鋼鐵業步履蹣跚，中鋼如何藉助 IBM 率先實現大數據與 AI 化轉型？

「近來鋼廠經營都很辛苦。」中國鋼鐵股份有限公司（以下簡稱中鋼）資訊系統處處長張日新在日前的 IBM Systems 創行者高峰論壇上說了這麼一句「辛酸」的話。

張日新表示，鋼鐵行業目前處於供過於求的狀態。「尤其是大陸地區。真正需求是一年 7 億噸，但是生產了 11 億，有 4 億要往外拋。往外拋的時候有一個很大的問題，鋼很重，拋到歐美去，運費都比鋼材貴。如果賣到那邊，人家會告你傾銷。拋到亞洲附近，台灣也在亞洲附近，大家經營的很辛苦。」

中鋼資訊處 CIO 張日新

雷鋒網了解到，我國鋼鐵企業正面臨著內外環境的巨變：一方面客戶對鋼材的品種、規格需求趨向多樣化，對產品的質量和交貨期要求越來越高；另一方面，由於高關稅、配額制等鋼材貿易壁壘的取消，市場經營環境發生變化，鋼材市場行情跌宕起伏，行業競爭激烈。

殷瑞鈺院士曾經指出：鋼鐵行業未來的戰略方嚮應該是智能化和綠色化，中國鋼鐵業要實現從大到強的轉變，絕不能錯過智能製造這個機遇期。

對於鋼鐵行業來說，提升利潤率是它們存活下來的唯一出路。傳統行業的轉型已是大勢所趨，大中型鋼鐵企業普遍效益不景氣的環境下，也有一批走在行業前端的「創行者」。在行業普遍不景氣的背景下，雷鋒網在此次創行者高峰論壇看到了其中的「佼佼者」——中鋼，我們且以中鋼為例，看看它如何利用技術手段優化生產流程，在大浪淘沙中生存下來，並且活的更好的。

據雷鋒網了解，中鋼成立於 1971 年 12 月，總部與主要的工廠位於台灣省高雄市臨海工業區。目前是台灣規模最大的鍊鋼廠。其鋼品產量佔台灣市場百分之五十以上，世界排名 22 名，但是利潤率卻在亞洲鋼廠中名列前茅。作為鋼鐵行業里的一員，中鋼也不可避免地遇到產能過剩、需求不足等行業性問題，那麼在這樣的背景下，中鋼又是如何進行「升級改造」的呢？

中鋼資訊系統處處長張日新在論壇上表示，現在鍊鋼鐵已經不是問題，怎麼樣煉成好鋼鐵才是問題。在發展瓶頸到來的時候，鋼廠需要向高質化、差異化及價值創新等方向突破，即加強三品（品質、品級、品種），才可能脫穎而出。現有的消費背景下，中鋼需要在 IT 、品質、生產、管制需要實現更精準的提升。

張日新在論壇上透露了中鋼為了轉型升級提出的幾點目標，「今年我們為了客制化和尋求轉型這兩件事定了四個方針。第一：智能產銷登高峰；第二：傳承創新開新頁；第三：開源節流創優勢；第四綠能軌道增價值。這背後有非常多的 IT 技術支撐。」為了實現這幾點目標，中鋼都做了哪些工作？

智能產銷

張日新表示，中鋼現在需要大量的客制化服務。而想要實現高產到高質的轉變，核心就是提高良品率。鋼鐵企業需要使用實時測量來調整生產計劃並規劃生產操作人員的行為。以一條生產線為例，如果生產的次品率為 10% ，為了避免這 10% 的次品率，需要增加一小段的額外處理來避免，雖然可以將次品率降低，但增加的額外處理與時間又產生很多的成本。

例如，鋼坯有 30-40 厘米厚，在壓薄之前肉眼無法看出裡面是否存在瑕疵。在這方面，人工智慧就有施展的空間，靠人類感官收集到的信息，有很大一部分是不精確或者模糊的，而人工智慧會在信息精確度上給予很大提升。

在 AI 領域領先的鋼鐵企業包括韓國浦項鋼鐵公司，該公司宣稱其已經成為全球第一家將 AI 引入生產流程的鋼鐵企業。 自今年1月以來，浦項鋼鐵公司一直在利用 AI 大數據進行深入學習，通過將人工智慧技術的塗層重量生產模型與優化技術的控制模型結合起來，以控制塗層重量，代替以前的手工控制。

為了提升自己的智能化水平，減少廢品損失和提升成本控制，中鋼在去年9月成立了智能化委員會。其中一個方向是如何尋找新的智能方向來提升生產績效的問題。這個過程中，中鋼看到了 IBM 推出的 PowerAI 。

IBM PowerAI 是一款訓練人工智慧和機器學習系統的軟體工具，具有易用性、縮短訓練時間等特點。它所使用的是 IBM 一款專門為人工智慧生產的伺服器，並採用了 NVIDIA 的 NVlink 技術。 IBM 的這款軟體所提供的深度學習技術已經在其他行業有了應用，比如銀行的詐騙識別，面部識別，以及自動駕駛汽車。PowerAI 的生態系統包含許多軟體，例如 Continuum Analytics 的 Anaconda、H2O 的 H2O 機器學習庫、Bons.ai 的 AI 軟體開發工具等等。此外，IBM 還可為在應用開發方面採用深度學習的開發人員提供企業級支持與服務。

PowerAI 通過收集分析整個生產線的各類操作歷史數據，利用數據挖掘的演算法和模型，做到智能控制生產的所有參數，而不是像傳統員工操作一樣因人而異。不僅提高了生產效率，還可以進行缺陷預測、提升良品率。

那麼，在鋼鐵行業，它可以解決的是什麼問題？

張日新介紹到，「 27 噸的鋼坯最後要做出 0.5mm 的成品，如何預測最後軋鋼時會不會出問題，這是我們長期想解決的一個痛點。」 為此，中鋼導入了 IBM 的 PowerAI 解決方案協助，利用機器進行深度學習，對鍊鋼過程中可能造成的熱軋缺陷進行預測。在測試中，中鋼提供過去一年近 7000+ 批次產品的各種工藝參數，利用這些信息通過不同的數學模型進行建模和分析。

1、首先，對於可能造成缺陷率分析所需要的數據進行清洗，規範成機器學習規範數據，建立完整資料庫。將數據分成兩組，一組供機器學習的數據約佔 80%，另一組約 20% 作為驗證。

2、 利用 4 種數學模型進行分析和預測。以黑箱作業方式，通過分析曲線，驗證分析結果與實際質相似，確認模型的可行性。

3、為找出影響因子，消除各項可能干擾的數據，通過分析一條產品線上產生的2000+數據。 結果發現「爐內壓力」這個參數對缺陷率影響很大，同時經過人工經驗進行驗證。

對於機器學習的成果，張日新表示滿意。他說，次品就是成本，良品就是利潤。現在我們通過人工智慧的技術節省掉 90% 鋼坯質量的判定和人工資源，使得成本大幅降低。我們認為它是正向發展，雖然還沒有完全達到我們的目的，為什麼呢？因為實驗過程中干擾因素太多，但是顯示出的效果還是很好的。」

張日新希望未來 Power AI 可以幫助中鋼提升 QC-quality control （質量控制）。用 AI 代替人工提高質檢水平。「不斷優化產品和服務品質，實現我們智能產銷的目的，公司對 PowerAI 和人工智慧技術帶來的成果非常看好和期待。」

實時分析

建廠 40 多年，中鋼業務一直在擴張，每月納入編製集團合併報表的公司就超過 110 家，屬直接掌控的子公司也超過 35 家，其中還有眾多 7*24 小時不斷的生產線，傳統核心數據的管理上就面臨著挑戰。

1、 隨著訂單量的增多，對於鋼胚的動態運籌管理等複雜的作業，以往都採取批次性處理，不但處理次數外在環境的瞬息變更，在處理速度上也多以小時計算，很難滿足時時動態的產銷要求。

2.、以往為確保在線實時作業、快速處理績效，對於各項生產和質量數據之分析都採用離線處理的方式，這種方式需要每天把收集的數據另行備份，再啟動分析軟體運作，分析的動作每日只能作一次，往往會錯失問題發生的解決時效。

如今的數據處理大致可以分成兩大類：聯機事務處理 OLTP 、聯機分析處理 OLAP 。 OLTP 是傳統的關係型資料庫的主要應用，可以在很短的時間內給出處理結果，主要是基本的、日常的事務處理，例如銀行交易。 OLAP 是數據倉庫系統的主要應用，可以根據分析人員的要求快速、靈活地進行大數據量的複雜查詢處理。

龐大的體系產生了大量的數據，中鋼對數據處理要求自然也要既快又好。以鋼坯的動態運籌管理作業為例：運籌管理包括鋼胚從原材料引進、調配、訂單安排、物流、運輸等一整套管理監控體系，由於它是動態的，所以對實時管理要求更高。

張日新表示，考慮到 IT 能力和成本問題， OLAP 和 OLTP 這兩件事，中鋼在過去都是分開進行。但是分開就面臨數據失真的問題，「數據在兩者之間遷移的時候，假設每天 23 點移過去，如果我現在做分析，從昨天 23 點到現在的數據就失真了，無法反映實際狀況，容易遺漏問題。」

面對這個問題，中鋼一直難以找到合適的方法，直到後來 IBM IDAA 的解決方案出現，張日新似乎看到的解決的曙光。這個方案的核心是實時分析，經過數個月的研究、訓練和角色定位，中鋼通過啟用 IBM 大數據實時分析解決方案 IDAA（The IBM DB2 Analytics Accelerator），將處理鋼胚動態運籌管理的作業時間縮短百倍，由原來的以小時計算到現在的 6 秒內。 突破原作業時間的限制，快速響應客戶需求，這個優化對實際業務的好處在於：整個鋼鐵生產過程中的每個流程都節省了半天到一天的時間。

同時中鋼也通過 IDAA 展開實時分析的作業能力，各項解決方案能夠在問題發生的時候就進行實時分析，不但消除每天為數據搬運的麻煩，更能快速排除問題。對於中鋼自身管理而言，透過 IDAA 集中搜集、儲存、分析與管理關鍵業務相關的數據資料，可以更快地進行分析，並進行進一步可視化分析評估，簡化後續工作並帶動後續應用。

目前 IDAA 還是一個獨立的系統，今年下半年 IBM 將會發布新的版本， IBM 相關負責人表示，新版本將利用主機的 FM 進行分析，將會比目前版本的分析效率更加快捷，更加滿足實時分析的需要。

一體化的系統管理

認為 x86 分散式系統是首選平台的觀念是滿足業務需求及推進轉型的一個主要障礙。雖然運行一定數量的 x86 伺服器看上去較為經濟，但隨著 x86 分散式系統的無序蔓延，與之有關的成本和管理複雜度就徹底暴露了這種說法的荒謬之處。此外，企業考慮到交付升級的安全性和數據隱私性，會堆多個伺服器來應對海量數據和交易增長。但是數量多了，問題和成本也多了起來。 x86 平台單台伺服器的整合能力有限，堆出來的伺服器有多少計算能力是用在處理業務，這是最大的問題。

隨著系統的規模的擴大，越來越多的計算能力被用來維護分散式系統，而不是業務本身，系統利用率低。體驗到 IBM 在實時分析方面帶來的優勢，為了解決系統開源的問題，中鋼又嘗試引入了 IBM 的 LinuxONE ，簡化了關聯環境。

張日新表示，除了核心系統的優化，越來越多的應用會用到開源，引入 LinuxONE 只是一部分，更重要的是如何進行管理。「 LinuxONE 的引入對我們來講不是硬體的安裝，而是系統管理、環境、人員配合的一體化。所以我們也發展出自己的標準，讓它能夠按照我們的標準來運作。我們舊有的經驗技術也能夠傳承下去，這一部分中鋼花了半年左右的時間跟 IBM 進行嘗試。」

鋼鐵工業是國家戰略性支柱行業，連續多年佔全國 GDP 總值的10%以上。鍊鋼工藝是透明的，數據是開放的，但智能化發展滯後。而鋼鐵行業與 IT 牽手也成為了必然的選擇，中鋼在數十年的發展時間裡，一直在「求變」，其深層原因就是利用 IT 進行生產流程的優化和企業架構的再調整：

進入大數據時代，為了做實時分析和報價 ，中鋼導入了 IDAA ；數字化轉型的時候，擁抱開源，導入 LinuxONE ， AI 的風潮來臨時，導入 Power AI 進行生產預測。可以說，中鋼對科技帶來的前景有著不一樣的敏銳嗅覺。

中國鋼鐵業要實現從大到強的轉變，不能錯過智能製造這個機遇期。智能製造的本質是加強協同能力，通過系統的力量創造價值。智能製造的價值點，常常不在某個部門的內部；通過知識的積累，讓過去由人來創造價值的智能工作，讓機器自動去做。所以，智能製造是靠系統創造價值、通過長時間積累創造價值。

最後，張日新表示，信息化的過程不是看到東西就去要，而是因為我們本身要解決一些問題。我們和 IBM 尋求合作，然後找到各自的發展方向，所以大家一拍即合。未來這個事情中鋼會持續來做，讓他們取得研究成果的同時，也能夠解決自己的問題，提升整體的競爭優勢。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！