灯塔案例｜北京首钢冷轧薄板

5大核心案例 ①锌层厚度AI智能控制系统

业务痛点

镀锌产线锌层控制长期依赖人工经验，不同班组操作差异大；带钢高速运行（120米/分钟）下测厚仪存在90秒滞后，调整指令下达时已产出180米不合格带钢；更换产品规格需反复人工调试参数，锌层3克命中率仅约79%，造成大量锌料浪费和返工成本。

解决思路

基于2年历史生产数据构建AI控制模型（含预设定模型+前馈模型），实现微米级锌层厚度的自适应精准控制与自学习能力，替代人工经验判断。

实施路径

在热镀锌两条产线上部署AI控制系统。带钢从退火炉涌出（约450℃）后瞬间浸入锌锅，AI模型实时向气刀下达指令自动调整气刀高度与压力。系统每秒执行4次数据时空对齐与模型优化迭代。覆盖从开卷到镀锌完成的全线工艺（约20分钟），锌层精度控制在7微米级（相当于头发丝直径的1/10）。参数调整响应时间压缩至0.1秒内完成，彻底消除测厚仪滞后导致的废品段。

关键数据

覆盖2条热镀锌产线，锌层3克命中率从约79%提升至99%以上（提升约20个百分点），两条产线年节省锌耗数百万元。表面质量达到"均匀如镜"级别。

用了什么技术

AI自适应控制 05.02.02

基于2年历史数据训练的预设定+前馈双模型架构，具备自学习能力。部署于气刀控制环节，每秒4次优化迭代，直接输出气刀高度和压力指令到PLC执行器。模型随生产数据持续进化，适应不同钢种和规格的动态变化。

工业IoT感知 07.01

在镀锌线的关键工艺点位部署高精度测厚仪和温度传感器，以毫秒级频率采集锌层厚度、带钢速度、气刀压力等实时数据，通过工业网络传输至边缘计算节点进行即时处理。

>99%

锌层3克命中率

↑20pp

命中率提升幅度

5大核心案例 ②AI机器视觉表面缺陷智能识别

业务痛点

传统人工目检方式检测带钢表面缺陷效率低、漏检率高、标准不一；硌印等细微缺陷在高速产线上难以被肉眼及时捕捉，导致下游客户投诉频繁；质量判定依赖个人经验，缺乏统一标准。

解决思路

部署机器视觉系统采集带钢表面图像，结合全卷积神经网络（FCN）进行AI缺陷二次识别，融合模糊控制算法实现自动化质量分级判定。

实施路径

在酸轧、连退、镀锌等关键产线部署高分辨率工业相机阵列，对运动中的带钢进行连续表面成像。图像经预处理后输入AI模型进行缺陷类型分类（硌印、划伤、锈斑、油污等），结合标准工艺数据规则库自动生成缺陷等级。质检人员在管控中心大屏上接收辅助判定建议而非逐一目检。同时建立实时工艺偏差判定与追溯机制，一旦发现异常可快速定位问题工序和设备。

关键数据

覆盖多条主要产线的表面检测工位，产品降级率下降35.1个百分点，质量抱怨减少82%，年降低质量损失超过2000万元。

用了什么技术

机器视觉 01.05

高分辨率工业相机阵列部署于产线两侧，配合专用光源系统对高速运动的带钢（最高1200米/分钟）进行连续拍摄。图像数据通过千兆工业网实时传输至边缘服务器进行本地推理，避免云端延迟影响产线节拍。

深度学习/FCN 05.03.03

采用全卷积神经网络（FCN）作为核心缺陷识别模型，针对钢铁行业特有缺陷形态（如硌印、辊印、边浪等）进行专项训练。模型支持多尺度特征提取，对小目标缺陷同样保持高灵敏度。

知识图谱 05.04.02

构建质量管理知识图谱AI专家库，将历史质量问题、缺陷模式、根因分析和改进措施结构化关联。当新缺陷被检出时，系统自动匹配相似历史案例并推荐处理方案，实现对质量问题的精准识别、溯源与改进。

↓35.1pp

产品降级率降幅

↓82%

质量抱怨减少

5大核心案例 ③AI全流程智能排产与排程系统

业务痛点

冷轧多机组联动生产（酸轧→连退→镀锌）排产复杂度高，涉及钢种、规格、交期、设备状态等多维约束；人工排产依赖经验，过渡料多、工艺辊期短导致产能浪费；月度报表制作需3-4天，计划调整响应慢。

解决思路

构建AI驱动的全流程智能排程系统，利用高效智能的多约束排产算法实现生产计划的自动优化，最大化产能利用率的同时最小化过渡料损失。

实施路径

打通产销研数据体系，将订单需求、库存水平、设备状态、工艺约束等多源数据汇聚至工业互联网平台。建立科学的排产数学模型，融合多种优化算法（遗传算法、约束满足求解等）自动生成最优排产方案。系统能够动态响应订单变更和设备异常，实时重新优化排产计划。调度员通过智慧管控中心10米大屏掌握全流程动态，报表制作时间从3-4天缩短至30分钟。

关键数据

汽车板产能利用率提升24个百分点，报表效率提升数十倍（3-4天→30分钟），显著减少过渡料浪费、延长工艺辊期。

用了什么技术

智能排产/APS 03.04.03

高级计划排程系统（APS）集成多算法引擎，考虑交货优先级、设备能力矩阵、工艺切换成本（如换辊时间）、物料衔接等十余类约束条件，输出分钟级精度的作业计划。

运筹优化算法 05.02.01

融合遗传算法、整数规划、约束传播等多种运筹优化方法，在可行解空间中搜索全局最优或近优排产方案。算法参数可根据不同市场环境（订单饱满/清淡）动态调整优化策略偏好。

↑24pp

汽车板产能利用率提升

30分钟

月报制作时间（原3-4天）

5大核心案例 ④设备预测性维护与数字孪生管控平台

业务痛点

冷轧产线关键设备（风机、锌锅辊、轧机齿轮箱等）故障停机代价极高——单次非计划停机可能影响整条产线数小时产出；传统定期维修模式要么过早更换造成浪费，要么故障突发导致被动停产。

解决思路

连接全厂1200余台套设备构建数字化管控平台，部署多类预测性维护AI模型，实现从"事后维修"到"预测预警"的转变。

实施路径

通过工业物联网平台接入全厂1200余台套设备的振动、温度、电流、声纹等传感器数据。针对三类关键设备分别构建专用预测模型：（1）风机震动预测模型——分析振动频谱提前预警轴承磨损；（2）锌锅辊状态预测模型——监控沉没辊系的工作寿命和稳定性；（3）轧机齿轮箱声纹检测模型——通过声音信号分析齿轮啮合异常。平台综合设备健康指数自动推荐维护窗口，在计划检修窗口内统筹安排，避免非计划停机。

关键数据

连接设备1200余台套，OEE（设备综合效率）提升21.16%，非计划停机时间降低37%-38%。设备管理从事后救火转向事前预防。

用了什么技术

预测性维护 03.03.04

基于设备传感器时序数据的机器学习预测模型集群，涵盖回归预测（剩余使用寿命RUL）、异常检测（偏离正常基线的早期预警）和分类诊断（故障类型识别）三大功能模块。

工业IoT 07.01

1200余台套设备通过工业网关/协议转换器接入统一的物联网数据平台，协议覆盖Modbus、OPC UA、Profinet等主流工业通讯标准，数据采集频率从秒级到毫秒级不等。

数字孪生 03.01.01

为关键产线和核心设备建立数字孪生体，在虚拟空间实时映射物理设备的运行状态。当预测模型发出预警时，可在孪生体上进行维护仿真推演，验证维修方案的有效性后再落地执行。

↓38%

非计划停机时间降低

↑21.16%

OEE设备综合效率提升

5大核心案例 ⑤智能仓储物流系统（RGV+无人天车+5G）

业务痛点

20万平方米车间内的钢卷仓储和倒垛依赖人工驾驶天车，25吨重钢卷搬运安全风险高、效率低；外发物流调度依赖电话和纸质单据，发货效率瓶颈明显；库位管理不透明，倒垛率居高不下。

解决思路

构建覆盖入库、存储、倒垛、出库、外发全链路的智能物流系统，以5G网络支撑无人天车远程集控，以RGV实现产线间自动转运，以智能算法优化垛位分配。

实施路径

建设四大子系统协同运作：（1）库区智能仓储系统——根据钢卷规格、去向、优先级自动推荐最优垛位；（2）远程天车集控系统——操作员在集控室通过5G低延迟链路远程操控多台无人天车，每台可精准搬运25吨钢卷，消除高空作业安全风险；（3）RGV有轨导引运输系统——在产线间自动转运钢卷，减少行车交叉冲突；（4）出厂物流模型——结合GPS/GIS全程跟踪外发车辆，优化发车节奏。备料环节实现全流程数字化。

关键数据

外发效率提升15%，倒垛率显著降低，20万平方米车间内实现钢卷搬运无人化常态化运行。

用了什么技术

5G+工业互联网 07.02

5G专网覆盖整个厂区，为无人天车的视频回传和控制指令提供毫秒级低延迟保障（端到端延迟<20ms），确保远程操控的实时性和安全性。5G同时支撑大规模设备并发接入和数据传输。

智能物流/AGV-RGV 04.03.02

RGV（有轨制导车）系统沿固定轨道在酸轧、连退、镀锌各产线间自动转运钢卷，通过与排产系统对接自动接收转运指令。路径规划和避障由车载控制器自主完成。

工业机器人 01.03

无人天车实质是重载级工业机器人系统，配备激光定位、防碰撞传感和安全冗余机制。机械臂负责钢卷拆捆和信息录入自动化，AGV自动引导车将检测试样运送至21个检测点。

↑15%

外发效率提升

20万m²

车间智能化覆盖面积

⑥AI赋能的过程控制系统（板形+温度+张力一体化）

业务痛点

冷轧过程控制（PCS）是整个自动控制系统的核心环节，直接影响产品质量。原有系统设定精度不高、人工干预过多、"黑箱"运行导致问题难以溯源；3000多吨轧制力控制和米级质量跟踪对控制精度要求极高。

解决思路

将AI机器学习与冶金机理模型深度融合，提升过程控制的"三自"能力——自组织、自适应、自我优化，实现高精度无人化设定。

实施路径

覆盖10条主要机组（炼钢、热轧、酸洗、连退、镀锌等全线）的过程控制系统升级改造。核心包括三方面：（1）板形实时控制模型——AI动态调节轧辊凸度和弯辊力，保证带钢板形平直度；（2）连退炉温度场智能控制——炉温波动实时监测与AI优化，确保退火一致性；（3）张力自适应控制——根据钢种和规格自动优化各段张力设定值。全厂过程控制模型投入率超过95%。系统还实现了产品质量预测和表面缺陷预测的前置能力。

关键数据

覆盖10条主要机组，过程控制模型投入率超95%，产品质量一致性和一次合格率显著提升。

用了什么技术

先进过程控制APC 03.03.02

在基础自动化（L1）之上构建二级过程控制（L2）AI优化层，通过多变量模型预测控制（MPC）策略同时协调多个控制回路（板形、厚度、张力、温度），避免单变量优化导致的相互干扰。

冶金机理模型 05.02.03

将成分-工艺-组织物理冶金学原理模型与数据驱动AI模型相结合。机理模型提供物理约束和可解释性基线，AI模型捕捉复杂的非线性耦合关系，两者互补实现比单一方法更高的控制精度。

>95%

模型投入率

10条

覆盖机组数

⑦基于IoT的能源环保精细化管控系统

业务痛点

钢铁行业能耗密集，但传统能源统计仅到工厂或产线级别，无法精确到单卷；环保数据依赖人工抄表和事后填报，无法做到实时预警；同口径吨钢能源消耗缺乏精细化降耗抓手。

解决思路

新增140台智能仪表和1040个数据采集点，构建秒级能源数据采集与分析系统，实现钢卷级能耗追踪和多维度（钢卷/班组/作业区/公司四层）精细管控。

实施路径

在能源介质管网关键节点加装140台智能计量仪表（电、天然气、蒸汽、水、保护气体等），新建1040个数据采集点，以秒级频率上传数据至能源管控平台。平台按四个层级（单卷→班组→作业区→公司）分别统计分介质能耗和综合能耗。AI算法自动识别能耗异常波动并推送节能建议。同步建设环保在线监测系统，污染物排放数据实时采集和超标预警。

关键数据

综合能耗同比下降0.75 kgce/t（千克标准煤/吨钢），污染物达标率100%，新增仪表140台、采集点1040个、秒级采集频率。

用了什么技术

工业IoT/EMS 09.01

能源管理系统（EMS）基于IoT架构，140台智能仪表通过RS485/Modbus总线汇聚至区域数据网关，再经由工业以太网上传至平台。秒级数据粒度使得单卷级别的能耗核算成为可能。

绿色制造 09.02

环保在线监测系统对接北京市生态环境局数据平台，SO2、NOx、颗粒物等关键污染物指标实时上报。超标前预警机制确保100%达标排放。

↓0.75

kgce/t 综合能耗降幅

100%

污染物达标率

⑧产品设计数字化与AI力学性能预测

业务痛点

汽车板客户需求日趋多样化和个性化，1700余种零部件规格的成形性能要求各异。"合格但不合用"的问题时有发生——产品符合国标但不满足客户特定成形工况要求，导致退货和投诉。

解决思路

构建从客户需求到产品设计的全链条数字化能力：零部件数字化建模→AI力学性能预测→客户EDI对接→一站式服务闭环。

实施路径

首先建立1700余种汽车零部件的数字化档案，记录每种零件的几何形状、成形工艺路径和力学性能要求。然后训练神经网络算法模型，基于成分-工艺-组织物理冶金模型预测材料的力学性能组合（屈服强度、延伸率、n值、r值等），实现"既合格又合用"的精准交付承诺。通过EDI电子数据交换平台与主机厂系统对接，实现需求→设计→生产→交付的信息流无缝贯通。此外开发AI大模型"神算子"，根据质检数据实时生成最优切割方案，每天产生的数据持续训练优化切割模型。

关键数据

覆盖1700余种零部件规格的个性化成形需求分析，高端产品销售额增长36%，客户投诉减少55%。

用了什么技术

神经网络/MLP 05.03.01

多层感知机（MLP）神经网络用于学习化学成分、热轧工艺参数、冷轧压下率与最终力学性能之间的复杂非线性映射关系，辅助工艺工程师快速确定最优工艺窗口。

数字孪生仿真 03.01.01

对客户零部件成形过程进行数值模拟（有限元分析FEM），在虚拟环境中验证板材的成形极限，提前发现潜在的开裂、起皱风险，指导产品设计和工艺优化。

↑36%

高端产品销售增长

1700+

零部件规格覆盖数

⑨智能检化验中心（机器人+AGV+21检测点）

业务痛点

传统检化验依赖人工取样、制样、送检和记录，效率低且易引入人为误差；1700余种规格产品的检测项目繁杂，人工难以保证时效性和一致性。

解决思路

打造全自动化的智能检化验中心，机械臂+AGV+21个检测点协同运作，实现样品从抓取到报告输出的全程无人化。

实施路径

检化验中心的完整自动化流程如下：（1）机械臂从产线精准抓取样板并自动完成钢卷拆捆和信息录入；（2）高精度识别装置快速记录试样标识信息；（3）AGV自动引导车将试样沿固定路径送至对应的检测工位——共21个检测点覆盖力学性能、金相组织、化学成分、涂层厚度等项目；（4）检测结果自动录入LIMS实验室信息系统并同步至质量管理系统。检测项目完全根据客户需求定制化配置。

关键数据

较传统人工检测效率提升60%以上，覆盖21个检测点，承担1700余种零部件的质量稳定"体检医生"角色。

用了什么技术

工业机器人 01.03

六轴机械臂部署于检化验中心取样工位，视觉引导定位精确抓取样板，重复定位精度±0.08mm。机械臂同时完成钢卷自动拆捆作业，替代高强度人工操作。

智能物流/AGV 04.03.02

AGV沿预设磁条/SLAM导航路线在21个检测点之间转运试样，载重50kg，最大速度1.5m/s。通过无线呼叫系统与各检测工位协调，实现多点并行检测的最优调度。

↑60%+

检测效率提升

21个

自动检测点位

⑩云边协同技术架构与工业互联网数据中台

业务痛点

首钢冷轧（北京顺义）与首钢迁安数据中心相距200公里，纯云端架构无法满足产线实时控制要求的毫秒级响应延迟；各业务系统数据孤岛严重，跨部门协同效率低下。

解决思路

自建超融合算力平台，构建"云-边-端"一体化架构：边缘侧负责实时控制，云端负责全局管理和大数据分析，中间通过高速专网协同联动。

实施路径

架构分三层部署：端侧——产线设备和传感器数据采集（上千个数据采集点）；边侧——厂区内部署超融合算力平台承载边缘计算任务（AI推理、实时优化、过程控制），确保控制回路延迟低于阈值；云侧——迁安数据中心承载经营分析、长周期模型训练、供应链协同等非实时业务。工业互联网平台作为数据中台打通产销研体系，应用90余项机器学习算法和20余项深度学习算法，形成从设备采集→模型构建→优化分析→现场反馈的全流程智能闭环。配套建设DPM数字化业绩管理系统、财务共享系统（发票100%验真、凭证100%自动生成）、HR集成管理（20+功能模块）等管理数字化应用。

关键数据

云地距离200公里，90+项ML算法、20+项DL算法，上千个数据采集点，连接设备1200余台套，全面打通产销研数据体系。

用了什么技术

云边协同 07.03

超融合算力平台整合计算、存储和网络资源于一体，虚拟化技术支持按需弹性扩容。边缘节点就近处理时敏型计算负载（如锌层AI控制的每秒4次迭代），仅将聚合后的数据和模型更新同步至云端。

工业互联网平台 02.05

自建工业互联网平台作为统一数据中台，对接MES（制造执行系统）、ERP、EMS、QMS等异构系统，消除数据孤岛。平台提供统一的数据治理、API服务和数据分析环境，支撑67个数字化场景的数据需求。

大数据分析 05.01.01

大数据平台基于Hadoop+Spark生态构建，存储和处理来自全厂数据源的时序数据和关系数据。数据湖容量达PB级，支持离线批量分析和近实时流式计算两种模式。

110+

ML+DL算法总数

67个

数字化用例总数

⑪危险岗位少人化与本质安全转型

业务痛点

冷轧产线存在大量高温（450℃+带钢）、重物（25吨钢卷）、高速（1200米/分钟）、高空（天车操作）等危险作业岗位，人员安全风险始终是头等大事。

解决思路

以工业机器人和自动化装备系统性替代危险岗位人工作业，推动"机器换人"向"本质安全"转型。

实施路径

系统梳理全厂危险作业岗位清单，按风险等级分批推进替代：（1）高温区域——锌锅周边操作、退火炉巡检改用红外热像仪+巡检机器人；（2）重物搬运——25吨钢卷的天车装卸全部改为无人遥控操作；（3）高速产线巡检——部署巡检机器人代替人工进入危险区域；（4）有限空间作业——采用内窥镜检测机器人替代人员进入。配套建设安全双控平台（风险分级管控+隐患排查治理），将安全管理从被动应对转向主动预防。160人核心团队中41名为基层产品经理，确保每个数字化场景都有业务负责人主导。

关键数据

高温、重物、高速、高空等四类主要危险岗位实现大幅减人，本质安全水平显著提升。

用了什么技术

工业机器人 01.03

涵盖六轴关节机器人、SCARA机器人、AGV、巡检机器人、天车自动化系统等多种机器人形态，分别适配取样、搬运、检测、巡检、装卸等不同作业场景的需求。

HSE安全管理 08.02

安全双控数字化平台将风险分级管控和隐患排查治理流程线上化，每个隐患从发现→整改→验证全链路可追踪。与设备预测性维护联动，将设备故障导致的安全风险降至最低。

4大类

危险岗位覆盖类型

160人

数字化转型核心团队

指标	改善前	改善后	提升幅度	业务解读
锌层3克命中率	~79%	>99%	↑20pp	两条镀锌线年省锌耗数百万元
产品降级率	—	—	↓35.1pp	年降质量损失>2000万元
质量抱怨	基准	—	↓82%	客户满意度大幅跃升
OEE设备综合效率	基准	—	↑21.16%	同等产能投入产出显著提高
非计划停机时间	基准	—	↓37~38%	设备稳定性质变
汽车板产能利用率	基准	—	↑24pp	高端产线释放更大价值
外发物流效率	基准	—	↑15%	发货周转加快
高端产品销售额	基准	—	↑36%	产品结构持续向高端优化
客户投诉	基准	—	↓55%	端到端质量管控见效
月均质量降级现货率	2.61%	2.26%	↓0.35pp	质量一致性稳步改善
综合能耗	基准	—	↓0.75kgce/t	吨钢能耗持续走低
月报制作周期	3~4天	30分钟	↑数十倍	决策时效性革命性提升
检化验效率	人工基准	—	↑60%+	质量反馈速度倍增
污染物达标率	—	100%	稳定达标	绿色制造合规零风险

📋 企业名片

🔧 核心案例

📊 绩效改善总览

🗺️ 技术全景图

🔍 可复制性分析

🏭 行业对标视角

同行业（钢压延加工 3130）灯塔工厂

更广泛范围：中国黑色金属冶炼行业灯塔工厂

💬 互动