此前,中國煉焦行業(yè)協(xié)會會長崔丕江在綜合分析行業(yè)數(shù)據(jù)后指出,"焦炭需求逐步減少是大勢所趨。"這意味著,作為石橫特鋼的核心業(yè)務之一,焦炭生產(chǎn)勢必要遵從"回爐另造"的專業(yè)邏輯。
根據(jù)相關(guān)數(shù)據(jù)預測,到2030年,中國鋼鐵蓄積量將達到132億噸,廢鋼鐵資源年產(chǎn)出量達到3.3億噸左右。其中,鋼鐵企業(yè)可通過"回爐另造",每年消耗廢鋼鐵2.86億噸。以每1.1噸廢鋼,生產(chǎn)1噸粗鋼計算,將有2.6億噸粗鋼是由廢鋼生產(chǎn)。
變廢為鋼是件好事,但這將直接影響市場對焦炭的需求。如果到2030年,中國粗鋼市場需求保持在7億噸左右,其中只有4.4億噸粗鋼是用高爐加轉(zhuǎn)爐生產(chǎn)。按照每噸鐵平均消費焦炭435公斤計算,僅需要焦炭2.3億噸左右。而截至2018年底,中國焦炭總產(chǎn)能已經(jīng)達到4.71億噸。
焦炭是怎樣煉成的?
這組數(shù)字不容樂觀,但類似的情況,石橫特鋼也并非沒有遇到過。2012年,石橫特鋼啟動ERP、MES系統(tǒng)建設,2014年建成并投入運行。而回顧此時的市場背景,2012年,中國粗鋼產(chǎn)量達到7.23億噸,產(chǎn)能過剩問題已經(jīng)充分暴露。
彼時,石橫特鋼正是通過一系列信息化建設,提高了運營效率,從而在激烈的行業(yè)競爭中脫穎而出。當然,8年之后,類型的情況又擺在面前,只不過這次石橫特鋼想再次突破"天花板",選擇了"數(shù)字化"和"智能化"同步走。
2019年底,為進一步推動肥城工業(yè)互聯(lián)網(wǎng)發(fā)展速度,肥城市政府、征途科技與華為簽訂戰(zhàn)略合作協(xié)議,并創(chuàng)建"華為云(肥城)工業(yè)互聯(lián)網(wǎng)創(chuàng)新中心"。2020年初,石橫特鋼選擇與華為云合作,以"配煤優(yōu)化"為核心場景,切入數(shù)字化建設。在此稍作技術(shù)層面講解,配煤是煉焦的前置工序之一,其也是影響焦炭生產(chǎn)成本最關(guān)鍵的因素,而影響配煤的關(guān)鍵因素則包括:原料煤質(zhì)量、配比、備煤工藝等。
或可如此理解,我們將粗糧和細糧搭配,是為了膳食健康。焦化廠也將"粗糧"和"細糧"搭配,這既為了健康,也為了經(jīng)濟實惠,而且焦化廠要通過煎炒烹炸等工藝,做出口味純正的菜肴。
焦化廠中的烹飪大師
上述的配煤是煉焦工藝的關(guān)鍵之一,但"配煤優(yōu)化"中的學問,遠不只如此簡單,這是一門復雜的工業(yè)知識,必須通過工業(yè)軟件和專家經(jīng)驗進行傳承。在焦化企業(yè)中,負責配煤工藝的配煤專家,就是焦化工業(yè)知識的傳承者。
也可如此比喻,配煤專家即是焦化廠中的烹飪大師,"鹽少許"、"油溫七成熱"等就是這些烹飪大師傳承的"工業(yè)知識"。他們可以借此爐火純青的手藝,做出色香味俱全的菜肴——通過考慮不同原料煤的成分、價格、庫存,以及焦炭質(zhì)量指標等多維度因素,最終做出配煤決策——在每一次焦炭生產(chǎn)中,計劃使用哪些原料煤,比例分別是多少,都有不同。
行業(yè)機理和人工智能
當然,即使是經(jīng)驗最為豐富的配煤專家,也很難始終以全局視角,每次做出好的解配煤決策,而這正是石橫特鋼思考的問題:如何基于工業(yè)互聯(lián)網(wǎng)和人工智能,解構(gòu)焦炭生產(chǎn)流程,并最終降低生產(chǎn)成本?
"工業(yè)互聯(lián)網(wǎng)是以機理為核心的工業(yè)知識及工業(yè)數(shù)據(jù),和AI的深度融合。"在此次石橫特鋼的"配煤優(yōu)化"項目中,華為工業(yè)互聯(lián)網(wǎng)平臺FusionPlant發(fā)揮了關(guān)鍵作用,但華為工業(yè)互聯(lián)網(wǎng)解決方案總裁、華為云人工智能領域總裁賈永利并沒有首先強調(diào)平臺中的算力和算法,而特別強調(diào)了"行業(yè)機理+人工智能"的融合。
"行業(yè)機理"可理解為行業(yè)"知識圖譜"。具體在焦炭行業(yè),即是在生產(chǎn)環(huán)境下,諸多要素之間相互聯(lián)系、相互作用的運行規(guī)則和原理。而將此進行數(shù)字孿生,則要依靠配煤工藝機理模型和工業(yè)數(shù)據(jù)。
華為工業(yè)互聯(lián)網(wǎng)平臺FusionPlant,正是將華為云EI企業(yè)智能與工業(yè)行業(yè)知識結(jié)合,并最終打造形成EI工業(yè)智能體?;谌A為云EI工業(yè)智能體,智能配煤方案可進一步將配煤工藝機理模型+AI數(shù)據(jù)驅(qū)動的方法結(jié)合,并在更廣泛的求解空間內(nèi),搜索更優(yōu)化的配煤方案。