一年多來，寶武有序推進“鋼鐵工業大腦”戰略計劃，由點到面，正有力支撐着鋼鐵從“自動化”“資訊化”向“智能化”轉型。
在寶武數智辦、科技創新部的指導下，寶信軟體經過一年多的探索、創新與實踐，打造了一批人工智能與鋼鐵深度融合的典型示範項目，解決了鋼鐵行業制造、服務、治理過程中的一部分“黑箱”和“不确定性”難題，充分發揮了人工智能技術重要的賦能價值。
決策的智能，有賴于支撐決策的資訊準确和完備
鋼鐵生産環境複雜多變，智能視覺識别技術具備遠距離、非接觸式等優點，能夠克服高溫、震動、粉塵等因素幹擾。
為提高連鑄二級系統的分坯準确度，寶信軟體為馬鋼研發了大包開澆視覺檢測模型，較目前的稱重手段判定提前了15秒。延遲誤差的降低，改善了鑄坯由于分坯混亂所導緻的實物流與資訊流不一緻問題。
大包開澆視覺檢測
為規模化推廣，寶信軟體研發了一套視覺模型的自動化開發工具，讓算法零基礎的工程師也能自主開發各類鋼鐵領域的視覺識别模型。
借助工業網際網路平台的雲邊協同機制，模型可以快速下發部署到現場的AI Box。這套工具可以在數天内開發出一個面向特定業務場景的模型，與傳統三到四個月開發周期相比，大幅縮短了項目實施周期。
視覺流水線應用模型
人工智能的核心價值在于優化決策
人工智能技術與人腦相比，在面向超大規模、超複雜場景時，更容易做出高品質決策。
寶信軟體為寶鋼包裝打造一總部多基地智慧排程，覆寫全國13條産線，可在分鐘級時間内，智能安排好3個月訂單，近30億個罐的生産任務。
與手工訂單安排相比，可降低罐型生産切換頻次，提升機組使用率，成為制罐行業首個成功應用人工智能技術，帶來經濟效益的案例。
寶鋼包裝智慧排産
鋼鐵制造的智慧化轉型更新，已不再滿足于局部工序、單一工藝的優化，而是要着眼于全局，進行系統性優化和融合
在鐵前混勻、燒結、煉焦、高爐生産過程中，配料是一項重要而又複雜的工作，人工單工序配料方案主要依賴于經驗，能考慮的因素非常有限，配料取值相對比較保守，在降低成本方面有較大潛力。
基于冶金原理和現場實際，寶信軟體在昆鋼公司進行了鐵前一體化配料模型的開發和應用試點，根據模型輸出，着力鐵前全流程全工序一體化的全局優化工作，模型配料比人工配料成本降低30元/噸鐵。這項技術為鐵區大力推進“經濟爐料”的貫徹落實，夯實了堅實基礎，帶來顯著的經濟效益。
一體化配料
優秀的決策，還需要具備對現場突發情況的快速反應能力
煉鋼區域的行車排程是煉鋼廠面臨的一個典型痛點，目前國内基本依靠人工經驗指揮排程，但受限于廠區布局、工藝流程、物流交叉等衆多因素，一旦某個環節出現異常，人工指揮往往使得行車在排程過程中被動讓車、緊急停車、任務延遲等現象頻發。
寶信軟體為寶鋼股份湛江鋼鐵研發了基于人工智能技術的行車排程模型，根據煉鋼廠實時生産狀況進行智能排程，已進入上線運作階段。
模型具備快速反應能力，在有效保障煉鋼節奏、保證連鑄不斷澆的同時，降低重包等待時間3%，大大降低了鋼水能耗。
鋼包行車智能排程
智能還展現在基于目前狀态，結合曆史資料對未來的狀态進行預判，進而提前幹預
其中對不易觀測的“黑箱”，以及大時滞、高度非線性系統的預測最具挑戰性。高爐的壓差控制就是一個經典的難題，目前人工操爐隻能憑經驗進行事後補救，存在很大滞後性。
寶信軟體在太鋼6高爐試投了基于深度學習技術的壓差預測模型，1小時後在5kPa内達到了80%的預測精度，為高爐操爐提前幹預提供了寶貴的時間差。
高爐壓差預測
随着寶武“鋼鐵工業大腦”項目推進的逐漸深入，寶信軟體将繼續積極探索資料科學和智能算法的結合，試點更多應用案例，加快人工智能賦能鋼鐵智慧制造。
文字：張犀
圖檔：資料庫、寶信軟體提供
出品：寶武融媒體中心