面向智能制造的钢铁工业物流管控系统

张岩 ，王军生 ，丁智 ，孙瑞琪 ，陈百红

（1.鞍钢集团北京研究院有限公司，北京 102211；2.鞍钢集团自动化有限公司，辽宁 鞍山 114001）

钢铁生产是一个混合生产过程，既包括连续生产，又包括离散制造，具有设备种类多、工序耦合高、生产流程长等特点。系统中多工序串联并集成运行，不同功能相互支持、相互联系、相互制约，整体结构纷繁复杂［1］。钢铁生产的原材料、半成品等按照工艺流程在各个生产工序之间移动，形成了生产物流。整个过程在生产、运输、储存等生产环节中表现为多个阶段，具有多样性、复杂性特征。因此，在微观和宏观两个不同层面上，钢铁生产物流系统分别呈现为混合连续与离散过程的时间序列网络和多生产过程的串并联物流网络［2］。

从数量来看，钢铁企业的物流量巨大。据前瞻产业研究院发布的《钢铁物流行业市场前瞻与投资战略规划分析报告》最新统计数据显示，中国钢铁行业物流量规模庞大。按照钢铁企业每生产1 t粗钢，外部产生4～5倍的物流量计算，2021年全国粗钢产量10.3亿t，输入和输出各种原燃料、辅料、成品钢材和固体废弃物等的物流量是37.92 亿～46.4 亿 t［3］。 因此，生产物流的有效管理能够优化生产过程中物料等待时间，进而缩短钢铁生产的周期，提高企业的生产效率，从而达到降低物资供应成本和生产成本的目的。从研究对象来看，钢铁企业的物流管控是典型的有序动态运行的过程，需要充分考虑钢铁生产过程状况和控制系统特点。随着市场与客户的需求逐渐变为多品种、小批量、定制化，企业现有的物流信息管理系统和生产线之间的联系不够紧密，无法满足对生产跟踪管控的精细化管理需要［4］。

在仓储物流管理中，钢铁企业对市场没有充足的预见性，不具备科学的规划，对物资的储存准备不合理，不能动态跟踪相关需求的变化。在车辆管理方面，传统调度方法效率较低、成本较高，缺乏对车辆入库顺序和入库时间等方面的优化分析。在钢铁生产过程中，动态优化决策问题是一个世界性科学难题，具有多目标、多约束、多尺度的特点，仍然由知识型工作者根据知识和经验来制定经营和制造过程中的决策方案［5］。决策者不能够及时准确的根据生产条件的变化做出准确的决策，导致资源的综合利用率和产品质量较低，能源消耗较大，企业的生产成本居高不下。从整体来说，钢铁物流行业没有全国性的物流体系，缺乏整体规划，并且其自身的管理模式不明确，没有行业标准，造成物流系统运行效率低下、成本高［6］。因此，在钢铁企业中，如何有效利用日渐成熟的现代信息技术，解决钢铁物流管控在调度决策、运行管理以及高效环保方面存在的难题至关重要。

1 钢铁物流的智能制造管理模式

只有深刻解析异质异构的子系统之间感知、辨识、协同的相互关系，在数字物理系统中刻画成优化的“嵌入”件，才能促进生产物流全流程的协同与优化决策。在此基础上，实现基于信息物理系统（Cyber-Physical Systems，CPS）的集成优化［7-8］。然而，在新一代智能制造的推动下，大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能正在成为发展重点，进一步突出了人的中心地位，通过“人”统筹协调“信息系统”和“物理系统”，建立综合集成大系统［9］。 在人-信息-物理系统 （Human-Cyber-Physical Systems，HCPS）中，人类智慧的潜能将充分发挥作用，使其信息系统扩充了学习认知功能，使系统不仅具有强大的感知、计算分析与控制能力，更具有学习提升、产生知识的能力。

将智能制造的理念融入钢铁企业物流管理中，提出基于HCPS的钢铁物流管理架构，见图1。

图1 基于HCPS的钢铁物流管理架构Fig.1 Iron and Steel Logistics Control Framework Based on HCPS

在工业互联网和云平台的支撑下，人、信息系统、物理系统三者有机结合，实现全流程物流管理的协同和集成。在系统中，“知识库”融合数据驱动的智能系统学习的知识规律和生产物流管控者的各种经验和专业知识，并且具有自我更新和学习能力，在动态的环境中不断完善和优化，达到人机有效协同，这也是HCPS的关键核心技术。

基于HCPS的钢铁物流管理通过引入大数据、数字孪生、人工智能、工业互联网等技术，对钢铁全流程物流进行跟踪和管理，实现从产品生产到营销的信息共享与集成优化，提高企业物流的效率和智能化水平。HCPS是基于新一代信息技术的高度集成化系统，在该架构下钢铁企业物流管控系统将具备 “智能感知-分析调度优化-决策执行”的闭环特征。首先，通过面向钢铁制造流程的全面智能感知，系统将获得广泛的物流相关数据，为基于数据的分析、优化和决策奠定研究基础，实现全流程的物流协同优化。在此基础上，基于先进的建模和优化技术实现面向生产过程的优化调度，达到降低库存成本、节省物流费用和优化产能分配的目的，为物流系统建立广泛的智能化应用。最后，建立面向整个钢铁供应链的决策优化系统，充分发挥信息共享和智能化技术的优势，推动钢铁物流管控的全面升级。

2 智能化感知-钢铁物流跟踪管理

典型的钢铁企业生产过程涉及的工序多、产线长，从大的方面看可分为原料处理、高炉炼铁、转炉炼钢以及轧制等生产阶段，因此物流信息涉及面较广，信息获取存在一定的难度。此外，多品种、小批量的生产模式逐渐成为钢铁企业的主流模式，产品品种规格多样、物料清单结构更加复杂多变［10］，但是，钢铁企业的生产物流管控和计划安排任务由人工制定，无法动态跟踪物料状态、物流实施进度、设备状态等信息。另一方面，在不同物流系统中，底层设备的数字化和自动化程度具有很大不同，在此生产模式下，生产物流管理变得更加复杂。随着数字孪生、工业物联网等新一代信息技术的出现，加强信息建模方法研究，建立物流跟踪数据平台，成为实现钢铁物流智能化的有效手段。通过建立钢铁物流信息智能感知平台，对生产全过程进行监控，实现从原料投入到产品成型全过程的物流跟踪，进而达到提高物流效率、控制成本的目的［11］。

2.1 钢铁物流数字孪生系统

钢铁物流数字孪生系统是以数字化方式在信息空间创建钢铁物流的虚拟模型，借助数据模拟现实环境中的物流行为，利用数据融合、虚实交互、智能分析、优化决策等方法，为钢铁企业中的物流活动提供全面的感知和模拟。

数字孪生集成多学科技术，能够有效融合数据、模型和智能的优势，可以重现不同物理过程来模拟大量的科学问题，通过调整物理参数模拟多时间尺度的基本过程，提升多尺度多领域融合模型的精度［12］。钢铁企业生产物流数字孪生系统利用系统中的实时和运行历史数据，在传统物流模型的基础上，协同运行数据和机理特性，精细化监控和评估生产物流的实时状态。通过物流数字孪生系统充分连接物理世界和信息世界，能够对钢铁企业任意历史时刻生产物流活动进行回顾分析和智能解析，提供新物流活动的风险预测和优化调度决策［13］。

基于数字孪生技术的钢铁物流模型将成为未来钢铁企业物流管理的核心支柱。钢铁物流数字孪生结构模型如图2所示。

图2 钢铁物流数字孪生结构模型Fig.2 Structural Model for Digital Twin on Logistics for Iron and Steel

数字孪生技术是由数据和模型作为核心元素构建的。实际物理对象中的海量物流数据是构建和驱动多维虚拟模型的基础，而多维虚拟模型的运行又为生产物流的管控提供风险预测和优化决策的支持。

2.2 工业互联网

实时数据融合是实现钢铁企业物流信息跟踪的基础，工业互联网正是有效连接设备、人和数据的网络技术。在工业互联网技术的带动下，利用各种传感技术生产物流管理可以实现智能识别、定位、跟踪和监控，实现生产物流的透明、高效、规范、安全的管理效果。通过分析收集的海量数据全面感知物流状态，基于预测给出预警，并协同全流程各生产工序，做出最优化决策。使得工厂的运营管理更加动态化和精细化，促进生产制造和商业运营模式水平的提升［14］。本文基于工业互联网关键技术建立了生产物流管理新模式，其管理架构主要分为四个层次：数据层、应用层、传输层和感知层。基于工业互联网的钢铁物流管理结构如图3所示。

图3 基于工业互联网的钢铁物流管理结构Fig.3 Iron and Steel Logistics Control Structure Based on Industrial Internet

在数据传输方面，有线传输仍然是工业互联网采用的主要方式，然而生产现场环境的变化更需要无线传输模式。不断发展的传感器技术促进了无线传输模型的进一步发展，5G新技术也大大推进了工业互联网的部署进展和发展速度，为数据传输的高可靠性和低延时奠定了基础。此外，拥有海量、随机、全面和低功耗等智能连接能力的5G系统是构建同异质网络和万物互联网络的基础性交互综合系统［15］。5G系统能够容纳更多的终端设备和用户，为生产物流统筹管理提供更广泛的数据来源。

3 智能化应用-全流程优化调度

钢铁生产全过程周期长，工序繁多，在每道工序中蕴含许多不同的单元，需要大量的资源，物料在工序与工序之间的流动非常复杂，在大时间尺度上物资需求具有波动性。为确保连续的钢铁生产，在制定各工序相关的物流计划时，必须考虑库存、机组产能等约束。因此，本文的物流优化从钢铁生产全流程角度详细分析各流程之间的物流关系并给出优化配置策略，从而有效降低钢铁企业的产能损失、库存成本和物流成本。

3.1 多尺度多目标物流统筹优化管控

从钢铁企业物流的特征和资源成本的角度，不同时间尺度上的调度管控和资源配置问题具有不同的特点，采用基于动态数据驱动的仿真技术进行研究是一种有效的思路。但是，在钢铁企业中，一般将物流问题当作孤立的事件，很难从历史数据进行优化分析，并且缺乏各单元、各站点及其相互耦合关系对产品影响的考虑，因此需要采用合适的方法对多尺度多目标下的物流进行统筹优化管控。多尺度研究是对钢铁物流过程本质进行科学描述，挖掘出不同尺度内的客观自然规律，建立其数据模型和评估模型［16］。深度融合多尺度资源分配和生产调度，在满足生产流程工艺约束下，合理安排每组生产活动的时间，得出相应的资源多尺度分配策略，是解决钢铁企业物流优化管控的有效方法。本文从实时生产、作业计划、产品制造及合同等方面，设计了多尺度多目标物料统筹管控模型，多尺度多目标物料统筹优化见图4。

为了给生产的实施提供充足的资源，达到最小化资源成本的目的，钢铁企业需要在生产计划的整个时间范围内，对短、中、长期按照不同时间尺度进行资源优化配置，即进行多尺度资源配置。与时间维度一般意义上多个阶段的划分不同，重点在于时间维度上的多尺度特征，既在大尺度上实现战略目标层的长期决策，又在小尺度上满足局部策略的需求，对资源进行灵活配置，大大降低资源浪费，提升资源的利用效率。另外，该模型同时考虑市场资源供给和成本的动态性和不确定性条件，细化资源配置操作和资源成本结构，合理进行资源调配。

3.2 生产-物流全过程协同优化

钢铁企业厂区参与物流运输管理的单位较多、共享资源困难，存在诸多弊端，物流运输操作的智能优化以及合理计划是生产物流管理和调度的重中之重。另外，客户需求随着钢铁行业的逐步全球化，也从过去的大批量、单品种转变为小批量、多品种、个性化。钢铁企业为了占领更大的市场份额，必须按合同组织材料、灵活生产［17］，但是物料运输变得更加复杂，并且和钢铁生产工艺流程的复杂性与生产的大规模性产生了尖锐的矛盾，常常在部分工序出现产量超出合同定量的情况。随着钢铁企业信息化水平的飞速发展，在全面的工业互联网、信息化技术的支撑下，对生产、物流的全过程进行协同优化将对企业整体效益的提升做出巨大贡献。在钢铁生产与制造的过程中，前后工序由各种生产设备有机地联系在一起，在生产和供料上具有紧密依赖关系。因此，从整个生产过程的角度来安排工序间物流是十分必要的。钢铁生产-物流全过程优化如图5所示。

图5 钢铁生产-物流全过程优化Fig.5 Optimization of Whole Process for Iron and Steel Production and Logistics

生产-物流的全过程优化在物流协同优化与决策支持（如物流调度计划智能决策模型）关键技术的充分支持下，融合物联网、区块链、云计算、大数据等新技术，通过对物流赋能同时对不同运载工具、厂内不同车间和不同运输物资进行协调优化调度，并无缝衔接到远程计量、ERP、MES等其他信息系统。统一协调生产、包装、仓储、运输、配送等全物流价值链环节，实现物与物、人与物之间的协同优化，最终改善钢铁物流产业的决策模式，实现对物流的智能化、集成化管理和控制。

4 智能化决策-供应链全局优化

钢铁产品属基础原材料类大宗商品，上游与电力、机械制造等行业，焦炭、煤炭等能源原料企业，铁矿采、选、烧等原矿原料企业，铁合金及有色金属生产企业联系紧密。下游与石化、建筑、汽车、集装箱、家电、铁路、机械、造船等行业息息相关。国内钢铁工业由于整个行业集成度不高，对整个供应链的掌控能力较差，特别是对供应链的上游资源，例如铁矿石，其价格更是处于被动接受的状态。在新的形势下，钢铁企业需要对供应链和物流体系做好全面的分析和改革，为企业发展提供有效的支持。

4.1 钢铁全供应链物流标准框架

钢铁企业处于钢铁供应链体系的核心位置，集物流信息、物流服务、物流量于一体。在钢铁供应链中，为了全面涵盖相关物流标准，必须围绕供应链核心单元-钢铁企业，全面覆盖钢铁流通领域，制定相关钢铁物流标准体系［18］。本文对钢铁供应链体系做出了详细的环节细分，从物流流通全供应链角度出发，分为供应、生产、销售、流通等环节，在国家物流标准体系框架的基础上，构建了钢铁供应链整体物流标准框架，如图6所示。

图6 钢铁全供应链物流标准框架Fig.6 Standard Framework for Logistics Service for Iron and Steel Supply Chain

标准框架包含全供应链体系中物流技术以及工作方面的标准。生产物流标准在有效结合社会物流相关标准下，连通社会物流和企业内部物流，逐步将非钢铁主业业务转向社会化模式，进而简化企业人员配置，提升劳动生产率水平，从而实现高物流效率、降低物流成本的目标。在冶金规范的基础上建立全程质量监督管理体系，实时管理供、产、销一系列环节中产品质量信息，达到保证企业产品在冶金规范体系下实现高品质物流管理的目的。因此，依靠钢铁行业的冶金规范，建立围绕供应链管理的生产物流流程再造模式能够有效降低企业物流成本，增加企业运营收益。

4.2 物流、资金流、工作流协同优化

钢铁企业生产物流以厂为界，包括从原料到成品的整个生产过程中的物流活动，物流量大、物资平均库存量高、装卸效率低、倒运等问题较为普遍，严重影响了企业运作效率和资金流通效率，降低生产物流成本是各企业当前亟待解决的重要问题。主要以优化物流成本为主线，通过详细分析物流系统的组织管理、实际需求、业务能力和运行效率，给出最优的生产物流调度策略，进而使得物流效率大大提高、厂内物流费用得以有效降低，达到提高企业生产效率，降低生产成本的目的。此外，结合钢铁行业信息化系统五级架构，充分发挥其优越功能，统一管控企业的生产、经营活动，包括物资采购、生产统计、生产组织、质量控制、产品销售以及财务成本管理全方位内容［19］。

物流、资金流、工作流的协同优化对于钢铁物流的供应链全局优化具有重要意义。可利用物流模型生成资金流模型，根据资金流中成本和利润信息，来优化物流模型中的工艺路线、加工条件和企业工作流程，进而生成有序的设备操作集合，并对工作流中各活动所涉及的资源和数量进行确定，实现物流、资金流和工作流的统一化建模。此外，为达到各业务系统协同管理和控制的目标，还需要对信息流和业务流之间实现充分协作。充分利用最新的智能检测、智能控制、专家模型、大数据等信息化技术，实现物联网生态环境下的前后工序、上下游企业及内部生产业务流、物流、资金流的协同、融合。

4.3 云智能服务

钢铁企业传统的单一工序管理系统在数据交互、资源整合、业务协作等方面无法满足需求，而物流云平台能够弥补这一缺陷，实现物流、资金流、商流和信息流的协同管理。依靠大规模的云计算处理能力、标准化的操作流程、灵活的业务覆盖、精准的环节控制、智能的决策支持和深入的信息共享，在物流枢纽和各种物流部门等关键环节，实现物流行业全流程所需的信息化需求。

物流云平台综合了物流集成网络、数据流集成技术、物流业务流程集成技术和物流服务集成技术。其中，物流集成网络能够供给全球服务发布与调用，起到了数据交换功能，在组网模式上支持了混合云的方式，行业标准、国内标准和国际标准等标准之间也能够相互转换和映射，为用户使用数据网络时提供了更高效、更灵活、更低成本的服务。数据流集成技术将多个分布式异构物流数据源按照一定的规则逻辑集成为一个统一的数据集，实现数据流在规定网络协议下的流通，并为系统提供方便查询的接口。物流业务流程集成技术对物流业务流程利用监控、分析和重组的方式进行优化，促进了人-人、系统-系统以及人-系统之间的集成，包括中间件技术、业务流程管理和工作流技术等。物流服务集成技术为用户提供更加个性化、更加便捷的物流服务，围绕物流过程对信息输入输出和服务类型按照业务活动、任务、对象等进行了划分。因此，传统主机系统在处理海量数据时的困境在物流云平台上得到解决，不仅对资源实现了管理的统一化，而且在处理数据时的效率更快、更高，并且决策者能够获得反馈的可用信息，有效地解决能源消耗、资源利用率和资金成本之间的矛盾。

5 结语

钢铁企业的物流包括采购、生产、销售、售后等过程中一系列物的流通，具体为原材料的采购、物资运输和交付、生产中的包装和装卸、交付各种市场销售中的物资流通、二次加工和售后跟踪等。本文基于人-信息-物理系统的框架，分别从信息感知和管理、全流程优化调度、以及供应链全局优化决策三个层次对钢铁工业物流涉及的关键问题进行了设计和分析，以期加快钢铁物流的信息化、自动化和网络化发展，使各个环节都达到无缝衔接，使商流、物流、信息流及资金流畅通融合，提高钢铁企业的物流效率，推动钢铁企业的全面发展。