（上接第1版）

钢铁制造的智慧化转型升级，已不再满足于局部工序、单一工艺的优化，而是要着眼于全局，进行系统性优化和融合。在铁前混匀、烧结、炼焦、高炉生产过程中，配料是一项重要而又复杂的工作，人工单工序配料方案主要依赖于经验，能考虑的因素非常有限，配料取值相对比较保守，在降低成本方面有较大潜力。基于冶金原理和现场实际，宝信软件在昆钢公司进行了铁前一体化配料模型的开发和应用试点，根据模型输出，着力铁前全流程全工序一体化的全局优化工作，模型配料比人工配料成本降低30元/吨铁。这项技术为铁区大力推进“经济炉料”的贯彻落实，夯实了坚实基础，带来显著的经济效益。

优秀的决策，还需要具备对现场突发情况的快速反应能力。炼钢区域的行车调度是炼钢厂面临的一个典型痛点，目前国内基本依靠人工经验指挥调度，但受限于厂区布局、工艺流程、物流交叉等众多因素，一旦某个环节出现异常，人工指挥往往使得行车在调度过程中被动让车、紧急停车、任务延迟等现象频发。宝信软件为宝钢股份湛江钢铁研发了基于人工智能技术的行车调度模型，根据炼钢厂实时生产状况进行智能调度，已进入上线运行阶段。模型具备快速反应能力，在有效保障炼钢节奏、保证连铸不断浇的同时，降低重包等待时间3％，大大降低了钢水能耗。

智能还体现在基于当前状态，结合历史数据对未来的状态进行预判，从而提前干预。其中对不易观测的“黑箱”，以及大时滞、高度非线性系统的预测最具挑战性。高炉的压差控制就是一个经典的难题，目前人工操炉只能凭经验进行事后补救，存在很大滞后性。宝信软件在太钢6高炉试投了基于深度学习技术的压差预测模型，1小时后在5kPa内达到了80％的预测精度，为高炉操炉提前干预提供了宝贵的时间差。

随着宝武“钢铁工业大脑”项目推进的逐步深入，宝信软件将继续积极探索数据科学和智能算法的结合，试点更多应用案例，加快人工智能赋能钢铁智慧制造。