一、研究的背景与问题

工业互联网是链接工业全系统、全产业链、全价值链，支撑工业自动化、智能化发展的关键基础设施，是新一代信息技术与制造业深度融合所形成的新兴业态和应用模式，是互联网从消费领域向生产领域、从虚拟经济向实体经济拓展的核心载体。工业互联网是新一代信息通信技术与现代工业技术深度融合的产物，是制造业数字化、网络化、智能化的重要载体。

工业互联网用到的核心技术分为三部分： 1、连接，帮助企业打通线横向和纵向，线上和线下，将销售网络、信息网络和工业网络连接起来； 2、云，比如云制造、云计算，互联网与制造业的结合点是工业的云平台，这是目前先进制造业竞争的焦点，也是抢占制造业数字入口的关键； 3、网络安全，这是未来工业互联网是否可以持续发展的一个很重要的方面。随着目前制造业中智能化装备、工业信息化软件、工业控制技术的成熟进步，再加上移动互联网、大数据、云计算、人工智能、 AR/VR 等新技术与制造业的融合发展，工业互联网发展所需的核心技术日益成熟，得到了良好支撑。

目前我国工业企业内部大量采用有线传输技术实现企业内部网络的通信，无线通信在制造领域中的应用较少。一方面，由于传统工业生产设施相对静态和持久，没有无线连接的需求。另一方面，传统无线技术达不到工业要求，特别是可靠性、时延、安全等性能。然而，随着自动化、智能化生产的需求日益强烈，同时 5G 通信技术在可靠性和时延上的突破，为无线应用到制造领域提供了可能。在未来工厂中，由 5G 无线通信提供的灵活、移动、通用的连接，必将对制造业生命周期中的生产、运输和服务带来革命性的发展。

在我国，钢铁企业生产工艺流程复杂、条件苛刻，具有高温、腐蚀以及生产连续性强等特点，在长周期连续运转过程中，受工艺设备、人员操作水平等因素的影响，生产设备可能存在一些影响安全生产的因素，易造成停车停产等事故。设备管理、安全监管、运维管理面临着人为响应不及时、备品备件繁多无法及时跟踪状态等问题，涉及的设备运维无法进一步精细化管理，采用新的技术手段对设备进行智能化管理需求迫切。

针对鞍钢集团及下属工业制造企业内部复杂、多变的无线传输环境，面对工业生产高可靠、高带宽、高安全、低时延的技术挑战，鞍钢集团信息产业有限公司努力克服 5G 和 MEC关键技术在工业互联网中的部署难题，形成了一种具有示范推广价值和行业复制性的企业内 5G 网络部署架构与网络建设、运维、管理新模式。

二、解决问题的思路与技术方案

1、软件整体架构

项目的软件整体架构图如下：

系统平台由下至上分为5层：边缘层、聚合层、数据层、应用层、用户层。边缘层负责将采集器的数据上传到汇聚层，汇聚层负责与各厂边缘侧的通讯。数据层是整体架构的核心和关键，负责数据的存储、计算。应用层负责应用后端逻辑，用户层负责和用户的前端交互逻辑。

软件总体技术路线如图所示：

上图中，左侧两个橙色方框就是端侧的传感器与5G模组采集器。

右侧为云平台，通过5G可将端与云直接连接，大大提高传输效率并降低了传输延迟。

右侧方框最下面一行为数据采集和持久化流程，采用业界主流的工业互联网标准协议与数据流系统。

通过Kafka队列将消息写入时序数据库，满足设备监测对高频大数据量数据存储的要求。数据经过清洗最终落入ck数据仓库，对外提供高速查询服务。

中间行为web端应用与移动应用，提供傅立叶、小波分析、巴特沃兹变换等小工具。

上侧为报警诊断分析流程，7*24小时监测设备状态并进行报警，通过airflow调用作业平台自动进行算法分析诊断。

2、硬件技术路线

信息化系统建设的技术路线：

基于5G技术的嵌入式采集系统的体系结构，采用通用的硬件本体，对不同工况和需求的现场进行特色适配。同一现场不同场景如果使用条件不同也需要单独设置。使用嵌入式软件开发实现用户的简单操作切换，并且在需要零件替换时，能够有初始化设置，方便用户通用替换。

基于5G技术的嵌入式采集系统实现功能分为三个部分，第一部分为传感器采集信号的分析和处理，第二部分为服务器5G通讯上传，第三部分为数据的本地保存与导出。

（1）传感器信号采集分析和处理

通过电流传感器、振动传感器、温度传感器在设备上部署，将设备基本信息进行收集处理，利用DSP技术采用嵌入式系统对采集的数据进行简单的分析处理，可采集加速度、速度、位移的振动原始波形、电源的原始波形、噪声原始波形、温度、电流等常见信号，同时可输出4-20mA及开关量信号具备独立数据存储功能，保存了各个测量点的振动波形、频谱，为事故追查提供原始资料，同时对采集的数据进行平滑和快速傅立叶变换，进行频域与时域计算得出计算结果。

（2）服务器通讯5G通讯上传

传感器通过5G网络方式与服务器通信，代替传统的有线传输，整个网络组网模式还是与之前部署的网络一致，只有传输媒体发生了改变。整个采集系统具有分布式的稳固性，在保证性能的同时，又能根据不同区域的不同环境和要求采取个性化的采集手段，适应各种恶劣环境下的采集要求。分布式采集同时又解决了采集网格在使用过程中故障影响的问题，一个区域出现问题，其它区域和总服务器不受影响，避免了一点出错，全线故障的现场。

（3）数据的本地保存与导出

对采集到的本地数据进行保存，同时保存设备历史数据。防止因为网路故障，数据得不到上传。避免服务器端由于采集数据的缺失造成大数据分析算法的分析误判；或者当采集器需要更换时候或者存储容量不足，需要导出历史数据时候有通信端口把采集数据导出。

三、主要创新性进展

1、利用大数据平台对生产数据进行实时采集、实时分析，实时获得检验结果，提前发现问题，减少损失；

2、通过数据挖掘模型进行长期趋势判定，提早发现潜在问题；

3、传统数据挖掘模型、深度学习模型高度融合，提高算法准确度；

4、对产线数据进行标准化处理，兼容不同的产线，不同型号的传感器；

5、基于5G技术的嵌入式采集系统利用5G通信技术实现数据传输的高可靠、低时延、高速度；

6、基于5G技术的嵌入式采集系统统一了硬件采集器平台，有利于各个厂备件的采购维护；

7、基于5G技术的嵌入式采集系统将采集分析一体化，利用本地分析算力，降低对服务器压力，实现可靠的本地运行环境；

8、开发了振动数据的分析算法和电流数据的分析算法功能。

四、应用情况与效果

案例1：2021年7月14日05时18分， 鞍钢某厂28#齿轮箱失效。维护人员现场发现齿轮箱一级齿圈和中箱体崩裂，所有连接螺栓全部断裂，齿轮箱内部一级行星架断裂，行星轮齿面有裂纹。高速轴联轴器断裂，靠近联轴器一侧齿箱倾斜，高速轴刹车已不能作用。

生产厂要求做一下关于齿轮箱的排查分析。现场拷贝回来6台设备失效前3个月40个字段的10分钟数据。

案例2：2021年6月份鞍钢某厂利用现场振动加速度数据，进行大数据的分析，发现振动异常预警。

维护人员现场检查发现主轴承出现异常响动，且开机过程发现振动明显增大。后在半年检修过程中进行了拆解维护，发现滚道磨损，进行了预防性维护。

这两个案例中，其中轴承偏心需要至少5个小时停机时间维修；而齿轮箱失效案例中，需要全产线停产，需要至少4个小时停机时间维修。此以上案例为提前发现问题，维修放在定修期间完成，降低事故的突发性，避免对生产造成严重后果。

鞍钢某产线年产量约775万吨/年；每年1次大修（20天）、1次中修（10天），每月2次定修，1次12小时，每年42天停机时间；普碳钢每小时钢铁产量价值约为600万。以齿轮箱失效案例为例：预防性维护可增加产量价值约为3450万元，经济效益显著。

信息来源：鞍钢集团信息产业有限公司