鋼鐵工業是國民經濟的重要基礎產業，是國之基石。改革開放以來
，我國鋼鐵行業迅速發展，到2020年，我國鋼產量已經達到世界總產量的57%，可以生產所有門類的鋼鐵產品。鋼鐵工業為國家建設提供了重要的原材料保障，有力支撐了國民經濟的健康發展
，推動了我國工業化
、現代化進程，促進了民生改善和社會進步。

　　作為大型複雜流程工業
，鋼鐵工業全流程各工序均為具有多變量、強耦合

、非線性和大滯後等特點的“黑箱”，實時信息極度缺乏
；各單元為孤島式控製，尚未做到單元間界麵無縫、精準銜接。鋼鐵行業麵臨的質量、成本、環境

、穩定性等方麵的問題亟待解決。嚴重的“不確定性”是鋼鐵生產過程麵臨的重大挑戰。

　　鋼鐵行業具有豐富的數字技術應用場景資源。經過長期的建設和發展，鋼鐵行業已經具有先進的數據采集係統、自動化控製係統和研發設施，可以為我們提供海量的數據資源。我們已經實現了全麵的數據采集和豐富的數據積累。

　　習近平總書記號召我們“加快建設數字中國”。我們鋼鐵人要將數字技術與鋼鐵行業深度融合

，充分發揮鋼鐵行業海量數據和豐富應用場景優勢，在工業互聯網
、大數據
、雲計算、5G網絡等信息技術的支撐下

，借助大數據與機器學習/深度學習等數據科學技術
，快速解析海量數據中蘊含的企業生產過程中的規律，並利用這些規律解決流程工業普遍存在的不確定性等“黑箱”難題
，發揮數據技術的放大、倍增、疊加作用，推進鋼鐵行業的數字化轉型與高質量發展。

　　鋼鐵材料創新基礎設施是以工業互聯網為載體、以數字孿生為核心，提供數據全生命周期管理，支持數據治理、大數據存儲、大數據分析引擎
、大數據流動驅動等數據底座。它搭建數據化業務基盤，並構建麵向未來的數字化創新應用，依托全流程
、全場景數字化轉型
，軟硬協同
，發展最新的工業信息通信技術，實現鋼鐵工業的數字化轉型。

　　鋼鐵行業必須與數字經濟
、數字技術相融合，發揮鋼鐵行業應用場景和數據資源的優勢，以工業互聯網為載體、以底層生產線的數據感知和精準執行為基礎、以邊緣過程設定模型的數字孿生化和CPS化為核心、以yi數shu字zi驅qu動dong的de雲yun平ping台tai為wei支zhi撐cheng
，建jian設she數shu字zi技ji術shu與yu鋼gang鐵tie企qi業ye實shi體ti技ji術shu深shen度du融rong合he的de數shu字zi化hua創chuang新xin基ji礎chu設she施shi，鋼gang鐵tie材cai料liao創chuang新xin基ji礎chu設she施shi是shi鋼gang鐵tie工gong業ye的de核he心xin競jing爭zheng力li。

　　創新基礎設施的核心功能
，就是建立鋼鐵材料的成分設計、製造工藝與其組織
、性能

、服役表現、外形尺寸
、表麵質量或其他各種經過數字化的非結構化數據表征的狀態變量之間的關係
，即建立鋼鐵行業信息物理係統的數字孿生，利用自學習
、自適應、自組織的數字技術持續優化生產工藝過程，實現鋼鐵行業綠色化
、數字化、高質化、服務化發展的目標。

　　鋼鐵企業創新基礎設施包括4個主要組成部分
，即實驗中心、中試基地
、底層生產線組成的物理空間，位於邊緣的邊緣數字化核心平台（邊緣雲平台）

，位於雲平台之上的企業資源配置與管理平台（資源配置與管理平台），以及管理以上底層物理實體和2個平台的網絡係統。

　　鋼鐵創新基礎設施的底層是企業實驗室、中試基地、shengchanxianzuchengdewulishiti。zaiwulishitishebeishanganzhuangdexinxiganzhixitong，caijishujubingchuansongdaobianyuanhuoyunpingtai
，duijingguoyuchulidehailiangshuju，jinxingshujufenxi，bingzaibianyuanjianlishuziluanshengmoxingjinxingguochengkongzhi
，huozaiyunpingtaijinxingguanlihecaozuozhidao。

　　鋼鐵工業要采用數字化技術，實現數字化轉型

，首要條件是鋼鐵產線的各個基本單元具有完備、可靠

、性能優良的數據采集係統，可以提供精準、齊全的現場有關材料成分和實時操作數據等輸入數據，以及材料外形尺寸
、組織性能

、表麵質量等輸出數據。同時，各工序的基礎自動化係統和執行機構必須以足夠的響應性、實時性和控製精度實現過程控製係統與物理係統的實時交互，完成需要的自動化控製任務。

　　盡管我國的多數鋼廠是近年建設的，采用了先進的自動化技術，有較好的自動化基礎，但是仍然有缺項和“短板”。因此必須填平補齊底層生產線的數據采集和執行機構的缺項
，消除“短板”。由於鋼鐵行業作業條件和技術水平的限製，過去的一些數據難以檢測，甚至檢測不了。比如煉鋼過程中的下渣檢測、連鑄液麵波動檢測

、複fu雜za形xing狀zhuang的de測ce量liang等deng。現xian在zai可ke以yi采cai用yong各ge種zhong新xin檢jian測ce方fang法fa來lai實shi現xian信xin息xi感gan知zhi。利li用yong機ji器qi視shi覺jiao技ji術shu可ke以yi提ti供gong多duo維wei測ce量liang的de信xin息xi，經jing過guo數shu據ju變bian換huan和he分fen析xi
，可ke以yi獲huo得de我wo們men需xu要yao的de尺chi寸cun
、形狀、分布等定量的表達。這方麵有很大的創新空間。

　　執(zhi)行(xing)機(ji)構(gou)嵌(qian)入(ru)到(dao)三(san)類(lei)實(shi)驗(yan)工(gong)具(ju)的(de)物(wu)理(li)實(shi)體(ti)層(ceng)上(shang)。依(yi)靠(kao)實(shi)驗(yan)室(shi)規(gui)模(mo)的(de)基(ji)礎(chu)性(xing)實(shi)驗(yan)裝(zhuang)備(bei)提(ti)供(gong)的(de)信(xin)息(xi)，可(ke)以(yi)建(jian)立(li)初(chu)級(ji)數(shu)字(zi)孿(luan)生(sheng)模(mo)型(xing)。這(zhe)組(zu)模(mo)型(xing)經(jing)過(guo)中(zhong)試(shi)規(gui)模(mo)實(shi)驗(yan)工(gong)具(ju)的(de)驗(yan)證(zheng)、優you化hua，再zai進jin一yi步bu在zai實shi際ji生sheng產chan線xian規gui模mo的de實shi驗yan工gong具ju上shang進jin行xing生sheng產chan性xing驗yan證zheng和he優you化hua。優you化hua後hou的de數shu字zi孿luan生sheng模mo型xing，在zai生sheng產chan中zhong承cheng擔dan生sheng產chan過guo程cheng設she定ding計ji算suan和he動dong態tai設she定ding計ji算suan
，並bing與yu物wu理li係xi統tong（即生產線）進行實時交互

、反饋控製、循環賦能。處於模型庫中的各鋼種模型，具有高度自治的功能，可以在軋製該鋼種時，利用實測大數據進行自學習、自適應
，實現模型的更新
，持續不斷地提高模型的保真度。

　　為進一步提高生產效率
、改善成材率
、實現穩定生產，需要對傳統自動化係統補課，大力推進操作的遠程化和自動化。對於3D（Difficult，Dirty
，Dangerous）崗位實行機器人化。這是一個長期的工作
，可分步逐步實施。

　　建立數據驅動的新型IT架構。這種IT架構通過工業互聯網直接將底層的數據采集係統獲得數據傳輸到邊緣及雲中的數據中心/機器學習平台，在邊緣形成數字孿生模型取代原有的機理或經驗模型，而在雲中多數形成操作指導

，對資源配置進行優化與管理。

　　gangtieqiyeguochengkongzhixitongyoushuqiantaizhishuwantaijisuanjiyunxing
，fashengdaliangdeshujuwanglai。zaichuantongdegangtiezhizaogongxuzhong，chuanganqixinhaohuijidaodingxuqidengxiaweijisuanjihou
，zaichuansongdaoshangweiji。chuantongdekongzhixitongmeiyoukaolvdaozhenggeguochengdashujufenxidexuyao。chuanganqishujujingguoduociluojiyunsuan、閾yu值zhi處chu理li等deng，再zai分fen層ceng地di彙hui集ji
，必bi然ran舍she棄qi較jiao多duo數shu據ju。在zai這zhe樣yang的de結jie構gou中zhong
，大da數shu據ju的de分fen析xi和he運yun用yong非fei常chang困kun難nan。因yin此ci，必bi須xu采cai用yong數shu據ju驅qu動dong型xing的de係xi統tong架jia構gou（Data Driven Architecture）。這(zhe)種(zhong)架(jia)構(gou)將(jiang)傳(chuan)感(gan)器(qi)等(deng)物(wu)聯(lian)網(wang)化(hua)

，公(gong)平(ping)收(shou)集(ji)所(suo)有(you)傳(chuan)感(gan)器(qi)的(de)數(shu)據(ju)，再(zai)送(song)到(dao)邊(bian)緣(yuan)和(he)雲(yun)中(zhong)的(de)數(shu)據(ju)中(zhong)心(xin)進(jin)行(xing)處(chu)理(li)和(he)分(fen)析(xi)。對(dui)於(yu)多(duo)廠(chang)商(shang)環(huan)境(jing)的(de)課(ke)題(ti)，可(ke)以(yi)在(zai)邊(bian)緣(yuan)服(fu)務(wu)器(qi)等(deng)彙(hui)集(ji)數(shu)據(ju)後(hou)
，從(cong)優(you)先(xian)的(de)數(shu)據(ju)群(qun)開(kai)始(shi)依(yi)次(ci)進(jin)行(xing)結(jie)構(gou)標(biao)準(zhun)化(hua)等(deng)操(cao)作(zuo)，以(yi)便(bian)於(yu)數(shu)據(ju)使(shi)用(yong)。這(zhe)種(zhong)方(fang)法(fa)在(zai)運(yun)用(yong)原(yuan)有(you)係(xi)統(tong)的(de)同(tong)時(shi)，通(tong)過(guo)運(yun)用(yong)最(zui)新(xin)的(de)數(shu)據(ju)轉(zhuan)換(huan)技(ji)術(shu)和(he)高(gao)速(su)通(tong)信(xin)
，可(ke)以(yi)推(tui)進(jin)數(shu)據(ju)驅(qu)動(dong)型(xing)架(jia)構(gou)的(de)構(gou)築(zhu)。

　　zaishengchanxianfujindebianyuan，shezhiyigeshujuqudongdeyuanweifenxixitong。yuanweifenxixitongyoubianyuanshujuzhongxinhejiqixuexipingtaizucheng。shujuzhongxinduilaizichuanganqixitongde“粗”數據進行預處理
，完成“粗”數據的提取、轉換、存儲等操作。時間序列數據對流程工業特別重要。這些數據包括僅標題加工過的原始數據，分
、小時、天等時間數據，最大值和最小值等統計數據。

　　這個原位分析係統的邊緣數據中心/機器學習平台對經過處理的生產試驗數據進行機器學習、深度學習等數據分析
，以足夠的精度給出描述材料成分、生產工藝與產品組織、性能、外形尺寸、表麵質量、狀態量等控製目標之間的關係

，即數字孿生，為後述的過程設定提供具有自學習


、自適應、自組織等能力高保真度設定模型係統。

　　在資源管理與配置雲平台，預處理後的數據根據需要
，可以使用BI(商務智能)工具進行可視化處理，再輸出到屏幕顯示或操作指導。BI工具可以很容易縮小數據範圍，切換可視化部件，實現可視化部件之間數據聯動等，因此容易進行靈活的分析。可視化部件包括：時間序列圖表工具
、散點圖工具、工藝流程可視化工具等。

　　GUI（圖形用戶界麵計算機）環huan境jing下xia運yun行xing的de機ji器qi學xue習xi工gong具ju有you兩liang類lei

，即ji專zhuan門men用yong於yu分fen析xi時shi間jian序xu列lie異yi常chang預yu兆zhao的de機ji器qi學xue習xi工gong具ju和he進jin行xing一yi般ban數shu字zi數shu據ju分fen析xi的de機ji器qi學xue習xi工gong具ju
，將jiang依yi據ju需xu要yao分fen別bie在zai雲yun平ping台tai和he邊bian緣yuan平ping台tai使shi用yong。在zaiGUI環境下運行的深度學習工具

，可以處理聲音
、圖像
、文本等非結構化數據。

　　為適應“無編程化”發展趨勢，采用“低編碼應用程序開發”等(deng)新(xin)的(de)應(ying)用(yong)程(cheng)序(xu)編(bian)程(cheng)工(gong)具(ju)，實(shi)現(xian)編(bian)程(cheng)工(gong)具(ju)簡(jian)易(yi)化(hua)。這(zhe)樣(yang)有(you)利(li)於(yu)加(jia)速(su)數(shu)字(zi)技(ji)術(shu)的(de)傳(chuan)播(bo)與(yu)普(pu)及(ji)，使(shi)數(shu)字(zi)技(ji)術(shu)成(cheng)為(wei)鋼(gang)鐵(tie)等(deng)非(fei)信(xin)息(xi)領(ling)域(yu)專(zhuan)家(jia)手(shou)中(zhong)的(de)有(you)力(li)工(gong)具(ju)，加(jia)速(su)在(zai)鋼(gang)鐵(tie)企(qi)業(ye)中(zhong)發(fa)展(zhan)、壯大數字化創新人才隊伍，形成數字化創新的生態。

　　邊緣數字化核心平台的關鍵技術是邊緣過程設定模型數字孿生化和邊緣—生產線互相映射的過程控製的信息物理係統化。

　　鋼鐵生產過程全部冶煉—加工過程是“黑箱”。chuantongdebianyuanzhuyaoshiyongjichulilunshuxuemoxinghejingyanmoxing，laiwanchengguochengjishedingjisuanhejichuzidonghuakongzhi。ciwai，yuanxitongdebianyuanchuhaiyouguochengjiankongxitong
、質量追溯係統、數據庫係統等
，近年還有少許的局部智能化控製環節。由於環境狀況和操作條件波動以及設備運行狀態變化，加之過程輸入條件
、狀態變量和控製係統之間的關係十分複雜，這些機理模型對於全流程“黑箱”的複雜動態過程適用性很差，預報精度不高

，難以準確透視工藝
、設備、質量等關鍵參數之間的複雜關係。目前傳統的鋼鐵生產生產過程存在三類問題。一是產品質量、成材率、新品開發效率等商品與服務問題，二是提高產量與效率
、降低成本、防止事故等工藝過程問題，三是提高勞動生產率
、技能傳承
、人才培養
、安全、操作水平等生產現場問題。這三類問題均集中在以“黑箱”為特征的主流程生產過程中。

　　針對上述影響企業經營的重大問題，我們必須圍繞製造主流程，建立“邊緣數字化核心平台”，簡稱“邊緣平台”，實現數字孿生係統與實際過程實時融合的一體化和全流程的CPS化。

　　邊緣雲平台的任務是，利用大數據/機器學習的數據分析方法，解開貫穿鋼鐵全部主流程的“黑箱”，搞清楚隱藏在“黑箱”中的規律
，將“黑箱”變“透明”，給出全局性的數字孿生過程控製模型，實現邊緣設定模型的數字孿生化。

　　因此與加工、裝(zhuang)配(pei)為(wei)主(zhu)的(de)機(ji)械(xie)製(zhi)造(zao)業(ye)不(bu)同(tong)，鋼(gang)鐵(tie)等(deng)流(liu)程(cheng)工(gong)業(ye)必(bi)須(xu)將(jiang)雲(yun)端(duan)業(ye)務(wu)能(neng)力(li)向(xiang)邊(bian)緣(yuan)延(yan)伸(shen)
，發(fa)揮(hui)邊(bian)雲(yun)協(xie)同(tong)能(neng)力(li)，實(shi)現(xian)分(fen)布(bu)式(shi)雲(yun)功(gong)能(neng)，強(qiang)化(hua)邊(bian)緣(yuan)低(di)時(shi)延(yan)
、shishixinggongyekongzhi。gouzhuzaibianyuansheshishangdebianyuanyunjisuanpingtai，juyouhechuantongsiyouyunyiyangdeanquanxing
，zaiyonghujifangneijiujinbushu
，manzushujubuchuchangdexuqiu。

　　數據驅動的邊緣數據中心
，必須提供大數據/機器學習必需的全部數據
，並對這些數據進行提取
、轉換、存儲等數據處理。與此相應，在邊緣部分設置“大數據/機器學習解析平台（I）”（D/M平台I），可以利用數據科學
、AI等技術解析建立數字孿生過程模型，以及實現過程可視化、APP開發等功能。生產過程數字孿生模型要傳送到過程控製係統，代替傳統的機理-經驗模型，進行生產設備的設定和動態設定。

　　鋼鐵生產流程上各個不同的應用場景，比如燒結、球團、高爐
、轉爐、精煉
、連鑄、熱軋
、lengzhadeng，yougezitedian，xuyaocaiyongbutongdeshujufenxifangfa。suoyi，yaozhuyiyijugegechangjingdetedian
，caiyongbutongdejiqixuexisuanfa，jiejuegezidewenti。zheshiwomenxuyaoyijugedanyuantezhengtupodejishunandian。

　　這樣一來，我們在作為物理實體的物理底層和作為數字虛體的邊緣之間
，形成數據閉環自動流動的四個環節，即“狀態感知
、實時分析
、科學決策、精準執行”debiluxunhuanzhong
，shixianziyuandeyouhuapeizhi。zaizhegexunhuanguochengzhong
，daliangyunhanzaiwulikongjianzhongdeyinxingshujujingguozhuangtaiganzhibeizhuanhuaweixianxingshuju
，jinernenggouzaixinxikongjianjinxingjisuanfenxi，jiangxianxingshujuzhuanhuaweiyoujiazhidexinxi。butongxitongdexinxijingguojizhongchulixingchengduiwaibubianhuadekexuejuece，jiangxinxijinyibuzhuanhuaweizhishi。zuihouyigengweiyouhuadeshujuzuoyongdaowulikongjian，gouchengshujudebihuanliudong。zhegebihuanfunengguochengjuyou“數據驅動、軟件定義
、虛實映射
、泛在連接、異構集成、係統自治”六大特征。也就是說，我們建立了鋼鐵生產各工藝單元的CPS。將全流程各單元的CPS集成起來
，就實現了全流程的CPS化。

　　邊緣部分全流程的CPS化促成了鋼鐵創新基礎設施的重要特征與絕對優勢。CPS實現了鋼廠控製的下述突破性的進展：感知數據與操作數據全部可視化，不可見部分的可視化
；“黑箱”模型數字孿生透明化，動態

、實時調整的精準實時虛擬化；異常情況早期預先檢測和預測，過程最優狀態的預測與檢測；完成正確的操作指導
，迅速的前饋與反饋，以及精準的執行自動化等控製響應，從而實現對過程的自主控製。 

　　雲中的資源配置管理雲平台
，簡稱“雲平台”
，位於雲中，稱為“雲端智能層”。在傳統的工業互聯網係統中，它承擔低實時性的 MES、ERP和BI生產計劃
、管理

、調度、決策等功能，同時
，還可以實現質量
、設備能力、成本
、資源、能源
、人力資源等多個目標的管控、溯源、資源優化配置等支撐和保證作用。

　　在鋼鐵創新基礎設施中，“雲平台”負責生產計劃、調度
、質量
、效率
、穩定性等生產活動
，原料、供應、能源、介質、排放、物流、人力資源、財務
、成本、技術創新、發展戰略等資源配置和管理功能，是“邊緣部分”設定、運行
、調度的強大支撐部分和企業管理的重要組成部分。

　　雲平台必須是數據驅動的。在雲平台配置有企業大數據中心和“大數據/機器學習解析平台（II）”（D/M平台II）
，該平台也是利用大數據/機器學習等數據技術，分析生產
、設備
、能源、wuliudengziyuandeshengchanyaosu
，duixiangyingbufendeyunxingheguanligongzuojinxingguanliheyouhua，zhichenghebaozhengbianyuanyundezuiyouhuayunxing。weiyuyunduanzhinengcengdeziyuanpeizhiyuguanlixitongbaokuoruxia7部分：

　　①生產計劃與調度管理係統（原MES,ERP）
；

　　②設備運維
、管理、診斷、維護、點檢、檢修、備件管理、可靠性分析等有關事項；

　　③物流
、原料
、介質、能源調度、管理，以及工件跟蹤、產品管理
、排放管理
，等等；

　　④安全；

　　⑤鋼鐵材料新品開發、工藝優化；

　　⑥人力資源
、成本管理
、原料管理、市場分析等企業管理事項
；

　　⑦企業發展戰略分析，等等。

　　以通信與網絡係統連接上述底層的物理實體與邊緣平台、雲平台
，形成工業互聯網。將原有光纖網絡係統與新型的5G網絡混合

，形成泛在網絡，將“雲”“邊”“端”的內部和外部連接起來，做到無時不在，無處不在
，即插即用的泛在連接，保證數據在係統內的自由流動。

　　網絡化能夠實現工業互聯網內部單元之間以及與其它網絡係統之間的互聯互通。應用到工業生產場景時，網絡連接的時延、可靠性等網絡性能和組網靈活性



、功耗都有特殊要求，還必須解決異構網絡融合
、業務支撐的高效性和智能性等挑戰。構成工業互聯網的各器件、模塊、單元、企業等實體都要具備泛在連接能力，並實現跨網絡
、跨行業
、異構多技術的融合與協同，以保障數據在係統內的自由流動。泛在連接通過對物理世界狀態的實時采集
、傳輸

，以及對信息世界控製指令的實時反饋下達，提供無處不在的優化決策和智能服務。

　　5G的先進信息通信技術有三個特性
，增強移動寬帶（eMBB）適於應對互聯網流量爆炸式增長
；超高可靠低時延通信（uRLLC）適於對時延和可靠性具有極高要求的垂直行業應用需求
；海量物聯（mMTC）麵向以傳感和數據采集為目標的應用需求。這些特性特別適用於鋼鐵行業的各種特殊場景。

　　5G為增強型的移動互聯網，峰值傳輸速率可達20Gbps。各製造單元之間在流程方向上的海量數據傳輸與處理、非結構化數據傳輸處理
、虛擬現實與增強現實的傳輸處理等，都將依賴於增強移動帶寬。鋼鐵生產中存在大量環境惡劣
、高溫危險
、重複性的現場操作崗位，惡劣和重複性工況下關鍵設備運維監控與遠程裝配
，急需實現遠程和自動化的操作與運維。通過手機/巡檢儀等音視頻等采集的非結構化數據，應用於對設備運行狀態的實時分析
、運算、監測、管理。在遠程裝配場景中，技術專家依托AR的實時標注
、音視頻通信、桌麵共享等技術
，遠程指導進行生產線裝配工作。5G的應用，推動了圖像、聲音、視頻、文本等非結構化數據的檢測、處理、傳輸與控製技術的發展，為複雜工況的分析、決策與控製提供了強大的發展動力。

　　近年創新性提出的5G切片方案，確保統一基礎設施能夠適應差異化業務需求，是進入垂直行業的關鍵。5G的多接入邊緣計算（MEC），將多種接入形式的功能、內容、應(ying)用(yong)等(deng)同(tong)部(bu)署(shu)到(dao)靠(kao)近(jin)接(jie)入(ru)側(ce)的(de)網(wang)絡(luo)邊(bian)緣(yuan)，將(jiang)核(he)心(xin)網(wang)用(yong)戶(hu)麵(mian)與(yu)應(ying)用(yong)下(xia)沉(chen)至(zhi)離(li)用(yong)戶(hu)更(geng)近(jin)的(de)位(wei)置(zhi)
，可(ke)以(yi)降(jiang)低(di)時(shi)延(yan)至(zhi)毫(hao)秒(miao)級(ji)
，並(bing)確(que)保(bao)垂(chui)直(zhi)方(fang)向(xiang)上(shang)邊(bian)緣(yuan)與(yu)底(di)層(ceng)的(de)短(duan)時(shi)延(yan)實(shi)時(shi)交(jiao)互(hu)。全(quan)新(xin)的(de)智(zhi)能(neng)邊(bian)緣(yuan)雲(yun)與(yu)5G結合，能夠降低時延並賦能新的應用與服務，網絡性能

、安全性和隱私保護能力可以都得到提升。5G低時延大數據傳輸、切片網絡架構、多接入邊緣計算
、智能化的邊緣雲，為鋼鐵工業互聯網的應用和發展提供了強大的驅動力。

　　鑒於鋼鐵材料創新基礎設施的重要性，我國鋼鐵行業學科交叉、行業協同、產學研深度融合，將數字技術與實體經濟融合
，大力開展鋼鐵材料創新基礎設施的研究，並在一批企業建設煉鐵—煉鋼—軋製—熱處理全流程、一體化的鋼鐵材料基礎設施
，目前已經在一些重要的生產單元，取得重要突破，實際應用，成效顯著。

　　依據上述時間
，總結出一批重要的數字化轉型的關鍵技術：

　　數據驅動的IT架構

　　數據驅動的信息感知：齊全
、準確、可靠 

　　數據驅動的數據中心：數據處理功能，提取、轉換、存儲（突出時間序列的存儲） 

　　數據驅動的科學分析平台：數據科學分析方法→大數據/機器學習(AI）平台→數字孿生或操作指導 

　　數字驅動的智慧決策：全流程數字孿生化的邊緣過程設定控製 

　　數據驅動的回饋賦能：執行機構精準、快速、安全 

　　製造主流程
、一體化的虛擬模型與實際過程實時融合的CPS化 

　　數據驅動的資源配置與管理雲平台

　　自動化係統補課：遠程化、自動化、機器人化

　　軟件定義：高效率、低成本改造，快速實現數字化轉型 

　　軟件編程方法：無代碼編程
，簡單易學
，便於推廣

，形成數字化生態 

　　網絡：光纖+5G，無時不在，無處不在
，即插即用，泛在網絡 

　　安全：萬無一失的網絡安全，嚴格標準化管理應對

　　係統開發與上線：離線開發、調試→在線操作指導→在線運行（安全上線，規避風險），安全
、穩妥數字化轉型 

　　鋼鐵工業數字化是鋼鐵工業發展的大趨勢、大方向、大戰略。我們要以國家重大需求和企業生產中的問題為導向，產學研深度融合，攻克關鍵共性技術，創新顛覆性、引領性

、原創性技術
，加速建設鋼鐵材料創新基礎設施，掌握企業核心競爭力

，促進我國鋼鐵行業實現數字化轉型，高質量發展！我們相信，中國鋼鐵行業一定會在激烈的國際競爭中占據科技發展的製高點
，成為世界鋼鐵科學技術的領跑者。（王國棟）