基于機器視覺和數據挖掘技術的水泥智慧工廠
1 項目背景
紅獅集團是國家重點支持的十二家全國性大型水泥企業之一，是中國企業500強、中國民營企業500強和中國最大民營建材企業。
集團正處于高速發展期，各分廠普遍存在生產管控信息化水平低、巡檢靠人工、效率低下、能耗大、設備維護困難等問題，制約企業的發展。
2 項目實施
1）總體實施思路與架構
預期目標：
序號 | 生產領域 | 效果預測 |
1 | 車間組織人員 | 每車間減少2人以上 |
2 | 產品質量 | 產品合格率提升3%以上 |
3 | 能源管控 | 余熱發電量提高3%以上，生產電耗降低1%以上 |
實施思路：
方案采用supOS平臺作為紅獅集團各個分廠的生產管控平臺，以ERP、MES、EAM的基礎數據作為主數據，搭建多維度的工廠模型，對接ERP的人員、組織、崗位，EAM的設備、附屬設備、備品備件及MES的生產、質量以及能耗等基礎數據，并對廠區的DCS、PLC、視頻及各個智能儀表、儀器進行數據實時采集。融合多維工廠模型框架黏附工廠在生產管理過程中產生的業務數據及生產運行過程中的實時數據，通過機器視覺技術對工廠在生產過程中進行實時監測、分析、預警并作出輔助性決策；通過海量的生產工藝數據及質量數據，利用大數據技術實現對水泥成品強度的預測以及對產品相關質量指標的軟測量；通過專家系統提升余熱發電量，降低生產能耗，達到節能減排增效的目的。
實施架構：
2）應用場景與技術方案
（1）機器視覺：
皮帶跑偏
下料口皮帶斷料
進料口堵塞
輸送帶是水泥廠解決物料轉移的通用手段，存在許多異常工況，比如輸送帶跑偏、斷料、進料口堵塞等。靠人工巡查發現這些異常存在漏檢、低效率、高成本等缺點。通過機器視覺的方案對現場的高清視頻碼流智能分析，對生產視頻實時分析，及早發現異常情況，預警并通知工作人員，減少非常正常情況的停產時間，無需人員周期巡檢。
方案運用了包括特征檢測、模態分析、聚類、分類、運動估計、跟蹤和測量等技術。其中特征檢測既包括基于深度卷積網絡和監督學習的方法，也包括傳統的基于設備運行機理的特征設計和傳統視覺算法的方法。采集到特征，還需要利用模態分析、聚類、分類等大數據和機器學習的方法建立設備運行的模型。在模型的基礎上，結合攝像頭采集的設備圖像，再運用運動估計、跟蹤和測量分析出設備工況的變化態勢，就能夠實現工況的實時檢測報警、乃至預測性維護的目的。
（2）專家系統：
水泥抗壓強度是確定水泥強度等級和混凝土質量等級的依據，但是膠砂抗壓強度檢測周期長，需要28天，水泥抗壓強度檢測的滯后性，嚴重影響了水泥混凝土生產、施工質量控制和進度。
影響水泥抗壓強度的因素很多，比如礦物組成、數量、化學 成分、熟料的燒結狀況、熟料礦物晶體的晶型。supOS大數據分析平臺，充分考慮水泥抗壓強度的相關影響因素，選取Loss、SiO2、Al2O3、Fe2O3、CaO、MgO、FCaO等多組水泥熟料化學成分因素，收集紅獅水泥多條生產線近2年的歷史檢測數據，利用機器學習和數據挖掘技術，建立水泥抗壓強度預測模型，實現對水泥抗壓強度的提前精準預測，提升產品的合格率。
3 實施效果
1）每生產車間可減員2-3人
2）水泥成品質量合格率提升3.2%
3）余熱發電量提高3.5-4% (2018年全年發電12885萬度，提升3.5%，按每度7毛錢算，產生經濟價值300萬)
4）全廠生產電耗降低2%（2018年全年發電37019萬度，提升2%，按每度7毛錢算，產生經濟價值500萬元)
AII微信公眾號
AII頭條號