“未來，在整個鋼鐵行業(yè)的發(fā)展過程中，IT（即信息技術）特別是人工智能、大數(shù)據(jù)、工業(yè)互聯(lián)網，將發(fā)揮顛覆性作用。”5月27日，浪潮信息總裁彭震在第十一屆中國國際鋼鐵大會期間接受《中國冶金報》記者專訪時表示，IT與鋼鐵行業(yè)的結合一定能迸發(fā)出巨大的創(chuàng)造力，推動鋼鐵行業(yè)高質量發(fā)展。

實現(xiàn)碳達峰、碳中和離不開IT的助力

彭震表示，今天我們所說的鋼鐵行業(yè)碳達峰、碳中和目標，從某種角度講是歐美企業(yè)定下的標準，這種標準在某種程度上不利于像我國這種工業(yè)化起步相對較晚的國家。因為歐美企業(yè)“野蠻排放”的階段已經過去，現(xiàn)在很多鋼廠都是用廢鋼生產，電爐流程居多，很容易達到他們定下的碳排放標準。但我國不同，還有很長的路要走。

“我國政府非常有擔當，主動承諾了碳達峰、碳中和的時間，這對于鋼鐵行業(yè)既是挑戰(zhàn)也是機遇。”彭震認為，整個鋼鐵行業(yè)會在這樣的情勢下從原來的粗放型生產逐步發(fā)展成集約化、精細化、綠色化生產，這個過程會伴隨大量新工藝、新流程、新技術的使用，而IT就是其中之一。

美國波士頓咨詢公司近日發(fā)布的一則調查報告佐證了這一觀點。該報告用美國一家使用廢鋼進行冶煉的鋼鐵企業(yè)——大河鋼鐵舉例，指出其在諸多領域使用IT、人工智能技術后，不僅大大提高了生產效率，還降低了生產成本，減少了碳排放。此外，該報告還認為，人工智能技術在應對二氧化碳排放、防止氣候變暖方面將發(fā)揮重要作用：到2030年，通過人工智能技術的應用，大氣中存在的二氧化碳將減少5%~10%，約合26億噸~53億噸。

鋼鐵業(yè)對智算中心的需求會越來越迫切

當前，鋼鐵行業(yè)智能制造還處于初級階段，未來隨著大量數(shù)據(jù)的收集和數(shù)字化水平的提升，鋼鐵行業(yè)對智能計算中心（下稱智算中心）的需求將會越來越迫切。

彭震表示，計算力就是生產力，智算中心將是未來我國新基建的重要組成部分，在鋼鐵行業(yè)也將發(fā)揮重要作用。比如，在工業(yè)互聯(lián)網發(fā)展過程中，收集的數(shù)據(jù)量會越來越大，但要真正產生人工智能的“智慧”，通過人工智能帶動生產的改造，還需要基于智算中心去構建人工智能的大腦，即元腦。通過大量學習歷史數(shù)據(jù)和神經元計算，元腦找到最佳的處理方案，然后將這種處理方案推送到前端變成一種“智慧”，再通過控制系統(tǒng)將這種“智慧”帶到生產中去，在能效管理、表面檢測、倉儲物流、智能鋼包、電子圍欄、除塵、工藝優(yōu)化、廢鋼定級等方面發(fā)揮作用。

鋼鐵業(yè)實現(xiàn)高質量發(fā)展需與IT深度融合

“我國要想從鋼鐵大國走向鋼鐵強國，離不開IT的輔助，未來IT將在鋼鐵行業(yè)發(fā)揮顛覆性作用。”彭震介紹，目前，浪潮智算已在鋼鐵行業(yè)多個場景實現(xiàn)應用。

一是基于人工智能技術的新一代帶鋼表面質量檢測系統(tǒng)。隨著機器學習技術在鋼鐵行業(yè)的應用，帶鋼表面質量檢測逐步進入到“機器初檢+人工復檢”的模式，機器學習主要通過攝像頭對鋼板進行拍攝，然后用圖像識別算法對這些照片進行識別，平均準確率一般可以達到80%左右。這一準確率雖然可以通過人工復檢的方式來進行彌補，但還是難以達到讓人滿意的效果。針對機器學習算法的不足，浪潮聯(lián)合元腦伙伴開發(fā)了新一代帶鋼表面質量檢測系統(tǒng)。實踐中，這一系統(tǒng)鋼板缺陷分類模型的預測結果準確率可以達到99%以上。

二是生產安全智能防護。浪潮智算構建了生產安全監(jiān)控系統(tǒng)，實現(xiàn)基于計算機視覺的AI智能監(jiān)管，可以通過攝像機采集現(xiàn)場視頻，依托安全帽監(jiān)測、防護服監(jiān)測、人臉檢測等算法來判斷工人的行為是否符合安全規(guī)范，隨后自動進行告警和記錄。

三是浪潮智能工廠實踐。作為工業(yè)互聯(lián)網實踐樣板，浪潮智能工廠統(tǒng)一整合了柔性生產、智能技術和物聯(lián)網技術。截至目前，該工廠集成了600多個RFID（射頻識別技術）、2000 多個傳感器、50 個設備控制器、330 套智能設備、6大核心系統(tǒng)，實現(xiàn)了從柔性化生產到交付服務的全過程智能化，交付周期從18天縮短至5天~7天，人員減少75%。

“未來，浪潮將致力于加深和鋼鐵企業(yè)的合作，共同推動IT與鋼鐵行業(yè)深度融合，推動鋼鐵行業(yè)高質量發(fā)展。”彭震表示。

 

以上就是關于““IT將在鋼鐵行業(yè)發(fā)揮顛覆性作用””的全部內容，歡迎轉發(fā)分享，謝謝