摘要：過去20年裡，盡管中國貢獻了全球粗鋼增量的80%，但中國鋼鐵業的發展不容樂觀，産能過剩與結構嚴重失衡、全球經濟下滑導緻鋼鐵需求增速放緩、生産品質的不穩定、廢品率高、高耗能以及多元化需求，給整個行業都帶來了極大的挑戰。中國鋼企的轉型更新迫在眉睫。
在鋼鐵産業嚴重過剩、鋼企轉型壓力巨大的背景下， 作為一個傳統“老三線”建設的國有企業，攀鋼前些年一直處于虧損狀态，通過這幾年的改革創新，不僅終結了虧損曆史，打了一個漂亮的“翻身仗”，去年全年經營性利潤創曆史最好水準。它究竟是怎麼做到的？
依托西部地區豐富的釩钛磁鐵礦資源和自主建立立設，攀鋼集團有限公司（簡稱攀鋼）已經成為我國特大型釩钛鋼鐵企業集團、全球第一的産釩企業、國内最大的钛原料和産業鍊最完整的钛加工企業，以及國内重要的鐵路用鋼、汽車用鋼、家電用鋼、特殊鋼生産基地。中國的40%的鋼軌和高速軌道由攀鋼生産的。
盡管行業地位領先，但攀鋼一樣面對着和行業一樣的難點痛點。從2011年到2016年，受國内鋼鐵産能嚴重過剩導緻的行業普遍虧損，資源不足、位置偏僻、人員多、負擔重等多種因素的影響，攀鋼持續虧損，企業發展面臨巨大挑戰。
新技術降低舊能耗
“煉鋼就是煉渣”，這是鋼鐵生産過程中的一句老話。鋼由生鐵而來，和生鐵的主要差別在于成分不同，所謂煉鋼就是通過冶煉降低生鐵中的碳、去除有害雜質，再根據鋼性能要求加入适量合金元素，使之性能優良。為了将原料中一些不需要的雜質去除，就需要進行造渣。造好渣是實作煉鋼生産優質、高産、低消耗的重要保證。其中，鋼鐵料消耗占整個煉鋼廠成本的70%以上，攀鋼集團需要通過降低鋼鐵料的消耗，實作減少原料投入及優化能耗成本，才能提升企業的整體綜合競争力。
據攀鋼集團成都鋼釩有限公司總經理、積微物聯總裁謝海介紹,“經過多年的發展，用傳統的工藝、工控手段提升産能、降低能耗、節省人力已經趨于鋼鐵行業極限，而随着工業大資料、雲計算等新技術的成熟，我們看到了新的希望。”
攀鋼集團和阿裡雲工業大腦一起合作，以阿裡雲為技術載體、以積微物聯（攀鋼電商平台）為平台、以攀鋼集團為場景試點，率先深化ET工業大腦在鋼鐵生産領域的應用。出于資料采集難度、項目風險性與收益等綜合因素考慮，最終決定從冷軋闆材表面檢測與脫硫工業優化兩個場景切入，着手工業智能的嘗試。
脫硫是鋼鐵生産過程中的一個重要環節，旨在降低鐵水或鋼液中的硫含量。而脫硫環節由于扒渣帶鐵（脫硫劑反應之後的脫硫渣中帶走了大量的鐵）會造成大量鐵損。工業大腦應用到攀鋼西昌鋼釩轉爐煉鋼工藝後，打通煉鋼全流程資料，通過模組化分析獲得煉鋼工藝優化的關鍵因子，結合專家知識，定位提釩、脫硫和煉鋼三個關鍵工序。通過對這三個工序的深入模組化分析，聚焦在脫硫工序，依靠脫硫仿真模型與參數尋優模型尋找最優參數。根據實際測算，通過優化的參數推薦，每生産一噸鋼可以節省一公斤鐵。對于年産值400萬噸鋼的攀鋼來說，一年的成本節省就在700萬元以上 。
同時，工業大腦還被應用到了冷軋環節。鋼材經過冷軋工藝加工，會形成長度約1千米鋼卷。在表面檢測環節，質檢員通常會在短短5到10分鐘内，識别出少則幾百個，多則幾千個的缺陷，并給出分選度、表面等級、主缺陷和是否合格等判定。但長時間、高強度、重複性且枯燥的質檢工作讓判鋼工程師難以保證判定結果的穩定性，同時，工程師經驗的差異也會造成判定水準的參差不齊。最終導緻的結果則是客戶的服務體驗與滿意度差，造成巨大的隐性成本。工業大腦的引入，可以輔助人工判斷産品缺陷，降低人工依賴性。
“老師傅”們的經驗複用和傳承
鋼鐵行業曆經上百年的發展，累積了大量的經驗。然而，經驗都是碎片化地藏在“老師傅”的腦袋裡，像一個個黑箱，難以形成經驗共享與規模化的複用。工業大腦的使命就是将這些隐性化的知識顯性化，并幫助打破人的傳統思維架構與認知局限。
工業大腦由四塊拼圖組成——人工智能（AI）、大資料（Big data）、雲計算（Cloud computing）、專家經驗（Domain knowledge）。簡單地講，就是利用A、B、C技術将D（工廠老師傅、老專家的經驗）抽象成知識，并将知識規範化、模型化與代碼化，以數字化的方式嵌入到系統與裝置當中，被重複調用，指導或是替代人力進行決策與執行。
未來，随着大資料、算力與算法技術的不斷成熟，與資料智能相關的工業應用将呈指數級增長。鋼鐵企業的核心競争力不在擁有多少産能或是固定資産，而是在于掌握了多少行代碼與核心算法。工業智能應用的場景顆粒度會不斷細化，面對焦化、燒結、高爐、熱軋、煉鋼系統、安保、物流、園區、電商等場景，都有機會開放出爆款的工業SaaS或是工業APP。此外，除了持續加強場景化的算法開發能力以及數字基礎設施建設（資料中台），更重要的是加快鋼鐵企業的數字化組織、數字化上司、數字化文化以及數字化人才的轉型，創造工業智能的生長與創新土壤。
文章來源：阿裡研究所
開發者社群整理