钢铁 OT 数据治理的五个对象与一条链路

引言

钢铁企业的 OT 点位规模是几十万到上百万量级。这个体量下,第一反应往往是“先建时序库把点接进来”。

但接入只是把水引进管子,不等于水质合格。真正决定治理成败的,是治理对象选得对不对。本文把钢铁 OT 数据拆成五类对象,再给出一条可落地的链路,最后落到推进顺序。

一、五类对象

治理对象治理内核关键交付物失控后果
高频时序测点与元数据唯一编码、单位量程、采样口径、设备归属、责任人测点台账(全厂唯一一本账)点位不可解释,换个人就没人认得
设备与工序主数据、语义模型设备层级、工序编码、测点到业务对象的映射设备主数据树、语义层定义数据永远是“信号”,成不了业务数据
物料谱系与质量追溯链以炉次、板坯、钢卷为索引的正反向追溯谱系图、追溯接口质量问题只能查到工序,查不到参数
能源介质与公辅计量计量口径、产耗平衡、时序对齐能源计量台账、平衡规则吨钢能耗算不准,煤气放散查不出
指标与质量事件指标定义、计算口径、事件编码指标字典、事件库同一指标三份报表三个值

这五类不是并列关系,而是有依赖顺序:测点台账是地基,主数据是骨架,谱系、能源、指标是从主干分出的三条枝。地基不稳,上面三条枝都长不实。

1.1 测点台账:唯一的一本账

台账的最小字段集不必复杂,但必须齐全:

字段组具体字段缺了会怎样
标识测点编码、别名、来源系统同一物理量多个名字,关联时对不上
语义中文名称、工艺含义、所属设备、所属工序只能看数值,不能判断业务含义
计量单位、量程上下限、分辨率、数据类型单位混用,能耗算错量级
时间采样周期、时标来源、时区跨系统对不齐时间轴
质量质量码规则、异常判定阈值、补全策略坏数据无标注地流到下游
责任归属部门、责任人、变更记录出问题找不到人

一张真实台账的规模:一条中等产线 5000—20000 个测点,全厂几十万条记录。这个量级用表格维护必然失控,必须落库、必须走变更流程。

1.2 编码规则:可读、可扩展、可校验

编码不是美学问题,是关联键问题。一条可用的编码通常包含层级信息:

段示例长度说明
基地/厂区LG2多基地时避免冲突
工序LF2—3炼钢、精炼、连铸、轧钢
设备2CCM3—52 号连铸机
部件/位置MOLD4—6结晶器
测点类型TEMP4温度、流量、压力
序号012同类型多点

拼成 LG-LF-2CCM-MOLD-TEMP-01。好处是能按前缀做聚合查询、能在编码层面做机器校验(段数、字符合法性),坏处是设备改造后编码可能需要变更——所以台账里必须同时保留“历史编码”,否则历史数据关联断裂。

1.3 炉次号:全流程的主键

钢铁的质量追溯以炉次号为轴。一炉钢的典型流转:

flowchart LR
    A["转炉出钢<br/>炉次号 L26-1106-042"] --> B["LF 精炼<br/>同炉次号"]
    B --> C["连铸<br/>炉次 → 流 → 板坯号"]
    C --> D["轧钢<br/>板坯 → 钢卷号"]
    D --> E["检验与入库<br/>钢卷 → 质保书"]
    A --> F["成分与工艺参数"]
    B --> F
    C --> F
    D --> F
    F --> G["按炉次/钢卷聚合的追溯视图"]

图 1:以炉次号为轴的正向流转与反向聚合

关键设计是一对多映射表:一炉钢可能对应多流、多块板坯、多个钢卷。这张映射表如果不治理,追溯就只能做到“炉—卷”整体对不上,出现质量异议时无法定位到具体是哪一流、哪一段。

一个实际算例:某产线一炉钢产生 6 块板坯、轧成 12 个钢卷,涉及 3 道工序、约 40 个关键测点、时间跨度 6 小时。要支持“给定钢卷号,回放其全部关键参数”,需要 12 × 40 × (6 小时 × 采样密度) 的数据点被正确关联,任何一处编码不一致都会造成整条链断掉。

二、一条链路:从接入到资产

flowchart TD
    A["第一段 接入归一<br/>协议适配、时钟校准、质量码生成"] --> B["第二段 加工可信<br/>类型转换、异常识别、缺省处理、可审计"]
    B --> C["第三段 语义建模<br/>点位 → 设备/工序/物料/指标"]
    C --> D["第四段 资产服务<br/>目录、接口、事件流、权限"]
    D --> E["场景:质量追溯 / 能耗优化 / 预测性维护 / 报表"]

图 2:四段链路。前两段解决“可信”,后两段解决“可用”

段落输入输出判据
接入归一多协议原始报文统一格式 + 原始时标 + 质量码覆盖率、时标偏差
加工可信原始序列标注后的可信序列异常识别率、误判率、可回放
语义建模点位与台账业务对象与指标语义完备率、映射准确率
资产服务对象与指标目录、接口、数据集复用次数、接口可用率

四段里最容易被跳过的是第二段的“可审计”。清洗逻辑写在脚本里、参数写死在代码里,出了问题无法回答“这条数据被改过没有、按什么规则改的”。正确做法是把规则版本化:每条处理结果记录规则 ID 与版本。

三、可对标的公开数据

以下是公开报道中的企业数据,均为宣传口径、统计范围与统计时点未必一致,只作量级参考:

企业公开数据出处类型
永钢(永卓控股)40 多万个采集点位,134 套 AI 应用企业官网新闻
南钢百万级 OT 点数据资产地图,核心数据入湖率 85%(2024 年报道),后续报道提至 95% 以上媒体与官网报道
敬业集团累计接入 L1 数据点 6 453 项,全流程一键追溯 3 秒以内高校行业动态转载
福建三钢12T 以上数据资产盘点并分类分级,三个场景取得数据资产登记证书政府网站与集团官网

这些数字的正确用法是对标量级,不是对标排名。40 万点和 6 453 点不矛盾——前者是全集团采集点位,后者是某类 L1 接入范围,统计口径不同。

四、三阶段推进

阶段范围目标典型周期
试点一条产线或一个工序跑通四段链路,出一个可量化效果3—6 个月
扩展相邻工序、跨工序追溯打通炉次号,形成一贯制追溯6—12 个月
全域全厂、多基地统一台账、统一指标、资产服务化12 个月以上

试点选什么最划算?三个判据:业务痛点明确(追溯慢、对账差异大)、数据基础可用(有台账或能快速补)、责任部门愿意配合。三者缺一,试点都会变成“演示项目”。

五、三个常见误区

误区一:先做指标,后做台账。 指标定义依赖测点语义,台账没建好,指标口径只能拍。结果是同一个“吨钢电耗”在不同报表里差 5%。

误区二:把物料谱系交给 MES,认为与 OT 无关。 谱系的主键来自 OT 侧(炉次、流、坯、卷的对应关系往往由 L2 产生),只靠 L3 补录必然有断点。

误区三:能源计量只装表不对账。 装表只是开始,产耗平衡需要对“进多少、出多少、损耗多少”建规则,否则数据只是摆设。

六、落地清单

  • 测点台账落库,字段覆盖标识、语义、计量、时间、质量、责任六组
  • 编码规则成文,含历史编码保留策略
  • 炉次—流—坯—卷映射表有唯一维护方与校验规则
  • 四段链路每段都定义了输入输出与判据
  • 清洗规则版本化,处理结果可回放到规则 ID
  • 能源计量有产耗平衡规则与差异容忍阈值
  • 指标字典与台账、谱系建立引用关系
  • 试点范围与验收指标在启动前书面确认

七、结论

钢铁 OT 数据治理的对象不是“一堆点”,而是五类有依赖关系的对象加一条四段链路。点位是地基,主数据是骨架,谱系、能源、指标是三条枝。

判断是否真的在治理,问三个问题就够:换个人能不能凭台账看懂这个点?给定一个钢卷能不能回放全部关键参数?第二个场景接入时要不要重新洗数据?