本報記者 郝淑慧
“在數字時代，鋼鐵行業最大的受益點就在于數字技術對“黑箱”問題的破解上。數據科學和數字技術將支撐鋼鐵行業解決‘黑箱’問題，鋼鐵行業利用數字驅動恰到好處、恰逢其時。”4月18日，在第二屆中國軋鋼與軋輥新技術推進大會上，中國工程院院士、東北大學教授王國棟做主旨演講時表示，鋼鐵行業數字化轉型的需求極為強烈，特別是豐富的應用場景是鋼鐵行業數字化崛起的重要機遇。他還介紹了鋼鐵產業優化升級的路徑，并針對鋼鐵行業、制造業共同面對的“黑箱”問題做了深入分析。
數字時代來臨，
鋼鐵行業怎么辦？
“工業互聯網、云計算、大數據、人工智能等新一代信息技術快速發展和應用，正式宣告了數字時代的來臨。”王國棟介紹，作為數字時代構建數字生產力、推動經濟發展的新型生產要素，數據成為數字時代社會發展的重要驅動力，甚至成為全球新一輪產業競爭的制高點。
在此背景下，鋼鐵行業如何用好數字技術？王國棟認為，鋼鐵行業擁有數據資源優勢，發達的自動化控制系統和研發設施，可以積累并提供海量實驗數據，這些數據中蘊含企業生產過程的全部規律。“這是最寶貴的資源，是關鍵生產要素。”他說。
通過分享美國材料基因組計劃、韓國浦項高爐運行五大狀態變量數據深度學習、日本JFE智能鋼廠建設、美國大河鋼廠等案例，王國棟提出，數字技術將為鋼鐵行業帶來超級智能的邊緣計算、綠色化工藝與裝備研發創新、高效率及低成本產品創新、5G下全產業鏈協調管理優化運行等幾大功能。
通過比較制造業與材料行業數字化轉型路徑的不同，王國棟提出，材料行業要發揮場景、數據資源、反饋循環對物料賦能的優勢，走特色道路，采用數據/機器學習等數據分析方法，以數據驅動破解全流程“黑箱”難題，實現全流程信息物理系統化。
如何解決
工業實踐中的“黑箱”問題？
王國棟介紹，在工業時代，由于“黑箱”問題的嚴重不確定性，只能借助模擬仿真系統CAE/CAD（計算機輔助工程軟件/計算機輔助設計軟件），采用理論或經驗模型計算，模擬解決。其間，雖然人們不斷探尋各種方法以解決“黑箱”問題，但均以失敗告終。
“這表明，除了數據時代的數據/機器學習方法，任何其他時代的方法都對‘黑箱’問題束手無策。”王國棟強調。
那么，數字時代如何解決工業實踐中的“黑箱”問題？王國棟提供了一種思路——數字孿生，即“黑箱”的高保真度建模。他解釋道，數字孿生是一系列描述輸入（操作變量、材料成分）與輸出（組織、性能）之間關系的預測性模型，高保真度數字孿生建模是材料科學與技術研究的關鍵核心。利用數據/機器學習對“黑箱”問題進行高保真度建模，將有力提升鋼鐵行業的核心競爭力。
“此外，鋼鐵企業還可以構建創新基礎設施。”他說道。何謂創新基礎設施？即基于創新、協調、綠色、開放、共享的發展理念，以技術創新為驅動、以信息網絡為基礎，面向高質量發展，為提高產業核心競爭力而打造的產業升級、融合、創新的基礎設施體系。
對于鋼鐵企業而言，創新基礎設施主要包括“一網”（5G工業互聯網）、“三大平臺”（底層實體設備平臺、邊緣數字化核心平臺、資源配置與管理云平臺）、“四大功能”（綠色化轉型、數字化轉型、高質化發展、強鏈化運行）。
制造業解決“黑箱”問題的
方法仍較落后
通過分析軋輥制造技術、高鐵車輪與輪箍的生產工藝過程、齒輪制造過程、軸承制造工藝、全產業鏈協同一體式汽車結構件熱沖壓技術等案例，王國棟提出，制造技術的不斷創新和進步，使得用鋼產品的質量和生產效率都得到了顯著提升，為金屬加工行業發展做出了重要貢獻。
基于此，王國棟提出，鋼鐵行業和制造業要攜手并進，破解共同面對的“黑箱”問題。從制造業使用金屬材料的工藝過程來看，“白箱”決定了產品外形尺寸精度，而“黑箱”決定了材料的組織和性能。“黑箱”與“白箱”有不同的評價標準，都很重要。在制造業使用金屬材料過程中，“白箱”與“黑箱”必然并存。
分別來看，“白箱”在制造業使用材料過程中，通常為冷機械加工（車、銑、刨、鉆、鏜、磨）外形、尺寸高精度加工。“白箱”并不引起內部材料組織與性能的變化。而“黑箱”通常為鑄鍛焊、成形加工、熱處理等，不僅涉及材料的外形、尺寸的變化，還涉及材料內部組織和性能的變化。
王國棟強調，“黑箱”問題直接影響著產品內部的組織和性能，即與產品制造的最終質量、效率、成本、環境及后續使用性能等密切相關。目前，制造業“黑箱”問題的解決方法是通過工業時代的理論分析（計算機模擬）或經驗，但這遠遠落后于時代。
“面向數字時代，我們必須把注意力轉向‘黑箱’，把制造業實體經濟與數字經濟、數字技術結合起來。鋼鐵行業與制造業要攜手并進、協同創新，共同攻克‘黑箱’難關，攜手高質量發展。”王國棟說。
