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。

我国水处理行业在经历了上世纪八十年代的打基础阶段以及新世纪前后的自动化阶段后，已基本实现了城镇污水全处理（截止2016年底，全国城镇污水处理率达96%以上），水处理厂均建设了设备自动化控制系统，大幅解放了劳动力。目前，行业正处于智能化转型阶段，利用无线传感器网络、数据库技术和3/4G网络，搭建水处理企业的数字化业务系统和数据库，大大提高了信息存储、查询和回溯的效率，初步实现了业务管理的信息化，突破了水处理企业原有各工艺、各系统环节间的“数据孤岛”，实现了数据“一张图”、“一张表”。然而，从信息化到智能化仍然存在较大差距，例如，缺少对水处理工艺环节的智能控制，绝大部分过程控制仍然依靠人工决策，难以将数据与精细化管理充分结合。

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。

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。

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。

智能制造是对传统制造业转型升级的必要手段，是企业在研发、生产、管理、服务等方面持续改进的方向，随着国家对智能制造政策的持续推进，紧扣关键工序智能化、生产过程智能优化控制，建设智能工厂与数字化车间成为实现智能制造的前提条件。 目前转炉炼钢智能制造在国内钢厂的发展并不均衡。部分大型钢厂智能化建设较好，但是各中小型钢厂还是以满足生产基本要求为主，在炼钢生产各工序中，自动化尤其过程自动化的应用参差不齐，制约了炼钢生产制造由自动化网络化向智能化方向的升级。因此建立一套完整的智慧炼钢解决方案具有非常重要的意义。 山信软件股份有限公司构建“扁平化、集成化、高效化”的炼钢工序工业互联网，在各工序模型控制的基础上，结合大数据分析，实现控制系统“规范化、流程化、数据化”，解决炼钢生产过程各工序独立运行，生产过程数据却紧密关联的问题，为炼钢生产柔性管控奠定基础。

抚顺新钢铁以“产城融合发展的典范、智能制造的先行者、绿色发展的践行者、建筑业综合服务平台的主导者”四大发展战略，为实现东北老工业基地全面振兴、全方位振兴而努力。从2018年6月至2019年5月，抚顺新钢铁通过整合型数据分析系统建设和复制与开发，在不断丰满完善的基础之下, 管理人员和工程师更愿意追求“更全面,更系统,更有效率”地针对各自的专业领域进行科学分析与管理。在围绕提升效率、提升能力、提升装备水平进而实现效益的提升推进全流程钢铁企业数字化转型过程中，存在一下问题： 1、员工数字化能力不足 随着数字化转型的推动，企业经营管理有了大量系统、全面的数据做支撑、提供参考，进而对“执行力、查找异常、反应速度、部门联动”也提出了更高的要求，此时员工能力是否能有力支撑管理则显得愈加重要。抚顺新钢铁属于传统冶金企业，员工对数字化转型、精细化工具、岗位融合、集控的理解能力不足。 2、复合型的专业钢铁信息技术人员供应十分有限 在数字化转型过程中,需要复合型的专业钢铁信息技术人员来支撑。从现有的人员及外招的潜力来看十分有限，业务不懂IT，IT不懂业务。 3、数据应用不足，数字价值发挥不充分 钢铁行业每天产生和利用大量数据，比如生产、能源、质量、安全、环保等。现场一级系统里面蕴含的数据如EMS、ERP，但是没有将数据进行应用，没有充分发挥数字的价值。 4、结果性与驱动性数据的集成与解析机制有待建立 数据驱动的智能企业包括数据资产的规划和治理、数据资产的获取和储存、数据资产的共享和协作、业务价值的探索和挖掘、数据服务的构建和治理、数据服务的度量和运营（迭代）六个部分。同时基于冶金工程流程的“制造流程-单元工序-单元操作”集成和解析的关系有待建立。 针对这些问题，抚顺新钢铁利用企业现有资源组建研发团队，自主研发了一种融合业务、组织与冶金流程的新一代集控中心，并不断持续迭代优化。

近年来，在国家供给侧改革的新形势下，尤其是新的互联网技术、信息技术的飞速发展，以新技术开发为支撑、以绿色发展为约束、以智能化发展为方向、以效益最大化为目标已经成为钢铁行业发展和国家调控的重点方向。其中数字化、网络化、智慧化能源管控系统的开发应用已成为新的引领方向，能源效率、能源成本的深度分析将成为钢铁企业精细化管理的主要内容，而国内目前运行的企业能源中心已无法支撑能源集约化和精细化的管理需求，急需在工业互联网支撑下，开展钢铁企业智慧能源管控系统开发与应用研究。 鞍钢股份鲅鱼圈钢铁分公司于2008年9月10日建成投产，同年完成能源管理中心建设，实现能源数据的在线监测和统计报表打印等功能。受当时技术条件的制约，能源中心功能单一，不能实现在线管控与优化，数据分散、缺乏系统整合、共享和利用，能源管理和生产管理完全分离，各自为政，智能化程度低，完全依靠人工经验进行协调生产。以上问题严重制约了鲅鱼圈钢铁分公司的能源管理提升，能耗指标处于全国中下游水平，项目实施前，2017年鲅鱼圈分公司能耗指标达到600kgce/t钢以上。2017年项目组在经过大量的国内外信息调研基础上，形成项目可行性研究报告；鞍钢集团公司多次组织专家论证，决定以鲅鱼圈钢铁分公司为试点，对能源管理中心进行全方位技术升级改造。2018年初，自筹资金1.2亿元，率先放行了“钢铁企业数字化网络化智慧能源管控系统开发与应用”项目。作为首批两化融合项目，以“集约化、数字化、网络化、智能化”为目标，采用产、学、研合作模式进行联合攻关，按着“顶层设计”、“分步实施”、“重点突破”、“全面提升”的总体原则进行强力推进，项目实施以来取得了预期效果。