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。

2019年4月，生态环境部等五部委部联合发布了《关于推进实施钢铁行业超低排放的意见》（以下简称“意见”）。2019年12月，生态环境部发布了《钢铁企业超低排放评估监测技术指南》。2020年7月，生态环境部发布了《重污染天气重点行业应急减排措施制定技术指南（2020年修订版）》。从上述国家关于钢铁企业超低排放改造提出了明确的要求和时间表。因此，钢铁行业如何从实现全流程、全过程、系统的环境管理的角度出发，建设生态环保管控系统，对有效提高钢铁行业发展质量和效益，大幅削减主要大气污染物排放量，促进环境空气质量持续改善，已经成为钢铁行业绿色发展的重要内容之一。 目前，部分企业已实施了无组织管控平台或超低排放管控平台，以满足超低排放的基本要求。但是无法满足钢铁企业日益增长的环境管理需求。企业急需将废气、废水、固废、清洁生产、碳排放、排污许可、环境风险、环保管理等管理功能全部实现信息化和智能化管控，并且根据企业实际需求进行定制化设计。在实现各环境管理功能的过程中，现有设备信息传输基本依托有线、4G无线等传输技术，5G技术尚在环保监测监控设备上的应用。目前企业已实施的超低排放管控系统及无组织排放管控系统多采用大屏展示的方式，对于环保管理人员查询、统计、导出、流程化管理带来了困难，急需开发PC端。

本项目研究形成了一套集诊断、调控、监测等技术为一体的安全低碳高炉炉缸保护层监控预警平台。基于高炉炉缸解剖，提出了以控制石墨碳析出为核心的高炉炉缸自修复理念，明确了高炉炉缸安全低碳护炉方向，实现了炉缸铁液富石墨碳保护层的析出诊断。通过构建炉缸活跃模型，明确了优化炉缸活跃性的操作调控技术，改善石墨碳析出环境。通过强化炉缸传热体系，降低炭砖热面温度，调控高炉侵蚀炉型，为石墨碳析出提供动力学条件。通过量化炭砖侵蚀速率，构建炉缸侵蚀模型，兼顾保护层析出诊断、析出调控，形成保护层动态监控预警平台，最终实现了高炉炉缸侧壁温度保持并在安全温度范围内，保障了炉缸生产安全。

北京科技大学通过研究形成了一套集诊断、调控、监测等技术为一体的安全低碳高炉炉缸保护层监控预警平台。基于高炉炉缸解剖，提出了以控制石墨碳析出为核心的高炉炉缸自修复理念，明确了高炉炉缸安全低碳护炉方向，实现了炉缸铁液富石墨碳保护层的析出诊断。通过构建炉缸活跃模型，明确了优化炉缸活跃性的操作调控技术，改善石墨碳析出环境。通过强化炉缸传热体系，降低炭砖热面温度，调控高炉侵蚀炉型，为石墨碳析出提供动力学条件。通过量化炭砖侵蚀速率，构建炉缸侵蚀模型，兼顾保护层析出诊断、析出调控，形成保护层动态监控预警平台，最终实现了高炉炉缸侧壁温度保持并在安全温度范围内，保障了炉缸生产安全。

本项目属烧结技术领域。 新常态下我国钢铁工业逐渐向减量、均质、绿色智能发展，提高烧结矿质量，减少工序能耗和污染物排放，已成为行业追求的目标。提高烧结矿质量主要是生产均质烧结矿，其关键是形成一种理想的烧结混合料结构，能使空气的流动、热量的产生以及固体物料的熔化在料层任何一处都能均衡地进行，因此要求混合料透气性均匀、热量均匀和适当的液相反应。 然而随着烧结系统大型化和矿石资源品质劣化，完善均质烧结存在如下技术难题：1）传统的“依据铁矿石资源量、化学成分及成本”的一般配矿水平难以满足生产优质烧结矿的需要；2）烧结机大型化后料面加宽，台车料面宽度的点火、风量均匀性发展难以控制，烧结横向均匀性差；3）现有的点火装备难以实现低耗、高效的点火要求；4）通过有效的信息反馈对烧结过程复杂的固液相反应进行预判和靠前调整。 为解决以上难题，马钢遵循源头绿色生态设计的原则，以300-360㎡烧结机为载体，从配矿、料层结构、点火控制及烧结过程热量方面进行了立体调优提质技术研究，并突破了关键工艺技术，实现了生产应用。项目具有如下特点：1）提出并利用基于铁矿石液相生成能力的烧结配矿方法，指导铁矿石的使用和烧结优化配矿，有利于烧结矿质量的稳定；2）开发了基于差异布料、均质点火和风量均匀分配的横向均匀烧结调控技术，烧结横向均匀性连续数值化可评价；3）大空间分区域独立控制与全方位立体监控相结合，安全均匀稳定喷加焦炉煤气，烧结过程热量调优；4）提出并实施一种低耗节能和点火均匀性双提升的点火装备及工艺技术。 通过项目的实施，授权国家发明专利8项、实用新型2项，总体水平达到国内领先。应用后技术指标进步，节能效果明显。近三年，马钢应用该技术，烧结综合成品率由成果实施前三年平均值60.67%提高至68.8%，固体燃耗由62.71kg/t下降至52.86kg/t，烧结工序能耗明显低于国内先进(冠军)机。累计增收节支总额16237万元，年增收节支总额5412万元，分别降低CO2、SO2排放量2.9万t/年、86t/年。 基于绿色生态设计的大型烧结机立体调优提质技术改善了烧结立体均匀性，实现了烧结提质降耗，同时促进了关键点火工艺装备技术进步，减少了CO2、SO2等污染物的排放，改善环境。该技术在促进我国钢铁工业向“减量、均质、绿色智能”发展方面发挥了较好的典范引领作用，具有较为广阔的推广前景。

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。

着眼于钢铁企业固体废弃物循环利用问题，针对钢铁企业高炉矿渣制粉等固废循环利用综合监控管理中存在的问题开发了基于RFID、GPS等物联网技术的固废循环利用综合管控技术，构建了集固废产生与消耗实绩、仓储管理、委托计量以及流转监控为一体的钢铁企业固废循环利用综合管理系统。解决的共性技术难题包括：1）针对高炉矿渣制粉等钢铁企业固废循环利用综合监控管理问题，开发了异构数据平台；2）研究钢铁企业物质流网络模型，提出一种钢铁企业固废循环利用调度流程和方法，构建了集8大业务功能于一体的固废循环利用综合管理系统；3）针对钢铁生产环境下的物联网数据感知问题，创新研发了适合钢铁企业的高可靠的无线传感网络工程技术。

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。