达涅利冶金设备（中国）有限公司

从某种意义上说，自动化、信息化和智能化有着共同的理论基础，但面临问题的尺度却不一样。从尺度的角度，有助于我们认识智能化的发展方向和技术特点。

1 理解自动化

20世纪40年代，控制论之父、美国数学家维纳开始考虑普通的机器与人（或动物）有什么不同？他的答案是，传统机器只能按照既定的逻辑运行，而人（或动物）则可以根据外部的变化采取适应性的行动。所以，要让机器代替人的工作，机器需要有感知信息的能力，并能够根据信息进行决策，并采取行动。也就是要把信息的感知、决策和执行过程统一起来。按照现在的说法，就是要把负责信息感知、处理的赛博空间与执行指令的物理空间相结合，这就是控制论的基本思想。

这种思想的产生并非偶然，而是基于弱电技术的支撑。弱电可以用来表达和处理信息，并转化成强电驱动物理空间的机器运转。

从某种意义上说，机器自动执行时的工作逻辑，都是人类预先设定的预案、在人类规定的“边界”内部执行。只有这样，人类才能放心地把工作交给机器自动完成。

2 企业的计算机系统

钢铁企业的自动化与计算机系统早已密不可分了。在钢铁企业中，计算机系统一般被分成若干级别。最常见的做法是分成四个级别，分别称为L1-L4。级别越高，管理的范围就越大。L1系统一般针对阀门级，L2系统是设备级（如连铸机、轧机），L3系统是车间级，L4系统则是公司级。

从某种意义上说，这些计算机系统的作用都是促进信息感知、决策和执行的统一。符合维纳的原始思想。但是，只有L1、L2系统被称为控制计算机或自动化系统，计算机自主决策的比重比较大；而L3、L4则被称为管理计算机或信息系统，主要依靠人的决策。决策机制上发生了重要的变化，这种变化，本质上就是管控尺度变化导致的。一般来说，自动化系统适合小尺度系统。

前面提到，自动控制的运行逻辑其实是人类设定的预案。原则上讲，预案分为两种：系统正常时怎么办？系统不正常时怎么办？其中，系统正常时比较简单，系统不正常的情况就要复杂得多了。这时，制定预案的工作就麻烦得多。所以，现实中针对自动化系统的措施往往是遇到故障时切换到手动模式或者停机，由人类来处理。换句话说，自动化一般只适合系统本身稳定的对象。对于“小尺度”系统，“系统正常”是一种常态，便于制定预案，便于采用自动化技术。

但是，对于车间、工厂级的“大尺度”对象，系统复杂程度急剧上升。一个子系统的问题，就可能引发整个系统的故障。对工厂级的系统来说，某台设备故障、生产衔接不上、操作不规范、质量异常等会常态化发生。这些问题发生时，整个系统未必有预案，往往需要人来灵活处置。其中，信息系统的一个作用就是帮助人类完成这种决策的。

3 感知与认知

计算机系统管控的范围变大时，还会面临另外一个挑战，就是感知到认知的变化。大系统的管理需要较强的认知能力，而计算机的认知能力总体上要弱得多。

传感器一般只能获得基本的物理量。如温度、压力、流量、光线强度、开关状态等。这些信息中往往包含着更加深层次的信息。比如，传感器测量烟气的温度为300℃，其中包含了“烟道堵了、需要清扫”的信息；传感器测量带钢表面光线的明暗，这些信号则可能包含了“表面质量不良”的信息。从信号中获得这类深层次信息的过程，就是从“感知”到“认知”的过程。

对自动化系统来说，系统接收的信号本身具有明确的物理信息，如温度、压力、流量、开关状态。但管理一个车间、工厂时，却需要“认知”能力。比如，人们要知道设备是不是出现故障、操作是不是合规、物流是不是顺畅、质量是不是合格，这些都需要认知能力。在传统的技术水平下，“认知”主要是依靠人的能力。如果计算机没有认知能力，也就难以自动做出决策。这样，决策工作也就只能交给人类完成。事实上，信息系统的主要作用，就是帮助人们进行决策。

我们知道，工业互联网和工业大数据是智能化重要的支撑手段。这两种手段，都有助于提升计算机的认知能力。

同时，工业互联网的应用，让计算机的管控范围增大、处理问题的复杂度也增加。这时，也需要提升计算机的认知能力，才能让互联网的优势发挥出来。通过提升认知能力，计算机可以帮助人们更好地监控设备和生产状态、操作的合规性、质量和成本情况等。

4 工业互联网与人机融合

如前所述，传统的自动化系统和信息化系统是相对对立的。两类系统的决策主体不一样。计算机的认知能力相对较差，是计算机难以处理大系统问题的重要原因。所以，认知能力的提升，必然会推动智能化的发展。

在工业互联网时代，原本相对独立的自动化和信息化系统能够更为密切地融合在一起，从而实现大尺度的决策优化。工业互联网白皮书提到了三个要素：智能的机器、高级算法和工作中的人。其中，高级算法的一个重要作用就是提升机器的认知能力，从而促进决策工作的人机融合。

在工业互联网的时代，工厂乃至整个产业链的信息都可能被接入系统，系统的规模往往会大于原来企业级的信息系统。所以，传统的信息系统一般只处理非实时的任务，实时的任务只能交给控制系统来处理。但是，有些实时发生的问题，会影响到全局，这时传统的计算机系统就无法处理了，就会带来经济上的损失。

要解决这个矛盾，就需要依靠第三个要素，即“高级算法”。人类的大脑做不到每秒处理成千上万的数据，但机器能够做到。在这些数据中，正常的信息是不需要麻烦人类管理者的。机器可以帮助人类从海量实时数据中完成“从感知到认知”的任务，帮助人类发现需要处理的问题，再把信息传递给人类、让人类进行决策。这样，就形成了人机共同决策、优势互补的决策方式。

这种思路在实践中是行之有效的。例如，钢厂的煤气系统涉及到众多设备，而煤气的生产和使用必须是动态平衡的。由于煤气平衡涉及到生产的安排，很难实现完全自动化。而与煤气相关的数据又太多、变化太快，人类的决策往往会产生失误。采用上述人机融合的办法，就可以很好地解决这个问题。

5 人机融合对现代管理的意义

从管理的角度看，人机融合具有重大意义。通俗地讲，计算机可以告诉操作工人，他的操作对公司经营有什么样的影响；而管理者也可以洞悉工厂运行细节，把企业的管理提升至现代化水平。

举例来讲，钢厂的发电机组往往是用来消耗富余煤气的。但是，煤气总体上富余并不意味着每个时刻都富余。如果在煤气供给不足时多发电，对企业效益反而不利。利用互联网等智能化技术，电厂的操作工就知道，当前多发电是否对公司效益有利。从某种意义上说，这就是工人参与管理。

管理者可以更加有效地了解生产现场。大钢厂有成千上万个岗位，高管无法监管每一个岗位的工作是不是合规。但是，利用工业互联网和数字化技术，高管就有能力管理到细节。比如，某台设备异常报警几十分钟，操作工应该处置而没有反应。这时，计算机就可以把信息传给公司高层。

6 对误区的预防

目前，我国在推进智能化的过程中出现了一些误区。比如，过度迷信机器学习算法，尤其是那些复杂的算法。这与我国研究智能化的专家缺乏工厂工作经验和数据分析、建模经历有关。事实上，数字化的算法在很大程度上源于专业知识和经验，数据分析一般是对知识、经验的精细化、代码化。例如，“从感知到认知”算法，往往是通过标准化的方法来实现的，一点也不神秘。也就是说，针对特定的场景建立标准，而所谓“从感知到认知”的过程往往就是“判断是否超标”的过程，出现超标时提醒管理者和协同方。换句话说，智能化的推进也要与传统上、行之有效的管理方法结合在一起。

智能化是针对大系统的问题。这个特点还会影响到系统的建设和推进。一般来说，小系统便于顶层设计，大系统难以顶层设计。智能化系统的顶层设计难度就很大。

为此，推进智能化应该采用持续改进的逻辑。也就是说，智能化的功能是在应用过程中不断增加上去、不断修订和完善的，而不是一次到位地提出解决方案。这一点与自动化、信息化系统建设是不一样的。这个逻辑又会进一步延伸下去，会对工业互联网系统架构提出要求、会对企业的人员配置和培训提出要求。

日本人提出的工业价值链参考架构（IVRA），就体现了这种思想。按照这个架构，智能化的推进过程，就是通过PDCA对资源管理进行持续改进。PDCA是现代化企业所熟知，且行之有效的管理方法，而在数字化网络化时代，计算机可以让PDCA的能力显著增强，并落实到每一个具体的场景和时间段。

在整体推进过程中，该厂也发现了几个比较突出的问题：一是工序间基础智能水平参差不齐，数据信息可靠度低，信息孤岛现象严重，未形成全链条一体化管控；二是受炼钢工序工艺流程复杂、工序间参数变化大以及数据信息多源异构等因素影响，贯穿于全流程的智能制造实施难度大；三是“平台化、生态化”能力建设不足，大数据分析、智能决策等与智能制造还有较大差距。为此，该厂在各个工序择点突破的基础上，着力推进“炼钢-精炼-连铸”智能制造示范产线建设，该项目也被纳入山东省智能制造示范项目。

自2020年以来，该厂在集合众智、集采众长的基础上，制定了《“智慧炼钢”创建纲要》，主要是通过“三路并进”打造智慧钢厂。一是坚持以人为本的文化体系，就是把智慧理念融入到企业文化，最终形成以先进的企业文化促进全员思维转变，推动智慧车间、智慧工序、智慧钢厂全面发展；二是坚持集约智能的生产体系，就是在所有生产环节中，综合运用5G、工业机器人等前沿技术，对日常生产经营的所有活动和需求，进行智慧感知、互联、处理和协调；三是坚持科学高效的管理体系，就是将管理实际需求与先进技术充分结合，确保业务流程更加规范、便捷、高效，逐步实现管理业务自决策自执行。

过程控制智能化

该厂致力于推进新旧动能转换，推进信息化、人工智能、大数据、物联网等先进技术在钢铁制造现场的融合落地，形成“智能+协同”生产制造模式，切实将“人、机、料、法、环”多维度连接起来，使上下道工序生产均衡高效、外部订单与内部生产无缝衔接。

智能精炼方面，该厂设计了“钢包全程吹氩自动对接、钢包自动加盖、数据自动测量”等工艺技术，为精炼工序创造条件。构建了精炼智能化冶金控制模型，包括温度预报模型、合金加料模型、成分预报模型、造渣模型、底吹氩模型等，全程吹氩测温取样机器人自动作业，确保了精炼工序的成分、温度合格率达到99%以上。

在智能连铸方面，该厂通过基础自动化应用、过程智能化控制管理，在各环节进行密集的集成与整合。开发了一系列关键技术，包括结晶器专家预报系统、倒角结晶器、三次冷却、角部钝化、智能机器人应用等技术。目前，正在推进无人连铸平台项目，目的是实现钢包水口液压缸拆装、中间包测温、取样、定氢、烧氧、覆盖剂投放、结晶器保护渣投放等操作的自动化控制。

管理协同智慧化

为了实现管理协同智慧化，该厂自主开发了“炼钢厂精益运营管控系统”，为生产调度、质量管理、设备及能源管理提供统一的数字化服务。在原来各专业模块化管理的基础上，重点对各工序的数据源进行了规范与统一，保持数据的唯一性和规范性，最终形成企业标准数据资源、单一数据资源，保证互联互通。然后根据专业需求进行能力层与应用层的开发，对数据深度分析、综合利用，科学决策，支撑各项业务不断持续优化。

一是建立智慧办公系统。它融合了数据中心、报表管理、公文审批、物流管理等多方面功能，具有集成化、个性化、流程化的特征。

二是建立安全管控信息系统。它涵盖了“基础管理、安全教育、隐患排查、应急管理、风险管控、职业卫生、现场5S”等专业管理模块，做到了客观评估并预警安全风险、隐患排查在线统计分析等。

三是建立智能排产管理系统。通过对实际生产数据进行分析，开发基于“规则+算法”的智能排产系统，实现生产作业计划的自动编制，优化了分钢种最佳工艺路径，促进炼钢产能释放，降低过程能源损失。

四是建立内部市场化信息管控系统。先后建立“价格、预算、计量、核算、考核”五大体系，将市场交易的竞争和风险机制引入内部管理。形成了厂级、车间级、班组级、个人四级市场主体，每个市场主体根据标准成本，核算出每炉次的成本盈亏情况，最后根据作业人员的不同角色，进行利润提取，利润每班叠加，纳入考核系统，实现了指标货币化管理、薪酬自动计算与分配。打造出一套具有炼钢特色的“一键式”绩效管理系统，实现薪酬的自动计算与分配。

五是建立质量跟踪专家判定系统，对生产过程中影响钢水、铸坯质量的参数和异常事件进行跟踪，确定各种异常对铸坯的影响程度和相应的处置办法，形成动态决策，提高质量管理追溯性和规范性。

六是建立设备运行综合管理系统，对设备点检、润滑、检修、故障、备件等五大模块进行融合，实现设备状态的预知、预控、预测、预评，达到设备管理的有效性、经济性和科学性。

七是建立能源信息管理系统，它包括高精度能源计量、能耗监测预警及分析、历史数据查询等功能，形成能源生态内外感知、精准控制，确保了能源的有效利用。

智能化产线建设降低了职工劳动强度，也促进了各项指标实现新突破。转炉碳温双命中率＞90%，智能炼钢比例＞96%，智能出钢成功率＞85%。其他指标如转炉石灰消耗、工序能耗等也有明显改善。

经过十余年的智能化产线建设，该厂也深刻认识到，一是必须夯实基础：原料条件稳定性、设备计量精度、数据准确性是生产过程智能化的基础，必须做到精料供应、精准计量、精确数据；二是必须做到强化管理：智能工厂建设不仅是技术层面的开发，更多的是管理能力的延伸，要通过持续的精益管理，保证整个系统的性能最优；三是必须做到内外结合：完全依赖外部资源进行整体嫁接，难以实现自身的良好运用，建设过程需要以自身特点开展自我创新及合作实践；四是逐步推动人机互动：繁重、重复且需要及时反馈的工作交由机器完成，而人可以集中精力进行更具创新的工作；五是做到兼容并进：智能制造并非对原信息系统的完全否定，而是通过数据标准的整合与统一，做到系统的完善和兼容，实现数据的互联和共享；六是追求共享协同：智能制造不是单一工序的建设目标，铁钢轧共同发力、一体运行才能发挥更大作用；七是笃行久久为功：智能工厂不可一蹴而就，领导者的定力和毅力是关键。（何进 韩圣鹏）