十几年前,在钢铁厂里,判断一座高炉的生产状况,离不开经验丰富的老师傅。他们需要观察风口的火焰变化,揣摩炉内态势,而高炉内部风口区温度高达2000
摄氏度。
现在,这种情形已经成为历史。
人工智能通过分析数据预测铁水硅含量变化,判断高炉温度走势;机器视觉可以识别设备异常;激光+光谱、红外等技术帮助获取钢水成分、温度等信息。曾经沉淀在老师傅脑海中的主观经验,正在被转化为数据、算法和模型,成为决定生产的关键变量。
一场从“经验炼钢”到“算法炼钢”的变革,正在南京钢铁集团(下称“南钢”)的生产一线展开。

从“经验炼钢”到“算法炼钢”
“过去,高炉对我们来说就像一个‘黑箱’。”
谈起钢铁生产中的人工智能应用时,集团数字应用研究院联席院长徐发喜首先提到了这个例子。“内部温度太高,炉内态势很难直接感知。有了大模型,一切都不一样了。”
如今,南钢构建了大模型,利用铁水硅成分与温度之间的正相关关系,预测硅含量变化,进而判断高炉温度走势。一旦出现异常,工艺人员便可及时调整参数,作后续处理。
从看火焰、凭经验,到看数据、用算法,钢铁生产的方式彻底改变了。
铁矿石、焦炭如何搭配,直接关系后续生产成本和产品质量。过去,配矿工作主要依赖人工经验,然而,不同人员制定的方案可能有差异,质量与成本难以稳定兼顾。
“现在,我们通过配矿大模型进行智能规划,在满足高炉铁水质量要求的同时,尽可能实现成本最优。”徐发喜介绍,这类模型不仅用于配矿,也可以延伸至配煤以及炼钢环节的合金优化等场景。
“我们现在有了视觉模型,能够识别设备异常,让原本需要人工逐段查看的巡检工作变得更加及时、高效。”徐发喜说,如今工厂主要依靠智能系统驱动,“当设备发生异常时,系统会自动报警并推送至指定人员,同时告知异常位置及应采取的处理措施”。
智能制造带来了全方位的价值提升。据介绍,南钢关键设备数控化率、联网率均达100%,新产品研发周期较传统模式缩短50%,不良品率降至0.8%,订单准时达成率提升至98.5%,单位产值综合能耗下降12%,交付周期缩短15%。
那么,老师傅积累多年的经验,如何变成机器能够理解和运用的模型?
“我们实行FDE(前置部署工程师)机制,每个项目都需要业务人员和IT人员共同参与。”徐发喜说,大家共同将业务关注点转化为模型化表达,这涉及大量工作,如数据处理、关键变量识别、语义转换等。AI项目不是“IT部门的事”,是业务与IT的共同工程。
实际上,早在2003年前后,南钢就开始推进信息化建设,最初以外部引进为主,随后逐步走向自主研发。与此同时,智能化设备、各类业务系统不断完善。
“没有这些基础,后续的建模工作无从谈起,也是在这个过程中,公司逐步沉淀了自身能力。”在徐发喜看来,从信息化建设到人工智能应用,20多年的持续积累,让南钢的智能制造有了今天的变化。
与上下游的“车间级”互联
对造船企业来说,钢材什么时候到,有时跟钢材质量同样重要:提前大量到货,占用仓储空间,增加资金压力;供货跟不上,又可能影响后续施工进度。
通过算法,南钢能根据制造进度组织供货,让钢材尽可能在需要的时候抵达生产现场。
不仅如此,客户还可通过智能系统下单,订单与南钢系统直接打通,系统随即自动排产;产品生产进度、质量状况、物流、库存和资金占用情况,实时可视。其间,大量工业智能体也在发挥作用——订单如何排产,需要综合考虑产线状况、生产负载、库存情况等因素,这些完全由智能系统驱动。
“我们在推进产业智慧化的同时,也在推进智慧的产业化。”徐发喜说,“我们与上下游形成了‘车间级’的互联。”
在钢铁行业承压的背景下,南钢的发展势头依然强劲,位居行业前列,这与智能化转型的成效分不开。
“我们的柔性制造能力、敏捷响应市场的能力等,均得益于数智化。”徐发喜说,数智化让南钢能够更敏锐地感知市场变化,“我们可以择机采购、实现降本,数智化同时有助于产品定价、风险管控。单纯依靠人力,很难做到如此精细化的管理”。
在徐发喜看来,随着近年来技术的发展,中国钢企在人工智能应用方面已处于世界前列。
“国外企业信息化起步可能比我们早、做得好,但进入数字化尤其是智能化阶段后,中国企业已经实现超车。在大模型平台基座上,中国已有大型厂商具备与外国顶尖水平平起平坐的实力,在应用层面更是如此,中国人非常擅长做应用。”徐发喜说。
工业转型从自动化到数字化再到智能化,徐发喜强烈感受到,当下,人工智能被置于十分突出的位置。“公司层面将人工智能改革上升为战略性工程,多次强调人人必须具备人工智能意识。人工智能不只是技术人员需要掌握的工具,而是要全员拥抱。”