本文简述《垂直行业工业互联网实施架构白皮书(讨论稿)》（以下简称垂直行业白皮书）之钢铁行业工业互联网实施架构，并对其中的设备健康管理部分结合实践做进一步探讨。为提高可读性，增加部分实景插图。
全系列包括轻工家电行业工业互联网、工程机械行业工业互联网、电子信息行业工业互联网、钢铁行业工业互联网、高端装备行业工业互联网。
钢铁制造过程流程长、工序多，既包括高温、周期不等的化学变化工艺过程（冶炼），又包括高速、负荷瞬变的物理形变工艺过程（轧钢），是典型的混合型制造流程，制造装备种类繁多、工艺过程极为复杂。自上世纪 90 年代以来，我国钢铁工业取得了长足的进步，在实现企业管理的物流、信息流、资金流同步方面相对完善。
- 钢铁生产流程所有主工序装备均实现自动化控制，主要制造工艺实现了基于网络互连的多机组生产过程控制；
- 基本实现了自动化、过程控制、生产控制、制造管理的数据自下而上的贯通，由此实现管控衔接和工序衔接，使制造过程形成整体协同；
- 初步形成了产供销相结合的整体供应链体系，支持集中一贯管理模式，实现按合同组织生产。
钢铁制造装备的大型化是高效率、低成本的基础，目前尚无颠覆性的制造工艺创新以改变现状，现阶段任务是通过提升制造管理的柔性来适应日益快速变化的用户需求。工业互联网是一个有效的技术手段，包括以下方面：
- 基于各种约束条件和未来工况预测做出最优的决策；
- 执行决策的制造系统要足够灵活，通过 IT 配置规则灵活调整工艺制造路径和过程；
- 物流调度环节的高效将是实现敏捷制造的关键，足以弥补制造环节可能的成本上升；
- 智能装备可以预判并相互“直接通信”，从而实时产生应对故障或弥补瑕疵的策略并赢得宝贵时间，降低某个环节异常对其他环节的影响，实现成本的控制。
钢铁行业工业互联网架构简述
传统钢铁行业信息系统架构，围绕业务功能为核心进行构建。将业务功能抽象、聚合后，按分层模式进行架构，例如：从基础自动化（L1）、过程计算机（L2）、生产控制系统（L3）、信息管理系统（L4）、到数据仓库和商务智能（L5），已经成为钢铁业界构建信息化管理系统的事实标准。基于工业互联网的理念，重新对钢铁制造 IT 系统进行规划和重构，从以业务为核心转向为以数据为核心，打造一个适合钢铁智能制造的高度集成化的平台。采用工业互联网的技术，使数据得以在整个制造系统和 IT 系统之间高效流通，形成制造的 PDCA 闭环。
1、 面向工业现场的边缘计算级
边缘计算层主要部署在生产现场，采用本地网络与设备进行互联，可以快速处理现场收集的各种实时数据。
1) 对接工业现场的各类设备，根据不同的通讯协议，实现现场设备数据的采集和协议转换，通过高性能的实时数据库汇总；
2) 对现场各种类型的数据进行归一化处理，转换成统一格式的可处理的数据，统一上传到云端的大数据平台； 3) 边缘计算的功能可以是具体应用需求灵活配置，并与云端平台实现功能的合理分担，以节省网络和计算资源，降低投入。
2、 部署云端平台，提供基于钢铁制造过程海量数据的服务
钢铁企业需要自主研发适合钢铁制造行业特点的平台架构的功能，针对不同场景的不同数据类型，打造出细分领域的数据存储和计算服务； 大数据平台构建在 Hadoop 系统之上，面向不同数据类型提供分布式存储，包括结构化数据、非结构化数据和时间序列数据的存储和处理；搭建分布式并行计算框架。 3、 面向企业各种业务的应用系统 这一级的应用部署在云端的虚拟化环境中，可实现资源的横向扩展和高可用性。包括生产计划、物料、质量、成本管控等业务，均可以借助大数据平台的数据进行构建，同时通过一个整体的数据中心进行数据交换和信息共享。
与钢铁行业传统的五层架构相比，新的工业互联网平台极大地缩短了数据流转的链路，数据可以在扁平化系统中快速传输。实现现场数据采集与边缘计算、轧机振动监测及抑振、钢铁供应链上下游协同、钢铁供应链上下游协同、产品定制配送 C2M JIT。
轧机振动监测及抑振系统
轧机是一个复杂的机电液耦合的大型系统，数以千计的结构部件通过机、电、液等相互作用耦合，在带钢加速和减速过程中，会不可避免地引发一些共振条件，导致系统产生大的振动。由于轧机机组设备的不同或者生产钢种、生产工艺的不同，因此各机组轧机振动特性也会有所不同，引起轧机垂直振动的原因有多种，凡是能对轧机系统造成冲击或引起作用力变化的因素都可能导致轧机振动的发生，如：乳化液状态、传动系统、辊系状态、压下系统及张力等，以及相互之间的耦合作用。轧机振动会给生产带来许多问题，包括：
- 产生振动纹缺陷，影响带钢表面质量，或造成带钢厚度波动；
- 振动导致设备磨损加快、辊耗增加，影响设备使用寿命；
- 振动严重时甚至造成断带堆钢，造成轧机停机、换辊；
- 影响轧机生产效率，限制产能发挥，成本上升。
系统实时监测轧机各机架振动和轧辊转速情况，对振动信号进行实时分析处理，预判轧机运行状态并及时给出抑振控制策略。
（1） 轧机振动数据采集与监测 首先通过加装加速度传感器采集轧机振动信号，同时直接采集轧机主电机的转速、剪切信号等，送到边缘服务器对数据进行处理、计算、分析、存储与报警判断等，从而实现轧机振动的监测与报警功能；并计算出轧制距离、机架线速度、带钢累计轧制距离等，从 L2 系统获取钢卷信息和轧辊信息等，当轧辊信息更新时，可保证系统能及时获取到最新的轧辊信息。
（2） 轧机振动数据分析与抑振控制 当轧机机架表现出共振趋势或振动级别超过一定程度时，则及时预警，提醒操作人员，并给出相应的参考控制策略，向轧机控制系统发送控制命令来拟制振动，从而有效抑制轧机振动危害；这些措施将从一定程度上消除振动源并显著降低轧机振动发生的频次，从而解开了束缚轧机产能发挥的瓶颈，有利于生产提速。 同时通过其量化的监测结果，可以有效避免传统人工主观判断所存在的漏判错判现象，避免缺陷产品流入到下道工序或用户； 此外，根据所监测到的振动波形特征，可以分析振动原因并采取调整设备机械、工艺、电气等方面的措施，再结合轧机振动的实时监测结果来验证消除振动措施的效果。
轧机振动与抑振应用功能设计
（1） 轧机振动特性分析 对所监测到的轧机振动数据进行分析整理，研究该轧机的振动发生规律特点，分析查找可能存在的影响因素，如辊缝润滑状态、机械设备缺陷、外部传递、设备间隙、轧辊磨削质量等因素。 借助于本轧机振动监测系统持续的在线监测结果和历史数据存储及回放功能，可以方便的对现场的轧机振动情况进行跟踪，对现场振动数据进行分析统计， 通过对振动数据的统计分析，可以找出机组的主要振动特性：包括振动发生的机架位置、伴随振动形态、振动频率分布区间、振动最常发生频率等。 （2） 轧机振动报警判别技术 报警线需要参考大量的历史数据加以设定，不合理的设定会造成系统误报或其他异常情况出现。一般来讲，随着轧机速度的增加，所监测到的无序杂乱振动信号幅度也会增大，其表现为轧机的整体振动能量会有所增加，其容易发生共振的频率也会由于转速的增加也会有所增加，因此在设计振动报警模型时，通常需要考虑速度的影响。 （3） 轧机振动原因分析技术 导致轧机发生振动的原因有多种，针对各种原因所要采取的抑振措施都有所不同，如何根据所监测到的轧机振动结果来判断是什么方面的因素导致的振动较为关键。 通过数据，实现对导致轧机发生振动的原因追踪分析，包括：润滑状态引起的振动、辊系故障引起的振动、来料问题引起的振动、其他因素引起的振动等。 （4） 振动抑制策略制定 结合轧机振动情况分析结果和现场实际生产工艺参数，初步判定引起轧机振动的主要因素，并通过采取生产工艺参数调整、乳化液参数调整、设备间隙调整、轧制负荷分配调整等手段来验证其对消除轧机振动的效果。
实施效果
本系统上线后，借助高灵敏度传感器，能够清晰准确的测量轧机振动，并在轧机振动程度较轻时就提前发出振动报警，使操作工可以在振动发生初期即进行处置，避免了由于环境嘈杂对故障判定的滞后和依赖人工经验判定而导致误判和漏判的不确定性。系统正式投入运行后数据表明：该机组的月平均振动次数下降了约 50%左右，并产生如下的效果： 1、依据轧机状态适时、适当调整轧制速度，充分发挥轧机产能； 2、避免或减轻振动纹缺陷，大大降低对产品表面质量的影响； 3、比对历史数据中缺陷信息与振动监测数据，可以将振动信息与缺陷信息对应起来，对振动纹缺陷做量化评价； 4、对轧机辊系状态进行实时监测，通过对关联数据的自相关性计算，实现辊系故障的自动判断； 5、数据回放系统可以有利于相关产品缺陷信息的回溯。
