酒钢的启示：数字化转型后上半年亏损9.7亿元，卷烟工业企业如何借鉴（中）

二，数字赋能传统产业转型升级的目的和意义

还以酒钢宏兴炼铁为例。

铁在铁矿石中是以化合物（如氧化铁）的形式存在。炼铁的原理，是利用铁及有害杂质硅的熔点不同，通过控制温度和压力，让铁的化合物还原形成液态的铁水，有害杂质形成固态的炉渣，实现铁与杂质的分离。

炼铁操作中，将原料铁矿石、焦炭和石灰石按一定比例分层加入高炉中，热风吹入高炉，焦炭燃烧使温度上升，并产生一氧化碳，一氧化碳与铁矿石发生化学反应，铁的化合物逐步被还原成液态的铁水。石灰石与熔点很高的脉石（其主要成分是二氧化硅）反应，生成硅酸钙浮于铁水之上，形成炉渣。

脱硅以后，还需要进行脱硫脱磷处理。最后的铁水：一般含铁90％～95％，碳3％～4.5％，和少量的硅、锰、硫、磷等，含量都有严格的要求。硅、锰有一定的范围，硫、磷越低越好。

进入转炉炼钢的铁水，温度一般不低1250度，而且要稳定，还要有稳定的化学成分。铁水和废钢进入转炉，进一步减少碳、硅、磷等杂质，可得各种成分的钢。加入铬、镍等，可得更高性能的钢。

所以，铁冶炼的干净程度，即生铁中的含碳量以及其它杂质的含量，是钢材质量和性能的决定性因素。

酒钢宏兴炼铁厂对高炉的数字化改造，并没有对于铁水的内在质量（工艺量），即含碳量及硅、锰、硫、磷含量进行预测和控制。即使提前知道了炉温和铁水温度，由于高炉内部多变量、时变、非线性因素，对于铁水化学成分的控制，总有一种隔靴搔痒的感觉，用了很大劲，但挠不到关键点上，打蛇没有打到七寸上。

那么如何破解这个难题？ iAnn工业人工神经网络对于高炉这样的系统，处理起来得心应手。

iAnn工业人工神经网络，原理来源于人工神经网络，借鉴人脑神经网络处理信息的方法，包含多层神经元，神经元之间有可变权重连接。通过反复学习训练，逐步调整改变神经元的连接权重，模拟输入输出之间的关系，具有自学习、自组织、自适应以及很强的非线性函数（数学模型）逼近能力。iAnn工业人工神经网络也可以说是用数学模型模拟神经元的活动。

图片1.png

其最大的优势，是不需要知道输入输出之间的确切关系，不需要大量的参数，只需要知道引起输出变化的非恒定因素（输入）。通过输入和输出数据就可辨识神经元的权重（相当于数学模型的系数）。与传统的数据处理方法相比，iAnn可以很优秀地处理非线性数据系统，建立数学模型，实现预测和逼近控制。

高炉的输入是铁矿石等来料、热风及外部能够测量的数据，输出即高炉出口的铁水温度、化学成分。输入输出都是可测量的（以前工业数字化的数据）。iAnn工业人工神经网络通过输入输出辨识炉内的状态量或工艺量，运用高等数学的函数关系，建立高炉的动态模型（数学模型）。

经过仿真训练，由AI算法找到在冶炼周期内为约束条件下的最佳状态量或工艺量（温度或化学成分），成为参考模型。这样就能控制高炉按照参考模型来运行。

图片2.png

通过数学模型的稳态和动态，进一步得到状态观测器（或工艺观测器），来观测高炉内部动态的状态量或工艺量（温度和铁水化学成分）。

为了减少各环节的运行惯性，观测器对铁水温度和化学成分的观察值，反馈到全状态反馈控制（或工艺控制器）实行积分控制，高炉出口的铁水温度和化学成分就能跟踪参考模型的理想输出，实现时时在线的闭环控制。由于参考模型不受来料、室温、热风等的影响，冶炼的铁水温度和化学成分也不受这些因素的影响。

图片3.png

在限定条件下，想要什么样的结果，就设定什么样的结果。并且不论在哪个高炉上，不论在哪个生产基地，不论在什么季节，铁水的温度和化学成分稳定性不变，实现“三个一致”：批批一致，处处一致，时时一致。

这样的铁水，什么样的好钢炼不出来。同时的道理，应用在炼钢的转炉上，什么高性能的钢炼不出来，什么样的特殊用途钢炼不出来？产品结构就能实现跨越式提升，酒钢宏兴就不用再打价格战，高端设备用钢的企业会排着队来，也可以出口高端钢，扬眉吐气走出国门。

这不正是数字赋能传统产业转型升级的目的和意义吗？在高端产品、关键工艺、关键软件上，不但能够破解发达国家卡我们的脖子的问题，还能走上国际舞台和发达国家竞技。

iAnn工业神经网络控制系统，不需要采集大量数据，够用就好。设备在运行中，能够实现动态平衡，各种资源和能源投入，不需要多，刚刚好就行。能够最大程度降低成本和能源消耗，以及降低云平台的租用费用和维护费用。

从iAnn工业人工神经网络的角度来说，数据模型或者叫数字化模型，仍然是数据拟合，需要采集大量的数据，根据大量的数据拟合出比较合适的模型，来预测规律或趋势，指导操作或决策。这样的数据模型不能脱离原数据，耗电量大，数据存储成本也高。并且数据模型用到别的高炉上，需要重新调整参数，以适应新的环境。

iAnn在产品质量提升的同时，伴随着降低成本、降低能源消耗、提高生产效率。数据模型是在降本、降耗增效的同时，伴随一定质量的提升，虽然都采用了模型控制，但是有本质区别。

在一定的约束条件下，降低成本和能源消耗是有天花板的，而产品质量的提升是无止境的，能够不断提高产品质量，才算真正实现了脱胎换骨。现代工业化的实质是“量的喷涌而出，质的不断精进”。

以工信部发布的成熟度模型来衡量，钢铁行业数字化转型起步早，但基本还在三级阶段，也就是采集分享和分析阶段，这是数据模型阶段。用数学模型解决关键工序，对核心业务精准预测和优化，形成关键技术软件，才是到了四级，这是一个从硬实力向软实力的跃升。

图片4.png

（智能制造成熟度等级演进示意图）

从上图明确看到，从三级到四级，是重要的分水岭，是从硬件到软件的跃升，从装备升级到知识产权的跃升，从信息化技术手段向数据挖掘的提升，从互联网+技术向人工智能的提升，从采集外部数据向控制内部数据跃升，从数据采集共享到数据利用释放价值的跃升，从数据模型向数学模型的提升，从提高管理效率生产效率向提高产品质量的跃升。

关于数据复用的判断，2024年5月的第七届数字中国建设峰会，以“释放数据要素价值，发展新质生产力”为主题，发改委中国数据局发布了《全国数据资源调查报告（2023年）》，明确指出：数据资源管理和利用整体处于起步阶段，表现在：

1，我国“互联网+”的蓬勃发展，产生了海量的数据。2，数据加工能力不足导致大量数据价值被低估、难以挖掘复用；3，大模型、训练工具等支撑能力不足，海量数据开发利用价值低于存储成本。

iAnn工业人工神经网络的应用，将会改善这样的状况，真正做到释放数据要素价值，发展新质生产力。

中国智能制造，就是要通过发展新质生产力，赶上并超过发达国家的制造。比如钢铁行业，发达国家在高端钢材的质量稳定性、性能一致性方面表现更优，其产品能够满足严苛的技术要求和质量标准，如高强度钢、超高强度钢、特殊合金钢、精密合金等。这些高端钢材在航空航天、汽车、高端装备制造等领域应用广泛。我国钢铁制造在这方面有很大差距。

国外在高端制造方面，依靠的是计算机编程语言，创建算法和逻辑来实现精细化控制，这是一种传统的控制方法。iAnn工业人工神经网络能够让机器具备智能和学习能力，特别是对于不能直接测量的数据，并且具有非线性、时变、多变量等复杂的系统，更具有优势。这或许是我国在高端制造领域的一个突破口。

举个例子：神五外罩的一个部件是国产的，冶金部老专家亲自出马，夜以继日，用革命的精神，试错的理论，终于达标。也有人说，单批生产，如果有工艺技术人员现场指导把关，什么样的钢都能生产出来，但是批量生产，就不行了。

如果在酒钢宏兴的计算机屏幕上，直接显示铁水或者钢水的化学成分控制曲线，那是多么振奋人心！解决了化学成分的精准控制，实现了高端产品的批量生产。这将会成为钢铁产业新标准、新标杆。

卷烟工业企业的数字化转型升级，其核心也是提升产品质量，生产效率和管理效率的提高是副产品。

相关新闻链接：

酒钢的启示：数字化转型后上半年亏损9.7亿元，卷烟工业企业如何借鉴（上）

原创文章，作者：小雨滴，如若转载，请注明出处：http://www.lkbq.cn/l/91389.shtml