目前钢铁行业提质、增效、降本遇到了前所未有的挑战，数字化转型是解决这一发展瓶颈的战略方向，实施数字化转型升级成为国内外钢铁领域的关注焦点。
习近平总书记号召“加快建设数字中国”。经过长期的建设和发展，钢铁行业已经实现了全面的数据采集和丰富的数据积累。充分发挥钢铁行业海量数据和丰富应用场景优势，在工业互联网、大数据、云计算、5G网络等信息技术的支撑下，借助于大数据与机器学习/深度学习等数据科学技术，快速挖掘海量数据中蕴含的企业管理与生产过程中的规律，并利用这些规律解决流程工业普遍存在的不确定性等“黑箱”难题，发挥数据技术的放大、倍增、叠加作用，有助于推进钢铁行业的数字化转型与高质量发展。
2011年，美国公布了“材料基因组计划”，目标是引导企业建设涵盖计算工具、数字数据和实验工具三方面的材料创新基础设施，将“材料发现、制造与应用的速度提高一倍，而成本降低到原来的几分之一”。欧盟成立了钢铁智能制造工作组，启动了动态能源管理、产品质量提升、智能制造架构等重点项目。美国发布了智能制造路线图，打造集成、知识支撑、富集模型的钢铁企业，实时优化生产制造和供应链网络。以POSCO、JFE、安赛乐米塔尔、日本制铁、大河钢铁为代表的国外先进钢铁企业正在大力发展钢铁数字化制造新模式。
“十三五”以来，我国钢铁行业以“智能化”和“绿色化”为主题，初步形成了数字化转型实施的基础架构，在自动化控制与智能优化技术、全流程智能化制备关键技术以及相关的数字化技术研发方面取得了卓有成效的进展。“十四五”期间，中心已经承担了国家重点研发计划项目“钢铁轧制全流程工艺优化与管控软件开发”“钢铁全流程多工序动态协同运行优化技术及示范应用”课题、工信部产业技术基础公共服务平台项目“建设智能制造标准试验验证公共服务平台（5G新一代信息技术与钢铁行业融合）”课题、国家自然科学基金重点项目“板带材生产全流程动态数字孪生与智能协调优化信息物理系统”等，正在有序布局钢铁生产全流程信息物理系统建设与工业软件研发等数字化项目。
3.1 以工业互联网为载体的金属材料创新基础设施研究
发展计算工具、数据及实验工具的相互支撑的材料创新基础设施，以数据驱动理念构建状态感知、实时分析、科学决策、精准执行的数据自动流动闭环赋能体系，形成异构硬件、软件、数据、网络高度集成的深度融合的钢铁材料创新研究方法和基础设施。以实验检测、中试试验和实际产线为数据源，以工业互联网大数据挖掘为计算工具，建设原位分析系统和企业创新基础设施。
3.2 边缘数字化核心平台构建与数字孪生过程模型研发
利用数字化技术改造过的边缘部分设置了边缘数据中心，负责生产过程输入、输出大数据的提取、转换、存储的功能。在边缘部分设置“大数据/机器学习解析平台（I）”，利用数据科学、AI等技术解析建立和优化数字孪生过程模型，实现过程可视化、开发APP等功能，并将生产过程数字孪生模型传送到过程控制系统，代替传统的机理模型，进行生产设备的设定和动态设定。
3.3 资源配置管理云平台构建与运行管理资源优化
资源配置管理云平台位于云中，负责生产活动与资源配置管理功能，是“边缘部分”设定、运行、调度的强大支撑部分。在云平台配置有企业大数据中心和“大数据/机器学习解析平台（II）”，利用机器学习等数据转换和处理技术，处理、分析各方面的大数据，对相应部分的运行和管理工作进行管理和优化，支撑和保证生产线系统和公司整体的最优化运行。
3.4 基于机器视觉和机器学习的智能装备研发
将5G+、机器视觉赋能传统检测技术的创新应用，利用新一代通讯技术的优势，解决复杂场景下产品三维尺寸、表面、内部质量缺陷检测难题，研发基于机器视觉、数据解析的关键数字化仪表，为产品质量大数据平台提供更为丰富的工艺质量数据基础。
3.5 钢铁生产计划决策与调度数字化
以面向定制化生产和精准服务为目标，建立钢铁制造供应链集成、协同与智能化的理论体系，分析库存管理、生产排程、计划调度等管理问题的特征和性质，提出工艺机理、过程数据与经验知识相融合的智能决策建模方法，开发求解大规模含复杂工艺约束的决策模型的新型智能优化方法。
3.6 基于数字孪生的轧制过程形性面一体化智能优化控制
通过成分-工艺-组织-性能集成化分析，构建多层次跨尺度全流程的形性面一体化关联模型。开发实验、模拟仿真和生产数据在时间、空间和尺度上的融合处理技术，形成先进钢铁材料物理与数据耦合驱动的形性面一体化预测技术，指导成分与工艺的优化设计，实现质量高精度控制。
3.7 设备运维数字化和预测式维护
设备信号与采集策略的集成优化方法，智能传感器开发；多源、异构信号数据的存储、传输的技术方案；基于设备系统与运行环境，多源数据融合、深度特征提取技术；基于CNN、SVM、迁移学习等通用的智能算法和模型；基于系统可靠性和动态可靠性理论和多元决策优化方法；研究基于大数据分析的智能处理框架与技术体系。
3.8 钢铁生产能源与排放管理数字化
基于钢铁生产流程物质流、能量流、信息流耦合关系，构建钢铁生产全流程能源与排放分析多维网络模型；开发节能减排理论与技术、综合能源系统优化、碳减排及低碳转型、能源预测与优化调度、智慧化能源管控系统；实现钢铁企业能源管理中心的预测、优化和调度；研发钢铁生产的集成动态能源管理和排放数字化管控技术。
面向钢铁材料与加工全流程数字化转型升级的重大需求，建立钢铁工业互联网架构下钢铁企业创新基础设施。填平补齐底层生产线的数据采集和执行机构，提供精准、齐全的现场有关材料成分设计和实时操作数据等输入数据，以及材料外形尺寸、组织性能、表面质量等输出数据，消除数据采集和指令执行方面的“短板”。攻克“边缘数字化核心平台”技术，设置边缘数据中心与“大数据/机器学习解析平台（I）”，实现生产过程输入、输出大数据的提取、转换、存储的功能，利用数据科学、机器学习等技术建立和优化数字孪生过程模型，进行生产设备的设定和动态设定。建设“资源配置管理云平台”，配置企业大数据中心和“大数据/机器学习解析平台（II）”，利用机器学习等数据转换和处理技术，对相应部分的运行和管理工作进行管理和优化，支撑和保证生产线系统和公司整体的最优化运行。实现网络化，在垂直方向上实现轧制等快过程的短时延交互反馈，在流程方向上实现各单元之间的顺畅、无缝的优化衔接。
◆ 2023年，开发关键工艺质量指标数字孪生模型，构建产线级信息物理系统，完成钢铁材料研发生产工业互联网大数据平台搭建工作；
◆ 2024年，形成产品形性面一体化协同控制、关键设备故障预测与健康管理、钢铁生产能源与排放管理等系列数字化技术，开展全流程数字化技术应用；
◆ 2025年，构建流程级信息物理系统，实现多工序智能管控，全面提升全流程数字化水平，相关数字化技术推广至国内外10家以上钢铁企业。
通过有组织引导实施钢铁数字化转型升级，确保数字化关键核心技术自主可控，提升产品质量和产线运行水平，占领钢铁行业智能化发展的制高点。
1）构建钢铁材料创新基础设施，研发以工业大数据驱动、数字孪生为核心，工业互联网赋能的信息物理系统，开发全流程数字化工业软件，引领钢铁材料数字化转型。
2）开发先进钢铁材料物理与数据耦合驱动的形性面一体化预测和控制技术，关键质量指标波动降低20%-30%，覆盖30%-50%钢铁生产过程。
3）构建钢铁产线完备、可靠、性能优良的数据采集系统，研发基于机器视觉、数据解析的关键数字化仪表，实现关键难测参数的在线检测。
4）实现原料、供应、能源、介质、排放、物流、人力资源、财务、成本、技术创新与开发等的资源配置和管理，支撑和保证生产线系统和公司整体的最优化运行。
