“數(shù)智化”助力鋼鐵行業(yè)高質(zhì)量發(fā)展
鋼鐵行業(yè)是我國國民經(jīng)濟發(fā)展的重要支柱產(chǎn)業(yè)，為國家建設提供了重要原材料保障，有力支撐了我國工業(yè)化、現(xiàn)代化進程。近年來，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擠壓，疊加下游行業(yè)需求變動帶來的產(chǎn)品結(jié)構變化，鋼鐵行業(yè)的總量及結(jié)構面臨較大挑戰(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)也逐步迎來新的增長點。
文 / 胡罡
華為油氣礦山軍團礦業(yè)冶金業(yè)務總經(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，必須堅持數(shù)智化轉(zhuǎn)型、堅持科技賦能，堅定不移走以高端化、智能化、綠色化為目標的高質(zhì)量發(fā)展之路，提高自身核心競爭力。
在助力鋼鐵企業(yè)數(shù)智化轉(zhuǎn)型的實踐中，我們發(fā)現(xiàn)大部分鋼鐵企業(yè)面臨的主要挑戰(zhàn)有以下幾個方面：
1. 信息系統(tǒng)多，互通難。由于過去的信息化建設很多沒有統(tǒng)一規(guī)劃，信息系統(tǒng)的建設廠家不一，導致架構不一，煙筒式的系統(tǒng)繁多，各系統(tǒng)硬軟件獨立，維護工作量大；
2. 缺乏統(tǒng)一標準與統(tǒng)一的數(shù)據(jù)規(guī)范。沒有建設統(tǒng)一數(shù)據(jù)采集和存儲的規(guī)范，導致不同生產(chǎn)設備的接口和采集協(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)過加工處理，異常或無效數(shù)據(jù)多，無法充分發(fā)揮數(shù)據(jù)的價值 大部分決策依舊靠人工干預，無法由數(shù)據(jù)驅(qū)動；
4. 人工智能門檻高，落地難。人工智能賦能鋼鐵行業(yè)過程中，往往面臨著需求碎片化、多樣化的問題，過去的模型參數(shù)量小、泛化性差，一個模型大多只能對應單個場景，開發(fā)成本高、升級難。另外，算法訓練需要將生產(chǎn)單位的數(shù)據(jù)導出到開發(fā)環(huán)境進行訓練，存在數(shù)據(jù)泄露等安全性問題。
構建基于工業(yè)互聯(lián)網(wǎng)的智慧鋼鐵架構
支撐智能化持續(xù)演進
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)的智能化進程中。這個過程中，我們通過大量實踐發(fā)現(xiàn)，要解決上述痛點，需要從底層架構著手。
鋼鐵行業(yè)傳統(tǒng)的系統(tǒng)架構都是基于ISA-95的標準，但隨著智能化的到來，傳統(tǒng)架構已經(jīng)無法支撐行業(yè)向智能化方向演進。通過構建“統(tǒng)一標準、統(tǒng)一架構、統(tǒng)一數(shù)據(jù)規(guī)范”的工業(yè)互聯(lián)網(wǎng)架構，平臺先行，應用迭代，保護投資，避免重復建設，才能探索出一條有效的升級路徑。
我們認為，采用云原生技術構建鋼鐵行業(yè)的新應用是行業(yè)的趨勢，同時，使用微服務架構和零代碼、低代碼的DevOps模式，能讓開發(fā)更加敏捷。
構建以數(shù)據(jù)平臺為核心的數(shù)據(jù)世界入口
持續(xù)數(shù)據(jù)治理，夯實數(shù)據(jù)資產(chǎn)
高質(zhì)量的行業(yè)數(shù)據(jù)是基礎，是驅(qū)動智能化轉(zhuǎn)型實現(xiàn)高質(zhì)量發(fā)展的新動能與核心資源。企業(yè)希望通過人工智能實現(xiàn)工藝優(yōu)化、產(chǎn)品性能預測、金融風險智能監(jiān)控、智能決策等智能化訴求時，可用的、準確的、高精度的數(shù)據(jù)是前提，反過來，通過人工智能場景化應用規(guī)模落地，可以使數(shù)據(jù)資產(chǎn)價值最大化。
非數(shù)字原生企業(yè)是以物理世界為中心來構建，圍繞生產(chǎn)、流通、服務等具體經(jīng)濟活動展開，天然缺乏以軟件和數(shù)據(jù)平臺為核心的數(shù)字世界入口。對于鋼企而言，基于統(tǒng)一架構、統(tǒng)一標準、統(tǒng)一數(shù)據(jù)規(guī)范設計思想，構建企業(yè)級自主可控的企業(yè)數(shù)據(jù)中臺，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，提供原子化微服務能力，支撐應用跨系統(tǒng)協(xié)同。
構建具備全聯(lián)接的融合網(wǎng)絡
實現(xiàn)實時在線的智能工廠
當前，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)絡的情況，面對這種煙囪式建網(wǎng)，不僅信息共享困難而且運維復雜，且隨著數(shù)字化業(yè)務激增，業(yè)務體驗保障不足、安全防護不足等問題突出，難以滿足數(shù)智化發(fā)展要求。構建云網(wǎng)邊端的融合工業(yè)網(wǎng)基礎設施，采用切片實現(xiàn)輔助生產(chǎn)、辦公、安防等多業(yè)務統(tǒng)一承載，橫向覆蓋研產(chǎn)銷、縱向滿足各類終端業(yè)務訴求。
連接是工廠數(shù)字化的前提，也是實現(xiàn)全要素各環(huán)節(jié)深度互聯(lián)的關鍵，在工廠連接正由有線為主向有線無線相輔相成過渡。通過充分利用具備高可靠、低時延、大帶寬能力的5G網(wǎng)絡，基于工業(yè)互聯(lián)網(wǎng)新型基礎設施，新建或改造產(chǎn)線、車間、工廠等生產(chǎn)現(xiàn)場，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)新應用高效賦能的智慧工廠。
構建以大模型技術為核心的人工智能開發(fā)應用
新范式
實現(xiàn)人工智能場景化應用規(guī)模落地
為了解決人工智能在鋼鐵行業(yè)落地難、門檻高等問題，華為基于自身對資源行業(yè)的理解，以及30多年的技術積累，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)知識和場景數(shù)據(jù)進行訓練微調(diào)，能有效應對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)等工程化過程中的人力、時間、費用等成本投入，也能解決好數(shù)據(jù)安全問題。
同時，行業(yè)機理模型對于場景化AI應用使用效果至關重要。以機理為基礎，基于歷史數(shù)據(jù)進行殘差預測，使得AI模型參數(shù)可靠且接近真實工況；以機理為約束，對數(shù)據(jù)質(zhì)量進行分析，使AI訓練數(shù)據(jù)更準確。通過機理模型+持續(xù)迭代優(yōu)化的AI模型相結(jié)合，使模型控制更精準，越用越好用。
過去一年，盤古鋼鐵行業(yè)大模型已在多個鋼鐵企業(yè)商用，基于大模型開發(fā)的創(chuàng)新應用不斷地在工廠落地并取得了較高的收益，例如：智能精煉：通過大數(shù)據(jù)+AI，根據(jù)物理平衡、熱平衡原理，實現(xiàn)合金輔料添加自動計算、LF爐送電吹氬自動規(guī)劃、鋼水成分實時預測，避免人工操作帶來的隨意性和不確定性。智慧配煤：通過AI+配煤機理，深度挖掘原料煤之間特征相關性，準確預測焦炭質(zhì)量，且能在達到質(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：通過機器視覺+AI，實現(xiàn)7x24小時實時自動皮帶智能檢測，降低人工巡檢的頻次和強度，異常問題第一時間自動告警，可以有效降低皮帶故障引起的停機停產(chǎn)風險。廢鋼智能判級：采用AI分析，實現(xiàn)統(tǒng)一客觀準確判級，降低定級的人為依賴，減少人為影響造成的定級偏差損失。
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+算法模型應用，實踐證明，以大模型技術為核心的人工智能開發(fā)應用新范式，推動人工智能在鋼鐵行業(yè)的大規(guī)模落地應用是一條可行之路。
華為始終堅持與“產(chǎn)學研”等機構開展合作，發(fā)揮各自優(yōu)勢，以人工智能大模型為基礎，構建人工智能場景地圖和應用創(chuàng)新，加速人工智能與鋼鐵行業(yè)應用場景的融合，推動人工智能在鋼鐵行業(yè)的大規(guī)模落地應用。
