陳磊 劉偉 袁君奇

（1.漢威廣園（廣州）機械設(shè)備有限公司，廣東廣州 510700；2.廣東省冶金長材裝備制造與運維工程技術(shù)研究中心，廣東廣州 510700；3.騰訊云計算（北京）有限責任公司，北京 100080；4.湖南華菱湘潭鋼鐵有限公司，湖南湘潭 411101）

一、新型工業(yè)化背景下鋼鐵行業(yè)生產(chǎn)設(shè)備管理現(xiàn)狀

國家統(tǒng)計局數(shù)據(jù)顯示：2022 年，我國累計鋼產(chǎn)量為10.13 億噸，占全球粗鋼產(chǎn)量的53.93%，已連續(xù)26 年位居全球第一。鋼鐵企業(yè)實現(xiàn)智能制造可以提高企業(yè)生產(chǎn)效率、產(chǎn)品質(zhì)量，降低生產(chǎn)成本，實現(xiàn)信息互聯(lián)互通。

預(yù)測性維護是集設(shè)備數(shù)據(jù)采集、故障診斷、狀態(tài)預(yù)測、決策支持和維護活動于一體的維護方式，可滿足高質(zhì)量、低成本、低勞動力的要求，將極大提高企業(yè)的經(jīng)濟效益，助力數(shù)字化升級，提升企業(yè)競爭力。從在役設(shè)備的安全保障、提升生產(chǎn)效率等角度綜合考量，企業(yè)推進生產(chǎn)設(shè)備的預(yù)測性維護，實現(xiàn)“智能運維”勢在必行。

二、設(shè)備運維領(lǐng)域存在問題

設(shè)備是智能制造的生產(chǎn)核心，其穩(wěn)定性、安全性、持續(xù)性會直接影響工業(yè)企業(yè)的生產(chǎn)產(chǎn)值。鋼鐵冶金行業(yè)屬于連續(xù)性流程工業(yè)，關(guān)鍵設(shè)備故障對生產(chǎn)的影響尤為巨大。棒線材作為鋼鐵冶金行業(yè)產(chǎn)品中的重要產(chǎn)品，廣泛用于建筑、機械、電力、航空等領(lǐng)域的結(jié)構(gòu)件。棒線材生產(chǎn)線中高技術(shù)、高性能設(shè)備較多，具有生產(chǎn)節(jié)奏快、工序連續(xù)性強、設(shè)備結(jié)構(gòu)及工況復(fù)雜、上線服役周期長等特點，設(shè)備一旦突發(fā)故障停機，會直接造成較大的生產(chǎn)效益損失。

鋼材軋制是鋼鐵全流程智能制造的關(guān)鍵，由于不同鋼種、不同工況對軋鋼過程的影響，軋鋼過程中各種參數(shù)會時刻變化，導(dǎo)致構(gòu)建系統(tǒng)存在難以精準采集數(shù)據(jù)、難以在線進行實時診斷分析等難題，嚴重制約了軋鋼設(shè)備管理水平的提升，影響了軋材生產(chǎn)制造領(lǐng)域的高質(zhì)量發(fā)展。

三、數(shù)字孿生技術(shù)在設(shè)備運維領(lǐng)域的應(yīng)用概況

設(shè)備數(shù)字孿生運維系統(tǒng)通過聚焦生產(chǎn)設(shè)備運行管理和工廠數(shù)字化轉(zhuǎn)型升級，采集、匯聚、分析生產(chǎn)設(shè)備運行狀態(tài)數(shù)據(jù)，并將其以“產(chǎn)線級”和“設(shè)備級”數(shù)字孿生3D 可視化的仿真方式同步在Web、APP，對各類設(shè)備風險進行預(yù)警，支撐開展預(yù)測性維護活動，提高生產(chǎn)設(shè)備綜合運行效率。

運維系統(tǒng)以生產(chǎn)設(shè)備全生命周期為主線，運用云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、數(shù)字孿生等關(guān)鍵技術(shù)，聚焦設(shè)備管理、生產(chǎn)運營等關(guān)鍵場景，構(gòu)建全數(shù)字、全可視化的數(shù)字孿生體系。系統(tǒng)可根據(jù)設(shè)備運行狀態(tài)變化和業(yè)務(wù)需求，通過多維度的數(shù)據(jù)分析識別故障來源，確定故障程度，準確預(yù)測出設(shè)備隱患，及早安排人員和物料消除設(shè)備缺陷。這有效減少了非計劃停機情況，降低了維修費用，減少了庫存資金占用，提高了生產(chǎn)線運行效率并實現(xiàn)了輔助管理決策。

設(shè)備數(shù)字孿生運維系統(tǒng)作為產(chǎn)業(yè)互聯(lián)網(wǎng)平臺，兼具聚焦和普適雙重特性，面對行業(yè)需解決的難點、痛點問題以及不同需求，為鋼鐵冶金行業(yè)的用戶提供高線設(shè)備個性化定制服務(wù)模式，并集合人力、物力、財力等生產(chǎn)要素，通過扁平化組織縮小管理時空，增強應(yīng)變能力，便于鋼鐵企業(yè)對設(shè)備進行高效管理。設(shè)備數(shù)字孿生運維系統(tǒng)采用“端-邊-云”協(xié)同的主流架構(gòu)模式。該系統(tǒng)將各現(xiàn)場監(jiān)測點、數(shù)據(jù)源作為端，將各廠部設(shè)立的高頻數(shù)據(jù)采集、處理及預(yù)警作為邊緣計算，將公司設(shè)備數(shù)字孿生運維系統(tǒng)平臺作為云，實現(xiàn)“端-邊-云”架構(gòu)下的預(yù)警、預(yù)測、診斷、分析，詳見圖1。

依托運維系統(tǒng)，鋼鐵企業(yè)設(shè)備管理模式由計劃性維護轉(zhuǎn)變?yōu)轭A(yù)測性維護，同時為上下游用戶提供全產(chǎn)業(yè)鏈創(chuàng)新服務(wù)。

四、設(shè)備數(shù)字孿生運維系統(tǒng)軟件設(shè)計方案

設(shè)備數(shù)字孿生運維系統(tǒng)是讀取、瀏覽和分析數(shù)據(jù)的重要人機交互平臺，該系統(tǒng)基于生產(chǎn)設(shè)備運行狀態(tài)數(shù)據(jù)的采集、匯聚、分析以及數(shù)據(jù)可視化呈現(xiàn)，優(yōu)化提升設(shè)備管理能效，使用先進成熟的自主研發(fā)系統(tǒng)為客戶提供生產(chǎn)可視化移動管理服務(wù)。本文以鋼鐵行業(yè)棒線材作為較典型的數(shù)字孿生技術(shù)應(yīng)用場景進行闡述。

本系統(tǒng)通過輸入、輸出和所封裝的關(guān)鍵技術(shù)及數(shù)字孿生技術(shù)，對設(shè)備幾何結(jié)構(gòu)和外形的三維建模，應(yīng)用軟件與控制算法等信息展開全數(shù)字化的建模技術(shù)，并結(jié)合多物理場仿真、數(shù)據(jù)分析和機器學習功能，使設(shè)備狀況以3D 可視化方式清晰完整地呈現(xiàn)；通過仿真、預(yù)測設(shè)備缺陷，對異常狀態(tài)及時作出報警，為進一步的故障分析、性能評估等提供信息和數(shù)據(jù)。最終，棒線材生產(chǎn)線以數(shù)字孿生3D 可視化的仿真方式展現(xiàn)“產(chǎn)線級”和“設(shè)備級”，在“設(shè)備級”中內(nèi)部結(jié)構(gòu)健康狀況清晰可見，且無限趨真。產(chǎn)線級棒線材設(shè)備數(shù)字孿生運維系統(tǒng)，如圖2所示，設(shè)備級棒線材設(shè)備數(shù)字孿生運維系統(tǒng)，如圖3 所示。項目主要創(chuàng)新成果如下。

圖2 棒線材設(shè)備數(shù)字孿生運維系統(tǒng)（產(chǎn)線級）

圖3 棒線材設(shè)備數(shù)字孿生運維系統(tǒng)（設(shè)備級）

（一）棒線材設(shè)備故障診斷分析技術(shù)研究

棒線材設(shè)備故障診斷分析首先通過對故障信號的處理，重構(gòu)故障特征，然后進行數(shù)據(jù)分析，達到識別故障來源、最終確定故障程度的目的。在振動數(shù)據(jù)價值利用方面，通過多種診斷方式進行狀態(tài)評估和故障分析、故障識別。故障分析工具包括趨勢分析、時域波形等。在振動數(shù)據(jù)多指標提取層面，除常規(guī)振動有效值、峭度等指標外，根據(jù)多年經(jīng)驗計算峭度密度、沖擊能量比、綜合指標等針對性振動指標，用于移動設(shè)備早中期損傷的監(jiān)測。

（二）軋機故障信號降噪重構(gòu)特征識別方法

通過故障信號降噪重構(gòu)特征識別方法，實現(xiàn)軋鋼工藝設(shè)備故障的準確診斷。本方法將奇異值及奇異值向量結(jié)合起來，對采集的振動信號矩陣進行奇異值分解，以生成對應(yīng)的奇異值向量。根據(jù)奇異值向量構(gòu)造奇異值差分譜，再根據(jù)奇異值差分譜確定有效奇異值階次。在有效奇異值階次的范圍內(nèi)，對奇異值向量進行快速傅里葉變換（FFT），搜索FFT 結(jié)果序列中具有工頻及其倍頻特征的幅值，以得到對應(yīng)的噪聲奇異值。使用剔除噪聲奇異值的奇異值向量重構(gòu)時域信號，以獲得故障特征信號。故障信號降噪重構(gòu)特征識別方法能夠提高故障特征信號的信噪比，實現(xiàn)軋機設(shè)備故障的準確診斷。

（三）基于設(shè)備的振動信號報警識別方法及計算設(shè)備

建立覆蓋實施對象的關(guān)鍵零部件、關(guān)鍵故障形式的在線監(jiān)測系統(tǒng)。通過數(shù)據(jù)采集與邊緣計算，采集設(shè)備當前時刻的振動信號，并計算出信號對應(yīng)的均方根指標幅值，判斷均方根指標幅值是否超過預(yù)設(shè)的第一實時門限。若超過，則獲取振動信號對應(yīng)的轉(zhuǎn)速、齒輪故障指標、軸承故障指標和工頻故障指標，判斷轉(zhuǎn)速、齒輪故障指標、軸承故障指標和工頻故障指標是否均滿足各自相應(yīng)的無效報警狀態(tài)，若均滿足，則判定設(shè)備狀態(tài)正常，不發(fā)出報警信號；否則判定設(shè)備狀態(tài)異常，則發(fā)出報警信號。這種基于設(shè)備數(shù)據(jù)篩選、數(shù)據(jù)分析的信號報警識別方法可以更準確地捕捉設(shè)備故障，降低因單純使用均方根指標幅值進行故障識別所帶來的誤報警率。

此外，通過收集完整的設(shè)備運行數(shù)據(jù)，建立運行檔案。綜合運用振動、油液、溫度、電流、轉(zhuǎn)速等數(shù)據(jù)監(jiān)測和故障診斷技術(shù)，及時了解設(shè)備運行狀態(tài)，把握運行周期的變化趨勢?；谡駝有盘柕闹悄茉\斷算法主要針對常規(guī)工業(yè)旋轉(zhuǎn)設(shè)備，該算法以轉(zhuǎn)子動力學、軸承、齒輪故障機理為基礎(chǔ)，以實際故障案例數(shù)據(jù)為支撐，覆蓋多種故障類型、多維度判斷故障嚴重程度，可以大大提高專業(yè)診斷工程師生產(chǎn)力，讓用戶設(shè)備運維無憂。系統(tǒng)中的信號處理技術(shù)和數(shù)據(jù)處理功能，將原始振動波形處理成為振幅頻譜圖，通過再處理、包絡(luò)解調(diào)、倒譜等功能可以濾去特定頻率或者頻段波形。

（四）具有故障點定位的棒線材設(shè)備故障診斷方法

現(xiàn)有故障診斷技術(shù)在棒線材設(shè)備的應(yīng)用中，大多針對單個測點，通過生成頻譜圖判斷故障情況。因此，對于多測點，需要查看多個測點分別對應(yīng)的頻譜圖才能判斷單體設(shè)備是否發(fā)生故障。上述方法花費時間較長，且效率較低。本文提出了高效的故障點定位診斷系統(tǒng)。一是獲取待監(jiān)控設(shè)備多個振動測點對應(yīng)的振動數(shù)據(jù)，然后對各個振動測點對應(yīng)的振動數(shù)據(jù)進行分析，生成各個振動測點對應(yīng)的候選頻譜圖，保證了生成的各個振動測點對應(yīng)的候選頻譜圖的準確性。二是根據(jù)各個候選頻譜圖對應(yīng)的幅值之間的關(guān)系，對各個候選頻譜圖進行融合處理，生成目標頻譜圖，保證了生成的目標頻譜圖中可以包括各個候選頻譜圖的特征，進而保證了生成的目標頻譜圖的準確性。最后，對目標頻譜圖中的幅值和頻率進行分析，確定待監(jiān)控設(shè)備對應(yīng)的故障，保證了確定的待監(jiān)控設(shè)備對應(yīng)故障的準確性。

系統(tǒng)通過對圖譜數(shù)據(jù)分析，實現(xiàn)識別故障來源、診斷故障程度的目標。在振動數(shù)據(jù)圖譜方面，可使用趨勢分析、時域波形、包絡(luò)解調(diào)等多種信號分析處理手段，診斷設(shè)備故障的部位、損壞形式和嚴重程度。棒線材設(shè)備數(shù)字孿生運維系統(tǒng)（圖譜分析），如圖4 所示。設(shè)備在某一運行狀態(tài)下，各種故障類型（不平衡、不對中、共振故障等）均對應(yīng)特定振動頻率，在振動頻譜圖可以確定設(shè)備故障來源。不同故障來源均有其故障初期、中期及后期典型圖譜，與設(shè)備振動圖譜對比即可準確判斷故障發(fā)展程度。

圖4 棒線材設(shè)備數(shù)字孿生運維系統(tǒng)（圖譜分析）

（五）棒線材設(shè)備數(shù)字孿生模型研究

數(shù)字孿生是利用人工智能、大數(shù)據(jù)等新的計算能力完成數(shù)據(jù)處理任務(wù)，以數(shù)據(jù)、模型為主要元素構(gòu)建的基于模型的系統(tǒng)工程，依靠包括仿真、實測、數(shù)據(jù)分析在內(nèi)的手段對物理實體狀態(tài)進行感知、診斷和預(yù)測，進而優(yōu)化物理實體，同時進化自身的數(shù)字模型。數(shù)字孿生是物理實體數(shù)字空間的重構(gòu)。操作數(shù)字空間的對象時，物理空間的實體對象進行相應(yīng)動作和發(fā)生狀態(tài)變化時，數(shù)字空間的對象也會相應(yīng)地發(fā)生改變[1]。由于計算機技術(shù)可以更加方便地處理和分析數(shù)字數(shù)據(jù)，本文利用物理實體的數(shù)字映射進行計算分析，同時利用人工智能等方法幫助預(yù)判、輔助決策或直接驅(qū)動，形成“感知—決策—執(zhí)行”完整的閉環(huán)。

3D 可視化是鋼鐵設(shè)備管理的需求痛點之一，通過數(shù)字孿生技術(shù)可以同步展現(xiàn)設(shè)備運行狀態(tài)以及故障零部件信息，為客戶的使用提供了極大的便利。目前，市場上沒有能直接生成設(shè)備模型（零件級）并關(guān)聯(lián)對應(yīng)數(shù)據(jù)的軟件，無法單獨對某一零部件進行動作或改變狀態(tài)。本項目開發(fā)了零部件重構(gòu)組裝功能，可自動對零部件模型進行組裝，完成設(shè)備的3D 還原。

數(shù)字孿生模型是由數(shù)字模型、數(shù)據(jù)分析和知識庫構(gòu)成。系統(tǒng)將數(shù)據(jù)可視化，對現(xiàn)場設(shè)備通過3D 建模，并以數(shù)字孿生的仿真手段將現(xiàn)場實時數(shù)據(jù)同步在Web、APP，以“產(chǎn)線級”和“設(shè)備級”數(shù)字孿生3D 可視化的仿真方式呈現(xiàn)，如果振動強度超出預(yù)警值，則以不同的顏色標識出來。

設(shè)備數(shù)字孿生運維系統(tǒng)基于設(shè)備制造的基礎(chǔ)數(shù)據(jù)，結(jié)合設(shè)備運行中產(chǎn)生的狀態(tài)監(jiān)測數(shù)據(jù)和信息，借助各種故障模型和人工智能算法，通過業(yè)務(wù)與平臺系統(tǒng)實時對接、業(yè)務(wù)模型實時回溯調(diào)整，構(gòu)建能夠準確反映物理設(shè)備狀態(tài)的虛擬實體，在物理和數(shù)字孿生間實現(xiàn)動態(tài)和同步。持續(xù)的數(shù)據(jù)交互，進一步幫助虛擬孿生對物理世界中的設(shè)備運行機理和狀態(tài)實現(xiàn)更加完整的掌控，形成了主動預(yù)測、結(jié)果研判功能，實現(xiàn)智能算法設(shè)備報錯、設(shè)備殘余壽命計算等。依托虛擬孿生體積淀的數(shù)據(jù)和模型，使用人員可以更好地模擬和測試物理環(huán)境中的多種場景，達到更加精細的數(shù)據(jù)分析和優(yōu)化[2]。豐富多元的人機交互方式推動了全新生產(chǎn)管理和設(shè)備維護協(xié)作模式的發(fā)展。

本系統(tǒng)為國內(nèi)鋼鐵工業(yè)首套基于AIoT 的棒線材設(shè)備數(shù)字孿生運維系統(tǒng)，實現(xiàn)了數(shù)據(jù)可視化、物理空間設(shè)備的數(shù)字化。參數(shù)包括型號、轉(zhuǎn)速比、三維空間位置、齒輪齒數(shù)、滾動軸承滾動體數(shù)目等，系統(tǒng)建立了包含詳細參數(shù)的3D仿真模型，詳見圖5。系統(tǒng)通過對設(shè)備各類相關(guān)狀態(tài)的采集、分析、統(tǒng)計、預(yù)測，對設(shè)備異常進行綜合分析，得出狀態(tài)判斷結(jié)果和處理方案。用戶可直觀、及時地發(fā)現(xiàn)故障劣化趨勢，確保能夠及時維護處理，保證整線的正常運作，提高設(shè)備狀態(tài)管理的準確性、有效性，提升設(shè)備狀態(tài)的控制能力及人員作業(yè)效率。

圖5 數(shù)字孿生應(yīng)用模型

五、設(shè)備數(shù)字孿生運維系統(tǒng)軟件核心技術(shù)及性能指標

本文針對行業(yè)存在的共性難點及痛點問題，研制開發(fā)了數(shù)字孿生過程仿真模型、線材軋機的故障信號降噪重構(gòu)特征識別方法、基于設(shè)備的振動信號報警識別方法及計算設(shè)備、遠程在線監(jiān)測和智能診斷系統(tǒng)及方法等，建立了基于AIoT 的棒線材設(shè)備數(shù)字孿生運維系統(tǒng)，核心技術(shù)自主創(chuàng)新如下。

（一）首次創(chuàng)建基于AIoT 的棒線材設(shè)備數(shù)字孿生運維系統(tǒng)

系統(tǒng)通過AI 算法等進行數(shù)據(jù)處理，構(gòu)建基于模型的故障診斷系統(tǒng)，依靠包括仿真、實測、數(shù)據(jù)分析在內(nèi)的手段對運行狀態(tài)進行感知、診斷和預(yù)測，完成設(shè)備的虛實映射，實現(xiàn)零件級的數(shù)字關(guān)聯(lián)。接入設(shè)備狀態(tài)信號數(shù)量≥4 種（振動、溫度、含水量、轉(zhuǎn)速）。

（二）研究發(fā)明一種高速線材軋機的故障信號降噪重構(gòu)特征識別方法

系統(tǒng)通過對采集的振動信號進行奇異值向量提取、分析、降噪實現(xiàn)對故障的識別。故障特征提取為實現(xiàn)裝備故障的準確診斷奠定了基礎(chǔ)。降低隨機噪聲≥90%。降噪后工頻干擾信號被消除，得到干凈的基頻及倍頻信號，有利于分析和診斷設(shè)備運行狀態(tài)。

（三）研究發(fā)明一種基于設(shè)備的振動信號報警識別方法及計算設(shè)備

系統(tǒng)通過采集設(shè)備當前時刻的振動信號，判斷均方根指標幅值是否均滿足各自相應(yīng)的報警狀態(tài)。該種設(shè)備的振動信號報警識別方法及計算設(shè)備可更準確地進行故障推理，捕捉設(shè)備故障，降低因單純使用均方根指標幅值、閾值設(shè)定進行故障識別所帶來的誤報警率。

（四）研究發(fā)明一種高速線材軋機遠程在線監(jiān)測和智能診斷系統(tǒng)及方法

系統(tǒng)通過多類型振動數(shù)據(jù)分析，確定故障類型及實現(xiàn)零部件故障點定位，在參數(shù)完整的前提下，預(yù)警準確率≥86.5%，與傳統(tǒng)方法相比，該法基本擺脫監(jiān)測系統(tǒng)對專業(yè)診斷工程師的依賴。

此外，基于AIoT 的棒線材設(shè)備數(shù)字孿生運維系統(tǒng)具備可接入測量點多、高可靠性傳感器網(wǎng)絡(luò)、高性能數(shù)據(jù)采集模塊、主流/安全/穩(wěn)定系統(tǒng)架構(gòu)、集成邊緣計算與網(wǎng)關(guān)、數(shù)據(jù)實時分析、智能診斷預(yù)警、邊緣與中心計算結(jié)合、數(shù)據(jù)安全保障等技術(shù)條件。

通過一系列技術(shù)創(chuàng)新，本文建立了以故障預(yù)測和健康管理為核心的設(shè)備智能運維系統(tǒng)。

六、設(shè)備數(shù)字孿生運維系統(tǒng)軟件應(yīng)用成效

（一）數(shù)字孿生3D 可視化，助力實現(xiàn)設(shè)備預(yù)測性維護

設(shè)備數(shù)字孿生運維系統(tǒng)助力實現(xiàn)設(shè)備預(yù)測性維護。系統(tǒng)基于設(shè)備運行狀態(tài)數(shù)據(jù)的采集、匯聚、分析，對異常狀態(tài)及時作出報警，以3D可視化的呈現(xiàn)方式輔助設(shè)備維護人員找到故障原因并進行分析，便于他們發(fā)現(xiàn)故障的早期征兆，判別設(shè)備異常，監(jiān)控和掌握設(shè)備狀況，預(yù)測故障隱患和可靠工作壽命，減少誤判問題的概率，從而采取相應(yīng)的措施快速消除故障，避免、減緩、減少重大事故的發(fā)生，提高設(shè)備安全性，最大限度地降低故障影響，實現(xiàn)高效的運行環(huán)境。棒線材設(shè)備數(shù)字孿生運維系統(tǒng)（設(shè)備級），詳見圖6。

圖6 棒線材設(shè)備數(shù)字孿生運維系統(tǒng)（設(shè)備級）

（二）及時發(fā)現(xiàn)設(shè)備缺陷，降低維修費用

設(shè)備數(shù)字孿生運維系統(tǒng)采用B/S 架構(gòu)，具有完整的網(wǎng)絡(luò)功能，安裝于服務(wù)器內(nèi)。該系統(tǒng)支持基于服務(wù)器的客戶端分析、診斷、管理共享以及基于網(wǎng)絡(luò)瀏覽器的客戶端瀏覽和數(shù)據(jù)共享功能。系統(tǒng)利用在線監(jiān)測與分析儀器，采集振動、溫度、油液、電流、轉(zhuǎn)速等信號數(shù)據(jù)，對設(shè)備異常運行狀態(tài)進行實時分析，支持實現(xiàn)多重征兆的多級預(yù)警與智能診斷，揭示缺陷（故障）的原因、程度、部位，為設(shè)備的在線調(diào)理、停機檢修提供科學依據(jù)，為進一步的故障分析、性能評估等提供信息和數(shù)據(jù)[3]。系統(tǒng)通過科學評估設(shè)備健康狀態(tài)，生成設(shè)備維修規(guī)劃和維修策略，提高設(shè)備的維修保障效率，延長運行周期，降低修護費用。

（三）完善企業(yè)信息化建設(shè)，以互聯(lián)互通，消除“數(shù)據(jù)孤島”

數(shù)字孿生運維系統(tǒng)在系統(tǒng)設(shè)計中，充分考慮各類設(shè)備的集成管理需求，以及將來推廣擴展的支撐能力，制定了整體架構(gòu)解決方案。系統(tǒng)采用開放式架構(gòu)設(shè)計，支持并兼容在各主流廠商的硬件IT 基礎(chǔ)設(shè)施以及各類虛擬化設(shè)備上部署運行。同時，設(shè)備數(shù)字孿生運維系統(tǒng)基于能力開放模式構(gòu)建，面向多源異構(gòu)的數(shù)據(jù)集成環(huán)境，封裝復(fù)雜的底層技術(shù)實現(xiàn)，提供開放的標準化數(shù)據(jù)服務(wù)接口，易于與第三方系統(tǒng)或工具進行集成，構(gòu)建新業(yè)務(wù)服務(wù)。在系統(tǒng)架構(gòu)上，系統(tǒng)從在線的功能（代碼）編輯工具，到開放API、SDK，再到應(yīng)用服務(wù)部署發(fā)布，提供了多層次、多方式的二次開發(fā)能力。

設(shè)備聯(lián)網(wǎng)化打通了企業(yè)各生產(chǎn)設(shè)備信息化系統(tǒng)間的數(shù)據(jù)通道，建立精準、實時、高效的數(shù)據(jù)互聯(lián)體系，將多類型設(shè)備信息和參數(shù)統(tǒng)一保存和管理。相關(guān)人員能夠?qū)崟r查看設(shè)備運行動態(tài)數(shù)據(jù)，可留存和追溯數(shù)據(jù)，實現(xiàn)設(shè)備全生命周期管理。

（四）有效提高設(shè)備運維工作人效價值，為人員安全提供保障

數(shù)字孿生運維系統(tǒng)展現(xiàn)層采用B/S 架構(gòu)設(shè)計，支持從數(shù)據(jù)集成、數(shù)據(jù)分析、流程設(shè)計、可視化展現(xiàn)、消息推送等各環(huán)節(jié)提供靈活高效的配置能力，實現(xiàn)業(yè)務(wù)服務(wù)的快速構(gòu)建。同時，支持跨系統(tǒng)訪問能力，滿足跨系統(tǒng)需求，并且擁有良好的訪問體驗。此外，面向設(shè)備監(jiān)測、告警通知、運維工單等功能應(yīng)用，形成具有一致的用戶體驗。在網(wǎng)絡(luò)安全機制下，客戶或運維人員、用戶可以使用移動APP 來訪問系統(tǒng)，快速便捷地進行智能運維服務(wù)。

（1）實時查看巡檢人員出勤情況、巡檢時間和進度，記錄巡檢數(shù)據(jù)，監(jiān)控巡檢人員是否按照巡檢和保養(yǎng)標準計劃開展工作。

（2）將傳統(tǒng)的人工記錄、紙質(zhì)表單、簽字審批等流程轉(zhuǎn)換為線上系統(tǒng)流程化管理，形成無紙化作業(yè)，可追溯記錄。

（3）全天候監(jiān)測設(shè)備運行狀態(tài)，減少人員靠近轉(zhuǎn)動部位次數(shù)，降低危險作業(yè)頻率，為人員安全提供保障[4]。

七、未來改進建議

智能制造的實現(xiàn)是一個從半自動化到全自動化，最終實現(xiàn)智能化、柔性化生產(chǎn)的過程。智能制造將制造業(yè)與信息技術(shù)、互聯(lián)網(wǎng)技術(shù)相結(jié)合，在生產(chǎn)工藝、生產(chǎn)管理、供應(yīng)鏈體系、營銷體系等多個方面實現(xiàn)全產(chǎn)業(yè)鏈的互聯(lián)互通。本文建議結(jié)合以下關(guān)鍵技術(shù)對數(shù)字孿生運維系統(tǒng)作進一步優(yōu)化提升。

（一）多源多通道數(shù)據(jù)實時采集感知技術(shù)

多源傳感器數(shù)據(jù)采集是智能制造過程中實現(xiàn)智能感知的前提，多源傳感器數(shù)據(jù)采集系統(tǒng)由各類傳感器（振動傳感器、壓力傳感器、轉(zhuǎn)速傳感器、溫度傳感器、流量傳感器、視覺傳感器等）組成，實現(xiàn)對多源、多通道分布式數(shù)據(jù)的實時采集、分析和轉(zhuǎn)換等。多源傳感器數(shù)據(jù)采集系統(tǒng)包含信號轉(zhuǎn)換技術(shù)、實時網(wǎng)絡(luò)通信技術(shù)、多線程管理技術(shù)、數(shù)據(jù)緩存池技術(shù)、黑匣子技術(shù)、信息安全技術(shù)等。

（二）異構(gòu)數(shù)據(jù)內(nèi)容融合與傳輸共享技術(shù)

通過對各種異構(gòu)數(shù)據(jù)進行內(nèi)容分析和融合處理，從海量數(shù)據(jù)中挖掘出隱藏信息和有效數(shù)據(jù)，提高智能產(chǎn)品與裝備狀態(tài)監(jiān)測的準確性。異構(gòu)數(shù)據(jù)包括：海量的物理特征數(shù)據(jù)，如振動/溫度/轉(zhuǎn)速/電流/壓力/流量傳感數(shù)據(jù)、文本/超文本、聲音數(shù)據(jù)、影像數(shù)據(jù)、視頻序列等。

（三）大數(shù)據(jù)驅(qū)動故障診斷深度學習技術(shù)

設(shè)備運行過程中產(chǎn)生的海量特征數(shù)據(jù)蘊含著大量的故障信息，在收集智能裝備運行特征數(shù)據(jù)的基礎(chǔ)上，應(yīng)用深度學習算法對大數(shù)據(jù)進行知識挖掘，能夠獲得與故障有關(guān)的診斷規(guī)則，實現(xiàn)對智能產(chǎn)品與裝備的故障預(yù)測和診斷。

（四）數(shù)字孿生與數(shù)字樣機建模分析技術(shù)

數(shù)字孿生充分利用物理模型、傳感器更新、運行歷史等數(shù)據(jù)，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成仿真映射，從而反映了相對應(yīng)的智能產(chǎn)品與裝備的全生命周期過程[5]。

八、小結(jié)

實踐證明，設(shè)備數(shù)字孿生運維系統(tǒng)的有效投用，解決了重復(fù)投入建設(shè)、數(shù)字資源分散、設(shè)備故障預(yù)防應(yīng)對能力不足等問題。本系統(tǒng)在湖南華菱湘潭鋼鐵、寶鋼股份武漢鋼鐵、廣西盛隆冶金等大型鋼鐵企業(yè)落地應(yīng)用后，推進設(shè)備預(yù)測性維護策略的成效明顯，同時逐步成為企業(yè)數(shù)字化轉(zhuǎn)型升級的重要引擎，不僅賦予智能制造新的內(nèi)涵，而且通過數(shù)字孿生生產(chǎn)線的標桿示范作用，為推進行業(yè)可持續(xù)發(fā)展和打造智慧鋼鐵注入了新動能。