本项目聚焦目前钢铁企业在质量管控和分析方面面临的共性问题，利用大数据及人工智能技术，突破了传统IT信息化系统框架结构、技术水平、适用领域等局限性，研发了一套适用钢铁企业全流程、全工序的质量分析管控平台，并应用于钢铁生产最为复杂的炼钢和轧钢工序，以现代质量管理方法为基础、以信息化系统为手段、以智能制造为主导，实现生产可管控、异常可预警、过程可追溯、缺陷可诊断、能力可评价、质量可预测、研发可推理。运用全面质量管理工具，辅助技术人员确保产品质量的稳定性，持续提升产品质量，不断提高顾客满意度和企业竞争力。

把所有的炼钢数据和板坯质量信息进行关联，能够更好地提升现场生产和工艺人员的工作效率，集成在内分析辅助工具能够更快速准确地提升分析能力。 以板坯为索引，把炼钢数据和板坯质量信息进行关联，通过板坯号就能够直接获取其各位置对应的生产过程数据、板坯质量信息。并提供统计分析工具，对不同类别、不同质量结果的板坯进行快速分类和分析。

本项目首次利用大数据及人工智能技术，突破了传统IT信息化系统框架结构、技术水平、适用领域等局限性，研发了一套适用钢铁企业全流程、全工序、全产品的质量分析管控平台，并应用于钢铁生产最为复杂的炼钢和轧钢工序，以现代质量管理方法为基础、以信息化系统为手段、以智能制造为主导，实现生产可管控、异常可预警、过程可追溯、缺陷可诊断、能力可评价、质量可预测、研发可推理。运用全面质量管理工具，辅助技术人员确保产品质量的稳定性，持续提升产品质量，不断提高顾客满意度和企业竞争力。 总体技术路线是利用大数据技术抽取及存储生产现场的所有生产信息、控制信息、工艺过程数据、能源介质数据、设备运行数据以及各种计质量装置等检测数据，形成完整统一的基础数据平台，然后以数据为基础，完成全流程、全工序的生产过程质量数据监控与告警、过程质量追溯、质量分析与建模、过程质量评价、工艺标准库管理、质量报告及统计分析报表，系统分析组件，系统配置管理等功能。

本项目属于冶金节能减排领域。 我国钢铁产量大，污染物排放高，颗粒物、SO2、NOX分别占工业的30.1%、13.7%、15.7%。现有排放标准已无法满足“打赢蓝天保卫战”要求。2017年政府工作报告提出：推动钢铁行业超低排放改造。结合目前钢铁行业环保水平，钢铁行业实现超低排放还存在以下难点：（1）无组织排放点位多、排放量大，排放底数不清，缺乏治理有效路径；（2）高炉煤气用户SO2排放末端治理难度大、缺乏源头控制技术；（3）转炉一次除尘、高炉料罐均压煤气等重点工序颗粒物治理技术不完善；（4）球团烧结稳定达标排放难度大。（5）污染物一体化管控难度大。针对上述难点，首钢股份公司开展了无组织排放管控治一体化技术研究，有组织达标排放成套技术研究。项目取得了以下创新成果： （1）首次建立了迁钢钢铁生产全流程超低排放技术体系，研究了钢铁生产全流程污染物排放特征及规律，开发了有组织排放稳定达标的成套技术，搭建了全流程污染物管控治一体化智慧环保平台，使首钢股份公司吨钢颗粒物、SO2、NOx排放绩效指标分别达到了0.17kg、0.21kg、0.4kg。 （2）开发了有组织排放长期稳定达标的成套技术，在综合分析高炉煤气有害成分的基础上，首创了高炉煤气喷碱控硫技术；在系统研究了煤气防爆技术和污水处理技术后，首次将湿式电除尘器技术与转炉煤气OG除尘有机结合；对料罐煤气放散特征系统分析技术上，首创了全量回收料罐均压煤气技术；在系统性地研究了球团烟气特点后，创造性地将SCR脱硝技术引入到球团烟气治理领域；通过上述技术的应用使迁钢公司有组织排放远低于超低排放要求。 （3）建立了无组织排放综合除尘控制技术体系，首次研究了无组织排放产尘机理和扩散规律，开发了卸料行为图像智能识别技术、超细雾炮抑尘技术、双流体干雾抑尘技术、生物纳膜抑尘技术、Y型双层密闭导料装置等，实现对无组织排放污染物管控与治理。 （4）首次建立钢铁企业超低排放智能管控平台，开发了以网格化综合管控模块为核心，以大数据技术及机器学习自适应算法为驱动，以机器管理代替人员管理，实现污染源点精准化、治理技术智能化、治理过程信息化、决策反馈一体化、污染应对数据化、操控管理无人化的“黑灯工厂”。 项目环境效益显著：2019年比2017年颗粒物减排3122吨，SO2减排1531吨，NOX减排2344吨，减排比分别达69%、47%、42%。

收集烧结生产涉及的全部数据，其中包含来自于自动化系统的生产过程数据、来自于设备系统的设备状态数据、来自于化验系统的检验数据、来自于 ERP 系统或 MES 系统的生产标准数据、来自于销售系统或 ERP 系统的质量异议数据、来自于点检系统或人工的点检数据、来自于各个系统记录的操作数据等。设计并实现高吞吐、高可靠、高可用的数据传输通路，采用高效的分布式信息传输技术，完成海量数据的采集和汇总；汇总信息以数据流形式注入中央存储及分析系统，需设计并实现高效稳定的流数据处理系统。采用分布式高容错的大数据技术,对大量生产工艺数据进行实时性／准实时性的清理和整合。然后，运用Hadoop和Spark等大数据先进技术，对数据进行深度加工，进行数据格式标准化，异常数据清除，错误纠正，重复数据的清除等操作，并结合工艺专家，鉴别主要数据指标的准确性。

基于大数据技术的烧结终点预报模型2017年初在河钢承钢初步进行了调试运行，极大的方便了现场操作者对烧结终点状态的实施把控。在烧结矿质量指标得到稳定和改善的同时，烧结矿产量提高，工序能耗显著减低。

为了应对气候变化、治理大气污染，钢铁企业的节能减排压力也越来越大。企业普遍面临如下问题和机遇： 1）能源管理较粗放，科学化、定量化过程管理能力不足 长期以来，钢铁企业形成了生产为主、能源为辅的管理理念。能源管理较为粗放，表现为：能效指标体系缺乏系统支撑，对节能潜力点挖掘不足，数据不真实掩盖了问题；节能管理搞运动、一阵风，缺乏信息系统的监督、科学评价，节能管理的成果难以持久；能源信息分散、共享程度不足，使得公司能源管理、分厂能源管理各行其道，未形成上下贯通、全员参与的局面；能源调度决策缺乏模型支持，调度人员难以进行预先的、精确的调整。 2）管理节能潜力巨大 钢铁企业设计时大马拉小车问题突出，能源供应超出实际需求，检修期间浪费更加严重，降低介质单耗潜力大；大工业用电按照峰平谷分时计价，峰电价一般为谷电价3 倍，避峰就谷生产的经济效益十分显著；蒸汽管网保温不合理、阻力损失大、跑冒滴漏等造成管损比例大；一边外购天然气，一边放散煤气，一边外购技术气体，一边开着低效的空压机组等等。 因此，钢铁企业如何有效利用大数据技术提升能源管理科学化水平，降低能耗和能源成本成为重要问题。

本重点专项总体目标是：围绕新材料“研发周期缩短一半、研发成本降低一半”的战略目标，融合高通量计算（理论）/高通量实验（制备和表征）/专用数据库等关键技术，变革材料研发理念和模式，实现新材料研发由“经验指导实验”的传统模式向“理论预测、实验验证”的新模式转变，显著提高新材料的研发效率，增强我国在新材料领域的知识和技术储备，提升应对高性能新材料需求的快速反应和生产能力；培养一批具有材料研发新思想和新理念，掌握新模式和新方法，富有创新精神和协同创新能力的高素质人才队伍；促进高端制造业和高新技术的发展，为实现“中国制造2025”的目标做出贡献。 本重点专项的主要研究内容是：构建高通量计算、高通量制备与表征和专用数据库等三大示范平台；研发多尺度集成化高通量计算方法与计算软件、高通量材料制备技术、高通量表征与服役行为评价技术，以及面向材料基因工程的材料大数据技术等四大关键技术；在能源材料、生物医用材料、稀土功能材料、催化材料和特种合金等支撑高端制造业和高新技术发展的典型材料上开展验证性示范应用。共部署40个重点研究任务，专项实施周期为5年（2016-2020年）。 2016年，本重点专项在材料基因工程关键技术和验证性示范应用方向启动了13个研究任务。2017年，拟在材料基因工程关键技术和验证性示范应用方向启动16个研究任务（其中，由于金属基、陶瓷基和高分子基复合材料的设计方法和制备工艺差别较大，故将任务16分成3个子任务列出，即指南16.1、16.2和16.3），拟支持18-36个项目，拟安排国拨经费总概算为3.24亿元。凡企业牵头的项目须自筹配套经费，配套经费总额与国拨经费总额比例不低于1：1。