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。

目前，钢铁企业智能制造正在兴起，《中国制造2025》中明确提出，“单位工业增加值用水量”以2015年数据为基础，2020年要降低23%，2025年要降低41%，从统计数据来看，2015年我国钢铁企业平均吨钢新水用量为3.53m3/t，2020年已降至2.45m3/t，下降幅度约为30%，但距离2025年下降41%，即平均吨钢新水用量约为2.1m3/t的目标仍有差距，而钢铁企业平均吨钢新水用量的下降速度正不断放缓。 目前我国钢铁⼯业⽔处理存在的主要问题如下：①工艺流程长；②用排水量大；③废水排放节点多且成份复杂；④全厂水质水量难平衡；⑤水系统精细化科学管理及智能化管理水平还有待完善。 钢铁行业近年来的快速发展，决定了钢铁企业必须通过先进技术的应用，在节水减排的战略原则下，建立指导企业水系统生产运行的综合平台，实现生产控制运营的精细化和最优化，实现水质水量的科学核算与调度，实现集约化、智能化的创新运营管理模式，实现环保管理的实时化与零风险，提高水处理的效率、降低运行成本，以解决以上问题。利用信息化技术挖掘更深层次的节水潜能是未来钢铁企业进一步发展的必然措施。

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。

随着国家对环境保护和“双碳”日益重视，传统的燃煤锅炉供暖正逐步向更加清洁的电力、燃气锅炉及工业余热替代方向迈进。抚顺新钢铁也正以“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”四大发展战略为企业使命，致力开发利用工业余热为居民供暖，既能解决政府关注的居民供暖环保问题，又能实现工业企业与供暖企业的联动，最终实现了产城融合的企业愿景。目前，钢铁余热利用以下技术难题： 1、余热形态、品质差异大，导致回收技术差异大。 2、钢铁企业生产特点是流程长，余热资源分散，集中回收利用难度大； 3、用户侧供暖参数的不同，导致供热系统热平衡、水平衡调节难度大； 4、钢厂生产波动导致供热系统热平衡、水平衡调节难度大。 针对钢铁这些存在的普遍问题,抚顺新钢铁开展了钢铁流程分布式余热跨界利用关键技术的系集成开发与应用，实现供暖面积2.27平方米/吨钢的成绩。

随着国家对环境保护和“双碳”日益重视，传统的燃煤锅炉供暖正逐步向更加清洁的电力、燃气锅炉及工业余热替代方向迈进。抚顺新钢铁也正以“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”四大发展战略为企业使命，致力开发利用工业余热为居民供暖，既能解决政府关注的居民供暖环保问题，又能实现工业企业与供暖企业的联动，最终实现了产城融合的企业愿景。目前，钢铁余热利用以下技术难题： 1、余热形态、品质差异大，导致回收技术差异大。 2、钢铁企业生产特点是流程长，余热资源分散，集中回收利用难度大； 3、用户侧供暖参数的不同，导致供热系统热平衡、水平衡调节难度大； 4、钢厂生产波动导致供热系统热平衡、水平衡调节难度大。 针对钢铁这些存在的普遍问题,抚顺新钢铁开展了钢铁流程分布式余热跨界利用关键技术的系集成开发与应用，实现供暖面积2.27平方米/吨钢的成绩。

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。

废钢作为唯一可以代替铁矿石炼钢的绿色环保、可多次循环利用的再生铁素资源，将在后续钢铁冶炼中占据更重要的作用和地位，更加广泛的应用于钢铁冶炼。由于废钢使用量大，多料型掺杂混装，且时常发生废钢掺假等现象，为保证产品质量、提升钢铁产量，避免爆炸、钢水喷溅等事故的发生，需要对购买的废钢进行验质。传统废钢验质工作面临如下几个难题： 1、钢铁企业废钢验质过程，通常应用人工目测、卡尺测量等手段，受人为主观因素影响较大，缺乏统一的废钢分类定级标准，无法形成量化的评价结论及很好的数据分析，不易让供应商信服。 2、废钢验质作业环境较为恶劣，验质人员每次需要攀高四五米到大货车车顶，对车内废钢进行近距离观察，劳动强度大，作业风险高，效率低下。 3、卸货过程中，掺假、密闭容器未切割、超长超大件等，在人工验质过程中，经常存在漏验、错验等情况，异物无法及时提醒，可能会直接影响后续钢铁冶炼安全，发生重大的安全事故或生产事故。 4、废钢验质结果将直接决定废钢的回收价格，判级等级的差异直接影响钢铁企业的利益、供应商的利益，进而影响供应商的合作积极性。如何实现双赢，保障双方利益，也是传统验质工作执行难的重要难题。 河钢数字科技自主研发了基于人工智能技术的废钢智能验质系统。该系统主要利用机器视觉对废钢车辆卸料过程实时感知、逐层采样，通过人工智能技术（AI），在卸货过程中进行单层判级和整车判级，智能识别出不达标废钢、杂质和异物，最终通过AI算法计算出整车扣重的预估值，对危险物、异物及时做出预警。