资讯 人工智能
此为临时链接,仅用于文章预览,将在时失效

钢铁业步履蹒跚,中钢如何借助 IBM 率先实现大数据与 AI 化转型?

作者:李雨晨
2017/10/12 10:04

“近来钢厂经营都很辛苦。”中国钢铁股份有限公司(以下简称中钢)资讯系统处处长张日新在日前的 IBM Systems 创行者高峰论坛上说了这么一句“辛酸”的话。

张日新表示,钢铁行业目前处于供过于求的状态。“尤其是大陆地区。真正需求是一年 7 亿吨,但是生产了 11 亿,有 4 亿要往外抛。往外抛的时候有一个很大的问题,钢很重,抛到欧美去,运费都比钢材贵。如果卖到那边,人家会告你倾销。抛到亚洲附近,台湾也在亚洲附近,大家经营的很辛苦。”

钢铁业步履蹒跚,中钢如何借助 IBM 率先实现大数据与 AI 化转型?

中钢资讯处 CIO 张日新

雷锋网了解到,我国钢铁企业正面临着内外环境的巨变:一方面客户对钢材的品种、规格需求趋向多样化,对产品的质量和交货期要求越来越高;另一方面,由于高关税、配额制等钢材贸易壁垒的取消,市场经营环境发生变化,钢材市场行情跌宕起伏,行业竞争激烈。 

殷瑞钰院士曾经指出:钢铁行业未来的战略方向应该是智能化和绿色化,中国钢铁业要实现从大到强的转变,绝不能错过智能制造这个机遇期。

走在行业前端的“创行者”

对于钢铁行业来说,提升利润率是它们存活下来的唯一出路。传统行业的转型已是大势所趋,大中型钢铁企业普遍效益不景气的环境下,也有一批走在行业前端的“创行者”。在行业普遍不景气的背景下,雷锋网在此次创行者高峰论坛看到了其中的“佼佼者”——中钢,我们且以中钢为例,看看它如何利用技术手段优化生产流程,在大浪淘沙中生存下来,并且活的更好的。

据雷锋网了解,中钢成立于 1971 年 12 月,总部与主要的工厂位于台湾省高雄市临海工业区。目前是台湾规模最大的炼钢厂。其钢品产量占台湾市场百分之五十以上,世界排名 22 名,但是利润率却在亚洲钢厂中名列前茅。作为钢铁行业里的一员,中钢也不可避免地遇到产能过剩、需求不足等行业性问题,那么在这样的背景下,中钢又是如何进行“升级改造”的呢?

中钢资讯系统处处长张日新在论坛上表示,现在炼钢铁已经不是问题,怎么样炼成好钢铁才是问题。在发展瓶颈到来的时候,钢厂需要向高质化、差异化及价值创新等方向突破,即加强三品(品质、品级、品种),才可能脱颖而出。现有的消费背景下,中钢需要在 IT 、品质、生产、管制需要实现更精准的提升。

三个“现实”的转型目标

张日新在论坛上透露了中钢为了转型升级提出的几点目标,“今年我们为了客制化和寻求转型这两件事定了四个方针。第一:智能产销登高峰;第二:传承创新开新页;第三:开源节流创优势;第四绿能轨道增价值。这背后有非常多的 IT 技术支撑。”为了实现这几点目标,中钢都做了哪些工作?

智能产销

张日新表示,中钢现在需要大量的客制化服务。而想要实现高产到高质的转变,核心就是提高良品率。钢铁企业需要使用实时测量来调整生产计划并规划生产操作人员的行为。以一条生产线为例,如果生产的次品率为 10% ,为了避免这 10% 的次品率,需要增加一小段的额外处理来避免,虽然可以将次品率降低,但增加的额外处理与时间又产生很多的成本。

例如,钢坯有 30-40 厘米厚,在压薄之前肉眼无法看出里面是否存在瑕疵。在这方面,人工智能就有施展的空间,靠人类感官收集到的信息,有很大一部分是不精确或者模糊的,而人工智能会在信息精确度上给予很大提升。

在 AI 领域领先的钢铁企业包括韩国浦项钢铁公司,该公司宣称其已经成为全球第一家将 AI 引入生产流程的钢铁企业。 自今年1月以来,浦项钢铁公司一直在利用 AI 大数据进行深入学习,通过将人工智能技术的涂层重量生产模型与优化技术的控制模型结合起来,以控制涂层重量,代替以前的手工控制。

为了提升自己的智能化水平,减少废品损失和提升成本控制,中钢在去年9月成立了智能化委员会。其中一个方向是如何寻找新的智能方向来提升生产绩效的问题。这个过程中,中钢看到了 IBM 推出的 PowerAI 。

钢铁业步履蹒跚,中钢如何借助 IBM 率先实现大数据与 AI 化转型?

IBM PowerAI 是一款训练人工智能和机器学习系统的软件工具,具有易用性、缩短训练时间等特点。它所使用的是 IBM 一款专门为人工智能生产的服务器,并采用了 NVIDIA 的 NVlink 技术。 IBM 的这款软件所提供的深度学习技术已经在其他行业有了应用,比如银行的诈骗识别,面部识别,以及自动驾驶汽车。PowerAI 的生态系统包含许多软件,例如 Continuum Analytics 的 Anaconda、H2O 的 H2O 机器学习库、Bons.ai 的 AI 软件开发工具等等。此外,IBM 还可为在应用开发方面采用深度学习的开发人员提供企业级支持与服务。

PowerAI 通过收集分析整个生产线的各类操作历史数据,利用数据挖掘的算法和模型,做到智能控制生产的所有参数,而不是像传统员工操作一样因人而异。不仅提高了生产效率,还可以进行缺陷预测、提升良品率。

那么,在钢铁行业,它可以解决的是什么问题?

张日新介绍到,“ 27 吨的钢坯最后要做出 0.5mm 的成品,如何预测最后轧钢时会不会出问题,这是我们长期想解决的一个痛点。” 为此,中钢导入了 IBM 的 PowerAI 解决方案协助,利用机器进行深度学习,对炼钢过程中可能造成的热轧缺陷进行预测。在测试中,中钢提供过去一年近 7000+ 批次产品的各种工艺参数,利用这些信息通过不同的数学模型进行建模和分析。

1、首先,对于可能造成缺陷率分析所需要的数据进行清洗,规范成机器学习规范数据,建立完整数据库。将数据分成两组,一组供机器学习的数据约占 80%,另一组约 20% 作为验证。

2、 利用 4 种数学模型进行分析和预测。以黑箱作业方式,通过分析曲线,验证分析结果与实际质相似,确认模型的可行性。

3、为找出影响因子,消除各项可能干扰的数据,通过分析一条产品线上产生的2000+数据。 结果发现“炉内压力”这个参数对缺陷率影响很大,同时经过人工经验进行验证。

对于机器学习的成果,张日新表示满意。他说,次品就是成本,良品就是利润。现在我们通过人工智能的技术节省掉 90% 钢坯质量的判定和人工资源,使得成本大幅降低。我们认为它是正向发展,虽然还没有完全达到我们的目的,为什么呢?因为实验过程中干扰因素太多,但是显示出的效果还是很好的。”

张日新希望未来 Power AI 可以帮助中钢提升 QC-quality control (质量控制)。用 AI 代替人工提高质检水平。“不断优化产品和服务品质,实现我们智能产销的目的,公司对 PowerAI 和人工智能技术带来的成果非常看好和期待。”

实时分析 

建厂 40 多年,中钢业务一直在扩张,每月纳入编制集团合并报表的公司就超过 110 家,属直接掌控的子公司也超过 35 家,其中还有众多 7*24 小时不断的生产线,传统核心数据的管理上就面临着挑战。

1、 随着订单量的增多,对于钢胚的动态运筹管理等复杂的作业,以往都采取批次性处理,不但处理次数外在环境的瞬息变更,在处理速度上也多以小时计算,很难满足时时动态的产销要求。

 

2.、以往为确保在线实时作业、快速处理绩效,对于各项生产和质量数据之分析都采用脱机处理的方式,这种方式需要每天把收集的数据另行备份,再启动分析软件运作,分析的动作每日只能作一次,往往会错失问题发生的解决时效。

如今的数据处理大致可以分成两大类:联机事务处理 OLTP 、联机分析处理 OLAP 。 OLTP 是传统的关系型数据库的主要应用,可以在很短的时间内给出处理结果,主要是基本的、日常的事务处理,例如银行交易。 OLAP 是数据仓库系统的主要应用,可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理。

庞大的体系产生了大量的数据,中钢对数据处理要求自然也要既快又好。以钢坯的动态运筹管理作业为例:运筹管理包括钢胚从原材料引进、调配、订单安排、物流、运输等一整套管理监控体系,由于它是动态的,所以对实时管理要求更高。

张日新表示,考虑到 IT 能力和成本问题, OLAP 和 OLTP 这两件事,中钢在过去都是分开进行。但是分开就面临数据失真的问题,“数据在两者之间迁移的时候,假设每天 23 点移过去,如果我现在做分析,从昨天 23 点到现在的数据就失真了,无法反映实际状况,容易遗漏问题。”

面对这个问题,中钢一直难以找到合适的方法,直到后来 IBM IDAA 的解决方案出现,张日新似乎看到的解决的曙光。这个方案的核心是实时分析,经过数个月的研究、训练和角色定位,中钢通过启用 IBM 大数据实时分析解决方案 IDAA(The IBM DB2 Analytics Accelerator),将处理钢胚动态运筹管理的作业时间缩短百倍,由原来的以小时计算到现在的 6 秒内。 突破原作业时间的限制,快速响应客户需求,这个优化对实际业务的好处在于:整个钢铁生产过程中的每个流程都节省了半天到一天的时间。

同时中钢也通过 IDAA 展开实时分析的作业能力,各项解决方案能够在问题发生的时候就进行实时分析,不但消除每天为数据搬运的麻烦,更能快速排除问题。对于中钢自身管理而言,透过 IDAA 集中搜集、储存、分析与管理关键业务相关的数据资料,可以更快地进行分析,并进行进一步可视化分析评估,简化后续工作并带动后续应用。

目前 IDAA 还是一个独立的系统,今年下半年 IBM 将会发布新的版本, IBM 相关负责人表示,新版本将利用主机的 FM 进行分析,将会比目前版本的分析效率更加快捷,更加满足实时分析的需要。

一体化的系统管理

认为 x86 分布式系统是首选平台的观念是满足业务需求及推进转型的一个主要障碍。虽然运行一定数量的 x86 服务器看上去较为经济,但随着 x86 分布式系统的无序蔓延,与之有关的成本和管理复杂度就彻底暴露了这种说法的荒谬之处。此外,企业考虑到交付升级的安全性和数据隐私性,会堆多个服务器来应对海量数据和交易增长。但是数量多了,问题和成本也多了起来。 x86 平台单台服务器的整合能力有限,堆出来的服务器有多少计算能力是用在处理业务,这是最大的问题。

随着系统的规模的扩大,越来越多的计算能力被用来维护分布式系统,而不是业务本身,系统利用率低。体验到 IBM 在实时分析方面带来的优势,为了解决系统开源的问题,中钢又尝试引入了 IBM 的 LinuxONE ,简化了关联环境。

张日新表示,除了核心系统的优化,越来越多的应用会用到开源,引入 LinuxONE 只是一部分,更重要的是如何进行管理。“ LinuxONE 的引入对我们来讲不是硬件的安装,而是系统管理、环境、人员配合的一体化。所以我们也发展出自己的标准,让它能够按照我们的标准来运作。我们旧有的经验技术也能够传承下去,这一部分中钢花了半年左右的时间跟 IBM 进行尝试。”

中钢未来的发展方向是怎么样的?

钢铁工业是国家战略性支柱行业,连续多年占全国 GDP 总值的10%以上。炼钢工艺是透明的,数据是开放的,但智能化发展滞后。而钢铁行业与 IT 牵手也成为了必然的选择,中钢在数十年的发展时间里,一直在“求变”,其深层原因就是利用 IT 进行生产流程的优化和企业架构的再调整:

进入大数据时代,为了做实时分析和报价 ,中钢导入了 IDAA ;数字化转型的时候,拥抱开源,导入 LinuxONE , AI 的风潮来临时,导入 Power AI 进行生产预测。可以说,中钢对科技带来的前景有着不一样的敏锐嗅觉。

中国钢铁业要实现从大到强的转变,不能错过智能制造这个机遇期。智能制造的本质是加强协同能力,通过系统的力量创造价值。智能制造的价值点,常常不在某个部门的内部;通过知识的积累,让过去由人来创造价值的智能工作,让机器自动去做。所以,智能制造是靠系统创造价值、通过长时间积累创造价值。

最后,张日新表示,信息化的过程不是看到东西就去要,而是因为我们本身要解决一些问题。我们和 IBM 寻求合作,然后找到各自的发展方向,所以大家一拍即合。未来这个事情中钢会持续来做,让他们取得研究成果的同时,也能够解决自己的问题,提升整体的竞争优势。

长按图片保存图片,分享给好友或朋友圈

钢铁业步履蹒跚,中钢如何借助 IBM 率先实现大数据与 AI 化转型?

扫码查看文章

正在生成分享图...

取消
相关文章