習近平在中共中央政治局第三十四次集體學習時強調，“數字經濟正在成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。……充分發揮海量數據和豐富應用場景優勢，促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級，催生新產業新業態新模式。”中國鋼鐵行業的數字化轉型、智能化發展是實現高質量發展的內在需求，那么如何使數字技術賦能鋼鐵行業，實現放大、疊加、倍增作用？《世界金屬導報》就鋼鐵行業的數字化轉型之路，采訪了中國工程院院士王國棟。

　　記者：中共中央政治局第三十四次集體學習時指出，互聯網、大數據、云計算、人工智能、區塊鏈等技術加速創新，日益融入經濟社會發展各領域全過程，習總書記指出要推進數字產業化和產業數字化，請問您對此的理解？

　　王國棟：習主席關于數字產業化和產業數字化的精彩論述，給我們的工作指明了方向。我們現在所處的時代是數字時代，數據已經成為一種重要的新型生產要素，如果能夠很好地利用數字資源，推動產業數字化，利用互聯網新技術對產業進行改造，提高全要素生產率，發揮數字技術的作用，就可以改變我們的社會生活和生產過程，使經濟發展得到放大、疊加、倍增。數據是當今時代的核心資源，就像農業時代的土地、工業時代的能源一樣，數據已成為全球新一輪產業競爭的制高點、改變國際競爭格局的新變量。數字技術、數字經濟是世界科技革命和產業變革的先機，是新一輪國際競爭重點領域，我們要抓住先機、搶占未來發展制高點。

　　隨著數字時代的來臨，人們認識客觀世界的方法論也發生了重大改變。牛頓定律、愛因斯坦的相對論是依賴于少數天才科學家，通過“觀察+抽象+數學”進行理論推理獲得的；20世紀伴隨工業化進入鼎盛時期，人們大量通過“假設+實驗+歸納”的實驗驗證（試錯法），才有了愛迪生發明電燈，鋼材控軋控冷參數的確定等；20世紀80年代，人們采用“樣本數據+機理模型”的模擬擇優方法，縮短了飛機、艦船等重大裝備的設計研發周期，實現了鋼鐵材料組織性能的預測；21世紀初進入數字時代，數據繼繼農業時代的土地和勞力、工業時代的資本和企業家才能之后，成為重要的生產要素。特別是基于統計學的數據科學取得了長足進步，大數據、機器學習、人工智能、互聯網等技術與實體經濟相結合，使人們認識和改造客觀世界的方法論進入一個新發展階段，即“海量數據+數據分析”。在此階段，計算、存儲資源的低成本和高效率解決了各領域、各行業的難題，實現了人類認識領域的巨大跨越。比如，人工智能機器人——阿爾法圍棋（AlphaGo）就是利用大數據+機器學習，在非結構化數據處理的博弈中嶄露頭角，在人機圍棋大戰中實現全勝戰績的。科學家們正是利用基因組學領域的豐富數據，通過AI技術開發深度學習算法，成功研發出AlphaFold實現對蛋白質結構的預測，解決了過去五十年都沒有解決的難題。數據分析將是我們改造客觀世界的強有力武器。

　　習主席在中共中央政治局第三十四次集體學習時的講話，給我們鋼鐵工作者極大的鼓舞。我們一定要響應習主席“建設數字中國”的號召，把我們鋼鐵行業的事情做好，建設“數字鋼鐵”，將數字技術與鋼鐵行業深度融合，充分發揮鋼鐵行業海量數據和豐富應用場景優勢和數據分析的作用，賦能鋼鐵行業轉型升級，打造出鋼鐵行業的新天地。

　　記者：鋼鐵行業在實現數字化轉型中有哪些優勢？

　　王國棟：第一，鋼鐵行業對數字技術需求迫切，數字技術在鋼鐵行業大有可為。鋼鐵工業為大型復雜流程工業，全流程各工序均為“黑箱”，實時信息極度缺乏；鋼鐵生產流程具有多變量、強耦合、非線性和大滯后等特點；各單元為孤島式控制，尚未做到單元間界面無縫、精準銜接。這些嚴重的不確定性是鋼鐵生產過程面臨的重大挑戰。解決這些問題必須依賴數字化、智能化技術。

　　第二，鋼鐵行業具有豐富的應用場景資源。鋼鐵生產的高爐冶煉、轉爐冶煉、電爐冶煉、連鑄、軋制等過程均為“黑箱”過程，這些是數字化、智能化信息通信技術應用的最佳場景。借助大數據/機器學習和深度學習等數據挖掘技術，可以快速解決流程工業普遍存在的“黑箱”難題。

　　第三，鋼鐵行業具有充沛的數據資源。鋼鐵工業發達的數據采集系統、自動化控制系統和研發設施，能夠實現全面的數據采集和豐富的數據積累，并可提供大量的實驗數據。這些海量數據中蘊含企業生產過程的全部規律，是最寶貴的資源，是關鍵生產要素。鋼鐵行業在充分合理利用豐富的數據資源，實現數字產業化方面具有巨大潛力。

　　第四，鋼鐵行業還具有直接反饋賦能物料的優勢。如果我們能通過實時大數據分析把鋼鐵生產的物料——鐵水、鋼水、鋼坯、軋件內部的規律摸清，得出決策，并進行反饋控制，直接作用到物料上，形成閉環反饋，就可以及時糾正各種擾動帶來的問題，對模型進行自學習、自適應，提高模型的保真度，從而賦值生產過程，提高產品質量，降低生產成本，提高生產效率。

　　記者：鋼鐵行業在實現數字化轉型中有哪些困難，需要特別注意哪些問題？

　　王國棟：第一，鋼鐵生產由原料到產品，經過煉鐵→煉鋼→軋制→熱處理等冶金與加工過程，其一天產生的數據量可以達到數千億字節的信息。生產諸多環節的內部運行狀況無法在線實時監測，因此現場制造運行的數學模型大多為機理模型，由于環境狀況和操作條件波動以及設備運行狀態變化，加之過程輸入條件、狀態變量和控制系統之間的關系十分復雜，這些機理模型對于全流程“黑箱”的動態過程適用性很差，預報精度不高，難以準確透視工藝、設備、質量等關鍵參數之間的復雜關系。因此，模型控制精度是進一步提高鋼材質量的“卡脖子”問題。

　　第二，鋼鐵生產中存在著復雜的物理、化學過程，甚至發生氣、液、固多相共存的連續變化，外界隨機干涉因素多，物質/能量轉化過程復雜。冶煉、軋制等工序都是異質、異構單元組合的集成體，單元之間存在非線性相互作用、動態耦合過程。各個工序涉及的工藝質量參數成千上萬；過程變量類型混雜、維數高、規模大，變量之間存在著多重相關性。目前，鋼鐵工業流程中各層次、全流程的協調優化有限，各生產單元的質量、流量和時間偏差，會遺傳到下游工序，影響全流程的穩定運行以及工序間設備能力的平衡。

　　第三，鋼鐵生產過程中還有一些檢測比較困難，這些都是我們必須要應對的現實性問題。另外，鋼鐵冶金是一個包含多層級、多領域、多學科的交叉過程，除了材料、冶金領域之外，還涉及龐大的機械系統、控制系統、物理系統、化學系統等，把這些系統組合在一起，要想實現全面的控制比較困難，但是現在我們有了新技術，加速鋼鐵行業的數字化轉型，這些問題是可以解決的。

　　在鋼鐵行業數字化轉型發展中，我認為需要注意以下幾個問題：第一，鋼鐵工業互聯網總體架構的頂層設計。我們必須在工業互聯網架構下，根據鋼鐵行業特點，以生產主流程為主線，將提升產品質量、消除產品缺陷、穩生產過程、降低生產成本、提高生產效率等作為目標，開展系統深入研究，設計鋼鐵工業互聯網架構。

　　鋼鐵行業工業互聯網平臺是一個雙層結構，即云端智能層和邊緣實時層。云端智能層，即我們所稱的“云平臺”。它兼有Paas和Saas的功能，承擔低實時性的MES、ERP和BI生產計劃、管理、調度、決策等功能，同時，還可以實現質量、設備能力、成本、資源、能源、人力資源、排放、環境等多個目標綜合協調、資源優化配置等支撐、保證作用。數字孿生的模型優化部分也是一個低實時性的環節，也配置在云端智能層。

　　邊緣與邊緣云。這是鋼鐵生產進行分析與決策的核心，是系統的“本地決策層”，承擔高實時性PCS、BA和傳感器等功能、數字孿生的實時分析與反饋，并輔以人工智能、大數據等新技術。對于鋼鐵等流程工業，必須將云端業務能力延伸到邊緣節點，強化邊緣低時延、實時性工業控制，發揮邊云協同能力，實現分布式云功能。構筑在邊緣設施基礎上的云計算平臺，具有和傳統私有云一樣的安全性，在用戶機房內就近部署，滿足數據不出廠的需求。

　　還有一個需要考慮的問題就是新系統與企業原有系統的銜接和繼承。我們不能把原來的系統拋掉，而是要把新系統融入到原有系統中，然后讓新舊系統順利過渡，這一點非常重要。這個做法保持了原有系統的優點和優勢，同時通過無縫銜接把最新的技術加進去，只立不破，多立少破，降低改造成本，逐步上線實施，確保安全可靠。這是在改造中我們必須認真對待的重要策略。

　　記者：在鋼鐵行業的數字化轉型實踐中，有哪些重要的技術需要推廣，有哪些重要的技術需要突破？

　　王國棟：要有“1、2、3”的三個突破。第一是“1”，即突破“一個核心”，也就是建立信息物理系統的數字孿生，目標是建立高保真度的數字孿生模型。這個核心包括兩部分。一部分是位于云端的數字孿生自學習系統，它依據來自物理世界的數據，利用機器學習等智能技術，不斷進行自學習，修正模型，來適應物理世界的經時變化。另一部分是位于邊緣的實時控制，它融入原有的自動化系統，調用經過自學習的數字孿生模型的最新更新，承擔生產過程的初設定與動態設定。數字孿生如何無縫地融入到原有的邊緣自動化系統，用于實現數字孿生與物理實體的實時交互，現在已取得了可喜的成果。

　　另外，不同的場景，比如燒結、球團、高爐、轉爐、精煉、連鑄、熱軋、冷軋，有各自不同的特點。所以要注意不能千篇一律，一定要依據各個場景的特點，采用不同的算法，解決各自問題。這是我們需要突破的技術難點。

　　第二是“2”，要在“雙層架構”上取得突破。邊緣已經發展成為邊緣云，它實質上是融合了數字孿生的強大智能功能的自動化系統，它與物理實體實時交互，循環賦能。邊緣設有邊緣數據中心，進行相應的數據存儲、管理和調用。

　　位于云端智能層的資源配置與管理系統包括七部分：①生產計劃與調度管理系統（MES、ERP）；②設備運維、管理、診斷、維護、點檢、檢修等；③物流、原料、介質、能源調度、管理以及工件跟蹤、產品管理、排放管理等；④安全；⑤鋼鐵材料創新基礎設施；⑥數字孿生模型自學習系統，自學習、自適應、高度自治；⑦大數據中心，數據處理、儲存、存取，特殊的數據管理方式。這七個方面從不同的角度對數字孿生系統的分析決策提供支撐，保證數據采集齊全可靠，數據分析精準，決策科學正確，賦能有效執行。需要各領域專家的深入研究和多學科的密切配合。

　　第三是“3”，即“云”“邊”“端”的連接、協調與配合。“云”“邊”前已述及。位于生產線的端部應當具有完備的數據檢測系統和精準的基礎自動化系統。由于鋼鐵行業作業條件和技術水平的限制，過去的一些數據難以檢測，甚至檢測不了。比如煉鋼過程中的下渣檢測、連鑄液面波動檢測、復雜形狀的測量等，現在可以采用各種新的檢測方法來實現。利用機器視覺技術可以提供多維測量的信息，經過數據變換和計算，獲得我們需要的尺寸、形狀、分布，并給出定量的表達。這方面有很大的創新空間。

　　可以將原有光纖網絡系統與新型的5G網絡混合，形成泛在網絡，將“云”“邊”“端”的內部和外部連接起來，做到無時不在，無處不在，即插即用，保證數據在系統內自由流動。5G網絡的短時延（實時交互），大帶寬（新型檢測儀表、圖像等非結構化數據的傳輸），海量物聯（垂直方向）在網絡系統運行上可發揮重要作用。

　　這樣一來，沿著鋼鐵全流程，建設信息物理系統，將整個流程融合成為一個整體，綜合考慮前端對后端的影響，后端對前端的要求，進行全流程統一的設計與考量。

　　記者：數字化（智能化）和低碳化是鋼鐵行業高質量發展的兩翼，請您談一下行業如何將這兩者更好地融合發展？

　　王國棟：目前鋼鐵行業面臨兩件大事：一件是綠色低碳，另一件是產業數字化，這兩者實際上是一個事物的兩個方面。我們特別要按照習主席講的“圍繞產業鏈部署創新鏈，圍繞創新鏈布局產業鏈”，用全面、辯證、長遠的眼光看待兩者的融合發展。

　　第一步，先是圍繞鋼鐵生產的產業鏈部署創新鏈，那就是在鋼鐵產業鏈的各個工藝環節上都有什么問題，這些問題如何通過工藝技術、設備技術、綠色化技術來改造的，這就是創新，沿著產業鏈布局各個地方都做什么事，實際就是圍繞著鋼鐵的產業鏈布局綠色化的創新鏈。

　　第二步，圍繞創新鏈布局產業鏈，這個產業鏈是高新技術產業鏈，特別是信息化技術產業鏈。通過這種部署創新，我們能夠更好地、更快地、低成本地實現產業鏈創新，所以說第一步是圍繞著鋼鐵產業鏈部署創新鏈，然后圍繞著創新鏈布局信息化產業鏈，實際上就是使鋼鐵產業鏈和信息化產業鏈兩化融合，這兩者互相支撐。我們有了綠色化創新鏈，實現這個目標要進行工藝技術創新，同時還要采用高新技術，就是信息化和智能化等技術來建立高新技術產業鏈。因為信息化產業鏈的創新，可以使實現綠色化的效率大幅提高，成本顯著降低。最近我們也在布局，將鋼鐵行業的綠色化技術和信息化技術結合，通過采用信息化、數字化技術來加快綠色化進度，降低成本，從而迅速實現綠色化，形成了一個動態的創新。所以，這兩者的關系非常重要，值得我們期待。

　　記者：請您談一談東北大學在這方面做出的努力和成果。

　　王國棟：我們RAL實驗室是從1995年正式投入運行的。其實在此之前，就已經開展了這方面的研究工作。1988-2004年，我們在無人區探索創新，利用物理冶金模型與人工神經元網絡模型預測熱軋過程鋼材組織與性能。2004-2014年，我們與梅鋼等合作，采用貝葉斯神經網絡，進行組織性能預測，開發集約化生產技術，實行熱軋鋼材的大規模定制化生產。2014-2019年，信息物理系統和數字孿生被列入國家“十三五”規劃研究內容。2017年，RAL實驗室利用承擔國家“十三五”關于鋼鐵智能制造3個重點研發項目的機會，開始進行信息物理系統的研究。以數字孿生的保真度、自治性、快速性為核心進行系統開發，獲得性能適應鋼鐵行業需求的實時控制系統，建立了熱連軋動態數字孿生。2019-2022年，我們與企業合作，探索開發了鋼鐵全流程動態數字孿生與CPS系統，由鋼材熱軋過程向煉鐵、煉鋼、連鑄、冷軋、熱處理等鋼鐵全流程擴展。

　　目前，我們的研究團隊與企業結合，已經開發出選冶結合懸浮焙燒系統的信息物理系統；開發出基于鐵前大數據的智能配煤配礦技術，智能化鐵前系統取得巨大進展，智能化煉鐵在鐵前系統全面布局，目前已經或正在太鋼、建龍撫順新鋼鐵、河鋼邯鋼、昆鋼、本鋼等企業的煉鐵系統實施應用；已經建立了智能煉鋼區域系統架構，正在建龍撫順新鋼鐵、河鋼邯鋼2250等產線實施，已經取得重要進展；已經開發出軋制過程動態數字孿生體與CPS模塊化工業軟件，熱軋系統和冷軋系統正在上線中。穩定化工藝實施初步效果已經顯現，力學性能波動范圍大幅收窄，屈強比等過去難以控制的指標得到穩定、達標的控制，并開發出了用單一成分生產相鄰級別鋼種的集約化、穩定化生產技術。

　　我們堅信，只要堅持產學研用深度融合，協同創新，按照習主席指出的方向奮斗，一定能夠把中國鋼鐵工業的數字化轉型做好，建成中國的“數字鋼鐵”，走到世界前列。

來源：世界金屬導報