2019年4月，生态环境部等五部委部联合发布了《关于推进实施钢铁行业超低排放的意见》（以下简称“意见”）。2019年12月，生态环境部发布了《钢铁企业超低排放评估监测技术指南》。2020年7月，生态环境部发布了《重污染天气重点行业应急减排措施制定技术指南（2020年修订版）》。从上述国家关于钢铁企业超低排放改造提出了明确的要求和时间表。因此，钢铁行业如何从实现全流程、全过程、系统的环境管理的角度出发，建设生态环保管控系统，对有效提高钢铁行业发展质量和效益，大幅削减主要大气污染物排放量，促进环境空气质量持续改善，已经成为钢铁行业绿色发展的重要内容之一。 目前，部分企业已实施了无组织管控平台或超低排放管控平台，以满足超低排放的基本要求。但是无法满足钢铁企业日益增长的环境管理需求。企业急需将废气、废水、固废、清洁生产、碳排放、排污许可、环境风险、环保管理等管理功能全部实现信息化和智能化管控，并且根据企业实际需求进行定制化设计。在实现各环境管理功能的过程中，现有设备信息传输基本依托有线、4G无线等传输技术，5G技术尚在环保监测监控设备上的应用。目前企业已实施的超低排放管控系统及无组织排放管控系统多采用大屏展示的方式，对于环保管理人员查询、统计、导出、流程化管理带来了困难，急需开发PC端。

大冶特钢是我国装备最齐全、生产规模最大的特殊钢企业，其特冶锻造生产基地工艺流程较为复杂，该产线电炉、电渣及双真空工序涉及炉台设备包括电弧炉、感应炉、精炼炉、电渣炉、真空感应、真空自耗炉等，生产工序多，既有流程行业又有离散行业特点，各工序各参数的交互影响因素多，而采用先进的工业互联网技术，建立质量大数据系统，将打通各工序产品质量与工艺参数之间的系统壁垒，可以达到多工序、各工艺质量数据的互通互融，在加工生产的每个环节保证各节点的质量稳定，实现产品生产全流程质量可追溯，将有效提升产品质量，从而满足市场需求、增强企业竞争力。

智能化、绿色化是钢铁行业的发展方向，而数字化是智能化的重要基础，在钢铁工程建设特别是新型钢厂建设过程中，如何实现全流程全方位的数字化和绿色化，还需要解决以下四个核心问题。 1.解决新一代信息技术与钢铁全流程深入融合的问题。一是解决信息感知与数据不全的问题；二是挖掘数据的深层次价值，解决大部分数据仍在沉睡的问题；三是提高数据孪生效率，解决产线各系统之间彼此孤立、信息孤岛，数据资产和价值有待进一步挖掘的问题。 2.解决绿色技术与工程设计的融合与协同问题。我国钢铁行业执行全球最严行业排放标准，河钢集团所在的河北省排放限值又高于国家标准。另外，钢铁行业存在工艺流程长、工序多、污染物种类多的特点，增加了污染物协同治理的难度。以产品为主导的传统钢厂设计模式，生产制造与绿色技术协同性不够，导致全流程绿色技术与总体设计融合难。 3.解决新一代流程钢厂各工序高效衔接的问题。依据冶金流程学理论，钢厂工序流转应遵循“流转时间最小化、空间路径最小化、过程排放最小化”的总体设计理念，但如何实现“最小化”，在实际操作时难以量化和及时调整。需要通过数字化手段，搭建流程优化和智能化运行总平台，实现各工序间的高效衔接。 4.解决钢铁工程项目管理手段不统一的问题。钢铁工程由于规模大、系统复杂，面临工程难以协同管理的问题，主要表现在工艺设计、设备管理、现场施工等资源集中管控平台缺失、技术体系无法共享、信息沟通效率低等方面，严重影响和制约了工程建设效率。

目前，烧结除尘在稳定性、经济性、高效性、环保性方面仍有待提升，主要体现在： 1、焙烧冷却过程含尘废气排放量大，工序间耦合循环利用率低，除尘治理成本高，作业环境差：焙烧冷却过程，吨烧结矿生产需风量达4600m3以上，烧结需要风量，而冷却含尘热废气又直接外排，不仅浪费了能源，还导致无组织排放，大量细颗粒粉尘散落在环冷机作业区，以一台600m2烧结机为例，对环冷机含尘废气全部收集后通过布袋除尘治理，需增加投资5000万元，成本高。 2、混匀制粒过程易产生高湿高黏含尘废气，治理难度大，属世界性难题：烧结工序中添加生石灰可以改善混合料制粒效果，而生石灰消化会形成大量的含矿粉、石灰颗粒和蒸气的高湿高黏含尘废气，除尘过程极易结硬并堵塞管道，作业率低，管理要求高，检修工作量大，很难长期稳定达标排放。 3、原料输送过程转运距离长、落差高，易扬尘，运输皮带黏料严重，易散落：烧结系统皮带运输距离达3000m以上，粉料处理量达千万吨，转运落差达4-8m，下落冲击过程易产生碎裂和扬尘，且多为含水细颗粒物料，容易黏结在皮带表面上造成卸料不彻底，在皮带回程时跌落至各个不确定地点后形成扬尘。 4、散落粉尘磨琢性强，点源多，清扫工作量大，负压清扫与输送技术应用受限：厂区多点散料清扫与洁净作业是维护环境的重要工作，冶金粉尘磨琢性强，高负压气力清扫与输送过程中容易磨穿除尘装置，除尘点多，各支路工况变化对风速匹配度要求高。 因此，本项目围绕烧结工序不同生产环节粉尘减排的难题，针对性地开发烧结粉尘无组织排放控制技术，以期实现烧结清洁化生产。

设备智能运维是钢铁工业智能制造的短板，存在下列问题： 1、设备运维数智化基础薄弱，设备状态相关的数据没有得到全面有效的采集、存储、管理，全口径设备数据在线率不足1%。 2、以人为主的设备管理导致过度依赖人的行为、经验，设备风险难以控制，设备维护经验、知识碎片化，缺少系统化的积累、提炼、优化、传播。 3、设备维护相关数据没有得到有效开发、应用，基于数据的决策偏少，智能化应用不成体系，运维全流程协同优化乃至支撑产供销全局优化没有依托和抓手。 4、未能实现对环保设备设施运行状态的精准把握，保证其持续可靠运行，减少和降低污染排放，支撑环保达标和超低排放的实现。高能耗设备的运行缺乏数据支撑，降低能耗的目标难以达成。 5、设备维护功能分割过细，点检、运行、日修、抢修等多种角色并存，设备点检不到位、设备维修质量无数据支撑，设备日常运行过程中的“跑冒滴漏”问题严重，不仅增加消耗，也间接增加环境压力，效率提升遇到瓶颈。 针对这些问题，宝武装备智能科技有限公司研发成功一套钢铁全工序、全流程设备智能运维系统（技术、产品、标准与体系），攻克了面向钢铁全工序的设备智能运维平台、面向状态变化趋势决策的设备智能运维智能专家系统、面向服务一致性的设备智能运维标准、面向运维全流程的智能运维体系等四个方面十二项核心技术，实现了面向钢铁行业的全工序全流程的智能运维系统和超大规模化工程应用。

钢铁企业原料场接收经由水路、铁路、公路运输进厂的原燃料，通过存储转运、和混配加工，为高炉、烧结、焦化等工序提供生产需要原、燃料的稳定可靠供应。 料场由多个相对独立的子料场组成，分别负责储运不同品种的原燃料，供应对象也各不相同，按年产1000万吨铁水产能计算，年接收转运球团、块矿、焦炭、粉矿、生熔剂、混匀矿等近千种约为2600万吨原燃料。具有品种繁多，堆存场地料线更换频繁等特点。传统料场在管控方面存在以下问题： 1、堆取作业依赖机上人工操作 2、缺失关键信息 3、缺少对数据的统一管理 4、生产组织依赖个人经验，缺少科学决策系统支持 针对上述问题，中冶南方数智料场研发团队开发了数智料场技术，成功实现了钢铁企业大型料场的一体化管控，有效解决了传统料场在自动控制和管理技术方面存在的不足。

兴澄特钢一轧钢分厂成立以分厂厂长牵头组成自主开发的攻关小组，攻关组成员现场采集负责添加智能点检区域数据，绘制平台网络图，搭建一级、三级和智能点检网络体系，并依据网络图，建立数据传输接口，实现数据间互通。为确保智能点检的准确性，攻关组成员增设了系统运行故障诊断功能，实现自动识别故障数据、智能点检采集故障，并最终自动报警反馈到客户端。同时，相关人员只需在手机APP，就能查询到该系统的点检信息和报警标准。 项目主要围绕主轧线主体设备设计，监测的设备范围包括：轧机、加热炉汽包、变压器、润滑站、液压站。保留延伸扩展其他类型设备的能力。系统平台设计范围需满足上述设备关键状态参数的实时采集、数据存储、数据分析展示、异常告警与处理、设备的日常维保和健康管理等，以及为实现监测而进行的部分现场仪表的升级改造，传感装置和数据采集设备的安装。

绿色智慧制造背景下，通过设备运维的数字化与智能化，探索和推动工业领域设备管理变革升级，成为了新的课题。目前以“点检定修制”为代表的设备管理主要问题体现在： 1、过度依赖人的行为、经验，设备风险难以控制。以某钢厂为例，90%的设备故障是因为点检不到位，30%的重复性故障是点检不周导致，充分说明五感点检、经验判断已不足以支撑设备风险有效控制。 2、设备过维修与欠维修并存，综合维护成本居高不下。由于缺乏全面有效的设备状态把控手段，点检定修模式下过维修难以避免，同时也普遍存在设备老化严重、维护不及时的情况。 3、设备维护功能分割过细，制约系统效率提升。点检、运行、日修、抢修等多种角色并存，效率提升遇到瓶颈（行业万吨钢点检人员配置平均水平1人/万吨，国际先进0.7人/万吨）。 宝武装备智能科技有限公司、宝山钢铁股份有限公司通过新一代信息技术（ABC+IoT）应用，推动设备管理从“感官判断、经验决策”向“数据判断、知识决策”的智能化升级，支撑钢铁制造“智慧、绿色”转型，探索实践工业领域设备管理变革，带动行业高质量发展。总体思路如下： 1、以“三需要”（数字化转型、绿色可持续发展、设备管理变革）为初心，探索面向多维需求的设备智能运维系统解决方案。 2、以“三个一”（一个平台、一个专家系统、一套标准化体系）为核心，打造“远程、智能、共享”的设备智能运维管理新模式。 3、以“三提升”（资产效率、人事效率、管理效率）为目标，重塑设备运维价值链，实现设备管理价值最大化。

推进信息化与工业化深度融合是我国制造强国的战略任务之一，青岛特钢在中国钢铁业自动化和信息化应用方面拥有扎实的基础，经过多年的发展，青岛特钢建设了比较完整的信息系统架构，从产线级基础自动化、过程控制系统、生产控制系统(PES)/制造管理系统(MES)、一体化经营管理系统到数据仓库，建成了自下而上纵向集成的五级计算机体系。 在实施智能化改造过程中，针对高速优特钢线材轧制速度快、连续性高、精度要求高，青岛特钢选取该产线作为实施智能工厂的试点示范，通过试点突破一批关键技术，提高产品质量、降低能耗，达到降本增效目的。同时，在全国钢铁企业长材生产线中也起到示范作用。

中国钢研自主设计开发的基于多尺度公网云计算、区块链数据共享与高通量增材制备的行业级材料数字化研发平台（简称“Material-DLab”）。该平台集材料计算、工艺模拟、服役模拟及高通量制备于一体，开辟了全图形云计算、材料APP、材料区块链、元素级3D打印高通量制备等新的技术理念和应用场景。 平台突破了高性能计算（HPC）架构下的图形/指令一体化的材料多尺度云计算技术，设计了基于“云堡垒”的智能路由系统，实现了基于Windows-Linux多许可证调度的多尺度材料、工艺软件公网云计算。在确保软件产权的前提下实现了资源共享，实现了20余款国际知名材料、工艺软件的远程计算、移动计算和排队计算，覆盖纳观、微观、介观、宏观的全尺度计算资源。 首创基于区块链的材料数据对等发现及共享技术，突破了数据产权确认、数据汇聚和共享的行业难题，满足了材料数据确权管理及安全溯源需求，促进企业级、行业级科研检测数据矿山的形成，实现FAIR原则下的跨团队、跨部门数据可发现、可访问、可操作、可重用。 首创元素粉末SLM原位合金化高通量制备技术，建立了行业内首个块体样品的高通量增材制备系统，突破了高速打印条件下元素粉末扩散、均质化难题，可实现一次上百种不同成分块状合金的高效制备，大幅度提升材料研发、优化迭代效率。已成功应用高熵合金、不锈钢、高温合金、超硬合金和梯度功能材料等材料开发中。 建立了全球首个材料APP专业资源平台，开发并上线350余款材料APP应用，以解决材料、工艺和计算工程师的知识衔接和知识沉淀难题，支持多种广义APP的云端生成、云端远程计算。支持企业专区设立，可共享、可修改、可移植、可保护版权。算法覆盖纳观、微观、介观、宏观全尺度，具备从材料设计、组织性能预测、工艺模拟到服役仿真全流程的微应用计算解决方案。提供了材料原创性研发所必需的计算-数据-场景迭代升级能力。 Material-DLab平台开放运行6个月期间，累计实现在线计算任务6000余项；完成在线科研检测及数据上传任务1000余项，开发和众筹各类材料APP超过350项，向行业发布悬赏征算任务18项、参与团队170多个，认证数字化研发教师/工程师64人，完成行业培训2000余人，直接收益超过3000万元。已与包括鞍钢北京研究院、北京钢研高纳、安泰科技、中石化广州工程等多家用户单位合作，为其带来收益超过2亿元。