钢铁行业目前处于数字化转型的发展新阶段，为实现企业“提质、增效、降耗、控险”，钢铁工业智能制造成为钢铁工业发展的核心方向。钢铁工业具有独特的业务场景，如何利用工业物联网技术促进钢铁工业智能制造？如何设计合理的大数据模型，以满足现场可靠性要求？目前市场上缺乏智能制造所需的复合型人才，有什么良方解决这个问题？这些都是值得去研究探讨的问题。

2020年12月5日，由中国计算机学会青年计算机科技论坛(CCF YOCSEF)合肥分论坛主办了线上“钢铁工业智能制造论坛”，由安徽工业大学电气学院与计算机学院协办。论坛邀请业内人士、企业界和学术界人士围绕钢铁工业智能制造展开讨论。

会上飞马智科信息技术股份有限公司技术副总何诗兴做了《马钢智能制造应用实践》发言，介绍了飞马智科智能制造发展历程，涉及岗位无人化、产线自动化、车间数字化、工厂智能化等角度，并对企业下一步利用工业大数据提质增效提出了期望。

安徽工业大学冶金学院副教授张立强做了《基于工业物联网及工业大数据技术的连铸坯精确定重关键技术及装备》的发言，从节能降本目标、连铸凝固理论支撑以及工业物联网与工业大数据为手段出发，详谈了其项目进展，并认为找需求与应用结合点，为社会创造价值比较重要。

安徽工业大学电气学院副教授方挺分享了《面向智能高炉的工业物联网应用技术》，针对传统冶金炉窑监测系统精度低、稳定性差等问题，采用工业物联网和智能传感器技术对炉窑温度和热负荷进行检测，经济效果明显。

哈尔滨工业大学计算机学院教授、CCF哈尔滨主席、YOCSEF哈尔滨荣誉委员王宏志做了《工业大数据分析：理想与现实》引导发言，谈到了工业大数据的特点及现实中其分析应用的复杂性，并从数据来源、数据可用性、分析策略和分析结果的可用性等几方面分享了自己的项目经验和思路。王教授认为，目前国内工业大数据主要集中在数据采集与监控方面，而进一步大数据分析方面则还不多，需要更多关注。

集思广益

本次论坛吸引40余企业界学术界专业人士在线参与，同时面向CCF YOCSEF合肥微信群400多名成员以及论坛在线群进行了图文直播。参会人员就“冶金工艺、优化控制与工业大数据之间如何形成业务解决闭环？”、“智能制造中软件定义了制造，则流程工业大数据应用，其核心是在算法还是数据？”、“工业过程对分析结果的精度、可靠度要求高，如何保障智能制造数据的分析结果有效可用？”、“为促进钢铁工业智能制造应用落地，该如何培养人才？”四个议题展开了深入讨论。

哈工大王宏志教授认为目前冶金工艺较多的是业务驱动、机理驱动，而数据驱动很少。控制方面有一套成熟理论，目前数据驱动也很少。当生产过程十分复杂时，采用机理模型和优化控制还不够用时，需要数据驱动建模。飞马智科何诗兴副总认为工业大数据在钢铁行业提升产品质量、优化整个工艺流程链条上能发挥作用。

从业务驱动出发，安工大张立强副教授认为工业大数据用在特定的点上解决工业痛点问题，这个痛点是市场或工业的内在的需求所决定；安工大潘瑞林教授认为，结合数据理解，经验模型、机理模型加数据模型，可更好地形成闭环。

科大讯飞张天放高工认为，人所能感知场景可以通过人工智能和工业大数据的方法来解决。在流程工业也存在这种情况，这需要海量数据、合适算法以及专家对数据的解释。王宏志教授赞同张工关于大数据对人感知的内容能发挥作用的观点，并认为大数据应用的核心是数据而不是算法，若数据不够好，用算法弥补很难。

何诗兴副总从马钢经验出发，认为如果数据足够好，软件系统能发挥作用，数据与算法是相辅相成的。潘瑞林教授赞同此观点。张立强副教授赞同算法与数据在发展变化，不同业务场合算法与数据的效果不同。

一线提问1：

中冶华天蒲春雷高工从经验出发提出疑问：部分传统业务可以不需要大数据模型；部分业务采用冶金工艺模型加机器学习模型，效果只是略好；现在企业上数据工厂，与业务流程结合，效果如何不明朗。

一线提问2：

马钢制造部于景辉高工也提出疑问：1.影响产品质量稳定性的性能指标是抽样指标，不能完全代表产品性能，如何确定哪些关键因子有成效？2.生产线上游环节缺陷对下游环节产生影响，能否预测以进行控制，提升来产品质量？

针对预测问题，王宏志教授从数据角度出发，以生产一线能给出的数据为基础，认为可能需要满足几个条件：（1）采集到合适的数据；（2）模型好使，可采用多个模型加机理一起建模；要避免过拟合；（3）算法够快，以捕捉变化。这里模型算法可以改进；还可以用一些其他技术来处理。

深圳李炳积博士提出缺陷参数清单思路：先挖掘钢铁业务产生的缺陷受什么影响；列写清单；针对最严重缺陷，分析查找资料，找出产生缺陷的影响因素（前提是数据足够）---采集数据---建立在线模型---模型自学习，用过去预报未来；后续预测缺陷目标，在生产前预报，确定相关参数；无数次自学习之后，在线模型精度足够，模型可与生产线绑定。

谈到如何保障智能制造数据的分析结果有效可用问题，王宏志教授坦言，目前解决的不是特别好；或个体案例好，但不易推广。提出自己经验：1.可使数据好使点；管理好数据；增加数据评估及数据清洗模块；2.建模尽可能有可解释性、有迁移性；3.数据科学的知识需要普及，以便业务一线和高校明确大数据能解决什么问题。

潘瑞林教授认为保障分析结果有效是优化调度问题，需要多目标协调；所建模型和算法应具备自适应和迁移性。

关于如何培养钢铁工业智能制造人才，YOCSEF合肥主席、数据堂（合肥）总经理吴鑫坤认为企业需要的外部人才，校企合作可定向培养；企业内部人才转型难，高校可以赋能。

王宏志教授从哈工大角度谈到：1. 校企合作，反馈效果好坏不一，需要国家、社会与学校监管机制；2. 培养人才核心应侧重在钢铁专业、自动控制专业学生学计算机，而不是计算机专业学生学习智能制造，而是因为计算机毕业生很少进入制造领域，大部分进入互联网；2. 哈工大开了工业大数据选修课，并设立信息辅修专业，学生做钢铁大数据方向毕业设计，可获得原专业加辅修专业毕业证。3. 企业内部员工提升，是经济有效方式，可有针对性地设置企业工程硕士班。

关于培养师资力量，吴鑫坤总经理提出师资共享思路，并举例合肥市人工智能研究院方式。李炳积博士提到逆向学习法。张立强副教授，提到目前国家新工科建设在系统化培养师资。

落地初步成果：

钢铁工业智能制造应用落地问题，关乎冶金、自动化、计算机等领域科研工作者的一个研究方向，也是钢铁工业发展的核心目标。通过这次论坛，飞马智科公司与电气学院，计算机学院与冶金学院也分别表达了进一步交流合作的愿望。

论坛执行主席：

安徽工业大学电气学院 彭澄宇 博士 YOCSEF合肥AC

安徽工业大学计算机学院 赵伟 副教授 YOCSEF合肥委员