热轧生产过程是钢铁全流程承前启后的重要工序，也是企业建设“云-边-端”高效协同管控体系的关键，热轧数字化智能制造系统对推进“铁钢轧”全流程高质量智能工厂建设具有重要意义。针对当前普遍存在多源异构数据融合与追溯难闭环、生产过程控制与质量溯源非协同、面向多目标决策的精益化管控不精细等痛点问题，具体体现在： 1、现场数据体量庞大、数据残缺和无效项过多，缺乏相应的大数据平台对数据进行统一且有效的采集、清洗、归集和存储。传统的离线存储方式需要大量物理硬盘，残缺数据无法实时还原及重现，并且数据安全性无法得到保证； 2、现场数据归集多采用时间维度，相应的数据时空转换技术不成熟，难以满足实物质量分析和溯源过程中使用空间维度数据的需求； 3、产品质量异常，无法实现精准定位溯源，控制系统L1/L2大多由第三方承建，底层模型黑箱瓶颈难以突破；监控预警场景定制化差异需求大，关键参数零散分布于不同系统导致现有技术无法统计全流程工艺设备状态； 4、设备运维停留在传统的人工点检+周期更换模式，重点设备监控停留在耳听眼看的阶段，一些先进的设备测振、测温、图像识别技术未能得到应用；复杂设备系统依靠单一的仪表阈值进行报警，缺乏劣化趋势和状态的模型判断； 5、轧线、磨辊间、钢卷库、质检等生产单元自动化程度低，存在着大量可用智能装备代替的人工操作，如加热炉板坯核对、钢卷质量判定等，工作效率低、操作失误多； 6、安全、环保、消防各模块分散管理，设备系统多，系统集控技术落后，后台监控人员多，紧急状态下人员协同慢； 7、能源和成本统计方法简单、粗放，部分能源点统计未能实现自动采集，能源消耗靠简单的系数来进行标准成本的分摊，成本统计无法精确到卷、班组、区域； 8、钢卷入库、下线、装车、作业无自动计划，物流无自动优化，作业流程无信息化跟踪，操作人员多、效率低下； 9、生产管理、质量管理、设备管理、成本管理、KPI指标管理和安全管理等各个维度的数据不同域，无法跨域联合分析，需人工拷贝、合并、分析。 因此，亟需汇聚车间级全流程数据，涵盖轧辊间、设备运维、能源环保、消防安全、运营管理及智慧决策开发需求，支撑主轧线及公辅等生产作业单元智能协同管控，建立基于精益化管理的热轧数字化智能制造系统。

热轧作为钢铁生产流程的重要环节，具有高频、强耦合、非线性等特点，温度、相变、应力相伴相生。经历工业3.0后，热轧技术在主线自动化程度、品种规格、产品质量、信息融通等方面取得了长足的进步，但仍然存在如下亟待解决的问题：库区、磨辊间、能源介质、质检等非主线单元存在着大量的人工操作，劳动生产率低下；加热能力、轧线节奏、多区域调度、生产顺行等问题影响产能释放，高效生产需求迫切；以板形、表面、轧破甩尾为代表的质量和生产稳定性长期困扰热轧企业，控制模型精度、设备状态、关键检测缺失、监控不完善、人工干预多等是主要原因；缺乏工厂级成本管理系统，能耗到卷（或板、管、棒等）、成本到卷无法实现，做不到精细成本控制；自动化、信息化已逐步完善，但许多和设备、人员、物料、能源等密切相关的数字化工作尚在起步；上下游工序、工厂业务之间缺乏物质流、信息流、能量流协同机制，工作效率低下，标准实施和固化困难，决策靠人。 热轧面临的如上问题大多是多因素或多目标问题，需要从全局加以考虑，现有的多级计算机系统构架具有局限性，热轧智能工厂建设则为解决如上问题提供了契机。本项目提出一种以问题为导向的热轧“双智控”智能工厂构架方案，以短板补齐、智能检测、工业互联网平台等为支撑，以关键绩效指标为牵引，从操维集约和业务协同两个方面出发，借助精准感知、数字孪生、工艺驱动、智能算法等手段，追求产线极度自动化和业务高效协同化。热轧智能工厂的建设实现物质流、能量流、信息流互联互通，并完成生产过程中大尺度的全局优化和资源配置，可推动真正意义上的热轧工厂技术变革。

本项目针对具体场景，开发利用余热，并实现低能置换高能、余热梯级利用、热-电-冷三联供，降低企业运行成本，并创造可观的经济效益，其节能减排可获得较大的社会效益。本项目全面系统的开发、辅助设备的配套，关键技术研究，为今后类似余热的合理和高效的利用，提供了建设和运行的实践。

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。

该项目是针对干熄焦炉工作内衬中的支撑部位传统牛腿柱砌体存在的缺点研制的一种新产品。所以，该产品的应用主要是针对干熄焦炉中的斜道区中的牛腿柱、牛腿柱过项等部位，同时根据该项目所研制的大砌块性能特点，也可将其应用于温度变化频繁，且需要支撑承重的热风炉等工作环境相似的热工设备上。 干熄焦炉是是焦化行业中一种高效的热回收设备，具有操作方便、节能、环保效果好的特点，是我国大力提昌使用的环保节能设备，现在全国已有200 多座，据不完全统计仅2019年又有19座规格不同的干熄焦炉在建，这些干熄焦炉的用户，由于传统理念上一些原因现在基本上还在使用着传统的小尺寸砌体，随着我公司对该项目的新产品的不断推广，正在影响着众多用户的认识，相信该项目的产品应用前景会不断扩大。当然，我公司会不断的对产品制作工艺进行不断的改进，扩大生产能力，以降低生产成本，提高产品性能以满足用户使用需求。

实现长材无人吊运，电磁吊具是最为通用的方式。但是棒线材难以严格按垛位码放，并且容易发生滚动移位，此时按照钢卷库的库位定位方式，容易由于定位精度不足产生钢材重心在吊具边缘之外的“虚吊”现象，从而导致起吊失败或者吊运过程中的钢材掉落事故。因此，需要开展针对长材无人天车吊运的关键技术攻关。另一方面，智能库管系统应能够适应长材吊运特点，对库位变化有自动调整适应的能力，并且应满足大型物流库对天车、地面物流设备、发运设备等的全局动态优化调度需求；同时，针对物流库区的厂内倒运与存储转运销售功能，需要满足无人操作条件下的全自动卸车、自动装车需求，并能实现与生产、销售系统的对接协同。 为此，北京科技大学工程技术研究院（以下简称“北科工研”）针对棒线材库区，创新开发了以库区环境感知与三维重构、机器视觉与天车控制深度融合、库区多智能体协同优化的智能库管调度、库区集控与智能工厂协同优化为标志性的第二代无人天车与智能库管技术，并实现针对棒材智能库与高线智能库的首创示范应用。

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。

由于异形坯断面形状不规则，受力情况复杂，在连铸生产中容易出现裂纹、夹渣等缺陷，导致轧制时产品报废率高。国内的几台大断面异形坯铸机均为国外引进，其最大断面为1024mm×390mm×120mm。而国产的两台异形坯铸机生产的异形坯最大宽度只有500mm，和引进铸机还存在较大的差距，我国此前还没有完全掌握异形坯铸机核心技术。当需要生产新的断面时，只能简单仿制，往往使用效果较差，铸坯质量难以保证。随着，我国的基础建设不断投入，我们需要大量产线更丰富的异形坯铸机，而且还需要进一步加大其断面。为此，开发我国用于轧制重型H型钢的重型异形坯连铸机技术与装备非常重要。 重型异形坯断面尺寸更大，铸坯的凝固进程更长，应力情况非常复杂。铸坯对整个凝固过程的传热均匀性，以及设备的刚度提出了更高的要求。同时兼顾板坯、非对称异形坯的生产，对夹持段也有一些特殊的要求。冶金控制模型应稳定、可靠，确保铸坯的坯壳均匀生长，表面温度平稳下降。设备结构合理，以保证较高对弧精度，同时更换快捷。 从设备设计、模型开发两方面着手，开发的设备结构为计算模型提供基础，模型计算结果为设备开发提供理论依据，相互验证、推动。在形成一套完整的重型异形坯铸机装备的同时，给出详实可靠的理论支撑。研发出的冶金模型，辅助设备设计的同时，得到合理的连铸工艺，形成一整套生产工艺参数。使研发的设备、工艺参数做到有的放矢，确保铸机投产后稳定生产。

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。

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。