混凝土是全球应用最广泛的材料之一，而混凝土生产又离不开水泥。但是水泥行业作为污染排放大户又饱受诟病。
面对日趋严格的环保法规，水泥生产商想要保持竞争力就离不开智能化运营。技术革新是水泥生产商实现生产改进 (比如优化能源管理) 的重要一环。
如今，机器学习等新兴技术为水泥生产开启了更多可能性。机器学习可以帮助这些企业改进维护策略，及早预判系统故障，避免发生代价高昂的停机事故，从而提升机器性能并降低能耗。
机器学习使用统计技术，使计算机系统能够“学习”数据（即逐步提高性能），而不需被动的编程。有了自适应机器学习算法，全球水泥生产商实施效能预测和预测性维护策略更易取得成功。
机器学习技术的应用
如今，水泥行业及其他类似行业正在大量应用机器学习技术。下面，我们将探讨各类机器学习技术及各自的优势。
01 预测性维护
罗克韦尔自动化工业物联网FactoryTalk Innovation Suite™套件，对水泥厂云平台建立并进行云计算，对设备进行预测性维护，预判主要设备或系统何时会发生故障，帮助维护团队能够及早发现并解决问题，避免非计划停机。理想情况下，这项技术可以通过机器学习记录相关数据，并映射以往发生的故障，最终理解各类故障的特征并进行分类。日后，当曾经诱发某一故障的类似模式出现时，系统便可加以识别并通知操作人员进行维护，以避免停机事故并降低维护成本 (随时间的推移不断增加)。
02 异常检测
检测异常状态和软仪表测量，基于现有数据建立模型，在无需数据专家介入情况下，判断各工序 (如配料、粉磨、预热及烧成) 是否符合系统操作的正常模式，帮助操作员及早发现异常情况或生产过程中出现的问题。
举个例子，假设篦冷机系统出现问题，以致无法充分冷却。借助异常检测，系统可以识别出异常情况——冷却系统在当前负载下排出的废气温度过高，让操作人员更早地获取预警信息，这是常规报警机制无法企及的。因此，在停机事故、效能长期不良或其他问题发生前，操作人员就能做出反应。
03 预测性 KPI 指标
罗克韦尔自动化工业物联网FactoryTalk Innovation Suite™套件和边缘计算模块部署，云边结合计算，可以预测最终结果并判断导致效能不良的原因，包括产品质量、能效、产量等。该技术利用回归分析法预测典型的工艺指标，并判断工艺指标是否在指定范围内。
KPI指标举例：水泥的比表面积或熟料游离氧化钙含量是否在设定范围内？回转窑煅烧温度是否正常，如果不正常，如何使其恢复到指定范围？尾气排放是否合规？
04 模型预测控制 (MPC)
罗克韦尔自动化原料磨和水泥磨MPC解决方案控制磨机进料、旋粉机转速、磨辊压力、喷水量等操作变量，控制磨机出料颗粒度满足质量要求并靠近上限，同时满足磨机电流，振动，噪音以及提升机电流等约束变量使得磨机产能总是趋近磨机的最大产能，还能够根据磨机运行状况利用模型预测磨机颗粒度，实现控制目标。
罗克韦尔自动化水泥窑MPC解决方案控制生料进料量、窑头及窑尾喂煤量、ID风机转速或挡板开度、窑转速、篦冷机转速等，提高窑产量并将熟料产品质量控制在规定的范围内，同时还控制预热器出口及窑尾的气相组成，将氧含量控制在最经济燃烧的范围并使CO浓度在安全范围内，提高燃料利用率及满足环保排放NOx的要求；罗克韦尔自动化的水泥窑解决方案由于在实时控制的过程中能够提前预测窑内的运行状况，因此能够提前采取措施从而减少操作过程的波动，即使出现内外部干扰，控制性能依然表现卓越，同时在设定的约束条件内，实现实时优化操作，而且能够极大的降低操作人员的工作强度。
罗克韦尔自动化水泥MPC解决方案技术优势关键体现在以下几点：
▪ 能够在短时间内开发过程的控制模型并进行在线调整，相比基于操作规程编程的专家系统能够节省大量项目执行时间，投资回报周期更短。
▪ 能够不断的控制生产过程操作在优化操作点，为装置带来更大的效益。
▪ 控制器抗干扰能力强，操作人员接受度高，控制器投用率更高。
▪ 控制器的鲁棒性强，维护工作量小。
MPC 策略可以同时优化控制多个 KPI 指标，包括质量、产量、能耗和设备运行参数限值。例如，对磨机和回转窑实施 MPC 策略，通过满足合适的有效约束条件，最大化效能水平，同时防止设备运行参数超限。
许多机器学习技术都能减少加班时间，使得水泥厂更轻松地实施上述一种或多种解决方案，帮助操作人员做出决策。
机器学习的目标很简单：利用数据为操作人员提供决策支持，或者利用自动化技术对水泥厂进行整体运营优化，最终减少计划外停机时间、提升生产率、节省运营成本并提高能源利用率。
