亚新钢铁成立于2003年，拥有河南亚新、山西中升钢铁、内蒙古亚新隆顺特钢、连云港亚新、福建鼎盛5大生产基地。面对新的行业形势，亚新钢铁积极探索，希望借助数智化手段优化成本和效率。数智化升级“牵一发而动全身”，亚新钢铁决定把山西中升钢铁作为第一个试点，逐步推进改革步伐。

　　成立于2007年的中升钢铁，具备年产120万吨铁、170万吨钢（优质碳素结构钢钢坯）、100万吨棒材和100万吨高速线材的生产能力，采用“转炉炼钢、连铸连轧、一火成材”的全连轧生产工艺，装备工艺技术处于国内领先水平。

　　转型升级的第一步是要确定方向。冶炼工序生产成本是影响吨钢效益的关键因素，而在钢铁冶炼工序中，原燃料配比方案是非常关键的一步。一个偶然的机会，中升钢铁了解到杉数科技的全局优化方案，双方很快达成合作，确定了以原燃料配比优化为突破口，带动采购决策和生产配料决策的全局决策优化方案。

　　深入场景 把脉运营决策三大痼疾

　　与杉数科技合作之前，中升钢铁的生产、采购、市场等业务环节相对独立，各部门仅在业务范围内进行优化运营，原燃料选矿配比、采购策略和生产计划都以人工经验决策为主。随着供应链和市场需求的不确定性增加，依靠人工经验进行决策的难度增加，很多难以看见的成本被忽略，预计产出与实际产出、预计收益与实际收益偏差很大。要改变这种局面，必须破除数据、协同性和效率等三大关键问题。

　　一是数据依靠人工统计，协同效率低。钢铁企业的生产运营数据基本依靠人工统计，各个场景产生的数据未被有效利用。在运营管理过程中，信息传输主要依靠电话、微信等工具，很多工作无法量化，运营管理效率低。

　　比如，各矿石的成分、品位等数据以及生产过程用料情况为线下手工统计，信息不清晰，数据不准确。当有新的订单产生需要采购原料时，采购员在数据整理及校对环节耗时在2天以上，工艺员需要根据不同矿石品位调整生产可执行参数，耗时1天左右，最终决策计算也需要1天左右，如此计算下来，从订单产生到确定原料采购方案大约要耗时1周，整体交付周期较长，而且人工统计和计算可能存在误差，会影响最终的决策结果。

　　二是决策依靠人工经验，缺乏科学性。高度依赖人工经验的决策方式已经不再适应复杂多变的市场。一方面，原燃料品种多达数百种，人工无法把所有的约束都考虑进去，也无法对所有可能性组合进行分析，决策具有片面性；另一方面，原燃料品质与市场变化日新月异，人工决策无法快速响应，可能会造成不必要的浪费或丢失市场机会。

　　原燃料在不同工艺环节的配比选择性很多，科学来看，在烧结/球团、高炉炼铁、转炉炼钢三大核心环节，人工决策存在明显的不足。在烧结/球团环节，需要将不同的矿粉、返矿、燃料等原料进行组合，确定每种原料的用量范围。假如利用人工Excel检核，大约5秒判断一种，找出市场不同种类矿粉的所有可行组合需要超过1年的持续尝试。在高炉炼铁环节，对铁水产量、原料投入量、炉渣脱硫、焦炭/煤粉等使用量、矿石比例等都有非常严格的要求。焦炭、煤粉、废钢、富氧投入有上万种可能方案组合，综合计算复杂度万亿量级起步，已经超越传统计算范畴。在转炉炼钢环节，需将铁水和钢坯、废钢等进行混合加工。其中要考虑钢坯产量、废钢比例、铁水成本等约束，求解规模大，人工计算分析效率低。

　　三是采销数据断层，收益预测不精准。钢铁企业收益由生产成本和产品市场价格共同决定，但由于生产、采购和销售各模块互相割裂，很多影响因素被忽略，导致企业收益预测和实际达成情况偏差较大。举例来说，销售额的增加意味着更高的原燃料成本、运输成本、能源消耗、人力成本等，如果只考虑营业额和原料采购成本，收益预测就会偏高。

　　以上问题不仅是中升钢铁面临的难题，也是很多钢铁企业运营现状的真实写照。为此，中升钢铁和杉数科技双方项目人员深入场景挖掘问题点，精益求精地打磨每一个环节的方案设计和实施，最终构建的智能采销平台于2021年12月正式上线。

　　破除壁垒 凿通从数据到决策的智能通衢

　　通过对生产流程和业务场景的深入研究分析，中升钢铁和杉数科技拟定了数字化转型路径：从基础数据入手，通过数据整合、算法建模和优化求解，帮助中升钢铁打造数据驱动的采销智能决策平台。该平台可以结合原燃料成本与钢材市场价格快速计算和决策，给出满足生产要求的原料配比方案，实现成本最小化和收益最大化。

　　方案主要包括以下几大模块：

　　构建基础原料数据库。通过系统采购员随时录入原料成分数据和市场价格数据（系统支持手工录入、Excel表格导入和系统集成），让企业数据收集实现标准化和实时化。这些数据可以作为基础数据长期存储，将为决策算法提供输入值。

　　构建工厂及工艺模型。以中升钢铁的实际生产工艺和运营情况构建工厂及工艺模型。工厂模型可以根据不同区域或者不同工厂进行系统设置，以维护车间、设备的基本信息，如烧结、球团投入产出量，高炉投入产出量，转炉投入产出量等信息。工艺模型包括工艺定义、约束配置和产品策略设置，主要是对工艺流程进行定义，并设置影响决策的约束上下限，包括烧结约束、球团约束、炼铁约束、炼钢约束；同时，设置实际生产工艺中入炉原料的最佳投入比例。

　　构建智能采销决策平台。从全局视角构建生产成本的算法模型。在原燃料配比选矿方面，综合考虑种类、成分、质量、价格等因素，同时考虑原燃料质量对烧结设备、高炉产量、能耗、成本等的影响，并协同考虑采购、生产、市场等各经营指标的相互作用及变化趋势。在预设产能要求的条件下，寻求最低成本的原料配比方案，在满足约束条件下达成利润最大化。同时，通过多场景仿真模拟，收集使用当前工艺约束/生产成本/经营成本等信息，做出最优化产销决策及不同场景下的备用方案供企业决策者使用。

　　通过以上几大模块，可以将钢铁冶炼过程中的各个因素综合考虑，得出最优的配比方案。具体运营过程中，采购员可及时同步市场上原材料的成分及价格信息，供相关决策者了解市场行情变动；工艺员可及时同步各项工艺的指标参数要求，并可以使用决策软件得出最优生产配比；决策者通过查看原料成分价格趋势和产品成分价格趋势，比对系统给出的多版本采购决策方案，做出最优的采购决策。

　　由点到面 为企业数智化转型多维赋能

　　对于中升钢铁来说，打造采销智能决策平台是一项立足当下、面向未来的重要工程，在钢铁生产优化上实现了三大突破。

　　第一，以利润最大化为目标实现全局优化，可全面提升资源利用率，降低钢铁生产成本。此前，钢铁企业在解决类似决策优化问题时，仅能覆盖部分工艺流程，而中升钢铁将全流程多工艺串联进行综合决策优化，是从点到面的创新突破，得出的配比方案不会局限于某个单一因素。从整体效果来看，相较于人工决策，每吨铁水成本节约2.3%，每吨钢坯成本节约1.8%。

　　第二，大幅提升了求解和决策速度，解决了之前通过人工无法计算和量化的问题。对于一般决策求解问题，系统可实现1分钟集成信息、1分钟快速计算、1分钟对比决策、5分钟内做出决策。进一步来看，求解和决策效率的提升可以帮助企业敏捷响应市场变化，强化运营管理柔性和提升抗风险能力。当原料和市场需求出现变动时，企业可以针对不同情景，实现快速模拟仿真，做出最优采购决策：如果短期内需求骤增，可保障最大产量；如果短期内需求骤减，可保障最低生产要求。

　　第三，消除了多工厂、多部门、多系统的数据鸿沟，实现全局协同运营以及精细化、透明化管理。借助一体化平台，可降低数据错误带来的风险。同时，将粗放式运营决策升级为精细化运营决策，让决策、计划和执行高度联动和统一，进而提升整体生产运营效率和服务履约水平。

　　除原燃料配比优化外，杉数科技提供的智能决策解决方案覆盖钢铁生产计划、产能优化、物流运输、节能减碳、碳素流模型优化、电力分配等多个场景。随着中升钢铁一期项目的顺利上线，未来双方还将深化合作，将智能决策技术应用到更多钢铁生产运营场景中，为钢铁企业数智化转型注入更多活力。