■ 中国工业报 周宝冰
   4月10日，主题为 “推进科技防疫复工 探讨企业数字新基建”的系列在线论坛 （第二期）如期举行，本期论坛由中国工业报社、中关村科技园区石景山管委会联合主办，中关村工业互联网产业联盟、中关村大数据产业联盟协办。
   本期论坛聚焦 “钢铁行业数字化转型的新发展”，面向流程工业互联网，探讨大数据、人工智能、智能制造、自动化等话题。来自鞍钢集团、宝钢研究院、东北大学、北京科技大学的智能制造专家，以及百度智能云、东土科技、紫光云引擎、优也等工业互联网企业的领导参加研讨。这是中国工业报系列在线论坛第一期 “新基建及数字经济助力复工复产”成功举行后，面向系统重要性行业举行的首个细分论坛。
目标：跨工序流程价值链的塑造
   鞍钢集团信息产业有限公司党委书记、董事长王军生在 “面向应用的钢铁流程工业智能制造的探讨”的主题演讲中指出，智能制造有很多目标，包括节能、降耗等等，但钢铁流程工业最重要的一个目标，是跨工序流程价值链的塑造，这与离散制造业主要强调规模定制不同。
   围绕跨工序价值链的塑造，钢铁流程工业智能制造目标实现的路径有四个方面。第一，生产过程的数据化。即把生产现场的生产数据、设备数据等采集上来，形成数据系统。第二，对数据进行整理和筛选，形成有价值的数据，实现数据到信息的转换。第三，将信息通过机理模型或AI、大数据等技术形成针对不同业务的知识。这个过程是以冶金领域的专家为主的工作，占整个智能制造工作的80%以上。第四，通过知识的积累，在生产和质量等环节产生价值。
   “数据，信息，知识，价值，这四个途径，构成了整个工业价值链的实现。”王军生说。
   王军生认为，工业智能制造的要素，总结起来就是三个对象+三个网络+四个手段。三个对象，就是人、系统和设备。三个网络则是互联网、工业互联网、物联网。四个手段主要是指三个网络和三个对象之间的沟通连接。目前，智慧能源，质量管控和设备诊断是比较能够落地的业务内容，当然，企业首先需要搭建智能制造系统架构。
   据悉，鞍钢和中国移动进行联合研发，在设备诊断中用到5G+AICDE的技术组合。A就是人工智能，通过人工智能进行大数据分析；I就是物联网，设备之间通过5G模组进行连通；C就是云，整个设备的诊断数据要传到云上；D和E，就是进行大数据分析，此处实现了边缘计算和云计算的结合。最后，通过整个的设备诊断，实现设备的全生命周期管理，实现状态分析，为钢铁生产的稳定运行提供稳定的设备保障。
百度智能云：推进体系智能化
百度智能云工业解决方案总监刘斌从数据的角度对钢铁智能化进行了全面的分析，他认为，要推进从数字化到智能化，一定要结合企业存量数据现状以及数据场景实现的步骤。
   当前，钢铁企业已经经历了多年的信息化改造，产、供、销各个层面都已经有了良好的企业数据，这可以分为两类：第一类是非结构化数据；第二类，是存在现在的系统、体系、流程中，一直流转的结构化数据。那么，数字化、智能化如何基于这两类数据再深入一步？
   首先，第一类非结构化的数据可以帮助企业在新的业务场景交互中起到很大的支撑作用，这些支撑又帮助企业创造了人工智能的数据基础，所以以场景维度，是实现人工智能的第一个路径。
   其次，结构化数据和一些相应业务流程在交互的过程中，存在着同类型的非结构化数据之间，或不同类型系统之中非结构化之间的交互——这就组成了协同交互。协同交互帮助企业实现了复杂场景的支撑。
   第三类，体系化的数据包括ERP、MES等，这一类数据存在着两种相近的成果，一是流程的逻辑性的积累，二是相应的数据分析、指标类的积累。
   “先从点上的场景开始，再从场景化的非结构化数据的协同开始，再到相应的结构化数据，来实现体系的分析，以这种逻辑方式，才能最终推向整个企业全局的、实时的、全面性的、体系化的分析。”刘斌说。
   目前，第一步大多数钢铁企业已经实现了，比如通过物联网，实现了机器的感知和认知，带来了不同类型的数据基础，形成了场景的智能化。在此基础上，钢企需要推进协同交互和体系化数据的衍生，并结合人工智能推动预测类的发展，从而完成关联连接、分析智能以及体系化智能。也就是以现有的信息化作为起点，结合场景，完成场景的智能化和场景的智能化组合，最终推进到整个体系智能化。
借助新技术辅助产品开发及验证
   钢铁行业是典型的原材料工业，应该说高端钢铁材料的研究开发与设计至关重要。冶金自动化专家，北京科技大学教授、自动化学院副院长彭开香表示，在工业互联网与智能制造的发展契机中，如何借助云的方式助推新产品的开发设计，进行材料设计与模拟非常关键。
   鞍钢集团信息公司王军生认为，传统的新产品开发有很大一部分在实验室进行，包括材料的冶炼、轧制，热力模拟实验，以及物理、力学、化学的实验等。但是，多年来，钢企每个钢种开发过程中的数据，在开发之后基本就不利用了。但实际上，这些数据具有非常强的大数据的关联关系，非常宝贵。
   因此，如果把这些数据放到云上，可以为整个材料的开发提供先期的材料计算学依据，这样可以把材料开发、钢种开发的整体成本、开发周期大大缩短。而现在，基于云端的计算材料学已经开始为整个钢铁产业做产品的开发试制提供前期的准备。
   “当然，目前还没法完全通过基于云端的材料大数据来替换全部的实验过程，但是可以减少实验过程，降低成本，提高速度。”王军生说。
   流程工业的产品质量的稳定性与效率非常关键，包括工序间的协同，工序间的控制等。彭开香提出，当前钢铁行业存在一个问题：实验的时候，小批量质量没问题，但大批量生产就有问题。
   百度智能云刘斌认为，通过机器学习做小批量验证的时候，准确率比较高。但是适配现有情况大数据的环境下，容易发生过拟合的情况。如果要解决这个问题，就需要在大分类的条件下具备更多的样本数据。同时，一方面通过去噪把不必要的数据去掉；另一方面，通过提升5%~10%的阈值观察并解决其扰乱性。
   优也CEO傅源则认为，从实验室小批量到量产，要解决的最大的问题是放大不相似问题，以及控制过程的精度问题。钢铁行业本身，第一，物料的配料很复杂，过程操作、工艺等，很难在大规模的时候把小批量的复制好；第二，从小批量到大批量，在不同的容积范围下，过程工艺操作的核心是不是真的是一个线性关系？因为变量太多。因此，如何通过物联网来追溯非常重要。
杜斌：钢铁工业互联网有几大难点
   宝钢研究院智能制造研究所杜斌教授于2018年撰写的 《大数据热之下，钢铁业该如何应用？》一文受到业界广泛关注。关于钢铁工业互联网，杜斌认为有几大难点。
   首先是基础积累在路上。这有一个技术问题，原来的很多系统都是世界各国自己封锁的，标准都不一样，现在通过一些技术可以共享，但是国内相关服务商，尤其是互联网服务商，在这个领领域的积累还不够。
   其次是工业互联网的技术经济性问题，建设工业互联网，原来的系统怎么办？另外，社会互联网的量很大，但是包括钢铁在内的其他工业行业却不是这样，甚至钢铁行业的不同的工序段，对工业互联网的需求都不一样。这种行业差异化为工业互联网投资带来风险。
   第三是BAT为代表的工业互联网公司介入钢铁行业的方式还可以更好。“比如收购做底层控制的公司或者团队，然后再利用互联网企业的优势，去做一些专业的软件工具与平台。这样才能跟工业更好地结合。”杜斌表示。
   关于工业大数据的应用，杜斌提出：“路车和司机要平衡”。比如网络、存储器、信息系统等，这些都是 “路”。 “车”就是要解决的问题。 “司机”就是人才。现在都在建路，可是如果都不知道车有多宽，有多少货要运，路怎么建？这个问题需要平衡——“我觉得司机最重要”。
   当前，钢铁行业其实已经有了很多数据，从技术经济角度，应该先利用 “宽而薄”的数据，也就是信息系统中的数据，去开展工业大数据的 “车”和 “司机”的工作。那么，在哪个地方去做数据应用？杜斌表示，2018年提出的如钢铁全产线产品质量分析与监管、专用设备诊断等九个领域，今天依然是适用的。
核心：OT与IT的融合
   工业互联网、智能制造，OT与IT的融合是个永恒的话题。在这个过程中，涉及底层控制系统的贯通、数字孪生、机理模型以及云平台等方面。
   关于数字孪生，宝钢研究院杜斌教授坦率地说： “数字孪生在钢铁工业定义不清，还很遥远。”以钢铁企业一个复杂基地的产线为例，目前行业还不能把这个产线上的板坯、铸坯、钢卷一直到仓储的全流程的物质流计算出来。因此“数字孪生”这些概念还是先放一放。
   冶金自动化专家，东北大学教授张殿华透露，东北大学正在推进和华为的合作，最近准备在河北钢铁建设一个全流程的智能制造样板。其重点是如何在工业互联网的基础上推进整个流程工业动态的、全局的数字孪生，形成一个包括炼钢、热扎、冷轧在内的工序级、全流程的CPS闭环。
   关于控制系统，东土科技副总裁刘生富感受非常深，他认为，目前工业互联网的大环境下，传统PLC的架构已经不能够适应目前智能化的需求，也就是说在边云结合端很难实现。据悉，近期东土科技与东北大学签署战略合作，针对流程工业边云结合的控制难题进行相应的攻关。
   今天，其实没有一家企业或者机构能够提供一揽子的复杂的钢铁智能化解决方案。就传统的工业控制体系来说，现在已经到了第四代软件定义。当然，这种变革会面临很大的困扰，如协议的、企业应用等层面的挑战。
   “随着智能化的发展，处于底层的PLC控制层成了一个瓶颈。PLC如何和大数据互相结合，形成一种大数据驱动的控制器体系，是我们这一代人或者说我们这个时代面临的一个很重要的课题。”刘生富表示。
   然而，鞍钢集团信息公司王军生则认为，传统PLC在短时间内退出的可能性不大。工业领域的很多规则是通过机理建模形成，目前逐渐会有一部分为数据驱动，更多的是数据和机理混合驱动。数据驱动更多是在知识体系或者是建模中发挥更多的作用，而不是替代传统的PLC的硬件。不过，随着5G的应用，不同类型PLC的通讯标准有可能向以5G为核心的一些公共性标准靠拢。
   “由于国外PLC、DCS形成事实上的垄断，在新兴技术等通用软件上面，建议尽量采用新兴公司或者BAT公司的通用软件，以免形成新的垄断。”宝钢研究院杜斌教授呼吁。
   关于云平台，紫光云引擎物联网事业部总经理孟宪宇表示，钢铁行业业务流程非常长，设备数量众多，它所面临的智能制造的角度和需求也是方方面面的。全流程的连接、数据的预测、机理模型的利用、服务化的可视化——这是当前包括紫光云在内的工业互联网企业建设云平台的四个角度，他们从总体上帮助企业提高生产运行保障能力。
   自2012年GE提出工业互联网以来，工业4.0、智能制造、工业互联网等不断发展，技术不断迭代，应用融合走向深化。作为自动化、信息化基础较高的行业之一，钢铁工业智能化也正在逐渐步入深水区。
   优也CEO傅源表示： “钢铁智能制造的道路非常漫长。一个是工业和信息的跨界、融合非常难，但如果不跨的话就更困难。再一个，相应的工具需要不断打磨，不断地接近需求方的状态，需求方的背后就是工业现场。”
   “钢铁流程行业的智能制造，落地才是硬道理。”东北大学教授张殿华说。
鞍钢集团信息产业有限公司党委书记、董事长 王军生北京科技大学教授、自动化学院副院长 彭开香宝钢研究院智能制造研究所教授 杜斌百度智能云工业解决方案总监刘斌
东北大学教授 张殿华
优也信息科技CEO傅源
东土科技副总裁 刘生富紫光云引擎物联网事业部总经理孟宪宇