“數(shù)據(jù)科學、數(shù)字技術是解決鋼鐵全流程‘黑箱’等生產(chǎn)不確定性問題最好的一把鑰匙。同時，鋼鐵行業(yè)全流程‘黑箱’生產(chǎn)又是數(shù)字化技術應用的最佳場景。”11月23日，中國工程院院士、東北大學教授王國棟表示，現(xiàn)今，信息技術和數(shù)據(jù)科學的發(fā)展強力支撐鋼鐵行業(yè)數(shù)字化轉型，成為鋼鐵行業(yè)崛起的一個重要機遇。
他介紹，工業(yè)互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、人工智能等新一代信息技術的快速發(fā)展和應用，正式宣告了數(shù)據(jù)時代的來臨。在數(shù)據(jù)時代，數(shù)據(jù)成為社會發(fā)展的重要驅動力，成為全球新一輪產(chǎn)業(yè)競爭的制高點、改變國際競爭格局的新變量。“所以，我們對于數(shù)據(jù)這個新的生產(chǎn)要素要給予充分的重視。”他指出，通過數(shù)據(jù)/機器學習進行數(shù)據(jù)分析，成為數(shù)據(jù)時代解決不確定性問題最強有力的科學方法。
“鋼鐵行業(yè)全流程生產(chǎn)都是‘黑箱’，包括高爐里的鐵水、轉爐里的鋼水、連鑄坯與軋件內(nèi)部復雜的組織等，具有嚴重的不確定性，看不見、摸不著，更測不了，但又事關鋼鐵行業(yè)的生產(chǎn)效率、產(chǎn)品質(zhì)量、工序穩(wěn)定性、成本、生態(tài)等最核心問題。”對此他指出，鋼鐵行業(yè)只有進行數(shù)字化轉型，才能突破這些不確定性問題，實現(xiàn)高質(zhì)量發(fā)展。
鋼鐵行業(yè)自身生產(chǎn)特色和數(shù)據(jù)時代發(fā)展特點的契合度極高。王國棟分析道，一方面，鋼鐵行業(yè)有著發(fā)達的數(shù)據(jù)采集系統(tǒng)和自動化控制系統(tǒng)，更有著大量的數(shù)據(jù)積累。這些數(shù)據(jù)中蘊含著企業(yè)生產(chǎn)過程的全部規(guī)律，是關鍵的生產(chǎn)要素。由此可見，鋼鐵行業(yè)在充分利用豐富的數(shù)據(jù)資源、實現(xiàn)產(chǎn)業(yè)數(shù)字化方面具有巨大潛力。作為世界上最先進、最高級的智能系統(tǒng)，信息物理系統(tǒng)特別強調(diào)，我們對于物理世界進行的分析計算，不僅僅深深嵌入到系統(tǒng)的每一個相互連通的物理組件中，甚至可能嵌入到物料中。因此，作為流程工業(yè)的鋼鐵行業(yè)可以針對物料建模，即建立物料的數(shù)字孿生，并將得到的數(shù)字孿生用于反饋控制，形成閉環(huán)賦能的信息物理系統(tǒng)。相較制造業(yè)來說，這一點是鋼鐵等材料行業(yè)解決不確定性的特有優(yōu)勢。
“因此，我們要萬分珍惜這個優(yōu)勢，要充分發(fā)揮這個優(yōu)勢，搶先建設和應用信息物理系統(tǒng)。”王國棟進一步介紹，這個信息物理系統(tǒng)的底層是原位分析系統(tǒng)，主要包括兩個部分。第一部分是實驗工具，包括實驗室的儀器設備、中試裝備和生產(chǎn)線裝備。第二部分是計算工具，包括機器學習、深度學習和數(shù)據(jù)分析。實際生產(chǎn)線等實驗工具提供狀態(tài)感知的數(shù)據(jù)，由計算工具對這些數(shù)據(jù)進行實時分析，分析的結果是可以對過程進行預測的數(shù)字孿生，再用數(shù)字孿生對過程進行優(yōu)化設定，給出科學決策，并反饋賦能實現(xiàn)精準執(zhí)行。這樣就形成了基于數(shù)據(jù)自動流動的狀態(tài)感知、實時分析、科學決策、精準執(zhí)行的閉環(huán)賦能體系。
這個系統(tǒng)具有數(shù)據(jù)驅動的特征。“這意味著我們的控制模型由機理或經(jīng)驗驅動的傳統(tǒng)模型轉變?yōu)閿?shù)據(jù)驅動的數(shù)字孿生模型。”王國棟對比分享了傳統(tǒng)機理模型驅動與數(shù)據(jù)驅動的控制系統(tǒng)架構之間的不同，以及后者的巨大優(yōu)勢。
他介紹道，以往機理驅動的過程控制數(shù)學模型是將傳感器信號匯集到定序器等下位計算機后，經(jīng)過多個傳感器的邏輯運算、閾值處理等，分層地匯集到上位計算機，常常不得不舍棄大量數(shù)據(jù)。在這樣的結構中，大數(shù)據(jù)的分析和運用是非常困難的。而數(shù)據(jù)驅動的系統(tǒng)能夠有效且公平地收集與處理所有數(shù)據(jù)，并通過大數(shù)據(jù)/機器學習，建成數(shù)字孿生過程控制模型。這樣一來，就可以將底層傳感器得到的信息，直接送到大數(shù)據(jù)中心，經(jīng)過處理后用機器學習來進行運算，得到數(shù)字孿生模型，并將這個數(shù)字孿生模型送到邊緣決策系統(tǒng)進行決策，最后再將決策結果送回到底層執(zhí)行機構，完成閉環(huán)。“當然，數(shù)據(jù)驅動的數(shù)據(jù)中心，不僅可以存儲數(shù)據(jù)，還必須具有數(shù)據(jù)處理功能，能夠對數(shù)據(jù)進行提取、轉換和加載，以滿足下一步機器學習的需求。”他特別說道。
王國棟認為，鋼鐵行業(yè)必須與數(shù)字經(jīng)濟、數(shù)字技術相融合，發(fā)揮鋼鐵行業(yè)應用場景和數(shù)據(jù)資源的優(yōu)勢，以工業(yè)互聯(lián)網(wǎng)為載體、以底層生產(chǎn)線的數(shù)據(jù)感知和精準執(zhí)行為基礎、以邊緣過程設定模型的數(shù)字孿生化和CPS(信息物理系統(tǒng)）化為核心、以數(shù)字驅動的云平臺為支撐，建設鋼企數(shù)字化創(chuàng)新基礎設施，加速建設數(shù)字鋼鐵。
同時，他根據(jù)產(chǎn)學研深度融合的實踐，介紹了企業(yè)建設數(shù)字鋼鐵的經(jīng)驗。一是信息采集與精準執(zhí)行是數(shù)字化轉型的基礎，是必備項，不完全、不完善的要先補課。二是軟件定義。主要指軟件改造，硬件可以利用已有的系統(tǒng)，將大幅降低數(shù)字化轉型的成本、提高轉型效率。三是數(shù)據(jù)驅動。采用數(shù)據(jù)/機器學習方法對數(shù)據(jù)進行運算，可以將機器學習的模型做到標準化，以實現(xiàn)對不同規(guī)模的裝置采用各自的數(shù)據(jù)處理來建成最終的用于控制的數(shù)據(jù)孿生模型，便于推廣、掌握、共享，有助于縮短工期、降低成本。四是數(shù)據(jù)驅動采用雙層架構，容易實現(xiàn)離線調(diào)試—在線并行—實時上線，可避免風險，系統(tǒng)可快速由傳統(tǒng)系統(tǒng)過渡為數(shù)字化系統(tǒng)。
隨后，王國棟指出，鋼鐵行業(yè)實現(xiàn)數(shù)字化轉型須攻克的一系列關鍵共性技術，其中包括數(shù)據(jù)驅動的IT系統(tǒng)架構、數(shù)據(jù)驅動的信息感知、數(shù)據(jù)驅動的數(shù)據(jù)中心、數(shù)據(jù)驅動的科學分析、數(shù)字驅動的智慧決策、數(shù)據(jù)驅動的回饋賦能、制造主流程及一體化的虛擬模型與實際過程實時融合的CPS化、數(shù)據(jù)驅動的資源配置與管理云平臺、自動化系統(tǒng)補課、軟件定義、軟件、網(wǎng)絡、安全和系統(tǒng)開發(fā)與上線。
“鋼鐵行業(yè)要充分發(fā)揮海量數(shù)據(jù)和豐富應用場景優(yōu)勢，促進數(shù)字技術與實體經(jīng)濟深度融合，建設鋼鐵創(chuàng)新基礎設施，加速鋼鐵行業(yè)的數(shù)字化轉型，增強企業(yè)核心競爭力，賦能高質(zhì)量發(fā)展，打造新動能，將中國鋼鐵行業(yè)建設成為國際領先的工業(yè)集群。”王國棟最后說道。
免責聲明：tiegu發(fā)布的原創(chuàng)及轉載內(nèi)容，僅供客戶參考，不作為決策建議。原創(chuàng)內(nèi)容版權僅歸tiegu所有，轉載需取得tiegu書面授權，且tiegu保留對任何侵權行為和有悖原創(chuàng)內(nèi)容原意的引用行為進行追究的權利。轉載內(nèi)容來源于網(wǎng)絡，目的在于傳遞更多信息，方便學習交流，并不代表tiegu贊同其觀點及對其真實性、完整性負責。如無意中侵犯了您的版權，敬請告之，核實后，將根據(jù)著作權人的要求，立即更正或者刪除有關內(nèi)容。申請授權及投訴，請聯(lián)系tiegu（400-8533-369）處理。
