本文为“2023年度中国智能制造最佳应用实践奖”参评案例。本次活动将评选出2023年度，为中国智能制造领域带来突出效益的最佳实践工程，全面介绍企业推进智能制造的步骤、重点与难点、获得效益等，分享建设过程中的经验，供广大制造业行业企业学习供鉴。
一、企业简介
山东九羊集团有限公司（以下简称“山东九羊”）坚持走“高端、绿色、低碳、智能”高质量发展的路子，历经半个多世纪的发展，几代人的拼搏，现已发展成为集焦化、冶金、文旅、商贸于一体的大型全产业链钢铁联合企业，是列入山东省钢铁高质量发展规划的莱泰内陆精品钢生产基地企业之一。公司工序装备先进，现有焦炉两座（5.5mx2），高炉五座（1650m³x2、1250m³、420m³x2），转炉两座（120tx2），LF精炼炉3台（120tx3），轧线四条（板材1条、棒材1条、线材2条），专用铁路线一条（公转铁运输比例80%以上），已形成焦化110万吨、生铁500万吨、钢材450万吨的生产能力，主导产品为热轧带钢、高速线材、优质棒材等，是山东省最大的中宽带钢生产基地，山东省最大的高强预应力钢筋生产基地。
图1 山东九羊集团有限公司
二、企业在智能制造方面的现状
公司智能制造以“总体规划，分步实施”为实施路径，以“先进性、适用性、经济性、示范性”为设计原则，以夯实智能制造基础体系为出发点，逐步补全业务功能，加快提升业务集成化水平。项目着力通过智能制造技术的实施，以集成化与智能化为抓手，在夯实全流程自动化水平的基础上，全面提升全流程的信息集成、业务集成，重点实施采购决策智能化以及满足大规模定制需求的柔性制造体系，以全局优化为关注点实现钢铁企业“精准、高效、优质、低耗”的生产经营目标。项目建设整体分为基础设施、智能装备与智能制造系统三大部分，基础设施建设主要包括：企业/工业网络建设、智慧安防建设、数据中心建设、私有云平台建设以及整体配套的自动化设备及智能仪器仪表改造等；智能装备主要针对重复劳动和高温、高粉尘等工况恶劣的岗位进行“机器换人”，具体内容包括自动加渣机器人、炼轧钢自动喷号作业、轧钢二级控制产线提升等；智能制造系统建设主要包括：ERP系统、APS系统、MES系统、检化验系统、能源管理系统、数据采集、无人计量系统、安环管控治系统、智慧园区等。
通过基础设施建设，加快信息基础设施建设,优化智能制造的前提条件 。以数字化、网络化、智能化为主要特征的新工业革命的关键基础设施,加快其发展有利于加速智能制造发展,更大范围、更高效率、更加精准地优化生产和服务资源配置,促进传统产业转型。
智能装备主要针对重复劳动和高温、高粉尘等工况恶劣的岗位进行“机器换人”，具体内容包括自动加渣机器人、炼轧钢自动喷号作业、轧钢二级控制产线提升等；喷码机器人应用领域范围广，板卷、带钢、方坯、板坯、棒材、型钢等各类高温工件均可应用，该机器人可以准确记录系统喷号数据，且喷号数据清晰、易辨识，有效减少了混钢事故的发生，为产品科学管理提供了重要保障。自动加渣机器人系统的上线，不仅减少了上述问题,现场作业环境及职工的劳动强度也得到了较大改善,并提升了生产的自动化、智能化程度。通过智能制造装备建设协助机器人实现互联互通与数据共享。通过基于工业互联网的大数据技术实现机器人相关数据分析与共享，减轻劳动强度，改善作业环境，从整体上提高生产率、降低成本。有效降低机器人损耗及维修成本。通过远程实时数据监控管理和报警，及时同步生产管理状况，使机器人在工作期间有效地降低物耗，有效避免变形、划伤、碰伤，每年可以减少30%以上的维修造成的停产成本。支撑机器人开展定制化生产。通过工作模型的设计与优化，使机器人快速适应多品种、小批量的定制化生产，产品快速更新换代，适应日益激烈的市场竞争，有效节约投资，形成规模效益。
通过智能制造系统项目上线，实现减员增效，提高了数据的准确率，降低了用人的成本，年节约用人成本可达500万元以上；通过富伦阳光招采平台对接欧冶采购电商平台，使采购业务更加公开公平加透明，年采购成本降低500万元以上；通过智能制造项目实施，实现库存最小化，降低了资金占用的成本，降低大宗原料、合金以及备品备件库存2.2个亿；通过产销一体化的实施，整体提升销售收入7500万。整体提升公司效益约为3亿。
通过智能制造项目建设，健全完善企业自动化、信息化、智能化系统建设，培养智能制造专业人才，强化企业资源整合效率，加强计划性生产经营，有效解决产销矛盾，全面提升生产管理组织水平，同时，通过数据分析与智能决策支持系统，使企业决策高效、准确，实现管理精细化、标准化、高效化，将九羊集团打造为钢铁行业智能制造典范。
三、参评智能制造项目详细情况介绍
1. 项目背景介绍
1.1项目背景
政策引导钢铁行业向智能化、绿色化发展。钢铁工业是国民经济的重要基础产业，是建设现代化强国的重要支撑，是实现绿色低碳发展的重要领域。2022年工信部、发改委和生态环境部联合发布《关于促进钢铁工业高质量发展的指导意见》，明确提出力争到2025年，钢铁工业基本形成布局结构合理、资源供应稳定、技术装备先进、质量品牌突出、智能化水平高、全球竞争力强、绿色低碳可持续的高质量发展格局。
工业互联网是钢铁行业实现转型升级的重要手段。工信部《“十四五”信息化和工业化深度融合发展规划》指出，钢铁行业数字化转型聚焦设备维护低效化、生产过程黑箱化、下游需求碎片化、环保压力加剧化等痛点，以工艺优化为切入点，加速向设备运维智能化、生产工艺透明化、供应链协同全局化、环保管理清洁化等方向数字化转型。工业互联网的应用将为钢铁行业在效率提升、质量稳定、能耗降低、人员优化、安全生产等方面带来重大改变。
1.2整体目标
针对炼钢过程黑箱化问题，打造一套钢铁数据监测平台，采集原材料投料、辅料添加、吹氧操作、倒炉、出钢、合金化等炼钢全流程数据，平台支持采集各类实时、异构系统的钢铁系统数据，集成各类异构信息化系统，支撑物联设备的管理与在线应用，支撑海量工业数据分类存储，提供实时及离线计算服务。通过云计算、大数据、人工智能等技术，将炼钢生产过程数据整合并分析挖掘，训练生产工艺相关系列模型，沉淀冶金专家知识及炉长操作经验，构建钢铁工业智能模型，为转炉吹炼推荐出最优操作参数组合，达到安全生产、节约生产成本、提升生产效率等目标。
1.3总体思路
（1）先进性与前瞻性
在业务层面，先进性和前瞻性体现在遵循炼钢理论公式，结合实际生产业务，及时推荐理论值，指导操作工在废钢加入、辅料加入、合金加入、氧气吹炼等各环节的操作。
在技术层面，智慧炼钢系统的建设采用成熟的主流技术和设备，应用先进的方法，既反映当今先进信息化水平，又具有发展潜力和融合性。确保系统建设的高品质、高水准的要求。主要体现在：
硬件：主机、数据库、存储设备、网络等；
软件：管理软件、数据库、操作平台等；
服务：实施、培训、运维等。
系统遵循当前先进的、成熟的J2EE企业级应用规范，支持异构环境部署、具有跨平台特性。支持不同操作系统、中间件、数据库。支持Linux、Windows、Unix等主流操作系统；支持在PC服务器、小型机服务器等不同的服务器上部署；支持Tomcat、WebLogic、WebSphere、JBoss等主流的应用服务器平台；支持绝大多数主流关系型数据库管理系统，如MySQL、Oracle、MS SQL Server等。同时系统支持达梦、金仓、OpenBASE、OSCAR等国产主流数据库，可以保证根据用户管理或政务云要求迁移数据库并保障正常运行。
系统采用TCP/IP 通讯协议、Http 通讯协议、NWLinkIPX/SPX 和Dcom 兼容传输。
系统基于J2EE WEB 方式设计，可运行在任何标准局域网上，支持电子政务外网、DDN、ADSL、ISDN、PSTN 等多种连接方式。
（2）全局性与科学性
智慧炼钢系统建设遵照全局统一的数据规范和业务规范，不仅要考虑系统的完整实现，也将考虑源系统与之相关业务的无缝集成能力，从系统的全局性考虑进行设计。
同时智慧炼钢系统涉及技术和业务等诸多方面，因此从科学性的角度考虑，要选择稳定、安全、高性能、可扩展性强的软件产品，更要选择具有强大业务能力的厂商。
（3）集成性与开放性
系统提供数据交换接口实现与其他系统的集成，方便智慧炼钢系统与内部已有业务系统的数据对接，真正实现全局管理业务一体化。
系统在设计上，遵循国际、国内以及行业相关标准，确保系统不断拓展的需求，支持开放的标准接口，对于将来可能产生的系统接口奠定对接基础。
（4）安全性与可靠性
系统采用多级加密措施，保障业务各系统之间的顺畅而安全的运行。采用对数据级、数值级、功能级、操作级、数据库级进行授权和加密的措施，保障系统的操作安全；
系统支持高安全级别的Unix、Linux操作系统，保证系统安全稳定运行。
安全性与可靠性关系到内部控制信息系统是否能够得到应用。安全性必须考虑到物理安全性、传输安全性、管理安全性和信息安全性几大方面。
其关键是保护系统数据的安全性，整个系统具有良好的安全管理功能，从数据库存储、检索、提取、入库、发布、管理等各个层面和角度都具有相应的安全机制。
系统的可靠性则将通过网络系统的容错设计、网络分段、自动恢复等措施，加以保障。同时系统采用软硬加密的方式，最大程度的保证了系统和数据的安全
因此采用被业界广泛采用的软、硬件技术、产品和服务，加快系统的建设步伐。
（5）组件化与可扩展性
系统采用组件化设计，易于扩充。适应未来可能进行的业务变化或者业务扩充，满足未来的发展。数据分析系统在系统结构、产品系列、系统容量、通信能力和处理能力方面具备可扩充性，并保证产品顺利进行升级换代。
（6）易用性和可维护性
系统采用人性化功能设计，软件易学易用。如采用一站式登陆、树形目录、自定义界面、自定义权限等等。
提供友好的用户界面，为各种不同职责人员提供不同的界面，提供常用、易用的操作风格，便于系统使用、维护和管理。
采用集中式系统建设，所有的生产数据和冶炼流程都可以实现集中维护、集中管理。
2. 项目实施与应用情况详细介绍
2.1工业互联网平台
工业互联网平台以数据驱动为核心，基于云网边端协同的软硬一体化服务能力，面向行业和区域开展数字化转型服务，打造数字基建工业新大陆。
图2 基于工业互联网平台的智能炼钢系统
工业互联网提供统一的服务门户、用户管理功能和完整的物联网、标识解析、工业大数据、人工智能、数据可视化、工业应用开发、工业机理模型服务、工业APP管理等标准化产品和服务。在工业应用，联合专业生态伙伴共同研发以研发设计、生产制造、经营管理、运维服务等工业应用；工业大数据，提供数据采集、预处理、可视化等服务，支撑国家工业大数据中心建设；在PaaS服务，以标识服务、数据多维组合、流程引擎、流式数据管理等为代表的标识解析中间件，支撑异构数据超性能链接，提供IBP Core、低代码开发、DevOPs、机理模型库、VR、AR等能力；在分布式工业云，提供以ICP Services、ICP Local、ICP Edge为代表的分布式云服务，支持工业企业离散算力汇聚与再利用，支持IPFS协议提供分布式存储服务等；确定性网络+5G层，提供差异化网络、专属网络、DIY-自助网络等，强调网络的稳定性与可靠性；工业智能设备，支撑设备联网、主动标识、边缘计算等设备能力。
2.2系统组成
图3 智能炼钢系统系统组成
智能吹炼对接采集WINCC系统、PCS系统、MES系统、ERP系统等数据，集成声呐化渣系统，基于生产计划信息指导精益炼钢。该子系统包括数据采集、机理模型、前端应用、配置管理、用户权限、平台管理等功能模块。
2.3建设内容
本案例建设内容包括机理模型、静态模型、动态模型、数据采集系统、数据分析系统、现场关键检测及自动化设备、人机交互界面等。
围绕炼钢生产加废钢、兑铁、吹氧、加造渣剂、拉碳、加合金等工艺环节，将生产过程数据整合并分析挖掘，通过云计算、大数据、人工智能等技术，训练生产工艺相关系列模型，学习工艺专家和炉长操作经验，最终构建成钢铁工业智能模型，实现节省物料和能源消耗，降本降碳提质增效的目标；在钢铁炼钢领域应用验证。算法设计过程中，前期通过与专家分析现状与问题，明确问题定义与仪器仪表需求。钢铁智能吹炼一体机IBN102安装到位后，通过wincc获取实时数据，并存储到Mysql数据库中。之后，对数据库原始数据在 python 中进行统一时间频率以及异常值处理等预处理后进行数据探索，如可视化，相关性分析等。在建模过程中，由于各参数频率不一，所以将数据划分成多个阶段，统一对每个阶段的数据构建不同特征，如趋势、均值、极值和差值等。最终构建了 100 多个特征，并分析其线性与非线性相关性，再通过 LASSO 和 Pearson 相关性对特征进行筛选。然后，分别建立静态模型和动态模型，在吹炼不同时期给出相应的操作建议。最终，在实际生产应用中优化静态模型阈值并采用贝叶斯优化寻找到最优模型超参数组合后，将模型嵌入 Java 程序中，完成模型部署上线。
2.4实现路径
（1）建模方式
智能炼钢系统的原理是：以炼钢原理为指导，从物料平衡、能量平衡、过程反应均衡对控制要素进行解析，结合各种工艺参数和原材料状况，通过理论计算和试验研究给出最佳选择，以达到经济炼钢、智能炼钢的目的。
系统可在吹炼过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过炼钢工与计算机中的“转炉系统智能模型”合作共事，去扩大、延伸和部分地取代炼钢专家在吹炼过程中的脑力劳动，从而达到降低炼钢成本的目的。
考虑到转炉作业整体是一个离散的过程，按炉次吹炼，但是吹炼过程又是一个动态过程（整个过程约 30 分钟），炉内融化金属成分不断变化，出钢对温度、碳和磷等多项指标有严格要求。因此，直接对终点吹氧量建模可能会增加其他各个指标达标的难度，比如说，随着吹氧的增加，炉内热金属中的碳会不断降低但是温度却因氧化反应而不断提高。所以，整体的建模思路是通过建立一个静态模型，在吹炼前期，推荐一个优秀的吹炼方式，确保各项指标最终都能符合出钢要求。然后，建立动态模型，在吹炼末期，准确预测达到合格终点的吹氧量建议，实现智能吹炼。根据以上建模思路，首先参考类似于 K 近邻的非监督学习模型设计匹配度算法（静态模型）：通过衡量历史优秀炉次和当前炉次各个关键参数的差距，选择与当前炉次最接近的历史一倒炉次 作为推荐，指导炉前吹炼操作。然后建立梯度提升回归模型（动态模型）：在对烟气分析仪和汽包温度等过程数据进行特征处理后， 建立样本集，训练机器学习模型，从而在吹炼末期预测可达到合格碳终点的吹氧量。最终，通过结合静态和动态控制建立智能吹炼模型，实现转炉吹炼终点的智能控制。
模型包含静态模型与动态模型两部分，关系架构如下图所示：
图4 静态模型与动态模型
（2）数据获取
当前炼钢厂转炉车间采集和收集数据可从两个维度来分类：流程和采集方式从流程上来看主要分为三大类：
1）铁水信息：铁水成分、温度以及废钢重量等等
2）过程信息：烟气数据、音频化渣数据、氧枪枪位、氧枪流量和汽包温度等数据
3）钢水信息：钢水成分、温度等
铁水信息和钢水信息数据为离散数据，以炉为单位采集，而过程信息数据均为连续数据，以按时间顺序记录。从采集方式来看主要分为 ERP、MES、PCS数据库表采集和wincc数据采集， PCS数据主要记录铁水和钢水等生产指标信息，以炉号为索引进行储存，通过Oracle 数据库抽取，而过程数据通过模拟wincc客户端，适配OPC协议，经RocketMq，实时存储于 Mysql数据库中，数据记录频率不一但都为毫秒级，数据结构均为时间序列。因此，可以通过关系型数据提取历史数据进行分析建模和直接从关系型数据库抽取数据实现实时计算功能。
（3）数据清洗
经过对数据的初步查找，来源于传感器的数据，存储到Mysql 等关系型数据库中（记录频率不确定但都为毫秒级），之后用于数据实时可视化以及历史数据存储。为方便进行数据分析和建模中，时间序列数据需要通过 python 将数据频率统一，比如处理成 1 秒的平均值，或者需要将各类数据进行合并到相同表格中（如 python 中用 pandas 包进行处理），再进行统计分析，比如将吹氧量，烟气，枪位等数据按时间对应。由于连续数据缺失情况不严重，在对数据进行预处理时，可在 python 中采用插值方法对缺失值进行数据填充。除此之外，原始数据中存在异常，如铁水温度为负，废钢重量数据数值特别大等情况， 因此根据仪器仪表正常量程和专家经验对异常数据判断并移除。由于网关机宕机和炉况异常导致的数据问题，也予以删除。另外，数据中也存在个别情况偏离样本太大或太小，虽然有可能符合实际情况，但会对整体结果合理性造成较大影响，因此，在进行数据分析的过程中，利用统计学3倍标准差原则剔除特殊数据。在初期建模阶段，离散数据（如废钢和铁水成分）在数据准确性与及时性遭遇巨大挑战，不准确的数据会在训练模型的过程中带来噪音，因此在无法修复的情况下，只能将问题数据全部剔除。这类数据问题难以通过数据处理的方法进行清洗，只能着手于硬件改善数据质量。最终，经过炼钢厂对设备大力改善以及数据清洗处理后，建立样本集训练机器学习模型。
（4）静态模型
静态模型基本设计思想是通过衡量历史优秀炉次和当前炉次各个关键参数的差距，选择与当前炉次情况最接近的历史一倒炉次作为推荐，指导炉前吹炼操作。
静态模型包含缓存服务、数据计算、推送存储、动态预测等。从冶金的基本理论出发，基于物料平衡和热平衡等化学反应过程的转换，通过理论推导，同时结合业内专家经验，梳理出255个静态模型指标公式，同时结合机器学习寻优的6个动态模型，组成了核心的静态模型公式。
图5 智能炼钢系统静态模型架构
静态模型计算支持预测废钢加入量、耗氧量、辅料加入量、合金加入量等重要数据，用于指导操作工实现精益炼钢，提高产量，降低成本。
（5）动态模型
动态模型主要依靠机器学习的回归算法进行建模，机器学习模型中地超参数代表着模型先天的结构。因此，为了取得更好的模型表现，通常需要对超参数进行调优，选择最优超参数组合。传统的网格搜索或者随机搜索速度慢，参数多的时候容易发生维度爆炸。因此，本文采用贝叶斯超参优化。贝叶斯优化主要思想是，给定优化的目标函数（广义的函数），通过不断地添加样本点来更新目标函数的后验分布，直到后验分布基本符合真实分布。本质上是采用高斯过程，通过考虑上一次超参数组合得到的目标函数结果，从而有效率地确定下一次超参数组合。贝叶斯超参数优化迭代次数少，速度快，且针对非凸问题依然稳健。
2.5系统功能
主要包括炼炉操作指导、成本核算、实时监控、数据查询、下载中心、报表管理、移动端应用。
数据看板可根据生产管理需要，统计炼钢月度炉数、产量以及各班组生产情况。
成本核算支持按照炉次、班组、成本科目以及日报、月报等维度进行自动统计核算，并通过表格或图形进行展示。
实时监控支持炉次冶炼过程的实时采集和机理计算推荐。按照冶炼标准流程分阶段展示重要信息。其中，加废钢阶段展示机理模型推荐量和实际加入量，加铁水阶段展示铁水成分信息和目标钢种信息，吹炼阶段展示理论耗氧量和实际耗氧量、辅料理论加入量和实际加入量、以及氧枪的实时数据，出钢阶段展示合金推荐加入量和实际加入量等。
数据查询支持原料、钢种等基础数据查询以及炉次指标等的查询。
下载中心统一管理系统的各模块的下载任务和结果导出等。
报表管理支持报表设计器和BI工具展示的集成。
移动端应用支持H5形式的手机应用等。
图6 智能炼钢系统主操界面
图7 智能炼钢系统主操界面
图8 智能炼钢系统物料管理
图9 智能炼钢系统冶炼规划
图10 智能炼钢系统冶炼追溯
图11 智能炼钢系统在管控中心的应用
3. 效益分析
（1）经济价值
依靠人工经验炼钢存在的主要问题是冶炼过程的好坏完全依赖个人经验判断，因此终点成分、温度双命中率不高，补吹率一般达30%以上，转炉终点进行补吹操作势必导致钢水质量下降、炼钢消耗增加及冶炼周期延长。
通过智能炼钢系统的建设完成后，可实现两座转炉生产数字化、智能化的转变，依靠机理模型+动态模型的支撑，减少转炉生产波动，降低物料消耗和能源消耗达到降本、降碳、增效的目标。实现转炉炼钢生产过程去黑箱化，操作规程和过程数据透明可视化，实现终点，温度，C指标命中率提高到80%，并且减少3%的辅料消耗，以及减少10%的氧气消耗和冶炼周期缩短5%，钢铁料减少5kg/t。综合预估吨钢降本收益20-50元，通过端到端的数据打通，打破的岗位交流壁垒和降低沟通成本，间接降低运营成本20%，生产效率提高20%，缩短生产周期10% ，加快企业加快质量变革、效率变革、动力变革。智能炼钢系统成为助推企业数字化转型的强大助力。
（2）转型变革
传统制造业业务模式是基于串行工程，生产活动在各部门之间顺序进行，每个生产活动完成后再转下一步环节，生产流程长、效率低、成本高，智能炼钢系统通过边缘数采和图像识别实现天车作业实绩定位识别和铁水包的包号，打通了岗位与岗位之间的信息壁垒，大大提高了转炉生产工段岗位间的协同效率，实现了端到端的转炉生产数据流的打通，从串行推进转向并行协同大大提升了组织结构的管理和协同效率。同时为后期的大数据分析，优化算法模型，无人天车改造提供了数据基础和支撑，为后续 “辅料合金带成分入炉”、“铁水一罐到底”等实现全流程质量追溯打下了坚定基础，业务变革上转炉生产由以往业务和人工经验驱动过渡到由数据驱动生产，并根据数据分析反馈上下游工序为上下游的业务决策提供支撑，充分完善了数据应用生态，并极大挖掘数据要素价值通过数据，反馈和影响生产经营活动。基础设施完成网络和数据的集中采集存储保障了数据的传输及时、稳定，保障了数据存储的安全。
（3）社会效益
通过本项目的实施可提高合金利用率，降低能源消耗，减少1.2%的碳排放。从降本方面提升自身的技术水平，满足生产需求及产能提升。另外通过企业数字化的能力提升，企业的经营运营模式转变为由数据驱动的模式，提升了企业的经营管理水平，人员管理思想从以往较为粗放的管理模式转变为向数据要效益，用数据做管理。以及为员工开展了数据应用培训和相关工具的使用培养了一批数据管理人才，提升了企业内部整体数据分析和使用效率。通过建立标准的数据管理体系和培养数据管理人才，形成具有行业特点以及竞争力的复合型专业人才团队，借助高效的运营管理体系，建立行业内良好的经营管理形象，形成一定的品牌文化和形象。借此对外输出数据管理、数据运营服务，企业业务诊断等，创造新的价值点和经营模式。此外，本项目创新性强，市场前景好，符合国家产业政策，属于国家、省、市重点发展领域，能够带动行业发展，为行业数字化转型提供新的解决方案和实践，并为解决就业问题及为地方税收做出贡献。
（4）商业模式
针对客户精准冶炼管理需求和炼钢长效降本增效诉求，提出切实有效的智能炼钢创新应用系统。完成以数字孪生化、机理模型+动态机器学习模型相结合、物料配比实时优化、炼钢操作实时推荐为核心的炼钢“智慧大脑”。
该系统可以持续改善底层生产线数据质量，实现数据驱动下的成本和质量持续改善，特别针对转炉炼钢过程黑箱化问题，通过数采网关采集炼钢厂实时生产数据，搭建转炉生产过程在线监测数据平台，实时研判入炉原材料状况，利用过程状态方程导入的智能炼钢七大模型、十大模块，动态分析、精准判断和科学决策，从而达到降低炼钢成本，提高双命中率，实现效益最大化。
其中核心商业价值在于通过工业互联网平台承载炼钢各生产环节，提供终点预测、辅料预测、冶炼规划、实时预测等多种机理模型算法。实现炼钢终点温度和成分的预测，帮助炼钢厂达成吹炼工序六大目标的精准提升，包括：物料合理配比、能量经济利用、氧气高效供给、吹炼平稳控制、终点精准命中、出钢安全高效，并直接节约冶炼成本和能耗投入，一举多赢，最终推动炼钢产线向数字化、智能化新模式发展。
文章
