本報記者 樊三彩
近日，中國鋼鐵工業協會發布《鋼鐵行業數字化轉型評估報告（2024年）》（下稱《報告》）。此次參評鋼鐵企業有41家，其粗鋼產量合計為3.9億噸，約占全國粗鋼產量的38%。
“鋼鐵企業都在大力推進數字化轉型、智能化升級相關工作，大多數鋼鐵企業已組建相應的組織與團隊，全面推進數字化轉型工作，對規劃編制及組織落實愈發重視，在生產制造、運營管控、客戶服務3大領域積極探索轉型實踐，推動管理創新與技術創新。”《報告》同時指出，“在跨領域協同、系統性創新方面，鋼鐵企業還有較大提升空間，特別是在研發、制造、服務的全生命周期管控以及產業鏈協同等方面，需繼續推進人工智能深度賦能和協同創新。”
500萬噸規模以上參評企業
基本實現管控銜接、產銷一體和業財無縫對接
“近年來，企業越來越重視統籌推進，且隨著產線集中、智能化以及5G+物聯網技術應用的逐漸普及，相關設備設施的建設規模逐年增長。但同時也要看到，受前期基礎設施等方面大量資金已完成投入和2023年鋼鐵企業綜合盈利能力下降等因素影響，數智化建設資金投入同比有所降低。”《報告》提出。
在基礎建設方面，95.1%的企業將數字化轉型相關的發展戰略納入企業總體發展進程，并持續投入資金實施數智化改造升級項目，2023年度投入28.6元/噸鋼，同比降低25.7%，信息安全資金投入依然整體偏低。在信息資源方面，數據治理工作穩步推進，75.6%的企業建立了專門的數據治理組織和專職隊伍，同比提高12.3個百分點。在組織設置方面，分別有78%和73%的企業設立了數字化管理組織和信息安全管理組織。在IT基礎設施架構建設方面，云平臺普及進一步加快，43.9%的企業采用云計算架構。
在單項應用方面，大多數企業已建立MES（制造執行系統），機器人（含無人化裝備）應用密度達65臺（套）/萬人，同比提升20%。其中，機器人在檢化驗場景應用最多，主要集中在理化檢驗工序，呈現出向產線取樣工位延伸、打造智能理化實驗室延伸的趨勢。機器人在燒結、連鑄、軋制、精整等工序應用也逐步增多，但總體上呈現單點應用態勢，產線級整體智能協作及與主產線的深度智能融合尚未成熟。
在綜合集成方面，500萬噸規模以上企業基本實現了管控銜接、產銷一體和業財無縫對接，但在自動排產等局部業務領域的系統銜接和數據共享方面仍有待進一步提高。82.9%的企業建設了智能集控中心，同比提升1.3個百分點，主要集中在鐵前和軋鋼。同時，63.4%的企業運用三維可視化仿真系統建設數字化工廠，智能管控向縱深發展。
在產業鏈協同創新方面，越來越多的企業加大力度構建與上下游客商高效緊密銜接的生態圈，并利用信息技術手段實現信息共享。工業互聯網平臺建設和應用比例達95.1%，平臺主要用于生產過程管控。82.9%的企業已開始探索大數據模型應用，主要應用在工藝過程優化和產品質量性能預測方面。企業綜合協同智能管控能力大幅提高。研發、制造、服務3大流程的全周期融合仍在爬坡階段。
第一梯隊企業工業機器人
應用密度達230臺（套）/萬人
《報告》顯示，鋼鐵行業數字化轉型總體發展水平持續提升，涌現出眾多優秀的典型案例與創新應用，但行業發展不均衡，企業間差距較為明顯。根據鋼鐵企業的產能規模、裝備技術、生產模式、數智化應用水平等方面情況，41家參評企業可劃分為3個梯隊，現從以下幾方面分析重點能力建設情況。
研發創新方面。鋼鐵企業普遍應用的研發工具，主要集中在模擬仿真、動力學分析、熱力學計算以及知識庫等關鍵領域。“研發工具類型數量差異顯著，第一梯隊平均擁有12種工具，遠超第二梯隊（平均2種）和第三梯隊（平均1種），顯示出梯隊研發能力的分化。研發項目生命周期管理的線上化程度第一梯隊全面領先，第二梯隊在年度計劃管理和過程管理方面表現突出，但第三梯隊各方面線上化程度均較低。”《報告》顯示。
數據應用方面。“大數據及人工智能技術在鋼鐵行業已有初步運用，但在切實發揮數據價值、提高生產制造的智能化水平上，依舊有著較大的距離。”《報告》提出，因數據復雜度高、模型適應能力差等原因，企業大多使用了數據輔助工業機理模型和運營分析決策模型等應用，數據驅動的知識模型應用較少，數據的深層價值尚未充分發揮。
數據顯示，第一梯隊企業主要采用的模型應用包括：市場預測、設備運行狀態預測、客戶畫像、基于數據模型的工藝過程優化、產品質量性能預測。第二梯隊和第三梯隊的企業，有較大提升空間，比如在金融風險監控等應用領域。
技術應用方面。在工業機器人應用方面，第一梯隊企業為230臺（套）/萬人，第二梯隊企業為67臺（套）/萬人，第三梯隊企業為15臺（套）/萬人。在智能檢測及感知設備方面，應用鋼板表面缺陷自動識別的企業數量最多，其次為應用鋼水成分檢測，而應用金相自動識別與分級、液位檢測的企業相對較少。
“在人工智能應用方面，以機器視覺技術為例，第一梯隊與第二梯隊的企業都采用了與質量控制、工業OCR（光學字符識別）、車輛識別等AI相關的應用。伴隨技術廣泛普及、大數據算法不斷訓練和優化，未來在廢鋼分揀、金相自動識別等領域，AI將持續帶來應用價值。”《報告》特別預測道。
業務創新方面。《報告》分析指出，產線集控已然成為鋼鐵行業智能制造的新潮流。數據顯示，82.9%的企業構建了集監控與調度一體化的智能集控中心，同比增長了1.3個百分點。整體上，處于第一梯隊、第二梯隊企業競相建設集控中心，兩個梯隊差距不大；由于受限于基礎設施，第三梯隊企業增長較為緩慢。“在集控中心的管控范圍里，熱處理生產工序依舊是使用集控程度最低的領域。”《報告》提出。
第三梯隊企業應優先推動
投入產出比高、產出速度快的場景應用
根據《報告》，在企業數字化轉型與高質量發展的進程中，核心痛點與業務需求主要體現在幾個方面：生產過程需精準化控制，生產計劃需資源最大化利用，生產質量需實現一貫制管控，生產設備需精細化管理，倉儲物流需高效化運營，能源介質需極致化使用，低碳環保與數字化需協同發展，安全生產需得到本質保障。此外，信息安全、人才隊伍建設以及體系建設等保障條件也需得到切實落實。
基于此，結合《鋼鐵行業數字化轉型工程建設指南》，《報告》對處于不同梯隊企業的數字化轉型提出如下建議。
第一梯隊企業，應打造涵蓋平臺化和社會化的研發創新、生產與運營管控、用戶服務、產業鏈合作等新型能力；開展對外賦能服務，與平臺合作伙伴實現網絡化協同、服務化延伸、個性化定制等業務模式創新；探索新技術、新裝備在場景上的創新應用，并形成系統性解決方案；針對行業共性技術“瓶頸”，牽頭組建創新聯合體，加大研發投入，開展聯合攻關；將創新成果、經驗分享并形成相應標準。
第二梯隊企業，在業務集成與應用創新等方面與第一梯隊差距不大，應緊跟行業數字化轉型發展新趨勢，對優秀案例和先進做法迅速做出反應，并形成適合自身特點的創新應用；在解決行業共性問題的過程中，積極參加創新聯合體，并與相應合作伙伴打造創新生態。
第三梯隊企業，通常受規模、資金、產品特點等因素制約，總體投入不足，數字化轉型具有“小步快跑”的推進特點。應強化學習，并將數字化轉型提升為企業發展戰略，重視人才培養和機制建立；優先推動投入產出比高、產出速度快的場景應用；重點推進場景級能力打造和業務數字化、場景化、柔性化、多樣化、個性化運行；關注行業成熟度高、可復制的優秀解決方案，對本地化適宜性強的項目穩步推進。
“總體上，企業在推進過程中需遵循國家及行業的標準體系，要充分汲取行業內的成功案例與建設經驗。從全局視角出發，規劃頂層設計，制訂詳盡的總體規劃，并分階段逐步實施。”《報告》明確，為確保實施效果，企業需定期開展階段性評估與診斷，通過自我檢查與糾正，及時洞察問題并進行動態優化，確保實施路徑與方法具備科學性與有效性；針對行業制造特點與特定應用場景，推動數字化、智能化技術在更廣泛范圍和更深層次上創新應用，以助力鋼鐵行業智能制造體系持續改進與完善。
《中國冶金報》（2025年04月29日 04版四版）
