该项目以韶钢智慧中心为依托，利用智能化大数据等新兴前沿科技，对技术、生产、管理及组织模式进行重大创新，改变钢铁旧有面貌，打造“不一样钢铁”、“精彩钢铁”、“人文钢铁”，实现自动化、物联网、大数据、人工智能等新技术在传统流程工业场景的集中化、规模化应用，在高效协同、智能决策、智能控制方面取得了巨大的进步和良好的效果，颠覆性转变钢铁生产模式，树立了钢铁智能制造的典范。

本项目聚焦目前钢铁企业在质量管控和分析方面面临的共性问题，利用大数据及人工智能技术，突破了传统IT信息化系统框架结构、技术水平、适用领域等局限性，研发了一套适用钢铁企业全流程、全工序的质量分析管控平台，并应用于钢铁生产最为复杂的炼钢和轧钢工序，以现代质量管理方法为基础、以信息化系统为手段、以智能制造为主导，实现生产可管控、异常可预警、过程可追溯、缺陷可诊断、能力可评价、质量可预测、研发可推理。运用全面质量管理工具，辅助技术人员确保产品质量的稳定性，持续提升产品质量，不断提高顾客满意度和企业竞争力。

2009年起，工信部率先在钢铁行业年生产规模300万吨以上的大型企业试点建设了91家企业能源管理中心。从钢铁企业能源管理信息化建设和运行的实际效果看，还存在着一些问题： 1）普遍采用SCADA平台软件、实时数据库软件、关系型数据库软件分层搭建系统，且多为国外软件产品，缺乏统一的、自主知识产权的数据平台软件，难以适应能源大数据管理需求。从SCADA平台到实时数据库，再到关系型数据库，数据被层层筛选和粗化；受限于关系运算和B+树索引特点，关系数据库单表存储记录数达到千万条级别后查询速度显著下降，导致系统查询速度越来越慢；能源计量仪表众多，正常清零、网络故障回零或跳变、网络中断丢数问题时有发生，带来负值、极大值污染能源数据，需要人工修正。 2）没有信息描述模型支撑，能源管理功能直接基于数据库表格、查询逻辑、标签计算公式实现，存在着逻辑碎片化、指标数据落地、功能难以复用问题。吨钢综合能耗、工序能耗等指标需要成千上万个计量数据、产量数据、折标系数经过加减乘除计算后得到，缺乏良好组织的计量数据往往需要通过硬编码的公式一步一步代入计算得到，一般通过Excel表格线下实现。 3）预测调度模型研究较多，但缺乏实用性。能源预测的研究多集中在对发生消耗量、总量的预测上，这种预测受到计量误差影响，很难做到绝对量的准确，也不便于输入到调度模型。同时，调度模型中往往忽略煤气柜、单次调整成本、停机成本、峰谷电价差中的一项或几项，导致实用性不足。 4）国内上百家钢铁企业建设的能管中心系统，多以能源监控、调度和基础能源管理为主，通过信息化实现能源精细化管理，进而获得效益的较少，数据利用普遍不足。 5）计量平衡工作普遍采用公司到分厂、分厂到车间/炉座的两级分摊模式，且多以手工修改分摊数据实现，使得原始计量数据的权威性下降，能耗成本失真，ERP关账周期长，人员劳动强度大。

把所有的炼钢数据和板坯质量信息进行关联，能够更好地提升现场生产和工艺人员的工作效率，集成在内分析辅助工具能够更快速准确地提升分析能力。 以板坯为索引，把炼钢数据和板坯质量信息进行关联，通过板坯号就能够直接获取其各位置对应的生产过程数据、板坯质量信息。并提供统计分析工具，对不同类别、不同质量结果的板坯进行快速分类和分析。

以产品一贯制为主线，以数据挖掘技术为基础，构建面向全体系质量人员使用的，从用户需求识别到用户使用的质量跟踪管理平台。质量管理从结果向过程、从定性向定量，从点线向全面、从人工向自动、从事后向预防转变，显著提升管理水平和效率，加速知识积累传承，有力支撑提升产品质量。 系统按照质量管理的PDCA思想进行构建：在P环节，接收产品质量控制计划（CP），作为过程监控和分析的依据。在D环节构建在线判定、质量信息传递和工艺过程监控与预警等系统，提高过程执行和监控效率。在C环节构建跨工序产品质量交互分析与异常诊断系统，提高质量检查的技术水平，分析结果为CP的优化完善提供信息支撑。在A环节构建全流程工艺产品质量综合评价、可制造性评估等系统。

⑴项目基于数字化虚拟制造的全轧制过程孔型系统智能设计技术研究。如何突破型材轧制孔型系统设计长期依赖经验试错、效率低、成本高的难题，实现钢轨及异型材孔型系统智能设计、智能化配辊以及轧辊加工NC代码自动输出，大幅度提高新产品研发效率并降低研制成本。 ⑵全轧程热力耦合三维模拟精准预测及生产过程质量稳定性控制技术研究。 结合建立完整的生产工艺与质量数据库,实现系列钢轨及异型材轧制全过程工艺优化和质量稳定性控制，显著提高产品内在质量稳定性和一致性,并使钢轨残余应力显著降低。 ⑶基于大数据及在线控制的钢轨轧制金属流动预测-补偿模型和全长尺寸精度智能控制技术研究。解决高铁轨,重轨全长尺寸在线高精度控制问题。 ⑷钢轨局部润滑轧制及表面质量控制技术研究。努力搞清高温高压轧制条件下金属流动、轧辊氧化皮粘结及局部磨损机理和规律，消除钢轨表面轧疤及通长“人”字轧痕等表面质量缺陷,并轧辊寿命延长。

项目研发了以数据平台软件为基础、以能量流网络信息描述模型为核心、以能源精细化管理为特色的大数据能源管理系统，解决了多介质预测调度的实用化问题。 1）在数据平台方面，①开发了DataX软网关，提供实时数据交换、业务数据交换驱动接口，并实现了OPC、Modbus、HJ 212、DBLink等多种类型的数据驱动，解决了多源异构数据的采集问题；②确保数据质量，减少人为修数工作：利用仪表量程实现了异常数据的自动过滤；利用上下文信息实现对表底数据正常清零、异常回零的判断，对正常清零的数据从下一秒开始在零值基础上继续计算差值，避免出现大负数；利用采集数据上的时标信息判断是否丢数，对丢数的表底值待其通讯恢复后将差值均匀填入到丢数时间段内的各周期，避免最后一个周期过大而其他周期为零；③自主开发了时序数据库内核，通过面向时序数据的索引优化、压缩算法，代替实时数据库作为原始时序数据的存储引擎，实现单机每秒5万条写入速度和每秒百万条的读取速度；④设计了多时间尺度、多值类型的数据存档结构，以便为各种业务提供粒度匹配的数据，并对多存档进行自动平衡存储以提高数据的并发读写速度；⑤对业务频繁读取的数据进行缓存优化，包括数据缓存、配置信息缓存、报表缓存等，使系统查询速度提高了50倍。上述技术并用，消除了对实时数据库软件、关系数据库软件依赖，提供了秒分时日月、原始值、确认值、平衡值多种数据类型，满足了业务的数据需求。

收集烧结生产涉及的全部数据，其中包含来自于自动化系统的生产过程数据、来自于设备系统的设备状态数据、来自于化验系统的检验数据、来自于 ERP 系统或 MES 系统的生产标准数据、来自于销售系统或 ERP 系统的质量异议数据、来自于点检系统或人工的点检数据、来自于各个系统记录的操作数据等。设计并实现高吞吐、高可靠、高可用的数据传输通路，采用高效的分布式信息传输技术，完成海量数据的采集和汇总；汇总信息以数据流形式注入中央存储及分析系统，需设计并实现高效稳定的流数据处理系统。采用分布式高容错的大数据技术,对大量生产工艺数据进行实时性／准实时性的清理和整合。然后，运用Hadoop和Spark等大数据先进技术，对数据进行深度加工，进行数据格式标准化，异常数据清除，错误纠正，重复数据的清除等操作，并结合工艺专家，鉴别主要数据指标的准确性。

基于大数据技术的烧结终点预报模型2017年初在河钢承钢初步进行了调试运行，极大的方便了现场操作者对烧结终点状态的实施把控。在烧结矿质量指标得到稳定和改善的同时，烧结矿产量提高，工序能耗显著减低。