王國棟：加速數字化轉型，鋼鐵行業必須打造這一“核心競爭力”
作者：admin 發布日期：2022/8/4 8:17:43
鋼鐵工業是國民經濟的重要基礎產業，是國之基石。改革開放以來，我國鋼鐵行業迅速發展，到2020年，我國鋼產量已經達到世界總產量的57%，可以生產所有門類的鋼鐵產品。鋼鐵工業為國家建設提供了重要的原材料保障，有力支撐了國民經濟的健康發展，推動了我國工業化、現代化進程，促進了民生改善和社會進步。
鋼鐵行業數字化轉型的機遇與挑戰
作為大型復雜流程工業，鋼鐵工業全流程各工序均為具有多變量、強耦合、非線性和大滯后等特點的“黑箱”，實時信息極度缺乏；各單元為孤島式控制，尚未做到單元間界面無縫、精準銜接。鋼鐵行業面臨的質量、成本、環境、穩定性等方面的問題亟待解決。嚴重的“不確定性”是鋼鐵生產過程面臨的重大挑戰。
鋼鐵行業具有豐富的數字技術應用場景資源。經過長期的建設和發展，鋼鐵行業已經具有先進的數據采集系統、自動化控制系統和研發設施，可以為我們提供海量的數據資源。我們已經實現了全面的數據采集和豐富的數據積累。
習近平總書記號召我們“加快建設數字中國”。我們鋼鐵人要將數字技術與鋼鐵行業深度融合，充分發揮鋼鐵行業海量數據和豐富應用場景優勢，在工業互聯網、大數據、云計算、5G網絡等信息技術的支撐下，借助大數據與機器學習/深度學習等數據科學技術，快速解析海量數據中蘊含的企業生產過程中的規律，并利用這些規律解決流程工業普遍存在的不確定性等“黑箱”難題，發揮數據技術的放大、倍增、疊加作用，推進鋼鐵行業的數字化轉型與高質量發展。
數字驅動的鋼鐵材料創新基礎設施
鋼鐵材料創新基礎設施是以工業互聯網為載體、以數字孿生為核心，提供數據全生命周期管理，支持數據治理、大數據存儲、大數據分析引擎、大數據流動驅動等數據底座。它搭建數據化業務基盤，并構建面向未來的數字化創新應用，依托全流程、全場景數字化轉型，軟硬協同，發展最新的工業信息通信技術，實現鋼鐵工業的數字化轉型。
鋼鐵行業必須與數字經濟、數字技術相融合，發揮鋼鐵行業應用場景和數據資源的優勢，以工業互聯網為載體、以底層生產線的數據感知和精準執行為基礎、以邊緣過程設定模型的數字孿生化和CPS化為核心、以數字驅動的云平臺為支撐，建設數字技術與鋼鐵企業實體技術深度融合的數字化創新基礎設施，鋼鐵材料創新基礎設施是鋼鐵工業的核心競爭力。
創新基礎設施的核心功能，就是建立鋼鐵材料的成分設計、制造工藝與其組織、性能、服役表現、外形尺寸、表面質量或其他各種經過數字化的非結構化數據表征的狀態變量之間的關系，即建立鋼鐵行業信息物理系統的數字孿生，利用自學習、自適應、自組織的數字技術持續優化生產工藝過程，實現鋼鐵行業綠色化、數字化、高質化、服務化發展的目標。
鋼鐵企業創新基礎設施包括4個主要組成部分，即實驗中心、中試基地、底層生產線組成的物理空間，位于邊緣的邊緣數字化核心平臺（邊緣云平臺），位于云平臺之上的企業資源配置與管理平臺（資源配置與管理平臺），以及管理以上底層物理實體和2個平臺的網絡系統。
強大健全的物理實體底層：數據采集與執行機構
鋼鐵創新基礎設施的底層是企業實驗室、中試基地、生產線組成的物理實體。在物理實體設備上安裝的信息感知系統，采集數據并傳送到邊緣或云平臺，對經過預處理的海量數據，進行數據分析，并在邊緣建立數字孿生模型進行過程控制，或在云平臺進行管理和操作指導。
鋼鐵工業要采用數字化技術，實現數字化轉型，首要條件是鋼鐵產線的各個基本單元具有完備、可靠、性能優良的數據采集系統，可以提供精準、齊全的現場有關材料成分和實時操作數據等輸入數據，以及材料外形尺寸、組織性能、表面質量等輸出數據。同時，各工序的基礎自動化系統和執行機構必須以足夠的響應性、實時性和控制精度實現過程控制系統與物理系統的實時交互，完成需要的自動化控制任務。
盡管我國的多數鋼廠是近年建設的，采用了先進的自動化技術，有較好的自動化基礎，但是仍然有缺項和“短板”。因此必須填平補齊底層生產線的數據采集和執行機構的缺項，消除“短板”。由于鋼鐵行業作業條件和技術水平的限制，過去的一些數據難以檢測，甚至檢測不了。比如煉鋼過程中的下渣檢測、連鑄液面波動檢測、復雜形狀的測量等?，F在可以采用各種新檢測方法來實現信息感知。利用機器視覺技術可以提供多維測量的信息，經過數據變換和分析，可以獲得我們需要的尺寸、形狀、分布等定量的表達。這方面有很大的創新空間。
執行機構嵌入到三類實驗工具的物理實體層上。依靠實驗室規模的基礎性實驗裝備提供的信息，可以建立初級數字孿生模型。這組模型經過中試規模實驗工具的驗證、優化，再進一步在實際生產線規模的實驗工具上進行生產性驗證和優化。優化后的數字孿生模型，在生產中承擔生產過程設定計算和動態設定計算，并與物理系統（即生產線）進行實時交互、反饋控制、循環賦能。處于模型庫中的各鋼種模型，具有高度自治的功能，可以在軋制該鋼種時，利用實測大數據進行自學習、自適應，實現模型的更新，持續不斷地提高模型的保真度。
為進一步提高生產效率、改善成材率、實現穩定生產，需要對傳統自動化系統補課，大力推進操作的遠程化和自動化。對于3D（Difficult，Dirty，Dangerous）崗位實行機器人化。這是一個長期的工作，可分步逐步實施。
數據驅動的IT系統架構
建立數據驅動的新型IT架構。這種IT架構通過工業互聯網直接將底層的數據采集系統獲得數據傳輸到邊緣及云中的數據中心/機器學習平臺，在邊緣形成數字孿生模型取代原有的機理或經驗模型，而在云中多數形成操作指導，對資源配置進行優化與管理。
鋼鐵企業過程控制系統有數千臺至數萬臺計算機運行，發生大量的數據往來。在傳統的鋼鐵制造工序中，傳感器信號匯集到定序器等下位計算機后，再傳送到上位機。傳統的控制系統沒有考慮到整個過程大數據分析的需要。傳感器數據經過多次邏輯運算、閾值處理等，再分層地匯集，必然舍棄較多數據。在這樣的結構中，大數據的分析和運用非常困難。因此，必須采用數據驅動型的系統架構（Data Driven Architecture）。這種架構將傳感器等物聯網化，公平收集所有傳感器的數據，再送到邊緣和云中的數據中心進行處理和分析。對于多廠商環境的課題，可以在邊緣服務器等匯集數據后，從優先的數據群開始依次進行結構標準化等操作，以便于數據使用。這種方法在運用原有系統的同時，通過運用最新的數據轉換技術和高速通信，可以推進數據驅動型架構的構筑。
在生產線附近的邊緣，設置一個數據驅動的原位分析系統。原位分析系統由邊緣數據中心和機器學習平臺組成。數據中心對來自傳感器系統的“粗”數據進行預處理，完成“粗”數據的提取、轉換、存儲等操作。時間序列數據對流程工業特別重要。這些數據包括僅標題加工過的原始數據，分、小時、天等時間數據，最大值和最小值等統計數據。
這個原位分析系統的邊緣數據中心/機器學習平臺對經過處理的生產試驗數據進行機器學習、深度學習等數據分析，以足夠的精度給出描述材料成分、生產工藝與產品組織、性能、外形尺寸、表面質量、狀態量等控制目標之間的關系，即數字孿生，為后述的過程設定提供具有自學習、自適應、自組織等能力高保真度設定模型系統。
在資源管理與配置云平臺，預處理后的數據根據需要，可以使用BI(商務智能)工具進行可視化處理，再輸出到屏幕顯示或操作指導。BI工具可以很容易縮小數據范圍，切換可視化部件，實現可視化部件之間數據聯動等，因此容易進行靈活的分析?？梢暬考ǎ簳r間序列圖表工具、散點圖工具、工藝流程可視化工具等。
GUI（圖形用戶界面計算機）環境下運行的機器學習工具有兩類，即專門用于分析時間序列異常預兆的機器學習工具和進行一般數字數據分析的機器學習工具，將依據需要分別在云平臺和邊緣平臺使用。在GUI環境下運行的深度學習工具，可以處理聲音、圖像、文本等非結構化數據。
為適應“無編程化”發展趨勢，采用“低編碼應用程序開發”等新的應用程序編程工具，實現編程工具簡易化。這樣有利于加速數字技術的傳播與普及，使數字技術成為鋼鐵等非信息領域專家手中的有力工具，加速在鋼鐵企業中發展、壯大數字化創新人才隊伍，形成數字化創新的生態。
邊緣數字化核心平臺
邊緣數字化核心平臺的關鍵技術是邊緣過程設定模型數字孿生化和邊緣—生產線互相映射的過程控制的信息物理系統化。
鋼鐵生產過程全部冶煉—加工過程是“黑箱”。傳統的邊緣主要使用基礎理論數學模型和經驗模型，來完成過程機設定計算和基礎自動化控制。此外，原系統的邊緣處還有過程監控系統、質量追溯系統、數據庫系統等，近年還有少許的局部智能化控制環節。由于環境狀況和操作條件波動以及設備運行狀態變化，加之過程輸入條件、狀態變量和控制系統之間的關系十分復雜，這些機理模型對于全流程“黑箱”的復雜動態過程適用性很差，預報精度不高，難以準確透視工藝、設備、質量等關鍵參數之間的復雜關系。目前傳統的鋼鐵生產生產過程存在三類問題。一是產品質量、成材率、新品開發效率等商品與服務問題，二是提高產量與效率、降低成本、防止事故等工藝過程問題，三是提高勞動生產率、技能傳承、人才培養、安全、操作水平等生產現場問題。這三類問題均集中在以“黑箱”為特征的主流程生產過程中。
針對上述影響企業經營的重大問題，我們必須圍繞制造主流程，建立“邊緣數字化核心平臺”，簡稱“邊緣平臺”，實現數字孿生系統與實際過程實時融合的一體化和全流程的CPS化。
邊緣云平臺的任務是，利用大數據/機器學習的數據分析方法，解開貫穿鋼鐵全部主流程的“黑箱”，搞清楚隱藏在“黑箱”中的規律，將“黑箱”變“透明”，給出全局性的數字孿生過程控制模型，實現邊緣設定模型的數字孿生化。
因此與加工、裝配為主的機械制造業不同，鋼鐵等流程工業必須將云端業務能力向邊緣延伸，發揮邊云協同能力，實現分布式云功能，強化邊緣低時延、實時性工業控制。構筑在邊緣設施上的邊緣云計算平臺，具有和傳統私有云一樣的安全性，在用戶機房內就近部署，滿足數據不出廠的需求。
數據驅動的邊緣數據中心，必須提供大數據/機器學習必需的全部數據，并對這些數據進行提取、轉換、存儲等數據處理。與此相應，在邊緣部分設置“大數據/機器學習解析平臺（I）”（D/M平臺I），可以利用數據科學、AI等技術解析建立數字孿生過程模型，以及實現過程可視化、APP開發等功能。生產過程數字孿生模型要傳送到過程控制系統，代替傳統的機理-經驗模型，進行生產設備的設定和動態設定。
鋼鐵生產流程上各個不同的應用場景，比如燒結、球團、高爐、轉爐、精煉、連鑄、熱軋、冷軋等，有各自特點，需要采用不同的數據分析方法。所以，要注意依據各個場景的特點，采用不同的機器學習算法，解決各自的問題。這是我們需要依據各單元特征突破的技術難點。
這樣一來，我們在作為物理實體的物理底層和作為數字虛體的邊緣之間，形成數據閉環自動流動的四個環節，即“狀態感知、實時分析、科學決策、精準執行”的閉路循環中，實現資源的優化配置。在這個循環過程中，大量蘊含在物理空間中的隱性數據經過狀態感知被轉化為顯性數據，進而能夠在信息空間進行計算分析，將顯性數據轉化為有價值的信息。不同系統的信息經過集中處理形成對外部變化的科學決策，將信息進一步轉化為知識。最后以更為優化的數據作用到物理空間，構成數據的閉環流動。這個閉環賦能過程具有“數據驅動、軟件定義、虛實映射、泛在連接、異構集成、系統自治”六大特征。也就是說，我們建立了鋼鐵生產各工藝單元的CPS。將全流程各單元的CPS集成起來，就實現了全流程的CPS化。
邊緣部分全流程的CPS化促成了鋼鐵創新基礎設施的重要特征與絕對優勢。CPS實現了鋼廠控制的下述突破性的進展：感知數據與操作數據全部可視化，不可見部分的可視化；“黑箱”模型數字孿生透明化，動態、實時調整的精準實時虛擬化；異常情況早期預先檢測和預測，過程最優狀態的預測與檢測；完成正確的操作指導，迅速的前饋與反饋，以及精準的執行自動化等控制響應，從而實現對過程的自主控制。
企業資源配置與管理云平臺
云中的資源配置管理云平臺，簡稱“云平臺”，位于云中，稱為“云端智能層”。在傳統的工業互聯網系統中，它承擔低實時性的 MES、ERP和BI生產計劃、管理、調度、決策等功能，同時，還可以實現質量、設備能力、成本、資源、能源、人力資源等多個目標的管控、溯源、資源優化配置等支撐和保證作用。
在鋼鐵創新基礎設施中，“云平臺”負責生產計劃、調度、質量、效率、穩定性等生產活動，原料、供應、能源、介質、排放、物流、人力資源、財務、成本、技術創新、發展戰略等資源配置和管理功能，是“邊緣部分”設定、運行、調度的強大支撐部分和企業管理的重要組成部分。
云平臺必須是數據驅動的。在云平臺配置有企業大數據中心和“大數據/機器學習解析平臺（II）”（D/M平臺II），該平臺也是利用大數據/機器學習等數據技術，分析生產、設備、能源、物流等資源的生產要素，對相應部分的運行和管理工作進行管理和優化，支撐和保證邊緣云的最優化運行。位于云端智能層的資源配置與管理系統包括如下7部分：
①生產計劃與調度管理系統（原MES,ERP）；
②設備運維、管理、診斷、維護、點檢、檢修、備件管理、可靠性分析等有關事項；
③物流、原料、介質、能源調度、管理，以及工件跟蹤、產品管理、排放管理，等等；
④安全；
⑤鋼鐵材料新品開發、工藝優化；
⑥人力資源、成本管理、原料管理、市場分析等企業管理事項；
⑦企業發展戰略分析，等等。
網絡與安全
以通信與網絡系統連接上述底層的物理實體與邊緣平臺、云平臺，形成工業互聯網。將原有光纖網絡系統與新型的5G網絡混合，形成泛在網絡，將“云”“邊”“端”的內部和外部連接起來，做到無時不在，無處不在，即插即用的泛在連接，保證數據在系統內的自由流動。
網絡化能夠實現工業互聯網內部單元之間以及與其它網絡系統之間的互聯互通。應用到工業生產場景時，網絡連接的時延、可靠性等網絡性能和組網靈活性、功耗都有特殊要求，還必須解決異構網絡融合、業務支撐的高效性和智能性等挑戰。構成工業互聯網的各器件、模塊、單元、企業等實體都要具備泛在連接能力，并實現跨網絡、跨行業、異構多技術的融合與協同，以保障數據在系統內的自由流動。泛在連接通過對物理世界狀態的實時采集、傳輸，以及對信息世界控制指令的實時反饋下達，提供無處不在的優化決策和智能服務。
5G的先進信息通信技術有三個特性，增強移動寬帶（eMBB）適于應對互聯網流量爆炸式增長；超高可靠低時延通信（uRLLC）適于對時延和可靠性具有極高要求的垂直行業應用需求；海量物聯（mMTC）面向以傳感和數據采集為目標的應用需求。這些特性特別適用于鋼鐵行業的各種特殊場景。
5G為增強型的移動互聯網，峰值傳輸速率可達20Gbps。各制造單元之間在流程方向上的海量數據傳輸與處理、非結構化數據傳輸處理、虛擬現實與增強現實的傳輸處理等，都將依賴于增強移動帶寬。鋼鐵生產中存在大量環境惡劣、高溫危險、重復性的現場操作崗位，惡劣和重復性工況下關鍵設備運維監控與遠程裝配，急需實現遠程和自動化的操作與運維。通過手機/巡檢儀等音視頻等采集的非結構化數據，應用于對設備運行狀態的實時分析、運算、監測、管理。在遠程裝配場景中，技術專家依托AR的實時標注、音視頻通信、桌面共享等技術，遠程指導進行生產線裝配工作。5G的應用，推動了圖像、聲音、視頻、文本等非結構化數據的檢測、處理、傳輸與控制技術的發展，為復雜工況的分析、決策與控制提供了強大的發展動力。
近年創新性提出的5G切片方案，確保統一基礎設施能夠適應差異化業務需求，是進入垂直行業的關鍵。5G的多接入邊緣計算（MEC），將多種接入形式的功能、內容、應用等同部署到靠近接入側的網絡邊緣，將核心網用戶面與應用下沉至離用戶更近的位置，可以降低時延至毫秒級，并確保垂直方向上邊緣與底層的短時延實時交互。全新的智能邊緣云與5G結合，能夠降低時延并賦能新的應用與服務，網絡性能、安全性和隱私保護能力可以都得到提升。5G低時延大數據傳輸、切片網絡架構、多接入邊緣計算、智能化的邊緣云，為鋼鐵工業互聯網的應用和發展提供了強大的驅動力。
鋼鐵材料創新基礎設施建設
鑒于鋼鐵材料創新基礎設施的重要性，我國鋼鐵行業學科交叉、行業協同、產學研深度融合，將數字技術與實體經濟融合，大力開展鋼鐵材料創新基礎設施的研究，并在一批企業建設煉鐵—煉鋼—軋制—熱處理全流程、一體化的鋼鐵材料基礎設施，目前已經在一些重要的生產單元，取得重要突破，實際應用，成效顯著。
依據上述時間，總結出一批重要的數字化轉型的關鍵技術：
數據驅動的IT架構
數據驅動的信息感知：齊全、準確、可靠
數據驅動的數據中心：數據處理功能，提取、轉換、存儲（突出時間序列的存儲）
數據驅動的科學分析平臺：數據科學分析方法→大數據/機器學習(AI）平臺→數字孿生或操作指導
數字驅動的智慧決策：全流程數字孿生化的邊緣過程設定控制
數據驅動的回饋賦能：執行機構精準、快速、安全
制造主流程、一體化的虛擬模型與實際過程實時融合的CPS化
數據驅動的資源配置與管理云平臺
自動化系統補課：遠程化、自動化、機器人化
軟件定義：高效率、低成本改造，快速實現數字化轉型
軟件編程方法：無代碼編程，簡單易學，便于推廣，形成數字化生態
網絡：光纖+5G，無時不在，無處不在，即插即用，泛在網絡
安全：萬無一失的網絡安全，嚴格標準化管理應對
系統開發與上線：離線開發、調試→在線操作指導→在線運行（安全上線，規避風險），安全、穩妥數字化轉型
結語
鋼鐵工業數字化是鋼鐵工業發展的大趨勢、大方向、大戰略。我們要以國家重大需求和企業生產中的問題為導向，產學研深度融合，攻克關鍵共性技術，創新顛覆性、引領性、原創性技術，加速建設鋼鐵材料創新基礎設施，掌握企業核心競爭力，促進我國鋼鐵行業實現數字化轉型，高質量發展！我們相信，中國鋼鐵行業一定會在激烈的國際競爭中占據科技發展的制高點，成為世界鋼鐵科學技術的領跑者。
此文關鍵字：
