铸锻大脑，阿里云在冶金行业的应用
1 项目背景
在工业4.0时代，兰石铸锻公司面临着产业结构调整与产业升级、新旧动能转换等诸多挑战。如何结合公司现有信息化资源，充分利用云计算、大数据等新兴信息技术和手段，实现企业转型发展和智能制造，为铸锻行业探索实践出一条产业升级与智能制造转型、提升核心竞争力的新路，是行业面临的共同课题。
2 项目基本情况
基于阿里云ET工业大脑平台，构建智慧冶炼（EAF炉、LF炉、VD炉）操作优化系统，通过对EAF炉、LF炉、VD炉涉及的各类型数据分析，结合生产工艺、设备性能需求、安全运维需求、生产周期要求、产品性能指标等因素，构建大数据模型，生成优化后的生产运行参数，以期达到安全生产、节约生产成本、缩短冶炼时间、提升生产效率，提升设备利用率等目标。
3 数据采集
基于现有设备传输协议及现有系统的接口网关情况，通过网关程序加硬件平台对企业系统数据、工厂设备数据、传感器数据、人员管理数据等多方工业企业数据进行采集。数据主要包括：IOT数据、手工填报数据、MES数据和化验室数据。采用VPN网关产品，建立线下数据库与线上的专有网络（VPC）之间的内网联通。ECS上数采服务实时抽取这些数据后通过DataHub SDK实时推送到DataHub，最后将DataHub中的数据归档到MaxCompute。
4 模型构建
在满足出钢钢水品质要求的前提下，结合炼钢工艺过程，寻找最优化投料量和投料比例（造渣料、合金、脱氧剂、增碳剂）、氧枪位控制策略、吹氧压力等工艺控制策略，使终点碳含量、出钢温度、氧活度等指标最优，从而实现降低渣料量消耗的目的。模型构建和工艺参数推荐流程如下：
工程师采用模型建议操作后的数据会返回大数据平台，进行机器学习算法模型的持续迭代。模型持续自学习，推荐效果不断优化，形成优化过程良性循环。促进工艺水平不断提升。
5计算结果推送
构建了EAF炉、LF炉和VD炉的算法模型，EAF炉实现有效氧化脱碳、去除夹杂物和气体，LF炉实现对钢水进行成分调整、温度控制、脱硫的最佳操作，VD炉确保吹氩搅拌真空脱气效果，实现钢液最佳操作。工艺参数推送流程如下图所示：
系统上线运行后，可以实时推荐冶炼的过程参数，为现场操作工人提供较为精准的操作建议，推荐效果如下图所示：
6总结
云计算、大数据、移动化、物联网等新技术不可逆转的应用趋势下，铸锻企业已不得不思考如何应用新技术改良已有的技术和管理模式。传统铸锻企业的信息采集技术水平不高，部分设备的关键状态信息无法实时获取，设备的自检能力、自我诊断能力需进一步提升。生产现场的可视化、互动化水平有限，限制了对生产现场的操作指导和技术支持能力，信息实时传输同步有待提高。现有生产过程中缺乏对设备及运检状态的高级诊断和分析手段，不能及时有效的掌控设备的运行情况，不能基于获取的跨专业多源异构信息有效地加以融合分析、及时准确的实现对运行状态的高级评估和诊断。通过该项目的实施，能够帮助企业逐步梳理新技术应用场景并逐步建设落地，从而深化大数据、人工智能等新技术在企业的实际应用。
