客户简介

江西铜业集团有限公司是世界 500 强企业，同时也是中国最大的铜生产商之一，成立于 1979 年，总部位于江西省南昌市。

公司专注于铜及其相关产品的开采、冶炼和加工，业务覆盖矿产资源开发、冶炼加工、产品制造和国际贸易等领域。江西铜业凭借先进的技术和设备，致力于为全球市场提供高质量的铜产品。公司拥有强大的研发能力和完整的产业链，确保其在行业内的领先地位。通过不断创新和优化，江西铜业在全球铜市场中保持了卓越的竞争力和信誉。

其旗下的贵溪冶炼厂是我国最大的现代化铜冶炼厂，也是国家第一座闪速炼铜厂，生产规模已经达到世界领先地位，生产成本达到了世界最低。

业务背景

业务目标降低炉渣含铜

对于贵溪冶炼厂而言，其核心的生产工艺叫闪速熔炼，核心的生产设备叫做闪速炉。闪速熔炼是将经过深度脱水（含水小于 0.3%）的粉状精矿，在喷嘴中与空气或氧气混合后，以高速度（60～70m/s）从反应塔顶部喷入高温的反应塔内。精矿颗粒被气体包围，处于悬浮状态，在 2～3s 内就基本上完成了硫化物的分解、氧化和熔化等过程。熔融硫化物和氧化物的混合熔体落下到反应塔底部的沉淀池中汇集起来，继续完成冰铜与炉渣最终形成过程（冰铜为该环节产品，炉渣则为废料），并进行沉清分离，渣层一般为 Fe、Si 等氧化物渣含铜较高，达不到一次弃渣的目的，所以如何有效地降低炉渣含铜，是各个厂家都致力于解决的问题。

冰铜液面控制是目前能控制铜含渣和渣含铜的有效手段，如何能够更加准确的感知并控制好渣层及冰铜液面高度并且能根据高度数据合理的控制排口排放冰铜和铜渣作业是闪速炉控制渣含铜和铜含渣的重要手段。为了实现合理的作业控制目标，就需要安排合理的放渣、放铜作业时间、排放位置。如此才能在有效控制冰铜品位的前提下，更好的配合下一道转炉吹炼工序。

闪速炉生产现场

传统人工作业局限性大

当前行业常用的测量方法是借助测量检尺进行测量,充分利用了炉内渣口沉淀区液面相对静止的特点,和冰铜和炉渣与测量检尺之间的粘合力不同的特性,从而能相对准确测量出冰铜液面，渣和铜的排放作业常用的方式是基于数据人工计算安排排放排口和排放时间，但是这种传统的人工作业方法存在较多局限性。

AIoT 智能化新方案

而随着数字化、信息化和自动控制技术的不断发展，本次项目通过 IoT 数据采集，数据分析及 AI 决策的方式实现了闪速熔炼液面控制和作业自动控制，对车间实现数字化和效率提升有重要的意义，也符合数字化生产的大环境下智能化工厂标准。

数据处理挑战

该项目是非常典型的 AIoT 应用场景，在数据处理方面需要同时解决 OLTP，OLAP，时序及 AI 方面的问题。

第一，该系统需要支撑整体业务的管理和控制，包括采集设备系统的管理，控制设备的管理，作业流程的管理等，这对于数据处理来讲是属于基础的 OLTP 需求。同时由于作业系统的实时性要求，系统在各环节的业务交互响应方面需要做到小于 1 秒。

第二，在数据采集方案，该系统一方面需要通过各类传感器及摄像头采集智慧作业采集液位、温度等实时数据，另外一方面需要吹练等其他环节系统获取相关数据，同时还需要接入大量历史相关的作业操作数据，包括放渣记录，放铜记录，作业周期等数据。这对于数据处理来讲属于典型的多模数据采集，既包括传感器及从其他系统通过 ETL 工具获取来的结构化数据，又包括摄像头采集的非结构化数据，其中高频采集的时序数据会达到 250,000 条/秒。

第三，在数据应用方面，基于采集来的各类数据信息，需要建立闪速炉大数据数学计算和分析模型，通过模型对采集的数据进行计算和分析，为闪速炉炉况判断、放铜、放渣作业提供数据支撑和指导，自动生成炉前作业计划和建议，提闪速炉前作业的精准度和效率。这其实是典型的 OLAP 数据分析方面的需求，而其中涉及到摄像头数据的部分还需要使用 AI 视觉模型进行算法处理。

最后，该系统作为智慧作业系统关系到闪速生产，是一项不间断长期稳定工作的系统，所以系统的稳定性显得尤为重要，系统保证能在高负荷状态下能提供 7 天×24 小时不间断的可靠服务。

面对这样的一个数据处理需求，传统的处理方式是分而治之，每个模块采用单独的数据库组件，OLTP 的部分采用如 MySQL 类型的关系型数据库，数据采集 IoT 的部分采用一个如 InfluxDB 时序数据库，OLAP 数据分析的部分采用如 Greenplum 的数据仓库，而面向图片类的非结构化数据需要再额外建设一套用于存储的对象存储系统及 AI 算法系统。但是这样的建设方式对于 IT 人员的要求极高，且很难达到整体实时性的要求，而架在各数据库组件之间的 ETL 也面临极大的维护压力，而即使是江铜这样的冶炼巨头也无法在 IT 能力上有足够的能力能驾驭如此一套架构系统。

传统数据架构设计

解决方案

矩阵起源的 MatrixOne 数据库是一款超融合数据库，它具备以下几大特点，可以非常简便的在该项目中构建一个统一而高效的数据底座。

第一，MatrixOne 是一款超融合数据库，对于 OLTP，OLAP，时序都有完善的支持能力，对于业务流程系统需要的实时性，一致性，稳定性要求，对于时序数据的高频写入要求，以及对于指标计算的实时分析能力均可以一站式支持。同时 MatrixOne 完全基于单一的存储引擎和建模方式，用户无需管理多条 ETL 链路来进行数据搬迁。

第二，MatrixOne 是云原生化的存算分离架构，存储层基于 NFS/S3 的共享存储协议，因此天然就具备与非结构化数据统一进行存储和管理的能力。本项目上的摄像头数据可以直接由数据库的存储层来承载。

第三，MatrixOne 具备完善的用户自定义函数（UDF）功能，可以将通过代码实现的 AI 模型封装成 UDF 函数，打包到数据库中，从而避免了单独对 AI 算法进行管理和运维的工作。

第四，MatrixOne 在开发使用上来说，与 MySQL 高度兼容。不管是 SQL 语法，通信协议，常用语言的中间件，甚至常见的数据库开发可视化软件都完全一致。这样对于最初级的开发工程师来说都可以轻松驾驭。

如下图所示，在这样的整体能力支撑下，整个数据层的架构会得到极大的简化，数据处理的工作完全由单一数据库组件处理，应用开发人员的时间可以完全被解放出来，不用花费大量的精力在底层数据搬运和集成的繁重工作上。江铜集团的 IT 实施负责人在看到这样的新型设计架构后表示：“江铜已经全面进入数字化赋能和智慧工厂的建设阶段，本次闪速炉炉前作业项目是我们的一次重要尝试，但是在利用 AI 和大数据技术的过程中我们还是遇到了不少的挑战，我们一开始以开源的点状技术来设计架构，后来发现架构过重难以实施，而我们的核心任务还是要投入更多时间解决业务相关的问题，MatrixOne 这样的简化架构对我们来说是最为理想的，我们的工程师可以更加专注在业务层。”

基于 MatrixOne 的数据架构设计

客户收益

江铜集团在基于 MatrixOne 的数据架构支撑下，整体将项目的实施周期比预期缩短了 60%左右，数据架构的实际搭建仅花费 1 周左右的时间，同时整体端到端从数据采集到数据运算到作业控制策略输出的响应时间在 5 秒以内。同时对于生产而言，本项目系统增强了闪速炉铜渣的产出控制，整体锅底铜的产出降低了 80%，也有效的控制了液面的精度，基本实现了炉前作业的自动化和智慧化。

本项目对于江铜行业而言也是一次完全新型的尝试，通过 IoT 的方式进行大量数据采集并用数据分析及 AI 的方式替代人工作业，同时通过 MatrixOne 这样的先进数据方案而不会导致陷入到复杂 IT 技术的沼泽中。而这样的智慧化方案已经开始在江铜集团冶练的各个环节都开始推广建设，MatrixOne 将持续助力构建一个强大的 AIoT 数据底座。