人工智能技術(shù)在鋼鐵行業(yè)應(yīng)用現(xiàn)狀

郭慶華

(新疆八一鋼鐵股份有限公司制造管理部)

前言

人工智能的概念第一次被提出,在20 世紀(jì)50年代,距今已六十余年的時(shí)間。 近幾年,隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、5G、云計(jì)算等技術(shù)日趨成熟,人工智能迎來(lái)爆發(fā)式的增長(zhǎng)。 其中物聯(lián)網(wǎng)使得大量數(shù)據(jù)能夠被實(shí)時(shí)獲取,大數(shù)據(jù)為深度學(xué)習(xí)提供了數(shù)據(jù)資源及算法支撐,人工智能在5G 時(shí)代下,提供了更快的響應(yīng)速度、豐富的內(nèi)容、更智能的應(yīng)用模式以及更直觀的用戶體驗(yàn),云計(jì)算則為人工智能提供了靈活的計(jì)算資源。 隨著智能制造熱潮的到來(lái),人工智能應(yīng)用已經(jīng)貫穿于設(shè)計(jì)、生產(chǎn)、管理和服務(wù)等制造業(yè)的各個(gè)環(huán)節(jié)[1]。

1 人工智能技術(shù)的三個(gè)層次

從技術(shù)層面來(lái)看,業(yè)界廣泛認(rèn)為,人工智能的核心能力可以分為三個(gè)層面,分別是計(jì)算智能、感知智能、認(rèn)知智能[2]。

1.1 計(jì)算智能

計(jì)算智能即機(jī)器具備超強(qiáng)的存儲(chǔ)能力和超快的計(jì)算能力,可以基于海量數(shù)據(jù)進(jìn)行深度學(xué)習(xí),利用歷史經(jīng)驗(yàn)指導(dǎo)當(dāng)前環(huán)境。 隨著計(jì)算力的不斷發(fā)展,儲(chǔ)存手段的不斷升級(jí),計(jì)算智能可以說(shuō)已經(jīng)實(shí)現(xiàn)[2]。

1.2 感知智能

感知智能是指使機(jī)器具備視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等感知能力,可以將非結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)化,并用人類(lèi)的溝通方式與用戶互動(dòng)。 隨著各類(lèi)技術(shù)發(fā)展,更多非結(jié)構(gòu)化數(shù)據(jù)的價(jià)值被重視和挖掘,語(yǔ)音、圖像、視頻、觸點(diǎn)等與感知相關(guān)的感知智能也在快速發(fā)展。

1.3 認(rèn)知智能

相較于計(jì)算智能和感知智能,認(rèn)知智能更為復(fù)雜,是指機(jī)器像人一樣,有理解能力、歸納能力、推理能力,有運(yùn)用知識(shí)的能力。 通俗講是“能理解會(huì)思考”。 人類(lèi)有語(yǔ)言,才有概念,才有推理,所以概念、意識(shí)、觀念等都是人類(lèi)認(rèn)知智能的表現(xiàn)。

2 人工智能在鋼鐵行業(yè)應(yīng)用

人工智能在鋼鐵行業(yè)的應(yīng)用包括:以機(jī)器視覺(jué)技術(shù)為核心的智能算法應(yīng)用于生產(chǎn)過(guò)程、質(zhì)檢過(guò)程、運(yùn)輸過(guò)程,助力企業(yè)提高效益;以數(shù)字孿生為核心的數(shù)據(jù)+模型驅(qū)動(dòng)以數(shù)字化方式創(chuàng)建物理實(shí)體的虛擬實(shí)體,用來(lái)模擬、驗(yàn)證、預(yù)測(cè)、控制物理實(shí)體全生命周期過(guò)程,實(shí)現(xiàn)生產(chǎn)控制一體化和管理優(yōu)化;以數(shù)據(jù)可視化為核心的設(shè)備健康、人員安全、環(huán)保的問(wèn)題;基于數(shù)據(jù)的全供應(yīng)鏈優(yōu)化,采用數(shù)智化能力進(jìn)行支撐的一體化供應(yīng)鏈能更好地實(shí)現(xiàn)產(chǎn)銷(xiāo)一體化。 人工智能技術(shù)與行業(yè)技術(shù)的深層次結(jié)合能夠促使傳統(tǒng)行業(yè)發(fā)生智能化變革,最終使各生產(chǎn)工序?qū)崿F(xiàn)無(wú)人值守,各工序形成協(xié)同生產(chǎn)。 在鋼鐵行業(yè)智能制造的發(fā)展中,人工智能技術(shù)擁有很好的應(yīng)用前景[3]。 下文則總結(jié)鋼鐵行業(yè)中常用的八大人工智能應(yīng)用場(chǎng)景及探究。

2.1 智能識(shí)別

針對(duì)鋼鐵冶金生產(chǎn)的諸多難點(diǎn)和痛點(diǎn),將人工智能圖像識(shí)別技術(shù)和鋼鐵領(lǐng)域知識(shí)緊密結(jié)合,用專(zhuān)業(yè)工業(yè)攝像頭和視覺(jué)智能算法替代“人眼”和“人腦”,將技術(shù)工人從那些”3D”崗位( 臟(Dirty)、累(Difficult)、險(xiǎn)(Dangerous)危險(xiǎn)性高、勞動(dòng)環(huán)境差、簡(jiǎn)單重復(fù)勞動(dòng)的崗位)以及枯燥的“盯屏幕”工作中解放出來(lái),改變工作方式,提升工作效率,并進(jìn)一步推進(jìn)鋼鐵企業(yè)減員增效。

例如:棒材生產(chǎn)線中常規(guī)計(jì)數(shù)系統(tǒng)普遍存在抗干擾能力弱,計(jì)數(shù)結(jié)果不準(zhǔn)確,故障率高,分鋼打捆后人工復(fù)核難度大等問(wèn)題,這些問(wèn)題很大程度上的限制了軋鋼整條產(chǎn)線的智能化水平和品控水平。

棒材智能計(jì)數(shù)系統(tǒng)采用智能立體視覺(jué)技術(shù),如圖1 所示,克服了行業(yè)痛點(diǎn),可滿足各類(lèi)線棒材、管材的計(jì)數(shù)、體積測(cè)量等應(yīng)用需求。 原始的人工計(jì)數(shù)機(jī)械繁瑣,視覺(jué)AI 感知卻能“一鍵計(jì)數(shù)”,并聯(lián)動(dòng)觸發(fā)視覺(jué)分析,其分析結(jié)果與稱(chēng)重計(jì)數(shù)、貨單數(shù)量進(jìn)行核驗(yàn)。 若出現(xiàn)數(shù)支數(shù)與重量信息不對(duì)等情況,下線至待處理區(qū)。

圖1 棒材自動(dòng)數(shù)支數(shù)

2.2 設(shè)備故障預(yù)測(cè)和健康管理

人工智能在設(shè)備故障預(yù)測(cè)和健康管理主要實(shí)現(xiàn)方式如下:

(1)運(yùn)用AI 技術(shù)與機(jī)器視覺(jué)進(jìn)行有效結(jié)合;

(2)獲得高性價(jià)比的預(yù)測(cè)方案;

(3)故障數(shù)據(jù)和標(biāo)注的豐富。

基于人工智能技術(shù)的設(shè)備運(yùn)維一方面可以在事故發(fā)生前進(jìn)行設(shè)備的故障預(yù)測(cè),減少非計(jì)劃性停機(jī)。 另一方面,面對(duì)設(shè)備的突發(fā)故障,能夠迅速進(jìn)行故障診斷,定位故障原因并提供相應(yīng)的解決方案。

2.3 基于視覺(jué)的表面缺陷檢測(cè)

基于機(jī)器視覺(jué)的表面缺陷檢測(cè)應(yīng)用在制造業(yè)已經(jīng)較為常見(jiàn)。 利用機(jī)器視覺(jué)與3D 相機(jī)結(jié)合,應(yīng)用于鋼鐵行業(yè)。 不僅能檢測(cè)產(chǎn)品表面質(zhì)量缺陷還能缺陷的深度信息。

例如,煉鋼廠連鑄板坯生產(chǎn)過(guò)程中容易存在表面劃傷、裂紋,凹坑,異物壓入等諸多類(lèi)型的缺陷,見(jiàn)圖2。 采用了表面缺陷視覺(jué)自動(dòng)檢測(cè)后,通過(guò)面積、尺寸最小值、最大值設(shè)定,自動(dòng)進(jìn)行板坯表面凹坑檢測(cè)及板坯表面縱裂檢測(cè)。 通過(guò)引入3D 相機(jī)技術(shù),可自動(dòng)對(duì)縱裂深度信息進(jìn)行檢測(cè)。

圖2 連鑄坯表面缺陷

2.4 智能物流

鋼鐵行業(yè)智能物流通過(guò)物流信息全流程貫通、行車(chē)庫(kù)區(qū)自動(dòng)化、車(chē)輛實(shí)施跟蹤、移動(dòng)應(yīng)用等技術(shù)措施,配套管理流程優(yōu)化,建立一體化協(xié)同物流調(diào)度模式,實(shí)現(xiàn)物流運(yùn)輸資源的合理調(diào)配和運(yùn)輸指令的智能生成,提升物流運(yùn)輸效率。 具體包括:坯料自動(dòng)噴號(hào)及入爐坯號(hào)自動(dòng)識(shí)別技術(shù)、輸送自動(dòng)化技術(shù)、包裝自動(dòng)化技術(shù)、自動(dòng)化倉(cāng)庫(kù)(無(wú)線定位)、智能發(fā)貨等。目標(biāo):實(shí)現(xiàn)生產(chǎn)物料、運(yùn)輸工具、中間產(chǎn)品和最終產(chǎn)品的精確計(jì)量、稱(chēng)量、定位和跟蹤、自動(dòng)輸送,物料的精準(zhǔn)調(diào)度,與財(cái)務(wù)結(jié)算的一致性。

2.5 智能決策

鋼鐵企業(yè)在產(chǎn)品質(zhì)量、運(yùn)營(yíng)管理、能耗管理和生產(chǎn)計(jì)劃管理等方面,可以應(yīng)用機(jī)器學(xué)習(xí)等人工智能技術(shù),結(jié)合大數(shù)據(jù)分析,優(yōu)化調(diào)度方式,提升企業(yè)決策能力。

煉鋼智能管控平臺(tái)將生產(chǎn)計(jì)劃、爐機(jī)匹配、爐機(jī)生產(chǎn)節(jié)奏、生產(chǎn)條件調(diào)整、工藝流程需求、異常狀態(tài)調(diào)控等生產(chǎn)要素進(jìn)行集中管控的系統(tǒng)平臺(tái),該系統(tǒng)僅需一個(gè)操作界面、一套模型、一個(gè)指揮中心、一個(gè)生產(chǎn)驅(qū)動(dòng)點(diǎn),即可實(shí)現(xiàn)全流程準(zhǔn)時(shí)化。 并且能構(gòu)建多爐多機(jī)的自動(dòng)匹配、自動(dòng)糾錯(cuò)、效率優(yōu)先的準(zhǔn)時(shí)化生產(chǎn)模型,實(shí)現(xiàn)科學(xué)、高效、精準(zhǔn)、均衡的生產(chǎn)目標(biāo)。

2.6 數(shù)字孿生

數(shù)字孿生是客觀事物在虛擬世界的鏡像。 創(chuàng)建數(shù)字孿生的過(guò)程,集成了人工智能、機(jī)器學(xué)習(xí)和傳感器數(shù)據(jù),以建立一個(gè)可以實(shí)時(shí)更新的、現(xiàn)場(chǎng)感極強(qiáng)的“真實(shí)”模型,用來(lái)支撐物理產(chǎn)品生命周期各項(xiàng)活動(dòng)的決策。

數(shù)字孿生系統(tǒng)通過(guò)充分利用自動(dòng)控制機(jī)理模型、機(jī)器學(xué)習(xí)模型和工藝仿真模型,采用聲、光、電、磁、熱各類(lèi)傳感技術(shù),以工業(yè)互聯(lián)網(wǎng)平臺(tái)和大數(shù)據(jù)為基礎(chǔ),集成多學(xué)科、多物理量、多尺度、多概率的理論,打造虛擬與現(xiàn)實(shí)一一映射的平行連鑄生產(chǎn)現(xiàn)場(chǎng),實(shí)現(xiàn)連鑄生產(chǎn)虛擬評(píng)估、數(shù)字化工藝仿真、三維沉浸式作業(yè)指導(dǎo)等。 員工可以輕松通過(guò)整體界面了解到連鑄區(qū)域物流的調(diào)度情況,及時(shí)根據(jù)實(shí)際生產(chǎn)情況,對(duì)現(xiàn)場(chǎng)設(shè)備進(jìn)行調(diào)度指揮。

2.7 智慧安全管理

運(yùn)用云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、機(jī)器視覺(jué)、智能算法、5G、BIM 等技術(shù),通過(guò)對(duì)企業(yè)各個(gè)環(huán)節(jié)的安全規(guī)范管理、生產(chǎn)運(yùn)行監(jiān)控預(yù)警、資源管理及事故排查、特種設(shè)備監(jiān)控等系統(tǒng),能夠?qū)崿F(xiàn)對(duì)現(xiàn)場(chǎng)的全面監(jiān)控,為全方位的生產(chǎn)安全管理提供保障,并將收集到的信息反饋到平臺(tái)上,進(jìn)行多維度的統(tǒng)計(jì)分析,形成及時(shí)、有效、準(zhǔn)確、完整的工程大數(shù)據(jù),實(shí)時(shí)、全面、精準(zhǔn)掌握生產(chǎn)現(xiàn)場(chǎng)情況,實(shí)現(xiàn)綠色化、數(shù)字化、精細(xì)化、智慧化的安全管理。

2.8 需求預(yù)測(cè),供應(yīng)鏈優(yōu)化

通過(guò)對(duì)外部數(shù)據(jù)的分析,建立精準(zhǔn)的需求預(yù)測(cè)模型,基于需求預(yù)測(cè),制定庫(kù)存補(bǔ)貨策略,以及供應(yīng)商評(píng)估、采購(gòu)策略優(yōu)化等。

(1)保證生產(chǎn)的連續(xù)性:采購(gòu)部門(mén)應(yīng)根據(jù)客戶對(duì)鋼材的需求進(jìn)行個(gè)性化采購(gòu),制定相應(yīng)的原材料采購(gòu)計(jì)劃,供應(yīng)商的合理選擇,保證所需材料,并及時(shí)供應(yīng)。

(2)控制風(fēng)險(xiǎn)降低成本:鋼鐵原材料供應(yīng)商到鋼鐵企業(yè)廠內(nèi),往往要經(jīng)過(guò)長(zhǎng)途運(yùn)輸,特別是進(jìn)口鐵礦石和廢鋼等原材料,做好各種風(fēng)險(xiǎn)的防范。 在保證連續(xù)生產(chǎn)鋼鐵的前提下,人工智能數(shù)據(jù)分析可為采購(gòu)部門(mén)提供數(shù)據(jù),優(yōu)化采購(gòu)策略,以直接或間接降低采購(gòu)成本。

3 人工智能技術(shù)在八鋼公司應(yīng)用的現(xiàn)狀

八鋼公司在鋼鐵制造流程中人工智能的應(yīng)用實(shí)踐探索中取得了較好的經(jīng)驗(yàn)。 具體體現(xiàn)如下幾個(gè)方面:

(1)棒線分廠、熱軋、中厚板在線質(zhì)量監(jiān)測(cè)系統(tǒng)等。 實(shí)現(xiàn)了產(chǎn)品質(zhì)量跟蹤及控制;廢鋼識(shí)別項(xiàng)目、表面質(zhì)量檢測(cè)項(xiàng)目等,突破了單個(gè)工藝段的鋼鐵產(chǎn)品性能預(yù)報(bào)和基于大數(shù)據(jù)的鋼板組織性能預(yù)報(bào)。

(2)八鋼公司塔架巡檢機(jī)器人、自動(dòng)換炮泥機(jī)器人、風(fēng)口巡檢機(jī)器人、噴號(hào)機(jī)器人、加渣機(jī)器人、焊標(biāo)機(jī)器人等通過(guò)環(huán)境感知、人員行為識(shí)別、人員定位跟蹤,實(shí)現(xiàn)對(duì)危險(xiǎn)區(qū)域和人員危險(xiǎn)行為的管控。

(3)智慧焦化、智慧高爐、智能二切等利用在線檢測(cè)、智能診斷、智能圖像識(shí)別等技術(shù),實(shí)現(xiàn)設(shè)備預(yù)知維修和全生命周期管理。

(4)熱軋成品庫(kù)無(wú)人天車(chē)、干煤棚無(wú)人天車(chē)等利用移動(dòng)通訊技術(shù)和定位應(yīng)用技術(shù),實(shí)現(xiàn)倉(cāng)儲(chǔ)物資移動(dòng)調(diào)度、智能調(diào)度;利用物聯(lián)網(wǎng)感知技術(shù),實(shí)現(xiàn)倉(cāng)儲(chǔ)物資定置定位,加速物資周轉(zhuǎn)。

4 八鋼公司人工智能應(yīng)用的建議

依據(jù)工信部、國(guó)家發(fā)改委、生態(tài)環(huán)境部聯(lián)合印發(fā)《關(guān)于促進(jìn)鋼鐵工業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見(jiàn)》(簡(jiǎn)稱(chēng)《指導(dǎo)意見(jiàn)》)。 八鋼公司在人工智能技術(shù)應(yīng)用和研究需要改變目前單點(diǎn)難以成線,通過(guò)自身實(shí)際出發(fā),逐步布局從局部到整體,從生產(chǎn)層面到經(jīng)營(yíng)戰(zhàn)略層面的應(yīng)用發(fā)展方向。

(1)人工智能技術(shù)以數(shù)據(jù)為基礎(chǔ),從單一工序的實(shí)時(shí)數(shù)據(jù)獲取到全流程實(shí)時(shí)數(shù)據(jù)獲取,全流程多工序中的多源異構(gòu)數(shù)據(jù)的融合分析是進(jìn)一步研究及應(yīng)用的方向。

(2)提高模型的在線學(xué)習(xí)能力,現(xiàn)階段由于技術(shù)原因訓(xùn)練模型多采用歷史數(shù)據(jù),再將訓(xùn)練好的模型用于實(shí)際預(yù)測(cè)或者推理。 但是隨著生產(chǎn)的進(jìn)行,產(chǎn)線上會(huì)不斷出現(xiàn)新情況,原模型無(wú)法適應(yīng)新出線的狀況,要根據(jù)新情況不斷迭代模型,以達(dá)到對(duì)未來(lái)新?tīng)顟B(tài)的適應(yīng)性。

(3)將人工智能技術(shù)應(yīng)用于優(yōu)化鋼鐵企業(yè)供應(yīng)鏈、銷(xiāo)售預(yù)測(cè)及指導(dǎo),將生產(chǎn)、供應(yīng)、營(yíng)銷(xiāo)、銷(xiāo)售、服務(wù)價(jià)值鏈串聯(lián),通過(guò)技術(shù)驅(qū)動(dòng)和效率提升,為鋼鐵企業(yè)戰(zhàn)略層經(jīng)營(yíng)決策提供指導(dǎo),給客戶帶來(lái)更出色的全渠道的一致體驗(yàn)[4]。

5 結(jié)語(yǔ)

目前,隨著越來(lái)越多的企業(yè)、高校、開(kāi)源組織進(jìn)入人工智能領(lǐng)域,大批成功的人工智能開(kāi)源軟件和平臺(tái)不斷涌入,人工智能迎來(lái)前所未有的爆發(fā)期。但與金融、3C 等行業(yè)相比,雖然人工智能在鋼鐵行業(yè)的應(yīng)用場(chǎng)景不少,卻并不突出,甚至可以說(shuō)發(fā)展較慢。 究其原因,筆者認(rèn)為主要源于以下三個(gè)方面:

(1)由于鋼鐵制造環(huán)節(jié)數(shù)據(jù)的采集、利用、開(kāi)發(fā)都有較大難度,加之企業(yè)的數(shù)據(jù)庫(kù)也以私有為主、數(shù)據(jù)規(guī)模有限,缺乏優(yōu)質(zhì)的機(jī)器學(xué)習(xí)樣本,制約了機(jī)器的自主學(xué)習(xí)過(guò)程。

(2)鋼鐵生產(chǎn)過(guò)程存在連續(xù)、離散、半連續(xù)并存的情況,較為復(fù)雜,并且在生產(chǎn)過(guò)程中多是半結(jié)構(gòu)和非結(jié)構(gòu)化問(wèn)題,優(yōu)化處理的難度較大。 對(duì)于人工智能解決方案的復(fù)雜性和定制化要求高。

(3)鋼鐵行業(yè)內(nèi)智能制造企業(yè)中暫缺乏能夠引領(lǐng)人工智能與鋼鐵行業(yè)深度融合發(fā)展趨勢(shì)的領(lǐng)軍企業(yè)。

解決以上三個(gè)問(wèn)題,人工智能技術(shù)才能更好地應(yīng)用于鋼鐵行業(yè)。