干货 - 钢企决策智能系统案例分享

钢铁行业是我国重要的原材料行业之一，亟需实现由“大”到“强”的升级。此前文章中，我们分享了傲林 科技 交付团队视角下，传统企业数字化转型的主要困难痛点，本期我们分享钢铁行业的数字化转型案例。

某大型钢铁集团是一家产能过千万、纳税过百亿的大型钢铁联合企业，作为国内钢铁领军企业，后续准备进一步贯彻执行新旧动能转换的要求，计划通过减量置换，打造先进钢铁生产基地。经过多年的信息化建设，企业纵向已经建立了L1~L4层的自动化和信息化系统，横向实现了采购、库存、生产、销售、物流、财务等环节端到端的信息化全覆盖。

但该钢铁集团信息化系统同样面临着新的挑战：

1.数据自采率低。 在信息化方面存在手动输入及调整的环节较多、多方输入造成数据的不一致、信息及时协同存在错位现象等问题；

2.信息闭环未形成。 数据分析存在核心数据管理无法自主升级改造、数据存取性能存在风险、数据使用方式单一、系统内信息处理闭环未能完全形成、数据分析能力相对较弱等问题；

3.优秀经验知识未固化。 大量业务数据分析依靠人工完成和个人经验判断、无法做到实时分析反馈并与业务同步，对 历史 数据资产的使用相对较少、 历史 数据尚未构成企业经营的智能化分析支撑；

4.传统架构存在风险。 系统延用了较传统的IOE类信息化技术手段，存在技术支撑风险。

以上问题都阻碍了该钢铁企业的数智化转型进程。

傲林 科技 以傲数平台、事件网两大平台产品为支撑，打通采购、生产、库存、销售、订单、营销的企业经营全流程数据，从企业经营全局进行数据分析，通过量化决策系统，帮助客户实现矿石成本平衡优化、企业量化决策优化、企业经营分析智能化，构建一套完整的决策智能辅助分析系统。

对企业内部数据与外部供应链数据、产业周期数据、宏观经济数据、竞争环境数据、工业大数据等进行全方位构建，依据时间维度，形成立体的多维数据模型，根据数据模型给出基于大数据的量化分析和洞察，以事件和风险的方式推送至PC端和手机端，为领导决策提供直接建议。

将各个部门的运营经验和关键业务节点通过人工智能技术建立数字模型，同时将不同模型通过知识图谱联系成企业整体多维度业务模型，让每一个职能部门的数据在企业的全局视角发挥作用，形成全局优化；通过不断迭代的模型训练，提供辅助决策的量化分析和最优方案，形成精益管理。

1.业务管理

对该钢铁集团的数据、流程、信息化系统、业务活动进行摸底与梳理，根据调研结果并结合该钢铁集团信息化数据可用范围，进行落地实施。

2.主数据管理，建立统一的主数据资产管理平台

主数据资产管理平台包含一整套用于生成和维护主数据的规范、技术。完整的平台包括元数据管理，信息系统集成、数据治理、数据分析、数据交换等功能。

实施方案包括：

梳理该钢铁集团主数据体系可行性实施方案（含数据采集、数据质量分析、数据源分析、数据资源普查、管理颗粒度等）。

主数据管理系统落地实施（基础环境部署、原型迭代与预览、主数据汇集、数据清洗、转换、数据映射、主数据质量管理实施、系统性能调优等）。

3.数据湖，建立统一的数据集成平台

实施方案包括：

梳理该钢铁集团信息化系统数据湖建设可行性实施方案（含数据基础设施、数据接入范围、模型和数据集成标准等，合理规划数据存储颗粒度，构建维度层次结构形成统一数据中心。通过多层级ETL的抽取、转换、清洗、加载功能，实现各类数据源的有机结合、确保数据来源质量，保证信息的完整性、一致性）。

数据湖管理系统落地实施（通过各信息化系统的前置数据抽取功能的配置管理，及时获取并整合各专业系统的管理数据）。

4.综合运营决策，建立统一展示平台

通过对关键指标的直观展示，使经营者能完整、及时、全局、高效地获取公司的经营信息，并达到业务信息穿透透明化的目的。

实施方案包括：

梳理该钢铁集团综合运营决策与业务经验固化相关内容（含指标体系、现有业务流程、ERP系统对接、CRM系统对接、成本分析与成本计算等，合理界定业务系统与经营分析系统功能划分）。

综合运营决策系统落地实施（主题数据归纳及处理、算法模型设计与开发、 历史 数据深度学习与模型优化、管理控制台定制、信息化系统互动对接定制等）。

5.采购库存优化，建立采购库存优化辅助决策服务与应用

考虑到该钢铁集团采购与原燃辅料库存优化是个重要且急需提升的部分，将单独规划和实施相应辅助模块。

通过对该钢铁集团铁前生产数据，铁前设备维保数据，采购数据，库存数据，钢铁原燃辅料采购价格指数、物流数据、配矿方案、铁前质量数据、成本计算模型、生产计划数据、生产实绩数据、产成品等其它数据进行综合建模分析与深度学习优化，形成动态智能推荐的原燃辅料采购优化辅助方案、库存动态最优方案、以及应付账款结构优化等方案。

通过以上5个维度的建设，成功提升了该钢铁集团的经营决策能力：管理人员可以随时掌握公司的运营情况，为该钢铁集团公司高层领导和业务部门分析人员的日常数据分析与决策提供依据。同时可以降低用户 *** 作难度，减少用户培训成本，为公司管理层提供快速且丰富的人、财、物等方面的统计分析数据和决策支持，使其能够更加着眼于业务优化和管理，以进一步提升该钢铁集团公司的业务运作效率和决策能力。

除提升了该钢铁集团的经营决策能力外，还实现了以下价值收益：

•公司经营管理的透明化与全局性业财融合分析。 多角度对比年度目标和 历史 数据是否保持持续、稳健发展。

•公司经营决策的辅助支撑。 效益的预测、模拟、以及辅助优化建议，市场波动影响分析等。

•合同订单生命周期的协同。 以合同订单全生命周期为主线，拉通产供销协同以及问题发现。

• 产供销的决策辅助。 在合理资金占用条件下的供产平稳、市场变化下的产销动态平衡等支撑。

作为大型复杂流程工业，钢企的全流程工序内部生产数据获取困难，绝大部分为过程不透明的“黑盒”。而基于傲林 科技 事件网络技术构建的企业级数字孪生体，使钢铁企业的采购、生产、销售等全流程都得以透明化，通过对企业数字孪生体的模拟仿真，使用人工智能模型获得优化策略，并把相关指令反馈到各生产经营部门去落地执行，形成了企业整体智能化优化的闭环。 通过为该钢铁集团提供数字化决策和运营支撑能力，有效增强了企业软实力及全行业竞争力，打造了钢铁行业数字化转型标杆。

中国钢铁产业始终是支撑我国经济发展的中流砥柱！

传统的钢厂生产正面临着：

多工具、长流程的流程工业，生产设备内部的各种化学反应、物理变化和重要参数等都从外部无法看出；

钢轨质量检测只有到后续冷态才能检查出多个缺陷的问题；

铁水运输所采用的方法均为人工，信息沟通缓慢、且岗位工作劳动强度大、有一定的危险性，且小火车运输的方式整个过程耗时约半小时，铁水热量损失过大，不利于节能减排；

基于大型服务器的数据仓库和数据分析技术难以满足异构数据源数据的应用转化要求。

……

“十四五”中提出 到2025年，产业基础进一步夯实，产业链现代化水平明显提升，产能利用率保持在合理区间。装备水平大幅提升，先进水平焦炉产能占比达到70%以上，先进炼铁、炼钢产能占比均达到80%以上。中国钢铁已经并继续实施产能更新计划，使用了世界先进的工艺、装备、流程和技术，尤其是当前中国钢铁行业以绿色低碳和智能制造为引领，为钢铁技术创新、先进节能减排技术、智能制造技术提供了广阔的市场空间，钢铁工业体系完整性和先进性进一步强化，产业基础高级化是提升中国钢铁全球竞争力，全面建成钢铁强国的必要条件。

钢铁是制造业的基础。钢铁产品的品种、规格及形态非常多，产品需求量非常大，产品的用户数量和用户种类非常多。这些特点使得钢铁生产流程、生产工艺等极其复杂。因此，钢铁行业推进数字化转型，实施智能制造，比其他行业更具复杂性和艰巨性。我们要充分认识这一点，才能少走弯路。

已有不少企业开始通过大数据、5G、可视化、GIS 相关技术引入钢铁行业，全连接、全协同打通数据孤岛，才能加快整个行业的转型升级步伐。

智慧钢厂解决方案与传统的生产运作完全不同，大屏幕上除了工业摄像头的实时显示，还有依托可视化软件打造的 3D 模拟全流程动画的实时显示。

根据 CAD 图、鸟瞰图、设备三视图高精度建模，1:1 还原将铁矿石、焦炭及助熔剂由高炉顶部加入炉内，再由炉下部鼓风嘴鼓入高温热风，产生还原气体，还原铁矿石，产生熔融铁水与熔渣等过程。各工序采用多项智能技术，大幅提高生产效率，确保生产安全。

结合高炉大修工程，加大现场机器人应用，实现生产作业和设备 *** 作的少人化、无人化。 3D 模拟动画对生产线所有机组、设备状态、生产状态能够实时显示出来。并在右侧 2D 面板显示重要的生产和质量数据。

工业互联网是钢铁行业实施智能制造纵向集成、横向集成、端到端集成的基础设施。Hightopo旨在提高数据资源复用性，统一的、快速响应的、能够多维度深层次直观展示产品销售、财务、采购、物流分析系统。把钢厂相对复杂的、抽象的数据通过可视的、交互的方式进行展示，从而形象直观地表达数据蕴含的信息和规律。管理者像在汽车驾驶舱里面对仪表盘一样，直观地监测运营情况，并对异常关键指标预警和挖掘分析。

场景内点击“首页”按钮自动d出，展示实时产量、库存与发货量、原料采购、环保数据与能源系统等信息。与实景相互配合，给所有调度人员更全面的生产信息。

融合 5G 技术的铁水罐车远程 *** 控与智能调度系统，对铁水罐温降实现了精准管控，从炼铁到炼钢工序之间的铁水物流、时间流、信息流实现全程无缝对接，开启铁水罐运行效率全面提升的智慧管控时代。

通过现场的大量数据进行流程分析，整合钢铁厂全场风貌，以及烧结、炼铁、炼钢、轧钢等重要工序。并通过自主研发的 HT for Web 强大的 2D、3D 渲染引擎，通过搭建场景和动画驱动制作了与炼铁、炼钢的工作原理对称的数字化镜像。为生产、经营、决策提供更详细和深入的数据，优化钢铁生产经营中的各个环节。

在应用方面，应用场景主要集中于工业现场的生产过程优化，涉及企业管理的运营决策优化、企业间协同的资源配置优化、产品全生命周期的管理服务优化。帮助提升生态服务能力和数据治理水平、释放数据要素潜力，为下一步钢铁行业数字化转型实现新飞跃孕育新动能。

---