鋼鐵工業智能制造與人工智能實踐路徑與思考

陳江寧　陳廷炯

鋼鐵工業的數字化

2008年國際金融危機發生以來，新一代信息、通信技術的快速發展并與先進制造技術不斷深度融合，全球興起了以智能制造為代表的新一輪產業變革，數字化、網絡化、智能化日益成為未來制造業發展的主要趨勢。世界主要工業發達國家加緊謀篇布局，紛紛推出新的振興制造業國家戰略，支持和推動智能制造發展，重塑制造業競爭新優勢。2013年提出的工業4.0概念，通過持續改變工業結構，未來生產的方法和管理的手段將被逐漸系統化、數據化，并貫穿產品的價值鏈，以滿足產品創新、產品生產、產品優化以及個性化定制的需求。

同時，將工業4.0的推進與企業管理相融合，降低能源消耗提高資源利用率。結合中國智能制造發展規劃（2015-2020）和鋼鐵工業“十三五規劃”，基于技術先進、綠色制造、環境友好、服務配套的鋼鐵數字化發展理念，通過實踐逐步建立鋼鐵工業的智能制造標準，形成以數據為核心的全產業鏈驅動和全生命周期應用的示范案例。這是我國鋼鐵工業的數字化之路。

鋼鐵廠的數字化轉型在產業鏈優化、人員勞動強度和環境改善、質量控制、輔助設計等方面正在發揮積極的作用。鋼鐵工業本身已經高度自動化，信息化基礎也相對較好，通過對勞動資料數字化，結合未來的大數據、云平臺的建設，可在區域建立快速配套協調的上下游產業鏈;通過上下游企業間可貫通的數字化設計和交付能力，幫助產業數據標準真正落地。數字化解決方案能夠幫助車間在提升生產效率同時，大幅降低一線工人的勞動強度，提升勞動安全水平，改善他們的工作環境。通過數字化遠程運維技術，維護人員、專家可以減少不必要的交通出行，大大提升了工作效率和有效價值。實時數據驅動的數字化孿生能夠通過自動學習，在生產過程中優化質量規則，并對產品進行進一步加工和優化;并在允許的范圍內實現自主決策，根據實際情況自動調整生產計劃。采用數字化資產管理，可實現企業資產的保值增值[2]。

鋼鐵工業數字化工廠整體方案按照企業實際需求和市場技術發展趨勢進行統籌規劃、分步實施。數字化工廠整體解決方案，從數字化裝備（包括數字化的低壓盤柜、現場儀表、變頻、電機、DCS、EMS、部分PLC等），數字化設計平臺、數字化交付（包括機械、電氣、儀表、公輔和廠房）、數字化運營、數字化維護和數字化資產管理著手，在結構化數據的支撐下，實現企業生產全流程可視化、信息技術（IT，Information Technology）與運營技術（OT，Operation Technology）的融合，采用人工智能和大數據技術充分發掘和使用數據的價值，進一步實現系統和過程的優化，提升智能制造能力，并有效減少浪費、提高效率和安全性。

寶武西門子工業 4.0 項目實踐

寶武西門子工業4.0項目是以上海寶鋼工廠為規劃和實施對象，從設備生命周期管理、安全設備監控、產品及物料在線跟蹤、工藝及質量控制提升、設備OEE監控、工業信息安全、固定資產管理維護、先進過程控制、能源管理、先進料場管理、智能顯示及培訓、工業 4.0網絡架構等12個方向進行改進提升，以“建設全透明數字化工廠”為目標，逐漸在數字化空間中建立與現實并行一致的虛擬工廠，實現“快速響應并滿足個性化需求、且交付高品質產品的制造模式”。寶武工業4.0項目是中德政府間合作示范項目，受到雙方高層領導的高度關注[3]。被工信部和德國經濟能源部共同認為具有很高的落地性和示范性。

項目結合鋼鐵工業的痛點以點帶面，從寶鋼的全生產工藝路線入手，包含數字化實踐、大數據、工控安全、AR/VR 技術的應用等每一個具體的項目做起， 也許不像一個大項目那樣解渴，但做起來踏實，而且每個項目都是一個細分市場的范例。實施過程中，項目團隊充分考慮了新工廠和老工廠的數據的協同，先期規劃了數據的標準化，部署了數字化設計平臺和數字化交付。最終，通過信息技術、物聯網技術與制造業深度融合，知識管理和人、機、物的結合，并運用協同平臺實現能源流、物流、信息流的透明管理，形成數字化、智能化工廠示范項目。

數字化本身的轉變、IO跟OT融合會產生很多的發展機會，如工廠的生產效率提升、生產關系的重新構建等。

從產品全生命周期的角度，實體工廠是按照原來IEC95架構搭建[4]，通過產品數字化和可靠互聯，通過數字雙胞胎對產品狀態進行仿真、優化、校和、回饋，以及知識的管理。項目過程中，數字化的主要目的，一方面是資產的透明化、資產效率的管理是;另一方面是運營跟維護，通過人工智能加管理方式形成模式轉變，或許是比傳統培訓加管理的模式更為經濟可行。智能制造不僅僅是技術升級，也是是企業文化、組織架構、精益化和人的變革，而這里恰恰是人工智能最大部分貢獻的。如何利用新技術和產業的轉型，這個命題在十九大文件中就已經明確了，即工業互聯網、大數據和人工智能與產業的深度結合。

從鋼鐵工業的趨勢來看，下一階段的重點在大數據、數字化交付、遠程運維、工控安全等技術應用和復制。與其他行業相比，鋼鐵是一個高度自動化、信息化的行業，同時也是一個資本、技術、勞動力密集的行業。在中國，鋼鐵又是一個產業結構非常分散的行業，排名前15位的公司占鋼產量的34%，其余由超過300家來分，所以未來一定是“技 術+生產模式”轉變來整合鋼鐵工業，例如 ERH（電弧爐）、人工智能、大數據、工業機器人的應用可以在生產模式上直接改變鋼鐵工業的發展。在鋼鐵工業數字化工廠架構中，數字化已經在管理、控制和現場層級的方方面面得到了應用。鋼鐵工業正如美國大河鋼鐵（BRS）提出的：“我們是技術公司，碰巧做了鋼鐵工業”。[5]

鋼鐵工業智能制造具體實踐方向

在項目的實踐過程中，總結思考下來，鋼鐵工業智能制造可以有這樣幾個深化發展的方向：

一、建設全流程、一體化、無孤島的智能管控數據平臺。利用智能傳感技術和系統管理獲得參數深度感知，包括工藝質量參數和設備運行參數，實現在線狀態感知與精準預報;基于工業大數據對設備健康狀態進行診斷、分析、預測，保障生產過程的順行和產品的質量;建立基于數據采集與處理的全流程質量在線監控、診斷與優化能力，實現質量異常原因跟蹤，同步生產工藝的優化;基于CPS架構和大數據、云計算、物聯網、人工智能等技術，實現多工序協調優化與質量精準控制;建立產供銷一體化協同智能優化決策;建立行業創新研發平臺，建立協同創新機制和流程;開發適合鋼鐵工業生產的各類工業 APP，如點檢、運維、資產管理、安全報警等，形成行業標桿。

二、整體工程貫通一體化設計到一體化運維的工廠全生命周期管理理念。設備和產線的數字化，實現數字化設計和數字化交付;建立三維可視化工廠，具有 2D/3D 導航功能用于智能工廠優化管理、培訓及全景一體化運維，逐步實現虛擬遠程運維;建立數字化資產管理體系，形成實體資產和虛擬工廠的一一對應。

三、建立全廠數據標準，實現數據一致性管理。建立數據平臺承載從設計、工程、運營、維護到服務全生命周期的數據管理體系，為基于大數據的人工智能和自主決策、透明決策打下基礎，同時也是知識管理的前提。對于企業沉積多年的數據進行梳理，建立基于大數據、人工智能的數據挖掘能力，形成知識管理和深度學習布局。

四、現場層和控制層設備選型符合全集成自動化、數字化理念。現場層的單體成套設備或電儀設備應具有數字化模型且能方便的集成到上位系統中，關鍵設備具備OPC/UA功能[6];控制層設備如DCS采用全集成模式，要求接口兼容性強。同時采用虛擬調試技術、減少現場安裝調試的時間，降低調試成本。

五、生產資料和基礎設施持續進行自動化、信息化與智能化。依據生產現場的實際情況，采用機器人、機械手以及智能行車等少人化、無人化智能裝備減少勞動強度、提升勞動生產率。全廠工業網 絡全覆蓋，信息數據全透明、可視化管理和具有組態模式的數據采集功能。

六、強化安全體系和主動防御。建立基于工藝布局特點的獨立現場安全管控系統（Safety System），依據國家相關的安全標準，從機械，電氣，網絡安全總線著手，構建完整的工廠安全生態圈，并落實于現場的檢測單元、評估單元與執行系統之中，最終與全廠信息系統對接，形成安全的管控一體化布局戰略。整體工控網絡設計符合安全要求，避免物理上的信息“孤島”，建立全廠數據信息的安全縱深防御體系。

對于智能制造和人工智能的思考

一、人工智能趨勢研判

人工智能在不同領域行業的應用前景不同，效果有前后。在零售、媒體、金融等領域，已應用在營銷、精準投放、量化金融等方面有非常廣泛的應用場景和極高的應用價值。在工業領域如設備運維、智能工廠、風電場、燃氣輪機、科學研究（電子對撞機）、交通管理預測等，已經采用并實現的技術如規則和模式掘取、神經元網絡、智能數據架構（ smart data Architecture ）、自然語 言分析（NLP），自主學習、模式學習、時間序列數據管理（TSDM）、基于機器學習的設備健康管理、預測預警等，均有實際的案例和明顯的效果。但人工智能同樣有一定的現實困境存在，據調查在美國排名前50位的公司，在工業實際控制場景的應用非常少;獲取數據的困境，由于受個人隱私、制造業技術秘密等限制，難以獲得有效的數據，同時受到采樣技術、手段、環境、成本的局限，也難以獲得大量數據。

制造業與消費或服務領域最大的不同的在于對于數據的梳理和標識，在制造業不僅需要所謂的“數據分析家”，更需要“數據翻譯家”，集合行業工藝經驗和控制理論知識將數據翻譯出來。目前的標識以手工為主，通過開發如強化學習等新的技術手段，可以在使用過程中自然標記。

場景困境，不同行業應用場景的可復制性差，可以說是制造業應用人工智能的最大瓶頸，這帶來的是遷移的成本以及重新學習的困難。以基于大數據的深度學習為例，對象識別作為人工智能的主流領域正在發生突破，基本上可以分成三個階段，第一階段識別學習，目的是預測和分類，基于標記圖形訓練和分類可視識別，所采用的技術手段是從標記訓練的數據點開始的監督學習;第二階段適應學習，其目的是優化與控制，基于經驗和更早期的意圖提供最大的回饋以采取更具預測性的行動，所采用的技術手段是從一個環境中最大化的回饋強化學習;第三階段是行為學習，目的是推理和語義分析，基于給定的背景知識給出一個最高可靠性的答案，所采用的技術手段是建立基于已有經驗的假設與推理系統。

目前國際上人工智能的發展有幾個方向值得注意：

（1）向小數據集發展，意味著不需要大量數據收集與訓練;

（2）向非標記數據發展，國外有直接采用非標記數據直接使用;

（3）向多種算法融合方向發展，也就是幾種算法集合提供串聯或并聯的學習與訓練的模型;

（4）向算法輕量化方向發展，即通過邊緣計算、底層架構等技術大幅度降低算法的依賴度和能耗，這也意味著芯片開發需求的變化;

（5）對于基礎設施的需求向低消耗方向發展，實施系統輕量化。

二、人工智能應對中國智能制造瓶頸

目前中國企業的瓶頸，一是產品的研發如何迅速轉換為生產。生產是個系統的工作，需要IT技術和運營管理的交融。二是面對賣方市場和細分市場的要求，如何做到個性化以及快速響應，這是智能制造模式的終極目標之一。三是如何吸引人才回歸工廠，現在的年輕人都不愿意去工廠，因為工廠不酷。但如果工廠里苦活累活由機器人干了，數據都能采集上來，環境整潔綠色，又能實實在在得造出東西，那肯定大家愿意來。四是經驗的傳承，這個涉及知識的管理，例如老專家退休以后資料都扔垃圾桶，不同部門協同工作等。五是粗放式管理，把數據透明最后達到完美的狀態，從采集、物流管理等等，用軟件去驅動。以上這些瓶頸，相信人工智能是可以給出答案的。

要談人工智能，首先需要有一個定義。這里筆者想借鑒下Kurzweil在 1990年的MIT Press上提出的概念，人工智能就是“創造出一些機器具備某些要求智慧的能力，如同人所展示的能力”[7]在這個定義中，既明確了功能要求，也明確了機器與人的關系。其次人工智能是控制理論的一個分支，是計算機科學的延伸，無論對什么行業，它都是使能技術，對智能制造也不例外。行業應用和場景的迭代和加速非常重要，需要提供有針對性的人工智能服務和應用場景。特別是制造領域與消費領域里，人工智能應用范疇和方法差異很大，特別在應用場景、安全性、容錯性、可靠性等方面的要求完全不同。鑒于人工智能對于底層數據的高度依賴，我們既要針對不同行業定義底層數據集的架構，有行業特點也要有不同領域（如制造業、農業、服務行業）的特點，又要強化行業數據的標記，從行業的自身特點和基本需求出發，不求一概而論，但求切實提升行業的效率。

中國智能制造人才培養特別是培養頂層架構師和工業數據轉換師非常重要;其次強調智能制造是IT與OT融合，這個期間人工智能可以提供大量的使能手段;再次我國的工業體系雖然門類齊全，但缺少核心的工業哲學，或者說價值觀，利用智能制造的轉型機會建立中國自己的工業哲學至關重要。

智能制造是數據驅動、軟件定義的，從電氣化、自動化、數字化、網絡化、智能化，實現生產效率的提升和生產關系的重構，這個對于人工智能的應用同樣適用。圖1羅列的是目前企業數字化轉型過程中的主要需求和應對方案中，“替代大量重復性勞動崗位”、“知識管理平臺”、“智能運營”等方面都是人工智能在工業應用中所面臨的挑戰和機遇。

圖1 中國制造業轉型及對應技術方法。來源：公開網絡資料整理

三、人工智能與智能制造的結合路徑

首先，人工智能作為一個引領產業發展的使能技術，要求在底層數據、算法架構、應用場景上提煉共性需求;消費模式的轉變以及技術變革的渴望是開展工作的前提。智能制造的基本需求是建立底層的數據集和架構，通過應用場景給出技術路線，引導企業結合先導項目共同開發，更重要的是理解制造業與人工智能應用范圍的層級關系，以推動應用場景的開發迭代、以點帶面，持久的投入。

德國工程院院長孔翰寧認為，數字化的第二階段最重要的一個內容是自主系統，其中有一個環是通過便宜的傳感器（Cheap sensors）形成大數據? ? ? （Big data），通過人工智能（人工智能）的處理和迭代，生產智能數據（Smart Data），而這個才是人工智形成的有意義的閉環。大河鋼鐵把大數據、傳感器和人工智能技術用在鋼鐵生產上，其勞動生產率是全球平均水平的2-3倍。這些傳感器收集大量數據經過有經驗的專家過濾和分析，把這些數據加上經驗、數學模型最后變成Smart Data。通過這個方式將生產邏輯從事后管理轉變為事前管理;同時員工角色融合操作、運維、工程、管理，從而達到管理透明、知識固化、效率提高。

其次，智能制造是一個系統化的工作，是IT與OT融合的過程，也是知識顯性化和固化的過程，寶武項目中，項目組就提出交付的不僅是一個實體鋼卷，同時也應交付一個數字化的鋼卷，這會大幅度提高高端客戶和大客戶的黏性和定制化，同時也會成為未來人工智能服務智能制造的數據基礎。

從企業層級相對應的應用入手，通過不斷迭代融入企業現有的架構中，從而實現人工智能的可復制和價值。前面大河鋼鐵的例子背后是一個基金，基金有個人工智能的公司，人家說你怎么證明人工智能有價值？他們就建了個大河鋼鐵廠，實現應用。科技的價值很多時候最后是落到應用場景上。這個生產模式的轉變還促使資本對鋼鐵公司的估值方式產生了巨大的變化，從單一的產能、利潤轉變為技術與市場潛力的估值。

根據產品全生命周期和“人機料法環”做出的在傳統工業場景的人工智能應用場景實例，可以發現在生產實際控制環節中這方面還是沒有太多深入研究和實踐。所以管理和服務是目前人工智能的主要方向，特別是沿著產品全生命周期的生產鏈不同的價值流程形成不同的服務模式，這個才是智能制造加人工智能的終極任務。

結論

鋼鐵工業是傳統行業，但也是自動化、信息化程度最高的行業之一，在這樣行業探索智能制造和人工智能的實踐和路徑是有現實意義的。作為基礎工業的鋼鐵工業的智能化，某種程度上是新技術在傳統技術企業的重新詮釋和定義。推動這一變化的產生不僅僅需要技術本身的提高和升級，更需要企 業文化、考核機制的適應和改變。從管理流程上要效益，在這個時代已經不僅僅停留在口頭上，而是可以通過大數據、人工智能、智能制造與企業的深度融合實踐并實現的。

參考文獻：

[1] 何惠平，王志. 第十一屆中國鋼鐵年會上中國金屬學會理事長干勇認為中國鋼鐵工業面臨主要矛盾已經轉化[J]. 冶金動力， 2018 年（第 1 期）：P65-66.

[2] 中華人民共和國國務院.中國制造 2025[M].國發（2015）28 號.2015.5.19.

[3] 中華人民共和國駐德意志聯邦共和國大使館.中德合作行動綱要：共塑創新[EB/OL].http：//www.fmprc.gov.cn/ce/cede/chn/sbwl/t1212296.htm，2014.11.18.

[4] 百度百科.國際電工委員會[EB/OL].https：//baike.baidu.com/item/%E5%9B%BD%E9%99%85%E7%94%B5%E5%B7%A5%E5%A7%94%E5%91%98%E4%BC%9A/2876390？fr=aladdin.

[5] 吳勇.這家投產剛半年的鋼廠，用 AI 突破了人均產鋼量的天際.中國冶金報.2017，6 月 16 日，第二版.

[6] CSDN 博客.OPC 協議認知[EB/OL]. https：//blog.csdn.net/vevoliang/article/details/56015712，2017.2.20.

[7] Kurzweil， Ray （1990）， The Age of Intelligent Machines， Cambridge， MA： MIT Press， ISBN 0-262-11121-7.