典心小说下载钢铁行业属于原材料工业,是国民经济发展的重要支柱产业。经过一代又一代从业人员的努力,已经实现了钢铁大国到强国的转变,并且走在不断强大的路上。近年来,伴随着信息化技术、网络化技术、智能化技术日新月异的科技革命,钢铁行业敢为天下先,勇于创新,积极采用世界最新前沿技术,信息化、数字化、网络化、智能化的融合发展基本框架正逐步建立,智能制造的转型发展初显成效。

　　目前,钢铁行业数字化已经从初级建设的MES、ERP等系统,向产品设备创新、生产技术创新、产业模式创新和制造系统集成创新四个层面深度开展。总体来看,年产量千万吨规模的企业基本完成了基础自动化、过程控制、制造执行、企业管理、决策支持等多级信息化系统建设,信息化应用全面覆盖各业务领域,并已经从生产环节开始逐步延伸到服务型环节,从企业内部延伸到上下游产业。

　　钢铁行业在数字化转型方面取得了显著成果,同时应该看到中国钢铁工业目前处于压缩产能、整合重组和节能环保的转型升级的重要时期,面临和全球钢铁同行共同探索未来发展方向的挑战。

　　行业整体数字化水平不均衡,存在两极分化现象,推动全行业的数字化转型还未达到统一认知。宝武、鞍钢、首钢等钢铁企业数字化水平较高,也是率先推进智能制造的典范企业。这些先进企业有自己的信息化公司,可依托为其制定数字化发展规划,提供大量咨询,投入大量资金。200万吨及以下企业,相当一部分仍处于基础建设或单项业务应用阶段。究其原因,除上述情况外,还涉及企业发展阶段,生产指标和管理水平,对信息化智能化理解、投资成本等存在很大差异。

　　500万吨及以下企业中,60%的企业实现了MES系统与过程控制系统的横向集成;面临点到线再到面的挑战。行业工艺机理模型的基础研究较为薄弱,缺乏原始理论与技术创新,一些关键技术、高端装备、配套系统依然依赖进口,无法做到自主可控。

　　钢铁行业在工业互联网和信息物理系统的研发与集成、业务系统向产业链前端延伸等方面的创新能力仍然较弱。虽然大型钢企开展了智能工厂建设,但获得工信部评价的智能制造工厂,但大多还处于局部探索阶段,缺乏成熟的行业解决方案。同时缺乏高端人才培养机制,智能制造研发人才不足。

　　这些问题都制约了钢铁行业数字化转型的提档加速,在这样的行业背景下,坚持数智化转型、坚持科技赋能,坚定不移走以高端化、智能化、绿色化为目标的高质量发展之路是钢铁企业的不二选择。

　　人工智能特别是大模型技术的爆发式增长态势已席卷全球,是引领未来的战略性技术,是新一轮科技革命和产业变革的核心驱动力。通过将人工智能融入企业的经营管理、生产运营的各个环节,实现从研发、营销、制造到客户服务的全链条、全方位智能化升级是当下钢铁企业数智化转型的主阵地。

　　据不完全统计,目前在钢铁行业中仅有不到20%的企业开展了局部人工智能应用,未来,推动人工智能应用在钢铁领域大规模落地,实现行业智能化升级,大有可为。然而,如何做好智能化这道“必答题”,需要方方面面的努力。

　　高质量的行业数据是基础,是驱动智能化转型实现高质量发展的新动能与核心资源。企业希望通过人工智能实现工艺优化、产品性能预测、金融风险智能监控、智能决策等智能化诉求时,可用的、准确的、高精度的数据是前提。

　　对于企业而言,要以终为始,以数据支撑人工智能应用、激活数据要素价值为目标,做好从数据采集,到数据治理,最后到数据应用的规划与设计。在数据采集方面,要确保设备的数据能够采集上来,减少人员记录的过程数据,提高数据源头质量。在数据治理方面,统一数据标准,构建以数据标准体系为核心的数据治理架构,实现数据资产化。

　　在数据应用方面,要让数据成为人工智能算法模型训练时“养分”,模型只有“学”好了,才能好“用”。在数据方面,我们也看到了一些钢铁企业携手华为等一批高科技企业取得了显著成果。

　　人工智能赋能钢铁行业过程中,往往面临着需求碎片化、多样化的问题,过去的模型参数量小、泛化性差,一个模型大多只能对应单个场景,不仅模型开发成本高、升级难,而且模型训练需要的核心机密数据存在安全性问题等,导致无法实现广泛应用。

　　近两年来,人工智能大模型技术发展,让我们发现,以具备通用基础能力的人工智能大模型作为智能底座,结合行业知识和场景数据进行训练微调,能有效应对碎片化和多样化需求,并大幅缩减研发、定制、部署、调优等工程化过程中的人力、时间、费用等成本投入。这种新的人工智能开发应用新方法有望成为一种新的范式,能真正实现人工智能应用在钢铁行业大规模落地。

　　行业大模型是近期技术热点,我们很欣喜看到,钢铁头部企业正联合国内一批高科技企业进行联合创新与研究,比如最近宝钢股份携手华为推进AI战略,以及湖南钢铁、湖南移动、华为携手发布全球首个钢铁行业人工智能大模型等。

　　我们都知道,工业机理模型是一种基于设备和产品的仿真和原理化的分析模型,用于描述工业过程中的物理、化学和力学等规律。

　　这种模型可以通过数学方程、算法、逻辑等方式表达,并且可以用于模拟、预测和优化工业过程,在生产环节中发挥着重要作用。行业机理对于场景化人工智能应用使用效果至关重要。

　　以机理为基础,基于历史数据进行残差预测,使得人工智能模型参数可靠且接近真实工况。以机理为约束,对数据质量进行分析,使人工智能训练数据更准确,而人工智能数据模型的参数解释性高于机理模型,通过机理模型+持续迭代优化的人工智能数据模型相结合,取长补短,使模型控制更精准,越用越好用,推动人工智能应用在生产环节在规模落地。

　　钢铁行业由于流程的复杂性,数字化转型需要各方面协同努力,希望钢铁企业、研究机构能够与人工智能技术服务商深入合作,研发基于钢铁行业的机理+数据融合模型,构建钢铁生产知识规则库,开发质量知识图谱、知识发现和推理组件,打造一系列基于数据、模型和知识的行业工具链。钢铁工业协会也会积极发挥行业协会桥梁纽带作用,提供资源整合平台,形成合力。通过钢铁行业数字化解决方案遴选、需求对接等多种形式,形成一批云计算、大数据、人工智能与制造业融合发展的钢铁行业解决方案和典型案例,打造钢铁企业数字化、网络化、智能化转型升级样板。

　　我相信,在政产学研用各方面的努力下,钢铁智能化水平必将实现整体发展,智能化装备的可靠性、易用性、稳定性会不断完善,智能化系统和装备常态化运行率将不断提升,智能感知、智能决策、智能协同等推动钢铁行业高质量发展的阶段必将到来。