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。

钢铁冶炼过程需要消耗大量的能源及水资源，耗水量约占我国全部工业用水消耗的10%，废水排放量约占全部工业废水排放量的14%，是典型的高耗水行业。我国高度重视钢铁行业的用水节水，经过20多年的发展，目前钢铁企业的平均吨钢新水耗量约2.5m3/t，平均吨钢废水排放量约0.5~0.6m3/t，仅分别为20年前的1/10及1/20，均已达到国际先进水平，但总量依然巨大。以2020年全国粗钢产量10亿吨计，当年新水消耗约25.7亿m3，废水排放量约6亿m3。此外，钢铁企业大量使用水作为冷却介质，经过蒸发后的废水中富集了大量盐分，盐浓度可达新水的数十倍以上，直接排放将对生态环境、人类健康和安全造成极大的危害，也会造成盐资源的损失。因此，实现钢铁行业的废水零排放，回收水资源与盐资源，已然成为践行习近平生态文明思想、推动钢铁行业绿色发展的当务之急。 然而，当前钢铁行业的废水零排放却受制于分盐结晶这一关键性技术。分盐结晶是指通过热法或者膜法，将工业废水中的不同盐组分（如NaCl、Na2SO4、KCl等）分离，然后通过结晶的方式实现水与单质盐的分离，过程中的冷凝水回用，盐晶作为其他行业的原材料，实现新水用量降低、废水零排放的目的，过程中常用的膜分离技术、蒸发浓缩/结晶技术均属于成熟技术，已在不同领域中成功应用。但是在钢铁行业探索废水分盐结晶技术应用的过程中，由于水系统设计缺少对钢厂水质水量的系统性精准预测，常规废水预处理技术缺乏智能化精细控制，水系统管理方式落后等原因，致使目前我国钢铁企业的大多数废水零排放系统均无法高效稳定运行，运行成本高、故障率高、盐品质低，影响企业水资源的利用效率和废水零排放成效。因此，亟需从水盐平衡、预处理精细化管理、水系统智能化管控等角度攻克分盐结晶技术应用过程中存在的诸多问题。

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。

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。

目前我国工业企业内部大量采用有线传输技术实现企业内部网络的通信，无线通信在制造领域中的应用较少。一方面，由于传统工业生产设施相对静态和持久，没有无线连接的需求。另一方面，传统无线技术达不到工业要求，特别是可靠性、时延、安全等性能。然而，随着自动化、智能化生产的需求日益强烈，同时 5G 通信技术在可靠性和时延上的突破，为无线应用到制造领域提供了可能。在未来工厂中，由 5G 无线通信提供的灵活、移动、通用的连接，必将对制造业生命周期中的生产、运输和服务带来革命性的发展。 在我国，钢铁企业生产工艺流程复杂、条件苛刻，具有高温、腐蚀以及生产连续性强等特点，在长周期连续运转过程中，受工艺设备、人员操作水平等因素的影响，生产设备可能存在一些影响安全生产的因素，易造成停车停产等事故。设备管理、安全监管、运维管理面临着人为响应不及时、备品备件繁多无法及时跟踪状态等问题，涉及的设备运维无法进一步精细化管理，采用新的技术手段对设备进行智能化管理需求迫切。 针对鞍钢集团及下属工业制造企业内部复杂、多变的无线传输环境，面对工业生产高可靠、高带宽、高安全、低时延的技术挑战，鞍钢集团信息产业有限公司努力克服 5G 和 MEC关键技术在工业互联网中的部署难题，形成了一种具有示范推广价值和行业复制性的企业内 5G 网络部署架构与网络建设、运维、管理新模式。

搪瓷，广泛应用于轻工、家电、建筑、环保等行业。随着技术进步，一方面，以搪瓷特性的损失为代价，工艺和釉料更简单、绿色、低成本；另一方面，应用的拓展对制品的质量要求却越来越高。国内品种性能单一的搪瓷用钢，极大地制约了行业发展。开展搪瓷用钢的关键技术研究，开发满足要求的多样化产品，对于推动行业技术进步和简单、绿色、低成本、高品质发展，具有重要战略意义。 宝钢研发团队历经二十年研发，开发出多品种搪瓷用钢并量产，完成了从理论到生产，从产品到技术的全面创新，主要成果如下： 构建搪瓷鳞爆风险预测模型，填补理论空白。首次提出判定制品是否有鳞爆风险的理论依据，给出定量评价风险大小的参数、计算及整套实验方法，填补了国际国内理论空白。 创新搪瓷用钢涂搪特性评价方法，弥补评价体系缺失。首次实现欧标氢穿透实验方法的无毒化，解决了欧标实验在国内无法实施的问题；首创钢板表面特性快速评价方法并提出关键指标，填补了钢板特性评价方法缺失。 创新并应用多项关键生产技术，确保搪瓷用钢连续稳定和精细化生产。首次成功实现连铸技术在高氧钢上的突破，改变只能采用模铸生产该类非镇静钢的现状；首发RH大环流增氮技术，实现氮含量的高效清洁控制；开发搪瓷用钢高表面特征要求和高清洁度控制技术，借助传统的连退工艺经济高效获得搪瓷用钢高表面特性，通过系列技术首次精确控制成品碳含量2ppm。 开发多品种搪瓷用钢，最大程度对接用户需求。完成4个系列13个搪瓷用钢牌号的开发，做到种类最全；多个代表性钢种的关键涂搪特性、强度及深冲特性等显著优于国际先进产品，实现性能最优。 项目形成发明专利29项，获授权17项；国际发明专利4项，授权2项；发表科研论文25篇，学位论文7篇，形成技术秘密31项，形成上海高新技术成果转化项目5项，获宝武技术创新重大成果奖一等奖。 项目通过技术创新，取得多项重大技术突破，实现了搪瓷用钢的品种多样化、品质优良化；其中BTC4D-HD的成功研制及批量稳定供货，实现了对免预处理直接一次搪瓷极简工艺的完美匹配，标志着我们掌握了最高端搪瓷用钢的研发及技术，确保了在搪瓷用钢领域的全面持续国际领先。 项目近三年累计新增产值25.7亿元，新增利润4亿元，新增税收4.37亿元，创汇2102.0万美元。20年累计产品销售近200万吨，显著提升了产品质量，为我国搪瓷行业简单、绿色、低成本、高品质发展提供了坚实的材料基础。

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。

应用气雾冷却新工艺和新设备， 使得HRB400E、HRB500E、HRB600（E）产品质量在满足GB/T 1499.2-2018新标准各项要求的条件下生产成本最小化。 技术原理与工艺路线： （1）考虑全过程控冷，阶梯型分段冷却+中间返温+冷床控冷；通过控制水雾粒度分布提高汽化冷却比例和冷却效率，优化冷却路径，控制每个冷却段的降温、返温温度以及冷却速度，控制V（或Nb）的碳氮化物在γ~α 转变过程中的相间析出和在铁素体区的析出，并控制各冷却段的终冷温度，从而达到控制细晶强化和析出强化的目标。 （2）新型冷却工艺（Spray Evaporation Cooling ） ：根据水雾汽化特点，精细化控制降温返温温度和气化时间间隔； （3）控制铁素体珠光体组织比例和珠光体团块尺寸、片层间距； （4）析出物控制技术； （5）氧化铁皮结构精确控制工艺；考虑温度、氧化程度、应力状态、Fe-O激活能等因素，高温γ区（ FeO ）+相变过程（ FeO+少量Fe3O4 ）+后续冷床氧化（ FeO+Fe3O4 ）；Fe3O4+ FeO致密氧化膜 的比例。

项目研发了以数据平台软件为基础、以能量流网络信息描述模型为核心、以能源精细化管理为特色的大数据能源管理系统，解决了多介质预测调度的实用化问题。 1）在数据平台方面，①开发了DataX软网关，提供实时数据交换、业务数据交换驱动接口，并实现了OPC、Modbus、HJ 212、DBLink等多种类型的数据驱动，解决了多源异构数据的采集问题；②确保数据质量，减少人为修数工作：利用仪表量程实现了异常数据的自动过滤；利用上下文信息实现对表底数据正常清零、异常回零的判断，对正常清零的数据从下一秒开始在零值基础上继续计算差值，避免出现大负数；利用采集数据上的时标信息判断是否丢数，对丢数的表底值待其通讯恢复后将差值均匀填入到丢数时间段内的各周期，避免最后一个周期过大而其他周期为零；③自主开发了时序数据库内核，通过面向时序数据的索引优化、压缩算法，代替实时数据库作为原始时序数据的存储引擎，实现单机每秒5万条写入速度和每秒百万条的读取速度；④设计了多时间尺度、多值类型的数据存档结构，以便为各种业务提供粒度匹配的数据，并对多存档进行自动平衡存储以提高数据的并发读写速度；⑤对业务频繁读取的数据进行缓存优化，包括数据缓存、配置信息缓存、报表缓存等，使系统查询速度提高了50倍。上述技术并用，消除了对实时数据库软件、关系数据库软件依赖，提供了秒分时日月、原始值、确认值、平衡值多种数据类型，满足了业务的数据需求。