钢铁行业推进智能制造发展的路径

施灿涛 杨星 高强

今年伊始，新冠肺炎疫情突袭全国，对企业生产、居民生活造成了一定冲击，钢铁企业作为重要的生产企业也不例外。面向高质量发展的迫切要求，钢铁行业应视此次防控疫情的生产情况，抓紧做好数字化、网络化、智能化升级工作，以“精准、高效、优质、低耗”为目标，全面提升企业抗风险能力。

智能制造在钢铁工业的实践运用

1.无人化和少人化应用优势凸显

不少钢铁企业已经认识到要摆脱传统人工对产能和效率的束缚，以确保企业的生产运作不会受到人员变动的影响的重要性。此次疫情客观上使无人化和少人化应用的优势更加凸现。如在计量环节采用无人计量或远程计量方式实现进出厂和厂内倒运业务全过程自动化，在原料环节应用无人堆取料机实现从卸料、运输到装料的全过程无人化。此举既减少了人员聚集，又能最大限度地保障生产。

2.系统之间高度集成使得企业管理绩效提升

钢铁企业智能制造以传统五级架构为基础，其中过程控制系统（PCS）、制造执行系统（MES）、企业资源规划（ERP）之间的集成化程度对于日常业务的高效处理有着重要影响。集成化程度高，能够更好地支撑关键业务的线上流程化、自动化处理，及时识别问题、解决问题。同时，通过对设备运行数据实时监测并分析，及时发现设备存在的隐患，减少设备故障引发的生产停工，保障生产顺利运行。

存在的问题

1.两化融合发展水平不均衡

《中国两化融合发展数据地图（2018）》（简称《数据地图》）数据显示，2018年我国钢铁行业两化融合指数为51.2，略低于全国两化融合指数，主要原因在于不同规模企业的两化融合发展水平相差很大。其中，大型钢铁企业两化融合发展水平较好，两化融合指数达56.2，中型企业及小微企业两化融合基础较为薄弱，两化融合指数分别为46.2和38.2，远低于大型钢铁企业，拉低了整个行业的两化融合水平。可见，目前我国钢铁企业两化融合发展水平参差不齐，存在两极分化现象。

2.成套智能制造标准体系缺失

钢铁行业是我国自动化程度最高、制造工序流程最长的行业之一，在大数据、物联网、人工智能和工业互联网等新一代信息技术方面已有不同程度的应用，但由于缺乏成套的行业智能制造标准体系的引领和指导，导致钢铁行业在智能制造发展过程中缺乏清晰的路径。

3.系统集成程度有所不足

业务系统之间的高效集成是企业实现资源整合、优化调度的基础。目前，很多钢铁企业都建设了制造执行系统、企业资源计划系统与过程控制系统，但在系统建设或升级过程中过度注重局部优化，忽略了系统之间的集成，各个系统之间存在信息孤岛，对企业高效运转支撑尚有不足。因此，我国钢铁企业应进一步加强系统集成能力实现过程控制、生产制造与经营管理自上而下的管控集成，提高企业生产制造过程的整体协同。

4.智能决策水平有待提高

钢铁企业智能制造的核心是对信息资源的高效开发，目标是提高资源的全局利用率，重点在于实现决策的智能化。数据作为新型生产资料，是实现企业智能决策的关键要素，但很多企业过于注重业务系统建设，对数据价值挖潜不足。也有一些大中型企业建立了用于数据可视化的综合管控平台，但主要是对不同来源的数据进行集中展示，尚未实现数据的综合利用，距离智能决策还有一定差距。

5.供应链协同水平亟需提升

供应链集成主要体现在企业通过电子商务平台的建设进一步建立与客户和供应商的综合集成。《数据地图》显示，2018年我国钢铁行业应用电子商务的比例超过了50%，但实现产供销集成的企业比例为19.8%，实现产业链集成的企业为5.4%。可见，钢铁企业在供应链协同方面提升空间较大，钢铁企业只有有效整合供应链上下游的物流、信息流及资金流，实现全链条的互联互通，精准对接供需两端，才能更好地增强自身“免疫力”。

建议

1.统一规划，明确方向

钢铁行业的智能制造建设需要统一规划，做好顶层设计，明确发展方向。企业应以此次疫情为契机，建立科学的决策机制与流程系统，构建有效的组织管理体系，加大企业运营的智能化、信息化和自动化投入，注重协同创新，提升企业运营效率。

2.完善标准，加强引导

标准的制定有助于推进智能制造产业健康有序发展，但目前基于钢铁行业的智能制造标准体系尚未形成，导致钢铁企业在智能制造发展过程中缺乏清晰的路径，因此必须完善智能制造标准体系建设，发挥标准在推进钢铁企业智能制造发展中的基础性和引导性作用。

3.夯实基础，稳步推进

面对高质量发展的迫切要求，钢铁企业应当夯实智能制造基础。如可在重复性强、劳动强度高的作业、以及高温恶劣环境作业等环节开展“机器换人”，提高生产效率。但在推行无人化和少人化过程中，必须要慎重、妥善解决好人员培训安置问题。与此同时，必须明确智能制造发展方向，根据企业自身情况，在经济型、适用性和可靠性的基础上稳步推进智能制造建设步伐。

4.数据利用，高效决策

加强数据管理和应用意识，推动大数据在钢铁企业经营决策中的应用，对产品数据、设备运行数据、质量数据、能耗数据、客户数据和外部数据等进行动态监测，充分利用大数据和人工智能等技术手段实现对关键数据的统一和集中管理，提高数据分析的实时性和可视化，深入挖掘数据价值，提高企业智能决策水平。

5.协同生产，加快变革

加快构建行业互联网平台，有效连接上下游企业，打通、开放和共享业务系统，实现产业链协同，提高资源有效配置能力。同时，钢铁企业要不断吸收先进的理念和技术，并通过平台共享，向服务型制造转型，带动钢铁产业的数字化变革。

6.信息安全，防治结合

随着钢铁企业智能化进程的不断推进，对于系统的安全防护等级要求也不断提高。钢铁企业要根据自身信息系统安全现状与特点，按照预防监测和安全防护相结合的原则，在人防、技防和组织管理等方面进行重点管控，整体提高企业网络信息安全的保障能力。