鋼鐵工業(yè)是國民經(jīng)濟的重要基礎(chǔ)�(chǎn)�(yè),是國之基石。改革開放以�,我國鋼鐵行�(yè)迅速發(fā)�,到2020�,我國鋼�(chǎn)量已�(jīng)達到世界總產(chǎn)量的57%,可以生�(chǎn)所有門類的鋼鐵�(chǎn)�。鋼鐵工�(yè)為國家建�(shè)提供了重要的原材料保�,有力支撐了國民�(jīng)濟的健康�(fā)展,推動了我國工�(yè)�、現(xiàn)代化進程,促進了民生改善和社會進步�
鋼鐵行業(yè)�(shù)字化�(zhuǎn)型的機遇與挑�(zhàn)
作為大型復雜流程工業(yè),鋼鐵工�(yè)全流程各工序均為具有多變�、強耦合、非線性和大滯后等特點的“黑箱�,實時信息極度缺�;各單元為孤島式控制,尚未做到單元間界面無縫、精準銜�。鋼鐵行�(yè)面臨的質(zhì)�、成�、環(huán)�、穩(wěn)定性等方面的問題亟待解�。嚴重的“不確定性”是鋼鐵生產(chǎn)過程面臨的重大挑�(zhàn)�
鋼鐵行業(yè)具有豐富的數(shù)字技�(shù)應用場景資源。經(jīng)過長期的建設(shè)和發(fā)�,鋼鐵行�(yè)已經(jīng)具有先進的�(shù)�(jù)采集系統(tǒng)、自動化控制系統(tǒng)和研�(fā)�(shè)�,可以為我們提供海量的�(shù)�(jù)資源。我們已�(jīng)實現(xiàn)了全面的�(shù)�(jù)采集和豐富的�(shù)�(jù)積累�
習近平總書記號召我們“加快建�(shè)�(shù)字中國�。我們鋼鐵人要將�(shù)字技�(shù)與鋼鐵行�(yè)深度融合,充分發(fā)揮鋼鐵行�(yè)海量�(shù)�(jù)和豐富應用場景優(yōu)勢,在工�(yè)互聯(lián)�(wǎng)、大�(shù)�(jù)、云計算�5G�(wǎng)�(luò)等信息技�(shù)的支撐下,借助大數(shù)�(jù)與機器學�/深度學習等數(shù)�(jù)科學技�(shù),快速解析海量數(shù)�(jù)中蘊含的企業(yè)生產(chǎn)過程中的�(guī)�,并利用這些�(guī)律解決流程工�(yè)普遍存在的不確定性等“黑箱”難�,發(fā)揮數(shù)�(jù)技�(shù)的放�、倍增、疊加作用,推進鋼鐵行�(yè)的數(shù)字化�(zhuǎn)型與高質(zhì)量發(fā)��
�(shù)字驅(qū)動的鋼鐵材料�(chuàng)新基�(chǔ)�(shè)�
鋼鐵材料�(chuàng)新基�(chǔ)�(shè)施是以工�(yè)互聯(lián)�(wǎng)為載體、以�(shù)字孿生為核心,提供數(shù)�(jù)全生命周期管理,支持�(shù)�(jù)治理、大�(shù)�(jù)存儲、大�(shù)�(jù)分析引擎、大�(shù)�(jù)流動�(qū)動等�(shù)�(jù)底座。它搭建�(shù)�(jù)化業(yè)務基�,并�(gòu)建面向未來的�(shù)字化�(chuàng)新應�,依托全流程、全場景�(shù)字化�(zhuǎn)�,軟硬協(xié)�,發(fā)展最新的工業(yè)信息通信技�(shù),實�(xiàn)鋼鐵工業(yè)的數(shù)字化�(zhuǎn)��
鋼鐵行業(yè)必須與數(shù)字經(jīng)�、數(shù)字技�(shù)相融�,發(fā)揮鋼鐵行�(yè)應用場景和數(shù)�(jù)資源的優(yōu)�,以工業(yè)互聯(lián)�(wǎng)為載體、以底層生產(chǎn)線的�(shù)�(jù)感知和精準執(zhí)行為基礎(chǔ)、以邊緣過程�(shè)定模型的�(shù)字孿生化和CPS化為核心、以�(shù)字驅(qū)動的云平臺為支撐,建�(shè)�(shù)字技�(shù)與鋼鐵企�(yè)實體技�(shù)深度融合的數(shù)字化�(chuàng)新基�(chǔ)�(shè)�,鋼鐵材料創(chuàng)新基�(chǔ)�(shè)施是鋼鐵工業(yè)的核心競爭力�
�(chuàng)新基�(chǔ)�(shè)施的核心功能,就是建立鋼鐵材料的成分�(shè)�、制造工藝與其組�、性能、服役表�(xiàn)、外形尺�、表面質(zhì)量或其他各種�(jīng)過數(shù)字化的非�(jié)�(gòu)化數(shù)�(jù)表征的狀�(tài)變量之間的關(guān)�,即建立鋼鐵行業(yè)信息物理系統(tǒng)的數(shù)字孿�,利用自學習、自適應、自組織的數(shù)字技�(shù)持續(xù)�(yōu)化生�(chǎn)工藝過程,實�(xiàn)鋼鐵行業(yè)綠色�、數(shù)字化、高�(zhì)化、服務化�(fā)展的目標�
鋼鐵企業(yè)�(chuàng)新基�(chǔ)�(shè)施包�4個主要組成部�,即實驗中心、中試基�、底層生�(chǎn)線組成的物理空間,位于邊緣的邊緣�(shù)字化核心平臺(邊緣云平臺�,位于云平臺之上的企�(yè)資源配置與管理平臺(資源配置與管理平臺),以及管理以上底層物理實體和2個平臺的�(wǎng)�(luò)系統(tǒng)�

強大健全的物理實體底層:�(shù)�(jù)采集與執(zhí)行機�(gòu)
鋼鐵�(chuàng)新基�(chǔ)�(shè)施的底層是企�(yè)實驗�、中試基�、生�(chǎn)線組成的物理實體。在物理實體�(shè)備上安裝的信息感知系�(tǒng),采集數(shù)�(jù)并傳送到邊緣或云平臺,對�(jīng)過預處理的海量數(shù)�(jù),進行�(shù)�(jù)分析,并在邊緣建立數(shù)字孿生模型進行過程控制,或在云平臺進行管理和操作指��
鋼鐵工業(yè)要采用數(shù)字化技�(shù),實�(xiàn)�(shù)字化�(zhuǎn)�,首要條件是鋼鐵�(chǎn)線的各個基本單元具有完�、可�、性能�(yōu)良的�(shù)�(jù)采集系統(tǒng),可以提供精準、齊全的�(xiàn)場有�(guān)材料成分和實時操作數(shù)�(jù)等輸入數(shù)�(jù),以及材料外形尺寸、組織性能、表面質(zhì)量等輸出�(shù)�(jù)。同�,各工序的基�(chǔ)自動化系�(tǒng)和執(zhí)行機�(gòu)必須以足夠的響應�、實時性和控制精度實現(xiàn)過程控制系統(tǒng)與物理系�(tǒng)的實時交�,完成需要的自動化控制任��

盡管我國的多�(shù)鋼廠是近年建�(shè)�,采用了先進的自動化技�(shù),有較好的自動化基礎(chǔ),但是仍然有缺項和“短板�。因此必須填平補齊底層生�(chǎn)線的�(shù)�(jù)采集和執(zhí)行機�(gòu)的缺�,消除“短板�。由于鋼鐵行�(yè)作業(yè)條件和技�(shù)水平的限�,過去的一些數(shù)�(jù)難以檢測,甚至檢測不�。比如煉鋼過程中的下渣檢�、連鑄液面波動檢測、復雜形狀的測量等?,F(xiàn)在可以采用各種新檢測方法來實�(xiàn)信息感知。利用機器視覺技�(shù)可以提供多維測量的信息,�(jīng)過數(shù)�(jù)變換和分�,可以獲得我們需要的尺寸、形狀、分布等定量的表�。這方面有很大的創(chuàng)新空��
�(zhí)行機�(gòu)嵌入到三類實驗工具的物理實體層上。依靠實驗室�(guī)模的基礎(chǔ)性實驗裝備提供的信息,可以建立初級數(shù)字孿生模�。這組模型�(jīng)過中試規(guī)模實驗工具的驗證、優(yōu)�,再進一步在實際生產(chǎn)線規(guī)模的實驗工具上進行生產(chǎn)性驗證和�(yōu)�。優(yōu)化后的數(shù)字孿生模�,在生產(chǎn)中承擔生�(chǎn)過程�(shè)定計算和動態(tài)�(shè)定計�,并與物理系�(tǒng)(即生產(chǎn)線)進行實時交互、反饋控�、循�(huán)賦能。處于模型庫中的各鋼種模�,具有高度自治的功能,可以在軋制該鋼種時,利用實測大�(shù)�(jù)進行自學�、自適應,實�(xiàn)模型的更�,持�(xù)不斷地提高模型的保真��
為進一步提高生�(chǎn)效率、改善成材率、實�(xiàn)�(wěn)定生�(chǎn),需要對傳統(tǒng)自動化系�(tǒng)補課,大力推進操作的遠程化和自動化。對�3D(Difficult,Dirty,Dangerous)崗位實行機器人�。這是一個長期的工作,可分步逐步實施�
�(shù)�(jù)�(qū)動的IT系統(tǒng)架構(gòu)
建立�(shù)�(jù)�(qū)動的新型IT架構(gòu)。這種IT架構(gòu)通過工業(yè)互聯(lián)�(wǎng)直接將底層的�(shù)�(jù)采集系統(tǒng)獲得�(shù)�(jù)傳輸?shù)竭吘壖霸浦械�?shù)�(jù)中心/機器學習平臺,在邊緣形成�(shù)字孿生模型取代原有的機理或經(jīng)驗模�,而在云中多數(shù)形成操作指導,對資源配置進行�(yōu)化與管理�
鋼鐵企業(yè)過程控制系統(tǒng)有數(shù)千臺至數(shù)萬臺計算機運行,�(fā)生大量的�(shù)�(jù)往�。在傳統(tǒng)的鋼鐵制造工序中,傳感器信號匯集到定序器等下位計算機后,再傳送到上位機。傳�(tǒng)的控制系�(tǒng)沒有考慮到整個過程大�(shù)�(jù)分析的需要。傳感器�(shù)�(jù)�(jīng)過多次邏輯運算、閾值處理等,再分層地匯集,必然舍棄較多�(shù)�(jù)。在這樣的結(jié)�(gòu)中,大數(shù)�(jù)的分析和運用非常困難。因此,必須采用�(shù)�(jù)�(qū)動型的系�(tǒng)架構(gòu)(Data Driven Architecture�。這種架構(gòu)將傳感器等物�(lián)�(wǎng)�,公平收集所有傳感器的數(shù)�(jù),再送到邊緣和云中的�(shù)�(jù)中心進行處理和分�。對于多廠商�(huán)境的課題,可以在邊緣服務器等匯集�(shù)�(jù)�,從�(yōu)先的�(shù)�(jù)群開始依次進行�(jié)�(gòu)標準化等操作,以便于�(shù)�(jù)使用。這種方法在運用原有系�(tǒng)的同�,通過運用最新的�(shù)�(jù)�(zhuǎn)換技�(shù)和高速通信,可以推進數(shù)�(jù)�(qū)動型架構(gòu)的構(gòu)筑�
在生�(chǎn)線附近的邊緣,設(shè)置一個數(shù)�(jù)�(qū)動的原位分析系統(tǒng)。原位分析系�(tǒng)由邊緣數(shù)�(jù)中心和機器學習平臺組�。數(shù)�(jù)中心對來自傳感器系統(tǒng)的“粗”數(shù)�(jù)進行預處�,完成“粗”數(shù)�(jù)的提�、轉(zhuǎn)�、存儲等操作。時間序列數(shù)�(jù)對流程工�(yè)特別重要。這些�(shù)�(jù)包括僅標題加工過的原始數(shù)�(jù),分、小時、天等時間數(shù)�(jù),最大值和最小值等�(tǒng)計數(shù)�(jù)�
這個原位分析系�(tǒng)的邊緣數(shù)�(jù)中心/機器學習平臺對經(jīng)過處理的生產(chǎn)試驗�(shù)�(jù)進行機器學習、深度學習等�(shù)�(jù)分析,以足夠的精度給出描述材料成�、生�(chǎn)工藝與產(chǎn)品組織、性能、外形尺寸、表面質(zhì)�、狀�(tài)量等控制目標之間的關(guān)�,即�(shù)字孿�,為后述的過程設(shè)定提供具有自學習、自適應、自組織等能力高保真度設(shè)定模型系�(tǒng)�
在資源管理與配置云平�,預處理后的�(shù)�(jù)根據(jù)需�,可以使用BI(商務智能)工具進行可視化處理,再輸出到屏幕顯示或操作指�。BI工具可以很容易縮小數(shù)�(jù)范圍,切換可視化部件,實�(xiàn)可視化部件之間數(shù)�(jù)�(lián)動等,因此容易進行靈活的分�??梢暬考ǎ簳r間序列圖表工�、散點圖工具、工藝流程可視化工具��
GUI(圖形用戶界面計算機)環(huán)境下運行的機器學習工具有兩類,即專門用于分析時間序列異常預兆的機器學習工具和進行一般數(shù)字數(shù)�(jù)分析的機器學習工�,將依據(jù)需要分別在云平臺和邊緣平臺使用。在GUI�(huán)境下運行的深度學習工具,可以處理聲音、圖像、文本等非結(jié)�(gòu)化數(shù)�(jù)�
為適應“無編程化”發(fā)展趨�,采用“低編碼應用程序開發(fā)”等新的應用程序編程工具,實�(xiàn)編程工具簡易�。這樣有利于加速數(shù)字技�(shù)的傳播與普及,使�(shù)字技�(shù)成為鋼鐵等非信息�(lǐng)�?qū)<沂种械挠辛ぞ?,加速在鋼鐵企業(yè)中發(fā)�、壯大數(shù)字化�(chuàng)新人才隊�,形成數(shù)字化�(chuàng)新的生態(tài)�
邊緣�(shù)字化核心平臺
邊緣�(shù)字化核心平臺的關(guān)鍵技�(shù)是邊緣過程設(shè)定模型數(shù)字孿生化和邊緣—生�(chǎn)線互相映射的過程控制的信息物理系�(tǒng)��
鋼鐵生產(chǎn)過程全部冶煉—加工過程是“黑箱�。傳�(tǒng)的邊緣主要使用基�(chǔ)理論�(shù)學模型和�(jīng)驗模�,來完成過程機設(shè)定計算和基礎(chǔ)自動化控�。此�,原系統(tǒng)的邊緣處還有過程�(jiān)控系�(tǒng)、質(zhì)量追溯系�(tǒng)、數(shù)�(jù)庫系�(tǒng)�,近年還有少許的局部智能化控制�(huán)節(jié)。由于環(huán)境狀況和操作條件波動以及�(shè)備運行狀�(tài)變化,加之過程輸入條�、狀�(tài)變量和控制系�(tǒng)之間的關(guān)系十分復雜,這些機理模型對于全流程“黑箱”的復雜動態(tài)過程適用性很�,預報精度不高,難以準確透視工藝、設(shè)�、質(zhì)量等�(guān)鍵參�(shù)之間的復雜關(guān)�。目前傳�(tǒng)的鋼鐵生�(chǎn)生產(chǎn)過程存在三類問題。一是產(chǎn)品質(zhì)�、成材率、新品開�(fā)效率等商品與服務問題,二是提高產(chǎn)量與效率、降低成�、防止事故等工藝過程問題,三是提高勞動生�(chǎn)�、技能傳�、人才培�(yǎng)、安�、操作水平等生產(chǎn)�(xiàn)場問�。這三類問題均集中在以“黑箱”為特征的主流程生產(chǎn)過程��
針對上述影響企業(yè)�(jīng)營的重大問題,我們必須圍繞制造主流程,建立“邊緣數(shù)字化核心平臺�,簡稱“邊緣平臺�,實�(xiàn)�(shù)字孿生系�(tǒng)與實際過程實時融合的一體化和全流程的CPS化�
邊緣云平臺的任務�,利用大�(shù)�(jù)/機器學習的數(shù)�(jù)分析方法,解開貫穿鋼鐵全部主流程的“黑箱�,搞清楚隱藏在“黑箱”中的規(guī)律,將“黑箱”變“透明�,給出全局性的�(shù)字孿生過程控制模�,實�(xiàn)邊緣�(shè)定模型的�(shù)字孿生化�
因此與加�、裝配為主的機械制造業(yè)不同,鋼鐵等流程工業(yè)必須將云端業(yè)務能力向邊緣延伸,發(fā)揮邊云協(xié)同能�,實�(xiàn)分布式云功能,強化邊緣低時延、實時性工�(yè)控制。構(gòu)筑在邊緣�(shè)施上的邊緣云計算平臺,具有和傳統(tǒng)私有云一樣的安全�,在用戶機房�(nèi)就近部署,滿足數(shù)�(jù)不出廠的需��
�(shù)�(jù)�(qū)動的邊緣�(shù)�(jù)中心,必須提供大�(shù)�(jù)/機器學習必需的全部數(shù)�(jù),并對這些�(shù)�(jù)進行提取、轉(zhuǎn)換、存儲等�(shù)�(jù)處理。與此相�,在邊緣部分�(shè)置“大�(shù)�(jù)/機器學習解析平臺(I)”(D/M平臺I�,可以利用數(shù)�(jù)科學、AI等技�(shù)解析建立�(shù)字孿生過程模�,以及實�(xiàn)過程可視化、APP開發(fā)等功�。生�(chǎn)過程�(shù)字孿生模型要傳送到過程控制系統(tǒng),代�?zhèn)鹘y(tǒng)的機�-�(jīng)驗模型,進行生產(chǎn)�(shè)備的�(shè)定和動態(tài)�(shè)��
鋼鐵生產(chǎn)流程上各個不同的應用場景,比如燒�(jié)、球�、高�、轉(zhuǎn)�、精煉、連鑄、熱�、冷軋等,有各自特點,需要采用不同的�(shù)�(jù)分析方法。所以,要注意依�(jù)各個場景的特點,采用不同的機器學習算法,解決各自的問題。這是我們需要依�(jù)各單元特征突破的技�(shù)難點�
這樣一�,我們在作為物理實體的物理底層和作為�(shù)字虛體的邊緣之間,形成數(shù)�(jù)閉環(huán)自動流動的四個環(huán)節(jié),即“狀�(tài)感知、實時分�、科學決�、精準執(zhí)行”的閉路循環(huán)中,實現(xiàn)資源的優(yōu)化配�。在這個循�(huán)過程�,大量蘊含在物理空間中的隱性數(shù)�(jù)�(jīng)過狀�(tài)感知被轉(zhuǎn)化為顯性數(shù)�(jù),進而能夠在信息空間進行計算分析,將顯性數(shù)�(jù)�(zhuǎn)化為有價值的信息。不同系�(tǒng)的信息經(jīng)過集中處理形成對外部變化的科學決策,將信息進一步轉(zhuǎn)化為知識。最后以更為�(yōu)化的�(shù)�(jù)作用到物理空�,構(gòu)成數(shù)�(jù)的閉�(huán)流動。這個閉�(huán)賦能過程具有“數(shù)�(jù)�(qū)�、軟件定�、虛實映射、泛在連接、異�(gòu)集成、系�(tǒng)自治”六大特征。也就是�,我們建立了鋼鐵生產(chǎn)各工藝單元的CPS。將全流程各單元的CPS集成起來,就實現(xiàn)了全流程的CPS��
邊緣部分全流程的CPS化促成了鋼鐵�(chuàng)新基�(chǔ)�(shè)施的重要特征與絕對優(yōu)勀CPS實現(xiàn)了鋼廠控制的下述突破性的進展:感知數(shù)�(jù)與操作數(shù)�(jù)全部可視�,不可見部分的可視化;“黑箱”模型數(shù)字孿生透明�,動�(tài)、實時調(diào)整的精準實時虛擬�;異常情況早期預先檢測和預測,過程最�(yōu)狀�(tài)的預測與檢測;完成正確的操作指導,迅速的前饋與反�,以及精準的�(zhí)行自動化等控制響�,從而實�(xiàn)對過程的自主控制�

企業(yè)資源配置與管理云平臺
云中的資源配置管理云平臺,簡稱“云平臺”,位于云中,稱為“云端智能層”。在傳統(tǒng)的工�(yè)互聯(lián)�(wǎng)系統(tǒng)�,它承擔低實時性的 MES、ERP和BI生產(chǎn)計劃、管�、調(diào)�、決策等功能,同�,還可以實現(xiàn)�(zhì)�、設(shè)備能�、成�、資源、能�、人力資源等多個目標的管控、溯�、資源優(yōu)化配置等支撐和保證作��
在鋼鐵創(chuàng)新基�(chǔ)�(shè)施中,“云平臺”負責生�(chǎn)計劃、調(diào)�、質(zhì)�、效率、穩(wěn)定性等生產(chǎn)活動,原�、供�、能源、介�(zhì)、排�、物�、人力資�、財�、成本、技�(shù)�(chuàng)�、發(fā)展戰(zhàn)略等資源配置和管理功�,是“邊緣部分”設(shè)�、運行、調(diào)度的強大支撐部分和企�(yè)管理的重要組成部��
云平臺必須是�(shù)�(jù)�(qū)動的。在云平臺配置有企業(yè)大數(shù)�(jù)中心和“大�(shù)�(jù)/機器學習解析平臺(II)”(D/M平臺II�,該平臺也是利用大數(shù)�(jù)/機器學習等數(shù)�(jù)技�(shù),分析生�(chǎn)、設(shè)備、能�、物流等資源的生�(chǎn)要素,對相應部分的運行和管理工作進行管理和優(yōu)化,支撐和保證邊緣云的最�(yōu)化運�。位于云端智能層的資源配置與管理系統(tǒng)包括如下7部分�
?、偕a(chǎn)計劃與調(diào)度管理系�(tǒng)(原MES,ERP��
?、谠O(shè)備運�、管理、診�、維�、點檀檢�、備件管理、可靠性分析等有關(guān)事項�
?、畚�?、原�、介�(zhì)、能源調(diào)度、管�,以及工件跟蹤、產(chǎn)品管理、排放管�,等等;
④安��
⑤鋼鐵材料新品開�(fā)、工藝優(yōu)化;
⑥人力資�、成本管理、原料管�、市場分析等企業(yè)管理事項�
⑦企�(yè)�(fā)展戰(zhàn)略分�,等等�
�(wǎng)�(luò)與安�
以通信與網(wǎng)�(luò)系統(tǒng)連接上述底層的物理實體與邊緣平臺、云平臺,形成工�(yè)互聯(lián)�(wǎng)。將原有光纖�(wǎng)�(luò)系統(tǒng)與新型的5G�(wǎng)�(luò)混合,形成泛在網(wǎng)�(luò),將“云”“邊”“端”的�(nèi)部和外部連接起來,做到無時不在,無處不在,即插即用的泛在連接,保證數(shù)�(jù)在系�(tǒng)�(nèi)的自由流動�
�(wǎng)�(luò)化能�?qū)崿F(xiàn)工業(yè)互聯(lián)�(wǎng)�(nèi)部單元之間以及與其它�(wǎng)�(luò)系統(tǒng)之間的互�(lián)互�。應用到工業(yè)生產(chǎn)場景時,�(wǎng)�(luò)連接的時�、可靠性等�(wǎng)�(luò)性能和組�(wǎng)靈活性、功耗都有特殊要�,還必須解決異構(gòu)�(wǎng)�(luò)融合、業(yè)務支撐的高效性和智能性等挑戰(zhàn)。構(gòu)成工�(yè)互聯(lián)�(wǎng)的各器件、模�、單�、企�(yè)等實體都要具備泛在連接能力,并實現(xiàn)跨網(wǎng)�(luò)、跨行業(yè)、異�(gòu)多技�(shù)的融合與�(xié)�,以保障�(shù)�(jù)在系�(tǒng)�(nèi)的自由流�。泛在連接通過對物理世界狀�(tài)的實時采�、傳�,以及對信息世界控制指令的實時反饋下達,提供無處不在的優(yōu)化決策和智能服務�
5G的先進信息通信技�(shù)有三個特�,增強移動寬帶(eMBB)適于應對互�(lián)�(wǎng)流量爆炸式增長;超高可靠低時延通信(uRLLC)適于對時延和可靠性具有極高要求的垂直行業(yè)應用需�;海量物�(lián)(mMTC)面向以傳感和數(shù)�(jù)采集為目標的應用需�。這些特性特別適用于鋼鐵行業(yè)的各種特殊場景�
5G為增強型的移動互�(lián)�(wǎng),峰值傳輸速率可達20Gbps。各制造單元之間在流程方向上的海量�(shù)�(jù)傳輸與處�、非�(jié)�(gòu)化數(shù)�(jù)傳輸處理、虛擬現(xiàn)實與增強�(xiàn)實的傳輸處理�,都將依賴于增強移動帶寬。鋼鐵生�(chǎn)中存在大量環(huán)境惡�、高溫危險、重復性的�(xiàn)場操作崗�,惡劣和重復性工況下�(guān)鍵設(shè)備運維監(jiān)控與遠程裝配,急需實現(xiàn)遠程和自動化的操作與運維。通過手機/巡檢儀等音視頻等采集的非結(jié)�(gòu)化數(shù)�(jù),應用于對設(shè)備運行狀�(tài)的實時分�、運�、監(jiān)�、管理。在遠程裝配場景�,技�(shù)專家依托AR的實時標�、音視頻通信、桌面共享等技�(shù),遠程指導進行生產(chǎn)線裝配工��5G的應�,推動了圖像、聲�、視頻、文本等非結(jié)�(gòu)化數(shù)�(jù)的檢�、處理、傳輸與控制技�(shù)的發(fā)�,為復雜工況的分�、決策與控制提供了強大的�(fā)展動��
近年�(chuàng)新性提出的5G切片方案,確保統(tǒng)一基礎(chǔ)�(shè)施能夠適應差異化�(yè)務需�,是進入垂直行業(yè)的關(guān)��5G的多接入邊緣計算(MEC),將多種接入形式的功能、內(nèi)容、應用等同部署到靠近接入�(cè)的網(wǎng)�(luò)邊緣,將核心�(wǎng)用戶面與應用下沉至離用戶更近的位�,可以降低時延至毫秒�,并確保垂直方向上邊緣與底層的短時延實時交互。全新的智能邊緣云與5G�(jié)�,能夠降低時延并賦能新的應用與服�,網(wǎng)�(luò)性能、安全性和隱私保護能力可以都得到提升�5G低時延大�(shù)�(jù)傳輸、切片網(wǎng)�(luò)架構(gòu)、多接入邊緣計算、智能化的邊緣云,為鋼鐵工業(yè)互聯(lián)�(wǎng)的應用和�(fā)展提供了強大的驅(qū)動力�
鋼鐵材料�(chuàng)新基�(chǔ)�(shè)施建�(shè)
鑒于鋼鐵材料�(chuàng)新基�(chǔ)�(shè)施的重要性,我國鋼鐵行業(yè)學科交叉、行�(yè)�(xié)同、產(chǎn)學研深度融合,將�(shù)字技�(shù)與實體經(jīng)濟融合,大力開展鋼鐵材料�(chuàng)新基�(chǔ)�(shè)施的研究,并在一批企�(yè)建設(shè)煉鐵—煉鋼—軋制—熱處理全流程、一體化的鋼鐵材料基�(chǔ)�(shè)�,目前已�(jīng)在一些重要的生產(chǎn)單元,取得重要突破,實際應用,成效顯著�
依據(jù)上述時間,總�(jié)出一批重要的�(shù)字化�(zhuǎn)型的�(guān)鍵技�(shù)�
�(shù)�(jù)�(qū)動的IT架構(gòu)
�(shù)�(jù)�(qū)動的信息感知:齊全、準�、可�
�(shù)�(jù)�(qū)動的�(shù)�(jù)中心:數(shù)�(jù)處理功能,提�、轉(zhuǎn)�、存儲(突出時間序列的存儲)
�(shù)�(jù)�(qū)動的科學分析平臺:數(shù)�(jù)科學分析方法→大�(shù)�(jù)/機器學習(AI)平臺→�(shù)字孿生或操作指導
�(shù)字驅(qū)動的智慧決策:全流程�(shù)字孿生化的邊緣過程設(shè)定控�
�(shù)�(jù)�(qū)動的回饋賦能:執(zhí)行機�(gòu)精準、快�、安�
制造主流程、一體化的虛擬模型與實際過程實時融合的CPS�
�(shù)�(jù)�(qū)動的資源配置與管理云平臺
自動化系�(tǒng)補課:遠程化、自動化、機器人�
軟件定義:高效率、低成本改�,快速實�(xiàn)�(shù)字化�(zhuǎn)�
軟件編程方法:無代碼編程,簡單易�,便于推�,形成數(shù)字化生態(tài)
�(wǎng)�(luò):光�+5G,無時不�,無處不�,即插即�,泛在網(wǎng)�(luò)
安全:萬無一失的�(wǎng)�(luò)安全,嚴格標準化管理應對
系統(tǒng)開發(fā)與上線:離線開發(fā)、調(diào)試→在線操作指導→在線運行(安全上線,規(guī)避風險),安�、穩(wěn)妥數(shù)字化�(zhuǎn)�
�(jié)�
鋼鐵工業(yè)�(shù)字化是鋼鐵工�(yè)�(fā)展的大趨�、大方向、大�(zhàn)�。我們要以國家重大需求和企業(yè)生產(chǎn)中的問題為導�,產(chǎn)學研深度融合,攻克關(guān)鍵共性技�(shù),創(chuàng)新顛覆�、引�(lǐng)�、原�(chuàng)性技�(shù),加速建�(shè)鋼鐵材料�(chuàng)新基�(chǔ)�(shè)�,掌握企�(yè)核心競爭力,促進我國鋼鐵行�(yè)實現(xiàn)�(shù)字化�(zhuǎn)�,高�(zhì)量發(fā)�!我們相信,中國鋼鐵行業(yè)一定會在激烈的國際競爭中占�(jù)科技�(fā)展的制高�,成為世界鋼鐵科學技�(shù)的領(lǐng)跑者。(王國棟)












