钢铁业制造流程智能化是基于信息物理深度融合，通过横向工序贯通、纵向管控协同，实现全流程动态有序、协同连续运行和多目标整体优化。近年来，我们在殷瑞钰院士冶金流程学指导下，开展了跨工序动态调度、能源生产协同优化、全流程质量管控等钢铁制造流程智能化技术的研究和应用工作，在提高生产效率、降低能源成本、稳定产品质量等方面为企业带来了效益。结合我们的学习和实践，谈谈对钢铁制造流程智能化的初步认识。

 1.钢铁业制造流程智能化的意义

 我国钢铁业进入高质量发展新阶段，提出了规模化定制、提升产品品质、节能减排降碳等需求，跨工序全流程视角的智能化十分必要。

 （1）钢铁生产由高温状态紧密关联的炼铁、炼钢、轧钢多工序组成，目前流程连续化程度不高，规模化定制生产模式实施难度大，需要制造流程智能化，实现一体化计划调度，跨工序动态协同，全流程有序运行。

 （2）钢铁生产、能源耦合紧密，二次能源占比高，节能降碳压力大，需要制造流程智能优化，实现物质流、能量流协同，能量实时平衡、高效转化。

 （3）钢材生产相变—形变复杂，成分—结构—性能强关联，上道工序质量影响下道产品质量，需要制造流程智能化，实现各工序质量一贯制管控，全流程质量追溯优化，提高产品实物质量。

 2. 实施钢铁制造流程智能化的体会

 （1）重视钢铁制造物理流程的优化。物质流网络优化、能量流网络优化是流程智能集成优化的基础。物质流网络优化包括工序之间界面优化和全流程物流网络优化等，能量流网络优化包括余热余能高效转化路径、能源管网缓冲能力优化、减少能流网络损耗等。在钢铁制造物理流程优化基础上开展智能化可取得事半功倍的效果。

 （2）重视管控流程的梳理和闭环。智能化是全局优化，不仅关注单一业务水平提升，更要加强两个或两个以上的业务部门或功能活动之间的管理协同、集成与优化，实现销产转化、生产计划、动态调度和过程控制纵向协同，质量PDCA全面管理，能源生产、使用、转化、缓冲闭环优化。

 （3）重视机理知识、调控规则的数字化应用。机理知识的理解和应用可以透过看视随机变化的数据表象，领会、挖掘钢铁流程内在的因果关联和机理特征，提高预测模型的精度和自适应性；调控规则的理解和应用，有助于确定逻辑一致性的多目标优化协同变量，可大大缩小决策控制问题的优化求解空间，得到有明确物理指导意义的决策控制指令。

 （4）重视人机融合、迭代优化。流程集成优化充满了复杂性、不确定性，不是一两个智能化优化算法能够解决。智能化不是取代人，而是突出了人的中心地位，人类智慧的潜能将得以极大释放。通过将人的作用或认知模型引入到系统中，人和机器之间能够相互理解，形成“人在回路”的混合增强智能，人机深度融合将使人的智慧与机器的智能相互启发性地增长，迭代优化。

 （5）重视信息技术的正确认识和合理选择。工业互联、大数据和人工智能技术等信息技术的快速发展，为智能化提供了各种信息处理手段，但这些技术不是万能的，人工智能自身60年风风雨雨的发展历程说明了这一点。我赞同宝武集团杜斌首席的“机理>小数据>大数据”的观点，需要理性认识其局限和优势，针对不同业务的感知、认知、决策和控制不同环节，合理选择或组合，服务于解决不同应用场景的难点技术问题。

 （6）重视流程智能化KPI导向和效益实现。实施流程智能化，需要确定针对不同的应用场景，制定合理的KPI指标，比如计划调度的流程连续化程度、质量管控的过程控制能力、能源优化的供需平衡度等，依此为导向，确定跨工序协同的决策控制变量，提出针对性的智能化方案，有助于提升企业精益管控能力，取得实实在在的效益。

 目前，钢铁制造流程智能化的研究，国内与国外处于同一起跑线上，在国际上也没有成功的案例可循，以上观点不一定正确，欢迎大家批评指正。我们希望在智能化技术层面，通过行业跨专业深度融合和联合持续攻关，形成具有中国特色的钢铁制造流程智能化技术，留下中国人的技术痕迹。