钢铁：提高产能利用率 实现智能化生产

张朝

钢铁行业工业互联网平台可实时采集高炉等高价值设备的运行数据，，实现设备预测性维护。

钢铁行业工业互联网平台可将工业知识显性化为工业机理模型，结合采集数据，实现智能化生产。

赛迪智库信息化与软件产业研究所

钢铁行业当今正面临设备维护成本高、工业知识隐形程度高、下游需求日益个性化、环保压力增大等挑战，亟须围绕设备管理、生产管控、供应链管理、环保管理等方面开展数字化转型。连接全要素、全产业链、全价值链的工业互联网，正是钢铁行业进行数字化转型的首选路径，但是在落地应用中存在诸多问题。基于此，研究工业互联网平台如何在钢铁行业中规模化落地具有重要意义，有利于推动我国钢铁行业关键生产设备管理、生产工艺全过程管控、全产业链协同以及能耗管理向数字化、网络化、智能化转型升级，深化钢铁行业供给侧结构性改革，开创钢铁行业高质量发展新局面，实现从钢铁大国向钢铁强国的转变。

四大趋势引领钢铁行业数字化转型

（一）设备管理由传统维护向智能维护转变

钢铁企业通常部署有高炉等众多高价值设备，以往只能采取事后维护或者基于主观经验判断和固定失效周期的定期维护，很难准确识别设备故障并维修，容易造成产线停滞和生产安全等重大问题。随着智能传感器和通信技术的兴起，实时监测高炉等设备的温度、压力、流量等各种工况数据成为了现实，基于此可实现设备故障的自感知、自分析和自决策，做好设备的预测性维护，减少维护成本，提高设备的可靠性，并保障生产的通畅运转。

（二）生产工艺由黑箱式向透明化转变

钢铁行业是典型的长流程行业。很长一段时间，钢铁企业的冶炼工艺、冶炼配方、设备维护、经营管理等环节的正常运转，只能依靠隐形程度很高的人工经验，容易造成工人技术水平参差不齐和产品质量波动。随着信息技术在钢铁企业的深度渗透，隐形的生产经验被挖掘、提炼，并封装显性化软件模型，实现生产工艺透明化，更有效指导实际生产，提高生产效率和安全水平。

（三）供应链体系由局部协同向全局协同转变

库存一直是钢铁行业的一大管理痛点，家电、汽车等下游产业对钢材的需求日益个性化，加大了作出科学高效采销决策的难度。钢铁行业传统的供应链只能靠契约合同保障，信息孤岛化问题突出，物料信息难以在供应链中实现跨环节的自由流通，大大增加了企业运营成本。钢铁企业可将ERP、SCM等信息系统集成用于供应链整合，构建上下游信息流通渠道，结合产品需求、原料供给和产能配置，及时调整生产计划，提高产能利用率，减少库存积压。

（四）环保管理由粗放型向清洁型转变

钢铁行业是高耗能、高污染、高排放的代表性行业，在国家大力治理环境污染时，行业面临的环保成本急剧上升。钢铁行业急需转变发展理念，重视环保管理水平提升，加快由以前单纯追求产量扩张的粗放型生产方式向追求优质低碳的清洁型生产方式转变。而物联网、大数据、人工智能等数字技术的出现，可以帮助钢铁企业实时采集、监测、分析各生产环节的能耗和排污情况，集中企业资源对重点环节进行工艺优化或设备升级，提高企业清洁型发展水平。

具有四大典型应用场景

（一）设备全生命周期管理

钢铁行业工业互联网平台可实时采集高炉等高价值设备的运行数据，结合设备故障诊断模型，自动预警设备故障并确定最优设备维护方案，实现设备预测性维护。一是设备状态监测。钢铁企业通过工业互联网平台实时采集高炉等设备工作温度、工作环境和应力分布等状态数据，并做可视化处理，增强设备状态监测的可靠程度。二是设备故障诊断。综合利用采集的设备数据，结合设备故障诊断模型，对设备故障进行分析和预警，避免设备故障引发的生产停滞和安全问题。三是设备维护仿真。根据设备故障位置和重要性，利用工业互联网平台在赛博空间中仿真模拟维护方案，并选出可靠的维护方案，保障企业正常生产。四是设备创新设计。将高炉等生产设备运行监测数据反馈至设备生产商，结合性能需求和应用环境，全方位模拟设备运行状态，确定最佳设备生产方案，形成良性的设备迭代优化闭环。

（二）智能化生产

钢铁行业工业互联网平台可将生产工艺、生产过程管控、产品质量管理等领域涉及的工业知识显性化为工业机理模型，结合实际采集数据，实现智能化生产。一是生产工艺优化。工业互联网平台可应用人工智能等先进技术，在赛博空间对钢铁的工艺配方、工艺流程等方面进行全方位、超逼真的模拟仿真，得到产品最佳生产工艺方案，缩短产品上市周期。二是生产过程管控。工业互联网平台可将生产过程中涉及的工艺知识、工业经验等技术要素封装化并显性化为可调用的机理模型，结合采集的设备、环境、材料等参数，确定最优加工计划，提升生产效率。三是产品质量管控。通过在工业互联网平台部署生产质量分析模型，可采用机器视觉等技术，采集和分析产品全过程质量数据，持续迭代优化闭环控制体系，实现全流程产品质量跟踪及自动控制，提升产品质量控制精度。

（三）供应链协同

钢铁行业工业互联网平台可汇聚整理产业链物料信息和产能信息，结合下游实际需求和企业生产能力，制定科学的生产计划，满足零库存运营要求，实现供应链协同。一是产业链物料流通协同。通过工业互联网平台可与上下游企业建立互通互联的数据通道，动态监测上游原材料供给情况，辅助原材料采购决策;搜集整理下游企业订单和产品定制信息，自动生成生产计划，对产品进行个性化加工和精准化配送。二是社会范围生产能力协同。通过工业互联网平台整理订单信息和其他鋼铁企业的基本信息，动态匹配产品性能要求和钢厂的生产工艺水平，通过订单共享实现产能共享，提高钢铁行业产能利用率。

（四）绿色化生产

钢铁行业的能耗和环保问题日益突出，钢铁企业可采集各生产环节的能源消耗和污染物排放数据，找出问题严重的环节，并进行工艺优化和设备升级，降低能耗成本和环保成本，实现清洁低碳的绿色化生产。一是节能降耗。贯穿钢铁企业整个生产过程的工业互联网平台，通过建设能源管控中心，实现能源生产、能源消耗数据的自动实时采集、集中监视，并基于数据进行能源智能管理、能源供需平衡、能源预测优化，生成高效的能源利用方案。二是治污减排。钢铁企业可在各工艺设备的排污口设置智能监测传感器，将实时采集的排污数据传输至工业互联网平台，综合分析钢铁企业生产过程中的有毒有害物质的排放情况，确定工艺优化和设备升级方案，减少对生态环境的污染和破坏。

推进应用场景落地的着力点

（一）聚焦數据流通质量，打造高效边云协同体系

一是增设智能传感器，通过在设备、车间等区域部署热成像仪、压力传感器、振动传感器、轨迹识别传感器等具备边缘计算能力的智能终端，提前过滤无用的冗余数据，精准采集数据。二是完善数据解析体系，面向钢铁企业中的关系数据、时序数据、文档数据、地理空间数据等海量异构数据，建立高效的数据解析体系，统一数据格式.实现数据跨领域流通。三是建立大数据共享中心，在云端汇聚设备、生产、供应链等数据资源，根据实际业务需求，通过跨领域数据的互相调用，激发数据资产活力，以数据的全局自由流动带动资源配置的全局优化。

（二）围绕工艺流程优化，提高机理模型供给能力

一是围绕设备管理，开发钢铁行业设备状态监测类模型、设备维护类模型等，提高设备资产管理水平。二是围绕产线管理，开发钢铁行业物料管理类模型、质量管控类模型、生产工艺优化粪模型、生产配方优化类模型、全流程排程优化模型、节能降耗类模型等，优化生产过程管控能力。三是围绕企业经营管理，开发钢铁行业供应链管理模型、订单管理模型、财务管理模型等，构建高效供应链协同体系。四是开发模型综合管理平台，汇聚机理模型资源，实现模型的标签化管理、智能化搜索和精准化调用。

（三）坚持行业痛点导向，完善特定场景解决方案

一是围绕设备全生命周期管理，梳理钢铁行业各机械设备在状态监测、故障分析、维护作业等环节的痛点，针对特定问题，综合调用机理模型，形成特定设备专用预测性维护方案。二是围绕智能化生产，挖掘钢铁行业在工艺设计、流程排程、质量管理等环节的痛点，按需调用机理模型形成特定场景的解决方案。三是围绕供应链协同，分析钢铁行业传统供应链中信息流通堵点和供需错配问题，结台企业硬件设施和运营环境，构建供应链管理解决方案。四是围绕绿色化生产，整合钢铁行业在能耗和排污方面粗放型管理的问题，明确环保监测、分析等环节的痛点，集成机理模型，形成提高环保管理水平的解决方案。

（四）重视平台安全防护，建立高度可靠安全系统

一是夯实设施安全。围绕钢铁行业生产设备、服务器、主机等基础硬件设施的安全接入，部署网络安全协议和容灾备份系统。二是强化数据安全。明确钢铁行业设备数据、生产数据、供应链数据在收集、存储、处理、转移、删除等环节的安全保护要求。三是建立安全管理体系，围绕钢铁行业工业互联网平台安全监督检查、风险评估、数据保护等方面建立健全安全管理制度。