日前，中國船舶集團旗下中船九院(簡稱“中船九院”)研發的“船廠鋼板庫區物料自動化管理系統”，在中國船舶集團旗下大連船舶重工集團有限公司得到實例應用。這是中船九院融合先進智能制造控制理念及手段取得的最新科研和實踐成果。據了解，在集團公司的指導下，中船九院還不斷推進數字化轉型工作，聚焦船舶行業規劃設計能力提升和運維服務拓展兩大目標，推出了“智能工廠數字化平臺”。

數據更“有價值”

近來，中船九院不斷完善船廠數字資產系統，挖掘數據背后的“富礦”。例如，數字資產系統將BIM技術與大數據進行融合，將“三維數字模型”“數據源”“可視化”集成起來，依托該院多年積累形成的設計、工程、技術等知識庫，加上現場數據的反饋，通過平臺的大數據分析管理，實現船廠數字資產數據可視化聯動，系統根據數據信息的分類，形成了數據總覽、設施、能耗、預警、性能等幾大類功能模塊，通過系統設置可以細化數據分類等級。

該數字資產系統為保證其數據源的唯一性，把數據源放在數據中心進行統一管理，主要包含設計數據、監測數據和診斷數據。設計數據通過現有設計資料、歷史數據整理形成三維數據模型數據庫，監測數據、診斷數據也均來源于數據中心，除可以聯動查看廠區設施、設備等數據外，該系統還包含檢索、分類、查看、數據比對等功能。

制造更“安全”

作為建造“海上城市”的工廠，船廠的生產工藝繁雜，有相當數量的基礎模塊要在室內生產車間完成，保障大跨度鋼結構車間健康運行是安全生產全局中的重要一環。由于生產工藝的需求，生產車間往往跨度大、吊車噸位大、服役環境狀況復雜，受到的荷載作用交替變化且具有一定的隨機性，部分構件還會直接受到動力作用，加之鋼結構廠房往往維護保養不到位，發生損壞的潛在危險性較大。為此，中船九院構建船廠結構健康監測系統，利用數據“實時體檢”。

船廠廠房結構健康監測借助“工業互聯網+安全生產”，建立覆蓋關鍵構件的安全生產信息化監測預警系統，通過對結構狀態進行實時監測，開發了以實時監測為基礎的智能算法，建立結構安全評價機制，利用工業BIM平臺將結構狀態實時展現給設計及運營方，實現結構安全快速評價，提高運維效率。

船廠廠房結構健康監測系統不僅是廠房安全評估與預警的有效手段，同時也是建立船舶生產安全防控體系中的重要一環，從根本上降低事故風險，真正把問題解決在萌芽之際、成災之前。

大型裝備的智能運維系統，通過數據反饋“健康”狀況。大型起重設備單臺造價高，但在船舶制造中卻有不可或缺的作用。而現場作業工況復雜、作業環境惡劣，保障起重設備本質安全又是船廠安全生產中十分重要的一環。

根據船舶行業大型起重設備的運維現狀，依托工業互聯網平臺，建立該類設備運行狀態和特征狀態監測系統，實時采集設備工況和狀態數據，融合大數據智能分析手段，將大型起重設備的狀態以數字化、結構化數據形式體現，更直觀地反映設備實時狀態、劣化趨勢，實現故障的實時監測報警。同時，搭建故障決策樹算法來判定故障原因，再給出處理故障的決策建議，從而實現大型起重設備安全生產從靜態分析向動態感知、事后應急向事前預防轉變。

運行更“節能”

船舶涂裝作為船舶生產過程中揮發性有機化合物(以下簡稱“VOCs”)排放的主要環節，新標準、嚴政策倒逼船企對涂裝車間產生的VOCs治理提出更為嚴苛的要求。目前采用的“沸石轉輪+RTO”廢氣處理系統，受限于涂裝作業間歇式的工作方式與VOCs濃度的寬幅波動，使得該廢氣治理系統在運行過程中使用過量天然氣助燃以達標排放，給企業運行造成明顯的能耗負擔。

于是，中船九院通過數據預測實現對VOCs治理的設計優化。基于船舶企業涂裝車間VOCs監測技術研究和專業技術分析，以“機理模型+數據模型”為驅動，數字化平臺利用人工智能和工業大數據等前沿數據分析技術，針對船舶企業涂裝車間的VOCs濃度預測和“沸石轉輪+RTO”系統的節能運行開展重點研究，從而實現該廢氣治理系統的優化設計與降本增效，達到處理效果與經濟成本最優的整體目標。

管控更“智能”

能源管控系統作為中船九院船廠的“智慧管家”，按照自動化運行、集約化操控和智能化管理三個層次進行設計和建設實施，對船廠生產車間全流程范圍內的動力、電氣、給排水三大能源專業進行遷移升級整合，實現了車間生產制造的遠程集中操控以及智慧運營管理，進一步提升了能源系統運行效率。同時，該系統以自動化運行、集約化操控、智能化管理為核心，運用“物聯網+大數據+機理+算法”的手段，對能源生產全過程進行能耗能效評價分析，對能源產生量、消耗量進行精準預測，實現“實時監測、自動匯總、靈活報表、動態分析”的能耗管理模式。

此外，該系統還通過提供實時及歷史數據分析、對比功能，以發現能源消耗過程和結構中存在的問題，同時系統對管網和車間設備進行狀態監測和故障預警，通過與相關信息系統的數據共享、協同，建立車間能源綜合優化方案，進而有效降低能源損失，提高能源轉化效率，提高生產安全穩定性，降低企業能源成本，實現能源價值最大化。

(新媒體責編：xmtqyd)