首钢股份有限公司（以下简称：首钢）电工钢智能工厂探索与实践过程需要结合电工钢冷轧生产特点，深度分析首钢在智能制造和智能管理方面的差距，查找工厂智能管理的瓶颈和痛点，遵循整体性、先进性、开放性、经济性和规范性等原则定位工厂顶层设计。科学定向，是对涉及电工钢生产的全流程、全业务进行梳理并确定优化和创新整改方向。以大数据、物联网和智能化技术管理手段为向导，坚持绿色制造的理念，以决策科学化、服务增值化、研发数字化、生产柔性化、质量精准化、操作无人化为目标，通过智能化建设和智能管理水平提升，实现技术突破、业务变革，管理创新，并实现经济指标实质性的提升。首钢电工钢智能工厂结合硅钢生产特点，从根本上颠覆了原生产管理模式，将大数据应用、数字化研发、柔性化生产、增值化营销、全生命周期质量管控等新技术引入到电工钢生产，实现了企业在研、产、销、质量等环节管理的智能化提升。
1 首钢电工钢智能工厂管理探索与实践的背景
1.确定实现钢铁行业高质量发展、升级转型的突破方向
2015年05月19日，国务院正式发布《中国制造2025》是中国政府实施制造强国战略第一个十年的行动纲领，是全面提升中国制造业发展质量和水平的重大战略部署，其根本目标在于改变中国制造业“大而不强”的局面。坚持《中国制造2025》“创新驱动、质量为先、绿色发展、结构优化、人才为本”的基本方针，以物联网、云计算、大数据等先进技术与智能设备/装备融合应用为特征的智能工厂建设已成为驱动钢铁企业形成创新发展机制、突破增长极限、保障企业持续稳定发展的主要动力，从全球范围来看，尤其在德国和美国，智能工厂建设已成为传统制造业升级转型的主要突破方向。发展面向钢铁行业的智能工厂技术集成应用和管理创新，是抢占新一轮竞争制高点的关键一步。
1.2 实现智能制造，提升企业核心竞争力的重要手段
经过十年的快速增长，中国钢铁产能遥遥领先，装备水平及技术指标步入国际先进行列，但是在高端品种、先进流程、生产能耗及产品质量等方面仍与国际领先水平有较大差距。与此同时，由于产能严重过剩，环境急剧恶化，使得钢铁企业在提升产品质量、节能减排等方面面临巨大的压力。
智能工厂是实现智能制造的重要载体，集成物联网、大数据、云计算等先进技术和智能管理理念，能够有效解决钢铁企业在提升效率、节能降耗、提高设备服役能力、减少不合格品率、降低资金占用等方面面临的问题，达到生产的最优化、流程的最简化和效率的最大化，使传统工厂升级为智能工厂，是实现智能制造，提升企业核心竞争力的重要手段。
1.3 实现创新发展、提质增效、持续盈利的迫切需要
国际上韩国浦项等先进的钢铁企业在信息化、智能化方面走在行业前列。相比之下，首钢主要存在四个方面差距：
一是生产经营缺少科学完善的数据支撑。经营决策方面没有及时、充分的数据进行支撑全面的效绩监控和分析；生产管理方面，多区域、多工序协同联合优化覆盖程度低，各类能源、资源整体利用率不高。迫切需要工艺大数据采集和大树据分析服务平台建设。二是研产销方面智能支撑手段匮乏，难以实现精细化、精益化生产。产品研发方面，研发周期长、试制成本高；生产制造方面，长流程、多工序生产过程协调难度大。在多品种、小批量多样化客户需求情况下，制造过程缺乏柔性；营销服务方面，客户需求变化快、供应链上下游信息不对称，数字化协同存在问题，营销增值化服务水平较低。三是产品工艺质量控制环节，缺陷缺乏可追溯手段、质量信息整合程度差，亟待解决产品全生命周期智能管控的问题。四是机器人等智能装备配备率低，关键装备点巡检智能化水平低。过多的人为因素干扰，造成设备运维水平低，生产制造效率低，并存在一定安全风险。
因此，为了挖潜增效，必须以质量成本为基础，以优化产能为核心，以创新为驱动，落实两化深度融合，推进钢铁企业智能工厂管理的探索和实践，实现创新发展、提质增效，保持企业持续盈利能力。
2 首钢电工钢智能工厂管理探索与实践的具体做法
2.1 顶层设计高标准，创新覆盖全流程
1）组建联合攻关团队，顶层设计紧跟智造前沿
电工钢产品因其工艺复杂、产量低，被誉为钢铁业“皇冠上的明珠”。电工钢智能工厂管理探索与实践需要高标准的顶层设计和高水平的技术团队，紧跟智能制造技术前沿，保证智造过程顺利实施。
（1）团队建设
首钢联合高校和科研机构，在智能工厂系统集成、软件开发、科研开发、标准制定、核心装备制造几方面深入探索，组建了一支包含行业专家、教授、博士、研究员、高级工程师、工程师为核心的产学研用一体化的科技攻关团队，形成顾问专家团队和各分项目攻关小组，把握项目实施的总体方向和控制项目实施进度，从而确保项目研发工作的顺利实施和完成。
（2）顶层设计
首钢在电工钢冷轧工厂建设之初，遵循“高起点、高标准、高要求”的目标定位，已建立了较完整的全流程基础自动化系统、过程控制系统、MES系统、ERP系统等四级体系。整个生产制造体系依据全新的一体化质量管理理念、融合六西格玛管理策略，采用控制图、数据挖掘、数据建模等工具和技术，实现了从订单和物料两个基本维度的一体化全流程生产管控和部分工艺质量管控，系统自动化、信息化程度较高，在行业内处于领先水平，初步具备数字化工厂的水平。
智能工厂建设的顶层规划设计参考国内外关于智能制造和工业4.0方面的先进经验，遵循整体性、先进性、开放性、经济性和规范性等原则，在传统的数字化工厂基础上进行智能化的提升和改造。对工厂基础设备控制系统薄弱环节、信息系统架构层级、生产工艺改进升级需求、生产组织模式优化、工艺业务流程和生产管理模式痛点、经营决策支撑盲区等进行深入分析。智能工厂将搭建功能完备的企业大数据中心，为智能工厂服务层和应用层的各项功能提供基础数据保障；在应用层中，通过一系列智能化技术的应用，构建以产品智能设计与工厂柔性化制造和营销服务为核心，以质量、设备、能源、绿色安全为有效支撑的智能工厂产销研体系。将传统工厂升级为智能工厂。
2）科学定向，直面全流程、全业务痛点
结合顶层设计要求，建立管理提升目标，攻关团队组织全面开展“大调研、大走访”活动。无取向电工钢冷轧生产工艺流程包含一条酸连轧、四条连续退火、四条重卷分切、两条包装产线，辅助产线包含一条酸再生、一条磨辊间。涉及业务岗位包括生产操作、仓储管理、计划调度、设备管理、检修维护、生产管理、产品研发、工艺技术、质量管控、营销服务、经营决策等，从一线操作、检修维护、专业技术到中高层管理。
结合电工钢工艺特点和业务分工制定提升任务清单，对任务内容存在的难点、痛点、盲点、繁重程度、工作频次、改进瓶颈等进行分析。对频繁现场操作、简单重复繁重、内容复杂、人为因素影响大、存在一定安全风险的任务重点关注。对照智能制造工业4.0目标，对比分析找差，结合智能化技术和管理手段，确定解决方案和实施路线，经过可行性论证形成智能工厂攻关项目。
2.2 依托大数据技术，助推企业运营决策科学化
原硅钢一冷轧工厂制造流程采用ERP/MES/PCS系统网络架构，虽然实现基础自动化、过程自动化和MES系统等之间信息交互，基本满足传统的管控一体化需求，但是还无法通过原网络架构将整个制造过程所有工业设备和系统连接起来，实现数据在这些设备及系统之间流动，尚不具备实现大数据分析、运营决策、控制等需求，缺乏智能化分析平台和工具，智能化优化工业生产过程存在瓶颈。
首钢通过搭建大数据平台，对原网络系统升级改造和新建数据采集网络等方式，在保留原控制网内部数据传输模式基本不变的前提下，利用数据采集网打破原系统之间壁垒，将整个制造过程中多源异构的各种结构化、非结构化数据集中采集、关联、存储，围绕制造过程各种核心业务，形成一个系统化的、能实现数据传输和应用的智能体系，利用大数据平台和数据总线及整体的系统架构实现了“端到端”的数据访问与交互，在整体网络架构重构基础上再造相应信息化系统与业务流程。
1）建设大数据平台支撑智能应用服务
融合国内大数据建设技术方案和实践案例，建设大数据机房，满足系统开发硬件基础。实施对全工艺流程和生产过程的基础数据采集和数据治理。结合电工钢数据类型和业务特点，采用分布式存储相关技术，结合分布式系统hadoop、云计算等大数据技术，建立完善的大数据平台。尝试开展对结构化、半结构化、非结构化等多源异构数据的采集、存储、分析、挖掘等高级应用。探索在产品全流程各个环节进行大数据专题分析，用数据说话，用数据实现价值，使之成为企业核心竞争力的利器，助推电工钢生产从“制造”走向“智造”。
2）构建生产经营KPI体系，管理驾驶舱服务运营决策
依托大数据技术建设运营决策管理体系，横向打通业务板块、纵向连接管理层级，实现横到边、纵到底的多级管控体系。结合冶金行业通用指标及电工钢生产特有指标，构建包含制造、技术、质量、营销、设备、安环共六大类、十个管理方向、103个管理指标的生产经营KPI体系，在管理驾驶舱系统直观展现生产过程中，各机组的产量、生产库库存、制造成本、设备运行状态监控等方面，实现考核指标模型化。使用仪表盘、速度表、柱状图、折线图、雷达图、玫瑰图等将生产经营指标数据形象化、直观化、具体化。通过对标分析、预警分析，同时将数据准确实时更新，形象地展示电工钢生产经营趋势和各专业关键指标情况，支持异常预警和分析功能，为公司高层管理人员直观、高效地监控电工钢的生产运营状况，实现合理管控与风险控制提供支撑。
3）科学优化数据分析报表，便捷专业管理
通过数据治理平台规划指标及每个报表数据项的关联关系，实现基础数据的自动采集和调度，利用数据仓库实现数据自动核算，提升数据质量，坚持数据不落地，保障了数据权威性。科学缩减数据分析报表数量，提高数据查询速度。并通过数据字典、自定义报表实现专业性主题分析，多维度、多指标的自由分析。为专业管理提供便捷的数据支撑。
2.3 研产销智能协同，提升生产制造柔性化
在智能工厂探索相关技术研发与实施过程中，针对原来信息支撑系统相对独立、跨部门业务流程衔接不畅、制造过程协调性不强等实际需求，通过信息系统重构、业务流程再造和新的信息系统平台建设等措施，构建并形成了面向客户定制化需求的研产销一体的协同制造管理体系，提高了企业面向客户定制化需求的精准服务能力、产品研发快速响应性和研发知识化、多工序协同制造与动态响应能力等。
1）产品研发数字化
智能工厂结合电工钢客户EVI技术，将产品研发与客户需求紧密结合，借助大数据和知识库等手段，搭建电工钢产品研发平台，实现产品研发数字化，实现产品研发设计流程的再造。利用系统流程化管理手段，实现从客户需求识别、性能预测模型、质量设计、制造检验等业务线上协同，缩短产品研发周期。通过基于产品EVI及知识库建立产品智能设计知识库，在此基础上构建基于DFSS的产品智能研发体系，实现产品研发显性知识与隐性知识的集中管理、产品设计要素的可视化分析、缩短研发周期、精确识别客户需求并引领市场需求的新产品智能设计。
2）生产流程柔性化
随着市场变化硅钢客户多品种、多规格、多特殊需求，小批量、个性化的订单显著增加，与钢厂大规模连续性生产模式存在显著矛盾。硅钢-冷轧工厂生产迫切需要满足客户需求、质量要求、交期要求的柔性化生产方式。通过智能工厂项目梳理优化产销衔接流程，实现订单自动评审、动态质量设计、计划排程、厂内物流等生产全流程智能化升级。
搭建硅钢协同制造管理系统以电工钢产品运营协同为核心，支撑电工钢产销衔接、订单管理、质量设计、计划排程的业务协同，实现营销管理、生产管理、技术质量管理等管理部分职责协同。实现以下几方面目标，为智能工厂建设推进提供有力支撑。
为加强电工钢产销业务协同，实现柔性化生产，依托智能工厂项目，以电工钢生产订单为主线，重新梳理规划电工钢产销业务流程，简化合同评审与订单质量设计流程，搭建电工钢成熟订单库，实现销售合同的自动评审、材料设计、质量控制，完成销产转换业务的紧密衔接，满足客户个性化特殊需求，解决钢铁业小批量、个性化的市场需求与大规模定制生产的矛盾。
计划排程功能覆盖了从年生产计划到机组作业计划的所有电工钢生产计划内容，通过采用构造启发式方法，针对不同计划特点，分别搭建k-means聚类方法、离散差分进化算法、差分进化算法等模型，支持系统实现自动计划排程，减少计划人员日常工作，提高效率。
在生产组织中根据制造过程动态约束，采用基于排产规则的一系列算法和工艺动态调整模型，进行生产流程的动态重构与优化调度，提高制造流程柔性和多工序间协调性。
在多工序协同的计划与调度体系中实现月产能计划、订单交期计划、订单月计划、联排计划等支撑多工序协同制造的核心计划调度模型与算法，从电工钢制造供应链的全局角度对生产过程进行系统的、动态的解析和优化，提高制造过程柔性和多工序间协同性。
3）供需服务增值化
面对国内钢铁业供需不平衡、产能过剩、高端产品同质化竞争日趋加剧等问题，股份公司转变思路，借助互联网、数据挖掘、EDI等IT技术搭建硅钢客户精准服务系统，通过该平台实现客户需求、产品特性及使用反馈信息的动态收集，解决产品供应链上下游数字化协同问题，提高硅钢销售智能化营销服务水平，帮助企业更好的制定营销策略。
结合电工钢产品特点，以客户EVI服务模式为基准，从客户需求出发，引入精益供应链管理和最新客户体验理念，站在客户视角驱动流程优化，建立数学模型，构建B2B的一贯制精准服务平台。面向客户提供产品销售全流程自助服务，提升客户体验；面向销售提供市场资源预报分析及销售策略制定，提升企业营销能力；面向客户服务提供售前产品推荐、售中订单跟踪、售后质量异议、物流等数据推送，提升客户服务水平。
在整个系统架构中通过数据为导向的客户分析体系实现对不同价值客户进行有效区分，提升企业数字化营销、精准化营销水平。为客户提供多营销渠道的增值化服务，实现售前、售中和售后的一站式用户需求与响应。
2.4 全生命周期产品质量管控，提升企业产品竞争力
在原有电工钢产线质量过程控制系统（QPC）和MES系统质量模块使用的基础上，为实现全生命周期产品质量管控，提升企业产品竞争力，采取了如下具体做法：一是完善各工序质量信息，增大质量信息颗粒度，对多工序关联数据进行整合，做好质量管理数据基础；二是依托电工钢产品的性能预测模型建立工艺控制标记体系，优化排程，缩小成品质量波动区间，实现生产过程的动态质量设计、精细化质量控制，满足用户的个性化需求；三是针对电工钢产品从客户需求、产品开发、制造、物流、客户使用、废料回收进行质量跟踪、监控，实现产品全部生命历程的质量管理。实现产品质量全程可控，对于异常状态可以进行实时监控与调整，达到品质最优化，降低废品率及改判率。在线质量判定实现自动检测判定，缺陷判定时间和质量判定时间成倍缩短，判定准确度大幅提升；四是运用智能工厂大数据分析技术，将产品全流程各生产工序的尺寸、性能、表面类综合判定结果进行准确定位到最终精整分切工序的带钢全长，同时结合客户的订单要求，指导岗位自动执行智能分切，改变传统通过人工分析给出分切结果的方式，实现对成品卷精准分切。五是质量工程师借助数字化、模块化的管理工具，按照质量改进支撑、质量过程强化控制、质量设计补充的管控流程推动实现全生命周期产品质量管控。
目前首钢已建立针对30多个电工钢品种划分的300多条原料标记、800多套设定工艺，并形成2万多套制造标准，有利支撑电工钢产品的动态质量设计。在线自动质量判定系统缺陷判定时间缩短为原来的六分之一，质量判定时间缩短到1分钟以内，判定准确度提升到95%。特别是缺陷智能分切技术领先于国内对标厂家。截至目前电工钢产品综合智能分切比例达96%以上。随着质量智能管控能力的的提升，首钢电工钢产品尺寸精度，铁损、磁性能等关键指标均达国际先进水平，得到客户一致认可。同时协议带出品率持续降低，产品盈利能力显著增强，产品竞争力大幅提升。
2.5 装备智能化突破，推动操作集中化，现场无人化
电工钢生产，工序多，流程长，人员密集，物料仓储复杂，如拆捆带、上套筒、盘库等部分工序人员辅助作业区劳动简单重复、强度大，既影响到整个作业线的人工作业效率和产品质量稳定性，又存在安全作业隐患的问题。
结合电工钢制造过程工艺流程及产品特点，应用新技术和新理念，实施物流仓储智能化升级，生产运行的智能视频监控改造，研发并采用智能天车、智能机器人等无人化/少人化装备，以及对部分生产工艺的自动化升级改造，提高整个制造流程的作业效率。
装备智能化典型案例：
1）智能物流仓储
智能物流针对电工钢与上游热轧工序之间原料卷转运过程中信息传递、作业效率、车辆调度等问题，研发了智能化电工钢冷轧原料物流转运管控系统。该系统综合利用现代信息技术、智能感知等多项新技术，实现物流车辆进出库自动导引及管控、钢卷ID在线自动识别检验等自动化操作，规范原料物流转运业务流程，降低了原料库管理岗位的劳动强度，打通了酸轧原料转运到上料整个流程的信息流，形成酸轧原料转运至上线信息的一体化、智能化操作。
智能仓储系统包含轧后库仓储系统、调度系统、天车控制系统、地面控制系统，是一种以仓储、调度系统为核心，无人天车为手段，地面系统为辅助，突破了智能防摇摆技术、三维扫描成像技术、智能夹钳技术等关键技术，实现库区钢卷业务智能化、无人化管理的生产服务系统。无人天车与智能仓储系统有效解放了劳动力，避免了司机长时间繁劳作业状态，实现了库区钢卷信息全流程跟踪，取消了库工盘库、查找钢卷、卷好核对等传统作业流程，提升了整个轧后库的智能化水平。
2）智能装备应用
电工钢样板自动取样、制样及磁性能自动检测系统利用机器人装备实现取样过程样本的“自动输送、自动分拣码垛、激光二维码标识”、自动插片磁性能监测，样板收集等无人化操作。真正实现了从毛坯样板分拣加工和磁性能检测的全过程自动化，该项技术在电工钢磁性能自动化制样领域属于首创。
结合电工钢制造工艺在不同工序段的特点，研发了拆捆带机器人、机器人自动储运套筒系统、贴标机器人、钢卷内圈固定点焊机器人、取样机器人五种不同类型的工业机器人用于实际生产现场，提高生产作业效率，保证了人员安全，同时为现场生产人员调配和人员管理提供了便利。
3）实现连退生产集中管控
在大量智能装备投入的基础上，人员集中和业务优化势在必行。参照国内外类似项目经验，经过调研后，尝试完成部分操作室的合并。通过针对电工钢-冷轧连退生产线自动化系统升级改造和功能提升，以及双线集中操作和智能视频监控等工作，成功实现连退生产线少人化和产品质量稳定提升。
4）建立设备状态诊断系统
智能工厂设备监测与智能诊断系统监测范围覆盖酸电工钢生产的200多台关键设备，新增振动、温度等400多个监测点，集成整合已有的液压、电气等各类监测量1200多个。设备管理实现从“人工离线点检”到“远程在线监测”，从“信息孤岛”到“设备状态大数据平台”，从“事后人工分析”到“系统智能诊断”的设备管理变革。
3 首钢电工钢智能工厂管理探索与实践的效果
依托大数据技术建设运营决策管理体系，实现横到边、纵到底的多级管控，打通业务板块、连接管理层级。建立管理驾驶仓和多级报表体系。
构建研产销一体的协同制造管理体系，打破业务边界，提高了精准服务、产品研发、生产管理等协同制造能力。新产品研发周期大幅缩短，生产效率和客户满意度大幅提升。
建设产品质量全流程闭环管控体系，推动动态产品质量设计，闭环控制和优化改进。协议带出品率降低至1.72%。
深度优化能源调控管理体系，实现了能源介质利用率的提升和机组生产经济运行。无取向电工钢吨钢能耗降低2.16千克标准煤。
智能装备改造助推生产集约化和操作无人化。促进岗位业务整合优化和减员增效，实施区域完成减员44人。
来源：世界金属导报 原文链接：http://1guigang.com/news/2184.html，转载请注明出处~~~
