2023年11月30日发(作者：)

櫴櫴

毷

毷

櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴

毷

流程型数据中心和智能应用技术———ＰＩＤＡＳ专栏（）

Ⅱ

建立数据中心是钢铁制造业实现数据化与智性问题，这也是构建数据应用的基础。普遍采用

１］［

能制造的基础。数据中心一方面提供数据采

集接口，对企业经营管理的业务数据、机器设备互

联数据以及销售运维等外部数据进行采集、清洗；

另一方面，基于工业大数据处理、分析、建模等关

键技术，根据具体应用场景及需求，结合领域知识

和算法，实现顶层应用支撑，产生应用价值。

开发数据中心，最大挑战是解决数据的关联

闫 博 高级工程师 １９７９年生 ２００５年毕业于东北大学

现从事轧钢工艺研究 电话 ２６６４１０４６

Ｅｍａｉｌ ｙａｎｂｏ＠ｂａｏｓｔｅｅｌ．ｃｏｍ

櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴櫴

毷

案例。

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０７１６．２０２１．０１．００１

ｃｏｎｔｒｏｌ；ｈｅａｖｙｐｌａｔｅ

宝钢５ｍ厚板工厂级数据中心开发

闫 博，刘 晔，丁建华，焦四海

０１９９９）（宝山钢铁股份有限公司中央研究院，上海 ２

摘要：宝钢５ｍ厚板轧钢工厂开展的数字化、网络化、智能化实践，尝试基于制造业原有四

级控制系统的基础设施与数据资源，由业务驱动，开发工厂级数据中心，解决了工厂级数据中

心系统实现架构、多频度异构工业数据采集、处理与存储等流程型制造业数字化与智能制造难

题，具有广泛的适用性，为制造业从信息化、自动化向数字化和智能制造升级提供了路径和

关键词：数字化；智能化；数据中心；智能制造；计算机控制；厚板

中图分类号：ＴＧ３４４．９ 文献标志码：Ｂ 文章编号：１００８－０７１６（２０２１）０１－０００１－０６

Ｄｅｖｅｌｏｐｍｅｎｔｏｆｆａｃｔｏｒｙｌｅｖｅｌｄａｔａｃｅｎｔｅｒｏｆｔｈｅ５ｍｈｅａｖｙｐｌａｔｅｐｌａｎｔ

ＹＡＮＢｏ，ＬＩＵＹｅ，ＤＩＮＧＪｉａｎｈｕａａｎｄＪＩＡＯＳｉｈａｉ

（ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，ＢａｏｓｈａｎＩｒｏｎ＆ＳｔｅｅｌＣｏ．，Ｌｔｄ．，Ｓｈａｎｇｈａｉ２０１９９９，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｐｒａｃｔｉｃｅｏｆｄｉｇｉｔｉｚａｔｉｏｎ，ｎｅｔｗｏｒｋｉｎｇ，ａｎｄｉｎｔｅｌｌｉｇｅｎｃｅ，Ｂａｏｓｔｅｅｌ５ｍｈｅａｖｙｐｌａｔｅ

ｍｉｌｌａｔｔｅｍｐｔｓｔｏｄｅｖｅｌｏｐａｆａｃｔｏｒｙｌｅｖｅｌｄａｔａｃｅｎｔｅｒｂａｓｅｄｏｎｔｈｅｉｎｆｒａｓｔｒｕｃｔｕｒｅａｎｄｄａｔａｒｅｓｏｕｒｃｅｓｏｆ

ｔｈｅｏｒｉｇｉｎａｌｆｏｕｒｌｅｖｅｌｃｏｎｔｒｏｌｓｙｓｔｅｍｏｆｔｈｅｍａｎｕｆａｃｔｕｒｉｎｇｉｎｄｕｓｔｒｙ，ｄｒｉｖｅｎｂｙｐｒｏｄｕｃｔｉｏｎｌｉｎｅ

ｂｕｓｉｎｅｓｓ．Ｉｔｓｏｌｖｅｓｔｈｅｄｉｇｉｔａｌａｎｄｉｎｔｅｌｌｉｇｅｎｔｍａｎｕｆａｃｔｕｒｉｎｇｐｒｏｂｌｅｍｓｏｆｔｈｅｐｒｏｃｅｓｓｉｎｄｕｓｔｒｙ，ｓｕｃｈａｓ

ｄａｔａｃｅｎｔｅｒｄｅｓｉｇｎ，ｍｕｌｔｉｆｒｅｑｕｅｎｃｙｈｅｔｅｒｏｇｅｎｅｏｕｓｉｎｄｕｓｔｒｉａｌｄａｔａｃｏｌｌｅｃｔｉｏｎ，ｐｒｏｃｅｓｓｉｎｇａｎｄｓｔｏｒａｇｅ，

ｅｔｃ．Ｉｔｐｒｏｖｉｄｅｓａｐａｔｈａｎｄｃａｓｅｆｏｒｔｈｅｉｎｄｕｓｔｒｙｔｏｕｐｇｒａｄｅｆｒｏｍｉｎｆｏｒｍａｔｉｚａｔｉｏｎａｎｄａｕｔｏｍａｔｉｏｎｔｏ

ｄｉｇｉｔａｌａｎｄｉｎｔｅｌｌｉｇｅｎｔｍａｎｕｆａｃｔｕｒｉｎｇａｎｄｈａｓａｗｉｄｅｒａｎｇｅｏｆａｐｐｌｉｃａｂｉｌｉｔｙ．

Ｋｅｙｗｏｒｄｓ：ｄｉｇｉｔｉｚａｔｉｏｎ；ｉｎｔｅｌｌｉｇｅｎｃｅ；ｄａｔａｃｅｎｔｅｒ；ｉｎｔｅｌｌｉｇｅｎｔｍａｎｕｆａｃｔｕｒｉｎｇ；ｃｏｍｐｕｔｅｒ

自动化四级控制系统的钢铁业，Ｌ１到Ｌ４分别用

于基础自动化、过程控制、生产制造控制和产销管

０级。在生理，有时候也把特殊仪表作为单独的Ｌ

产过程中，在Ｌ０到Ｌ４不同层级上产生不同体量、

不同频度的海量数据。相应数据采集的频率也有

很大的区别。Ｌ０／Ｌ１以毫秒为单位，Ｌ２是以毫

秒、秒为单位，主要过程控制还在秒级到分钟级，

所以Ｌ０－Ｌ２实时性是重要的关注点；Ｌ３实时性

相对较低，数据总体频度以天为单位，最快也会是

以小时为单位；Ｌ４实时性更低，数据总体频度以

周为单位。这些数据按照系统架构存储在不同的

平台上，呈现复杂的多频度异构特征，从结构特点源，开发多频度异构工业数据采集、处理与存储技

上可分为时间序列数据、二维数据、多维数据和非术，解决工业数据的关联问题，具体包括硬件平台

结构化数据多个种类，在频度上覆盖毫秒级、秒与软件平台两个部分。

级、分钟级直到大跨度数据各类情况。虽然总体数据中心的硬件平台建立了基础计算与存储

上满足了从市场到现场的信息流程传递的要求，集群以及专用的数据交互与采集网络。其中自主

但基本上是自上而下地接受指令并完成制造过程开发的计算与存储集群为上层应用提供动态、高

设计与控制、生产工序的过程控制、机械设备的基效和安全的计算与存储服务；数据交互与采集网

本动作控制。数据逐层传递，往往因为数据时频络，在纵向上连接生产系统Ｌ０～Ｌ４层级生产控

上的差异，丢失了大量的细节，甚至不能完成有效制与制造管理系统，在横向上跨工序连接炼钢、连

的数据传递，加之与业务逻辑的强耦合性，关联特铸、加热、轧制、冷却到精整以及离线热处理，并预

征标志的提取过程非常复杂，所以数据很难得到留连接下级工序工厂的接口，全面实现制造过程

充分利用。因此解决这一挑战，各专业的融通发各类异构数据的物理联通。

展最为重要，一方面制造业对于数字化及智能制数据中心的软件平台充分利用国内外先进技

造的认知还存在不足，更为关键的是ＩＣＴ从业者术，建立自主的、安全高效的工厂级数据应用技术

往往对工业领域缺少业务专业积累和知识沉淀，栈，避免商业软件的近期壁垒与远期风险，在当前

缺少将制造业与ＩＣＴ技术融会贯通的实践技术封锁日趋严重的国际形势下意义重大。利用

经验。形成的技术栈，自主研发了数据存储框架、消息调

［２］

韩国ＰＯＳＣＯ开发的ＰｏｓＦｒａｍｅ平台以及印度度框架、数据采集框架、数据应用框架、高级功能

塔塔公司的一些实践，把工序和工件、产品数字框架、监测与报警框架。利用自主开发的多频度

化，并把这些工序和工件、产品数字化所得到的数异构工业数据采集、处理与存储技术，主要解决数

据收集、关联、储存，通过智能分析的手段获得知据的逻辑联通性（包括可获取性、异构性、关联性

识，去指导或直接用于控制，来改善运营的经济技等问题），通过对各类数据的充分理解和研究，

术指标、产品的质量水平、优化生产工艺乃至提升ＰＩＤＡＳ系统通过实现一系列数据采集工具，在消

安全性等。但是，如何更系统地进行生产过程、工息调度系统的统一指挥协作下，在物理互联互通

件、产品的数字化，在什么范围建立数据采集、规的基础上，实现了工业数据高效采集、过滤、标签

整、存贮、分析和应用开发系统更合理，如何实现和关联的相关方法，解决了数据定义、质量与关联

数据的覆盖面和运行高效的协同等，实际上都还等方面的问题，为数据的最终应用建立了良好的

是一些开放的问题。数据基础。

宝钢以５ｍ厚板厂为样板对象，结合生产实通过图１所示的系统架构，ＰＩＤＡＳ数据中心

际、业务需求驱动，开展了一系列数字化及智能制密切结合了轧钢工厂相关的营销、制造、生产、

造的研发应用实践，建立了工厂级数据中心。该设备、管理、操作、研发等不同方面的工作需要，

厚板厂于２００５年建成投产，年产量２００万ｔ，建厂覆盖了轧钢工厂全流程的数据，针对不同角色、

之初就采用了四级计算机控制系统，其架构符合不同场景开发实现了相应的数字化、智能化应

ＧＢ／Ｔ２０７２０．１—２０１９／ＩＥＣ６２２６４１：２００３和用功能。

ＡＮＳＩ／ＩＳＡ９５．００．０１—２０００企业控制系统集成的

标准中的连续控制模式。

１ 方案设计

宝钢５ｍ厚板的数据中心和智能制造平台础硬件平台和数据采集网络。

ＰＩＤＡＳ，其中ＰＩＤＡＳ是ＰｒｏｃｅｓｓＩｎｔｅｌｌｉｇｅｎｔＤａｔａ２．１．１ 基础硬件平台

ＡｐｐｌｉｃａｔｉｏｎＳｙｓｔｅｍ的简称，旨在创建钢铁制造业数据中心基础硬件平台围绕工厂级综合数据

过程智能化与数据应用系统，其中工厂级数据中中心的异构数据采集与智能化控制进行设计开

心做为ＰＩＤＡＳ的核心，总体开发思路是充分利用发，性能、功能和稳定性满足平台要求。该数据中

现有自动化四级控制系统的基础设施与数据资心具备以下特征：

２ 方案实施

２．１ 数据中心硬件平台

厚板轧钢工厂的硬件平台，包括数据中心基

图１ ＰＩＤＡＳ系统架构

Ｆｉｇ．１ ＳｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｓｙｓｔｅｍｓｔｒｕｃｔｕｒｅｏｆＰＩＤＡＳ

（１）总存储空间在２００ＴＢ以上，为整个厚板用程序；虚拟服务器独立于硬件进行工作，通过改

大数据系统的存储基础；进灾难恢复（信息技术与管理概念，指自然或人

（２）提供运行和管理３０～４０台独立服务器为灾害后，重新启用信息系统的数据、硬件及软件

的能力，作为整个厚板大数据系统的计算基础；设备，恢复正常商业运作的过程）解决方案提高

（３）具备在线热备份能力；了业务连续性，当一台服务器出现故障时可在最

４）硬件构架具有较强的无缝扩展能力；（短时间内恢复且不影响整个集群的运作，使数据

（５）硬件构架具有较强的热恢复能力。中心的运行更加可靠；降低了部署成本，也间接降

该基础硬件平台为轧钢工厂数字化和智能制低了安全等其他方面的成本；系统兼容性大幅提

造解决方案的数据综合性应用层、大数据应用层、升，所有的虚拟服务器都与正常的ｘ８６系统相兼

人工智能应用层的开发部署提供了基础条件。

为了满足上述的技术特征，数据中心使用了的可能性降至最低；此外，平台运维管理难度、工

平台虚拟化技术进行规划、实现，包括计算虚拟化作量也大幅下降。

和存储虚拟化。通过使用控制程序（Ｃｏｎｔｒｏｌ２．１．２ 数据采集网络

Ｐｒｏｇｒａｍ，即ＶｉｒｔｕａｌＭａｃｈｉｎｅＭｏｎｉｔｏｒ或数据采集网络是数据中心的基础。该数据采

Ｈｙｐｅｒｖｉｓｏｒ），隐藏特定计算平台的实际物理特性，集网络由硬件防火墙、主网络节点和采集终端集

为数据中心提供抽象的、统一的、模拟的计算群组成。该数据采集网络保证了厚板数据采集的

环境。能力和范围，为确保数据中心数据采集内容完整

采用虚拟化技术，将一台服务器的资源分配性、实时性提供了硬件保障。

给了数台虚拟化的服务器，有效利用了资源，确保整个网络拓扑的设计、配置和管理均自主完

应用程序发挥出最高的可用性和性能，大幅提升成，采用了终端节点的端口隔离和ＶＬＡＮ技术，数

效率；保证了在共享物理资源的同时相互完全隔据采集网络与主干业务网络之间隔离，保证指定

离，在可用性和安全性方面，虚拟环境中运行的应的ＩＰ、端口、应用可以通过，其他不明数据不能通

用程序远优于在传统的非虚拟化系统中运行的应过，设置访问控制列表，对通讯端口和ＩＰ进行检

容，可部署多套不同的系统，将因兼容性造成问题

性，同时也保证了数据采集效率。入到数据采集工作中。集中了厚板产线各工序设

查后再进行接入。既保证了数据中心网络的安全面检测仪表和探伤仪表等特殊仪表、专业仪表纳

数据采集工作完全覆盖宝钢５ｍ厚板从轧制备层Ｌ０、基础自动化层Ｌ１、过程控制层Ｌ２、制造

线到精整、剪切和热处理等生产关键工序，如图２执行层Ｌ３、产销管理层Ｌ４、数据仓库等各层级

所示，包括二切、炉前、加热、轧制、预矫直、冷却、数据。

热矫直、精整、追加小工序、热处理、检验，并将表

图２ ＰＩＤＡＳ数据采集网络示意图

Ｆｉｇ．２ ＳｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｄａｔａｃｏｌｌｅｃｔｉｏｎｎｅｔｗｏｒｋｏｆＰＩＤＡＳ

２．２ 数据中心软件平台ＳＦ底层存储单元。等，并将处理的结果存入Ｄ

数据中心软件平台是支撑ＰＩＤＡＳ系统高层ＤＳＦ为数据库类型数据（Ｏｒａｃｌｅ，ＤＢ２）开发通

功能的底层专用系统框架。实现系统的存储、调ＪＳＯＮ，用型数据采集库；为结构化文档类型（

度、采集、应用和监测等方面的基础软件功能，对ＸＭＬ，ＥＮＶ）、非结构化文档类型（正则表达式，模

数据综合应用层、数据知识性应用层、数据智能应式匹配）开发通用型数据采集库；为ＰＬＣ数据类

用层的各类应用软件功能提供底层基础。能够满型（ＰＤＡ）开发通用型数据采集库；利用通用型数

足轧钢工厂对实时数据（毫秒级别）、准实时数据据采集库针对每个数据采集对象开发具体的数据

（秒级别）、过程数据（分钟级别）、仓库数据（月级采集服务；针对特种仪表，开发相应的数据采集服

别）的存储和查询的容量和性能要求。务；对于专业仪表，在专业采集系统上二次开发，

ＤＳＦ，Ｄａｔａ软件平台具体包括数据存储框架（开发出相应的数据采集服务。

ＳｔｏｒａｇｅＦｒａｍｅ）、消息调度框架（ＭＤＦ，ＭｅｓｓａｇｅＤＣＦ）负责对各种类型的数据数据采集框架（

ＤｉｓｐａｔｃｈＦｒａｍｅ）、数据采集框架（ＤＣＦ，Ｄａｔａ采集任务进行管理和调度，其中包括增、减和配置

ＣｏｌｌｅｃｔｉｏｎＦｒａｍｅ）、数据应用框架（ＤＡＦ，Ｄａｔａ采集任务，采集任务触发管理，多个采集任务并

）、高级功能框架（ＡＡＦ，ＡｐｐｌｉｃａｔｉｏｎＦｒａｍｅ发、串行管理，采集任务执行结果的管理，错误信

ＡｄｖａｎｃｅｄＡｐｐｌｉｃａｔｉｏｎＦｒａｍｅ）、监测与报警框架息管理等。

（ＭＤＦ，ＭｏｎｉｔｏｒａｎｄＡｌｅｒｔＦｒａｍｅ）等。ＤＡＦ）负责对建立其上的各数据应用框架（

数据存储框架（ＤＳＦ）提供分布式的多类型数种类型的数据应用（ＤＡｓ）提供公共功能的支撑，

实现统一的数据存储框据存储系统，如图３所示，其中包括如何同步地完成数据服务请求、如何异

架，支撑整个厚板大数据系统数据的存储和获取步的完成数据服务请求、各类统计算法的实现、各

功能，同时实现数据整理功能，该功能将采集服务类分析算法的实现、各类图表的生成、各类报告的

获得的数据进行整理，包括标签、关联和统计处理渲染、权限管理等。

图３ 数据存储框架（ＤＳＦ）数据处理过程示意图

Ｆｉｇ．３ ＳｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｄａｔａｐｒｏｃｅｓｓｉｎｇｏｆＤａｔａＳｔｏｒａｇｅＦｒａｍｅｗｏｒｋ（ＤＳＦ）

２．３ 数据中心安全措施由图４可以清晰地看到，ＰＩＤＡＳ建立的数据

为保证工厂级数据中心的网络与数据安全，ＥＳ或类似的制造管中心绝不是传统意义上的Ｍ

硬件方面，在基础自动化、过程控制网络的出口处理系统的数据库，它是实现了厚板工厂级跨工序、

部署工业安全防护墙，通过防火墙再接入数据采跨平台、跨层级的数据收集、规整、标签、存储、查

集网络。数据采集网络与公司内部信息网之间，询、分析和智能应用功能，解决了厚板厂工业异构

部署商用防火墙进行隔离，保证指定的ＩＰ、端口、数据高效采集、存储、使用难题的工厂级的数据中

应用可以通过，其他不明数据不能通过。由于数心。更深层次上，正是由于建立了跨工序、跨平

据接入点较多，１台主机感染病毒就会对系统产台、跨层级的数据中心，使得当前ＰＩＤＡＳ不仅可

生较大影响，数据采集网络在主机接入的交换机以为制造管理系统提供更丰富、更先进的制造管

端口上启用访问控制列表，限制通讯的端口和ＩＰ理模型，而且也为生产过程管控提供更优化、更精

后再进行接入。准的过程控制模型。比如基于数据中心的业务价

软件方面，数据中心软件平台的系统运行监值多视角的可视化技术，解决了工业数据多维度

测和报警框架（ＭＡＦ）是一个分布式的系统状态表征，满足业务需求的可视化难题；基于数据中心

主动监测和报警系统。ＭＡＦ负责监测ＤＡＦ、ＤＣＦ的业务知识化建模与持久化技术，解决了流程型

和ＤＳＦ内每个节点的系统运行情况，包括计算负工业数据价值挖掘的难题，建立了从流程型工业

载、内存使用量、存储空间、网络状况等，并根据配数据提炼知识，再将知识应用于在线控制的创新

置对出现的问题进行报警。路径；基于数据中心的多系统动态协同智能控制

技术，解决大数据与智能化在流程型工业中缺少

应用场景、无法落地的难题，实现了真正有价值的

应用，开启了轧钢工厂智能化控制的路径。

通过上述的数据中心与在其基础上开发的各０１５年逐核心，宝钢５ｍ厚板工厂级数据中心从２

效能和质量的类应用，宝钢５ｍ厚板取得了效率、步建立以来，已稳定运行５年多时间。

３ 应用实践

做为厚板数字化和智能制造平台ＰＩＤＡＳ的

图４ 当前ＰＩＤＡＳ在工厂控制系统所处位置示意图

Ｆｉｇ．４ ＳｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｔｈｅｃｕｒｒｅｎｔｐｏｓｉｔｉｏｎｏｆＰＩＤＡＳｉｎｔｈｅｆａｃｔｏｒｙｃｏｎｔｒｏｌｓｙｓｔｅｍ

快速提升，并获得了知识传承上的好处，为企业创方面的基础软件功能，对数据综合性应用、知识性

造了巨大的经济效益和社会效益。应用、智能性应用的各类应用软件功能提供底层

基础。能够满足轧钢工厂对实时数据（毫秒级

别）、准实时数据（秒级别）、过程数据（分钟级

别）、仓库数据（月级别）的存储和查询的容量和（１）ＰＩＤＡＳ数据中心的开发是５ｍ厚板工厂

性能要求。从自动化、信息化过渡、升级到数字化、网络化、智

（４）宝钢５ｍ厚板充分利用现有基础设施与能化的核心与基础。通过开发多频度异构工业数

数据资源，紧密关联核心业务、数值应用场景，实据采集、处理与存储技术，解决了工业数据中心建

现了跨生产工序、跨控制层级、跨数据采集和存储设的核心问题。

平台的数据中心。（２）建立轧钢工厂ＰＩＤＡＳ数据中心的硬件

４ 结论

平台，包括数据中心基础硬件平台和数据采集网

络，使得宝钢５ｍ厚板的数据采集工作完全覆盖

从轧制线到精整、剪切和热处理等生产关键工序，参考文献

包括特殊仪表、专业仪表，集中了厚板产线各工序

设备层Ｌ０、基础自动化层Ｌ１、过程控制层Ｌ２、制

造执行层Ｌ３、产销管理层Ｌ４、数据仓库等各层级

数据，为实现轧钢工厂数字化和智能制造提供了

基础条件。

（３）建立轧钢工厂ＰＩＤＡＳ数据中心的软件

平台，实现系统的存储、调度、采集、应用和监测等

［１］ 焦四海，丁建华，闫博，等．基于轧钢工厂的流程型企业数

字化和智能制造实践与探索［Ｎ］．世界金属导报，２０２０－

０６－１６（Ｂ０６－Ｂ０７）．

［２］ 徐晓兰，刘爱民，冯旭，等．中国工业互联网产业经济白皮

书［Ｍ］．北京：中国工业互联网研究院，２０２０：４８．

（收稿日期：２０２０－１１－０６）