攀钢“钢铁大脑”赋能“数智化”转型

“钢铁大脑”是攀钢推进数字化、智能化转型的试点项目。2018年5月份，攀钢率先在全国钢铁行业引入ET（极限科技）工业大脑，计划用人工智能炼钢降低生产成本，并启动实施了以降低炼钢钢铁料消耗、冷轧产品表面缺陷识别为代表的“钢铁大脑”项目。

两年来，攀钢强化顶层设计引领，发挥信息化管理部等职能部门的作用，汇聚西昌钢钒、积微物联、星云智联、阿里云四方力量，将AI（人工智能）、大数据、算法、云计算等新技术和传统钢铁行业深度结合，推动“钢铁大脑”智能模型在云端成功上线，取得了显著成效。

实现在线智能炼钢

加料、造渣、出渣……在西昌钢钒炼钢厂，每天都上演着钢花飞舞、炉火熊熊的场景，由此产生的数据和影像将被传送到阿里云端、现场电脑端及手机端。现场工人在工作电脑中输入云端传回的参数，就完成了脱硫工序操作。而在此前，他们只能用计算器手工计算。这是攀钢“钢铁大脑”在线智能炼钢的一个场景。

“钢铁大脑”究竟是什么“物种”？西部物联、积微物联副总经理，星云智联总经理陈源表示，通俗地讲，就是为庞大的钢铁“躯体”装上智能“大脑”，代替人脑指挥生产，通过数据采集、建模和算法，减少生产过程中的浪费和低效率情况的发生。然而，对于一个跨界合作项目来说，在毫无经验可借鉴的情况下，要实现上述目标并非易事。“钢铁大脑”团队汇聚了数据、算法等新技术领域专家和现场技术人员，但受限于彼此工作的技术壁垒，在基础数据采集时遇到了诸多难题。

“采集数据不是简单地复制，而是把生产端的数据经过‘清洗’‘重建’，与现场实践经验有机汇集，才能为上层算法提供依据。”积微物联大数据中心工业大数据总监李早立表示，西昌钢钒生产环节中的设备、生产管控等相关数据，都需要经过“清洗”和基础模型建模才能使用。在项目负责人的强力推动和多个部门管理人员、技术员、操作工的支持下，积微物联完成了数据采集、提钒转炉炼钢模型搭建，实现了大屏可视化、零散报表集成等功能呈现。

截至目前，降低炼钢钢铁料消耗项目进展顺利，已搭建了脱硫工序大数据模型和精炼、连铸等10个大数据+机理模型，找到了炼钢工艺、物料消耗等的关键影响因子和最优参数。相关数据显示，采用该项目后，攀钢每生产1吨钢，可节约1公斤以上的钢铁料，加上合金投料成本节省，每年可降低炼钢成本1700万元。

智能判定板材表面缺陷

相较于降低炼钢钢铁料消耗项目，冷轧产品表面缺陷识别项目落地尤为艰难。因冷轧产品表面缺陷识别项目历史数据中，夹杂了人工修正判定现象，出现了人工干扰，导致该项目上线测试时，判定结果波动很大，不得不推翻重来。

人工干扰究竟会带来多大影响呢？项目团队组织质检员“背靠背”对同一钢卷表面质量缺陷进行判定。经过多次试验后，周敏感叹：“部分质检员判定水平确实很高，但仍有判定结果不稳定、不能持续的问题；部分质检员因对标准的理解差异和经验不足，判定结果波动较大。这种因人而导致的判定差异，正是产生质量异议，造成隐形成本的重要原因。”

实际上，同样的设备、同样的操作方法，产量、质量等指标却千差万别。说到底，与人的不确定性有关，这是整个钢铁行业普遍存在的问题。在带钢表面质量缺陷检测的过程中，现场质检员在较短时间内识别出了带钢表面质量缺陷，并给出表面等级、主要缺陷和是否合格等判定。但长时间、高强度的工作，势必难以保证判定结果的稳定性。

为力求数据准确，很长一段时间，四方联合项目部成员天天守在现场，收集带钢表面质量的小缺陷、大缺陷、跨界缺陷，寻找质检员判定结果背后的原因，采集质检员判定的最佳方法，把经验转换为数据……在反复摸索中，冷轧产品表面缺陷识别项目于今年2月份正式上线，实现了智能辅助人工判钢和全自动判钢工作模式的功能，提升了判定准确率，降低了质检员劳动强度。该项目自上线以来，未发生一起表面质量异议。

持续打造最强“钢铁大脑”

9月12日，在外出差的西昌钢钒企管部信息化室主任工程师葛小波，在千里之外点开手机“钢铁大脑”App，查看当天西昌钢钒的炼钢实时状况，浏览炼钢关键经济技术指标……

实现远程监控，是攀钢“钢铁大脑”项目的一项成果，曾获评“2019年工业互联网App优秀解决方案”。“每一项成果的取得，都是‘摸着石头过河’。很多时候，‘石头’都没有，完全是强撑着游到河对岸。”当项目上线后，大家谈收获、谈感悟。有人开玩笑说，经过一年零六个月日碰头、周研究、月检查的艰苦攻关，周敏收获了两鬓斑白。周敏却认为，“钢铁大脑”项目带给他最大的收获是，看到了数据的价值；看到了各兄弟单位打破传统思维框架与认知局限，将自己多年的实战经验转换成大数据，在“钢铁大脑”中进行复制和传承的努力；看到了相关单位在基础数据采集方面的专业能力……

大数据、算法、人工智能等新技术，在西昌钢钒落地开花，也吸引了同行企业前来取经。“学习大数据的目的是什么？现在有什么数据？如何运用数据实现企业管理目标？”取得一定成绩后，周敏并没有停止思考。他希望持续挖掘数据价值，消除数据孤岛，实施更多的智能制造转型升级项目。