“數(shù)智化”助力鋼鐵行業(yè)高質(zhì)量發(fā)展

　　鋼鐵行業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)發(fā)展的重要支柱產(chǎn)業(yè)，為國(guó)家建設(shè)提供了重要原材料保障，有力支撐了我國(guó)工業(yè)化、現(xiàn)代化進(jìn)程。近年來(lái)，鋼鐵行業(yè)作為中游制造業(yè)受到上游鐵礦石和焦煤的雙重?cái)D壓，疊加下游行業(yè)需求變動(dòng)帶來(lái)的產(chǎn)品結(jié)構(gòu)變化，鋼鐵行業(yè)的總量及結(jié)構(gòu)面臨較大挑戰(zhàn)。然而，隨著新能源汽車等新興產(chǎn)業(yè)的蓬勃發(fā)展，鋼鐵行業(yè)也逐步迎來(lái)新的增長(zhǎng)點(diǎn)。

　　文 / 胡罡

　　華為油氣礦山軍團(tuán)礦業(yè)冶金業(yè)務(wù)總經(jīng)理

　　2024年9月

　　在這樣的行業(yè)背景下，鋼鐵企業(yè)要想走出困境，必須堅(jiān)持?jǐn)?shù)智化轉(zhuǎn)型、堅(jiān)持科技賦能，堅(jiān)定不移走以高端化、智能化、綠色化為目標(biāo)的高質(zhì)量發(fā)展之路，提高自身核心競(jìng)爭(zhēng)力。

　　在助力鋼鐵企業(yè)數(shù)智化轉(zhuǎn)型的實(shí)踐中，我們發(fā)現(xiàn)大部分鋼鐵企業(yè)面臨的主要挑戰(zhàn)有以下幾個(gè)方面：

　　1. 信息系統(tǒng)多，互通難。由于過(guò)去的信息化建設(shè)很多沒有統(tǒng)一規(guī)劃，信息系統(tǒng)的建設(shè)廠家不一，導(dǎo)致架構(gòu)不一，煙筒式的系統(tǒng)繁多，各系統(tǒng)硬軟件獨(dú)立，維護(hù)工作量大；

　　2. 缺乏統(tǒng)一標(biāo)準(zhǔn)與統(tǒng)一的數(shù)據(jù)規(guī)范。沒有建設(shè)統(tǒng)一數(shù)據(jù)采集和存儲(chǔ)的規(guī)范，導(dǎo)致不同生產(chǎn)設(shè)備的接口和采集協(xié)議不同，數(shù)據(jù)集成難，另外由于數(shù)據(jù)格式差異大，系統(tǒng)間數(shù)據(jù)共享成本很高；

　　3. 數(shù)據(jù)未充分清理，難以驅(qū)動(dòng)智能決策。很多鋼廠都建立了大數(shù)據(jù)中心，采集了大量的數(shù)據(jù)，但沒有經(jīng)過(guò)加工處理，異?；驘o(wú)效數(shù)據(jù)多，無(wú)法充分發(fā)揮數(shù)據(jù)的價(jià)值 大部分決策依舊靠人工干預(yù)，無(wú)法由數(shù)據(jù)驅(qū)動(dòng)；

　　4. 人工智能門檻高，落地難。人工智能賦能鋼鐵行業(yè)過(guò)程中，往往面臨著需求碎片化、多樣化的問(wèn)題，過(guò)去的模型參數(shù)量小、泛化性差，一個(gè)模型大多只能對(duì)應(yīng)單個(gè)場(chǎng)景，開發(fā)成本高、升級(jí)難。另外，算法訓(xùn)練需要將生產(chǎn)單位的數(shù)據(jù)導(dǎo)出到開發(fā)環(huán)境進(jìn)行訓(xùn)練，存在數(shù)據(jù)泄露等安全性問(wèn)題。

　　構(gòu)建基于工業(yè)互聯(lián)網(wǎng)的智慧鋼鐵架構(gòu)

　　從2020年，華為與鋼鐵行業(yè)各界開啟交流與合作，逐步理解行業(yè)的需求，現(xiàn)在已經(jīng)深度參與到行業(yè)的智能化進(jìn)程中。這個(gè)過(guò)程中，我們通過(guò)大量實(shí)踐發(fā)現(xiàn)，要解決上述痛點(diǎn)，需要從底層架構(gòu)著手。

　　鋼鐵行業(yè)傳統(tǒng)的系統(tǒng)架構(gòu)都是基于ISA-95的標(biāo)準(zhǔn)，但隨著智能化的到來(lái)，傳統(tǒng)架構(gòu)已經(jīng)無(wú)法支撐行業(yè)向智能化方向演進(jìn)。通過(guò)構(gòu)建“統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一架構(gòu)、統(tǒng)一數(shù)據(jù)規(guī)范”的工業(yè)互聯(lián)網(wǎng)架構(gòu)，平臺(tái)先行，應(yīng)用迭代，保護(hù)投資，避免重復(fù)建設(shè)，才能探索出一條有效的升級(jí)路徑。

　　我們認(rèn)為，采用云原生技術(shù)構(gòu)建鋼鐵行業(yè)的新應(yīng)用是行業(yè)的趨勢(shì)，同時(shí)，使用微服務(wù)架構(gòu)和零代碼、低代碼的DevOps模式，能讓開發(fā)更加敏捷。

　　構(gòu)建以數(shù)據(jù)平臺(tái)為核心的數(shù)據(jù)世界入口

　　高質(zhì)量的行業(yè)數(shù)據(jù)是基礎(chǔ)，是驅(qū)動(dòng)智能化轉(zhuǎn)型實(shí)現(xiàn)高質(zhì)量發(fā)展的新動(dòng)能與核心資源。企業(yè)希望通過(guò)人工智能實(shí)現(xiàn)工藝優(yōu)化、產(chǎn)品性能預(yù)測(cè)、金融風(fēng)險(xiǎn)智能監(jiān)控、智能決策等智能化訴求時(shí)，可用的、準(zhǔn)確的、高精度的數(shù)據(jù)是前提，反過(guò)來(lái)，通過(guò)人工智能場(chǎng)景化應(yīng)用規(guī)模落地，可以使數(shù)據(jù)資產(chǎn)價(jià)值最大化。

　　非數(shù)字原生企業(yè)是以物理世界為中心來(lái)構(gòu)建，圍繞生產(chǎn)、流通、服務(wù)等具體經(jīng)濟(jì)活動(dòng)展開，天然缺乏以軟件和數(shù)據(jù)平臺(tái)為核心的數(shù)字世界入口。對(duì)于鋼企而言，基于統(tǒng)一架構(gòu)、統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一數(shù)據(jù)規(guī)范設(shè)計(jì)思想，構(gòu)建企業(yè)級(jí)自主可控的企業(yè)數(shù)據(jù)中臺(tái)，向下支持多種協(xié)議適配插件、統(tǒng)一數(shù)據(jù)格式，支撐數(shù)據(jù)統(tǒng)一入湖和治理，向上基于數(shù)據(jù)治理，提供原子化微服務(wù)能力，支撐應(yīng)用跨系統(tǒng)協(xié)同。

　　構(gòu)建具備全聯(lián)接的融合網(wǎng)絡(luò)

　　當(dāng)前，絕大部分的鋼鐵企業(yè)都存在輔助生產(chǎn)一張網(wǎng)，辦公一張網(wǎng)，安防一張網(wǎng)等多張網(wǎng)絡(luò)的情況，面對(duì)這種煙囪式建網(wǎng)，不僅信息共享困難而且運(yùn)維復(fù)雜，且隨著數(shù)字化業(yè)務(wù)激增，業(yè)務(wù)體驗(yàn)保障不足、安全防護(hù)不足等問(wèn)題突出，難以滿足數(shù)智化發(fā)展要求。構(gòu)建云網(wǎng)邊端的融合工業(yè)網(wǎng)基礎(chǔ)設(shè)施，采用切片實(shí)現(xiàn)輔助生產(chǎn)、辦公、安防等多業(yè)務(wù)統(tǒng)一承載，橫向覆蓋研產(chǎn)銷、縱向滿足各類終端業(yè)務(wù)訴求。

　　連接是工廠數(shù)字化的前提，也是實(shí)現(xiàn)全要素各環(huán)節(jié)深度互聯(lián)的關(guān)鍵，在工廠連接正由有線為主向有線無(wú)線相輔相成過(guò)渡。通過(guò)充分利用具備高可靠、低時(shí)延、大帶寬能力的5G網(wǎng)絡(luò)，基于工業(yè)互聯(lián)網(wǎng)新型基礎(chǔ)設(shè)施，新建或改造產(chǎn)線、車間、工廠等生產(chǎn)現(xiàn)場(chǎng)，形成生產(chǎn)單元廣泛連接、IT/OT 深度融合、數(shù)據(jù)要素充分利用、創(chuàng)新應(yīng)用高效賦能的智慧工廠。

　　構(gòu)建以大模型技術(shù)為核心的人工智能開發(fā)應(yīng)用

　　為了解決人工智能在鋼鐵行業(yè)落地難、門檻高等問(wèn)題，華為基于自身對(duì)資源行業(yè)的理解，以及30多年的技術(shù)積累，為了鋼鐵行業(yè)打造了人工智能解決方案，以具備通用人工智能能力的盤古大模型作為底座，結(jié)合行業(yè)知識(shí)和場(chǎng)景數(shù)據(jù)進(jìn)行訓(xùn)練微調(diào)，能有效應(yīng)對(duì)碎片化和多樣化需求，并大幅縮減研發(fā)、定制、部署、調(diào)優(yōu)等工程化過(guò)程中的人力、時(shí)間、費(fèi)用等成本投入，也能解決好數(shù)據(jù)安全問(wèn)題。

　　同時(shí)，行業(yè)機(jī)理模型對(duì)于場(chǎng)景化AI應(yīng)用使用效果至關(guān)重要。以機(jī)理為基礎(chǔ)，基于歷史數(shù)據(jù)進(jìn)行殘差預(yù)測(cè)，使得AI模型參數(shù)可靠且接近真實(shí)工況；以機(jī)理為約束，對(duì)數(shù)據(jù)質(zhì)量進(jìn)行分析，使AI訓(xùn)練數(shù)據(jù)更準(zhǔn)確。通過(guò)機(jī)理模型+持續(xù)迭代優(yōu)化的AI模型相結(jié)合，使模型控制更精準(zhǔn)，越用越好用。

　　過(guò)去一年，盤古鋼鐵行業(yè)大模型已在多個(gè)鋼鐵企業(yè)商用，基于大模型開發(fā)的創(chuàng)新應(yīng)用不斷地在工廠落地并取得了較高的收益，例如：智能精煉：通過(guò)大數(shù)據(jù)+AI，根據(jù)物理平衡、熱平衡原理，實(shí)現(xiàn)合金輔料添加自動(dòng)計(jì)算、LF爐送電吹氬自動(dòng)規(guī)劃、鋼水成分實(shí)時(shí)預(yù)測(cè)，避免人工操作帶來(lái)的隨意性和不確定性。智慧配煤：通過(guò)AI+配煤機(jī)理，深度挖掘原料煤之間特征相關(guān)性，準(zhǔn)確預(yù)測(cè)焦炭質(zhì)量，且能在達(dá)到質(zhì)量要求的前提下，優(yōu)化配比，降低配煤成本。皮帶智能監(jiān)測(cè)：通過(guò)機(jī)器視覺+AI，實(shí)現(xiàn)7x24小時(shí)實(shí)時(shí)自動(dòng)皮帶智能檢測(cè)，降低人工巡檢的頻次和強(qiáng)度，異常問(wèn)題第一時(shí)間自動(dòng)告警，可以有效降低皮帶故障引起的停機(jī)停產(chǎn)風(fēng)險(xiǎn)。廢鋼智能判級(jí)：采用AI分析，實(shí)現(xiàn)統(tǒng)一客觀準(zhǔn)確判級(jí)，降低定級(jí)的人為依賴，減少人為影響造成的定級(jí)偏差損失。

　　截至目前，華為、鋼鐵企業(yè)和行業(yè)伙伴已經(jīng)基于行業(yè)大模型開發(fā)了30+算法模型應(yīng)用，實(shí)踐證明，以大模型技術(shù)為核心的人工智能開發(fā)應(yīng)用新范式，推動(dòng)人工智能在鋼鐵行業(yè)的大規(guī)模落地應(yīng)用是一條可行之路。

　　華為始終堅(jiān)持與“產(chǎn)學(xué)研”等機(jī)構(gòu)開展合作，發(fā)揮各自優(yōu)勢(shì)，以人工智能大模型為基礎(chǔ)，構(gòu)建人工智能場(chǎng)景地圖和應(yīng)用創(chuàng)新，加速人工智能與鋼鐵行業(yè)應(yīng)用場(chǎng)景的融合，推動(dòng)人工智能在鋼鐵行業(yè)的大規(guī)模落地應(yīng)用。