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。

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。

智能化、绿色化是钢铁行业的发展方向，而数字化是智能化的重要基础，在钢铁工程建设特别是新型钢厂建设过程中，如何实现全流程全方位的数字化和绿色化，还需要解决以下四个核心问题。 1.解决新一代信息技术与钢铁全流程深入融合的问题。一是解决信息感知与数据不全的问题；二是挖掘数据的深层次价值，解决大部分数据仍在沉睡的问题；三是提高数据孪生效率，解决产线各系统之间彼此孤立、信息孤岛，数据资产和价值有待进一步挖掘的问题。 2.解决绿色技术与工程设计的融合与协同问题。我国钢铁行业执行全球最严行业排放标准，河钢集团所在的河北省排放限值又高于国家标准。另外，钢铁行业存在工艺流程长、工序多、污染物种类多的特点，增加了污染物协同治理的难度。以产品为主导的传统钢厂设计模式，生产制造与绿色技术协同性不够，导致全流程绿色技术与总体设计融合难。 3.解决新一代流程钢厂各工序高效衔接的问题。依据冶金流程学理论，钢厂工序流转应遵循“流转时间最小化、空间路径最小化、过程排放最小化”的总体设计理念，但如何实现“最小化”，在实际操作时难以量化和及时调整。需要通过数字化手段，搭建流程优化和智能化运行总平台，实现各工序间的高效衔接。 4.解决钢铁工程项目管理手段不统一的问题。钢铁工程由于规模大、系统复杂，面临工程难以协同管理的问题，主要表现在工艺设计、设备管理、现场施工等资源集中管控平台缺失、技术体系无法共享、信息沟通效率低等方面，严重影响和制约了工程建设效率。

质量管控系统以工艺需求为导向，以信息化技术为手段，通过工业互联网平台的建设和全流程应用层功能的开发，实现了钢铁生产过程质量一贯制管理。质量管控系统通过工业互联平台建设，实现以物料为中心的高通量、多元异构、多维度数据采集，并完成数据的时空变换、匹配、判异等。以数据平台为基础，通过质量设计、过程判定、过程监控、数据追溯、质量分析、质量预测等功能设计和集成机器学习算法。同时，质量管控系统还提供定制化功能，该模块可以快速开发则验证质量管控系统的平台效应，为钢铁行业各类质量改进提供了有效工具和方法。该系统在国内多家大型钢厂均有成熟业绩，该系统的上线提升效率、降低成本、提高质量，同时，实施过程中，培养企业工艺技术人员的相关技术能力，提升了质量管理人员的管理水平。

本项目属于冶金节能减排领域。 我国钢铁产量大，污染物排放高，颗粒物、SO2、NOX分别占工业的30.1%、13.7%、15.7%。现有排放标准已无法满足“打赢蓝天保卫战”要求。2017年政府工作报告提出：推动钢铁行业超低排放改造。结合目前钢铁行业环保水平，钢铁行业实现超低排放还存在以下难点：（1）无组织排放点位多、排放量大，排放底数不清，缺乏治理有效路径；（2）高炉煤气用户SO2排放末端治理难度大、缺乏源头控制技术；（3）转炉一次除尘、高炉料罐均压煤气等重点工序颗粒物治理技术不完善；（4）球团烧结稳定达标排放难度大。（5）污染物一体化管控难度大。针对上述难点，首钢股份公司开展了无组织排放管控治一体化技术研究，有组织达标排放成套技术研究。项目取得了以下创新成果： （1）首次建立了迁钢钢铁生产全流程超低排放技术体系，研究了钢铁生产全流程污染物排放特征及规律，开发了有组织排放稳定达标的成套技术，搭建了全流程污染物管控治一体化智慧环保平台，使首钢股份公司吨钢颗粒物、SO2、NOx排放绩效指标分别达到了0.17kg、0.21kg、0.4kg。 （2）开发了有组织排放长期稳定达标的成套技术，在综合分析高炉煤气有害成分的基础上，首创了高炉煤气喷碱控硫技术；在系统研究了煤气防爆技术和污水处理技术后，首次将湿式电除尘器技术与转炉煤气OG除尘有机结合；对料罐煤气放散特征系统分析技术上，首创了全量回收料罐均压煤气技术；在系统性地研究了球团烟气特点后，创造性地将SCR脱硝技术引入到球团烟气治理领域；通过上述技术的应用使迁钢公司有组织排放远低于超低排放要求。 （3）建立了无组织排放综合除尘控制技术体系，首次研究了无组织排放产尘机理和扩散规律，开发了卸料行为图像智能识别技术、超细雾炮抑尘技术、双流体干雾抑尘技术、生物纳膜抑尘技术、Y型双层密闭导料装置等，实现对无组织排放污染物管控与治理。 （4）首次建立钢铁企业超低排放智能管控平台，开发了以网格化综合管控模块为核心，以大数据技术及机器学习自适应算法为驱动，以机器管理代替人员管理，实现污染源点精准化、治理技术智能化、治理过程信息化、决策反馈一体化、污染应对数据化、操控管理无人化的“黑灯工厂”。 项目环境效益显著：2019年比2017年颗粒物减排3122吨，SO2减排1531吨，NOX减排2344吨，减排比分别达69%、47%、42%。