劉獻東
2020年11月25日，歐盟委員會通過了《歐洲數據治理條例（數據治理法）》建議稿，將促進成員國之間的數據共享。這種新的數據治理方式將增加社會大眾對數據共享的信任，加強提高數據可用性的機制管理，克服數據再利用的技術障礙。
為塑造歐洲數字未來，歐盟發布《歐洲工業新戰略》，當前正在大力推進鋼鐵行業數字化轉型項目。RFCS（煤炭和鋼鐵研究基金）作為歐洲鋼鐵行業最重要的科研基金之一，包括了145個不同領域的鋼鐵行業數字化創新項目，涉及數字化轉型和工業4.0的各方面內容（如自適應在線控制、全工藝流程優化、全工藝流程數據的同步、零缺陷制造、可追溯性、智能和集成制造）。該基金的總預算為2.501億歐元，每個項目的平均預算為170萬歐元。
參與RFCS計劃的主要研究機構是：德國BFI、瑞典研發機構Swerea、意大利RINA、Sant'Anna、比利時冶金研發中心。RFCS項目中最活躍的鋼鐵制造商有安賽樂米塔爾、蒂森克虜伯、塔塔鋼鐵、奧鋼聯。冶金裝備制造商是裝備專利的主要擁有者，如普銳特、西馬克、達涅利。
歐盟鋼鐵行業數字化轉型的項目主要有以下13大類：
一、物聯網系統（IOT）
物聯網是指將各種物理對象嵌入電子傳感器、執行器或其他數字設備，使其能夠聯網以收集和交換數據。物聯網體系結構的在線監測系統由四層組成：傳感層、網絡層、服務資源層和應用層。目前正在運行的TRACKOPT（2017-2020）項目基于物聯網系統實現了鋼包自動跟蹤系統，以確保從煉鋼到澆鑄的全過程產品跟蹤。
二、大數據分析和云計算
大數據技術分析是根據歷史數據算法識別產品質量問題，采用新的處理模式從而減少產品故障。鋼鐵行業中的傳統數據庫技術在完成對大量結構化和非結構化數據的捕獲、存儲、管理和分析方面尚存在一定的困難，大數據解決方案正應用于鋼鐵產品的質量監控和改進，并很好地克服了傳統技術存在的困難。以減少鋼板的裂紋或劃痕缺陷為例，利用生產線在線數據的采集在生產的早期階段對鋼板表面缺陷進行預測，避免后續產品故障的產生。
大數據分析和云計算領域的主要項目有：
1）TRACKOPT
該項目的目標是使用多目標優化（MOO）框架和數據分析，同時采用包括聲學在內的各類傳感器，從而提高工廠產量（避免由于鋼包的混合而導致產品封閉或降級）、和鋼廠的安全性。
2）Quality4.0
該項目基于AI高級人工智能、機器自學習的分析方法和大數據處理，開發自適應平臺，允許對大數據進行實時在線分析，以提供量身定制、高可靠性的信息并實現產品質量決策。
3）PRESED
該項目提出了一個基于大數據、特征提取、機器學習、分析服務器和知識管理的解決方案，以自動分析感測時間序列數據。
4）NewTech4Steel
該項目實施時間為2018年~2021年，專注于鋼鐵行業的應用場景開發和實施方法，利用最新的數據處理和數據分析技術對產品進行性能監控。
5）CyberMan4.0
該項目實施時間為2018年~2021年，應用全流程工藝和產品大數據的工具和技術，預測質量降級、故障、異常、關鍵部件的剩余壽命，以便及時規劃適當的并具有成本效益的干預及維護措施。
6）DROMOSPLAN
該項目采用新的傳感器數據，在兩個鋼鐵廠（蒂森的Duisburg工廠和ILVA的Taranto工廠）檢驗了無人機（UAV）技術效果，并于2019年完成。
三、機器人輔助生產
該項目是基于人形機器人的作業操作，例如，裝配和包裝。由于對產品的高質量、低成本以及更快的交貨速度提出要求，自動化和機器人技術在制造業中的地位越來越重要。如果利用現有技術并得以加強，實現部分機器人在煉鋼中的應用，就可進一步改善鋼鐵產品的表面質量。
一個成功的實施案例是ROBOHARSH技術，首次在鋼鐵行業引入“人-機器人共生合作”的概念。該技術雖未完全替代人工，但采用了化學傳感器、姿態傳感器和位置傳感器以及視頻傳輸設備、MAVlink協議和算法。
另一個案例是DESDEMONA技術，開發了檢測鋼材缺陷的機器人和自動系統（如無人機和地面移動機器人）。
四、生產線模擬
這是一種可實現鋼鐵行業生產線的模擬和優化的新求解方法。同時，它可以實現針對設計和操作過程中的潛在變化的調查研究。一些示例項目如下：
1）GASNET
其機器學習工具采用Hammerstein-Wiener（HW）模型、神經網絡和預測模型等技術，以提高煉鋼過程的能源利用效率和環境可持續性。
2）SOPROD
該項目采用實時優化和非集中優化相結合的調度方法、自動過程的自優化和過程間的自治通信，提高了產品的智能性和自主通信能力，并可實現工業4.0愿景的若干關鍵使能技術。
3）AdaptEAF
該項目建立一個能綜合控制原料特性的電弧爐自適應在線控制系統，通過降低總能耗、提高金屬產量的方式來提高能源的利用效率。
4）TRACKOPT
該項目可實現對全流程可追溯跟蹤系統的監控，包括產品和工藝過程的監控。
5）Cyber-POS
在“鋼鐵工業4.0自動化”的框架下，引入模擬和驗證工具以及新的IT框架，以提高CPPS（網絡物理生產系統）的可行性、安全性和效益。
6）OptiScrapManage
采用通過績效指標、多準則方法進行過程監控的現代技術以及優化活動。
五、自組織生產
該類項目關注設備的自動協調，引導設備的利用和產品的優化。它整合了資源、設備和人員，基于它們與主計算機的密切互動，自組織生產提高了自動化程度，可實現生產網絡的實時控制。
主要子項目包括：
1）Cyber-POS（2016-2019）
把工藝過程控制模型、材料質量模型、物流/調度模型和通信（計算機、軟件、網絡）等模型整合并用于生產優化，能夠對工藝設定、生產路線、過程干擾或中斷的變化做出快速、動態和靈活的反應。
2）TRACKOPT
采用創新的傳感器和儀器實現了鋼包移動的自動化監控系統。
3）Quality4.0
可以進行與客戶/供應商交換相關質量信息，從而降低生產成本、提高產量，并更好地識別鋼鐵生產過程中的質量問題。
4）DYNERGYSTEM
該項目可實現在多個煉鋼廠進行模擬、決策支持的程序和控制，以提高電力預測能力和管理能力。
5）AdaptEAF
該項目可實現采集在線信息（包括熔池液位、鋼和渣量、廢鋼熔化過程和能量行為）、基于模型化的廢鋼裝料在線控制、燃燒器和氧氣噴槍的化學能量輸入控制。
6）PRESED
其目的是開發新的方法和工具，以實現提高產品質量、降低制造成本。主要功能有：通過識別質量缺陷的主要形成原因，從而優化制造工藝、預測產品質量及降低成本。
7）SOPROD
該項目采用了去中心化的優化系統，基于產品及工藝的專有技術，并基于單個的產品特性和上下工序的工藝控制實績，實現制造過程的自動工藝優化。
8）DESDEMONA
該項目采用先進的工具，確定創新設計、系統、程序和技術解決方案，可實現自檢和自監測的傳感及自動化技術的集成。
9）PlantTemp
該項目開發了一個覆蓋電弧爐和鑄造工藝全過程的操作專家系統，在精確控制鑄造溫度的同時實現節能和減少物料消耗。
10）AUTOADAPT
該項目提出了可擴充系統的概念，旨在應用自學習方法，采用遺傳算法、多項式模型、迭代學習控制方法和前饋控制等技術，使自動化適應新產品和新工廠要求。
11）INFOMAP
該項目開發了一個新的工具，用于對全部工藝路線不同設備的地圖進行客觀分析、說明，并生成適用于自動控制決策系統的簡明數據系統。
六、網絡物理系統（CPS）
網絡物理系統CPS是計算、網絡和物理過程的集成。嵌入式計算機和網絡通過反饋回路來監控物理過程，物理過程會影響計算，反之亦然。正在進行的Cyber POS項目和CyberMan4.0項目將實現傳統軋鋼廠向網絡物理系統的轉換。
七、智能供應網絡
智能供應網絡通過使用模型，將鋼鐵制造過程（從原材料到最終產品）作為集成供應鏈的一部分來整體優化，同時，對整個供應網絡的監控進行更好的供應管理決策。主要的RFC項目包括：
1）GASNET
該項目建立工藝氣體和蒸汽的網絡管理模型，實現包括生產和輸送全部過程、多層級燃氣和蒸汽管網的優化管控。
3）Quality4.0
該項目將整個供應鏈的用戶-供應商合作模式提升到新的高度和水平。
八、橫縱向集成
橫向集成是指價值鏈中資源與信息網絡的集成，而縱向集成涵蓋未來智能工廠的網絡化制造系統和個性化定制制造。主要的項目包括DYNERGYSteel、SOPROD、Quality4.0。其中，Quality4.0整合整個供應鏈上橫向質量信息，建立新的客戶-供應商合作模式，充分挖掘、利用全產業鏈的所有質量信息和專業知識。
九、預測性維護
預測性維護是基于對設備的遠程監控系統，可實現在設備故障前進行有效維修。預測維修技術可以通過設備監測與智能決策相結合的方法來實現。其中，Cyberman4.0項目通過建立在工業4.0使能技術基礎上的實驗系統和工具，將鋼鐵行業的維護策略從預防性維護轉變為優化預測性維護，將實現“集成維護模型4.0”（IMM4.0）在軋鋼領域的應用。
十、網絡安全
應考慮網絡安全，尤其是基于互聯網的服務。在Flatt、Schriegel、Jasperneite、Trsek和Adamczyk等項目中，基于工業4.0結構和VDI/VDE指南2182的“網絡安全”分析程序模型，實現了基于云的生產監控。
十一、改善維護服務
在改善維護服務方面第四維度的“擴增實境”是各公司最感興趣的技術之一。由虛擬連接的服務技術人員執行基于遠程連接的遠程維護，從而節省差旅成本和時間，能夠快速解決相關問題。鋼鐵行業的相關項目TeleRescuer，通過一個虛擬系統并使用特種無人駕駛車輛（UV），將救援人員“隱形地傳送”到煤礦地下區域。
十二、物流車輛自動駕駛
這是工廠內使用的一種全自動運輸系統，利用智能軟件來優化內部物流運作，涵蓋供應和處理鋼廠內的原材料、中間產品、成品及副產品，如散裝物料或爐渣。其中，TRACKOPT項目開發了智能控制站，并支持軋制和精整區域物流。
十三、知識管理數字化
鋼鐵行業的專業知識和經驗在傳承方面的主要問題有：員工個體的差異、人的遺忘、員工離開而造成的知識流失等。KnowDec項目旨在研究和實現一種收集、表達、儲存和利用人類知識的方法，以便在基于計算機的系統里應用。所收集的經驗儲存在知識庫中，用于決策支持及建議。
《中國冶金報》（2021年1月8日 02版二版）
