鞍钢作为大型老牌央企，在数字化转型的积极探索与实践过程中，面临很多大型企业数字化转型过程中的典型问题： ①技术平台不统一，集成关系复杂 ②复杂项目交付周期长，业务方难以快速见到转型进展和成效 ③项目制的交付模式，导致能力无法复用和沉淀，无法形成正向反馈 ④生态伙伴能力参差不齐，服务质量标准化程度低 面对上述挑战，鞍钢集团信息产业有限公司（以下简称鞍信公司）作为鞍钢集团信息化建设的引领者和主力军，在鞍钢数字化转型升级的强烈需求拉动下，自主研发了精钢工业互联网平台，基于现代技术栈解决了工业互联网项目中的共性问题，加速了工业互联网应用落地，促进了鞍钢数字化转型。

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

通过对国内近百条热连轧生产线的过程控制模型精度和产品质量指标研究发现，造成非稳态过程难以控制的原因，既有板带材轧制本身的工艺因素，又受制于热连轧自身的控制特点，长期面临如下突出问题： （1）热连轧各机架存在着弹性变形和塑性变形的交叉耦合作用。热连轧各机架与带材直接接触并产生压下量时，轧机设备会发生弹性变形，轧件又会发生塑性变形，这种设备弹性状态和带钢压下产生的塑性状态耦合到一起，导致传统数学模型很难对其进行精准计算和表述，尤其在频繁换规格或换钢种状态下，一种弹塑性耦合状态下的模型未完自学习至最优状态，又会过渡到另外一种弹塑性状态，导致整个机组形成长时间的非稳态过渡过程。 (2)非稳态过程难以建立高精度的热轧数学模型。该过程具有不确定性、非线性等特点，存在润滑状态、设备工况等多种多样难以表述的变化，这些对薄带材轧制的影响远超过普通带材。而实际控制过程采用的单一常参数模型难以满足连续变化的要求，模型匹配性差，实际生产过程中轧制力、前滑等关键参数存在很大偏差。 (3)多工序间的过程控制参数波动的影响。热连轧生产过程装备由加热炉、定宽压力机、粗轧机组、精轧机组、控制冷却及卷取机组等多个区域组成，各个工序均具有非线性、快响应以及时变、不确定性、工艺控制模型复杂、过程变量维数高、规模大等特点，这就决定了各个工序的建模过程比一般的工业过程复杂得多。这种非稳态下的过程参数波动，均可对下游工序产生很大的影响，从而导致产品质量问题，如板形、尺寸精度以及工艺性能等。 针对热连轧制造领域内过程精准控制科学问题和相关技术瓶颈，2019年河钢集团有限公司、华为、东北大学在深圳举行联合组建“工业互联网赋能钢铁智能制造联合创新中心”签约挂牌仪式。三方成立的联创中心将作为钢铁行业工业互联网与智能制造产学研用平台，以钢铁全流程产线为基点，着力实现网络化、数字化、智能化的新钢铁，促进钢铁产业转型升级、高质量发展。 项目团队依托河钢邯钢公司邯宝2250mm热连轧生产线，基于现有自动化与信息化系统，深度融合数据驱动模型与机理模型，首次开发了热连轧过程动态数字孪生模型并建立了CPS控制系统平台，提高了轧制工艺对复杂多变工况的原位分析能力，改善了热连轧过程三维尺寸控制指标。

我国钢结构建筑日益向大型化、高层化、装配化、高效化的趋势发展，对钢铁材料提出了抗震性、强韧性、耐火耐候性等功能多样化的服役要求。为此，必须解决以下主要技术问题： 问题1：为保证建筑钢结构良好的抗震性能，对钢材提出的关键技术指标要求是较低屈强比（≤0.83）、更高抗层状撕裂性能（Z35）、窄屈服强度波动（≤110MPa），以及具有明显的屈服平台。对于420MPa以上大厚度高强韧建筑钢，依靠原有技术难以稳定控制显微组织中软硬相比例，无法实现特厚钢板心部晶粒细化。 问题2：为解决结构耗能、消能、减震设计需求，对制作钢结构“减震器”的软钢，提出了极低屈服强度等级（100MPa）、低屈强比（≤0.6）与小波动范围（±20MPa）、极高断后伸长率（≥50%）等技术要求，需要创新设计低屈服强度软钢成分体系，突破轧制和热处理精准化工艺技术。 问题3：为提高建筑钢结构综合抗灾能力（火灾和腐蚀），要求开发适应不同防火等级的耐火耐候钢，特别是在600℃高温并保持3小时的条件下，690MPa的屈服强度不低于室温目标值的2/3（≥460MPa），需要探明抗震、耐火耐候组织与性能耦合机制，系统开展耐火极限等服役性能评价。

通过对国内近百条中厚板生产线的工艺技术装备现状研究发现，产线普遍在关键工艺质量参数感知、多工序协调优化方面，长期面临如下突出问题： 1、生产过程中轧制、剪切等工序的自动化达到较高水平，但是各工序控制系统相对孤立，尚未形成联动，部分工序缺失关键质量参数，不能基于反馈进行动态优化控制，机理模型的预测和控制精度低，严重影响产品质量、生产效率和成材率的提升； 2、缺少钢板轮廓识别和板形检测关键大型仪表，导致轧后钢板头尾形貌、轮廓和板形等关键质量参数难以在线精准识别，仍以人工方式线下测量，无法与轧制过程形成在线反馈控制，难以通过在线工艺优化来保证最终产品质量； 3、依靠人工经验的传统组板系统订单匹配度低、精准剪切控制能力偏低，无法根据钢板实时轮廓信息优化组板策略导致组板余材过多，影响生产效率和成材率。剪切工序也无法根据实时轮廓形状优化剪切策略。此外，剪切工序与轧制过程、组坯过程除基础的产品信息交互之外，无其它过程质量数据交互，迫切需要将轧后钢板实际轮廓形状与订单合同进行实时动态匹配，急需开发面向多目标约束的优化剪切和动态组板策略，以实现减少切损的同时提高订单的匹配度。 针对宽厚板制造领域内过程精准控制科学问题和相关技术瓶颈，2010年由山钢与东北大学等单位组建联合研发团队，在国家十三五重点研发计划《基于CPS架构的多工序协调优化与质量精准控制及应用示范》（2017YFB0304103）项目和山东省《宽厚板智能轧制数字化车间是的试点示范》项目的支撑下，依托山东省山钢王国栋院士工作站科研平台，深入推进开展产学研合作和协同创新，发挥高校基础研究理论创新优势与企业产工程技术优势，联合开展本项目关键共性技术的科研攻关工作。

针对钢铁长流程加工过程中余材种类多、余材数量大、库存控制难等典型问题，宝钢股份于2004年开始着手余材充当技术的研发，历经十几年的探索创新，建立了以规则配置平台和优化决策模型双轮驱动的余材充当系统，逐渐具备了薄板全产品、全工序、全产线的优化充当能力，实现了经济价值和劳动效率的大幅度提升。数年来该技术水平在覆盖面、优化效果、自动化程度、工艺数字化全方位持续保持国际领先。

在高炉冶炼进程中，炉前作业是一个重要的环节，其主要任务是连续不断地将高炉内生成的渣铁从铁口排出，在主沟内渣铁分离后，高炉渣经渣沟进入渣处理系统，铁水流经铁沟和摆动溜槽进入鱼雷罐车运输至下道工序，保证高炉生产正常进行。炉前作业的主要场所为高炉出铁场，是除高炉本体之外最重要的高温区域，由出铁场平台、出铁口、主沟和渣铁沟、残铁沟、摆动溜槽和炉前除尘系统组成。宝钢高炉设有4个铁口分布在2个对称的矩形出铁场。出铁场由多种耐火材料组成，耐火材料性能决定了高炉的安全生产和正常运行。 目前具有近40年大型高炉操作经验、拥有9座4000m3以上大型高炉、大型高炉铁水年产能超过3300万吨的宝钢股份，经过多年技术研发及应用改进，出铁场耐火材料应用消耗水平总体保持在国内领先水平，但是还存在着很多薄弱环节，影响了出铁场耐材整体应用水平，给现场生产与环保造成了不少困难与安全隐患。 针对特大型高炉出铁场在出铁口和沟系统应用中存在主沟接头易钻渣渗铁、沟料施工烘烤时间长、采用沥青结合的出铁场耐材使用过程中产生可视环境污染、铁口区煤气火治理效果不佳影响铁口永久砖保护砖结构稳定、泥套损坏过快等技术难点，从现状问题着手，进行了损坏机理研究，产生改进方向，并试验出配套施工工艺，深入开展基础研究，提出解决方案后，以工业试验应用的方式验证、优化，取得显著的效果后，固化技术成果，形成大型高炉出铁场高效、环保耐材技术开发与应用技术，降低了劳动强度，消除了主沟接头处钻渣渗铁等事故，改善炉前作业环境和作业人员劳动强度。

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。

热轧作为钢铁生产流程的重要环节，具有高频、强耦合、非线性等特点，温度、相变、应力相伴相生。经历工业3.0后，热轧技术在主线自动化程度、品种规格、产品质量、信息融通等方面取得了长足的进步，但仍然存在如下亟待解决的问题：库区、磨辊间、能源介质、质检等非主线单元存在着大量的人工操作，劳动生产率低下；加热能力、轧线节奏、多区域调度、生产顺行等问题影响产能释放，高效生产需求迫切；以板形、表面、轧破甩尾为代表的质量和生产稳定性长期困扰热轧企业，控制模型精度、设备状态、关键检测缺失、监控不完善、人工干预多等是主要原因；缺乏工厂级成本管理系统，能耗到卷（或板、管、棒等）、成本到卷无法实现，做不到精细成本控制；自动化、信息化已逐步完善，但许多和设备、人员、物料、能源等密切相关的数字化工作尚在起步；上下游工序、工厂业务之间缺乏物质流、信息流、能量流协同机制，工作效率低下，标准实施和固化困难，决策靠人。 热轧面临的如上问题大多是多因素或多目标问题，需要从全局加以考虑，现有的多级计算机系统构架具有局限性，热轧智能工厂建设则为解决如上问题提供了契机。本项目提出一种以问题为导向的热轧“双智控”智能工厂构架方案，以短板补齐、智能检测、工业互联网平台等为支撑，以关键绩效指标为牵引，从操维集约和业务协同两个方面出发，借助精准感知、数字孪生、工艺驱动、智能算法等手段，追求产线极度自动化和业务高效协同化。热轧智能工厂的建设实现物质流、能量流、信息流互联互通，并完成生产过程中大尺度的全局优化和资源配置，可推动真正意义上的热轧工厂技术变革。

冶金企业安全生产自身存在的主要问题：1）安全生产意识不强，不同程度对安全生产工作重视不够；2)安全管理水平不高，有些企业虽然建立了职业健康安全管理体系但体系整体运行水平不高；3)对重大危险源防范不足，对重大危险源缺乏规范科学的辨识和登记建档，重大危险源监控制度不健全或不落实，事故应急预案针对性差可操作性不强并缺乏必要的演练。 建龙集团现有14家钢铁子公司，吉林建龙率先开展智能安防管理平台建设，为建龙集团整体安全体系智能化管理探索出一个创新管理模式，同时将带动各子公司开展智能安防管理工作。吉林建龙结合国家“工业互联网+安全生产”行动计划，谋划将安全生产体系智能化、智慧园区可视化、消防系统智能化融合为一体，搭建一个具有建龙特色的智能安防管理平台。