钢铁行业的数字化转型之路——专访中国工程院院士王国栋

       习近平在中共中央政治局第三十四次集体学习时强调，“数字经济正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。……充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式。”中国钢铁行业的数字化转型、智能化发展是实现高质量发展的内在需求，那么如何使数字技术赋能钢铁行业，实现放大、叠加、倍增作用？《世界金属导报》就钢铁行业的数字化转型之路，采访了中国工程院院士王国栋。

　　记者：中共中央政治局第三十四次集体学习时指出，互联网、大数据、云计算、人工智能、区块链等技术加速创新，日益融入经济社会发展各领域全过程，习总书记指出要推进数字产业化和产业数字化，请问您对此的理解？

　　王国栋：习主席关于数字产业化和产业数字化的精彩论述，给我们的工作指明了方向。我们现在所处的时代是数字时代，数据已经成为一种重要的新型生产要素，如果能够很好地利用数字资源，推动产业数字化，利用互联网新技术对产业进行改造，提高全要素生产率，发挥数字技术的作用，就可以改变我们的社会生活和生产过程，使经济发展得到放大、叠加、倍增。数据是当今时代的核心资源，就像农业时代的土地、工业时代的能源一样，数据已成为全球新一轮产业竞争的制高点、改变国际竞争格局的新变量。数字技术、数字经济是世界科技革命和产业变革的先机，是新一轮国际竞争重点领域，我们要抓住先机、抢占未来发展制高点。

　　随着数字时代的来临，人们认识客观世界的方法论也发生了重大改变。牛顿定律、爱因斯坦的相对论是依赖于少数天才科学家，通过“观察+抽象+数学”进行理论推理获得的；20世纪伴随工业化进入鼎盛时期，人们大量通过“假设+实验+归纳”的实验验证（试错法），才有了爱迪生发明电灯，钢材控轧控冷参数的确定等；20世纪80年代，人们采用“样本数据+机理模型”的模拟择优方法，缩短了飞机、舰船等重大装备的设计研发周期，实现了钢铁材料组织性能的预测；21世纪初进入数字时代，数据继继农业时代的土地和劳力、工业时代的资本和企业家才能之后，成为重要的生产要素。特别是基于统计学的数据科学取得了长足进步，大数据、机器学习、人工智能、互联网等技术与实体经济相结合，使人们认识和改造客观世界的方法论进入一个新发展阶段，即“海量数据+数据分析”。在此阶段，计算、存储资源的低成本和高效率解决了各领域、各行业的难题，实现了人类认识领域的巨大跨越。比如，人工智能机器人——阿尔法围棋（AlphaGo）就是利用大数据+机器学习，在非结构化数据处理的博弈中崭露头角，在人机围棋大战中实现全胜战绩的。科学家们正是利用基因组学领域的丰富数据，通过AI技术开发深度学习算法，成功研发出AlphaFold实现对蛋白质结构的预测，解决了过去五十年都没有解决的难题。数据分析将是我们改造客观世界的强有力武器。

　　习主席在中共中央政治局第三十四次集体学习时的讲话，给我们钢铁工作者极大的鼓舞。我们一定要响应习主席“建设数字中国”的号召，把我们钢铁行业的事情做好，建设“数字钢铁”，将数字技术与钢铁行业深度融合，充分发挥钢铁行业海量数据和丰富应用场景优势和数据分析的作用，赋能钢铁行业转型升级，打造出钢铁行业的新天地。

　　记者：钢铁行业在实现数字化转型中有哪些优势？

　　王国栋：第一，钢铁行业对数字技术需求迫切，数字技术在钢铁行业大有可为。钢铁工业为大型复杂流程工业，全流程各工序均为“黑箱”，实时信息极度缺乏；钢铁生产流程具有多变量、强耦合、非线性和大滞后等特点；各单元为孤岛式控制，尚未做到单元间界面无缝、精准衔接。这些严重的不确定性是钢铁生产过程面临的重大挑战。解决这些问题必须依赖数字化、智能化技术。

　　第二，钢铁行业具有丰富的应用场景资源。钢铁生产的高炉冶炼、转炉冶炼、电炉冶炼、连铸、轧制等过程均为“黑箱”过程，这些是数字化、智能化信息通信技术应用的最佳场景。借助大数据/机器学习和深度学习等数据挖掘技术，可以快速解决流程工业普遍存在的“黑箱”难题。

　　第三，钢铁行业具有充沛的数据资源。钢铁工业发达的数据采集系统、自动化控制系统和研发设施，能够实现全面的数据采集和丰富的数据积累，并可提供大量的实验数据。这些海量数据中蕴含企业生产过程的全部规律，是最宝贵的资源，是关键生产要素。钢铁行业在充分合理利用丰富的数据资源，实现数字产业化方面具有巨大潜力。

　　第四，钢铁行业还具有直接反馈赋能物料的优势。如果我们能通过实时大数据分析把钢铁生产的物料——铁水、钢水、钢坯、轧件内部的规律摸清，得出决策，并进行反馈控制，直接作用到物料上，形成闭环反馈，就可以及时纠正各种扰动带来的问题，对模型进行自学习、自适应，提高模型的保真度，从而赋值生产过程，提高产品质量，降低生产成本，提高生产效率。

　　记者：钢铁行业在实现数字化转型中有哪些困难，需要特别注意哪些问题？

　　王国栋：第一，钢铁生产由原料到产品，经过炼铁→炼钢→轧制→热处理等冶金与加工过程，其一天产生的数据量可以达到数千亿字节的信息。生产诸多环节的内部运行状况无法在线实时监测，因此现场制造运行的数学模型大多为机理模型，由于环境状况和操作条件波动以及设备运行状态变化，加之过程输入条件、状态变量和控制系统之间的关系十分复杂，这些机理模型对于全流程“黑箱”的动态过程适用性很差，预报精度不高，难以准确透视工艺、设备、质量等关键参数之间的复杂关系。因此，模型控制精度是进一步提高钢材质量的“卡脖子”问题。

　　第二，钢铁生产中存在着复杂的物理、化学过程，甚至发生气、液、固多相共存的连续变化，外界随机干涉因素多，物质/能量转化过程复杂。冶炼、轧制等工序都是异质、异构单元组合的集成体，单元之间存在非线性相互作用、动态耦合过程。各个工序涉及的工艺质量参数成千上万；过程变量类型混杂、维数高、规模大，变量之间存在着多重相关性。目前，钢铁工业流程中各层次、全流程的协调优化有限，各生产单元的质量、流量和时间偏差，会遗传到下游工序，影响全流程的稳定运行以及工序间设备能力的平衡。

　　第三，钢铁生产过程中还有一些检测比较困难，这些都是我们必须要应对的现实性问题。另外，钢铁冶金是一个包含多层级、多领域、多学科的交叉过程，除了材料、冶金领域之外，还涉及庞大的机械系统、控制系统、物理系统、化学系统等，把这些系统组合在一起，要想实现全面的控制比较困难，但是现在我们有了新技术，加速钢铁行业的数字化转型，这些问题是可以解决的。

　　在钢铁行业数字化转型发展中，我认为需要注意以下几个问题：第一，钢铁工业互联网总体架构的顶层设计。我们必须在工业互联网架构下，根据钢铁行业特点，以生产主流程为主线，将提升产品质量、消除产品缺陷、稳生产过程、降低生产成本、提高生产效率等作为目标，开展系统深入研究，设计钢铁工业互联网架构。

　　钢铁行业工业互联网平台是一个双层结构，即云端智能层和边缘实时层。云端智能层，即我们所称的“云平台”。它兼有Paas和Saas的功能，承担低实时性的MES、ERP和BI生产计划、管理、调度、决策等功能，同时，还可以实现质量、设备能力、成本、资源、能源、人力资源、排放、环境等多个目标综合协调、资源优化配置等支撑、保证作用。数字孪生的模型优化部分也是一个低实时性的环节，也配置在云端智能层。

　　边缘与边缘云。这是钢铁生产进行分析与决策的核心，是系统的“本地决策层”，承担高实时性PCS、BA和传感器等功能、数字孪生的实时分析与反馈，并辅以人工智能、大数据等新技术。对于钢铁等流程工业，必须将云端业务能力延伸到边缘节点，强化边缘低时延、实时性工业控制，发挥边云协同能力，实现分布式云功能。构筑在边缘设施基础上的云计算平台，具有和传统私有云一样的安全性，在用户机房内就近部署，满足数据不出厂的需求。

　　还有一个需要考虑的问题就是新系统与企业原有系统的衔接和继承。我们不能把原来的系统抛掉，而是要把新系统融入到原有系统中，然后让新旧系统顺利过渡，这一点非常重要。这个做法保持了原有系统的优点和优势，同时通过无缝衔接把最新的技术加进去，只立不破，多立少破，降低改造成本，逐步上线实施，确保安全可靠。这是在改造中我们必须认真对待的重要策略。

　　记者：在钢铁行业的数字化转型实践中，有哪些重要的技术需要推广，有哪些重要的技术需要突破？

　　王国栋：要有“1、2、3”的三个突破。第一是“1”，即突破“一个核心”，也就是建立信息物理系统的数字孪生，目标是建立高保真度的数字孪生模型。这个核心包括两部分。一部分是位于云端的数字孪生自学习系统，它依据来自物理世界的数据，利用机器学习等智能技术，不断进行自学习，修正模型，来适应物理世界的经时变化。另一部分是位于边缘的实时控制，它融入原有的自动化系统，调用经过自学习的数字孪生模型的最新更新，承担生产过程的初设定与动态设定。数字孪生如何无缝地融入到原有的边缘自动化系统，用于实现数字孪生与物理实体的实时交互，现在已取得了可喜的成果。

　　另外，不同的场景，比如烧结、球团、高炉、转炉、精炼、连铸、热轧、冷轧，有各自不同的特点。所以要注意不能千篇一律，一定要依据各个场景的特点，采用不同的算法，解决各自问题。这是我们需要突破的技术难点。

　　第二是“2”，要在“双层架构”上取得突破。边缘已经发展成为边缘云，它实质上是融合了数字孪生的强大智能功能的自动化系统，它与物理实体实时交互，循环赋能。边缘设有边缘数据中心，进行相应的数据存储、管理和调用。

　　位于云端智能层的资源配置与管理系统包括七部分：①生产计划与调度管理系统（MES、ERP）；②设备运维、管理、诊断、维护、点检、检修等；③物流、原料、介质、能源调度、管理以及工件跟踪、产品管理、排放管理等；④安全；⑤钢铁材料创新基础设施；⑥数字孪生模型自学习系统，自学习、自适应、高度自治；⑦大数据中心，数据处理、储存、存取，特殊的数据管理方式。这七个方面从不同的角度对数字孪生系统的分析决策提供支撑，保证数据采集齐全可靠，数据分析精准，决策科学正确，赋能有效执行。需要各领域专家的深入研究和多学科的密切配合。

　　第三是“3”，即“云”“边”“端”的连接、协调与配合。“云”“边”前已述及。位于生产线的端部应当具有完备的数据检测系统和精准的基础自动化系统。由于钢铁行业作业条件和技术水平的限制，过去的一些数据难以检测，甚至检测不了。比如炼钢过程中的下渣检测、连铸液面波动检测、复杂形状的测量等，现在可以采用各种新的检测方法来实现。利用机器视觉技术可以提供多维测量的信息，经过数据变换和计算，获得我们需要的尺寸、形状、分布，并给出定量的表达。这方面有很大的创新空间。

　　可以将原有光纤网络系统与新型的5G网络混合，形成泛在网络，将“云”“边”“端”的内部和外部连接起来，做到无时不在，无处不在，即插即用，保证数据在系统内自由流动。5G网络的短时延（实时交互），大带宽（新型检测仪表、图像等非结构化数据的传输），海量物联（垂直方向）在网络系统运行上可发挥重要作用。

　　这样一来，沿着钢铁全流程，建设信息物理系统，将整个流程融合成为一个整体，综合考虑前端对后端的影响，后端对前端的要求，进行全流程统一的设计与考量。

　　记者：数字化（智能化）和低碳化是钢铁行业高质量发展的两翼，请您谈一下行业如何将这两者更好地融合发展？

　　王国栋：目前钢铁行业面临两件大事：一件是绿色低碳，另一件是产业数字化，这两者实际上是一个事物的两个方面。我们特别要按照习主席讲的“围绕产业链部署创新链，围绕创新链布局产业链”，用全面、辩证、长远的眼光看待两者的融合发展。

　　第一步，先是围绕钢铁生产的产业链部署创新链，那就是在钢铁产业链的各个工艺环节上都有什么问题，这些问题如何通过工艺技术、设备技术、绿色化技术来改造的，这就是创新，沿着产业链布局各个地方都做什么事，实际就是围绕着钢铁的产业链布局绿色化的创新链。

　　第二步，围绕创新链布局产业链，这个产业链是高新技术产业链，特别是信息化技术产业链。通过这种部署创新，我们能够更好地、更快地、低成本地实现产业链创新，所以说第一步是围绕着钢铁产业链部署创新链，然后围绕着创新链布局信息化产业链，实际上就是使钢铁产业链和信息化产业链两化融合，这两者互相支撑。我们有了绿色化创新链，实现这个目标要进行工艺技术创新，同时还要采用高新技术，就是信息化和智能化等技术来建立高新技术产业链。因为信息化产业链的创新，可以使实现绿色化的效率大幅提高，成本显著降低。最近我们也在布局，将钢铁行业的绿色化技术和信息化技术结合，通过采用信息化、数字化技术来加快绿色化进度，降低成本，从而迅速实现绿色化，形成了一个动态的创新。所以，这两者的关系非常重要，值得我们期待。

　　记者：请您谈一谈东北大学在这方面做出的努力和成果。

　　王国栋：我们RAL实验室是从1995年正式投入运行的。其实在此之前，就已经开展了这方面的研究工作。1988-2004年，我们在无人区探索创新，利用物理冶金模型与人工神经元网络模型预测热轧过程钢材组织与性能。2004-2014年，我们与梅钢等合作，采用贝叶斯神经网络，进行组织性能预测，开发集约化生产技术，实行热轧钢材的大规模定制化生产。2014-2019年，信息物理系统和数字孪生被列入国家“十三五”规划研究内容。2017年，RAL实验室利用承担国家“十三五”关于钢铁智能制造3个重点研发项目的机会，开始进行信息物理系统的研究。以数字孪生的保真度、自治性、快速性为核心进行系统开发，获得性能适应钢铁行业需求的实时控制系统，建立了热连轧动态数字孪生。2019-2022年，我们与企业合作，探索开发了钢铁全流程动态数字孪生与CPS系统，由钢材热轧过程向炼铁、炼钢、连铸、冷轧、热处理等钢铁全流程扩展。

　　目前，我们的研究团队与企业结合，已经开发出选冶结合悬浮焙烧系统的信息物理系统；开发出基于铁前大数据的智能配煤配矿技术，智能化铁前系统取得巨大进展，智能化炼铁在铁前系统全面布局，目前已经或正在太钢、建龙抚顺新钢铁、河钢邯钢、昆钢、本钢等企业的炼铁系统实施应用；已经建立了智能炼钢区域系统架构，正在建龙抚顺新钢铁、河钢邯钢2250等产线实施，已经取得重要进展；已经开发出轧制过程动态数字孪生体与CPS模块化工业软件，热轧系统和冷轧系统正在上线中。稳定化工艺实施初步效果已经显现，力学性能波动范围大幅收窄，屈强比等过去难以控制的指标得到稳定、达标的控制，并开发出了用单一成分生产相邻级别钢种的集约化、稳定化生产技术。

　　我们坚信，只要坚持产学研用深度融合，协同创新，按照习主席指出的方向奋斗，一定能够把中国钢铁工业的数字化转型做好，建成中国的“数字钢铁”，走到世界前列。

来源：世界金属导报