杉数科技助力亚新钢铁数智化升级

亚新钢铁成立于2003年，拥有河南亚新、山西中升钢铁、内蒙古亚新隆顺特钢、连云港亚新、福建鼎盛5大生产基地。面对新的行业形势，亚新钢铁积极探索，希望借助数智化手段优化成本和效率。数智化升级“牵一发而动全身”，亚新钢铁决定把山西中升钢铁作为第一个试点，逐步推进改革步伐。

成立于2007年的中升钢铁，具备年产120万吨铁、170万吨钢（优质碳素结构钢钢坯）、100万吨棒材和100万吨高速线材的生产能力，采用“转炉炼钢、连铸连轧、一火成材”的全连轧生产工艺，装备工艺技术处于国内领先水平。

转型升级的第一步是要确定方向。冶炼工序生产成本是影响吨钢效益的关键因素，而在钢铁冶炼工序中，原燃料配比方案是非常关键的一步。一个偶然的机会，中升钢铁了解到杉数科技的全局优化方案，双方很快达成合作，确定了以原燃料配比优化为突破口，带动采购决策和生产配料决策的全局决策优化方案。

深入场景 把脉运营决策三大痼疾

与杉数科技合作之前，中升钢铁的生产、采购、市场等业务环节相对独立，各部门仅在业务范围内进行优化运营，原燃料选矿配比、采购策略和生产计划都以人工经验决策为主。随着供应链和市场需求的不确定性增加，依靠人工经验进行决策的难度增加，很多难以看见的成本被忽略，预计产出与实际产出、预计收益与实际收益偏差很大。要改变这种局面，必须破除数据、协同性和效率等三大关键问题。

一是数据依靠人工统计，协同效率低。钢铁企业的生产运营数据基本依靠人工统计，各个场景产生的数据未被有效利用。在运营管理过程中，信息传输主要依靠电话、微信等工具，很多工作无法量化，运营管理效率低。

比如，各矿石的成分、品位等数据以及生产过程用料情况为线下手工统计，信息不清晰，数据不准确。当有新的订单产生需要采购原料时，采购员在数据整理及校对环节耗时在2天以上，工艺员需要根据不同矿石品位调整生产可执行参数，耗时1天左右，最终决策计算也需要1天左右，如此计算下来，从订单产生到确定原料采购方案大约要耗时1周，整体交付周期较长，而且人工统计和计算可能存在误差，会影响最终的决策结果。

二是决策依靠人工经验，缺乏科学性。高度依赖人工经验的决策方式已经不再适应复杂多变的市场。一方面，原燃料品种多达数百种，人工无法把所有的约束都考虑进去，也无法对所有可能性组合进行分析，决策具有片面性；另一方面，原燃料品质与市场变化日新月异，人工决策无法快速响应，可能会造成不必要的浪费或丢失市场机会。

原燃料在不同工艺环节的配比选择性很多，科学来看，在烧结/球团、高炉炼铁、转炉炼钢三大核心环节，人工决策存在明显的不足。在烧结/球团环节，需要将不同的矿粉、返矿、燃料等原料进行组合，确定每种原料的用量范围。假如利用人工Excel检核，大约5秒判断一种，找出市场不同种类矿粉的所有可行组合需要超过1年的持续尝试。在高炉炼铁环节，对铁水产量、原料投入量、炉渣脱硫、焦炭/煤粉等使用量、矿石比例等都有非常严格的要求。焦炭、煤粉、废钢、富氧投入有上万种可能方案组合，综合计算复杂度万亿量级起步，已经超越传统计算范畴。在转炉炼钢环节，需将铁水和钢坯、废钢等进行混合加工。其中要考虑钢坯产量、废钢比例、铁水成本等约束，求解规模大，人工计算分析效率低。

三是采销数据断层，收益预测不精准。钢铁企业收益由生产成本和产品市场价格共同决定，但由于生产、采购和销售各模块互相割裂，很多影响因素被忽略，导致企业收益预测和实际达成情况偏差较大。举例来说，销售额的增加意味着更高的原燃料成本、运输成本、能源消耗、人力成本等，如果只考虑营业额和原料采购成本，收益预测就会偏高。

以上问题不仅是中升钢铁面临的难题，也是很多钢铁企业运营现状的真实写照。为此，中升钢铁和杉数科技双方项目人员深入场景挖掘问题点，精益求精地打磨每一个环节的方案设计和实施，最终构建的智能采销平台于2021年12月正式上线。

破除壁垒 凿通从数据到决策的智能通衢

通过对生产流程和业务场景的深入研究分析，中升钢铁和杉数科技拟定了数字化转型路径：从基础数据入手，通过数据整合、算法建模和优化求解，帮助中升钢铁打造数据驱动的采销智能决策平台。该平台可以结合原燃料成本与钢材市场价格快速计算和决策，给出满足生产要求的原料配比方案，实现成本最小化和收益最大化。

方案主要包括以下几大模块：

构建基础原料数据库。通过系统采购员随时录入原料成分数据和市场价格数据（系统支持手工录入、Excel表格导入和系统集成），让企业数据收集实现标准化和实时化。这些数据可以作为基础数据长期存储，将为决策算法提供输入值。

构建工厂及工艺模型。以中升钢铁的实际生产工艺和运营情况构建工厂及工艺模型。工厂模型可以根据不同区域或者不同工厂进行系统设置，以维护车间、设备的基本信息，如烧结、球团投入产出量，高炉投入产出量，转炉投入产出量等信息。工艺模型包括工艺定义、约束配置和产品策略设置，主要是对工艺流程进行定义，并设置影响决策的约束上下限，包括烧结约束、球团约束、炼铁约束、炼钢约束；同时，设置实际生产工艺中入炉原料的最佳投入比例。

构建智能采销决策平台。从全局视角构建生产成本的算法模型。在原燃料配比选矿方面，综合考虑种类、成分、质量、价格等因素，同时考虑原燃料质量对烧结设备、高炉产量、能耗、成本等的影响，并协同考虑采购、生产、市场等各经营指标的相互作用及变化趋势。在预设产能要求的条件下，寻求最低成本的原料配比方案，在满足约束条件下达成利润最大化。同时，通过多场景仿真模拟，收集使用当前工艺约束/生产成本/经营成本等信息，做出最优化产销决策及不同场景下的备用方案供企业决策者使用。

通过以上几大模块，可以将钢铁冶炼过程中的各个因素综合考虑，得出最优的配比方案。具体运营过程中，采购员可及时同步市场上原材料的成分及价格信息，供相关决策者了解市场行情变动；工艺员可及时同步各项工艺的指标参数要求，并可以使用决策软件得出最优生产配比；决策者通过查看原料成分价格趋势和产品成分价格趋势，比对系统给出的多版本采购决策方案，做出最优的采购决策。

由点到面 为企业数智化转型多维赋能

对于中升钢铁来说，打造采销智能决策平台是一项立足当下、面向未来的重要工程，在钢铁生产优化上实现了三大突破。

第一，以利润最大化为目标实现全局优化，可全面提升资源利用率，降低钢铁生产成本。此前，钢铁企业在解决类似决策优化问题时，仅能覆盖部分工艺流程，而中升钢铁将全流程多工艺串联进行综合决策优化，是从点到面的创新突破，得出的配比方案不会局限于某个单一因素。从整体效果来看，相较于人工决策，每吨铁水成本节约2.3%，每吨钢坯成本节约1.8%。

第二，大幅提升了求解和决策速度，解决了之前通过人工无法计算和量化的问题。对于一般决策求解问题，系统可实现1分钟集成信息、1分钟快速计算、1分钟对比决策、5分钟内做出决策。进一步来看，求解和决策效率的提升可以帮助企业敏捷响应市场变化，强化运营管理柔性和提升抗风险能力。当原料和市场需求出现变动时，企业可以针对不同情景，实现快速模拟仿真，做出最优采购决策：如果短期内需求骤增，可保障最大产量；如果短期内需求骤减，可保障最低生产要求。

第三，消除了多工厂、多部门、多系统的数据鸿沟，实现全局协同运营以及精细化、透明化管理。借助一体化平台，可降低数据错误带来的风险。同时，将粗放式运营决策升级为精细化运营决策，让决策、计划和执行高度联动和统一，进而提升整体生产运营效率和服务履约水平。

除原燃料配比优化外，杉数科技提供的智能决策解决方案覆盖钢铁生产计划、产能优化、物流运输、节能减碳、碳素流模型优化、电力分配等多个场景。随着中升钢铁一期项目的顺利上线，未来双方还将深化合作，将智能决策技术应用到更多钢铁生产运营场景中，为钢铁企业数智化转型注入更多活力。

免责声明：Mysteel发布的原创及转载内容，仅供客户参考，不作为决策建议。原创内容版权归Mysteel所有，转载需取得Mysteel书面授权，且Mysteel保留对任何侵权行为和有悖原创内容原意的引用行为进行追究的权利。转载内容来源于网络，目的在于传递更多信息，方便学习与交流，并不代表Mysteel赞同其观点及对其真实性、完整性负责。申请授权及投诉，请联系Mysteel（021-26093397）处理。