坚持创新驱动，推动智能制造，促进钢铁工业智能化发展

摘要：钢铁企业发展至今，已遇到生产瓶颈，产量远远大于需求。很多企业采用联合的方式，来规避市场的冲击，为了能在以后的竞争中，求得生存，对设备管理的要求越来越高。传统的设备管理技术已无法满足新需求。为此未来设备智能管理，将是企业内所有设备管理人员必须遵循的方式，要求设备管理人员和维修人员必须掌握专门的科学技术知识和现代管理理论与方法。

关键词：大数据 设备管理 采集

0  前言

传统意义的设备管理已趋于乏力，不做出改变，等待着的只有灭亡。在这种严峻形势下，新的智能设备管理模式应运而生，就是将先进的智能手段与设备管理高度融合，具有自行感知、自行决策、自行执行、自适应等特征的新型管理模式

1  现状介绍

随着工业4.0的来临，科技水平的不断创新，各地区新一轮科技革命和产业变革已经在以我们想象不到的速度前行，新一轮“数字工业革命”正在推动尖端钢铁工业技术不断发展，与我国制造业转型升级形成历史性交汇。智能制造在各地区范围内快速发展，已成为主要钢铁行业重要发展趋势，对产业发展和分工格局带来深刻影响，迫使当下处于徘徊阶段的钢铁企业做出改变，逐步形成新的生产方式、产业形态、商业模式。

2  原因分析

国内传统设备管理模式存在的问题较多，主要有一下几个方面：

1、管理人员的思想意识薄弱，没有认识到企业自身发展存在的问题，敝帚自珍，对新兴事物和领域存在较大抵触情绪；

2、操作人员、维护人员的水平较落后，技能欠缺，对设备自身的驾奴能力不足，以及突发事故处理时间不达标；

3、设备档案管理不够完善，如设备的技术资料、技术参数、工艺初始要求不健全现象较为普遍，加之管理制度不符合实际、执行力不强、资料收集以及保存不到位；

4、钢铁企业所用产品多样、繁杂，分布区域广，生产工序较多，管理信息量较大，多采用人工报表形式，信息及时性较差，易失真，从而给决策造成错误影响，酿成不必要的损失。

传统意义的设备管理已趋于乏力，不做出改变，等待着的只有灭亡。在这种严峻形势下，新的智能设备管理模式应运而生，就是将先进的智能手段与设备管理高度融合，具有自行感知、自行决策、自行执行、自适应等特征的新型管理模式。设备管理智能化的到来，会使企业在未来的市场竞争中更具有领先优势，也是抢占未来经济和科技发展制高点的重要途径。

3  方案措施

对当下钢铁企业来说，需要瞄准世界钢铁发展趋势，跟上时代发展的步伐，采用具有世界先进水平的管理经验、引进高精尖的管理人才，不断优化工艺生产与设备，并配以辅助生产的相关设施，只有这样，才能提高产品质量和设备可靠性，降低劳动强度，提高设备作业率。

个人认为，智能设备管理的推行，不仅仅是单一的先进技术和智能装备的应用，而是设备管理新模式的转变。不应该是某一子公司独立进行，而是集团各钢铁子公司一同协力构建智能设备管理体系，坚定“以生产顺行为前提，保障设备高效稳定运行“的目标，提升整个钢铁公司的核心竞争力。

智能设备管理是一项系统工程，需要集团层、公司层、产线层三层共同协力开展:

1、集团层是整套系统的大脑，负责组织管理方向和指导方针的顶层设计，保证各子公司间的协调统一。

2、公司层从集中一贯制管理维度，牵头策划本公司智能设备管理蓝图，确保厂部规划与公司规划衔接一致。

3、产线层是设备管理的基层责任者，需要发动所有管理者与员工参与

现代智能设备管理是以设备的一生为对象，以大数据系统作为支撑，TPM为行为准则，贯穿于整个设备管理周期，包括对设备自身的运动形态，即设备的设计选型、监督制造、购置、安装、使用、维护、周期更换直至报废，还有设备的价值运动状态，即设备的投资预算、维修与更换费用对比、折旧、改造资金的筹措、原始积累、支出、质保等管理，这样才能保持设备良好状态，保证设备的有效使用，并使其设备运行获得最大的经济效益。

随着科学技术和专业知识的发展，设备现代化水平的不断提高，智能设备管理可以概括为一种系统工程，或者是一种体系，它有着综合性以及全面管理的方法。管理的核心在于正确处理可靠性、维修性与经济性三者之间的关系，要有可靠性，正确维修方案，提高设备运行精度和有效作业率，才能发挥设备的高效能，以获取最大的经济效益和安全保障。

设备智能管理的系统化往往要求集团多个部门、不同行业之间的密切协作。因此它们之间应相应地要求界限，而组织成为一个有机的整体，为企业的整理目标做出步调一致的行为。并且涉及多方面专业知识，如线性规划、网络技术与应用、统计学、决策论、预测技术、库存管理等，对系统进行综合分析与评价，从而建立一个以全寿命周期费用最经济为目标的系统，并进行过程管控和全程管理，保证用最有效、最直接的手段达到管理系统的预期目标，进而改变了传统模式设备管理下，只管维护的消防型模式。

   大数据系统的功能除了广泛应用于数据的统计与分析，参与模型建立、自动控制外，还具有数据处理能力，即根据设定的程序，自行完成数据报表资料的统计和分析，并包括各种计划的编制。在智能设备管理中主要用基础数据库的建立与采集、统计计算和编制预算，如各种设备维护记录、故障时间的统及与原因分析、不同时期的维修费用、备件使用以及库存等信息，均可用代码收集在数据库内，根据不同层级的需要即掉即用，做到时间零延时。

钢铁行业中生产线长期处于高速运转中，由钢铁设备所产生、采集和处理的数据量很大，人员操作已无法满足，并且从数据类型也是非结构化数据，生产线的高速运转则对数据的实时性、准确性要求更高。因此，钢铁大数据应用所面临的问题和挑战会更高，并不比互联网行业的大数据应用少，有些方面甚至于超过。

要想满足大数据系统采集的需求，对现场设备会有很高的需求。钢铁企业各工序，都需要有相关的检测手段，来探测温度、压力、热能、振动和噪声。检测设备越多，采集时间越短，数据分析越精确。因为每隔几秒就收集一次数据，将数据进行整理与存储，利用这些收集到的数据，可以实现多种形式的分析，包括设备状态与故障诊断、用电量峰谷平分析、能源节能与消耗分析、质量事故分析与总结(包括违反各种生产规定统计、零部件故障)等。首先，在钢铁企业生产工艺改进方面，以及生产过程中使用这些大数据，就能掌握整个生产工艺流程，检测到每个环节是如何执行的。一旦有某个流程偏离了工艺标准，或设备出现劣化趋势，就会向系统产生一个报警信号，点检及维护人员能更快速地发现问题及故障所在，提前做好处理工作，也就能更容易解决问题，降低事故发生率。利用大数据技术，还可以对钢铁生产产品的过程建立虚拟模型进行仿真，当所有流程和绩效数据都能在系统中重新建立时，将有助于生产制造商同时对其生产流程进行改进。其次，在企业能源损耗分析方面，设备生产过程中利用传感器集中监控所有的生产流程，能够发现各条产线能耗的异常或峰值情形，由此便可在生产过程中优化与平衡各使用部门能源的消耗，对所有流程进行分析将会大大降低能耗，更能降低生产成本。再次，对于事故的分析，可以将长时间存在的同类故障进行汇总与分析，统计出所需的各种数据，客观的展示故障发生的原因、所用时间的合理性，设备管理部门可根据此来制定有效的整改措施，以及预防故障的放生方法，很大程度上降低了事故发生率，提高连续作业率。

4  结论

综上所述，智能设备管理是科学技术发展到一定程度，形成的必然产物。随着现代科学技术的进步，国际钢铁企业生产装备现代化水平不断提高，设备向着国际化、大型化、高速化、数据化、机电一体化及结构复杂化等特点发展，促使各企业快速发展，紧跟时代的步伐，这样才能在钢铁大潮中占有一席之地。

参考文献

[1]  物联网时代的八大工业大数据应用场景-学术期刊库

[2]  实现智能制造：工业大数据牵引力有多强？-学术期刊库

[3]  胜利油田测井公司设备管理研究-学术期刊库