钢铁冶金行业作为典型的流程行业，其生产过程存在多工序连续生产、区域间强遗传、各影响因素非线性等特点，其数据形式则表现出高通量、强耦合、多态时变、多源异构的特征。为了借助工业互联网平台实现技术变革，需要设计面向冶金行业特点的工业互联网构架，实现从数据感知到数据转换，再到信息提取和认知，最终实现智慧决策和资源的优化配置，进而解决多类工业设备接入、多源工业数据集成、数据管理与处理、数据建模分析、应用创新与集成、知识积累迭代实现等一系列问题，为解决钢铁冶金企业问题提供新思路和新方法。

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。

以数学模型为基础，通过大数据研究方法形成转炉冶炼过程控制系统的吹炼模型、加料模型和终点控制模型，形成一套转炉智能制造控制及仿真系统软件。控制系统通过流程输出端数据群能够自调整过程控制参数。控制及仿真系统利用过程监控数据具备自学习功能。 研究转炉智能制造技术的过程监控方法，通过炉气成分分析、音频化渣技术、副枪技术或倒炉取样以及下渣检测技术检验和修正模型。 在创新应用激光炉气分析技术的基础上，提高入炉原料供应标准，完善转炉基础数据信息在线检测技术，开发静态和动态智能控制模型、自动出钢技术，实现对转炉冶炼全过程的无干预智能化炼钢。

为落实《新一代人工智能发展规划》，启动实施科技创新 2030—“新一代人工智能”重大项目。根据重大项目实施方案的部署，科技部组织编制了 2020 年度项目申报指南，现予以正式发布。 本重大项目的总体目标是：以推动人工智能技术持续创新和与经济社会深度融合为主线，按照并跑、领跑两步走战略，围绕大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等五大方向持续攻关，从基础理论、支撑体系、关键技术、创新应用四个层面构筑知识群、技术群和产品群的生态环境，抢占人工智能技术制高点，妥善应对可能带来的新问题和新挑战，促进大众创业万众创新，使人工智能成为智能经济社会发展的强大引擎。 2020 年度项目申报指南在新一代人工智能基础理论、共性关键技术、新型感知与智能芯片、人工智能提高经济社会发展水平创新应用等 4 个技术方向启动 22 个研究任务，拟安排国拨经费概算 5.6 亿。项目鼓励充分发挥地方和市场作用，强化产学研用紧密结合，调动社会资源投入新一代人工智能研发。指南技术方向“2.新一代人工智能共性关键技术”和“4.人工智能提高经济社会。

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。

本项目首次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、全产品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。 总体技术路线是利用大数据技术抽取及存储生产现场的所有生产信息、控制信息、工艺过程数据、能源介质数据、设备运行数据以及各种计质量装置等检测数据，形成完整统一的基础数据平台，然后以数据为基础，完成全流程、全工序的生产过程质量数据监控与告警、过程质量追溯、质量分析与建模、过程质量评价、工艺标准库管理、质量报告及统计分析报表，系统分析组件，系统配置管理等功能。