基于大數據分析的建材企業智能運營管控平臺研究

李繼庚 馬玉 趙天寧 白宇飛

（1.華南理工大學，廣東廣州 510641；2.建筑材料工業信息中心，北京 100083）

2021 年3 月我國發布《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》，提出加快數字化發展，建設數字中國。2023 年2 月中共中央、國務院印發了《數字中國建設整體布局規劃》，明確數字中國建設按照“2522”的整體框架進行布局，即夯實數字基礎設施和數據資源體系“兩大基礎”，推進數字技術與經濟、政治、文化、社會、生態文明建設“五位一體”深度融合，強化數字技術創新體系和數字安全屏障“兩大能力”，優化數字化發展國內國際“兩個環境”。在國家政策的引領下，數字化轉型成為產業升級與高質量發展的必經之路。各行業積極開展企業數字化轉型戰略部署，并在理論探索、能力培育、業務創新、生態建設等方面取得初步成果。

建材工業是國民經濟的重要基礎產業，在工業4.0 的大背景下，建材行業在自動控制、工業機器人、智能儀器儀表等關鍵技術裝備方面的探索取得顯著成效，行業數字化、智能化水平大幅提升[1]。但是，建材行業智能發展仍然存在許多短板與問題亟待解決，相對缺少涵蓋生產過程控制、生產管理、運營管理的一體化協同管控平臺，管控集成普及率不高，運營管控過程有待集成管理。大數據智能運營管控平臺是具備數據采集、轉換、傳遞，數據分析與挖掘，優化計算和信息化展示功能的運營管控平臺，通過建立基于新一代信息技術的生產工藝優化模型，可以實現跨行業跨企業的多用戶高并發訪問使用，助力企業高效完成生產運行管控。因此，加快建設建材企業智能運營管控平臺，提升建材企業數字化水平，對建材行業實現高質量發展至關重要。

一、智能運營管控平臺建設的研究現狀

目前，關于工業物聯網和大數據等新興技術的相關研究蓬勃發展，學界對智能運營管控平臺進行了廣泛探討，取得了豐碩的研究成果。例如，林莉華[2]針對航空制造企業的實際應用情況，搭建運營項目管控平臺，實現了運營狀況可視化，有效地為項目管控提供系統支撐。吳建華等[3]的研究基于發電業務的發展需求，構建一體化業務運營平臺的信息化戰略解決方案，實現企業業務管控規范化。肖粲俊等[4]基于物聯網、大數據、云計算及人工智能等技術，搭建了煤礦智能管控平臺的研究模型，有效提高了煤礦數據的采集、存儲、傳輸和分析能力。

在建材行業工業互聯網研究方面，根據《工業大數據白皮書（2017 版）》的解讀，產業核心競爭力缺乏，物聯采集數據源不掌握、不統一，產品數據不規范，信息集成貫通不暢等導致國內工業大數據發展進程較慢[5]。綜觀昆侖數據、UPTAKE、Splunk、樹根互聯、大數點、GE、西門子等涉足的工業大數據應用情況，發現當前在建材等高耗能行業實施物聯網和大數據的情況極少見，與建材智能運營管控平臺建設相關的研究文獻也十分有限。建材企業在開展數字化轉型的過程中面臨著業務需求與數據平臺建設融合、構建生產場景數字模型、打通系統信息流一體化平臺等關鍵問題。目前，建材行業缺少這方面的針對性研究，有待進一步探討。

二、構建大數據分析的建材企業智能運營管控平臺

本研究梳理了建材行業整體發展與數字化發展現狀、建材行業智能制造關鍵技術等內容，廣泛調研水泥、玻璃、陶瓷等細分領域企業的生產現狀、信息化應用水平狀況和數字化發展現狀等，結合建材行業工藝生產特點及實際情況，針對建材行業開展工藝技術分析和先進的智能技術分析，采用以核心領域模型為系統中心的DDD（domain-driven design）領域模型設計方法，設計平臺總體架構與各層級功能模塊，構建具有數據采集轉換傳遞、數據分析與挖掘、優化計算和信息化展示功能的大數據智能運營管控平臺，以解決生產以及管理過程功能繁復等問題，有效推動建材行業整體實現數字化轉型升級。

（一）智能運營管控平臺的建設思路

本研究基于運營管理理論，綜合分析相關文獻與建材行業現狀，應用新一代工業互聯網、云服務、云計算、大數據等技術，構建符合建材企業實際需求的智能運營管控平臺，使其具備可連接千家以上企業、承載百萬臺設備同時在線、處理千億級數據的能力，實現統一標準數據和服務，打通行業和企業生產過程中的數據流和信息流，高效提升管理的信息化水平。

本研究搭建的建材企業智能運營管控平臺整體業務架構，如圖1 所示。

圖1 建材企業智能運營管控平臺整體業務架構

本研究基于建材行業能耗高、工藝控制復雜、穩定生產依賴“老師傅”操作經驗的共性特點[6]，結合行業數字化轉型發展需求，搭建了工業大數據平臺整體技術架構。該架構主要包括邊緣層、IaaS 層、PaaS 層、SaaS 層，如圖2所示。

圖2 工業大數據平臺整體技術架構

1.邊緣層

本研究面向建材產業鏈企業的業務數據、生產數據、營銷數據的接入技術和服務，實現了多種數據協議的轉換、邊緣數據的匯集以及數據的存儲、處理、云端傳輸與邊緣計算[7]。研發智能邊緣計算設備，兼容各類現場總線通信協議和信息化系統API 接口適配，經由實時采集生產數據－數據自定義通信組包－數據安全通道－防火墻白名單管理－千兆高速并發的數據集成鏈路，提供實時與云端IoT 通信+本地邊緣計算數據應用能力。

2.工業IaaS 層

本研究依托公有云、專有云或企業IDC 環境的基礎能力，構建云端分布式共享的計算、存儲、網絡、安全、計算、虛擬化等服務，為上層應用提供基礎設施能力，保障集群平臺能夠長期運行在一個安全、穩定、有保障的基礎環境中。同時，通過提升IaaS 層的資源彈性伸縮能力，滿足集群內不同階段建設的資源利用效率，更好地服務集群企業應用的資源調度。

3.工業PaaS 層

本研究構建通用PaaS 層和工業PaaS 層。通用PaaS 層包括微服務基礎平臺、行業大數據基礎平臺、數字孿生基礎平臺和AI 基礎平臺等，為業務應用、數據模型、數字孿生應用、AI 模型等提供基礎的運行能力。通用PaaS 能力主要包括：統一資源管理能力，多租戶多層級的應用、功能、數據配置管理能力，異構數據集成的能力（ESB，Open API 等），基于標準流水線DevOps 的應用開發、測試、部署、發布能力。

工業PaaS 層包括行業微服務共性組件、行業數據模型庫、行業數字孿生模型庫、行業場景AI 模型庫等，用于聚合造紙行業共性能力，為上層應用提供可復用的行業組件和行業模型，降低行業應用開發成本。借助工業PaaS 的消息總線級Open API 來承載平臺內外部大量信息的交互，并解耦各個模塊的直連，避免單個模塊的異常引起整個平臺的雪崩，也方便了各個模塊各取所需和傳遞信息，并對流量的突然爆發起到緩沖作用。同時，PaaS 平臺負責存儲物聯網設備產生的海量數據，并對用戶提供多種靈活查詢數據的方式，方便用戶提取數據的價值。

4.工業SaaS 層

本研究所構建的平臺支持多租戶多層級的云應用服務，為建材行業不同產業鏈的企業提供不同的應用，并進行靈活組合，包括但不限于設備互聯、能源管理、設備管理、生產管理、倉儲管理?；赑aaS 底座，SaaS 應用可以不斷擴展，滿足未來持續開發服務于建材產業鏈的應用服務。

（二）智能運營管控平臺應用功能體系設計

為了解決建材行業現有平臺研究中的問題，應對建材行業實際應用的需求，本研究設計智能運營管控平臺應用功能體系，主要包括高級排產計劃（APS）、生產管理（MES）、質量管理（QMS）、倉儲管理（WMS）、設備管理（EAM）、能源管理（EMS）、碳排放管理、數字工廠、大數據分析、報表平臺與告警管理等。

APS 高級排產計劃：針對建材企業生產計劃安排的特點進行設計，預先設定產品工藝流程與資源配置，優化生產計劃制定過程，包含基礎資源配置、訂單管理、主生產計劃、物料需求計劃、生產能力驗證、生產路徑、工藝配方、排產規則配置、資源甘特圖等子模塊。

MES 生產管理：通過對制造企業的計劃排產、生產過程、物料、能源、設備、質量、庫存等進行數據化，再經過生產全鏈數據統計與分析，精準定位如期穩定運行的瓶頸問題。

QMS 質量管理：通過質量數據的導入和生產數據的采集，運用質量統計分析和生產大數據挖掘的方法，對生產全過程質量進行預測監控，分析產品質量缺陷，發現質量影響因素，實現對產品品質與產品合格率的控制。

WMS 倉儲管理：針對配料退料、收貨發貨、復核、上架、盤點等作業前端環節，設置看板系統、WMS 后臺系統、云服務器、WMS 作業一體機、揀貨單小票打印機、條碼打印機等進行后臺管理，實現面向工業企業客戶的服務能力。

EAM 設備管理：通過設備臺賬管理、點檢、檢修、故障維修、設備效率指標分析、備件管理等功能，對設備全生命周期進行管理，有效解決因工廠設備繁雜而導致的難以集中管理、維修不及時、異常停機頻繁、維修成本高等問題，達到提高設備可靠性、設備運行效率，降低庫存成本、設備運維成本的目的。

EMS 能源管理：通過監控實時數據、能效分析和大數據建模預測，幫助企業在穩定生產的基礎上，提升能源利用效率，實現能源管控的自動化、信息化和智能化，達到提高能效和降低成本的目的。

碳排放管理系統：依據行業碳排放核算指南，自動計算碳排放量，提高效率和準確性；根據碳排放趨勢，預測年度碳排放總量，輔助制定碳達峰目標和進行碳配額預測，額度不足及時預警，實現靈活安排生產與碳排放的檢測和優化。

數字工廠應用：采用以Vue.js 為核心的前端技術生態架構進行開發，既能與第三方庫或既有項目整合，又能與現代化的工具鏈及各種支持類庫結合使用，為復雜的單頁應用提供驅動，支持各種生態庫和組件應用，集成各種可視化圖表等組件，包括但不限于各種動態、靜態的圖表工具，支持數據以各種形式進行展示。

數據工具：通過對采集到的生產數據進行清洗、整理、分類、轉換，搭建數據鏈路。結合工藝先驗知識，先后做數據統計分析、數據挖掘及個性算法模型。一是統計分析，根據歷史數據回顧工藝的執行情況；二是數據挖掘，分析工序制品半成品、產品的質量情況，挖掘既往生產習慣中可以提升的方向；三是個性數據算法建模，預測工藝和產品的執行情況，提醒相關人員做出調整和決策。

報表工具：包含智能抄表、能源報表、綜合報表、成本報表、績效類報表等功能。

（三）基于新一代信息技術的生產工藝優化模型

本研究基于工業知識，將工業機理模型與機器學習算法相結合，將研究構想應用于工業場景，通過對復雜的物理、化學過程運行模擬和優化，將人工經驗固化為模型方式，產品化設計工業AI 產品，形成可規?；瘡椭频腁I 應用，推動行業邁向智能化生產模式，解決限制行業高質量發展的四類難題。

難題一：“老師傅”操作經驗難于傳承和操作水平波動大的難題；

難題二：用過量的消耗保障產品合格率和生產效率的難題；

難題三：連續性生產過程原料的波動導致產品質量和成本波動大的難題；

難題四：因質檢數據滯后于生產過程引起的產品抽檢品控和破壞性檢測的難題。

1.工藝優化場景化過程

本研究基于新一代信息技術打造生產工藝AI 優化模型，工藝優化場景化過程涉及生產制造過程、數據分析過程與智能算法匹配優化等過程，形成可規?；瘡椭频腁I 應用，打造智能化生產模式，詳見圖3。

圖3 工藝AI 場景過程

2.工藝優化場景

（1）面向工藝優化的工業大數據建模及智能化應用：根據流程工業智能化升級相關研究現狀，基于智能設備、云平臺、邊緣計算的深度整合，優化數據庫、算法庫、模型庫，打造具備智能感知、智能分析、智能決策功能的企業生產與運營管理智能化應用，增強企業生產流程與工藝優化、設備維護與事故風險預警能力。

（2）基于AI 的原料成分智能優選：本研究采用運籌優化算法，實現原料成分智能優選，提升原料穩定性和合格率。在建材行業的生產過程中，生產用原料成分對成品質量具有較大影響。實際生產過程中工藝工程師會基于實驗數據和歷史生產經驗總結得到最佳的成分組合，并將其作為基準成分（即生產過程中的目標成分）。為了實現最終的入窯原料盡可能接近或達到基準成分，實際生產過程中會首先進行原料優選來初步篩選比較符合原料基準成分的原料批次，然后在合格的原料批次中進行配方優選，形成最接近成品設計成分的原料配比組合。

為了在人工經驗的基礎上進一步提升入窯成分的穩定性和合格率，本研究使用運籌優化算法實現了原料優選算法。

（3）基于AI 的配方智能優化調整：本研究通過建立數學模型，使用SLSQP 算法進行優化求解，實現精確控制原料合理添加質量，智能優化調整配方。在建材行業生產過程中，有必要在生產前十分準確地計算出各原料的添加質量，使成品的各項質量指標均滿足生產要求。實際中，由于成品質量指標較多，時常出現人工計算難度大、原料添加不合理的情況，這對成品的質量產生了不良影響。本模型能夠根據當前各生產原料的組分含量，快速、準確地計算出各原料合理的添加質量，使成品的各項質量指標均滿足生產要求。

本研究所用模型通過平臺采集的數據，圍繞成品等各組分含量、密度、基準值及浮動范圍等數據建立一個數學模型，將原實際問題轉化為一個帶有多個約束條件（含線性約束與非線性）的函數最小化問題，并使用SLSQP 算法進行優化求解。

（4）基于AI 的生產調度優化：本研究采用數字化運營算法，根據算法推薦調優，得出最優排產計劃安排。建材行業生產過程中，受到設備檢修、品種切換、設備效率、產品品種、錯峰生產的約束，對排產人員制定排產計劃提出了挑戰，尤其在各項干擾因素周期無規律的情況下大幅提升了排產難度，大部分情況下較難完成月度生產目標。使用數字化運營算法手段，將設備歷史檢修計劃、各品種的效率、錯峰時間段、總計劃任務產量等信息納入平臺算法中，從而得出最優排產計劃。根據算法推薦調優，系統會推薦排產計劃安排，并規劃錯峰、維修等開停機時間，指導生產人員在規定的時間執行，從而降低生產成本，保障任務完成度以及提高設備運轉效率。

（5）基于AI 的質量分析與預警：本研究采用特征選擇算法，對產品質量進行分析與預警?；谄脚_采集的溫度參數、窯壓參數，結合原料穩定性和配方穩定性優化等情況，使用特征選擇的方式進行算法設計和優化。

三、基于大數據分析的建材企業智能運營管控平臺的特點

基于大數據分析的建材企業智能運營管控平臺主要有以下特點。

（一）采用DDD 領域設計模型打造跨行業共用平臺架構

當前，國內外大部分生產運營管理平臺都是一個單體應用或者只有底層框架，需要根據企業的業務流程進行定制開發，無法面對跨行業或企業靈活業務變化進行配置實現。本研究通過DDD 的設計模型，將業務邏輯和領域模型融入系統設計中，對工業領域微服務進行六邊形模型建模，實現面向產業擴展的工業互聯網微服務架構模型，助力工業核心領域與子域設計的快速發展；采用1+N 的云邊協同部署架構，支持云端一鍵“應用”及“算法模型”的部署與更新。本研究構建的智能運營管控平臺架構相比于傳統架構，易管控、易運維、擴展靈活。

（二）滿足多租戶大規模用戶并發使用，實現跨行業跨企業數據匯聚

國內外大部分數字化平臺或應用都是面向單個企業進行建設，行業和企業業務數據相互獨立，無法實現跨企業和跨行業間共性數據的積累沉淀，制約了行業數據創新和數據價值挖掘的深入發展。本研究創新融合互聯網、云計算、大數據技術、工藝機理，首次采用工業企業、工業設備和智能儀器儀表ID 化方法。本研究所搭建的平臺以工業企業為租戶，企業員工為用戶，滿足上千家企業和上萬用戶同時使用，一個平臺即可完成各自企業生產運營管理業務工作，具有同時并發、應用范圍廣等優異的特點，在國際國內尚屬首例。

（三）建立工藝AI 產品化研發底座，創立工業生產自動駕駛模型研究

國內外在工業智能的研究大部分局限于不完整的生產鏈路數據和項目的實踐積累，大都停留在研究階段或者驗證階段，無實踐場景驗證和復制能力。相較而言，本研究具有整合性與實用性，通過提出大系統思維構建賽博（Cyber）空間，針對建材行業生產過程大滯后、非線性特點，設計了數據時間錯位的數據分析框架，根據工藝特征，把不同的數據進行聚合處理計算，解決建材生產過程中每個生產階段耗時長、質量數據難以與生產工藝關聯的問題。突破工藝現實與虛擬的數字界限，把工藝模型和工藝流程抽象為數字模型，通過定義、重組和編排來挖掘數據的價值。同時，創造性地對工業生產過程研發了從測量與感知（生產過程關鍵參數預測）－運動規劃（關鍵工序/設備穩定運行優化）－行為規劃（生產過程動態調度）－路徑優化（大尺度資源配置與調度優化）4 層工業生產自動駕駛的模型，實現人工經驗+自動化+數字化的深度融合與學習，推動建材行業邁向智能化生產模式。

（四）融合數據集成與邊緣計算技術搭建平臺

目前，平臺建設存在云端數據時效性、大規模計算壓力、異常信息快速診斷響應的技術瓶頸，本研究的一體化IoT 平臺是涵括邊緣層（邊緣端設備與邊緣計算平臺）與云端平臺的整體平臺融合，實現云網端一體化協同，通過邊緣計算技術實現云邊業務高效協同，高效解決數據集成技術問題。邊緣層對應的實際物理環境可以支持單個設備或產線或車間或整個工廠或基地；支持數據庫直接對接、文件數據接入，并快速分析和處理采集到的工業數據，快速響應設備實時狀態監控、異常預警、實時數據統計等應用。

（五）推出生產全要素在同一平臺實現互聯互通的模塊產品

傳統生產過程業務系統都比較獨立，“數據孤島”多，業務出現斷層，難以形成連貫的數據和沉淀行業數據，對數據創新與價值挖掘存在局限。本研究基于業務微服務底座構建的建材行業通用SaaS 應用，實現全生產要素互聯互通，打破“數據孤島”，涵蓋生產過程排產、生產執行、質量管理、倉儲物流、設備管理、能源管理、碳排放管理業務。

（六）無須開發即可實現跨行業數字化應用配置交付的應用軟件

傳統數字化系統的建設需設立專門的產品設計與開發，程序復雜，經濟成本高，耗費時間較長。而本研究基于行業共性需求的提煉和場景具象化設計的產品模塊，讓項目交付過程無須產品設計和程序員開發，即可實現建材行業的數字化系統的配置和上線使用。

四、總結

本文構建基于大數據分析的建材企業智能運營管控平臺架構，運用人工智能、大數據、數字孿生等新技術手段，建立基于新一代信息技術的生產工藝優化模型，實現跨行業跨企業多用戶高并發訪問使用，助力企業高效完成生產運行管控。本研究構建的智能化管控平臺適合于國內建材企業現狀和未來發展，在關鍵技術方面能取代國外產品，突破國外技術的限制，對國內工業軟件技術突破有重大意義。本研究通過建設虛實映射的數字化工廠，為數字化管理提供可視化平臺和數據支撐，以幫助企業提高原料車間生產效率、降低原料車間生產成本、實現數字化工廠，為建材行業數據化轉型應用提供實踐經驗，推動建材行業數字化轉型升級，與世界領先水平并駕齊驅。