钢铁企业如何利用物联网技术推进智能制造

钢铁行业在积极化解过剩产能的基础上加快推进钢铁行业转型升级，当前的重点就是加快智能制造发展，即借助智能制造技术，转变生产管理模式，实现敏捷制造和精细化管理，进而推动钢铁行业的转型升级。

智能制造引领新一轮制造业革命，也是一场具有划时代意义的深刻的工业革命。《中国制造2025》明确坚持创新驱动、智能转型、强化基础、绿色发展，加快我国从制造大国向制造强国转变。推进钢铁行业智能制造是时代发展的必然趋势，也是我国实现钢铁强国的必由之路。

时下，我国钢铁行业正在全面贯彻实施《钢铁工业调整升级规划（2016－2020年）》（以下简称《规划》）。“十三五”期间，我国钢铁工业将进入以结构调整、转型升级为主的发展阶段，也是钢铁工业结构性改革的关键阶段。钢铁行业要积极适应、把握、引领经济发展新常态，落实供给侧结构性改革，以全面提高钢铁工业综合竞争力为目标，以化解过剩产能为主攻方向，坚持结构调整、创新驱动、绿色发展、质量为先、开放发展，加快实现调整升级，提高我国钢铁工业发展质量和效益。

要实现钢铁工业“十三五”规划的目标，钢铁企业必须全面推进智能制造，而《规划》为我国钢铁行业如何推进智能制造指明了方向，确定了目标，指出了路径。

钢企智能制造探索步伐加快

如今，不少钢铁企业已经在智能制造上开拓探索和实践，取得了较好的成效。宝武集团、沙钢等大型钢企采用工业机器人、无人行车、无人台车、无人仓库等智能制造技术来提高劳动效率，降低生产成本，在钢铁生产自动化、库存、营销等关键环节智能化水平先进。

一些大型钢厂将智能制造分成“3+1”模式，即“智能装备、智能工厂、智能互联和基础设施”，进行探索和实施。据介绍，目前，该领域研发的课题主要是钢铁制造全流程在线检测—监测技术及数字化、智能化嵌入技术，分布与集成相结合的余热余能梯级利用和系统回收技术，钢铁生产智能化能源管控与环境优化技术，污染物分布与集中结合的协同控制与一体化脱除技术，钢厂与相关产业互补链接及与周边社会共生共荣生态链接技术，钢铁流程制造和服务一体化网络集成技术，钢铁制造流程物质流、能量流、信息流协同动态调控技术，高性能钢铁产品定制化、减量化生产及装备技术，高性能钢铁产品全生命周期智能化设计、制备加工技术。

从目前来看，不少钢企纷纷进入智能制造领域：

有的钢厂借助“互联网+”、物联网和智能制造技术，依托传感器、工业软件、网络通信系统、新型人机交互方式，实现人、设备、产品等制造要素和资源的相互识别、实时联通，促进钢铁研发、生产、管理、服务与互联网紧密结合，推动钢铁生产方式的定制化、柔性化、绿色化、网络化、智能化。

有些技术、资金实力雄厚的钢铁企业，则以钢铁流程绿色化、智能化集成为目标，重点围绕制造流程结构优化、制造流程技术提升、钢铁制造服务平台建立、新型商业模式建立与运营四大关键路径进行研发。

有的钢厂以关键环节机器换人为抓手，尝试和实践全工序机器换人，提升智能化生产水平，先后建成5000毫米宽厚板和特棒示范智能车间，形成了独具特色的智能制造发展之路。

有的钢厂明确智能制造目标，稳步推进：减少人工作业，提升自动化能力；全面推进建立区域化、工序化的信息监控、管控平台；制订公司智能化制造规划，并成立智能制造推进项目团队，以实现从机械化、自动化、信息化到智能化的逐步转变。

有的钢企确定了智能制造目标，即在未来几年内建设、改造一批智能化产线，完成基于互联网来满足用户个性化需求的智能化研发、生产、销售体系构建，促进企业实现向智能制造模式的转型。

钢企推进智能制造该如何着力？

一家钢企从事自动化生产工作的负责人坦言：“我们公司不是不想尝试智能制造，而是不知道该怎么着手。”

曾有一家大型钢铁企业工程师也向笔者表示，目前，国内钢铁智能化仍处于初级阶段，在实际生产过程中还是以经验为主导，尽管个别生产线有自己的数据库，但一般为生产工艺的数据，在上下游衔接等方面没有形成一个统一的系统。

那么，钢铁行业该如何加快推进智能制造？在一系列钢铁产业发展的高峰论坛上，业内专家就我国钢铁业推进智能制造发表了各自的见解，给钢铁企业诸多的思考和启迪。

业内专家指出，钢铁行业在积极化解过剩产能的基础上加快推进钢铁行业转型升级，当前的重点就是加快智能制造发展，即借助智能制造技术，转变生产管理模式，实现敏捷制造和精细化管理，进而推动钢铁行业的转型升级。智能制造是制造业未来发展的重大趋势，也是当前钢铁行业转型升级、提质增效的重要着力点。早在2015年工信部发布的《2015年智能制造试点示范专项行动实施方案》，决定自2015年启动实施智能制造试点示范专项行动，以促进工业转型升级，加快制造强国建设进程。其中，钢铁行业已被列入工信部的智能制造试点范围。

专家同时强调，推进钢铁行业智能制造是一个庞大的系统工程，涉及资金、技术、人力等诸多方面，系统策划是确保目标一步一步实现的有效方法，不能急功近利、一哄而上，而要稳扎稳打、分步实施、循序渐进，即针对我国钢铁行业和智能制造的特点，逐步推进制造过程智能化。诸如，在重点领域试点建设智能工厂或数字化车间，加快人机智能交互、工业机器人、智能物流管理等技术和装备在生产过程中的应用，促进钢铁制造工艺的仿真优化、数字化控制、状态信息实时监测和自适应控制等的发展。同时，在此基础上全面实施高级计划排程（APS）系统，实现敏捷制造和精准交货。

专家表示，在推进企业决策智能化方面，目前主要以两化深度融合为载体。钢铁智能制造的核心是对信息资源的有效开发和高效利用，目标是提高资源的全局利用效率，其重点在于决策的智能化。为提高资源和能源利用效率，钢铁企业应采用系统优化的思想，建立具有冶炼技术和经济成本的双重模型，实现单部门局部优化与多部门一体化全局优化的平衡。

大数据是传统数据库、数据仓库、商业智能概念外延的扩展和手段。推进大数据的集成应用，关键在于健全钢铁行业信息化基础设施，整合冶金数据资源，突破钢铁行业大数据核心技术，提升钢铁大数据分析应用能力，提高数据安全保障能力，培养复合型大数据人才，组织实施制造业大数据创新应用试点，以推动制造模式变革和冶金行业的转型升级，培育发展冶金产业新业态。

以上由物联传媒转载，如有侵权联系删除

钢铁行业是我国重要的原材料行业之一，亟需实现由“大”到“强”的升级。此前文章中，我们分享了傲林 科技 交付团队视角下，传统企业数字化转型的主要困难痛点，本期我们分享钢铁行业的数字化转型案例。

某大型钢铁集团是一家产能过千万、纳税过百亿的大型钢铁联合企业，作为国内钢铁领军企业，后续准备进一步贯彻执行新旧动能转换的要求，计划通过减量置换，打造先进钢铁生产基地。经过多年的信息化建设，企业纵向已经建立了L1~L4层的自动化和信息化系统，横向实现了采购、库存、生产、销售、物流、财务等环节端到端的信息化全覆盖。

但该钢铁集团信息化系统同样面临着新的挑战：

1.数据自采率低。 在信息化方面存在手动输入及调整的环节较多、多方输入造成数据的不一致、信息及时协同存在错位现象等问题；

2.信息闭环未形成。 数据分析存在核心数据管理无法自主升级改造、数据存取性能存在风险、数据使用方式单一、系统内信息处理闭环未能完全形成、数据分析能力相对较弱等问题；

3.优秀经验知识未固化。 大量业务数据分析依靠人工完成和个人经验判断、无法做到实时分析反馈并与业务同步，对 历史 数据资产的使用相对较少、 历史 数据尚未构成企业经营的智能化分析支撑；

4.传统架构存在风险。 系统延用了较传统的IOE类信息化技术手段，存在技术支撑风险。

以上问题都阻碍了该钢铁企业的数智化转型进程。

傲林 科技 以傲数平台、事件网两大平台产品为支撑，打通采购、生产、库存、销售、订单、营销的企业经营全流程数据，从企业经营全局进行数据分析，通过量化决策系统，帮助客户实现矿石成本平衡优化、企业量化决策优化、企业经营分析智能化，构建一套完整的决策智能辅助分析系统。

对企业内部数据与外部供应链数据、产业周期数据、宏观经济数据、竞争环境数据、工业大数据等进行全方位构建，依据时间维度，形成立体的多维数据模型，根据数据模型给出基于大数据的量化分析和洞察，以事件和风险的方式推送至PC端和手机端，为领导决策提供直接建议。

将各个部门的运营经验和关键业务节点通过人工智能技术建立数字模型，同时将不同模型通过知识图谱联系成企业整体多维度业务模型，让每一个职能部门的数据在企业的全局视角发挥作用，形成全局优化；通过不断迭代的模型训练，提供辅助决策的量化分析和最优方案，形成精益管理。

1.业务管理

对该钢铁集团的数据、流程、信息化系统、业务活动进行摸底与梳理，根据调研结果并结合该钢铁集团信息化数据可用范围，进行落地实施。

2.主数据管理，建立统一的主数据资产管理平台

主数据资产管理平台包含一整套用于生成和维护主数据的规范、技术。完整的平台包括元数据管理，信息系统集成、数据治理、数据分析、数据交换等功能。

实施方案包括：

梳理该钢铁集团主数据体系可行性实施方案（含数据采集、数据质量分析、数据源分析、数据资源普查、管理颗粒度等）。

主数据管理系统落地实施（基础环境部署、原型迭代与预览、主数据汇集、数据清洗、转换、数据映射、主数据质量管理实施、系统性能调优等）。

3.数据湖，建立统一的数据集成平台

实施方案包括：

梳理该钢铁集团信息化系统数据湖建设可行性实施方案（含数据基础设施、数据接入范围、模型和数据集成标准等，合理规划数据存储颗粒度，构建维度层次结构形成统一数据中心。通过多层级ETL的抽取、转换、清洗、加载功能，实现各类数据源的有机结合、确保数据来源质量，保证信息的完整性、一致性）。

数据湖管理系统落地实施（通过各信息化系统的前置数据抽取功能的配置管理，及时获取并整合各专业系统的管理数据）。

4.综合运营决策，建立统一展示平台

通过对关键指标的直观展示，使经营者能完整、及时、全局、高效地获取公司的经营信息，并达到业务信息穿透透明化的目的。

实施方案包括：

梳理该钢铁集团综合运营决策与业务经验固化相关内容（含指标体系、现有业务流程、ERP系统对接、CRM系统对接、成本分析与成本计算等，合理界定业务系统与经营分析系统功能划分）。

综合运营决策系统落地实施（主题数据归纳及处理、算法模型设计与开发、 历史 数据深度学习与模型优化、管理控制台定制、信息化系统互动对接定制等）。

5.采购库存优化，建立采购库存优化辅助决策服务与应用

考虑到该钢铁集团采购与原燃辅料库存优化是个重要且急需提升的部分，将单独规划和实施相应辅助模块。

通过对该钢铁集团铁前生产数据，铁前设备维保数据，采购数据，库存数据，钢铁原燃辅料采购价格指数、物流数据、配矿方案、铁前质量数据、成本计算模型、生产计划数据、生产实绩数据、产成品等其它数据进行综合建模分析与深度学习优化，形成动态智能推荐的原燃辅料采购优化辅助方案、库存动态最优方案、以及应付账款结构优化等方案。

通过以上5个维度的建设，成功提升了该钢铁集团的经营决策能力：管理人员可以随时掌握公司的运营情况，为该钢铁集团公司高层领导和业务部门分析人员的日常数据分析与决策提供依据。同时可以降低用户 *** 作难度，减少用户培训成本，为公司管理层提供快速且丰富的人、财、物等方面的统计分析数据和决策支持，使其能够更加着眼于业务优化和管理，以进一步提升该钢铁集团公司的业务运作效率和决策能力。

除提升了该钢铁集团的经营决策能力外，还实现了以下价值收益：

•公司经营管理的透明化与全局性业财融合分析。 多角度对比年度目标和 历史 数据是否保持持续、稳健发展。

•公司经营决策的辅助支撑。 效益的预测、模拟、以及辅助优化建议，市场波动影响分析等。

•合同订单生命周期的协同。 以合同订单全生命周期为主线，拉通产供销协同以及问题发现。

• 产供销的决策辅助。 在合理资金占用条件下的供产平稳、市场变化下的产销动态平衡等支撑。

作为大型复杂流程工业，钢企的全流程工序内部生产数据获取困难，绝大部分为过程不透明的“黑盒”。而基于傲林 科技 事件网络技术构建的企业级数字孪生体，使钢铁企业的采购、生产、销售等全流程都得以透明化，通过对企业数字孪生体的模拟仿真，使用人工智能模型获得优化策略，并把相关指令反馈到各生产经营部门去落地执行，形成了企业整体智能化优化的闭环。 通过为该钢铁集团提供数字化决策和运营支撑能力，有效增强了企业软实力及全行业竞争力，打造了钢铁行业数字化转型标杆。

---