新的PSImetals服务平台亮相2019年国际冶金大展METEC

        如今，冶金生产企业可以使用集成的生产管理系统PMS作为全面采用的标准产品。然而，冶金行业经历迅速的变革并面对新的市场需求，这对以前的系统架构和实施策略提出了挑战。

        大多数的生产管理系统PMS仅每10-15年实施一次，通常由新产线的建设、不支持硬件的重大技术变革或者并购后企业战略的变化驱动。这样的系统实施需要投入大量的人力、物力，因此在系统实施后在很长的一段时间内系统将保持稳定，只需要进行很少的变动。

变革推动者

        “永不改变在运行系统”这句稳定的口号遭受到越来越大的压力。对于冶金生产企业而言，由于市场形势变化迅速，他们也面临着越来越多的挑战，例如：
•来自新兴市场的价格竞争迫使企业降低生产成本，并开发新的创新产品。
•汽车行业等客户对产品质量、报表、缩短交货时间和缩小交货量的要求越来越高

        与此同时，技术变革正在加速发生。在“工业4.0”这一大背景下，大数据分析、机器学习和人工智能、自主代理、增强现实支持系统等新技术正在涌现，冶金生产企业应多加予以考虑这些新技术。

        数字化转型是一个旅程，是不可能一蹴而就的过程。现有的技术、硬件和软件的老化速度越来越快，这可能导致支持问题。因此，软件供应商的许可证修改将显著增加维护成本。为了成为冶金行业创新的加速器，这些挑战必须由综合的生产管理系统PMS解决。每一次旅行均始于第一步。在数字化转型的道路上，我们迈出了重要的一步，即构建一个能够应对这些挑战、确保投资并形成真正创新基础的渐进式集成生产管理系统PMS。

进化式系统架构

        生产管理系统PMS已经发展成高度集成的解决方案，覆盖整个生产价值链，并将数据存储在集成的、具备保持一致性的工厂模型中——生产中的数字孪生。通过这种紧密的集成，系统架构也满足了这些需求，并导致了一个单一的、集中的生产管理系统PMS设置。此设置需要面对一些挑战：
•由于相互之间存在依赖性，所以改变系统部件是很困难的。
•很难或者几乎不可能适应环境（许可证、硬件、新技术）的变化。
•在开始阶段没有设计边缘计算或云托管服务的使用。

        为了应对这些挑战，PSI开发了PSImetals服务平台，这是一个新的功能强大的软件基础，它结合了目前所有可用PSImetals组件作为具有前瞻性的生产管理解决方案应具备的全部能力，并整合了未来为冶金生产企业开发的所有新服务。

        服务平台遵循以下基本原则：
•模块化的服务架构，对各个功能领域进行明确的责任划分（追踪、质量、物流）。
•通过中央通信媒介（PSIbus）进行通信。
•通过业务流程建模（BPM）引擎协调服务，从而随着生产情况的变化改变生产管理系统中的信息流。
•将所有数据存储在新平台的中心——集成的PSImetals工厂模型，该模型始终提供一致的生产视图。

收益 

        该架构使得冶金生产企业在实施生产管理系统PMS时具备高度的灵活性。由于服务架构通过PSIbus进行通信，并由BPM引擎进行协调，因此可以很容易地更改生产管理系统以适应流程中发生的更改，例如添加新的产线。
        服务的模块化使得服务能够在不停机的情况下进行扩展和升级。如果一个服务过时了，或者甚至需要对底层技术（如编程语言）进行彻底的更改，则可以在不影响系统其余部分的情况下对其进行替换。

新的服务

        新的服务，如机器学习和人工智能，可以根据PSIbus协议集成。新服务的编程语言或者运行时的环境无关紧要——无论是用Python还是R编写，都可以在PSImetals服务平台上使用。除了服务的进化，这个架构还允许升级现有的生产管理系统PMS以利用这些新特性。最后，在保留集成工厂模型的同时，生产的数字孪生最终保持不变。
        通过PSImetals服务平台和PSIbus的补充，现有生产管理系统PMS很容易成为一项服务，其他增值服务可以立即从现有PMS的清晰接口和数据中获得收益。

使用案例：使用新的增值服务升级现有生产管理系统PMS

        想象一下，一个冶金生产企业希望为其汽车客户提供更准确的生产情况信息（订单完成情况、交付日期、潜在延迟等）。这是一个敏感问题，因为必须确保客户只收到有关自身订单的信息。由于这是一个明确的访问限制，因此直接访问PMS是不可能的。
        利用PSImetals服务平台，可以引入新的服务（PSImetals订单追踪器），该服务通过PSIbus从PMS提供必要的订单信息。也可在移动应用程序中使用PSImetals订单追踪器，该应用程序允许自动客户安全访问其订单信息。

使用案例：质量预测

        第二个用例是为使用新技术而添加的服务。在热轧工序后，需要对轧制工艺进行评定。在统计过程控制（SPC）控制图的支持下，根据轧制数据，由经验丰富的操作员决定是否需要对钢卷进行进一步检查。利用人工智能模型和机器学习技术，我们可以建立以历史数据为基础的新服务，从而可以在生产运行中预测质量，为操作者提供更多的信息，以便做出明智的决策。
        借助PSImetals平台和BPM引擎协调，可以通过PSIbus连接新的服务，并在轧钢机生产跟踪中调用此项服务。