郑雷，江苏省五一劳动奖章、江苏省机冶石化行业工匠、宝武银牛奖、宝武工匠获得者，先后取得宝武优秀岗位创新成果、全国机冶建材职工技术创新成果、江苏省职工十大科技创新成果等奖项，“匠心独运，事必躬行。我们要把独一无二的创造力运用到追求卓越的实践中。不畏艰难、脚踏实地搞创新、炼技术，实现企业‘四化’新突破。”

郑雷自学编程、图像识别技术等知识，不断钻研自动化控制技术，开发出一批板坯物流自动化程序和智慧功能，使得梅钢连铸精整区域生产控制实现从手动到自动再到智能的转变，被誉为连铸板坯智慧物流的“设计师”。

“门外汉”破解了“黑匣子”

1997年，郑雷中专毕业进入梅钢炼钢厂，成了一名操作工人。或许是骨子里那股冲劲，他并不甘于当一名普通工人，在随后的工作、生活中通过长期自学提升技能，不断成长。

2004年，梅钢开始信息化之路，郑雷作为第一批人员参加了炼钢L3系统调试。他对于信息系统是一个门外汉，调试过程明显感到吃力。为了胜任工作，他主动自学，参加软件培训班，不断掌握软件开发的基本技能，为一炼钢L3系统顺利上线贡献了一份力。后期，他又先后参加、完成了二炼钢L3信息系统、梅钢制造管理系统的生产调试任务，逐步跨界成为一位编程高手。

2018年，梅钢炼钢厂第一台基于机器视觉技术的板坯表面缺陷检测设备，在实际运行中存在判定结果延迟、误判、漏判率较高等现象。郑雷利用业余时间积极学习图片处理知识，主动承担设备优化与提升工作。他对前期系统采集的图片进行了收集、分类、分割处理，在1个多月的时间里，对20多万张实物图片进行分类挑选，最终形成了拥有3万张照片的板坯缺陷训练图库。接着用专业软件对样本库进行深度学习训练，用训练结果替代厂家提供的缺陷分类器，破解了“黑匣子”，掌握核心技术。通过优化改进，表检设备缺陷识别的准确性、及时性得到不断提升，铸坯缺陷识别准确率提高了15个百分点，为产品质量控制提供了有力支撑，让梅钢的板坯表面缺陷检测技术处于业内领先水平。

2019年，连铸大包机器人在应用中存在网络通讯异常、图像识别不准、机器人投用不高等问题，郑雷与同事们投身到机器人的作业改善、优化工作中。第一次接触机器人控制，他和同事们从零开始学习，通过不断查看程序源代码、收集问题、交流改进意见，最终实现了机器投用率的大幅度提升。

“无人化”降低了劳动负荷

2012年梅钢二炼钢建成投产，作为新建项目，现场设备控制均存在不少问题，造成岗位人员作业负荷大、频率高、安全控制弱。郑雷担任连铸精整区域的作业长，他始终认为“智慧制造是现场生产能力提升的必经之路”，将区域自动控制及智慧制造作为工作的重中之重。

他利用自己的优势，通过对现场问题分析、分解、优化，开发出一批小程序、小功能，先后完成了切割模型优化、混浇模型开发与优化、表面检测技术应用、入库板坯垛位推荐等多项功能的开发和应用，连铸板坯智慧物流渐成体系。通过对各级控制系统的连通、整合系统控制功能、开发控制模型等，实现了二连铸板坯物流控制由手动操作到自动控制再到智慧物流的转变，后续通过建设连铸集控中心，精整区域彻底实现了无人化，他本人从作业长转岗到操作岗位。

转岗后，郑雷面对问题迎难而上，和自动化部门的同事一起开发模型、优化程序，以提升生产、质量控制水平。经过1年多的努力，实现了铸坯动态切割模型的开发，将铸坯切割与过程质量、生产计划进行动态结合，预定板坯号赋号率提高了4.5个百分点，铸坯自动切割率提高6个百分点。他与宝信软件员工协作，历时3年多完成了二炼钢L3系统质量判定模型开发，实现了对板坯类型、板坯位置、工艺卡要求、板坯规格尺寸、L2质量信息等内容的自动识别与处理，大大提高了板坯质量信息的完整性与准确性，降低了操作人员的劳动负荷。

“使巧劲”啃下“硬骨头”

连铸板坯的热送工艺具有节约加热炉能耗、提高生产效率等优点，是连铸生产自动控制水平的重要体现，也成为公司关注的重点指标。2020年，郑雷担任“提高炼钢板坯热送率”项目团队负责人，和团队成员从降低板坯缺陷发生率、减少异常坯下线量、加强板坯物流管理等方面开展工作。通过优化炼钢L3信息流转、开发交叉物流板坯的下线直装功能，减少了板坯入库停留时间和入库次数，降低了行车作业率，提升了板坯送出温度。上下工序及团队有效合作，做好合格板坯的及时发送、入库作业，降低了合格坯下线量；对质量判定模型进行核对、调优，有效提升模型判定的准确性，减少了模型下线量。梅钢板坯热送率实现跨越式提升，从2019年的不到70％提高到目前的90％以上，每年降低生产成本300多万元。

相对钢水冶炼、浇铸技术日新月异的发展，业内板坯物流技术的发展相对滞后，这也让郑雷找准了自主创新的风口。经过8年多时间的积累，他成功开发出“连铸板坯智慧物流控制技术”，获得江苏省、全国等多项创新成果奖。通过大数据应用和流程再造，自主设计、开发、实施完成了对5大工序、3大控制系统、42项作业内容的优化、升级；萃取和固化了现场操作经验，转变为可量化的数字模型9个，区域95％的作业可通过模型进行精细化控制与管理，岗位员工职责成功实现由操作向监控的转变。每天，梅钢连铸模型系统自动捕获铸坯图片近50万张，依靠自主建立的2大类、12个小类、3.8万张的缺陷样本图库进行AI自主训练，能在15秒内完成质量问题的准确识别与判定，彰显了智能化技术在提高生产效能上的巨大潜力。