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

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。

冶金加热炉的优化控制关键在于精确的燃烧控制和稳定的炉温控制。炉内钢坯温度预测和准确的空燃比是控制的关键。2006年起，马钢与安徽大学合作，基于冶金工业炉窑实际生产中的技术需求，开展了包括复杂热环境下的光电检测技术、热能工程、自动化控制、机械设计制造等多学科交叉研究。 马鞍山钢铁股份有限公司与安徽大学合作团队在一系列关键技术和实现方法上取得了突破，研发了在大型工业炉复杂热物理环境下基于光电检测技术的炉内工件表面温度全视场监测及炉膛气分在线分析系统，实现了加热炉内工件温度和炉内CO、O2浓度的实时测量。并在此基础上将所获得的关键物理参量作为控制参量，自主研发了“加热炉燃烧效能在线智能监测与优化控制系统”，该系统以炉内工件温度参数建立温控模型，以炉膛气分检测参数建立空燃比最优控制模型，实现大型工业炉窑燃烧效能的最优化控制。

莱芜钢铁集团银山型钢公司炼铁厂（简称型钢炼铁厂）400㎡烧结机于2010年1月建成投产，采用莱钢电子自主研发的专家控制系统，配套了部分自动化控制装备、过程参数检测装备，初期装备水平、工艺技术条件处于行业前列，已生产运行十余年，尚未进行大规模的软、硬件技术改造升级，导致整个系统中影响烧结过程的关键参数选取不全，关键控制参数仪表不能精确、连续在线监测，烧结理论和控制逻辑陈旧，已经不能很好的指导实际烧结生产。开展烧结过程的系统分析和深度挖潜，在烧结过程智慧控制、大数据应用、持续节能降耗方面，有待进一步提升。因此，对于莱钢而言，提高烧结工序工艺技术水平，提升装备自动化水平，降低烧结工序能耗，实现烧结生产智慧控制及大数据应用已变得迫在眉睫。 基于以上原因，莱钢公司引进了和钢科技股份有限公司率先研发科技成果，建设莱钢400m2烧结机智慧烧结过程管控一体化平台，以加快推动山东省钢铁产业提质增效和节能减排、绿色发展。