤差。問題的根源在于，谷歌工程師并不知道搜索關(guān)鍵詞和流感傳播之間到底有什么關(guān)聯(lián)，也沒有試圖去搞清。會有媒體報(bào)道，就會引發(fā)更多相關(guān)信息搜索，反過來強(qiáng)化了GFT對疫情的判定。這樣下去，算法無論怎么修補(bǔ)，都無法改變其愈發(fā)不準(zhǔn)確的命運(yùn)。GoogleFlu:trapsinbigdataanalysis）”，他們對谷歌疫情預(yù)測不準(zhǔn)的問題做了更為深入地調(diào)查，討論了大數(shù)據(jù)的“陷阱”本質(zhì)：大數(shù)據(jù)的分析是很復(fù)雜的，但由于大數(shù)據(jù)的收集過程,很難保證有像傳統(tǒng)“小數(shù)據(jù)”那樣縝密，難免會出現(xiàn)失準(zhǔn)的情況，作者以谷歌流感趨勢失準(zhǔn)為例，指出“大數(shù)據(jù)傲慢”是問題的根源?！犊茖W(xué)》一文還認(rèn)為，“大數(shù)據(jù)傲慢”還體現(xiàn)在，存在一種錯(cuò)誤的思維方式，即誤認(rèn)為大數(shù)據(jù)模式分析出的“統(tǒng)計(jì)學(xué)相關(guān)性”，可以直接取代事物之間真實(shí)的因果和聯(lián)系，從而過度應(yīng)用這種技術(shù)。在某個(gè)時(shí)間很多人搜索“流感”，不一定代表流感真的暴發(fā)，完全有可能只是上映了一場關(guān)于流感的電影或流行了一個(gè)有關(guān)流感的段子。meaningful.”replacement.”lessrobustthantheyinitiallyseem.”5?！癆fifthconcernmightbecalledtheecho-chambereffect,whichalsostemsfromthefactthatmuchofbigdatacomesfromtheweb.”Itistruethatthecustomersoreventsoccurringinyourdatasetmaynotberepresentativeofthepopulationingeneral.Butsamplingisaprobleminanystatisticalendeavor.Samplingbias[1]isawell-knownchallengeforstatisticians,andspecialcareneedstobetakentomitigatesamplingbias6。“Asixthworryistheriskoftoomanycorrelations.”Sometimestoomanycorrelationsareasbadastoofew,andthefactthatthedatamayuncovertoomanycorrelationsjustmeansthatthedatascientisthasmorestartingpointstoexploreandtestout.7?！癝eventh,bigdataispronetogivingscientific-soundingsolutionstohopelesslyimprecisequestions.”IthinkwhatismeantbythispointisthatBigDataandadvancedanalyticscangivetheillusionofprecisionwhendealingwithnaturallyimprecise,predictedevents.Dealingwithpredictiveanalyticsandforecastingwhatmighthappenrequireanunderstandingofprobabilitiesandconfidencelevels.ItisalsoimportanttotakeintoaccountTypeIandTypeIIstatisticalerrors(seemyblog“UnderstandingTypeIandTypeIIErrors”)toensurethatyouhavestress-testedyouranalyticmodelsenough.8?！癋INALLY,bigdataisatitsbestwhenanalyzingthingsthatareextremelycommon,butoftenfallsshortwhenanalyzingthingsthatarelesscommon.”True,buildingpredictivemodelsrequiressomehistoricaldatafromwhichastatisticianordatascientistcantrytoquantifycauseandeffect.However,thatdoesn’tmeanBigDataisuselesswhenanalyzinglesscommonorbrandnewusecases.Onethingthatadatascientistcandoistofindproxiesinthehistoricaldata—activitiesoreventsinthepastthatmightactasareasonableproxyforwhatyouaretryingtoforecast.Forexample,ifyouwantedtotrytounderstandwhatsortofeffecttheChicagoCubswinningtheWorldSerieswouldhaveonthestockmarket(whichwillbehardtomodelsincethathasn’thappenedinover100years),maybeyoulookattheimpactthattheBostonRedSoxwinningtheWorldSeriesin2004(whichtookthem86yearstoaccomplish)hadonthestockmarket.Therearealwaysreasonableproxiestobefound,ifyouarewillingtobecreativeandsearch.9?！癢ait,wealmostforgotonelastproblem:thehype.”O(jiān)kay,maybeIdon’thaveacounter-pointtothisissue,butonewaytoavoidthehypeistofocusasmall,business-drivenusecase.CheckoutKPMGSurvey:FirmsStrugglewithBigDataforanexampleofaprocessthatwerecommendtoensurethatwe’releveragingBigDatatodeliverbusinessvalue,andnotjustchasingthehypecurve.云計(jì)算是指服務(wù)的交付和使用模式，指通過其公共電子醫(yī)療政務(wù)他管理開應(yīng)用發(fā)工…支撐服務(wù) 基礎(chǔ)云計(jì)算架構(gòu)其公共電子醫(yī)療政務(wù)他管理開應(yīng)用發(fā)工…支撐服務(wù) 基礎(chǔ)云計(jì)算帶來的云服務(wù)平臺模式基于云平臺的創(chuàng)新（眾包、眾創(chuàng)）MIT4.知識工作自動化知識工作自動化自動化位居第二,該報(bào)告預(yù)計(jì)到2025年，IntelligentManufacturingforMaterialProcessIndustries有智能的制造鏈的集成控制，其智能來源于建模、先進(jìn)控制、認(rèn)知自動化、診斷和先進(jìn)維護(hù)工具、優(yōu)化和仿真、專家知識和人工智能等，通過人的智能與人工智能之間連貫交2008年美國科學(xué)基金會組織起一個(gè)國家級“工程虛擬組織來開發(fā)智能流程制造SPM路線圖。2011年6月24日奧巴馬宣布啟動“先進(jìn)制造合伙計(jì)劃”,承諾政府拿創(chuàng)造高質(zhì)量制造業(yè)就業(yè)工作和提高美國的全球競爭能力數(shù)據(jù)到知識知識變成運(yùn)行模型從關(guān)鍵資產(chǎn)到企業(yè)應(yīng)用由關(guān)鍵資產(chǎn)到全球應(yīng)用人員、知識和模型變成組合的關(guān)鍵性能指標(biāo)KPI智能流程制造：一種集成的、知識使能的、富于模型的企業(yè)，應(yīng)用最好的可能的信息和廣域性能度量來前瞻性地確定和執(zhí)行所有操作行動。-------SmartProcessManufacturing：AnOperationsandTechnologyRoadmap，2007實(shí)施"工業(yè)4.0"攻略的建議德國聯(lián)邦教育研究部復(fù)雜度復(fù)雜度水和蒸汽驅(qū)動的機(jī)械制造電力驅(qū)動的大規(guī)模生產(chǎn)前三次工業(yè)革命源于機(jī)械化、電力和信息技術(shù)。將物聯(lián)商業(yè)背景:確保德國制造業(yè)未來的雙重戰(zhàn)略(dua業(yè)構(gòu)成競爭威脅，美國也正在采取措施應(yīng)對去工業(yè)化，促進(jìn)功能工業(yè)4.0技術(shù)背景:CPS(Cyber-PhysicalSystems)美國工程院功能??適應(yīng)性自重構(gòu)?應(yīng)對變化的自調(diào)節(jié)?應(yīng)對干擾的自優(yōu)化?集成仿真和綜合?人遠(yuǎn)程可視化?協(xié)同診斷和決策?協(xié)同診斷和決策??部件和設(shè)備鏡像模型?變化識別和記憶時(shí)間機(jī)?數(shù)據(jù)挖掘中相似聚類??部件設(shè)備健康智能分析?多維數(shù)據(jù)關(guān)聯(lián)智能分析?衰退和性能預(yù)測智能分析?無線通訊?傳感網(wǎng)絡(luò)工業(yè)4.0的本質(zhì)和愿景業(yè)，以及在工業(yè)生產(chǎn)過程中使用物聯(lián)網(wǎng)和服務(wù)技愿景：工業(yè)4.0作為智能、網(wǎng)絡(luò)化世界的一部分工業(yè)4.0的特性：橫向、端到端、縱向集成通過價(jià)值鏈及網(wǎng)絡(luò)實(shí)現(xiàn)企業(yè)間橫向集成工業(yè)4.0的特性：橫向、端到端、縱向在整個(gè)工業(yè)生產(chǎn)過程中使現(xiàn)實(shí)世界和數(shù)字世界在工業(yè)4.0的特性：橫向、端到端、縱向集成為了實(shí)現(xiàn)縱向集成，確保不同層次的執(zhí)行機(jī)滿足用戶個(gè)性化需求在給定資源量（資源生產(chǎn)率）的前提下，得到盡可通過新的服務(wù)創(chuàng)造價(jià)值機(jī)會8.信息化與工業(yè)化深度融合融合對象融合對象高級階段中級階段初級階段業(yè)務(wù)過程技術(shù)融合是指工業(yè)技術(shù)與IT融合，產(chǎn)生新的技術(shù)；（CAD、PCS）業(yè)務(wù)過程產(chǎn)品融合是指將IT融入到工業(yè)產(chǎn)品中產(chǎn)品增加產(chǎn)品的信息技術(shù)含量；（數(shù)控機(jī)床、產(chǎn)品技術(shù)業(yè)務(wù)過程融合是將指IT應(yīng)用到企業(yè)生產(chǎn)經(jīng)營管理過程的各個(gè)環(huán)節(jié)促進(jìn)技術(shù)業(yè)務(wù)創(chuàng)新和管理創(chuàng)新。（MES、ERP）融合階段企業(yè)融合階段產(chǎn)業(yè)機(jī)械、電子、煤炭、家電、煉油、化工等深度融合社會社會形態(tài)、經(jīng)濟(jì)模式、生活方式、思維方式深度融合融合范圍,,,,兩化深度融合的不同層次《信息化和工業(yè)化深度融合專項(xiàng)行動計(jì)劃（2013-2018年）》（工信部2013.8）推動信息化和工業(yè)化深度融合是加快轉(zhuǎn)變發(fā)展方式，促進(jìn)四化同步發(fā)國特色新型工業(yè)化道路的必然選擇。當(dāng)前，我國工業(yè)正處于轉(zhuǎn)型升級的攻堅(jiān)日趨激烈，核心競爭力不足、資源環(huán)境約束強(qiáng)化、要素成本上升等矛盾日益技革命和產(chǎn)業(yè)分工調(diào)整對我國工業(yè)發(fā)展既有挑戰(zhàn)，也有實(shí)現(xiàn)趕超的機(jī)遇。推度融合，以信息化帶動工業(yè)化，以工業(yè)化促進(jìn)信息化，對于破解當(dāng)前發(fā)展瓶《2015年智能制造試點(diǎn)示范專項(xiàng)行動實(shí)施方案》（工信部2015.3）流程制造智能工廠（資源優(yōu)化配置、實(shí)時(shí)在線優(yōu)化、生產(chǎn)管理精細(xì)化和智能決策科學(xué)化）智能裝備和產(chǎn)品（信息技術(shù)高度潛入，高檔數(shù)控機(jī)床、智能網(wǎng)聯(lián)汽車、智能家電等）智能制造新業(yè)態(tài)（個(gè)性化定制、網(wǎng)絡(luò)協(xié)同開發(fā)、電子商務(wù)、產(chǎn)品信息追溯）用用云計(jì)算提供了規(guī)模柔性和響應(yīng)新水準(zhǔn)工業(yè)4.0互聯(lián)網(wǎng)+（2013）（2013）（2015）（2012）應(yīng)鋼鐵智能制造流程智能制造兩化深度融合智能制造2025應(yīng)（2014）（2010）（2014）（2010）（2009）兩化融合（2007）知識自動化物聯(lián)網(wǎng)云計(jì)算(2011）CPS（2008）（2005）(2013)知識自動化物聯(lián)網(wǎng)云計(jì)算(2011）CPS（2008）（2005）(2013)2011）大數(shù)據(jù)(發(fā)展脈絡(luò)內(nèi)涵：數(shù)據(jù)--2011）大數(shù)據(jù)(發(fā)展脈絡(luò)內(nèi)涵：數(shù)據(jù)--信息--知識--智能外延單元系統(tǒng)網(wǎng)絡(luò)社會結(jié)合“國情”nn。分析和大數(shù)據(jù)（知識自動化）提供了海量實(shí)時(shí)數(shù)工業(yè)互聯(lián)創(chuàng)造了自動化的個(gè)性化的交互新方式。自主傳感和執(zhí)行器網(wǎng)絡(luò)控制機(jī)械動作社交媒體提供了組織內(nèi)外的新協(xié)作方式。數(shù)據(jù)實(shí)時(shí)技術(shù)使得基于分析的實(shí)時(shí)決策成為可能。二、鋼鐵工業(yè)自動化信息化現(xiàn)狀與發(fā)展趨勢 ）：設(shè)備控制基本采用PLC、DCS、工業(yè)PC實(shí)現(xiàn)了數(shù)字控制，現(xiàn)場總線、工業(yè)以太網(wǎng)相結(jié)合的網(wǎng)絡(luò)應(yīng)用已經(jīng)普及常規(guī)檢測儀表的配備比較齊全將工藝知識、數(shù)學(xué)模型和智能技術(shù)結(jié)合起來的計(jì)算機(jī)過程控制覆蓋采選、煉鐵、煉鋼、軋鋼等主要工藝的過程控制和過程優(yōu)化燒結(jié)機(jī)智能閉環(huán)控制系統(tǒng)、操作平臺型高爐專家系統(tǒng)、“一鍵式”全程自動化轉(zhuǎn)爐煉鋼、智能精煉控制、熱軋和冷軋工藝及模型控制技術(shù)等達(dá)到國際先進(jìn)水平MES（制造執(zhí)行系統(tǒng)）在重點(diǎn)鋼鐵企業(yè)基本普及，實(shí)現(xiàn)了冶、鑄、軋一體化計(jì)劃編制及動態(tài)調(diào)整、事件驅(qū)動的全過程合同動態(tài)控制與實(shí)時(shí)跟蹤技術(shù)、全流程物流跟蹤、質(zhì)量監(jiān)控、庫存動態(tài)管理、設(shè)備管理等功能現(xiàn)了能源遠(yuǎn)程監(jiān)控、集中調(diào)配，以及能源計(jì)劃、質(zhì)量、設(shè)備、成本綜合管理等功能深層次專用系統(tǒng)開始應(yīng)用：高級計(jì)劃排產(chǎn)、設(shè)備在線診斷和預(yù)測維護(hù)、質(zhì)量統(tǒng)計(jì)過程控制、產(chǎn)品質(zhì)量分析及新產(chǎn)品工藝設(shè)計(jì)等隨著企業(yè)管理水平的不斷提高，鋼鐵企業(yè)信息化取得顯著進(jìn)展。基于互聯(lián)網(wǎng)和工業(yè)以太網(wǎng)的ERP（企業(yè)資源計(jì)劃）、CRM（客戶關(guān)系管理）和SCM（供應(yīng)鏈管理）等取得成功應(yīng)用，在更好地響應(yīng)客戶需求、縮短交貨期、精細(xì)控制生產(chǎn)成本等方面發(fā)揮了作用。一些重點(diǎn)企業(yè)在聚集了海量的企業(yè)生產(chǎn)、經(jīng)營管理信息資源的基礎(chǔ)上，建立了數(shù)據(jù)倉庫、聯(lián)機(jī)數(shù)據(jù)分析、決策支持和預(yù)測預(yù)警系統(tǒng)，著手進(jìn)行質(zhì)量、成本等數(shù)據(jù)挖掘、商業(yè)智能等深度開發(fā)。出現(xiàn)了集團(tuán)信息化系統(tǒng)，支持企業(yè)并購和異地經(jīng)營一體化標(biāo)準(zhǔn)化管理。點(diǎn)：提升高性能控制器、高精度板形儀、大功率交直交調(diào)速裝置主要依賴進(jìn)口；煉鐵、煉鋼、軋鋼等數(shù)學(xué)模型的適應(yīng)性和自動優(yōu)化控制精度需要進(jìn)一步提升；高級計(jì)劃排產(chǎn)、質(zhì)量閉環(huán)控制、設(shè)備預(yù)測維護(hù)等方面需做大量細(xì)致務(wù)實(shí)工作；全流程動態(tài)有序協(xié)調(diào)高效生產(chǎn)還有很大提升空間；基于能量流網(wǎng)絡(luò)模型的多介質(zhì)綜合優(yōu)化調(diào)配水平有待提高；依據(jù)外部環(huán)境、現(xiàn)有生產(chǎn)經(jīng)營數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘、智能決策等還有很大差距。面：協(xié)同 過程控制、生產(chǎn)管控、經(jīng)營管理鋼鐵工業(yè)自動化信息化發(fā)展回顧鋼鐵工業(yè)智能制造的發(fā)展，是行業(yè)需求拉），CADAPCCADAPCProcessOptimization工業(yè)工業(yè)4.0：CPS支持下的業(yè)務(wù)協(xié)同集成ProcessDesign供應(yīng)鏈全局優(yōu)化(SCM-ERP-CRM)物質(zhì)流能量流協(xié)同優(yōu)化(MES-EMS)工藝閉環(huán)控制(RTO-APC)可循環(huán)流程設(shè)計(jì)運(yùn)行產(chǎn)品設(shè)計(jì)-生產(chǎn)-使用-服務(wù)CPSCPS支持下的橫向、端到端、縱向業(yè)務(wù)協(xié)同集成供應(yīng)鏈全局優(yōu)化(SCM-ERP-CRM)物質(zhì)流能量流協(xié)同優(yōu)化(MES-EMS)工藝閉環(huán)控制(RTO-APC)可循環(huán)流程設(shè)計(jì)-運(yùn)行-優(yōu)化產(chǎn)品設(shè)計(jì)-生產(chǎn)-使用-服務(wù)CADDesignProcessMESProcessOptimization CADDesignProcessMESProcessOptimization 兩化融合生產(chǎn)指令作業(yè)計(jì)劃生產(chǎn)計(jì)劃過程運(yùn)行生產(chǎn)造全設(shè)定直藝技術(shù)運(yùn)行指標(biāo)指標(biāo)生產(chǎn)指令作業(yè)計(jì)劃生產(chǎn)計(jì)劃過程運(yùn)行生產(chǎn)造全設(shè)定直藝技術(shù)運(yùn)行指標(biāo)指標(biāo)過程運(yùn)行控制系統(tǒng)控制系統(tǒng)設(shè)定直流程過程運(yùn)行控制系統(tǒng)控制系統(tǒng)設(shè)定直動作控制指標(biāo)優(yōu)化運(yùn)行指標(biāo)動作控制指標(biāo)優(yōu)化運(yùn)行指標(biāo) 智能來源于建模、先進(jìn)控制、認(rèn)知自動化、診斷和先進(jìn)維護(hù)工具、優(yōu)化和仿真、專家數(shù)據(jù)到知識知識變成運(yùn)行模型從關(guān)鍵資產(chǎn)到企業(yè)應(yīng)用由關(guān)鍵資產(chǎn)到全球應(yīng)用智能流程制造：一種集成的、知識使能的、富于模型的企業(yè)，應(yīng)用最好的可能的信息和廣域性能度量來前瞻性地確定和執(zhí)行所有操作行動。-------SmartProcessManufacturing：AnOperationsandTechnologyRoadmap，2001ProcessOptimization用戶需求不確定性CAD降低成本引起生產(chǎn)過程不穩(wěn)定發(fā)展趨勢3：通過預(yù)測預(yù)警提升前瞻應(yīng)變能力ProcessOptimization用戶需求不確定性CAD降低成本引起生產(chǎn)過程不穩(wěn)定多品種小批量生產(chǎn)方式多品種小批量生產(chǎn)方式原燃料供應(yīng)不確定性原燃料供應(yīng)不確定性ProcessProcessDesign設(shè)備故障引起非計(jì)劃停產(chǎn)Process1workworkProcess2ControllerSensorActuatorBusinesssystems-ControllerSensorActuatorControllerSensorActuatorrealtimewiredand/orwirelesstcommunicaionCorporateOfficeProcess1workworkProcess2ControllerSensorActuatorBusinesssystems-ControllerSensorActuatorControllerSensorActuatorrealtimewiredand/orwirelesstcommunicaionCorporateOfficeEconomics,Economics,environment,healthandsafetyplant-widemonitoring,controlandandoptimizationOperator 再設(shè)計(jì)·與治末新設(shè)計(jì)煥發(fā)春智能再設(shè)計(jì)·與治末新設(shè)計(jì)煥發(fā)春智能機(jī)械裝備健康能效監(jiān)控科技發(fā)展路線圖（北京化工大學(xué)高金吉院士）熱軋卷價(jià)格指數(shù)生產(chǎn)成本廢鋼價(jià)格焦煤價(jià)格息稅折舊前利潤率礦石價(jià)格可持續(xù)發(fā)展鋼鐵工業(yè)智能制造技術(shù)需求可持續(xù)發(fā)展業(yè)務(wù)需求：業(yè)務(wù)協(xié)同、知識智能、前瞻應(yīng)變技術(shù)需求業(yè)務(wù)需求：業(yè)務(wù)協(xié)同、知識智能、前瞻應(yīng)變技術(shù)需求鋼鐵工業(yè)自動化信息化發(fā)展趨勢 智能制造鋼鐵工業(yè)智能制造的發(fā)展，是行業(yè)需求拉鋼鐵工業(yè)智能制造的作用?推動電子商務(wù)和供應(yīng)鏈協(xié)同發(fā)展，支撐實(shí)時(shí)精細(xì)供應(yīng)鏈全局優(yōu)化(橫向)物質(zhì)流能量流協(xié)同優(yōu)化(縱向)工藝閉環(huán)控制(縱向)可循環(huán)流程設(shè)計(jì)(端到端)計(jì)算材料設(shè)計(jì)(端到端)物料投入設(shè)定、能量輸入設(shè)定成分、幾何尺寸機(jī)械性能成分、純凈度物料投入設(shè)定、能量輸入設(shè)定物料投入設(shè)定、能量輸入設(shè)定物料投入設(shè)定、能量輸入設(shè)定成分、幾何尺寸機(jī)械性能成分、純凈度物料投入設(shè)定、能量輸入設(shè)定物料投入設(shè)定、能量輸入設(shè)定間優(yōu)化物料投入設(shè)定、能量輸入設(shè)定組織結(jié)構(gòu)以產(chǎn)品質(zhì)量要求為出發(fā)點(diǎn)，以各工藝過程指標(biāo)為設(shè)定值，通過各種檢測裝置、軟測量從全過程中抽取有用的信息，基于這些信息建立機(jī)理分析和智能模型，控制生產(chǎn)過程和產(chǎn)品質(zhì)量，提升物料收得 ,熱平衡和溫度預(yù)報(bào)工藝要求ANN電氣線路能量設(shè)定點(diǎn)動態(tài)優(yōu)化仿真模型智能調(diào)節(jié)器u,i,熱平衡和溫度預(yù)報(bào)工藝要求ANN電氣線路能量設(shè)定點(diǎn)動態(tài)優(yōu)化仿真模型智能調(diào)節(jié)器u,i,。，工藝參數(shù)工藝參數(shù)計(jì)算信號予處理信號予處理信號予處理EFEF/LF機(jī)理+大數(shù)據(jù)分析檢測化學(xué)成分和軋制過程數(shù)據(jù)預(yù)報(bào)板材的機(jī)械性能在線連續(xù)監(jiān)視保證產(chǎn)品質(zhì)量對工藝優(yōu)化提供支持動態(tài)預(yù)測溫度損失和獲得動態(tài)在線檢測鋼水溫度的變化鋼包跟蹤動態(tài)預(yù)測溫度損失和獲得動態(tài)在線檢測鋼水溫度的變化鋼包跟蹤下游鑄機(jī)接受鋼水的溫度和時(shí)間計(jì)算目標(biāo)計(jì)算目標(biāo)出鋼溫度鋼包的熱量狀態(tài)鋼包的熱量狀態(tài)分析構(gòu)建鋼鐵企業(yè)物質(zhì)流、能量流協(xié)同優(yōu)化模型，鋼鐵企業(yè)物質(zhì)流、能量流協(xié)同優(yōu)化模型工業(yè)互聯(lián)大數(shù)據(jù)驅(qū)動統(tǒng)計(jì)模型群體智慧支撐的交互場景仿真借方借方貸方優(yōu)化結(jié)果：單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化基于大數(shù)據(jù)分析的多場景統(tǒng)計(jì)優(yōu)化 綜合考慮原燃料供應(yīng)（上游）、企業(yè)生產(chǎn)計(jì)劃（中游）），（Volatility）、透明度（Visibility）和價(jià)值（Value）問題，實(shí)現(xiàn)供應(yīng)鏈之間有機(jī)協(xié)同和全局優(yōu)化。供應(yīng)鏈上游中游下游支撐技術(shù)市場分析預(yù)測（Volatility）原燃料價(jià)格走勢分析生產(chǎn)能力分析產(chǎn)品需求預(yù)測BI物流實(shí)時(shí)跟蹤（Visibility）GPS,GIS流程物流跟蹤GPS,RFID,電子商務(wù)物聯(lián)網(wǎng),互聯(lián)網(wǎng)供應(yīng)鏈全局優(yōu)化（Value）采購成本和物流成本綜合優(yōu)化 小批量多規(guī)格生產(chǎn)計(jì)劃,配料優(yōu)化,綜合生產(chǎn)成本優(yōu)化庫存控制,交貨期控制,客戶業(yè)務(wù)協(xié)同供應(yīng)鏈協(xié)同模型,多目標(biāo)優(yōu)化擺脫主要依靠經(jīng)銷商和中間運(yùn)作實(shí)現(xiàn)銷售的模計(jì)劃與調(diào)度協(xié)同11可循環(huán)流程多尺度集成模型2可循環(huán)流程動態(tài)仿真技術(shù)云平臺支撐的流程場景模型工業(yè)互聯(lián)大數(shù)據(jù)驅(qū)動統(tǒng)計(jì)模型 SVAI流程仿真SVAI流程仿真5 材料基因組計(jì)劃，美國2011理解和預(yù)測鋼鐵材料的微觀結(jié)構(gòu)演變和機(jī)械性能理解和預(yù)測鋼鐵材料的微觀結(jié)構(gòu)演變和機(jī)械性能原子尺度：分子動力學(xué)（MD）；蒙特卡羅法（MC）微觀結(jié)構(gòu)：以連續(xù)介質(zhì)概念為基礎(chǔ)的計(jì)算；用熱力學(xué)方法預(yù)測材料的相變過程及相變產(chǎn)物的微觀結(jié)構(gòu)宏觀尺度：與材料或材料部件工業(yè)生產(chǎn)有關(guān)的仿真計(jì)算107基于實(shí)驗(yàn)線/生產(chǎn)線采集的過程和質(zhì)量數(shù)據(jù)，分析工藝過程不同階段素，建立產(chǎn)品質(zhì)量預(yù)測模型，為新產(chǎn)品開發(fā)提供支持。同時(shí) 從運(yùn)行數(shù)據(jù)構(gòu)建統(tǒng)計(jì)質(zhì)量模型，分析質(zhì)量缺陷原因，選擇操控變的產(chǎn)品質(zhì)量。首先，通過建立統(tǒng)計(jì)質(zhì)量模型分析操作條件對產(chǎn)品義明確便于實(shí)際應(yīng)用，建模方法采用主元回歸或偏最小二乘法；合關(guān)系。然后，基于統(tǒng)計(jì)質(zhì)量模型實(shí)現(xiàn)操作條件的Aschematicdiagramofhierarchicalqualityimprovementsystem(HiQIS 四.鋼鐵工業(yè)智能制造支撐技術(shù)數(shù)據(jù)：體溫知識：+化驗(yàn)信息（細(xì)菌/病毒），治療方案智慧：場景分析，預(yù)防疾病不一定拘泥固定格式，有時(shí)數(shù)據(jù)（信息）~知識據(jù)。分析數(shù)據(jù)間的關(guān)系獲得了信息。信息關(guān)聯(lián)形成知識。智慧是在知識的基礎(chǔ)之上，形成功能功能??適應(yīng)性自重構(gòu)?應(yīng)對變化的自調(diào)節(jié)?應(yīng)對干擾的自優(yōu)化?集成仿真和綜合?人遠(yuǎn)程可視化?協(xié)同診斷和決策?協(xié)同診斷和決策??部件和設(shè)備鏡像模型?變化識別和記憶時(shí)間機(jī)?數(shù)據(jù)挖掘中相似聚類??部件設(shè)備健康智能分析?多維數(shù)據(jù)關(guān)聯(lián)智能分析?衰退和性能預(yù)測智能分析?無線通訊?傳感網(wǎng)絡(luò)從數(shù)據(jù)到信息再到知識的實(shí)現(xiàn)從數(shù)據(jù)到信息再到知識的實(shí)現(xiàn)+管理與控制（Management&Control）功能，從而實(shí)現(xiàn)了一個(gè)閉環(huán)的信息流和智能系統(tǒng)的搭建，其目標(biāo)是能夠達(dá)成整個(gè)系統(tǒng)的自重構(gòu)能力+人的職責(zé)和活動目標(biāo)（Role/Goal）的因素，將數(shù)據(jù)分析的結(jié)果按照不同人員的職責(zé)和活動目標(biāo)的需求進(jìn)行最直觀的表達(dá)，其核心是幫助用戶制定最優(yōu)的決策。網(wǎng)絡(luò)化內(nèi)容管理。面向設(shè)備集群和整個(gè)公司運(yùn)維與經(jīng)營活動的橫向數(shù)據(jù)挖掘。+信息邏輯（Logic）的要求，體現(xiàn)在大數(shù)據(jù)分析流程、數(shù)據(jù)相關(guān)性解析、利用數(shù)據(jù)建立設(shè)備鏡像模型（TwinModel），以及利用所建立的模型進(jìn)行數(shù)據(jù)分析的觸發(fā)機(jī)制等。從隱匿性、碎片化、低質(zhì)性數(shù)據(jù)到高質(zhì)量和高價(jià)值密度的信息的分析過程。面向單個(gè)設(shè)備或單元的縱向分析。+情景(context)建立統(tǒng)一的數(shù)據(jù)環(huán)境。不是簡單的數(shù)據(jù)采集，而是一個(gè)多數(shù)據(jù)融合的數(shù)據(jù)環(huán)境，使產(chǎn)品全生命周期的各類要素信息能實(shí)現(xiàn)同步采集、管理和調(diào)用。工業(yè)大數(shù)據(jù)：工業(yè)4.0時(shí)代的工業(yè)轉(zhuǎn)型與價(jià)值創(chuàng)造李杰,機(jī)械工業(yè)出版社,2015.6113 故障發(fā)生概率 故障發(fā)生概率不是簡單的數(shù)據(jù)采集，而是一個(gè)多數(shù)據(jù)融合的數(shù)據(jù)環(huán)境，使產(chǎn)品全生命周期的各類核心功能之一：盡可能地采集設(shè)備產(chǎn)品全生命周期的各類要素相關(guān)的數(shù)據(jù)和信息，打破以往設(shè)備獨(dú)立感知和信息孤島的壁壘，建立一個(gè)統(tǒng)一的數(shù)據(jù)環(huán)境。核心功能之二：按照活動目標(biāo)和信息分析的需求選擇性和有所側(cè)重的數(shù)據(jù)采集，實(shí)現(xiàn)以分析狀態(tài)監(jiān)控+設(shè)計(jì)改進(jìn)更多備件21故障報(bào)警34智能感知++巡檢或即時(shí)更換預(yù)測性維護(hù)2.信息挖掘?qū)樱簭臄?shù)據(jù)到信息的分析過程從隱匿性、碎片化、低質(zhì)性數(shù)據(jù)到高質(zhì)量和高價(jià)值密度的信息的分析健康評估、健康預(yù)測以及可視化智能維護(hù)系統(tǒng)（IMS）設(shè)備故障診斷與健康管理PHM)技術(shù)）：在上一層面向單個(gè)設(shè)備的縱向數(shù)據(jù)分析基礎(chǔ)上經(jīng)營活動的橫向數(shù)據(jù)挖掘。在內(nèi)容和情景兩者基礎(chǔ)），絡(luò)空間構(gòu)建實(shí)體體系的映射，使實(shí)體的信息被量化和透明化。在構(gòu)建完成這種映射對實(shí)體狀態(tài)信息的切片化管理。設(shè)備運(yùn)行數(shù)據(jù)連續(xù)+設(shè)備狀態(tài)離散標(biāo)簽，實(shí)現(xiàn)對連續(xù)數(shù)據(jù)流的離散化管理，建立簡潔而又全面的產(chǎn)品全生命周期信息庫，并能夠按照狀態(tài)-特征信息-數(shù)據(jù)進(jìn)行快速建立與實(shí)體系統(tǒng)相互映射的鏡像模型。利用實(shí)體系統(tǒng)產(chǎn)生的數(shù)據(jù)建立反映實(shí)體系統(tǒng)狀態(tài)的數(shù)學(xué)模型，將實(shí)體系統(tǒng)“不可見因素”進(jìn)行預(yù)測和透明化過程。兩個(gè)作用：一是對實(shí)體系統(tǒng)狀態(tài)的量化表達(dá)，二是建立輸入-輸出的預(yù)測傳遞系統(tǒng)。間關(guān)聯(lián)關(guān)系進(jìn)行信息推送，利用信息作為橋梁建立和管理實(shí)體之間關(guān)系。（打車軟件）集群分析和大數(shù)據(jù)挖掘?；诓煌瑢?shí)體不同時(shí)間內(nèi)的大量狀態(tài)樣本，按照狀態(tài)參數(shù)相似性進(jìn)行聚類分析，對不同聚類中的TwinModel進(jìn)行橫向縱向比較。橫向比較是指在相同時(shí)間、相同運(yùn)行條件下的狀態(tài)參數(shù)比較，了解同一集群內(nèi)設(shè)備的差異性，判斷哪一設(shè)備處于異常狀態(tài)?？v向比較是TwinModel在時(shí)間軸上的相互比較，對同一設(shè)備根據(jù)當(dāng)前狀態(tài)與歷史狀態(tài)差異量化其狀態(tài)衰退；對于同類設(shè)備在相同運(yùn)行環(huán)境下的縱向比較，可以通過一個(gè)設(shè)備與另一個(gè)設(shè)備歷史狀態(tài)的相似性判斷它目前所處4.認(rèn)知層（Cognition）：對信息的識別與決策支持多平臺的遠(yuǎn)程數(shù)據(jù)可視化工具。用戶需要對不同層次對象的信息進(jìn)行解讀并給出相應(yīng)的決策的協(xié)同優(yōu)化分析。在基于多智能體系統(tǒng)的仿真與推理基礎(chǔ)和約束條件后，認(rèn)知層會通過智能優(yōu)化算法找到系統(tǒng)最佳的匹配和決管理模式轉(zhuǎn)變?yōu)樽詣痈鶕?jù)公司運(yùn)營與生產(chǎn)目標(biāo)進(jìn)設(shè)備集群中的一個(gè)設(shè)備性能下降時(shí)，集群中從數(shù)據(jù)到信息再到知識的實(shí)現(xiàn)從數(shù)據(jù)到信息再到知識的實(shí)現(xiàn)+管理與控制（Management&Control）功能，從而實(shí)現(xiàn)了一個(gè)閉環(huán)的信息流和智能系統(tǒng)的搭建，其目標(biāo)是能夠達(dá)成整個(gè)系統(tǒng)的自重構(gòu)能力+人的職責(zé)和活動目標(biāo)（Role/Goal）的因素，將數(shù)據(jù)分析的結(jié)果按照不同人員的職責(zé)和活動目標(biāo)的需求進(jìn)行最直觀的表達(dá)，其核心是幫助用戶制定最優(yōu)的決策。網(wǎng)絡(luò)化內(nèi)容管理。面向設(shè)備集群和整個(gè)公司運(yùn)維與經(jīng)營活動的橫向數(shù)據(jù)挖掘。+信息邏輯（Logic）的要求，體現(xiàn)在大數(shù)據(jù)分析流程、數(shù)據(jù)相關(guān)性解析、利用數(shù)據(jù)建立設(shè)備鏡像模型（TwinModel），以及利用所建立的模型進(jìn)行數(shù)據(jù)分析的觸發(fā)機(jī)制等。從隱匿性、碎片化、低質(zhì)性數(shù)據(jù)到高質(zhì)量和高價(jià)值密度的信息的分析過程。面向單個(gè)設(shè)備或單元的縱向分析。+情景(context)建立統(tǒng)一的數(shù)據(jù)環(huán)境。不是簡單的數(shù)據(jù)采集，而是一個(gè)多數(shù)據(jù)融合的數(shù)據(jù)環(huán)境，使產(chǎn)品全生命周期的各類要素信息能實(shí)現(xiàn)同步采集、管理和調(diào)用。專家系統(tǒng)工業(yè)以太網(wǎng)測量企業(yè)運(yùn)營制造執(zhí)行工藝閉環(huán)控制全局?jǐn)?shù)據(jù)庫實(shí)時(shí)仿真專家系統(tǒng)工業(yè)以太網(wǎng)測量企業(yè)運(yùn)營制造執(zhí)行工藝閉環(huán)控制全局?jǐn)?shù)據(jù)庫實(shí)時(shí)仿真執(zhí)行執(zhí)行智能儀表智能儀表產(chǎn)品流程設(shè)計(jì)產(chǎn)品流程設(shè)計(jì)預(yù)測模擬仿真 數(shù)據(jù)挖掘2混合模型與數(shù)據(jù)分析數(shù)據(jù)重構(gòu)數(shù)據(jù)倉庫1.基于工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)集成數(shù)據(jù)重構(gòu)數(shù)據(jù)倉庫針對具體應(yīng)用(1-1)為可能應(yīng)用做準(zhǔn)備(空間、邏輯標(biāo)簽全局?jǐn)?shù)據(jù)運(yùn)籌數(shù)據(jù)倉庫對應(yīng)用解構(gòu)--事務(wù)處理信息-動態(tài)過程由數(shù)據(jù)組成業(yè)務(wù)事件定義基礎(chǔ)結(jié)構(gòu)化數(shù)據(jù)定義基礎(chǔ)結(jié)構(gòu)化數(shù)據(jù)定義—千—千 新日鐵基于IT的操作支持技術(shù)測量預(yù)測工業(yè)以太網(wǎng)全局?jǐn)?shù)據(jù)庫測量預(yù)測工業(yè)以太網(wǎng)全局?jǐn)?shù)據(jù)庫專家系統(tǒng)實(shí)時(shí)仿真實(shí)時(shí)仿真執(zhí)行執(zhí)行企業(yè)運(yùn)營企業(yè)運(yùn)營制造執(zhí)行工藝閉環(huán)控制產(chǎn)品流程設(shè)計(jì)智能儀表智能儀表多源、多場景）擾動PS擾動PS?通過模型和/或仿真，預(yù)測過程未來行為?建立輸入-狀態(tài)-輸出間的關(guān)聯(lián)，對物理系統(tǒng)進(jìn)行控制:?建立目標(biāo)函數(shù)和約束條件間的關(guān)聯(lián)，對物理系統(tǒng)進(jìn)行優(yōu)化:M?通過調(diào)整模型結(jié)構(gòu)或參數(shù)，適應(yīng)環(huán)境或物CC析中，不僅能有效提高建模過程的尋優(yōu)效率，也對樣本數(shù)據(jù)要求苛刻的問題，降低模型訓(xùn)練的難低低 冶金制造流程多尺度業(yè)務(wù)模型結(jié)構(gòu)煉鋼工序模型煉鋼工序模型煉鐵工序模型軋鋼工序模型拓寬系統(tǒng)模型的表征形式和信息來源，豐富系統(tǒng)建模的方法手段機(jī)理分析法：數(shù)學(xué)描述擴(kuò)展為更廣義的知識模型，如專家經(jīng)驗(yàn)規(guī)則，以及其它定性方法等。統(tǒng)計(jì)分析法：統(tǒng)計(jì)分析法擴(kuò)展為更廣義的基于數(shù)據(jù)的模型，采用計(jì)算智能如神經(jīng)元網(wǎng)絡(luò)技術(shù)將其擴(kuò)展到非線性、結(jié)構(gòu)不確定等復(fù)雜問題的建模。邏輯推理：除演繹推理、歸納推理外，還要應(yīng)用形象思維、直覺等思維方式。機(jī)理分析(結(jié)構(gòu)確定/參數(shù)統(tǒng)計(jì)，基于知識或經(jīng)驗(yàn))統(tǒng)計(jì)分析(結(jié)構(gòu)不確定或無機(jī)理解釋,基于數(shù)據(jù))智能(軟計(jì)算)專家系統(tǒng)等ANN/SVC等數(shù)學(xué)(硬計(jì)算)代數(shù)/ODE/PDE統(tǒng)計(jì)分析(回歸分析/時(shí)間序列/聚類特征),系統(tǒng)辨識129 計(jì)算智能機(jī)器學(xué)習(xí) 系統(tǒng)控制理論數(shù)據(jù)挖掘高爐內(nèi)部可視化與布料分布、氣流分布與控制NipponSteelMonthly.37直接測量高爐內(nèi)部的探頭和傳感器基于數(shù)學(xué)模型與可測數(shù)據(jù)的機(jī)理分析本質(zhì)原因或因素。借助傳熱方程，可通過埋入的熱偶測的溫度值計(jì)算無法直接測量的爐底內(nèi)部的溫度場和傳熱系數(shù)。并第一次發(fā)現(xiàn)，在耐材溫度就要異常上升之前，爐內(nèi)溫度經(jīng)常上下變化，因此可以可視化爐內(nèi)變化，并定量掌握爐內(nèi)異常溫度變化。由于這一技術(shù)使得控制爐情景空間（外部特征維+內(nèi)部特征維）分空間特征建模+綜合統(tǒng)計(jì)判斷 宏觀趨勢宏觀趨勢擴(kuò)散 擴(kuò)散情景組合及概率情景模型（1）情景模型（2）加權(quán)綜合分析評判實(shí)時(shí)能源調(diào)控能源計(jì)劃優(yōu)化能量流網(wǎng)絡(luò)模型(m)多情景建模示例：能量流網(wǎng)絡(luò)模型情景組合及概率情景模型（1）情景模型（2）加權(quán)綜合分析評判實(shí)時(shí)能源調(diào)控能源計(jì)劃優(yōu)化能量流網(wǎng)絡(luò)模型(m)情景特征情景特征m領(lǐng)域知識領(lǐng)域知識ITIT知識運(yùn)行經(jīng)驗(yàn)“大”數(shù)據(jù)分析與挖掘鋼鐵工業(yè)“大”數(shù)據(jù)特點(diǎn):CloudcomputingDatawarehouseDistributedsystemExtract,transform,andload(ETL)GoogleFileSystemHadoopHbaseMapReduceNon-relationaldatabaseRelationaldatabaseSemi-structureddataStreamprocessingUnstructureddataVisualization“數(shù)據(jù)”大，全樣本“數(shù)據(jù)”大，全樣本 測量企業(yè)運(yùn)營制造執(zhí)行工藝閉環(huán)控制產(chǎn)品流程設(shè)計(jì)預(yù)測工業(yè)以太網(wǎng)全局?jǐn)?shù)據(jù)庫3.多目標(biāo)優(yōu)化測量企業(yè)運(yùn)營制造執(zhí)行工藝閉環(huán)控制產(chǎn)品流程設(shè)計(jì)預(yù)測工業(yè)以太網(wǎng)全局?jǐn)?shù)據(jù)庫專家系統(tǒng)實(shí)時(shí)仿真實(shí)時(shí)仿真執(zhí)行執(zhí)行智能儀表智能儀表 （1）基于運(yùn)籌學(xué)的優(yōu)化、、、、、、用能設(shè)備的能源需求約束用能設(shè)備的能源需求約束=Pi用能設(shè)備的工藝約束Qqi_minnkΣΣqiqi_maxX<Yi,jj各介質(zhì)產(chǎn)量及各能源設(shè)備凈能耗主流程能量平衡轉(zhuǎn)換分配能量平衡m為主系統(tǒng)單元個(gè)數(shù)， 銷i,j為能源產(chǎn)品產(chǎn)量。物流對能耗影響（鋼比、返回料、成材率、作業(yè)率等）工序間緊湊性影響（小節(jié)奏）產(chǎn)品品種二次能源回收設(shè)備網(wǎng)絡(luò)儲存輸配設(shè)備能源外銷不同時(shí)段能源價(jià)格變化氣需求 技術(shù)氣體-(氣需求 技術(shù)氣體-(根據(jù)能源介質(zhì)間關(guān)聯(lián)程度和轉(zhuǎn)換“鏈條”電電壓縮空氣-壓縮空氣-水多介質(zhì)多場景能源計(jì)劃優(yōu)化計(jì)算示例—燃?xì)狻⒄羝?、電力?jì)劃優(yōu)化蒸汽電力系統(tǒng)主要由4臺燃料鍋爐（B1-B4）、2臺抽汽背壓式汽輪機(jī)（BT1和BT2）、2套干熄焦發(fā)電裝置（CDQ2臺熱電聯(lián)產(chǎn)機(jī)組(CHP)組成，為生產(chǎn)工藝過程提供電力、S1蒸汽(2.0～3.8MPa，450°C)、S2蒸汽(0.78~1.27MP，170～280°C)和S3蒸汽(0.3~0.78MPa，142～170°C)多周期非線性優(yōu)化F4B,BF,)FFF42F)6根F1t3t4項(xiàng)目優(yōu)化前優(yōu)化后外購燃料煤費(fèi)用（萬元）233.6498234.1791副產(chǎn)煤氣使用費(fèi)用（萬元）122.0902123.1707給水費(fèi)用（萬元）7.51277.6305設(shè)備維護(hù)費(fèi)用（萬元）98.9796101.4965外購電費(fèi)用（萬元）23.86389.18634外送電收益（萬元）10.640118.7683總費(fèi)用（萬元）475.4562456.8951（2）大數(shù)據(jù)背后隱性經(jīng)驗(yàn)的顯性表達(dá) 如操作規(guī)程優(yōu)化的聚類分析、異常判斷的專家系統(tǒng)、預(yù)報(bào)模型特征分析等。集合映照與優(yōu)選法操作規(guī)程聚類優(yōu)化的原理和一般過程操作規(guī)程聚類優(yōu)化的問題與應(yīng)對排除已知的起決定作用的工藝參數(shù)。操作規(guī)程聚類優(yōu)化的問題與應(yīng)對操作規(guī)程聚類優(yōu)化的問題與應(yīng)對模式識別和聚類主要算法操作規(guī)程聚類優(yōu)化的問題與應(yīng)對優(yōu)選區(qū)、優(yōu)化方向、可探優(yōu)選區(qū)、可探優(yōu)優(yōu)化區(qū)及其數(shù)學(xué)模型可探優(yōu)化區(qū)和可探優(yōu)化點(diǎn)零勢線T=XR0.1130.0740.0480.0600.2000.0830.2550.052優(yōu)化、逆映照X1=0.10,X2=0.00,X3=0.20實(shí)施效果零勢線T=XR0.1130.0740.0480.0600.2000.0830.2550.052優(yōu)化、逆映照X1=0.10,X2=0.00,X3=0.20實(shí)施效果0.1500.2500.0000.2500.0000.0000.1500.0000.2000.1000.2000.2000.2500.2500.3000.15074.376.075.772.42233平均值工藝變量：北方肥煤比例X1、當(dāng)?shù)胤拭罕壤齒2、焦煤比例X3、瘦煤比例X4、其它類煤比例（非獨(dú)）。優(yōu)化目標(biāo)：兼顧原煤價(jià)格條件下，提高焦炭質(zhì)量（抗碎強(qiáng)度M10、耐磨強(qiáng)度M40）。類型1：M10≤9,且M40≥76;類型2:9﹤M10≤10,72≤M40﹤76;類型3：M10＞10,或M40﹤72; No.X1X2X3X4M10M40類型0.1500.1500.2000.1500.1500.1500.1000.0000.0000.1000.2000.1000.1000.1000.1000.0000.3000.3000.3500.2500.30077.977.176.877.278.17.68.28.58.78.82345111160.1500.0000.1500.2508.976.4170.1000.1000.2000.2508.874.9280.0000.1000.2000.3008.975.9290.1000.2000.1500.1508.975.420.0000.1000.3000.2009.276.120.0000.2000.2000.2009.476.820.0000.0000.4000.2509.575.020.0000.1500.2000.2509.975.720.0000.1000.2500.3009.972.720.0000.1000.3000.25074.62標(biāo)準(zhǔn)差產(chǎn)品質(zhì)量冶金焦合格率M10M40優(yōu)化前7優(yōu)化后96.308.677.96零勢線PLS降維T=XR零勢線PLS降維T=XR優(yōu)化、逆映照.96420.660.4311.0000.09642假設(shè)鋼種等條件恒定，每8小時(shí)正常生產(chǎn)數(shù)據(jù)為一個(gè)樣本，從12個(gè)變量中根據(jù)特征簡單分類貢獻(xiàn)比選取6個(gè)特征變量，依次記為X1~X6，Y為噸鋼能耗，C為分類（以0.087為界）。樣本22根據(jù)隸屬度檢測，為迷途樣本，刪除。優(yōu)化目標(biāo)是降低能耗（連續(xù)性變量）NO.X1X2X3X4X5X6YC120.560.640.360.3912.4668.84424.432.30.06870.06911130.800.5510.40134.90.0735140.580.339.68036.40.0766150.680.3513.36631.80.0788160.630.3312.29724.40.0802170.590.4110.44542.40.0805180.590.2613.84226.50.0809190.680.3511.16742.70.08210.680.4312.30634.40.084210.600.3313.89529.10.086710.640.3913.06837.90.087420.660.4412.81036.60.087620.800.4010.51841.80.088320.640.4111.00032.30.088920.08890.08890.09110.09150.09340094910.34013.30212.95812.41244.338.240.740.70.440.410.390.390.730.620.590.6022222X1X2X1X2X3X4X5X60.660.4311.000Y（3）基于交互仿真的規(guī)程優(yōu)化 調(diào)度規(guī) 生產(chǎn)策略算分布仿真資潺庫調(diào)度規(guī) 生產(chǎn)策略算分布仿真資潺庫能源優(yōu)化能源優(yōu)化案例庫UU能源結(jié)構(gòu)生產(chǎn)流程品種規(guī)模能源生產(chǎn)能源結(jié)構(gòu)生產(chǎn)流程品種規(guī)模能源生產(chǎn)能源轉(zhuǎn)換能源管網(wǎng)能源緩沖正常異常工況工藝操作制度工序能源需求工序能源回收能源環(huán)境主生產(chǎn)系統(tǒng)主生產(chǎn)系統(tǒng)描述各能源介質(zhì)在能源使用能源回收和轉(zhuǎn)換輸配環(huán)節(jié)動態(tài)變化和平衡關(guān)系分析評估生產(chǎn)系統(tǒng)、能源系統(tǒng)的能效和流程綜合效率為鋼鐵企業(yè)能源系統(tǒng)優(yōu)化和控制策略提供定量分析手段水網(wǎng)絡(luò)模水網(wǎng)絡(luò)模型技術(shù)氣體網(wǎng)壓縮空氣主生產(chǎn)工序的能量流模型“能量流網(wǎng)絡(luò)”應(yīng)包括各類能量流、能量流節(jié)點(diǎn)、能量流連結(jié)器和能量流中間緩沖系統(tǒng)。分別建分介質(zhì)能量流網(wǎng)絡(luò)一般形式—千—千 模擬平臺上層分析系統(tǒng)建立能源系統(tǒng)物理模工序/裝置功能義模擬平臺上層分析系統(tǒng)建立能源系統(tǒng)物理模工序/裝置功能義鋼廠總體布局態(tài)生產(chǎn)調(diào)度規(guī)程動態(tài)控制根據(jù)全流程能源需求和可回收計(jì)煤氣基準(zhǔn)輸入生產(chǎn)計(jì)劃確定流程工藝路徑及工序單元選擇各工序單元能量模型組態(tài) 初始化物流、能流庫存緩沖用戶生成作業(yè)計(jì)劃和維修計(jì)劃事故假定、工況假定技術(shù)氣體、壓縮空氣和確定計(jì)算周期（小時(shí)、天、周）計(jì)算周期+1： 可用煤氣情況，形成蒸汽基準(zhǔn)方常/異常，工況變化按生產(chǎn)流程順序依次調(diào)工序能量模型可回收量劃多場景能量模型.啟/停.計(jì)算各種異動標(biāo)志和影響到的輸出量.計(jì)算各種介質(zhì)消耗量.計(jì)算各種介質(zhì)可回收量.計(jì)算各種異動標(biāo)志和影響到的輸出量根據(jù)全流程能源需求和可回收計(jì)煤氣基準(zhǔn)輸入生產(chǎn)計(jì)劃確定流程工藝路徑及工序單元選擇各工序單元能量模型組態(tài) 初始化物流、能流庫存緩沖用戶生成作業(yè)計(jì)劃和維修計(jì)劃事故假定、工況假定技術(shù)氣體、壓縮空氣和確定計(jì)算周期（小時(shí)、天、周）計(jì)算周期+1： 可用煤氣情況，形成蒸汽基準(zhǔn)方常/異常，工況變化按生產(chǎn)流程順序依次調(diào)工序能量模型可回收量劃多場景能量模型.啟/停.計(jì)算各種