突破“四化”痛点 工联网平台如何抓住钢铁行业“牛鼻子”？

王改静

3月4日，中共中央政治局常务委员会召开会议强调，要加快5G网络、数据中心、工业互联网等新型基础设施建设进度。其中，工业互联网作为实现人、机、物全面互联的重要载体，将在此轮新基建过程中再次迎来发展“东风”，尤其是将加快在各个垂直行业落地应用的步伐。

近日，工信部发布的《关于推动工业互联网加快发展的通知》中提出要加快拓展融合创新应用，深化工业互联网行业应用。鼓励各地结合优势产业，加强工业互联网在装备、机械、汽车、能源、电子、冶金、石化、矿业等国民经济重点行业的融合创新，突出差异化发展，形成各有侧重、各具特色的发展模式。

但要想在垂直行业实现真正的落地应用，就要切实抓住行业“牛鼻子”。那么钢铁行业的“牛鼻子”是什么？工业互联网又该如何赋能钢铁行业？

钢铁行业“牛鼻子”是什么？

此前，赛迪工业互联网首席研究员袁晓庆在做线上分享时提到，钢铁行业作为我国重要的原材料流程制造行业，具备生产流程长、生产工艺复杂、供应链冗长等特征，当今正面临设备维护成本高、工业知识隐形程度高、下游需求日益个性化、环保压力增大等痛点问题，亟需围绕设备管理、生产管控、供应链管理、环保管理等方面开展数字化转型。

当前新冠肺炎疫情尚未完全结束，各行业均受影响，钢铁企业尤为明显。但我国钢企生产受疫情影响较小，而美洲、中东、欧洲、东南亚等多国钢铁企业纷纷减产甚至停产。

美国钢铁（X.US）表示，由于油价暴跌和美国国内疫情确诊人数暴涨，将在5月底前开始无限期地闲置俄亥俄州和德克萨斯州的钢管厂。德国最大的钢铁生产商蒂森克虏伯（ThyssenkruPP）表示由于疫情对钢铁行业的影响，公司正在削减钢铁产量。

而国内钢企为保持生产经营顺畅，通过智能制造，钢铁企业的智能车间变成了一座24小时运转却不需多人值守的“黑灯工厂”，智能机器人承担了所有“危、脏、难”工作;通过数字化智能化手段，传统企业实现了物料采购、产品生产、销售、物流、服务等所有环节的在线协同，实现了复工初始所有产线的正常开动和对客户生产的远程支持……

这些创新应用的落地，正是各大企业积极利用工业互联网促进复工复产的一个个缩影，也是他们抢抓机遇，试图搭上国家政策“快车”，推动“新基建”的表现。

虽然在钢铁行业创新应用已有不少的尝试，但要想实现大规模应用还要从企业自身出发。袁晓庆表示，当前钢铁行业的数字化转型趋势需要考虑四个转变，分别是设备管理由传统维护向智能维护转变;生产工艺由黑箱式向透明化转变;供应链体系由局部协同向全局协同转变;供应链体系由局部协同向全局协同转变。

平台如何赋能？

当前，智能制造已经成为制造行业发展的必然趋势。国内出现了不少钢铁行业的工业互联网平台，代表企业有东方国信、宝钢集团、优也信息、南钢集团、酒钢集团等，其中，中冶赛迪去年也发布了首个钢铁行业工业互联网云平台CISDigital。

那么工业互联网平台在钢铁行业主要应用于哪些生产环节呢？平台该如何赋能钢铁行业？根据袁晓庆介绍，需要抓好设备全生命周期管理、智能化生产、供应链协同及绿色化生产四个应用场景。此前，赛迪智库信息化与软件产业研究所工业互联网研究室张朝对这个四个应用场景进行详细解析。

第一，设备全生命周期管理。钢铁行业工业互联网平台可实时采集高炉等高价值设备的运行数据，结合设备故障诊断模型，自动预警设备故障并确定最优设备维护方案，实现设备预测性维护。

第二，智能化生产。钢铁行业工业互联网平台可将生产工艺、生产过程管控、产品质量管理等领域涉及的工业知识显性化为工业机理模型，结合实际采集数据，实现智能化生产。

第三，供应链协同。钢铁行业工业互联网平台可汇聚整理产业链物料信息和产能信息，结合下游实际需求和企业生产能力，制订科学的生产计划，满足零库存运营要求，实现供应链协同。

第四，绿色化生产。钢铁行业的能耗和环保问题日益突出，钢铁企业可采集各生产环节的能源消耗和污染物排放数据，找出问题严重的环节，并进行工艺优化和设备升级，降低能耗成本和环保成本，实现清洁低碳的绿色化生产。

如何抓住“牛鼻子”？

抓住钢铁行业的“牛鼻子”对于工业互联网平台在钢铁行业中规模化落地具有重要意义，有利于推动我国钢铁行业向数字化、网络化、智能化转型升级，深化钢铁行业供给侧结构性改革，开创钢铁行业高质量发展新局面，实现从钢铁大国向钢铁强国的转变。

那么如何才能抓住钢铁行业的“牛鼻子”呢？张朝表示需要抓好四个方面。

第一，聚焦数据流通质量，打造高效边云协同体系。一是增设智能传感器，通过在设备、车间等区域部署热成像仪、压力传感器、振动传感器、轨迹识别传感器等具备边缘计算能力的智能终端，提前过滤无用的冗余数据，精准采集数据。二是完善数据解析体系，面向钢铁企业中的关系数据、时序数据、文档数据、地理空间数据等海量异构数据，建立高效的数据解析体系，统一数据格式，实现数据跨领域流通。三是建立大数据共享中心，在云端汇聚设备、生产、供应链等数据资源，根据实际业务需求，通过跨领域数据的互相调用，激发数据资产活力，以数据的全局自由流动带动资源配置的全局优化。

第二，围绕工艺流程优化，提高机理模型供给能力。一是围绕设备管理，开发钢铁行业设备状态监测类模型、设备故障分析类模型、设备维护类模型等，提高设备资产管理水平。二是围绕产线管理，开发钢铁行业物料管理类模型、质量管控类模型、生产工艺优化类模型、生产配方优化类模型、全流程排程优化模型、节能降耗类模型等，优化生产过程管控能力。三是围绕企业经营管理，开发钢铁行业供应链管理模型、订单管理模型、财务管理模型等，构建高效供应链协同体系。四是开发模型综合管理平台，汇聚机理模型资源，实现模型的标签化管理、智能化搜索和精准化调用。

第三，坚持行业痛点导向，完善特定场景解决方案。一是围绕设备全生命周期管理，梳理钢铁行业各机械设备在状态监测、故障分析、维护作业等环节的痛点，针对特定问题，综合调用机理模型，形成特定设备专用预测性维护方案。二是围绕智能化生产，挖掘钢铁行业在工艺设计、流程排程、质量管理等环节的痛点，按需调用机理模型形成特定场景的解决方案。三是围绕供应链协同，分析钢铁行業传统供应链中信息流通堵点和供需错配问题，结合企业硬件设施和运营环境，构建供应链管理解决方案。四是围绕绿色化生产，整合钢铁行业在能耗和排污方面粗放型管理的问题，明确环保监测、分析等环节的痛点，集成机理模型，形成提高环保管理水平的解决方案。

第四，重视平台安全防护，建立高度可靠安全系统。一是夯实设施安全。围绕钢铁行业生产设备、服务器、主机等基础硬件设施的安全接入，部署网络安全协议和容灾备份系统。二是强化数据安全。明确钢铁行业设备数据、生产数据、供应链数据在收集、存储、处理、转移、删除等环节的安全保护要求，通过应用数据安全模型强化防窃密、防篡改和数据备份等安全防护措施。三是建立安全管理体系。围绕钢铁行业工业互联网平台安全监督检查、风险评估、数据保护等方面建立健全安全管理制度，强化自检查、自纠正的安全管理闭环。