近年来，在全球市场竞争加剧、国际能源和原材料价格波动的背景下，很多大型企业特别是钢铁企业走向减少产业扩张、收缩产业规模、精简人员等集约性发展道路，以应对前所未有的变革和挑战。钢铁企业如何在新时期下，通过生产制造的数智化手段降本增效、提高企业自身的适应能力和核心竞争力，是企业生存发展的核心问题。欧盟出台了ＣＢＡＭ碳边境调节机制的碳关税政策，并已经开始在钢铁行业渐进式实施。中国国内的碳交易也将扩展到钢铁领域，节能降碳不仅是企业的社会责任，也是企业可持续发展的基本动力，并成为企业新的资产和成本项；“双碳”的经济价值成为企业未来转型、产业升级的重要考量因素。江阴兴澄特种钢铁有限公司（以下简称“兴澄特钢”）同样面临整体市场发展动力不足、总体产能过剩的严峻形势。后疫情时期，受到市场需求变化波动影响，竞争更为激烈，利润空间也持续被压缩。用户小批量、个性化、高质量的定制要求，也对特钢生产企业提出了更高的要求。

随着工业互联网、人工智能、大数据分析、数字孪生、模拟仿真等数字化技术的创新与发展，使得企业在面临诸多不确定性环境挑战的情况下，不断寻求数字化转型。近年来，国内外钢铁行业也大幅加速了数字化改革进程，并逐渐形成具有差异化的竞争能力，兴澄特钢利用数字化转型寻求新的突破迫在眉睫。

１兴澄特钢数字化转型

２０２０年兴澄特钢开启数字化转型之旅。兴澄特钢的数字化转型建设历程主要围绕定制化、高品质、可持续等目标展开，紧握当下市场定制化、高品质的需求，通过数字化建设实现敏捷快速响应，抓住绿色低碳可持续发展的窗口机遇期，完成数字化蜕变。

特钢生产是一个非常复杂的过程，新技术的应用可以真正支持整个生产过程的优化。过程自动化、信息技术和连通性的智能结合使特钢生产的数字化远远超出了传统的工业生产自动化，对整个工业的示范性数字化起到积极的推动作用。

１.１转型前存在的问题

兴澄特钢转型前存在传统钢企的一些普遍性问题，主要存在问题如下。

定制化能力不足，新产品上市周期长。定制化订单的工艺参数设计效率低，工艺知识碎片化，各类工艺文件多达２００００余个，且分散在多个系统。查询耗时、准确度低，工艺匹配严重依赖人工经验；新产品试制次数多、周期长、成本高。

产品质量评判缺乏系统性，闭环调优能力不足。特钢生产流程长，质量数据分散在物料系统、制造系统、检化验系统、研发辅助系统等１０００余个站点，数据离散且关联性复杂，导致质量问题分析定位困难，无法实时监控与评价；复杂的工艺过程操作依赖人工，质量目标的命中率不足。

高炉炼铁“黑箱”操作，能耗浪费大。高炉是温度大于１５００℃的高温、高压、反应复杂的巨大密闭容器，数据采集困难，高温热态透明化是行业级难题；凭经验无法实现稳定精准操作，生产和能耗波动大；长期运行，设备安全隐患大，高炉一旦投入使用通常会７×２４ｈ连续运转多年，关键位置的腐蚀情况难于实时监测，安全生产潜在风险大。

轧钢工序生产协同性差、存在低效生产。加热炉人工控制精确度差，冷却温度命中率不高，生产达成周期受影响；现场应用系统多，操作难衔接效率低；操机人员多，效率低，且管理协同难度高，同时多系统衔接与切换过程慢。

缺乏系统性的能源管理统筹机制，能源利用效率低下。对能源进行大颗粒度数据采集和事后分析，不够精细；钢铁生产中会伴生煤气，人工调度煤气的“产生和使用”，指令不准确不及时，无法做到提前预判，造成了较大的煤气放散浪费；碳排放核算到订单困难，无法预测和规划碳排放，“碳核算”管理颗粒度粗、速度慢，对定制化订单的“碳足迹”只能事后核算，不能达到订单级的实时计算和预测。

１.２数字化转型战略

２０２０年，兴澄特钢制定了企业数字化转型战略，如图１所示。秉承“特钢是科技炼成的”理念，以数字化技术全力打造企业核心竞争力，致力于成为全球最具竞争力的特钢企业。兴澄特钢积极响应中信泰富特钢集团的“六六三战略”，通过打造特钢制造生态技术体系，赋能特钢生态圈，引领智慧制造潮流，不断提升“技术质量、品种规模、服务用户、降本增效、智慧制造、绿色生态”等重点工作，以智能制造为突破口，通过４线并行、以点带面、先易后难的实施路径支撑企业核心竞争力构建。

图１ 兴澄特钢数字化转型战略

１.３数字化转型建设路径

智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。兴澄特钢结合自身实际情况，从提高生产效率、降低成本、创新产品研发、提高产品质量、提高客户满意度５个方面为数字化转型切入点，结合智能制造发展趋势，制定了制定了兴澄特钢的数字化转型进阶路径。

１.３.１数字化转型发展趋势

数字化转型发展主要包含以下几个方面。技术集成与融合：融合物联网、大数据、云计算、激光、雷达等技术，针对具体生产场景，通过数据驱动实现高效生产协同、精准和精益控制、提升产品品质。

优化生产流程：结合生产工艺过程的动态数据，发现生产过程中的瓶颈和浪费，并进一步优化生产流程或过程控制，提高设备综合效率（ＯＥＥ）和生产效率。

精益质量管理：深度挖掘生产工艺参数和生产过程数据，根据质量差异状态建立质量标签，结合ＡＩ视觉技术和大数据分析、评价，形成数据驱动的最佳质量实践。

知识结构化、标准化：面向定制化的市场订单，建立标准化的研发工艺知识库，实现快速的工艺知识匹配。

建立预测、辅助决策模型：采用预测算法和模拟仿真技术，通过工艺参数建立产品寿命或性能预测，减少产品的试制次数。针对订单和既定工艺路线，预测订单的碳排放。

１.３.２数字化转型进阶路径

数字化转型进阶路径主要包含以下５个方面。

１）工业物联和模块化管理：深入挖掘工业互联网平台的复用价值，优化数据治理。

２）平台底座能力建设：跨越生产、研发到销售的产销研协同系统，建立模块化标准体系以及系统间主数据的链接与协同。

３）建立面向产业链的智能中枢：构建多场景适配的算法模型共享中心、低代码开发环境，提高高阶分析、辅助／自主决策能力。

４）联合产业上下游、科研机构共筑科技生态圈：建立面向产业、整体应用场景的数字化科技创新生态体系，通过区块链、应用市场、微服务集、数据湖等分享研发成果，并验证有效性和适配性。

５）加速数字化人才培养，成立转型办公室并推进敏捷的组织文化建设：数字化转型“人才”先行，培养既懂数字化管理、又懂数字化技术同时掌握工业现场的运行机理的复合性人才尤为关键。人才的内部成长依赖高效的互联网学院的支撑，同时企业通过高薪酬吸引外部数字化人才，提高企业的整体数字化作战能力。

２灯塔故事

２０２３年１２月１４日，世界经济论坛发布公告，兴澄特钢成为本次唯一一家钢铁行业灯塔工厂，也成为全球特钢行业首家灯塔工厂，填补了世界特钢行业灯塔工厂空白。

２.１灯塔工厂介绍

灯塔工厂项目由达沃斯世界经济论坛与管理咨询公司麦肯锡合作开展遴选，被誉为“世界上最先进的工厂”，具有榜样意义的“数字化制造”和“全球化４.０”示范者，代表当今全球制造业领域智能制造和数字化最高水平。

数字化转型可以被视为直接影响先进制造业和横向影响可持续发展途径的关键因素之一，而转型过程充满了变数与数字化陷阱。为此，世界经济论坛（ＷＥＦ）在推进数字化转型过程中建立了灯塔工厂典型示范。灯塔工厂汇集了不同领域、行业、场景下获得数字化转型成功的最佳实践案例，其标准考量点有５项，分别为通过技术用例实现重大影响、成功整合多个用例、拥有可扩展的技术平台、在关键推动因素中表现优异、在可持续性方面取得卓越成效。

２.２参选灯塔工厂

在数字化转型进程中，兴澄特钢认真实践和总结先进的场景用例，２０２２年决定参与世界经济论坛推动的全球范围的智能制造数字化转型标杆———灯塔工厂的评选。按照灯塔自评表中的５３个用例点进行了逐个对标和现状分析，发现企业多个应用场景与灯塔工厂用例点匹配，满足灯塔工厂的申报条件。

如图２所示的“通过预测分析实现质量提升”用例，兴澄特钢结合自身需要，采用ＡＩ性能预测技术提升轴承钢疲劳寿命，具有积极的示范作用；“人工智能驱动测试优化”用例，兴澄特钢研究院根据本项技术点借助ＡＩ金相检测技术可以大幅度提升测试效率；“现场质量问题整合，实现优先级判定和根本原因分析来支持解决问题”用例，对于兴澄特钢，建立质量大数据管理平台，将质量问题场景化、标签化，解决质量管理中的问题；“高阶分析技术驱动的清洁水用量减少和污水清洁优化”用例，对标技术用例点，兴澄特钢实施推进“智慧水务”，实现吨钢耗新水量的控制和降低；“高阶分析技术赋能的可持续优化”，在高炉炼铁结合黑箱透明化和温控算法，实现能耗的持续降低；“大数据／人工智能赋能产品设计与测试”，基于知识搜索引擎实现知识模块化管理，研发人员可以根据研发需求快速检索工艺知识要点，并通过数字化的性能预测技术实现减少产品试制次数。

图 ２ 灯塔工厂典型用例场景（部分示例）

２.３兴澄特钢的灯塔故事

为了满足全球对定制化钢铁产品快速增长的需求，同时应对原材料和能源供应的波动，兴澄特钢部署了４０多个第４次工业革命用例用，如高级分析驱动的流程模拟和优化、人工智能支持的能源管理等。部署后兴澄特钢定制订单增加３５.３％，不合格品率降低４７.３％，吨钢能耗降低１０.５％。

３灯塔工厂典型用例

灯塔工厂评选的标准之一就是用例集成，要求参评企业有多个先进工业４.０用例试点集成并获得广泛推广。兴澄特钢对企业应用场景进行总结，提炼出大数据分析支持的制造工艺定制设计、多模态仿真实现的高炉黑箱透明化、智能闭环控制支持的炼钢质量提升、ＡＩ赋能的轧钢工序高效制造及高阶分析驱动的能水碳资源优化５个应用场景（如图３所示），在提高生产效率、降低成本、创新产品研发、提高产品质量和客户满意度等方面取得显著成效，满足灯塔工厂评选典型用例的条件，最终将这５个场景选为灯塔工厂评选的典型用例。

图 ３ 灯塔工厂整体方案

３.１大数据分析支持的制造工艺定制设计

３.１.１敏捷研发协同体系

特钢订单存在小批量、多元化、定制化的特点，对产品研发协同提出更高的要求；而研发方面也存在工艺数据匹配困难、试错成本高、耗时长等问题，为此，兴澄特钢搭建了“基于大数据分析个性化定制化的产销研协同的敏捷研发”体系。在该体系下，研发一端连接销售，一端连接生产制造，将客户需求与生产实际有效结合；敏捷研发协同体系是由产品研发辅助系统、产品性能预测系统、生产过程监测系统、快速质量检测系统、关键指标监控系统组成，实现了需求分析确认、历史数据推送、工艺参数设计、生产结果反馈、工艺优化闭环这一完整过程，如图４所示。

图 ４ 敏捷研发协同体系

建立产品知识库（如冶金规范、技术协议、工艺卡等），可以快速匹配响应研发类需求，实现敏捷研发。通过专业数据处理平台实现关键报表可视化，数据分析专业化，实现关键指标的统计分析、相关性分析。通过敏捷研发，使得新产品研发周期缩短５６.６％。

３.１.２产品性能预测

性能预测系统整合生产过程执行管理系统（ＭＥＳ）、检化验系统、产销系统等生产系统数据，利用数据分析挖掘技术，结合客户指标需求及产品特性，锁定１４５个过程变量因子中的２１个关键因子，建立３０余个性能预测模型，实现了指标特性与生产工艺的双向匹配，进而实现双向预测。

通过运用大数据知识库、快速分析及检测等措施，构建了性能预测系统。通过在线预测及智能化算法生成最优工艺标准，实时管控生产过程的工艺参数，并进行过程能力分析、迭代，持续提升准度、精度、命中率。运用多种算法联合预测，预测的精准度得到了大幅提升，过程中工艺参数命中率提升１２５％，产品平均试制次数降低５５％。

３.２多模态仿真实现“高炉黑箱透明化”

炼铁是钢铁流程的第一道工序，是一个高能耗工序，钢铁生产７０％的能耗来自炼铁，炼铁绿色低碳发展是数字化转型过程中可持续发展的关键。高炉炼铁操作需要“稳”、减少波动，通过稳定烧结矿、稳定风温，助力高炉稳定顺行，节约能耗降低成本。兴澄特钢通过ＡＩ节能降低炼铁的焦炭能耗１８.９２％。

３.２.１基于机器视觉的烧结实时优化控制系统

烧结实时优化控制系统通过融合专家系统技术与优化控制模型，实现烧结生产过程人工智能优化控制，如图５所示。烧结实时优化控制系统数据源包括实时图像、可编程逻辑控制器（ＰＬＣ）、检化验系统，实时图像数据包括烧结机尾断面图像，ＰＬＣ数据包括设备状态数据，如烧结点火温度、烧结终点温度、布料厚度、机速等，检化验数据包括物料粒度、化学成份等。

图 ５ 烧结实时优化控制系统

烧结实时优化控制系统包含烧结点火温度模型、均匀一致性布性模型、烧结机尾热成像分析模型、烧结终点预测模型４个智能模型，如图５所示，分别作用在烧结机的前段、中段和尾部，共同支撑烧结工序的实时优化控制。烧结终点预测模型利用ＰＬＣ数据结合影响氧化铁（ＦｅＯ）生成的生产参数，如烧结燃料配比、生石灰配比、点火负压、碱度等工艺参数，建立小波神经网络模型，进行ＦｅＯ的趋势预测，指导工艺人员实时调整工艺参数。烧结机尾热成像分析模型基于先进的红外热成像等智能装备，深度融合机器视觉，判断烧结机尾断面红火层是否欠烧、过烧以及正常，欠烧影响烧结矿质量，过烧则会造成燃料的浪费。最终，基于机器视觉的烧结实时优化控制系统实现提升ＦｅＯ稳定率１.３％，降低固体燃料消耗８％。

３.２.２高炉黑箱透明化

高炉是冶金界公认的黑箱，炉内气流、炉料、炉型、安全形态的演变难以观察；炉内反应非线性、多耦合，具有强滞后性，且原料品种多，原料在炉内的追踪难。兴澄特钢在２３个场景使用１００多种算法模型实现了高炉可视化。在上部配备红外热成像系统、气流诊断系统、在线布料仿真系统；中部配备炉身模拟、冷却壁水温差热负荷及全状态智能预警系统、壁体巡检；下部配备送风制度模型、炉缸侵蚀模型、炉缸活跃度模型等。实现了在线布料计算效率提升８０倍，焦炭消耗年均节约焦炭２１万ｔ。

装料、布料是高炉稳定运行的关键。实时布料仿真模型是基于单体受力分析及碰撞理论建模分析，开炉前以一个料面的离线仿真作为模型基础，得到矿焦比，利用数据实时驱动，三维图显示当前排料流量、布料模式、料面形状，计算径向矿焦比分布、料层厚度（图６），将批料计算时间缩短至分钟级，为布料制度调整与优化提供指导，大幅提高工作效率。

图 ６ 实时布料系统

基于专家经验知识库，将高炉当前的运行参数、工况系数与专家经验知识库进行对比，对高炉的操作提供指导意见，实现炉况推理及预测。同时，随着数据持续不断地迭代更新、专家经验知识库不断完善，炉况推理及预测的准确性也逐步提升，实现由经验炼铁向智慧炼铁的转型。

３.３智能闭环控制支持持续提升炼钢质量

特钢相对于普钢具有高性能、高精度、高纯净度、高稳定性的特点，对质量要求更为严格。由于特钢生产流程长、工序多，质量数据分散且关联性复杂，导致质量问题分析定位困难，无法实时监控与评价。兴澄特钢通过建设１＋Ｎ质量体系架构，运用质量大数据平台、工艺智能控制、质量实时监测等技术，实现产品检验不合格率下降４７.３％，合金投料成本下降２１.８％，质量追溯时间缩短至秒级，炉温波动幅度收窄１倍。

３.３.１质量大数据平台

基于质量大数据平台（图７），构建全面的质量管控体系，采集汇总工序数据，结合人工智能技术，对整个生产过程进行实时评估，在关键控制点上实施了过程控制策略，建立了流程工序间的透明度和及时反馈的闭环管理体系。

图 ７ 质量大数据平台功能架构

结合行业和企业的先进质量管理经验，创新的实现了过程工艺参数监测、过程工艺打分评价、质量过程能力分析、质量问题原因追溯分析、成品质量反馈统计、工艺标准制定修正的计划、执行、检查、处理循环，优化生产流程和工艺流程，大幅提升数据价值。质量大数据平台不仅为产品过程质量和最终质量提供了一个直观、可访问、可传输和可处理的数据环境，还支持质量标准和操作标准的制定、过程能力的分析以及问题追溯分析等多种管理应用，极大地增强了质量管理的效果和效率。

３.３.２工艺智能控制

工艺智能控制主要包括合金智能投料加料模型和钢包吹氩多相耦合仿真模型，具体介绍如下。合金智能投料加料模型：特钢的特在于炼钢过程中加入了合金成分，如何精确控制合金成分和成本是关键。合金智能加料模型将物料控制在指定范围内，在满足特殊钢性能的前提下控制成本；同时进行精准的投料计算和控制，满足投料精度的控制要求，使加料系统具有稳定的运行状态。

图 ８ 合金智能投料加料模型机理

合金智能投料加料模型是公司自主研发的核心项目（图８），模型将钢中２３个元素含量与料仓中２７类合金成分及价格作为输入条件，运用多元线性回归、加权无向图和最小生成树克鲁斯卡尔（Ｋｒｕｓｋａｌ）算法，在特定钢种框架内计算最优合金配料方案，以实现成分目标和成本最小化。最终通过合金模型优化合金料配比，在５ｓ内一键完成配料自动加料，实现降低合金成本２１.８４％。

钢包吹氩多相耦合仿真模型：钢包吹氩作为国内外广泛采用的炉外精炼方法，对提升钢液质量和纯净度至关重要。该方法通过吹入氩气实现钢液的均匀搅拌和夹杂物的有效去除，传统上，该环节主要依赖人工观察液面以及手动操作吹氩气搅拌钢液，存在效率低、控制不稳定的问题。

钢包吹氩多相耦合仿真模型将多相耦合仿真模型与视觉识别技术融合，根据钢包的结构尺寸和生产工艺参数，利用视觉识别技术，预测钢包内的多相流动状态，并建立钢液流动、夹杂物运动轨迹以及钢／渣界面行为的数学模型。通过分析现有吹气流量、软吹时间等生产工况下的钢液成分、温度均匀性和液面波动控制等方面的合理性，对钢包软吹工艺控制技术进行优化，适应控制吹氩流量，实现精准的氩气自动调控。

模型应用后，较大程度上优化了钢液的搅拌效果，提高钢液纯净度，实现夹杂物的超标率下降３０％，显著提升产品质量。

３.４ＡＩ赋能的轧钢工序高效制造

面对以销定产的特钢定制化需求，构建ＡＩ人工智能驱动的敏捷生产，高效匹配产能，满足多品种小批量的市场需求，加强了现场控制与敏捷制造能力。在加热炉燃烧环节，由于生产产品规格切换频繁，炼钢－轧制产能匹配调度难度高，需要在保证质量前提下，保证炼钢－轧钢的坯料进炉温度与加热工艺匹配，缩短坯料等待时间。因此企业构建了加热炉智能燃烧系统（图９），并建立透明化温度场模型，可根据入炉温度和入炉坯型，根据加热代码，提前布置加热各段炉气温度控制，计算钢坯表温、芯温变化，预测钢坯出炉温度和烧透时间，加热过程透明，可保证钢坯芯部烧透的前提下准时出钢，表面氧化降至最低，性能和表面得到保障，加热时间大大缩短，精准匹配加热工艺，缩短坯料等待时间，实现了炉温精确度提升５０％，提高出钢节奏５％。

图 ９ 加热炉智能燃烧系统

在轧制控制环节，轧制系统可以科学合理分配轧制规程，高精度控制每阶段轧制尺寸，平衡机架间及道次间轧制节奏，最大化释放产能。构建轧制机理与极限学习机（ＥＬＭ）神经网络融合的高精度变形抗力预测模型，采用模拟退火粒子群优化算法，精确控制每阶段轧制，尺寸合格率提升１５％；平衡轧制节奏，最大化释放产能，机时产量提升１５％。在冷却控制环节，构建基于优化的分布式梯度提升算法（ＸＧＢｏｏｓｔ）是驱动的集成智能冷却模型，适应不同品种规格切换和轧制工艺变化，每月在线冷却量提升３２倍，减少热处理板交货周期５０％。在轧钢工序，在实现加热、轧制、冷却３个核心工序智能控制的同时，构建多层次、多系统衔接与控制（人、机、料、设备等），实现从计划、调度、设备保障端快速协同，高效执行反馈，制品量降低１３％。

３.５高阶分析驱动的能水碳资源优化

基于对各类能源介质的实时物联网（ＩｏＴ）数据采集以及统计分析，在实现“透明化管理”的基础上，进一步将能耗变化与生产数据进行协同分析，一方面通过生产组织优化调度来发挥能源最大价值，另一方面通过ＡＩ模型算法和优化控制来实现节能、降水、减碳，促进企业整体绿色低碳发展。

基于“能－产协同”分析的优化调度节能：在实现能源精细化管理的基础上，进一步将能耗数据与关键制造指标进行协同分析，进而通过生产工艺与调度优化来最大限度降低能损。将精益的方法运用于能源管理，以“能－产协同”的视角来洞察能源消耗与能效挖潜，并通过智能排产系统、质量大数据系统、设备健康预测系统等共同实现闭环优化调度，极限压缩可控能损，最终实现能源价值的最大化。

基于平衡预测的煤气ＡＩ调度：通过神经网络预测模型，结合生产计划对煤气的发生与使用进行动态预测，并给出最优调度建议，以保证煤气产耗平稳，减少外购燃料。煤气剩余量及调节量作为调度模型的输入条件，管网压力和柜容作为约束条件，自动算出调度指令。

基于ＡＰＣ控制的冷却水ＡＩ调度：打通生产计划、冷却水调度、质量检测分析等系统的数据协同，针对产品规格由ＡＩ模型按需供水、动态供水，实现节水节能。

最终，通过“按需供给、精准控制”，建立“能耗－设备参数”关系模型和智慧水务系统，实现生产参数优化、水循环的动态平衡与调度控制，使热风炉设备能耗降低１５％、单吨产品使用新水量降低３０％。

４总结

１）兴澄特钢针对数字化转型前定制化能力不足、质量管控薄弱、高炉“黑箱”操作、轧钢协同性差、能源管理粗放、碳排放核算难以及数字化人才短缺等问题，借鉴灯塔工厂理念，部署４０多个第４次工业革命用例，建成特钢行业首座灯塔工厂。兴澄特钢的经验表明，钢铁企业通过系统化的数字化转型，可在提升生产效率、产品质量的同时，实现节能降碳与成本优化，为全球钢铁行业的绿色、智慧发展提供了可复制的实践范例。

２）兴澄特钢荣获灯塔工厂，对企业具有里程碑意义。一方面灯塔之光可以照亮企业数字化前行之路，提高全员数字化认知和协同作战能力，敏捷方法的推行实践提升了企业的自适应力，大大加速数字化进程。另一方面，灯塔工厂在提升企业品牌影响力的同时，促进了行业内外交流，有助于企业丰富产业技术生态、促进跨学科、跨产业的技术融合。

３）未来的数字化转型，是一场技术融合、人才复合、机制创新的深刻历史变革。进程的脚步只会越来越快，智能化迈入２.０时代，数智化使得机器更懂得适应环境并使得人机可以更加高效的协同。兴澄特钢也将持续深化端到端数字化转型，推动行业向更高水平的智能制造迈进。

作者：中信泰富特钢集团江阴兴澄特种钢铁有限公司 戚建国 代贤德 徐铨 孙鸣华