本報記者 米颯

　　6月26日~27日，由中國鋼鐵工業協會、中國鋼研科技集團有限公司、河鋼集團有限公司共同主辦的第二屆鋼鐵工業智能制造發展論壇的主題會議——新興技術在鋼鐵生產場景的應用與實踐，在河北石家莊燕山大酒店召開。會上，多位鋼企大咖分享了他們對新興技術在鋼鐵行業中應用與實踐的看法和心得。

　　聚焦未來智慧鋼廠

　　“當前，智慧鋼廠發展主要有5大方向、12個模塊，分別是有機循環、綠色制造、個性定制、服務轉型、智能生產；數字化工廠——一體化工程實施運維及仿真、工業大數據、工業信息基礎架構及安全、PLM（產品生命周期管理）行業應用與物流仿真、智能制造運營管理、系統化節能、產線級節能、設備狀態監控診斷、操作少人化/無人化、傳感與檢測技術、智慧物流、智慧營銷。”西門子數字化企業創新發展中心高級咨詢顧問趙海濤在做以《西門子數字化理念助力鋼鐵行業智能制造實踐》為主題的報告時表示。

　　那么，打造這樣的智慧鋼廠需要什么樣的新技術？趙海濤認為，企業應運用以下數字化新技術，挖掘未來的生產潛力。其一，大數據應用。應探索應用大數據分析工具分析影響冷軋板帶表面質量原因的方案。其二，數字化交付。推動從一體化設計到一體化運維的數字化交付的實現。其三，遠程監控診斷APP開發。開發具有高通用性的覆蓋典型自動化和驅動產品，應用于不同行業的監控診斷APP（基于本地服務器/云服務器）。其四，應用AR（增強現實）技術進行設備維護。探索AR技術在工業領域的應用，支撐現場運維管理的可視化，建立虛擬遠程運維數字化平臺。其五，無人駕駛和綠波交通。開發應用于框架車運輸的無人駕駛技術，并對重載卡車實行信號優先原則，以期提高運輸效率，降低運輸能耗。

　　同時，在打造智慧鋼廠時，企業還應注重相關人才的培養。他表示，在人才培養方向上，主要有4類，分別為頂層方案架構師、系統方案設計師、應用方案設計師、數據分析師。

　　AI及大數據在鋼鐵行業的應用

　　AI（人工智能）及工業大數據是當前鋼鐵行業較為火熱的話題。針對此話題，寶鋼股份中央研究院智能制造研究所所長張群亮在做以《AI及工業大數據在鋼鐵中應用設想與實踐》為主題的報告時表示，鋼企實施“鋼鐵+人工智能”有需求、有條件、有挑戰。

　　他進一步表示，有需求是因為鋼鐵生產流程長、問題影響因素多，各環節相互關聯，常規方法難見效；有條件是因為海量數據資源為人工智能應用提供了重要的基礎條件；有挑戰則是因為客戶的要求日益嚴苛，對技術精度、可靠性和穩定性都有著極高的要求。

　　在談到AI及大數據應用的方向時，他表示，主要有以下幾個：一是智能裝備。通過執行裝備+“視覺”“聽覺”“觸覺”等，擴展裝備功能，實現裝備智能化，自動匹配產品差異化要求。二是設備預測性維護。利用人工智能技術對設備使用、維護及質量相關數據進行學習，分析設備性能衰減趨勢，實現設備從計劃式維護向預測式維護轉變，提高效率和產品質量。三是產品缺陷檢測與分析。四是產品性能預測。基于大數據與機器學習的深度結合，建立產品性能預測模型，實現數字化產品性能管控。五是全流程生產過程預控。對生產過程進行分段、分級監控，對可能影響產品質量的因素和現象及時報警，及時發現質量問題，減少批量缺點。六是智能控制模型。目前，鋼鐵過程控制基本采用“冶金機理計算+過程控制”，其控制模型不具備在生產中不斷自我優化和進化的能力，發展方向是打造基于AI自主學習能力的過程控制系統，使控制模型具有動態學習能力，能夠根據外部條件變化自行調整，并具備知識積累能力。七是產品數字化設計。人工智能和材料設計的結合目前已經起步，未來或將帶來產品設計的革命。八是產品表面質量智能管控。原有檢測方式是人工記錄產品表面質量狀況，事后查詢記錄。這種人工質檢往往受制于質檢人員即時的身體狀態和心理狀態、質檢人員的經驗是否豐富、不同質檢人員的知識背景，其結果是不穩定的，容易造成缺失。

　　綜合來看，AI及工業大數據在鋼鐵行業的深度應用是趨勢，目前已具備了可行性與經濟性。同時，他也提醒，企業在應用AI及工業大數據過程中，既要關注機會，也要避免“陷阱”，特別要注重提高模型應用的可靠性。

　　工業互聯網如何在鋼鐵行業落地

　　“傳統制造系統存在的痛點主要有以下幾個：一是感知深度不足。傳統儀表自動化系統僅感知過程變量，信息維度低，難以反映物理過程深層次動態特征。二是互聯廣度不足。跨領域信息孤島難以互聯互通，無法準確描述領域間復雜的互聯關系，決策全局性差。三是分析的綜合預見性不足。對工業運行數據的挖掘深度不夠，導致決策不明確、盲目。當前，制造業的需求是以互聯網為代表的新一代信息技術與制造系統的深度融合，即工業互聯網。”主題會議上，江蘇金恒信息科技股份有限公司副總經理章紅波在做以《工業互聯網在鋼鐵企業中的探索與應用》為主題的報告時表示。

　　她進一步表示，工業互聯網的使用場景主要有以下幾個：一是面向工業現場的生產過程優化，包括優化工藝參數、生產績效管理服務優化，以及良品率的自動診斷設備的預測性維護、能耗優化等；二是面向企業運營的管理決策優化，包括優化供應鏈管理、經營績效分析、供應鏈一體化協同及排產、倉儲物流、訂單管理等；三是面向社會化生產的資源優化配置與協同，包括協同制造、個性定制、產融結合；四是面向產品全生命周期的管理與服務優化，包括產品溯源、產品設計反饋優化等。

　　她指出，工業互聯網平臺需要解決多類工業設備接入、多源工業數據集成、海量數據管理與處理、工業數據建模分析、工業應用創新與集成、工業知識積累迭代等一系列問題，涉及七大類關鍵技術，分別為數據集成和邊緣處理技術、LaaS（基礎設施即服務）技術、平臺使能技術、數據管理技術、工業數據建模與分析技術、應用開發和微服務技術、安全技術。

　　工業互聯網的平臺架構分別為：應用層、工業PaaS層（平臺即服務）和邊緣層。其中，應用層是為了解決工業實踐及創新問題。一方面進行工業應用部署，通過工業SaaS（軟件即服務）和APP的方式實現設計、生產、管理等環節的價值提升；另一方面進行工業應用創新，借助開發社區等方式塑造良好的創新環境，推動基于平臺的工業APP創新。工業PaaS層是為了解決工業數據處理和知識積累沉淀等問題，形成良好的開發環境。邊緣層則是為了解決數據采集集成問題。

　　《中國冶金報》（2019年07月04日 03版三版）