科创中国

行业领域

电子信息技术

需求背景

钢铁工业为大型复杂流程工业，生产流程中高炉冶炼、转炉冶炼、电炉冶炼、连铸、轧制等过程均为“黑箱”过程，实时信息极度缺乏；钢铁生产流程具有多变量、强耦合、非线性和大滞后等特点；各单元为孤岛式控制，尚未做到单元间界面无缝、精准衔接，这些是数字化、智能化信息通信技术应用的最佳场景。

钢铁工业发达的数据采集系统、自动化控制系统和研发设施，能够实现全面的数据采集和丰富的数据积累，并可提供大量的实验数据。这些海量数据中蕴含企业生产过程的全部规律，是最宝贵的资源，是关键生产要素。如果我们能通过实时大数据分析把钢铁生产的物料——铁水、钢水、钢坯、轧件内部的规律摸清，得出决策，并进行反馈控制，直接作用到物料上，形成闭环反馈，就可以及时纠正各种扰动带来的问题，对模型进行自学习、自适应，提高模型的保真度，从而赋值生产过程，提高产品质量，降低生产成本，提高生产效率。

钢铁生产由原料到产品，经过炼铁→炼钢→轧制→热处理等冶金与加工过程，其一天产生的数据量可以达到数千亿字节的信息。生产诸多环节的内部运行状况无法在线实时监测，因此现场制造运行的数学模型大多为机理模型，由于环境状况和操作条件波动以及设备运行状态变化，加之过程输入条件、状态变量和控制系统之间的关系十分复杂，这些机理模型对于全流程“黑箱”的动态过程适用性很差，预报精度不高，难以准确透视工艺、设备、质量等关键参数之间的复杂关系。因此，模型控制精度是进一步提高钢材质量的“卡脖子”问题，这是钢铁行业共性问题，世界上暂时也没有成体系的解决方案。

需解决的主要技术难题

1. 借助大数据/机器学习和深度学习等数据挖掘技术，可以快速解决流程工业普遍存在的“黑箱”难题。

2. 实时大数据分析把钢铁生产的物料内部的规律摸清，得出决策，并进行反馈控制，直接作用到物料上，提升模型控制精度，从而提高生产质量和效率。

期望实现的主要技术目标

根据沟通情况来确定主要的技术目标

处理进度