目前局部生产环节的连接设备数据和供应链上的各种资源已经被接入这样的大数据平台，但作为生产制造的核心技术“工业自动化控制系统”如果不能灵活、可扩展的接入平台，就会仍然存在大量单体设备、PLC分散部署的现象，这样的工业服务体系严重制约未来全产业价值链发展。并且众所周知，在工业控制系统方面，德国、美国等西方国家企业在大中型可编程逻辑控制器（PLC）方面独具优势，我国已部分实现国产化产品替代，小型PLC方面占有一定的份额，但核心市场与技术的掌控力不强。在工业网络方面，国外自动化企业掌控了主要市场以及网络核心标准，我国企业仍然处于产业边缘环节。所以“控制系统独立分散”和“控制设备垄断”两大制约因素，也促进我国工业发展想要打破这种依靠底层硬件和私有协议的专属PLC控制模式，形成新的标准化软件定义PLC系统和组态软件一体化架构，构建开放式PLC新生态。 低时延高可靠的网络通信是软件定义PLC系统的重要组成部分。随着5G标准及产业链的逐渐完善，5G的设计引入MBB、URLLC、mMTC三大应用场景，3GPP面向5G发布的R16版本标准则重点完成URLLC技术特性，提供低时延高可靠性的能力，为保障5G技术在工业控制领域的规模化应用提供了技术可行路径。国家工信部陆续出台政策，指导各地区积极开展5G全连接工厂建设，加快“5G+工业互联网”向工业生产各领域各环节深度拓展，加快5G与软件定义PLC系统、分布式控制系统（DCS）等工控系统融合。 基于5G软件定义的钢铁工业控制系统研发与应用项目工作主要解决问题有： （1）建设无线网络切片和异频双网冗余覆盖的跨市区域5G专网 （2）突破5G通讯与工业控制协议融合的智能传输技术 （3）自主研发工业级云架构软件定义控制系统 （4）完成国内首次5G+云化工业控制系统在鞍钢两地炼钢厂远程协同控制的工业应用

热轧生产过程是钢铁全流程承前启后的重要工序，也是企业建设“云-边-端”高效协同管控体系的关键，热轧数字化智能制造系统对推进“铁钢轧”全流程高质量智能工厂建设具有重要意义。针对当前普遍存在多源异构数据融合与追溯难闭环、生产过程控制与质量溯源非协同、面向多目标决策的精益化管控不精细等痛点问题，具体体现在： 1、现场数据体量庞大、数据残缺和无效项过多，缺乏相应的大数据平台对数据进行统一且有效的采集、清洗、归集和存储。传统的离线存储方式需要大量物理硬盘，残缺数据无法实时还原及重现，并且数据安全性无法得到保证； 2、现场数据归集多采用时间维度，相应的数据时空转换技术不成熟，难以满足实物质量分析和溯源过程中使用空间维度数据的需求； 3、产品质量异常，无法实现精准定位溯源，控制系统L1/L2大多由第三方承建，底层模型黑箱瓶颈难以突破；监控预警场景定制化差异需求大，关键参数零散分布于不同系统导致现有技术无法统计全流程工艺设备状态； 4、设备运维停留在传统的人工点检+周期更换模式，重点设备监控停留在耳听眼看的阶段，一些先进的设备测振、测温、图像识别技术未能得到应用；复杂设备系统依靠单一的仪表阈值进行报警，缺乏劣化趋势和状态的模型判断； 5、轧线、磨辊间、钢卷库、质检等生产单元自动化程度低，存在着大量可用智能装备代替的人工操作，如加热炉板坯核对、钢卷质量判定等，工作效率低、操作失误多； 6、安全、环保、消防各模块分散管理，设备系统多，系统集控技术落后，后台监控人员多，紧急状态下人员协同慢； 7、能源和成本统计方法简单、粗放，部分能源点统计未能实现自动采集，能源消耗靠简单的系数来进行标准成本的分摊，成本统计无法精确到卷、班组、区域； 8、钢卷入库、下线、装车、作业无自动计划，物流无自动优化，作业流程无信息化跟踪，操作人员多、效率低下； 9、生产管理、质量管理、设备管理、成本管理、KPI指标管理和安全管理等各个维度的数据不同域，无法跨域联合分析，需人工拷贝、合并、分析。 因此，亟需汇聚车间级全流程数据，涵盖轧辊间、设备运维、能源环保、消防安全、运营管理及智慧决策开发需求，支撑主轧线及公辅等生产作业单元智能协同管控，建立基于精益化管理的热轧数字化智能制造系统。

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。

该项技术适用于板卷、棒线、轨梁、高线、有色等大中型冶金企业，基于工业互联网及大数据平台，可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，该系统解决全流程协调运作、数据信息及时传递、数据与生产紧密结合、用户需求与生产承接的问题，有利于生产管理综合平衡职能的发挥。经过了多代的技术革新，已经实现15套以上大中型冶金企业全流程业绩，数据接入覆盖完整流程主流设备和电气厂商的通讯协议，伴随着项目的实施，形成了工业互联网及大数据平台相关的软件著作群，具有完全的自主知识产权。

该成套技术采用热备系统或容错服务器以及多层高速网络结构的硬件方案，并安装具有自主知识产权的稳定高效的过程自动化系统开发平台，应用程序采用标准化的、可自由组合和单独升级的模块设计，为将来的扩展和升级提供极大的方便和空间；系统采用先进的解析算法模型，自主开发了多种质量控制技术。最新开发的大数据平台、质量管控、生产状态分析、能源介质监控、能耗预测、性能预报、设备生命周期管理等功能模块，则提升了系统的智能化水平。

热轧板带材力学性能是用户关注的核心要素，组织性能预报与集约化生产受到普遍重视。然而在整个热轧生产过程中，加热和热轧、冷轧过程中轧件内部组织演变情况处于“黑箱”状态，无法直接测量、观察。想要控制钢材内部的组织，调整、改变其组织和性能，需精确感知轧件内部的信息，需要系统具有模型感知的能力。在工业大数据的数字感知的基础上，基于物理冶金学研究，通过ＡＩ（人工智能）和机器学习等现代信息技术，进一步赋予系统以感知、记忆、思维、学习能力以及行为决策能力等能力。同时基于热轧板带生产过程复杂性和用户个性化定制需求，构建跨系统、跨工序的钢铁工艺质量大数据平台，充分利用物理模型、传感器更新、运行历史等数据，融合物理冶金学和生产数据实现热轧全流程组织-性能-表面演变的数字孪生。以生产全流程工艺机理为基础，实时分析生产过程工艺、设备参数与产品质量的关系，满足用户的定制化需求并进行质量在线综合评判和异常原因追溯。结合设备过程控制能力给出工艺参数和制备工序流程的优化方案，以数据为基础提高机理不明或复杂工况下的数学模型设定和质量控制精度，通过多工序协调匹配提高产品质量稳定性和生产效率。现阶段，浦项、普锐特开发了在线组织监测与优化系统，实现了一材多品种生产和在线工艺调优；东北大学项目团队则采用人工智能预测了材料组织性能演变，开发了力学性能高精度预测、氧化铁皮控制、工艺逆向优化和钢种归并技术，在产品质量的稳定性控制方面效果显著。

（1）项目开发出一种圆形上升管-椭圆下降管的RH新型真空槽装置，循环流量显著提升，脱碳效率大幅提升，RH脱碳至30ppm的时间缩短3分钟，RH脱碳至13ppm的时间缩短4分钟，并开发模型实现了RH精炼过程脱碳反应的准确预报，为RH高效化提供了保障。 （2）建立了RH精炼过程渣-钢-夹杂物反应热力学和动力学精准控制模型，开发了RH精炼氧含量控制和深脱硫技术，实现了IF钢铸坯全氧稳定控制在15ppm以下，高牌号无取向硅钢[S]≤15ppm的比例由30%提高至80%。 （3）建立了精炼过程“钢液-渣相-夹杂物-合金-耐火材料-空气”多元反应耦合成分预报动力学模型，搭建了RH精炼钢液窄成分控制大数据平台，取向硅钢产品[Al]±15ppm和[N]±5ppm的命中率从90%提升至98%以上，显著提升了RH精炼过程钢液成分的稳定控制，为RH成分精准稳定化生产提供了技术支撑。