2022年全球工业互联网大会暨工业行业数字化转型年会召开
2023-07-30 11:05:00   来源：中国工经新闻   

7月27-29日，以“加快工业数字化转型,推动经济稳中求进”为主题的2022年（第四届）全球工业互联网大会暨工业行业数字化转型年会在浙江桐乡乌镇举办。中国工程院院士王国栋出席大会，以《建设钢铁材料创新基础设施 加快钢铁行业数字化转型》为题发表演讲。中国钢铁工业协会党委副书记姜维会前应邀为大会作视频讲话，分享了钢铁行业在推动工业互联网融合创新发展方面的实践。

王国栋在演讲中表示，钢铁行业具有丰富的数字技术应用场景资源，已经实现了全面的数据采集和丰富的数据积累。要将数字技术与钢铁行业深度融合，发挥钢铁行业应用场景和数据资源的优势，以工业互联网为载体、以底层生产线的数据感知和精准执行为基础、以边缘过程设定模型的数字孪生化和CPS化为核心、以数字驱动的云平台为支撑，建设数字技术与钢铁企业实体技术深度融合的数字化创新基础设施。

图为王国栋演讲。

王国栋对钢铁材料创新基础设施进行了详细阐述。他表示，钢铁材料创新基础设施是以工业互联网为载体、以数字孪生为核心，提供数据全生命周期管理，支持数据治理、大数据存储、大数据分析引擎、大数据流动驱动等数据底座。它搭建数据化业务基盘，并构建面向未来的数字化创新应用，依托全流程、全场景数字化转型，软硬协同，发展最新的工业信息通信技术，实现钢铁工业的数字化转型。钢铁企业创新基础设施包括4个主要组成部分，即实验中心、中试基地、底层生产线组成的物理空间，位于边缘的边缘数字化核心平台（边缘云平台），位于云平台之上的企业资源配置与管理平台（资源配置与管理平台），以及管理以上底层物理实体和2个平台的网络系统。

钢铁创新基础设施的底层是企业实验室、中试基地、生产线组成的物理实体。在物理实体设备上安装的信息感知系统，采集数据并传送到边缘或云平台，对经过预处理的海量数据，进行数据分析，并在边缘建立数字孪生模型进行过程控制，或在云平台进行管理和操作指导。“钢铁工业要实现数字化转型，首要条件是钢铁产线的各个基本单元具有完备、可靠、性能优良的数据采集系统，可以提供精准、齐全的现场有关材料成分和实时操作数据等输入数据，以及材料外形尺寸、组织性能、表面质量等输出数据。同时，各工序的基础自动化系统和执行机构必须以足够的响应性、实时性和控制精度实现过程控制系统与物理系统的实时交互，完成需要的自动化控制任务。”王国栋说。

王国栋表示，尽管我国多数钢厂有较好的自动化基础，但仍然有缺项和“短板”，必须填平补齐底层生产线的数据采集和执行机构的缺项，消除“短板”。现在，利用机器视觉技术可以提供多维测量的信息，经过数据变换和分析，可以获得我们需要的尺寸、形状、分布等定量的表达。这方面有很大的创新空间。

执行机构嵌入到三类实验工具的物理实体层上。依靠实验室规模的基础性实验装备提供的信息，可以建立初级数字孪生模型。经过验证、优化后的数字孪生模型，在生产中承担生产过程设定计算和动态设定计算，并与物理系统（即生产线）进行实时交互、反馈控制、循环赋能。处于模型库中的各钢种模型，具有高度自治的功能，可以在轧制该钢种时，利用实测大数据进行自学习、自适应，实现模型的更新，持续不断地提高模型的保真度。

王国栋强调，为进一步提高生产效率、改善成材率、实现稳定生产，需要对传统自动化系统补课，大力推进操作的远程化和自动化。对于3D（Difficult，Dirty，Dangerous）岗位实行机器人化。这是一个长期的工作，可分步逐步实施。

数据驱动的新型IT架构，通过工业互联网直接将底层的数据采集系统获得数据传输到边缘及云中的数据中心/机器学习平台，在边缘形成数字孪生模型取代原有的机理或经验模型，而在云中多数形成操作指导，对资源配置进行优化与管理。

王国栋认为，钢铁企业过程控制系统有数千台至数万台计算机运行，发生大量的数据往来。在传统的钢铁制造工序中，传感器信号汇集到定序器等下位计算机后，再传送到上位机。传统的控制系统没有考虑到整个过程大数据分析的需要。传感器数据经过多次逻辑运算、阈值处理等，再分层地汇集，必然舍弃较多数据。在这样的结构中，大数据的分析和运用非常困难。因此，必须采用数据驱动型的系统架构（Data Driven Architecture）。这种架构将传感器等物联网化，公平收集所有传感器的数据，再送到边缘和云中的数据中心进行处理和分析。对于多厂商环境的课题，可以在边缘服务器等汇集数据后，从优先的数据群开始依次进行结构标准化等操作，以便于数据使用。这种方法在运用原有系统的同时，通过运用最新的数据转换技术和高速通信，可以推进数据驱动型架构的构筑。

他进一步介绍说，在生产线附近的边缘，设置一个数据驱动的原位分析系统。原位分析系统由边缘数据中心和机器学习平台组成，对经过处理的生产试验数据进行机器学习、深度学习等数据分析，以足够的精度给出描述材料成分、生产工艺与产品组织、性能、外形尺寸、表面质量、状态量等控制目标之间的关系，即数字孪生，为后述的过程设定提供具有自学习、自适应、自组织等能力高保真度设定模型系统。

在资源管理与配置云平台，预处理后的数据根据需要，可以使用BI(商务智能)工具进行可视化处理，再输出到屏幕显示或操作指导。BI工具可以很容易缩小数据范围，切换可视化部件，实现可视化部件之间数据联动等，因此容易进行灵活的分析。可视化部件包括：时间序列图表工具、散点图工具、工艺流程可视化工具等。

GUI（图形用户界面计算机）环境下运行的机器学习工具有两类，即专门用于分析时间序列异常预兆的机器学习工具和进行一般数字数据分析的机器学习工具，将依据需要分别在云平台和边缘平台使用。在GUI环境下运行的深度学习工具，可以处理声音、图像、文本等非结构化数据。

王国栋指出，为适应“无编程化”发展趋势，采用“低编码应用程序开发”等新的应用程序编程工具，实现编程工具简易化。这样有利于加速数字技术的传播与普及，使数字技术成为钢铁等非信息领域专家手中的有力工具，加速在钢铁企业中发展、壮大数字化创新人才队伍，形成数字化创新的生态。

“边缘数字化核心平台的关键技术是边缘过程设定模型数字孪生化和边缘—生产线互相映射的过程控制的信息物理系统化。”王国栋表示。

他认为，钢铁生产过程全部冶炼—加工过程是“黑箱”。目前传统的钢铁生产过程存在三类问题：一是产品质量、成材率、新品开发效率等商品与服务问题，二是提高产量与效率、降低成本、防止事故等工艺过程问题，三是提高劳动生产率、技能传承、人才培养、安全、操作水平等生产现场问题。这三类问题均集中在以“黑箱”为特征的主流程生产过程中。针对上述影响企业经营的重大问题，必须围绕制造主流程，建立“边缘数字化核心平台”，简称“边缘平台”，实现数字孪生系统与实际过程实时融合的一体化和全流程的CPS化。

边缘云平台的任务是，利用大数据/机器学习的数据分析方法，解开贯穿钢铁全部主流程的“黑箱”，搞清楚隐藏在“黑箱”中的规律，将“黑箱”变“透明”，给出全局性的数字孪生过程控制模型，实现边缘设定模型的数字孪生化。因此，钢铁等流程工业必须将云端业务能力向边缘延伸，发挥边云协同能力，实现分布式云功能，强化边缘低时延、实时性工业控制。构筑在边缘设施上的边缘云计算平台，具有和传统私有云一样的安全性，在用户机房内就近部署，满足数据不出厂的需求。

王国栋强调，数据驱动的边缘数据中心，必须提供大数据/机器学习必需的全部数据，并对这些数据进行提取、转换、存储等数据处理。与此相应，在边缘部分设置“大数据/机器学习解析平台（I）”（D/M平台I），可以利用数据科学、AI等技术解析建立数字孪生过程模型，以及实现过程可视化、APP开发等功能。生产过程数字孪生模型要传送到过程控制系统，代替传统的机理-经验模型，进行生产设备的设定和动态设定。

钢铁生产流程上各个不同的应用场景，比如烧结、球团、高炉、转炉、精炼、连铸、热轧、冷轧等，有各自特点，需要采用不同的数据分析方法。所以，要注意依据各个场景的特点，采用不同的机器学习算法，解决各自的问题。这是需要依据各单元特征突破的技术难点。

这样，在作为物理实体的物理底层和作为数字虚体的边缘之间，形成数据闭环自动流动的四个环节，即“状态感知、实时分析、科学决策、精准执行”的闭路循环中，实现资源的优化配置。在这个循环过程中，大量蕴含在物理空间中的隐性数据经过状态感知被转化为显性数据，进而能够在信息空间进行计算分析，将显性数据转化为有价值的信息。不同系统的信息经过集中处理形成对外部变化的科学决策，将信息进一步转化为知识。最后以更为优化的数据作用到物理空间，构成数据的闭环流动。这个闭环赋能过程具有“数据驱动、软件定义、虚实映射、泛在连接、异构集成、系统自治”六大特征。如此，就建立了钢铁生产各工艺单元的CPS，将全流程各单元的CPS集成起来，就实现了全流程的CPS化。

云中的资源配置管理云平台，简称“云平台”，位于云中，称为“云端智能层”。在传统的工业互联网系统中，它承担低实时性的 MES、ERP和BI生产计划、管理、调度、决策等功能，同时，还可以实现质量、设备能力、成本、资源、能源、人力资源等多个目标的管控、溯源、资源优化配置等支撑和保证作用。

王国栋说，在钢铁创新基础设施中，“云平台”负责生产计划、调度、质量、效率、稳定性等生产活动，原料、供应、能源、介质、排放、物流、人力资源、财务、成本、技术创新、发展战略等资源配置和管理功能，是“边缘部分”设定、运行、调度的强大支撑部分和企业管理的重要组成部分。

他强调，云平台必须是数据驱动的。在云平台配置有企业大数据中心和“大数据/机器学习解析平台（II）”（D/M平台II），该平台也是利用大数据/机器学习等数据技术，分析生产、设备、能源、物流等资源的生产要素，对相应部分的运行和管理工作进行管理和优化，支撑和保证边缘云的最优化运行。位于云端智能层的资源配置与管理系统包括如下7部分：

①生产计划与调度管理系统（原MES,ERP）；

②设备运维、管理、诊断、维护、点检、检修、备件管理、可靠性分析等有关事项；

③物流、原料、介质、能源调度、管理，以及工件跟踪、产品管理、排放管理，等等；

④安全；

⑤钢铁材料新品开发、工艺优化；

⑥人力资源、成本管理、原料管理、市场分析等企业管理事项；

⑦企业发展战略分析，等等。

王国栋表示，以通信与网络系统连接上述底层的物理实体与边缘平台、云平台，形成工业互联网。将原有光纤网络系统与新型的5G网络混合，形成泛在网络，将“云”“边”“端”的内部和外部连接起来，做到即插即用的泛在连接，保证数据在系统内的自由流动。

网络化能够实现工业互联网内部单元之间以及与其它网络系统之间的互联互通。应用到工业生产场景时，网络连接的时延、可靠性等网络性能和组网灵活性、功耗都有特殊要求，还必须解决异构网络融合、业务支撑的高效性和智能性等挑战。构成工业互联网的各器件、模块、单元、企业等实体都要具备泛在连接能力，并实现跨网络、跨行业、异构多技术的融合与协同，以保障数据在系统内的自由流动。泛在连接通过对物理世界状态的实时采集、传输，以及对信息世界控制指令的实时反馈下达，提供无处不在的优化决策和智能服务。

王国栋认为，5G的先进信息通信技术特性特别适用于钢铁行业的各种特殊场景，推动了图像、声音、视频、文本等非结构化数据的检测、处理、传输与控制技术的发展，为复杂工况的分析、决策与控制提供了强大的发展动力。近年创新性提出的5G切片方案，确保统一基础设施能够适应差异化业务需求，是进入垂直行业的关键。5G的多接入边缘计算（MEC），将多种接入形式的功能、内容、应用等同部署到靠近接入侧的网络边缘，将核心网用户面与应用下沉至离用户更近的位置，可以降低时延至毫秒级，并确保垂直方向上边缘与底层的短时延实时交互。全新的智能边缘云与5G结合，能够降低时延并赋能新的应用与服务，网络性能、安全性和隐私保护能力可以都得到提升。5G低时延大数据传输、切片网络架构、多接入边缘计算、智能化的边缘云，为钢铁工业互联网的应用和发展提供了强大的驱动力。

王国栋表示，鉴于钢铁材料创新基础设施的重要性，我国钢铁行业学科交叉、行业协同、产学研深度融合，将数字技术与实体经济融合，大力开展钢铁材料创新基础设施的研究，并在一批企业建设炼铁—炼钢—轧制—热处理全流程、一体化的钢铁材料基础设施，目前已经在一些重要的生产单元，取得重要突破，实际应用，成效显著。

他总结了一批重要的数字化转型的关键技术：

王国栋指出，钢铁工业数字化是钢铁工业发展的大趋势、大方向、大战略。我们要以国家重大需求和企业生产中的问题为导向，产学研深度融合，攻克关键共性技术，创新颠覆性、引领性、原创性技术，加速建设钢铁材料创新基础设施，掌握企业核心竞争力，促进我国钢铁行业实现数字化转型、高质量发展。“我们相信，中国钢铁行业一定会在激烈的国际竞争中占据科技发展的制高点，成为世界钢铁科学技术的领跑者。”他信心满满地说。

姜维介绍，随着工业互联网创新发展战略的逐步深入，钢铁行业已成为工业互联网融合创新的重要领域。为积极发挥行业协会桥梁纽带作用，2021年4月，钢铁协会组织成立了由宝武、鞍钢、沙钢等94家钢铁企业，华为、阿里、中国联通等100家智能制造供应商，以及北京科技大学、东北大学、中国钢研集团等26家科研院所、高等院校等组成的钢铁行业智能制造联盟，也作为中国智能制造系统解决方案供应商联盟钢铁行业分盟。依托联盟，推动行业工业互联网融合创新，先后征集遴选出128项钢铁行业智能制造优秀案例目录，13项最佳推荐案例，组织“融合发展与数字化变革IT之旅”——走进华为、浪潮、震兑、海康威视等企业，完成《钢铁行业智能制造标准体系建设指南》和《工业互联网与钢铁行业融合应用参考指南》的编制。

姜维表示，通过钢铁协会打造的钢铁行业智能制造生态体系，有力地将工业互联网的强大基因，与钢铁行业数字化、网络化、智能化转型相融合，为制造强国、网络强国建设作出积极贡献。目前，钢铁企业结合行业技术特征和自身发展需求，不断探索推进工业互联网建设与创新实践，一大批工业互联、人工智能、智能制造的最新技术在钢铁行业得到充分推广应用，大中型钢铁企业已经全部完成“管控衔接、产销一体、三流同步”，大型钢铁集团企业基本上完成了5层信息化系统的建设，近90%的企业生产制造执行系统（MES）已建立。更可喜的是，这些成熟的技术正在向中小企业推广应用，500万吨规模以上钢铁企业基本实现了管控衔接。据不完全统计，截至目前，先后有26家钢铁企业获评工信部等部委授予的“制造业与互联网融合发展试点示范”、智能车间、智慧工厂、智能制造综合标准化与新模式应用项目等。这些成绩的取得是可喜的。

姜维强调，工业互联网是促进钢铁工业加快智能化转型升级的重要基础和手段，也是钢铁行业进行智能化转型的首选路径。

近年来，钢铁协会以实现行业产能的绿色化、提高产线的智能化为目标，围绕“搭平台”“抓基础”与“树标杆”，引导企业推进工业互联网应用,编制了《工业互联网与钢铁行业融合应用参考指南》。《指南》聚焦钢铁行业特点、环境、需求、痛点、任务等进行了分析和研判，总结了行业的典型案例和成功实践，明确了钢铁行业工业互联网建设任务，对钢铁行业与工业互联网融合发展具有指导意义。指南于2021年11月20日年在工信部和湖北省政府共同举办的“2021中国5G﹢工业互联网大会”上予以发布。

同时，钢铁协会作为钢铁行业标准化管理的归口单位，也在积极加快推进行业智能制造标准体系建设，从标准化角度推进工业互联网在钢铁行业的应用，助力钢铁行业高质量发展。如牵头编制完成了《钢铁行业智能制造标准体系建设指南（2022版）》，推动综合集成技术标准编制，截至2022年6月底，共发布钢铁行业智能制造领域标准编制计划109项，其中已完成发布团体标准32项，立项行业标准8项。承担“工信部—2021 年产业技术基础公共服务平台项目—建设智能制造标准试验验证公共服务平台”项目建设。通过积极开展工业互联网在钢铁行业应用方面的标准研制工作，将有力推动以工业互联网赋能钢铁行业智能化的转型，以标准助力钢铁行业高质量发展。

图为2022年（第四届）全球工业互联网大会启动仪式。