引言
鋼鐵行業作為支撐國家制造業發展的重要原材料工業領域，在保障國民經濟與國防建設等方面發揮著重要的作用。然而，作為復雜流程工業，各工序均為多變量、強耦合、非線性和大滯后的黑箱，因物料加工的實時信息極度缺乏而成為充滿不確定性的生產過程，最終影響了鋼鐵產品質量和效率的進一步提升。 21世紀以來，人類社會進入數字時代，移動互聯、人工智能、云計算、大數據等新一代信息技術發展正在帶動系列的產業發展和變革。數據分析應用于各行各業，與實體經濟結合起來，已經成為人類認識與改造客觀世界強有力的武器。 在數字化轉型方面，鋼鐵行業與其它行業相比，具有得天獨厚的優勢。首先，鋼鐵行業具有豐富的數字技術應用場景資源。經過長期的建設和發展，鋼鐵行業已經具有相對先進的數據采集系統、自動化控制系統和研發設施，實現了全面的數據采集和豐富的數據積累。可以說，鋼鐵行業是離“數字化”最近的行業之一。其次，鋼鐵行業是對數字技術需求最迫切的行業，其生產過程全程黑箱，復雜的相關關系、遺傳效應及不確定性，為數字化的應用提供了豐富的場景資源。如何通過對數據資源進行處理、分析和計算，建立具有“原位分析能力”的高保真數字孿生體，從而構建起基于數據自動流動的狀態感知、實時分析、科學決策與精準執行的閉環賦能體系，解決生產制造和服務應用過程中的不確定性復雜問題，提高資源配置效率并降低研發成本，是未來鋼鐵行業發展的主要方向。 01、鋼鐵材料創新基礎設施架構設計及核心工業大模型開發 鋼鐵行業與數字技術相融合才能發揮其應用場景與數據資源的優勢，因此必須建設鋼鐵企業數字化創新基礎設施（SEII—Steel Enterprise Innovation Infrastructure）。它是以技術創新為驅動、以信息網絡為基礎，面向高質化發展，為提高鋼鐵企業的核心競爭力而打造的鋼鐵產業升級、融合、創新的基礎設施體系。SEII采用“1網3平臺”的基本架構，以工業互聯網為載體、以底層的數據感知和精準執行為基礎、以邊緣過程設定模型數字孿生體和邊緣/底層CPS為核心、以云平臺數據驅動為支撐，服務于鋼鐵企業的數字化轉型，如圖1所示。在整個系統中數據閉環自動流動，通過狀態感知、實時分析、科學決策、精準執行這四個環節實現資源優化配置。大量蘊含在物理空間中的隱性數據經過狀態感知被轉化為顯性數據，進而能夠在信息空間進行計算分析，將顯性數據轉化為有價值的信息。不同系統的信息經過集中處理形成對外部變化的科學決策，將信息進一步轉化為知識，通過最優化設計應用于物理空間，形成一個閉環賦能循環系統，使得物理空間設備運行更加可靠、資源調度更加合理，各環節智能協同效果更加優化，以實現企業高效運營。通過SEII最終實現四大關鍵功能，即綠色化關鍵工藝-裝備創新功能、超級智能的CPS過程控制功能、高效率低成本的產品創新功能、全產業鏈協調管理優化運行功能。由此可見，SEII必將成為鋼鐵企業升級換代、創新崛起的數字化底座。 創新基礎設施的核心是建立鋼鐵材料成分、生產工藝以及其他經過數字化的非結構化數據表征的狀態變量與外形尺寸、組織、性能、表面與服役性能等之間的關系，即建立鋼鐵生產過程的高精度數字孿生模型。然而，考慮到鋼鐵生產諸多環節的內部運行狀況無法在線實時測量，傳統現場生產主流程運行的數學模型大多為機理和/或經驗模型。由于環境狀況和操作條件波動以及設備運行狀態變化，加之過程輸入條件、狀態變量和控制系統之間的關系十分復雜，這些機理和/或經驗模型對于全流程黑箱的復雜動態過程適用性較差且精度不高，難以準確透視工藝、設備、質量等關鍵參數之間的復雜關系，成為進一步提高鋼材生產質量的世界性難題。 人工智能（AI）理論與方法是實現復雜過程數字孿生的唯一途徑。但是，傳統AI只能根據輸入的數據進行處理與分類，很難擴展到訓練數據之外的應用場景。近年來，生成式AI（Generative AI-GAI）以數據以及從數據中提取的知識作為輸入，通過機器學習建立起相關大模型（Foundation Model），進而真實還原并生成全新、原創的產品或任務，從而帶動了人工智能領域的范式轉換。其作用堪比工業革命，將帶動各行業工作效率的極大提升。 鋼鐵生產過程中，內部組織結構演變與界面狀態變化紛繁復雜，為此，東北大學相關團隊集成數據治理及深度挖掘、物理機制及知識學習、軋制過程“力能-組織-界面”強耦合機器學習、冷卻過程動態相變遺傳機器學習以及微觀組織結構與力學性能的深度學習等模塊，建立了SEII架構下的熱軋生成式工業大模型，如圖2所示。相較于傳統模型，其變量總數超過三百五十萬，比傳統模型多出5個數量級以上。通過全流程的信息融合并在實際工業應用中不斷迭代優化，基于數據資源不斷提升模型的可訓練性，基于物理知識學習不斷提升模型的可解釋性和魯棒性，從而構建起高保真熱軋過程“成分-工藝-組織-界面-載荷-性能”數字孿生，并形成通用的、可推廣的工業系統，實際應用于我國大型熱連軋及寬厚板軋機等10余條生產線，開發出以海洋風電為代表的多種高性能鋼鐵材料的成分體系與最優軋制工藝，生產出“內外兼修”的高品質熱軋鋼材并成功應用于我國各類重大工程。 02、SEII架構下工業大模型系統賦能應用 SEII架構下熱軋生成式工業大模型系統突破了以“經驗試錯法”為代表的傳統工藝與品種開發方式所帶來的成本高、效率低等技術瓶頸，實現了熱軋工藝的快速優化及對市場需求的快速響應。 （1）熱連軋生產過程的典型應用 熱軋氧化無法在線檢測，屬典型黑箱過程；穩定、高效控制表面質量，離不開高精度的氧化模型，但國際尚無成功先例。項目組利用數據驅動算法解析了氧化速率、氧化鐵皮變形率與軋制工藝及化學成分的關系，并建立起熱軋全流程氧化鐵皮厚度演變模型，氧化厚度預測精度在±2.5μm，達到了工業應用級標準要求。在此基礎上，進一步明確了氧化狀態與界面摩擦系數的相關關系，實現了軋制過程界面狀態的精準調控。針對熱軋超高強免酸洗汽車用鋼在冷加工過程中存在嚴重的氧化掉粉缺陷，在大模型系統基礎上，融合多目標優化算法對生產工藝進行優化設計，提出了“高溫快軋、高溫卷取”的工藝優化策略，實現了高強免酸洗鋼批量供貨。 針對2250mm熱連軋生產的高Ti微合金高強鋼薄規格產品因軋制力設定偏差導致邊浪嚴重的問題，采用所開發的熱軋生成式工業大模型，在綜合考慮組織結構演變和界面狀態變化的前提下，軋制力預測精度較國際通用模型提高30%左右，從而大幅降低了薄規格產品產生邊浪的風險。此外，針對不同爐次冶煉成分波動導致最終產品力學性能波動大的問題，采用熱軋大模型構建的熱軋過程高保真的數字孿生，在過程機系統中實現了“反饋-計算-決策-控制”完整的循環的軋制工藝動態優化，使700MPa級超高強鋼力學性能波動降低50%以上。 （2）寬厚板生產過程的典型應用 寬厚板生產具有品種結構復雜、小批量訂單多的特點，大量余坯降級出售造成巨大經濟損失，而且過多的鋼種造成了煉鋼工序的復雜化，嚴重影響了生產效率和產品質量的持續提高。因此，企業迫切需要一種“大規模定制”生產模式來既滿足用戶對產品低成本、高質量、個性化的要求，又滿足企業大規模高效生產的需求，以提高企業的競爭能力。為此，項目團隊利用熱軋生成式大模型，通過綜合考慮細晶、析出、位錯及相變等強化機制的相關關系，在相同成分體系下實現了跨厚度和跨強度級別的軋制工藝柔性化設計，實際生產中產品力學性能合格率為100%，年減少超過 60余次的小澆次出鋼，初步實現了以大澆次出鋼為主的“大規模定制化”生產。此外，通過軋制工藝柔性化設計，普通C-Mn鋼產品在保證性能的前提下，大幅降低加熱溫度而實現了直接軋制，軋制效率提升35%以上；系列高強管線鋼，通過細化析出相并提升細晶強化彌補高溫軋制造成的位錯強化降低，在力學性能和道次軋制負荷保持不變的基礎上，使粗軋/精軋之間的待溫時間縮短近25%，助力了企業高質量、高效率、低能耗生產。 結語 數字化轉型并賦能綠色化、高質化、強鏈化，是鋼鐵行業有史以來最大的關鍵戰略轉型。SEII作為數據時代最先進的數字化、智能化科技創新平臺，采用最新的數字化技術架構和模型開發方式，充分發揮鋼鐵行業豐富應用場景優勢，最大限度地利用企業豐富的數據、先進技術等長期積累的資源， 依靠數據分析、數據科學的強大數據處理能力和放大、倍增、疊加作用，以實現綠色化關鍵工藝、裝備創新功能、超級智能CPS過程控制功能、高效率低成本產品創新功能、全產業鏈協調管理優化運行功能，提升企業的核心競爭力，賦能鋼鐵行業升級換代、轉型發展，成為國際領先的產業集群。
