张云贵:数字孪生赋能钢铁智能制造技术创新

来源:中国管理科学学会    日期:2023-05-05    浏览量:7313次


数字孪生赋能钢铁智能制造技术创新

 张云贵

 

一、行业智能制造供给侧共性问题

1. 从AI行业渗透率看钢铁智能制造技术供给难题

我们这个行业智能制造供给侧到底有些什么样的共性问题?数字孪生如何加速我们的技术创新?钢铁行业智能制造走向深水区,必须解决新理论、新工艺、新算法的有效供给。从国际范围来看,如果是单纯地从技术供给方面来说,中国总体上是排名第二的。但中国AI技术在工业领域的渗透率低,2019年仅为8.6%,钢铁7.1%。还有一个数据预测是华为认为到2026年渗透率能达到40%,还有的说是20%。不管是多少,都意味着这将会是5倍或者10倍的高速增长,所以说人工智能和工业领域的结合,是未来我们的一个风口。

2.关键瓶颈: 无法将实验场景“搬进实验室”

结合其实是并不容易的,比如说我们是来自钢铁行业,在钢铁行业里,人工智能的引入或者是新的技术的引入有一个很重要的瓶颈,就是工业场景很难搬到实验室,我们大量的新想法需要去做实验才能到现场。这是由钢铁生产重资产、大规模、复杂环境的特点决定的,在世界范围内也没有好的解决办法。想做一些实验,从实验前期的联络到最后实验成型有非常巨大的工作量,也不见得做得成,这严重地影响了传统领域里新技术的引入,这个不仅是中国的问题,也是全世界的问题。我们去德国考察的时候,考察他们工业4.0的时候,他们也存在这样的问题,我们一定要想办法能够解决把实验场景搬进实验室的问题。


3.数字孪生为破解瓶颈提供了可能

新一代的智能制造系统是HCPS ,数字孪生可以作为C(Cyber)的核心,构建一种智能制造的新范式;孪生体以内置的模型、数据、知识驱动自身运行,以服务协同驱动H、P系统的运行;数字孪生的本质是工程技术,服从工程哲学的指导。孪生的内涵是数据、知识、人的集成与交互迭代,这里面包括数据的支撑,最核心的还是它的知识的连接,像我们冶金行业,我们自己认为最重要的知识有三类:一类就是机理模型,就是我们生产的核心的机理模式。二类是我们生产过程中的工艺知识和管理知识,知识的集成,怎么样把它用孪生的方式集成起来。三类就是价值的集成,说数据资产化,怎么做数据资产化,孪生能提供类似于数字钢卷一样的工具手段。概念很多,但实际解决方案的工具很少,所以我们想办法解决这样一个问题。

4.钢研方案:数字孪生构建钢铁生产实验与验证场景

要用数字孪生构建钢铁生产的实验与验证的场景概括起来讲是以数字孪生为基座,通过数据集成、模型集成与知识集成,开发系列的钢铁场景组件,构建了智能制造工程中的新概念验证平台,为新工艺验证、新技术导入提供保真的数据、事件、响应。


5.以孪生技术打造钢铁智能制造的赋能基座

以数字孪生技术打造钢铁智能制造的赋能基座是中国钢铁的想法,既然是一个智能制造的基座就不可能只是可视化,可视化只是第一步。它要实现几个价值:第一是虚拟生产,在组态出来的钢厂孪生上安排特定的生产活动;第二是虚拟调试,在组态钢厂对象上完成自动化、信息化项目的调试;第三是仿真与优化,提供新工艺、新模型、新系统优化技术的验证模拟场景虚拟生产数据与实际生产数据结合,通过数据挖掘、人工智能完成生产、界面、质量、能源的优化。


6.钢研智云:数据驱动+知识驱动的智能技术研发支撑平台

中国钢铁进行了大量的投入,我们建立了钢研智云,主要是为了实现数据驱动和知识驱动结合,支撑我们的研发,这里有最近比较热的人工智能、机器学习的一套研发平台,还有一套知识图谱,把现成的知识或者研发的知识进行数字化。这里面还有工业软件、数据、代码的一些管理。

7.钢研数字孪生平台:孪生云+孪生实验室+孪生资源池

我们建立了一个数字孪生的实验室,一个孪生云平台,这里的核心包括孪生云、孪生实验室、孪生资源池,这个是我们的重点,也是投资的重点。孪生实验室包括控制中心、工艺岛、模拟网络、边缘设备,这里很大的特点就是SDN,即软件定义一切。我们这里是网络定义网络,也是网络定义边缘设备。最核心的竞争力还是孪生资源池,孪生资源池的最高价值是模型资源库,这是我们70年来行业知识的积累。


8.核心资产:冶金机理模型库平台(工信部互联网创新工程支持项目)

下图左侧是我们的架构,这个架构比较复杂。右侧是我们对整个知识创造流程的全面自动化的管理。我们希望通过技术把不标准的标准化,把不开放、不共享的通过技术让它变得共享,这是另外一个思路。

 二、数字孪生验证平台的技术路线与案例分享

1.钢铁数字孪生实验验证平台:智能制造技术创新的基础设施

我们做了一个数字孪生平台,就是要让它验证新的技术和新的想法,也称新的概念验证平台,就是说它还没有真正的实行,通过数字孪生想办法解决,于是我们做了这样的一个平台。希望它成为智能制造的一个基础设施。以前我们要做新的技术引入怎么办呢?先是在实验室搞一套中试系统,然后小批量生产,然后批量生产。如果大型的传统行业搞一套中试线,仅一条闸线就需要上亿资金。新的基础设施我们希望它能最终替代,至少近期几年内可以部分替代,这就是我们建基础设施的一个初衷。这件事情做得很艰苦,即便是我们有了几十年的积累,有了上千个行业积累模型,做这件事情还是很辛苦。但是如果这件事情做成的话,它是属于颠覆性的。


现在我们最被卡脖子的问题还不是产品的脖子,当然也有,但最多的还是比如设计软件、设计平台、科研设备。本质上讲,我们做的数字孪生的智能制造技术的实验平台就属于这一类,它是为技术供给侧来赋能的一个体系。数据、规则是必须的,比如说要做调试,那没有轧钢全套的工艺规程就无法调试,需要调的是什么,是有轧架的算法,必须要有高保真的现场。另外,作为一个实验平台,还要有一套实验管理系统,也就是需要对实验数据、数据资产有一套平台来监管,尤其是以前研发都是个体行为或者笔记本电脑的研发,数据有的时候不愿意共享,但是一旦到平台上数据都是共享的。所以这里面有两大部分,一个是孪生部分,一个是实验验证过程的管理,也就是知识生产过程的管理。


2.验证工作流: 例1. 热轧计划排程模型测试与验证

热轧机组数字孪生。我们有一个新的计划,看它到底好不好用,到底能不能提升生产效率,在我们的验证平台上,在我们的云上怎么去验证它,不是跑现场去验证它。首先我们要搭建一套热轧机组的数字孪生系统,这里有信息物理融合的一系列的核心要素,一个是物联网模型,一个是装备模型,一个是人的行为模型。要搭建这么一个场景,就是我们的孪生系统。对被验证的对象,做了热连轧轧制计划,来验证未来到工厂里是否好用,在实验厂里得有一个办法让它接入进去,所以我们有一个被验证模型的孪生接口技术,还得有一套孪生系统,孪生系统是数字化的,这个数字化我们最终还要变成一个物理信号。

原来我们认为数字孪生就是一个数字化的东西,但是如果是数字孪生能够不仅由实到虚,由虚还能产生实,这就是非常大的突破,中国钢研是在领导行业发展。中国钢研自己没有钢厂,我们必须有一些观测点、观测厚度、板型扥。后面还得有一套验证评估体系,未来我们希望方案自动评测代替人工。


3.验证工作流:例2. 能源管控系统测试验证

大型的软件系统要做验证怎么办?比如说钢厂的能源管理系统,如果它的管理系统每年以1%的效率优化提升的话,每年节省的钱一定是一亿以上的,这个系统非常的庞大,它包括能源的利用系统、能源调度系统、能源生产系统、能源匹配系统。


4.验证平台功能架构

这个平台主要的技术特征有两个:第一个是我们建立了由实到虚的场景映射,也就是我们通过孪生,通过构建大量孪生的组件,我们可以构建任何一个钢厂的任何一个装置,小到一个装置,大到一个钢厂我们都可以做到。实际上我们是从热轧开始的,整个做下来是一个庞大的体系。第二个是我们做了以虚到实的信号再造。这个事情对我们来说很重要,是开创性的,比如说你有一个想法以后,这个想法就能够变成信号。这个非常难,我们现在也在跟国内顶尖的企业在联合推动。


5.验证平台数据流设计

①关键模块:孪生模型+实时仿真装置

关键的模块,第一个就是孪生加实时仿真的装置,举个例子,包括我们轧件动态行为表征、设备动态行为表征、I/O数据生成、控制指令执行、实时动态过程交互、调试趋势分析,包括电气系统物理模型、液压系统物理模型和轧件物料机理模型等,这是我们关键的模块。确实这些模型要将它做到孪生级考验非常大,但这是中国钢研作为央企的担当,所谓国之大者。


②关键模块:调试工具

这么复杂的事情靠一个人、一些实验室助理那是不行的,我们得开发一套调试工具,但是这个调试工具不是随便就能完成的,需要对场景了解,对于研发过程非常在行,熟悉调试中间的痛点以及关键效益的卡点。其实,研发也可以进行精益管理,我们希望把这些过程标准化,通过调试工具标准化。

③关键模块:孪生可视化

可视化不是核心技术,但是没有可视化是不行的,因为最重要的是做人机交互,看看它到底怎么样。可视化不仅仅做动画,可视化有很多种方式,包括我们的报表、曲线,还包括工序装置组态、数据交互等,这些是可视化的过程。


④关键技术:模型构建及标准化

这个只是我们热轧初轧一个机组涉及的最核心的模型,不是以前开发的模型到数字孪生里面都能用,因为数字孪生要并行计算,以前那些模型是仿真模型,仿真模型是什么意思?举例说,可以头一天晚上就开始给它启动,然后它跑模型,可能跑一个晚上,也有可能要跑一个礼拜,跑完了以后结果还得仿真。数字孪生是什么呢?这个模型,想要让它快速地为你所用,如果做控制,它就是毫秒级的,如果做调度,它就是分钟级的,根据不同的场景达到这个要求,总之不是按天来算的,要把原来的模型变成孪生的模型,这里面涉及很多理论上的创新、突破和技术上、工程上的突破。


⑤关键技术:复杂场景下的信号重建技术

要让数字的东西摸得着,才能做实验,所以还要把这些重构出来,要高保真。国外其实有这么做的,在聊天的时候穿一个聊天手套或者聊天衣,就可以交互,隔着千山万水,还能感受到。我们是让它重构现场的物理信号,我们已做的工作,数字量2573个,模拟量1934个。数字信号就是简单的开关信号、流量,如果是高数字信号就包括振动信号等,这些信号从采集到做数字化就不容易,有些到现在还做不到,还是黑箱,反过来更不容易。


⑥关键技术:多孪生体协同运行

哪怕就是一套轧管,它也是由很多部件组成的,这是一套产线、一套工厂,很多的东西要协同运行,这里非常考验体系,一个是基础的算力支撑,一个是技术架构,这里面一点都不能含糊,它必须要能够满足调试的需要,比如说它对时间是有要求的,我们现在是针对秒级的,如果是针对毫秒级的就需要很大的算力中心。

⑦钢研案例:热连轧粗轧(L1+L2)控制系统验证平台

热连轧粗轧怎么构建场景,怎么构造系统,怎么完成场景快速组态、模型动态加载,怎么满足我们的调试需要,新建产线怎么做,改造产线怎么做,涉及这些工艺模型,这还是一部分而已。

如果一定要说是精益管理,它就是一个科研活动的管理平台,因为一旦上了云以后,整个过程是可以通过数字孪生,它的好处就是实验可以做到自动化,也可以做到精益化。


注:以上内容整理自2023中国管理科学大会暨第八届管理科学奖颁奖典礼直播视频,未经作者本人审阅。