鋼鐵工業(yè)是國民經濟的重要基礎產業(yè)，是國之基石。改革開放以來，我國鋼鐵行業(yè)迅速發(fā)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(yè)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(fā)展，推動了我國工業(yè)化、現(xiàn)代化進程，促進了民生改善和社會進步。

　　作為大型復雜流程工業(yè)，鋼鐵工業(yè)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(yè)面臨的質量、成本、環(huán)境、穩(wěn)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(zhàn)。

　　鋼鐵行業(yè)具有豐富的數(shù)字技術應用場景資源。經過長期的建設和發(fā)展，鋼鐵行業(yè)已經具有先進的數(shù)據采集系統(tǒng)、自動化控制系統(tǒng)和研發(fā)設施，可以為我們提供海量的數(shù)據資源。我們已經實現(xiàn)了全面的數(shù)據采集和豐富的數(shù)據積累。

　　習近平總書記號召我們“加快建設數(shù)字中國”。我們鋼鐵人要將數(shù)字技術與鋼鐵行業(yè)深度融合，充分發(fā)揮鋼鐵行業(yè)海量數(shù)據和豐富應用場景優(yōu)勢，在工業(yè)互聯(lián)網、大數(shù)據、云計算、5G網絡等信息技術的支撐下，借助大數(shù)據與機器學習/深度學習等數(shù)據科學技術，快速解析海量數(shù)據中蘊含的企業(yè)生產過程中的規(guī)律，并利用這些規(guī)律解決流程工業(yè)普遍存在的不確定性等“黑箱”難題，發(fā)揮數(shù)據技術的放大、倍增、疊加作用，推進鋼鐵行業(yè)的數(shù)字化轉型與高質量發(fā)展。

　　鋼鐵材料創(chuàng)新基礎設施是以工業(yè)互聯(lián)網為載體、以數(shù)字孿生為核心，提供數(shù)據全生命周期管理，支持數(shù)據治理、大數(shù)據存儲、大數(shù)據分析引擎、大數(shù)據流動驅動等數(shù)據底座。它搭建數(shù)據化業(yè)務基盤，并構建面向未來的數(shù)字化創(chuàng)新應用，依托全流程、全場景數(shù)字化轉型，軟硬協(xié)同，發(fā)展最新的工業(yè)信息通信技術，實現(xiàn)鋼鐵工業(yè)的數(shù)字化轉型。

　　鋼鐵行業(yè)必須與數(shù)字經濟、數(shù)字技術相融合，發(fā)揮鋼鐵行業(yè)應用場景和數(shù)據資源的優(yōu)勢，以工業(yè)互聯(lián)網為載體、以底層生產線的數(shù)據感知和精準執(zhí)行為基礎、以邊緣過程設定模型的數(shù)字孿生化和CPS化為核心、以數(shù)字驅動的云平臺為支撐，建設數(shù)字技術與鋼鐵企業(yè)實體技術深度融合的數(shù)字化創(chuàng)新基礎設施，鋼鐵材料創(chuàng)新基礎設施是鋼鐵工業(yè)的核心競爭力。

　　創(chuàng)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(xiàn)、外形尺寸、表面質量或其他各種經過數(shù)字化的非結構化數(shù)據表征的狀態(tài)變量之間的關系，即建立鋼鐵行業(yè)信息物理系統(tǒng)的數(shù)字孿生，利用自學習、自適應、自組織的數(shù)字技術持續(xù)優(yōu)化生產工藝過程，實現(xiàn)鋼鐵行業(yè)綠色化、數(shù)字化、高質化、服務化發(fā)展的目標。

　　鋼鐵企業(yè)創(chuàng)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(shù)字化核心平臺（邊緣云平臺），位于云平臺之上的企業(yè)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(tǒng)。

　　鋼鐵創(chuàng)新基礎設施的底層是企業(yè)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(tǒng)，采集數(shù)據并傳送到邊緣或云平臺，對經過預處理的海量數(shù)據，進行數(shù)據分析，并在邊緣建立數(shù)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(yè)要采用數(shù)字化技術，實現(xiàn)數(shù)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(yōu)良的數(shù)據采集系統(tǒng)，可以提供精準、齊全的現(xiàn)場有關材料成分和實時操作數(shù)據等輸入數(shù)據，以及材料外形尺寸、組織性能、表面質量等輸出數(shù)據。同時，各工序的基礎自動化系統(tǒng)和執(zhí)行機構必須以足夠的響應性、實時性和控制精度實現(xiàn)過程控制系統(tǒng)與物理系統(tǒng)的實時交互，完成需要的自動化控制任務。

　　盡管我國的多數(shù)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(shù)據采集和執(zhí)行機構的缺項，消除“短板”。由于鋼鐵行業(yè)作業(yè)條件和技術水平的限制，過去的一些數(shù)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(xiàn)在可以采用各種新檢測方法來實現(xiàn)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(shù)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(chuàng)新空間。

　　執(zhí)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(guī)模的基礎性實驗裝備提供的信息，可以建立初級數(shù)字孿生模型。這組模型經過中試規(guī)模實驗工具的驗證、優(yōu)化，再進一步在實際生產線規(guī)模的實驗工具上進行生產性驗證和優(yōu)化。優(yōu)化后的數(shù)字孿生模型，在生產中承擔生產過程設定計算和動態(tài)設定計算，并與物理系統(tǒng)（即生產線）進行實時交互、反饋控制、循環(huán)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(shù)據進行自學習、自適應，實現(xiàn)模型的更新，持續(xù)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(xiàn)穩(wěn)定生產，需要對傳統(tǒng)自動化系統(tǒng)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。

　　建立數(shù)據驅動的新型IT架構。這種IT架構通過工業(yè)互聯(lián)網直接將底層的數(shù)據采集系統(tǒng)獲得數(shù)據傳輸?shù)竭吘壖霸浦械臄?shù)據中心/機器學習平臺，在邊緣形成數(shù)字孿生模型取代原有的機理或經驗模型，而在云中多數(shù)形成操作指導，對資源配置進行優(yōu)化與管理。

　　鋼鐵企業(yè)過程控制系統(tǒng)有數(shù)千臺至數(shù)萬臺計算機運行，發(fā)生大量的數(shù)據往來。在傳統(tǒng)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(tǒng)的控制系統(tǒng)沒有考慮到整個過程大數(shù)據分析的需要。傳感器數(shù)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(shù)據。在這樣的結構中，大數(shù)據的分析和運用非常困難。因此，必須采用數(shù)據驅動型的系統(tǒng)架構（Data Driven Architecture）。這種架構將傳感器等物聯(lián)網化，公平收集所有傳感器的數(shù)據，再送到邊緣和云中的數(shù)據中心進行處理和分析。對于多廠商環(huán)境的課題，可以在邊緣服務器等匯集數(shù)據后，從優(yōu)先的數(shù)據群開始依次進行結構標準化等操作，以便于數(shù)據使用。這種方法在運用原有系統(tǒng)的同時，通過運用最新的數(shù)據轉換技術和高速通信，可以推進數(shù)據驅動型架構的構筑。

　　在生產線附近的邊緣，設置一個數(shù)據驅動的原位分析系統(tǒng)。原位分析系統(tǒng)由邊緣數(shù)據中心和機器學習平臺組成。數(shù)據中心對來自傳感器系統(tǒng)的“粗”數(shù)據進行預處理，完成“粗”數(shù)據的提取、轉換、存儲等操作。時間序列數(shù)據對流程工業(yè)特別重要。這些數(shù)據包括僅標題加工過的原始數(shù)據，分、小時、天等時間數(shù)據，最大值和最小值等統(tǒng)計數(shù)據。

　　這個原位分析系統(tǒng)的邊緣數(shù)據中心/機器學習平臺對經過處理的生產試驗數(shù)據進行機器學習、深度學習等數(shù)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(tài)量等控制目標之間的關系，即數(shù)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(tǒng)。

　　在資源管理與配置云平臺，預處理后的數(shù)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(shù)據范圍，切換可視化部件，實現(xiàn)可視化部件之間數(shù)據聯(lián)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(huán)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(shù)字數(shù)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(huán)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(shù)據。

　　為適應“無編程化”發(fā)展趨勢，采用“低編碼應用程序開發(fā)”等新的應用程序編程工具，實現(xiàn)編程工具簡易化。這樣有利于加速數(shù)字技術的傳播與普及，使數(shù)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(yè)中發(fā)展、壯大數(shù)字化創(chuàng)新人才隊伍，形成數(shù)字化創(chuàng)新的生態(tài)。

　　邊緣數(shù)字化核心平臺的關鍵技術是邊緣過程設定模型數(shù)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(tǒng)化。

　　鋼鐵生產過程全部冶煉—加工過程是“黑箱”。傳統(tǒng)的邊緣主要使用基礎理論數(shù)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(tǒng)的邊緣處還有過程監(jiān)控系統(tǒng)、質量追溯系統(tǒng)、數(shù)據庫系統(tǒng)等，近年還有少許的局部智能化控制環(huán)節(jié)。由于環(huán)境狀況和操作條件波動以及設備運行狀態(tài)變化，加之過程輸入條件、狀態(tài)變量和控制系統(tǒng)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(tài)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(shù)之間的復雜關系。目前傳統(tǒng)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(fā)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(yǎng)、安全、操作水平等生產現(xiàn)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(yè)經營的重大問題，我們必須圍繞制造主流程，建立“邊緣數(shù)字化核心平臺”，簡稱“邊緣平臺”，實現(xiàn)數(shù)字孿生系統(tǒng)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(shù)據/機器學習的數(shù)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(guī)律，將“黑箱”變“透明”，給出全局性的數(shù)字孿生過程控制模型，實現(xiàn)邊緣設定模型的數(shù)字孿生化。

　　因此與加工、裝配為主的機械制造業(yè)不同，鋼鐵等流程工業(yè)必須將云端業(yè)務能力向邊緣延伸，發(fā)揮邊云協(xié)同能力，實現(xiàn)分布式云功能，強化邊緣低時延、實時性工業(yè)控制。構筑在邊緣設施上的邊緣云計算平臺，具有和傳統(tǒng)私有云一樣的安全性，在用戶機房內就近部署，滿足數(shù)據不出廠的需求。

　　數(shù)據驅動的邊緣數(shù)據中心，必須提供大數(shù)據/機器學習必需的全部數(shù)據，并對這些數(shù)據進行提取、轉換、存儲等數(shù)據處理。與此相應，在邊緣部分設置“大數(shù)據/機器學習解析平臺（I）”（D/M平臺I），可以利用數(shù)據科學、AI等技術解析建立數(shù)字孿生過程模型，以及實現(xiàn)過程可視化、APP開發(fā)等功能。生產過程數(shù)字孿生模型要傳送到過程控制系統(tǒng)，代替?zhèn)鹘y(tǒng)的機理-經驗模型，進行生產設備的設定和動態(tài)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(shù)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(shù)字虛體的邊緣之間，形成數(shù)據閉環(huán)自動流動的四個環(huán)節(jié)，即“狀態(tài)感知、實時分析、科學決策、精準執(zhí)行”的閉路循環(huán)中，實現(xiàn)資源的優(yōu)化配置。在這個循環(huán)過程中，大量蘊含在物理空間中的隱性數(shù)據經過狀態(tài)感知被轉化為顯性數(shù)據，進而能夠在信息空間進行計算分析，將顯性數(shù)據轉化為有價值的信息。不同系統(tǒng)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(yōu)化的數(shù)據作用到物理空間，構成數(shù)據的閉環(huán)流動。這個閉環(huán)賦能過程具有“數(shù)據驅動、軟件定義、虛實映射、泛在連接、異構集成、系統(tǒng)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(xiàn)了全流程的CPS化。

　　邊緣部分全流程的CPS化促成了鋼鐵創(chuàng)新基礎設施的重要特征與絕對優(yōu)勢。CPS實現(xiàn)了鋼廠控制的下述突破性的進展：感知數(shù)據與操作數(shù)據全部可視化，不可見部分的可視化；“黑箱”模型數(shù)字孿生透明化，動態(tài)、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(yōu)狀態(tài)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(zhí)行自動化等控制響應，從而實現(xiàn)對過程的自主控制。 

　　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(tǒng)的工業(yè)互聯(lián)網系統(tǒng)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(xiàn)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(yōu)化配置等支撐和保證作用。

　　在鋼鐵創(chuàng)新基礎設施中，“云平臺”負責生產計劃、調度、質量、效率、穩(wěn)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(chuàng)新、發(fā)展戰(zhàn)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(yè)管理的重要組成部分。

　　云平臺必須是數(shù)據驅動的。在云平臺配置有企業(yè)大數(shù)據中心和“大數(shù)據/機器學習解析平臺（II）”（D/M平臺II），該平臺也是利用大數(shù)據/機器學習等數(shù)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(yōu)化，支撐和保證邊緣云的最優(yōu)化運行。位于云端智能層的資源配置與管理系統(tǒng)包括如下7部分：

　?、偕a計劃與調度管理系統(tǒng)（原MES,ERP）；

　?、谠O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；

　?、馨踩?/div>