日前，国家发改委明确了新型基础设施的范围，这给已经热得发烫的新基建又添了一把火。不过，具体到行业、企业，恐怕还是要回归工程思维，注重数据驱动。
4月10日，由中国工业报社、中关村科技园区石景山管委会联合主办，中关村工业互联网产业联盟、中关村大数据产业联盟协办的“推进科技防疫复工 探讨企业数字新基建”的系列在线论坛（第二期），就钢铁行业新基建进行了研讨。论坛体现出来的一个焦点，就是如何挖掘数据价值。
据悉，参加研讨会的嘉宾，有来自鞍钢集团、宝钢研究院、东北大学、北京科技大学的智能制造专家，以及百度智能云、东土科技、紫光云引擎、优也等工业互联网企业的嘉宾。以下是嘉宾精彩观点。
目标：跨工序流程价值链的塑造
鞍钢集团信息产业有限公司党委书记、董事长王军生在“面向应用的钢铁流程工业智能制造的探讨”的主题演讲中指出，智能制造有很多目标，包括节能、降耗等等，但钢铁流程工业最重要的一个目标，是跨工序流程价值链的塑造，这与离散制造业主要强调规模定制不同。
鞍钢集团信息产业有限公司党委书记、董事长 王军生
围绕跨工序价值链的塑造，钢铁流程工业智能制造目标实现的路径有四个方面。第一，生产过程的数据化。即把生产现场的生产数据、设备数据等采集上来，形成数据系统。第二，对数据进行整理和筛选，形成有价值的数据，实现数据到信息的转换。第三，将信息通过机理模型或AI、大数据等技术形成针对不同业务的知识。这个过程是以冶金领域的专家为主的工作，占整个智能制造工作的80%以上。第四，通过知识的积累，在生产和质量等环节产生价值。
“数据，信息，知识，价值，这四个途径，构成了整个工业价值链的实现。”王军生说。
王军生认为，工业智能制造的要素，总结起来就是三个对象+三个网络+四个手段。三个对象，就是人、系统和设备。三个网络则是互联网、工业互联网、物联网。四个手段主要是指三个网络和三个对象之间的沟通连接。目前，智慧能源，质量管控和设备诊断是比较能够落地的业务内容，当然，企业首先需要搭建智能制造系统架构。
据悉，鞍钢集团智能制造系统架构概括起来就是“123456”，一个中心、两个体系、三个能力、四个平台、六个功能，即一个数据中心；两个体系包括标准体系，安全体系；三个能力，包括新型竞争能力、卓越运营能力和柔性制造能力；四个平台包括管理决策平台、生产运营平台、创新服务平台和基础支撑平台；五个特征，包括自动化、数字化、模型化、集成化和可视化；六个功能，包括智能决策支持、智能经营管理、智能生产协同、智能互联互通、智能创新发展和智能资源管理。而为了支撑整个工业互联网的落地，还打造了鞍钢品牌的“精钢”云平台。
在钢铁能源管控平台方面，通过远程集控、能源管理系统等几方面组建了能源管控智能系统，通过该平台，实现了能源管理结合生产计划和现场工况，进行整体的能源平衡预测和优化，并进行动态优化调度策略的制定，将供需关系的不平衡出现几率降到最低，同时提升多能流的协同优化能力，实现多能流综合运行经济最优化。总体上，实现了能源管理从“解决可见问题”向“避免不可见问题”的转变，以及实现整个钢铁能源管得好、看的见、说得清。
质量管控是整个钢铁领域智能制造的一个热点。传统的质量管控系统包括PCS、MES和ERP，但缺少有效的过程质量的信息反馈，造成整个钢铁生产产品质量稳定性比较差，工序之间交接出现纠纷，比如炼铁，炼钢，热轧，冷轧出现了工序的问题，不清楚是在哪个环节造成。另外，由于不同工序的离散性，也形成很多的离散的孤岛。通过新的质量管控系统，可以实现数据采集，质量溯源，质量报告以及工艺质量判定和规则设计等功能，实现了整个的钢铁生产的质量管理，由传统的经验管理向以数据驱动的信息化管理的转变。
设备诊断是工业物联网的一个代表性应用。在钢铁生产里，有各种各样的设备，这些设备有很多参数需要检测和分析。通过数据分析把设备相关的检测数据导入到数据平台，进行功能的分析和判断，实现设备的防患，从而实现设备的全生命周期管理。设备诊断在本质上是通过数字孪生来实现的。
据悉，鞍钢和中国移动进行联合研发，在设备诊断中用到5G+AICDE的技术组合。A就是人工智能，通过人工智能进行大数据分析；I就是物联网，设备之间通过5G模组进行连通；C就是云，整个设备的诊断数据要传到云上；D和E，就是进行大数据分析，此处实现了边缘计算和云计算的结合。最后，通过整个的设备诊断，实现设备的全生命周期管理，实现状态分析，为钢铁生产的稳定运行提供稳定的设备保障。
百度智能云：推进体系智能化
当前，钢铁行业转型发展聚焦在三个方面，第一，站在环保的角度，向绿色发展。第二，通过现有的系统，现有的AI的能力、工业物联网以及一系列新技术，实现降本增效。第三，整合全球钢铁供应链。
百度智能云工业解决方案总监刘斌从数据的角度对钢铁智能化进行了全面的分析，他认为，要推进从数字化到智能化，一定要结合企业存量数据现状以及数据场景实现的步骤。
百度智能云工业解决方案总监 刘斌
经过多年的信息化改造，钢铁企业在产、供、销各个层面都已经有了良好的企业数据，这可以分为两类：第一种是非结构化数据；第二类，是存在现在的系统、体系、流程中，一直流转的结构化数据。那么，数字化、智能化如何基于这两类数据再深入一步？
首先，第一类非结构化的数据可以帮助企业在新的业务场景交互中起到很大的支撑作用，这些支撑又帮助企业创造了人工智能的数据基础，所以以场景维度，是实现人工智能的第一个路径。
其次，结构化数据和一些相应业务流程在交互的过程中，存在着同类型的非结构化数据之间，或不同类型系统之中非结构化之间的交互——这就组成了协同交互。协同交互帮助企业实现了复杂场景的支撑。
第三类，体系化的数据包括ERP、MES等，这一类数据存在着两种相近的成果，一是流程的逻辑性的积累，二是相应的数据分析、指标类的积累。
“先从点上的场景开始，再从场景化的非结构化数据的协同开始，再到相应的结构化数据，来实现体系的分析，以这种逻辑方式，才能最终的推向整个企业全局的、实时的、全面性的、体系化的分析。”刘斌说。
目前，第一步大多数钢铁企业已经实现了，比如通过物联网，实现了机器的感知和认知，带来了不同类型的数据基础，形成了场景的智能化。在此基础上，钢企需要推进协同交互和体系化数据的衍生，并结合人工智能推动预测类的发展，从而完成关联连接、分析智能以及体系化智能。也就是以现有的信息化作为起点，结合场景，完成场景的智能化和场景的智能化组合，最终推进到整个体系智能化。
如何借助新技术辅助产品开发及验证
钢铁行业是典型的原材料工业，应该说高端钢铁材料的研究开发与设计至关重要。冶金自动化专家，北京科技大学教授、自动化学院副院长彭开香表示，在工业互联网与智能制造的发展契机中，如何借助云的方式助推新产品的开发设计，进行材料设计与模拟非常关键。
北京科技大学教授、自动化学院副院长 彭开香
鞍钢集团信息产业有限公司党委书记、董事长王军生认为，传统的新产品开发有很大一部分在实验室进行，包括材料的冶炼、轧制，热力模拟实验，以及物理、力学、化学的实验等。但是，多年来，钢企每个钢种开发过程中的数据，在开发之后基本就不利用了。但实际上，这些数据具有非常强的大数据的关联关系，非常宝贵。
因此，如果把这些数据放到云上，可以为整个材料的开发提供先期的材料计算学依据，这样可以把材料开发、钢种开发的整体成本、开发周期大大缩短。而现在，基于云端的计算材料学已经开始为整个钢铁产业做产品的开发试制提供前期的准备。
“当然，目前还没法完全通过基于云端的材料大数据来替换全部的实验过程，但是可以减少实验过程，降低成本，提高速度。”王军生说。
流程工业的产品质量的稳定性与效率非常关键，包括工序间的协同，工序间的控制等。彭开香提出，当前钢铁行业存在一个问题：实验的时候，小批量质量没问题，但大批量生产就有问题。
百度智能云工业解决方案总监刘斌认为，通过机器学习做小批量验证的时候，准确率比较高。但是适配现有情况大数据的环境下，容易发生过拟合的情况。如果要解决这个问题，就需要在大分类的条件下具备更多的样本数据。同时，一方面通过去噪把不必要的数据去掉；另一方面，通过提升5%-10%的阈值观察并解决其扰乱性。
优也信息科技CEO傅源则认为，从实验室小批量到量产，要解决的最大的问题是放大不相似问题，以及控制过程的精度问题。钢铁行业本身，第一物料的配料很复杂，过程操作、工艺等，很难在大规模的时候把小批量的复制好；第二，从小批量到大批量，在不同的容积范围下，过程工艺操作的核心是不是真的是一个线性关系？因为变量太多。
优也信息科技CEO 傅源
因此，从数据本身发现实验室中不存在而在真实量产过程中存在的规律，如何通过物联网来追溯非常重要，因为包括矿料本身的操作，以及当时设备的状态、参数、矿料的状态等，物联以后可以映射。“质量追溯是最难的，但也是实时跨工序以及跨不同层级的信息系统进行数据拟合中一个非常值得追求的目标。”傅源表示。
杜斌：钢铁工业互联网有几大难点
宝钢研究院智能制造研究所杜斌教授于2018年撰写的《大数据热之下，钢铁业该如何应用？》一文受到业界广泛关注。关于钢铁工业互联网，杜斌认为有几大难点。
宝钢研究院智能制造研究所 杜斌
首先是基础积累在路上。这有一个技术问题，原来的很多系统都是世界各国自己封锁的，标准都不一样，现在通过一些技术可以共享，但是国内相关服务商，尤其是互联网服务商，在这个领领域的积累还不够。
其次是工业互联网的技术经济性问题，建设工业互联网，原来的系统怎么办？另外，社会互联网的量很大，但是包括钢铁在内的其他工业行业却不是这样，甚至钢铁行业的不同的工序段，对工业互联网的需求都不一样。这种行业差异化为工业互联网投资带来风险。
第三是BAT为代表的工业互联网公司介入钢铁行业的方式还可以更好。“比如收购做底层控制的公司或者团队，然后再利用互联网企业的优势，去做一些专业的软件工具与平台。这样才能跟工业更好地结合。”杜斌表示。
关于工业大数据的应用，杜斌提出：“路车和司机要平衡”。比如网络、存储器、信息系统等，这些都是“路”。“车”就是要解决的问题。“司机”就是人才。现在都在建路，可是如果都不知道车有多宽，有多少货要运，路怎么建？这个问题需要平衡——“我觉得司机最重要”。
当前，钢铁行业其实已经有了很多数据，从技术经济角度，应该先利用“宽而薄”的数据，也就是信息系统中的数据，去开展工业大数据的“车”和“司机”的工作。那么，在哪个地方去做数据应用？杜斌表示，2018年提出的九个领域，今天依然是适用的。（注：这九个领域是：①钢铁全产线产品质量分析与监管；②专用设备诊断；③缺陷图像数据处理与分类；④基于大数据的能源整体调度优化；⑤基于制造大数据的智能采购；⑥基于市场与制造大数据的预测式制造系统；⑦基于大数据的销售决策支持；⑧成本大数据应用；⑨工序间数据建模与决策。）
不同的工业企业，但智能制造的路上一定要循序渐进，简单地说就是要先自动化和模型化，先信息化后智能化。任何一个钢铁产线，如果过程控制模型都不完善，“任何上面的高端的东西都在这个地方有个断点。”
核心：OT与IT的融合
工业互联网、智能制造，OT与IT的融合是个永恒的话题。在这个过程中，涉及到底层控制系统的贯通、数字孪生、机理模型以及云平台等方面。
关于数字孪生，宝钢研究院智能制造研究所杜斌教授坦率地说：“数字孪生在钢铁工业定义不清，还很遥远。”以钢铁企业一个复杂基地的产线为例，目前行业还不能把这个产线上的板坯、铸坯、钢卷一直到仓储的全流程的物质流计算出来。因此“数字孪生”这些概念还是先放一放。而在机械行业，20年前就能计算，有大量的基础软件来支撑这个计算，可是流程行业却很鲜见。
冶金自动化专家，东北大学教授张殿华透露，东北大学正在推进和华为的合作，最近准备在河北钢铁建设一个全新的全流程的智能制造样板。其重点，是如何在工业互联网的基础上推进整个流程工业动态的、全局的数字孪生，形成一个包括炼钢、热扎、冷轧在内的工序级、全流程的CPS闭环。
冶金自动化专家、东北大学教授 张殿华
智能化的核心之一是模型化。优也CEO傅源认为，目前工业行业的模型，大部分是机理模型，但仍有20%-30%是纯数据黑箱模型和灰箱模型，这说明大数据学习是有价值的，但本身还是机理为主。以数字孪生包括CPS为例，不同的对象、不同的应用目的、不同的流程，都会给数字孪生带来巨大的差异，但如果能通过数字孪生把需要的生产数据和属性数据抽象出来并管理起来，然后辅助进行各种模型计算，就会有价值。
关于控制系统，东土科技副总裁刘生富的感受非常深。他认为，智能制造和自动化是密切相关的，没有自动化就没有智能化。但是在目前工业互联网的大环境下，传统PLC的架构已经不能够适应目前智能化的需求，也就是说在边云结合端很难实现。据悉，近期东土科技与东北大学签署战略合作，针对流程工业边云结合的控制难题进行相应的攻关。
东土科技副总裁 刘生富
今天，其实没有一家企业或者机构能够提供一揽子的复杂的钢铁智能化解决方案。就传统的工业控制体系来说，可能经历三代到四代的发展历程，第一代是机械控制，第二代是电子控制，第三代是PLC控制器，现在到了第四代软件定义。当然，这种变革会面临很大的困扰，如协议的、企业应用等层面的挑战。
“随着智能化的发展，处于底层的PLC控制层成了一个瓶颈。PLC如何和大数据互相结合，形成一种大数据驱动的控制器体系，是我们这一代人或者说我们这个时代面临的一个很重要的课题。”刘生富表示。
然而，鞍钢集团信息产业有限公司党委书记、董事长王军生则指出，传统PLC在短时间内退出的可能性不大。现在的智能制造更多的是数据驱动。工业领域的很多规则是通过机理建模形成，目前逐渐会有一部分为由数据驱动，当然其实更多的是数据和机理混合驱动。数据驱动更多是在知识体系或者是建模中发挥更多的作用，而不是替代传统的PLC的硬件。不过，随着5G的应用，不同类型PLC的通讯标准有可能向以5G为核心的一些公共性标准靠拢。
“由于国外PLC、DCS形成事实上的垄断，在新兴技术等通用软件上面，建议尽量采用新兴公司或者BAT公司的通用软件，以免形成新的垄断。”宝钢研究院智能制造研究所杜斌教授呼吁。
关于云平台，紫光云引擎物联网事业部总经理孟宪宇表示，钢铁行业业务流程非常长，设备数量众多，它所面临的智能制造的角度和需求也是方方面面的。全流程的连接、数据的预测、机理模型的利用、服务化的可视化——这是当前包括紫光云在内的工业互联网企业建设云平台的四个角度，他们从总体上帮助企业提高生产运行保障能力。
紫光云引擎物联网事业部总经理 孟宪宇
自2012年GE提出工业互联网以来，工业4.0、智能制造、工业互联网等不断发展，技术不断迭代，应用融合走向深化。作为自动化、信息化基础较高的行业之一，钢铁工业智能化也正在逐渐步入深水区。
优也信息科技CEO傅源表示：“钢铁智能制造的道路非常漫长。一个是工业和信息的跨界、融合非常难，但如果不跨的话就更困难。再一个，相应的工具需要不断打磨，不断地接近需求方的状态，需求方的背后就是工业现场。”
“钢铁流程行业的智能制造，落地才是硬道理。”冶金自动化专家，东北大学教授张殿华说。
- 中国银联五一献礼，线上线下联动打造支付便利新体验 – 2024年4月24日
- 宁德时代与鹏程无限达成技术授权合作 – 2024年4月24日
- 西门子发布 Veloce CS，解锁三款新品助推硬件加速仿真和原型验证 – 2024年4月24日