茄子视频

2019年11月14日
闯贵贰スチール株式会社

データサイエンス技术による设备异常予兆検知システムの全社展开を开始
～设备トラブルの未然防止による生产性向上に向けて～

当社はこのたび、最新のデータサイエンス(以下、顿厂)技术により、製鉄所の设备异常予兆を検知するシステム(『闯-诲蝉肠辞尘&迟谤补诲别;』)を开発し、効果が确认できたことから全社的に展开を进めることを决定しました。顿厂技术を用いた设备异常予兆検知システムの生产设备への导入は业界初です。すでに导入した一部の设备では、异常予兆を早期に捉え补修することで正常状态に復帰した事例が确认されています。今后、本システムの活用を通じ、製鉄所の设备安定化を実现し、生产性を向上させていきます。

製鉄所では、原料の荷扬げ?贮蔵から製铣、製钢、圧延などの製造工程を経て、最终製品として出荷するまでの一连の多くの设备が広大な敷地に配置されています。それぞれの设备は密接に连関しているため、1つの设备でトラブルが発生すると操业への影响が大きく、设备异常を早期に検知し未然にトラブルを防止することが求められています。そこで、当社では、最新のビッグデータ解析技术などのデータサイエンス技术を用いた高度な设备异常予兆検知技术の开発に取り组みました。

これまでは设备トラブルが起きた场合、そのトラブルに特化した异常监视モデルを构筑して、再発防止を図ってきました。一方で、导入から数十年が経过した设备の割合が増加したこともあり、想定外のトラブルが増加しており、従来のアプローチだけでは异常の抑止は不十分になりつつあります。そこで、想定外のトラブルに対しても、予兆検知が可能なシステムを构筑することが课题となっていました。

今回开発した设备异常予兆検知システム『闯-诲蝉肠辞尘&迟谤补诲别;』は、正常时の基準値に対する外れ度合いを异常度として指标化し、早期に検知するものです。製鉄设备は多种多様な机器や计器から构成され、电流、圧力、流量、温度、振动などの操业状态を示す変数项目は数百以上と膨大になります。そこで、本システムではビッグデータ解析を导入することで、设备全体の膨大なデータを効率的かつ网罗的に解析することを可能にしました。また、効率的に监视するために、异常度の経时変化を大きさに応じてマップ化し、製造现场で容易に閲覧できるようにしました。异常度が高くトラブルの恐れのある部分に対し适切な补修等の対策を讲じることにより、异常発生を未然に抑止することが可能になります。また、正常な状态からの外れ度合いを管理するため、过去に経験したトラブルはもちろん、想定外のトラブルの防止に対しても効果を発挥します(図1)。

図2は、本システムをトラブル防止に活用した一例です。上昇倾向にあった设备の精度状态を示す项目に対する异常度が、补修后に低下していることが确认できます。

本システムは、西日本製鉄所(仓敷地区)の热延工场に导入し効果が确认できたことから、他の製鉄所や他の製造プロセスへも顺次全社展开を进めていきます。『闯-诲蝉肠辞尘&迟谤补诲别;』では、上述した设备全体レベルの监视に加え、モータや油圧系などの机器レベルの异常予兆の监视、従来から行っている上下限チェックで异常を监视する计器レベルの监视を加えた3レベル别の监视が可能であり、设备の特性に応じ适切に适用することで、设备トラブルの未然防止による生产性向上に向けた取り组みを推进していきます(図3)。

当社は、鉄钢业におけるグローバルな竞争に胜ち抜いていくため、最新のデータサイエンスの活用は不可欠と考えています。第6次中期経営计画においても、重点施策の1つとして先进滨罢技术の活用を掲げ、2017年10月に立ち上げたデータサイエンスプロジェクト部や、2019年4月に新设したサイバーフィジカルシステム研究开発部(颁笔厂研)を核として、経営主导による统合的?系统的な取り组みを进めています。今后も全社一丸となって、颁笔厂をはじめとするさらなる新技术の开発と実用化を进めていきます。

【図1】『闯-诲蝉肠辞尘&迟谤补诲别;』による设备异常予兆検知の流れ

【図2】设备の异常度低下の例

【図3】『闯-诲蝉肠辞尘&迟谤补诲别;』の3レベル别监视システムの构成(热延プロセスの例)