1　行业所面临的挑战

计算机信息和通信技术（Information and Communications Technology，ICT）的发展，促使社会走向智能时代。中国钢产量世界第一，2019年粗钢产量99634万吨，约占据世界钢产量的50%，钢铁制造业作为典型的流程型制造业也面临着从信息化、自动化向数字化、智能化转型升级的迫切需求。

在工业制造领域，虽然智能制造会给企业带来颠覆性的变革得到普遍认同，并被期待为新工业革命的标志，但是在实践中真正取得的突破却不多，特别是在制造过程中物料经过连续的工序产生物理及化学变化的流程型企业，智能制造的实践更少。将制造业从自动化、信息化过渡升级到数字化、网络化、智能化，是新一次工业革命的真正契机，这不仅是制造业面临的挑战，更是当今自动化行业面临的最大挑战。

当前，制造业数字化与智能化的升级中，还没有被广泛接受认可的综合解决方案，大都仍处于高研发投入、长周期回报的培育期。目前“供给侧热、需求侧冷”，我们认为是因为供给侧还不能提供让需求侧真正热起来的技术。各行业、各专业融通发展非常欠缺，一方面制造业对于数字化及智能制造的认知还不足，更为关键的是ICT从业者往往缺少工业领域业务的专业积累和知识沉淀，缺少将制造业与ICT技术融会贯通的实践经验。

目前流程性制造业普遍采用自动化四级控制系统，L1到L4分别用于基础自动化、过程控制、生产制造控制和产销管理，有时候也把特殊仪表作为单独的L0级。在生产过程中，在L0到L4不同层级上产生不同体量、不同频度的海量数据。相应数据采集的频率也有很大的区别。L0/L1以毫秒为单位，L2以毫秒、秒为单位，主要过程控制还在秒级到分钟级，所以L0~L2实时性是重要的关注点。L3实时性相对较低，数据总体频度以天为单位，最快也是以小时为单位。L4实时性更低，数据总体频度以周为单位。这些数据按照系统架构存储在不同的平台上，相对独立，为不同岗位的人员所利用。这种四级计算机控制系统，总体上满足了自动化、信息化时代从市场到现场的信息流程传递规范化、透明化，执行准确化等要求。但基本上是自上而下地接受指令并完成制造过程设计与控制、生产工序的过程控制、机械设备的基本动作控制。利用实际生产数据进行优化改进总体上是基于同一级的数据源，自下而上地反馈生产实绩，往往因为数据时频上的差异，丢失了大量的细节，甚至不能实现有效的数据传递，更遑论勾连、保存和查询，所以难以得到很好利用。

普遍采用上述计算机控制系统的钢铁行业，作为现代流程制造业中信息化、自动化程度最高的行业之一，应该在这场从信息化、自动化向数字化、网络化、智能化转变升级的挑战中发挥重要作用。宝钢作为钢铁行业的领军企业，为了在全球竞争中保持竞争力，率先以宝钢5米厚板厂为样板对象，结合厚板业务需要，开展了一系列数字化及智能制造的研发应用实践。该厚板厂于2005年建成投产，年产量200万吨，建厂之初就采用了四级计算机控制系统，其架构符合GB/T 20720.1-2006/IEC 62264-1:2003和ANSI/ISA–95.00.01–2000企业控制系统集成的标准中的连续控制模式。在5米厚板工厂建立数字化与智能制造平台，对钢铁业等流程制造业从信息化、自动化向数字化、网络化、智能化升级具有普遍的指导意义。

2　目标与总体概述

轧钢工厂数字化和智能制造解决方案的主要目标是以宝钢5米厚板产线为实践对象，提供流程型制造企业从信息化、自动化向数字化、网络化、智能化转变升级的路径与方法，将现代ICT技术与制造业场景充分融合，打造“工厂级数据中心与智能制造应用平台”。在宝钢5米厚板产线达到“三个提升，一个传承”目标，即效率提升、效能提升、质量提升，知识传承，升级制造模式，实现厚板轧钢工厂的数字化、网络化、智能化。

为实现上述目标，本解决方案以宝钢5米厚板厂原有的信息化、自动化系统为基础，由业务驱动，开发了跨厚板工序、跨控制层级、跨数据采集和存储平台的工厂级数据中心，把厚板厂范围内能够采集的数据全部收集起来，并整理勾连，存储到统一的数据中心上，并开发了快速查询、描述性应用、知识性和智能性应用的应用平台，在工厂级的层次上构建了流程型数据中心和智能应用系统（Process Intelligent Data Application System，PIDAS），实际应用中取得了良好的效果，达到国际先进水平，为流程型企业数字化和智能制造技术开发和应用提供了成功范例。

解决方案的技术突破与创新点如下：

（1）创造性地提出了流程型企业工厂数字化与智能制造的可行路径，轧钢工厂在原有四级自动化系统基础上实现了数字化、智能化转型升级，解决了传统流程型制造业从自动化向数字化与智能化过渡的路径难题。

（2）自主开发了多频度异构工业数据采集、处理与存储技术。解决数据的关联性是构建工厂级数据应用的基础。钢铁工业工厂级数据的来源覆盖工厂L0~L4各个层级，呈现复杂的多频度异构特征，从结构特点上可分为时间序列数据、二维数据、多维数据和非结构化数据多个种类，在频度上覆盖毫秒级、秒级、分钟级直到大跨度数据各类情况，加之与业务逻辑的强耦合性，因此关联特征标志的提取过程非常复杂，难度大。本方案通过自主开发了多频度异构工业数据采集、处理与存储技术，解决了流程型工业异构数据高效采集、存储、使用的难题。例如，仅通过钢板号即可将炼钢、轧钢合同信息，控制指令，生产实绩（包括L0，L1级数据），性能实绩全部提取、实现一键查询。

（3）自主开发了业务价值多视角的可视化技术，解决了工业数据多维度表征，满足业务需求的可视化难题。

（4）自主开发了业务知识化建模与持久化技术，解决了流程型工业数据价值挖掘的难题，建立了从流程型工业数据提炼知识，再将知识应用于在线控制的创新路径。

（5）自主开发了多系统动态协同智能控制技术，解决大数据与智能化在流程型工业中缺少应用场景、无法落地的难题，实现了真正有价值的应用，开启了轧钢工厂智能化控制的路径。

（6）实现了工厂级数据平台内外双向网络化发展。一方面充分利用以太网和无线网络等技术在内部实现各单元的互联互通，建立支持大规模数据分析的、充分的内在网络化数据互联体系；另一方面，充分利用互联网技术和移动端等技术建立与外部系统的广泛互联，从而实现系统在更大尺度与多样环境条件下的价值体现。

（7）实现了多学科、多专业充分融合，项目开发骨干来自宝钢自有技术团队，包括长期从事IT技术、数据技术、领域技术（工艺技术研发、生产质量管理、设备管理、工艺模型、产品开发及全流程制造管理）等工作的技术人员，将制造业与自动化技术充分融合，由应用场景驱动，在应用场景中迭代，从而实现有用、好用、深入、全面的数字化、智能化。

（8）实现了核心技术自主开发，团队在研究采用国内外先进技术的基础上，建立了流程型企业数字化和智能制造的原创的核心技术。以特种仪表、检测仪表数据的采集为例，测量温度的扫描式温度计、测量板形的板形仪、检测钢板内质的探伤仪等特殊仪表，每一个数据孤岛都有其特殊性和封闭性，都需要相应的技术手段进行分析和采集。

该解决方案，主要由两部分组成，分别是数据中心建设与数字化、智能化应用平台开发。第一部分，跨层级、跨工序、跨平台数据中心，开创性地提出了适合流程型制造企业的数据中心架构，既充分利用了现有多级控制系统的基础设施与数据资源，又突破了传统计算机控制层级系统对于工业数据采集、存储、使用的限制。实现了厚板轧制工厂多频度异构数据的采集、标签、存储。第二部分，数字化、智能化应用平台开发，主要包括描述性、知识性与智能性等各类应用。如图1所示。

图1 工厂级数据中心与智能制造应用平台系统架构

本解决方案以宝钢5米厚板产线为案例所打造的“工厂级数据中心与智能制造应用平台”，实现了效率提升、效能提升、质量提升，同时，数字化消除了时间、空间限制，加速知识的共享与传承，为流程型制造工业应对新形势下的行业挑战，实现数字化和智能制造提供了有确实价值的、可持续发展的路径。

3　系统架构

轧钢工厂数字化和智能制造PIDAS解决方案，旨在创建钢铁制造业过程智能化与数据应用系统。系统架构如图2所示。

图2 PIDAS系统架构

通过上图架构，系统密切结合了轧钢工厂相关的营销、制造、生产、设备、管理、操作、研发等不同方面的工作需要，覆盖了轧钢工厂全流程的数据，针对不同角色、不同场景实现了相应的数字化、智能化功能。

3.1　硬件平台

轧钢工厂数字化和智能制造解决方案的硬件平台包括数据中心基础硬件平台和数据采集网络。其中自主开发的计算与存储集群为上层应用提供动态、高效和安全的计算与存储服务；数据交互与采集网络，在纵向上连接生产系统L0~L4层级生产控制与制造管理系统，在横向上跨工序连接炼钢、连铸、加热、轧制、冷却到精整以及离线热处理，并预留连接下级工序工厂的接口，全面实现制造过程各类异构数据的物理联通。

（1）基础硬件平台

数据中心基础硬件平台，围绕工厂级综合数据中心的异构数据采集与智能化控制进行设计开发，性能、功能和稳定性满足平台要求。该数据中心具备以2020.10 AUTOMATION PANORAMA 87下特征：

• 总存储空间在200TB以上，为整个厚板大数据系统的存储基础；

• 硬件架构提供运行和管理30~40台独立服务器的能力，作为整个厚板大数据系统的计算基础；

• 具备在线热备份能力；

• 硬件架构具有较强的无缝扩展能力；

• 硬件架构具有较强的热恢复能力。

上述平台整体资源的配置、部署、管理均自主完成，为轧钢工厂数字化和智能制造解决方案的数据综合性应用层、大数据应用层、人工智能应用层的开发部署提供了基础条件。

（2）数据采集网络

工厂级数据采集网络是该解决方案的核心基础工作，是整个解决方案的基础条件。该数据采集网络由硬件防火墙，主网络节点和采集终端集群组成。该数据采集网络保证了厚板数据采集的能力和范围，为确保数据中心数据采集内容完整性、实时性提供了硬件保障。整个网络拓扑的设计、配置和管理均自主完成，采用了终端节点的端口隔离和VLAN等技术，充分考虑了网络的完全性和效率。数据采集工作完全覆盖宝钢5米厚板从轧制线到精整、剪切和热处理等各机组，并将表面检测仪表和探伤仪表等特殊仪表纳入到数据采集工作中，集中了厚板产线各工序设备层L0、基础自动化层L1、过程控制层L2、制造执行层L3、产销管理层L4等各层级数据。

3.2　软件平台

轧钢工厂数字化和智能制造解决方案的软件平台，包括数据采集平台与应用软件平台。其中基础软件部分，充分利用国内外先进技术，建立自主、安全高效的工厂级数据应用技术栈，避免商业软件的近期壁垒与远期风险，在当前技术封锁日趋严重的国际形势下意义重大。利用建立的技术栈，自主研发了数据存储框架、消息调度框架、数据采集框架、数据应用框架、高级功能框架、监测与报警框架，并在这些框架之上开发数据应用实例。

（1）数据采集平台

数据采集平台，开发了多频度异构工业数据采集、处理与存储技术，主要解决数据的逻辑联通性（包括可获取性、异构性、关联性等问题），通过对各类数据的充分理解和研究，PIDAS系统利用一系列数据采集工具，在消息调度系统的统一指挥协作下，基于物理互联互通，实现了工业数据高效采集、过滤、标签和关联的相关方法，解决了数据定义、质量与关联等方面的问题，为数据的最终应用建立了良好的数据基础。

数采平台的基础，是支撑PIDAS系统高层功能的底层专用系统框架。实现系统的存储、调度、采集、应用和监测等方面的基础软件功能，对数据综合应用层、数据知识性应用层、数据智能应用层的各类应用软件功能提供底层基础。能够满足轧钢工厂对实时数据（毫秒级别）、准实时数据（秒级别）、过程数据（分钟级别）、仓库数据（月级别）的存储和查询的容量与性能要求。

基础软件具体包括数据存储框架（Data StorageFrame，DSF）、消息调度框架（Message Dispatch Frame，MDF）、数据采集框架（Data Collection Frame，DCF）、数据应用框架（Data Application Fra m e ， DA F ） 、 高 级 功 能 框 架 （ Advaned Application Frame，AAF）、监测与报警框架（Monitor and Alert Frame，MAF）等。

DSF提供分布式的多类型数据存储系统，实现统一的数据存储框架，支撑整个厚板大数据系统数据的存储和获取。同时实现数据整理功能，该功能将采集服务获得的数据进行整理，包括标签、关联和统计处理等，并将处理的结果存入DSF底层存储单元。

DCF负责对各种类型的数据采集任务进行管理和调度，其中包括增、减和配置采集任务，采集任务触发管理，多个采集任务并发、串行管理，采集任务执行结果的管理，错误信息管理等。

DAF负责对建立其上的各种类型的数据应用（DAs）提供公共功能的支撑，其中包括同步完成数据服务请求，异步完成数据服务请求，各类统计算法的实现，各类分析算法的实现，各类图表的生成，各类报告的渲染，权限管理等。

MAF是负责监测DAF，DCF和DSF内每个节点的系统运行情况，包括计算负载、内存使用量、存储空间、网络状况等并根据配置对出现的问题进行报警。数采平台的数据采集功能包括：从分析识别轧钢工厂的工序数据采集对象开始，研究并确认采集方式、频度；其次，评估数据质量，即可信度和稳定性；之后，研究确定数据解析、整理和过滤方法。

数采平台采集内容具体包括：特种仪表（板形仪FQC、平直度仪、探伤仪、扫描式温度计）的数据采集；专业仪表（电耗、燃耗）数据采集；各工序设备层L0、基础自动化层L1高频数据和实时数据的采集；各工序过程控制层L2的数据采集；制造执行层L3和产销管理层L4中命令数据、跟踪数据、性能和检验数据的采集。

数据平台可以为数据库类型数据（Oracle，DB2）开发通用型数据采集库；为结构化文档类型（JSON，XML，ENV）、非结构化文档类型（正则表达式，模式匹配）开发通用型数据采集库；为PLC数据类型（PDA）开发通用型数据采集库；利用通用型数据采集库针对每个数据采集对象开发具体的数据采集服务；针对特种仪表，开发相应的数据采集服务；对于专业仪表，在专业采集系统上二次开发，开发出相应的数据采集服务。

因此，基于覆盖厚板全流程关键数据生成节点的数采专用网络，数据采集软件系统在横向上完全覆盖厚板生产关键工序，包括切割、加热、轧制、矫直、冷却、热处理等；在纵向上完全覆盖厚板生产系统各层次，包括特种仪表、专业仪表，L1、L2、L3、L4和数据仓库，专业系统。

（2）应用平台

应用平台，是在基础软件平台提供的公共服务和数据采集平台提供的数据基础上，实现该解决方案的数据描述性应用、数据知识性应用与数据智能性应用。数据描述性应用，解决了业务价值多视角的可视化难题，以需求为导向，系统性地开发了一系列数据描述性应用，充分加强技术人员对数据的理解，针对轧钢工厂生产管理、工艺分析、过程跟踪、设备监控等各种工作场景，实现工业数据快速有效表征，促成了轧钢工厂数字化工作模式的转变。该部分重点解决了轧钢工厂效率提升的问题，如加热炉炉温板温分析、轧机过程数据分析、控制冷却过程数据分析、轧线设备关键参数分析、产线各类日报自动生成与自动推送等。

数据知识性应用，解决了业务知识化建模与持久化难题，实现了工业数据知识化建模与技术应用，建立了从流程型工业数据提炼知识，再将知识应用于在线控制的创新路径。不仅有效提升了轧钢工厂的效能、产品的质量，更提供了知识传承的全新路径。利用机器学习、深度学习等各类技术手段，对数据进行深度发掘，实现价值最大化，例如基于数据驱动的产品工艺辅助设计、厚板加热炉精细化成本分析、钢板轮廓与轧制过程优化、剪切线剪切优化功能。

数据智能性应用，实现了多系统动态协同智能控制技术，改变传统单工序、单模型优化的方式，实现了多工序、多层级、多平台的联动智能优化，落地了智能化在流程型工业中真正有价值的应用场景，开启了轧钢工厂智能化控制的路径。例如，轧制多工序的联动优化的厚度智能控制模型，厚板产品“工艺-组织-性能”智能设计功能等。

应用平台还支持个性化应用开发，针对营销、制造、生产、设备、管理、操作、研发等不同用户个性化需要，建立应用开发接口，供用户基于PIDAS平台，根据自身的工作需要，自行开发个性化应用。

3.3　数据通信、安全措施

轧钢工厂数字化和智能制造解决方案的数据通讯核心为数采网络，其中轧钢工厂轧制线到精整、剪切和热处理等各核心节点做为数据网络的核心。

为保证工厂工业网络安全，在基础自动化、过程控制网络的出口处部署工业安全防护墙，通过防火墙再接入数据采集网络。数据采集网络与公司内部信息网之间，部署商用防火墙进行隔离，保证指定的IP、端口、应用可以通过，其他不明数据不能通过。由于数据接入点较多，一台主机感染病毒就会对系统产生较大影响，数据采集网络在主机接入的交换机端口上启用访问控制列表，限制通讯的端口和IP后再进行接入。

软件方面，该解决方案的MAF是一个分布式的系统状态主动监测和报警系统。MAF负责监测DAF，DCF和DSF内每个节点的系统运行情况，包括计算负载、内存使用量、存储空间、网络状况等并根据配置对出现的问题进行报警。2020.10 AUTOMATION PANORAMA 89

4　代表性及推广价值

4.1　应用情况及效果

轧钢工厂数字化和智能制造解决方案，从2015年宝钢5米厚板产线逐步建立以来，针对不同场景，得到了很好应用，取得了效率、效能和质量的快速提升，并获得了知识传承上的加强，为企业创造了巨大的经济效益和社会效益。

（1）基于5米厚板产线建立的数据中心，解决了厚板厂工业异构数据高效采集、存储、使用的难题。在纵向，跨L0~L4的传统自动控制层级，采集时频从毫秒级到周级的数据；在横向，跨工序收集从炼钢、连铸、厚板板坯加热到精整以及离线热处理整个厚板工艺流程的数据，并预留连接下级工序工厂的接口。实现了厚板工厂级跨工序、跨平台、跨层级的数据收集、规整、标签、存储、查询、分析和智能应用的功能。

（2）以5米厚板产线需求为导向开发了一系列数据描述性应用，实现了业务价值多视角的数据可视化，针对产品开发、生产过程、质量管理、物流管理、成本能耗、绩效管理、设备管理等各类工作场景，建立起系列综合应用，全面提升了劳动效率，加速了宝钢5米厚板工作模式的转变。

（3）以5米厚板产线需求为导向开发了一系列数据知识性应用，实现了业务知识化建模与持久化技术，打破传统厚板产品的工艺设计基于技术规范、工程师经验，在分散、粗粒度生产数据支撑下进行的模式。针对管线钢等厚板典型钢种，纯人工经验转为数据提炼的知识，实现高效的虚拟试制来代替昂贵的实物试制，同时产品设计工程师可以非常容易获得、分析丰富的且细粒度高的各类生产实际数据，进而快速提升自身的产品设计能力，实现了知识传承的全新路径。

（4）以5米厚板产线需求为导向开发了一系列数据智能性应用，实现了多系统动态协同智能控制。轧制厚度智能控制模型，实现了加热炉、轧线、冷却多工序的联动优化，在单块钢板厚度高精度控制的基础上，实现了合同批量钢板厚度较高要求的稳定控制；厚板产品“工艺-组织-性能”智能设计功能，典型工艺优化推荐功能，已经在一系列产品设计上发挥了重要作用，试制周期缩短了一半。不仅可以完成从工艺设计计算出目标产品性能的正向过程，更能完成从产品要求到优化成分和工艺设计的逆向过程，实现了产品的数字化研发。

通过PIDAS系统的应用，多方面提高了效率、效能、质量，获得了巨大的经济效益。例如，通过提高主工序的控制精度，提升了成材率；通过提高顺行率，增大了产能；降低精整工序的异常发生率等。仅2019年，宝钢5米厚板认定经济效益超千万。除了直接的经济效益，更深层次上，宝钢5米厚板的数字化和智能制造实践为宝钢5米厚板产线带来了巨大的潜在价值。

智慧能源方面，通过数字化、智能化升级，极大提升了能耗监控与分析水平，深度挖掘了节能潜力，全面提高了能源利用效率。例如，基于数据驱动的厚板加热炉精细化成本分析，充分利用PIDAS系统提供的板坯实时数据（包括板坯尺寸重量、动态位置、温度、实时炉段燃气流量、热值等信息）动态精细化计算板坯的能源分配，可以科学高效地分析不同材质的加热成本，为优化产品结构和生产安排做依据，达到了节能减排的显著效果。这个案例是厚板能耗精细化计算的组成部分，该部分应用的全面投用，将为厚板产线高能效、绿色化生产发挥重要作用。

智慧教育方面，通过数字化、智能化升级，打破了空间、时间的限制，有效推动了知识传承、人才培养。以数据驱动，用数据说话，让数据产生价值成为新的工作思路与风尚，打破了部门、层级之间的界限，推进了大厚板团队高度协同；打破了生产与设备、研发的界限，技术人员的知识面得到极大拓展；建立了学习型组织，带动广大员工思想、技能全面提升；以业务驱动、全流程应用、参与大数据创新应用自主开发，成为

知识传承、人才培养的有效模式。对于关键产品，通过产品生产时从L0~L4收集整理的详细过程数据，能够更加全面地了解该产品生产的真实场景，从而有利于在时间和空间维度上掌握产品真正的材料特性与控制要领，使知识得到有效的积累、传承。90 Column 专栏 ■

4.2技术的示范效应

宝钢在5米厚板的实践表明，轧钢工厂数字化和智能制造解决方案的成功，具有巨大的示范效应，可以推广到钢铁行业的厚板、热轧、冷轧等轧钢工厂以及其它冶金制造单元。更进一步，该解决方案的成功，对于普遍采用自动化四级控制系统流程性制造业，具有广泛的适用性，为流程型制造业从信息化、自动化向数字化和智能制造升级，提供了可操作、可实现的路径和范本。

宝钢股份将“轧钢工厂数字化和智能制造解决方案”做为案例，在整个公司进行推广。公司文件要求各单位以PIDAS为范本推动公司智能制造工作。该解决方案的成功实施，创造性地提出了适合于流程型制造企业的数据中心架构，既充分利用了现有多级控制系统的基础设施与数据资源，又突破了传统计算机控制系统的思想。该解决方案的成功，给传统制造业从业者提供了一个深入理解数字化和智能制造的机会，即如何通过业务需要来驱动数字化和智能制造技术的开发和应用，如何消除原有多级计算机控制系统、流程、处理方式的惯性限制，如何获得并利用技术进步提升自身能力、发挥更大作用。

该解决方案的成功实施，示范了基于工厂级的数据中心及应用开发平台应该是现阶段流程型企业数字化和智能制造技术发展的有效途径。一方面可以实现有效的业务驱动，另一方面也易于建立贴近业务人员、方便应用的数据中心，还可以充分地实现工业知识与ICT技术相融合，建立起高效、融洽、有活力的数字化和智能制造技术开发和应用团队。这样可以不断地推进这项技术的进步，并随着技术进步实现人员能力提升、角色转换，企业技术进步、模式重构、业务升级。

该解决方案的成功实施，示范了建立工厂级数据中心与智能制造应用平台是流程型企业数字化和智能制造技术进步的基础。流程型企业数字化和智能制造技术的开发和应用，不是一次设计，终身受用，而需要基于现实和业务驱动，不因大数据的概念而过分追求建立大而全的数据中心、边缘化企业级的应用开发，创造性地提出从利用现有数据开始，建立工厂级数据中心与智能制造应用平台，一步一步推进企业的数据趋向完备化，具有充分的可实现性和战略意义。

4.3商业价值与社会价值

目前数字化、智能制造已被普遍认为是新一轮工业革命到来的标志，会给企业带来颠覆性的变革，是流程型制造业取得下一阶段竞争优势的重要方向，欧美国家也早已投身其中，但在实践中真正取得突破的还少之又少。中国钢产量世界第一，约占世界钢产量的50%，因此中国钢铁从业者应当具有使行业技术水平达到相同地位的决心，担负起行业引领者的责任，不能一味等待变革的降临，不能依旧进行“跟随型”、“复制型”研发，而是应当勇于创新，去引领钢铁业的新一轮工业革命。

“轧钢工厂数字化和智能制造解决方案”就是这样的创新实践工作。即利用ICT新技术，结合流程制造业特点，实现钢铁制造业的数字化、智能化，解决行业的难题、痛点，应对时代的挑战。该解决方案不仅可以在厚板、热轧、冷轧等轧钢工厂以及其它冶金制造单元直接复制，对于普遍采用类似四级自动化系统的制造业，也可以快速推广，具有巨大的商业价值。

从解决方案的提供者来看，“轧钢工厂数字化和智能制造解决方案”是由掌握工业知识的企业自身技术人员为主，基于企业核心业务要求进行开发的，开发者更懂“工业数据”，在深刻理解数据内涵、紧密关联核心业务、数值应用场景、数据安全性、技术开发和应用的持续性上比ICT技术公司驱动、工程公司驱动的方式有相对的优势。

从解决方案的架构来看，“轧钢工厂数字化和智能制造解决方案”是以企业原有自动化系统为基础进行的数字化、网络化、智能化升级，从数据中心建设，到数据综合性应用、数据知识性应用、数据智能性应用，都是来自业务实际需求驱动，经过反复优化，逐步发展起来的，解决了数字化与智能制造的多个核心难题，开发和应用过程中全面涉及到流程型制造业各个层面、各种场景，具有优秀的泛化能力，能够系统性地移植推广。

更深层次上，该解决方案实际上是提供了传统流程型制造业由内而外的进行数字化变革的可行路径与方式方法。该方案不仅适用于钢铁行业，还可以为电力、水泥、钢铁、有色金属、造纸等流程型制造业的数字化、智能化提供清晰的思路以及示范。进一步推广与发展，必将对我国制造业的能力提升、持续发展，发挥重要作用。

摘自《自动化博览》2020年10月刊