近年來，大數(shù)據(jù)技術(shù)在人類日常生活及社會管理等領(lǐng)域的應(yīng)用取得了巨大的成功。比如，流感預(yù)測、Alpha Go、廣告精準(zhǔn)推送等不斷沖擊著人們的視野，也引起了包括鋼鐵業(yè)在內(nèi)的工業(yè)界的高度關(guān)注。不少鋼鐵企業(yè)紛紛策劃或開展相關(guān)的研究與投入，建立各種規(guī)模、不同類型的大數(shù)據(jù)系統(tǒng)，若干應(yīng)用案例也迅速涌現(xiàn)出來。 

就目前來說，我國的鋼鐵業(yè)已經(jīng)具有較高的自動化和信息化水平，各類數(shù)據(jù)系統(tǒng)也是高效率制造和管理的基礎(chǔ)。尤其是近20年來，我國鋼鐵業(yè)技術(shù)人員利用數(shù)據(jù)建立的模型，通過編制軟件系統(tǒng)，參與到制造的控制和決策各個方面，取得不少成果。與我國其他制造業(yè)橫向比較，鋼鐵業(yè)在數(shù)據(jù)、算法、系統(tǒng)研制等相關(guān)技術(shù)領(lǐng)域均走在前列。目前，新的大數(shù)據(jù)技術(shù)浪潮拓寬了數(shù)據(jù)的應(yīng)用范疇和人們的視野，鋼鐵人應(yīng)以更大的興趣投入其中。

需要說明一下，本文觀點主要是針對已建成的鋼鐵產(chǎn)線而言。

客觀地說，社會大數(shù)據(jù)與工業(yè)大數(shù)據(jù)存在較多差異，工業(yè)大數(shù)據(jù)可能無法像社會大數(shù)據(jù)那樣快速帶來巨大的成功。而鋼鐵業(yè)永恒的話題依然是成本、質(zhì)量和效率，數(shù)據(jù)只是手段。

先進(jìn)鋼鐵企業(yè)數(shù)據(jù)目前已經(jīng)分布在廣泛建立的多級計算機(jī)管理與控制系統(tǒng)中。這些數(shù)據(jù)按照生產(chǎn)和管理高效率的原則，具有分層布置和科學(xué)有限聯(lián)通的特征。由于歷史、成本和技術(shù)發(fā)展等原因，20多年來建立的鋼鐵計算機(jī)及數(shù)據(jù)存儲系統(tǒng)大多為滿足基本需要而設(shè)計。

工業(yè)大數(shù)據(jù)與社會大數(shù)據(jù)基本相似之處有兩點：

一是數(shù)據(jù)類型基本相似。鋼鐵業(yè)數(shù)據(jù)以數(shù)值型為主。近年隨著圖像處理等技術(shù)的逐步應(yīng)用，鋼鐵業(yè)在數(shù)據(jù)類型方面也不斷地豐富，有了語音和動態(tài)視頻數(shù)據(jù)，可以認(rèn)為鋼鐵業(yè)數(shù)據(jù)類型與社會大數(shù)據(jù)類型基本相似，只是目前數(shù)值型數(shù)據(jù)仍明顯占大多數(shù)。

二是數(shù)據(jù)建模的理論和方法基本相同。一般應(yīng)用型研究的人們主要還是用常規(guī)數(shù)理統(tǒng)計、回歸分析、狀態(tài)估計等傳統(tǒng)統(tǒng)計學(xué)方法，近年神經(jīng)網(wǎng)絡(luò)、現(xiàn)代數(shù)學(xué)擬合、線性規(guī)劃等人工智能方法較為常見，不同問題選擇不同的方法，與對象的特征相關(guān)。

不同之處有以下幾個方面：

第一，對精度的要求不同。從一些社會學(xué)成功的大數(shù)據(jù)應(yīng)用來看，如廣告推送、行為預(yù)測等方面精度可以低一些，并不會因此產(chǎn)生重大的副作用。工業(yè)大數(shù)據(jù)就不同，其非常強(qiáng)調(diào)精度，如果工業(yè)大數(shù)據(jù)應(yīng)用的精度低于現(xiàn)有水平，或者不能優(yōu)于現(xiàn)有水平，就難以被企業(yè)接受。這樣的例子很多。以過程控制模型來看，如果引入工業(yè)大數(shù)據(jù)建模參與過程控制，就需要新數(shù)據(jù)模型的精度超過現(xiàn)有的以冶金機(jī)理為主建立的控制模型才行?，F(xiàn)有模型在局部也往往利用在線數(shù)據(jù)校正或者補償（所謂自適應(yīng)控制），所以用數(shù)據(jù)模型并不能輕而易舉代替原有機(jī)理模型，除非是在機(jī)理模型難以建立的地方或者范疇。

第二，需求來源不同。從研究的出發(fā)點看，社會學(xué)領(lǐng)域的研究可以根據(jù)已有數(shù)據(jù)的情況來選擇問題，只要取得有意義的結(jié)果就會帶來價值；如果數(shù)據(jù)欠缺，社會學(xué)領(lǐng)域的研究就可以繞道而行。而工業(yè)問題則始終是圍繞成本、效率、質(zhì)量這些不變的問題進(jìn)行，數(shù)據(jù)條件不足不能成為回避的理由。人們往往選擇任何可行的方法來攻克難題，并不局限于數(shù)據(jù)方法，比如機(jī)理分析、測量校正、操作調(diào)整等方法。這個所謂研究需求來源的不同使得工業(yè)界對數(shù)據(jù)的依賴程度低于社會領(lǐng)域。

第三，數(shù)據(jù)的完整性不同。

一是數(shù)據(jù)本身的完整性不同。在保證數(shù)據(jù)本身的完整性方面，工業(yè)領(lǐng)域數(shù)據(jù)的收集成本高于社會領(lǐng)域，這是由兩者的現(xiàn)實狀況和數(shù)據(jù)收集方法等的不同所致。社會領(lǐng)域數(shù)據(jù)收集相對簡便，比如智能手機(jī)的大面積普及，廠商可以利用手機(jī)終端來完成數(shù)據(jù)的收集，還有很多數(shù)據(jù)由政府免費提供。工業(yè)領(lǐng)域則要復(fù)雜得多，尤其是已有產(chǎn)線的數(shù)據(jù)收集就是一個極其復(fù)雜且耗費巨大的事情。比如，要把一臺產(chǎn)線上已有特殊測量儀表的數(shù)據(jù)進(jìn)行某種特定的收集，可能就要請原來的儀表制造商開放通信協(xié)議和接口，這并不容易。另外，工業(yè)設(shè)備通信協(xié)議和網(wǎng)絡(luò)傳送能力均已固化，要針對數(shù)據(jù)建模需要提出新的要求，實現(xiàn)起來需要時間和成本。這些都是目前工業(yè)大數(shù)據(jù)應(yīng)用的具體困難，雖然不是不可克服，但要付出很大的努力和必要的成本，這些付出與所得要成比例才能持續(xù)。

二是解的完整性不同。在解的完整性方面，工業(yè)領(lǐng)域的要求高于社會領(lǐng)域。工業(yè)過程的控制必須是對要控制的方方面面均進(jìn)行控制，比如煉鋼就要對整個過程和所有的加料或操作進(jìn)行控制指導(dǎo)，缺一不可；而社會領(lǐng)域則沒有這方面的要求，可以只對一種或若干種商品廣告推送進(jìn)行指導(dǎo)。

第四，初值不同。對于一個工業(yè)過程的控制或者決策問題，有時候不能等到數(shù)據(jù)存在了再去解決。比如，控制總是在鋼鐵產(chǎn)線建立之初就要起作用，這就是所謂的數(shù)據(jù)初值問題，也就是工業(yè)界往往必須在數(shù)據(jù)產(chǎn)生之前就要有技術(shù)手段為制造提供控制與決策。

第五，風(fēng)險不同。鋼鐵業(yè)大數(shù)據(jù)應(yīng)用風(fēng)險一般會比社會領(lǐng)域大，有些社會大數(shù)據(jù)應(yīng)用比如廣告推送、流感預(yù)測不會有難以承受的風(fēng)險，而工業(yè)大數(shù)據(jù)模型可能使廢品率上升，甚至危及正常生產(chǎn)和企業(yè)生存。

多數(shù)工業(yè)大數(shù)據(jù)應(yīng)用都是通過數(shù)據(jù)建模來實施的。我們首先對比一下機(jī)理模型與數(shù)據(jù)模型的差異。機(jī)理模型是指主要的模型結(jié)構(gòu)和參數(shù)來源于人們對建模對象客觀規(guī)律的理解。

數(shù)據(jù)模型的參數(shù)解釋性高于機(jī)理模型。通常機(jī)理模型來源于人類對對象的理解，其變量具有清晰的含義，在模型的自變量與因變量之間，專家可以給出物理或化學(xué)的解釋。這種解釋對于工程師對模型的理解十分重要，可以根據(jù)對相關(guān)模型變量的理解直接修改對應(yīng)的模型參數(shù)。一句話，沒有正確的理解就難以有良好的應(yīng)用。反之，數(shù)據(jù)模型特別是一些智能模型，其參數(shù)因其復(fù)雜的數(shù)據(jù)擬合原理而變得失去了理化意義，工程師完全不能直觀地或根據(jù)經(jīng)驗進(jìn)行調(diào)整。

數(shù)據(jù)模型對對象變化的可適應(yīng)性較弱。工業(yè)對象的變化總是難以避免，比如原材料性能、燃料熱值、新型處理設(shè)備或部件的增加、客戶對產(chǎn)品的新要求、產(chǎn)線新增或減少，等等。對象變化通常需要調(diào)整模型參數(shù)來適應(yīng)，正因為數(shù)據(jù)模型的參數(shù)解釋性差，必然導(dǎo)致調(diào)整的難度增加，甚至無法調(diào)整。尤其是增加原本不存在的新的添加物時，數(shù)據(jù)模型幾乎無法調(diào)整，嚴(yán)重時會使得數(shù)據(jù)模型失效。

既要積極又要理性地開展鋼鐵業(yè)大數(shù)據(jù)技術(shù)的開發(fā)與應(yīng)用，而理性主要反映在題目選擇、技術(shù)方法以及循序漸進(jìn)上。

盡管目前大數(shù)據(jù)很熱，但考慮到工業(yè)本身的特征，工業(yè)產(chǎn)品大多數(shù)是在人類設(shè)計的產(chǎn)線上制造，人們對制造過程積累了大量的知識和經(jīng)驗，在利用工業(yè)大數(shù)據(jù)建模時依然要緊扣問題，既充分利用大數(shù)據(jù)所含有的對象特征信息，也要充分利用數(shù)據(jù)之外的機(jī)理知識和專家經(jīng)驗，只有綜合一切所能夠利用的信息建立的模型才能達(dá)到最好的效果。通常認(rèn)為：模型=機(jī)理+數(shù)據(jù)+經(jīng)驗，就是為了追求盡可能高的模型精度。

從工業(yè)建模的數(shù)據(jù)成本和效率角度出發(fā)，筆者認(rèn)為，如果一個問題利用機(jī)理方法可以解決，就不一定要靠數(shù)據(jù)；如果用較少的數(shù)據(jù)可以解決就不必非要追求大數(shù)據(jù)。也就是說：機(jī)理＞小數(shù)據(jù)＞大數(shù)據(jù)。

也許有觀點認(rèn)為，隨著深度學(xué)習(xí)等新技術(shù)的發(fā)展，上述問題都將不是障礙。這一點在外延明確的問題或領(lǐng)域也許可以較快看到（工業(yè)界這樣的例子并不多）。對于大多數(shù)外延變化的鋼鐵業(yè)問題，我們暫時還看不到上述兩個原則有被否認(rèn)的趨勢。

所有這些技術(shù)比較或者建議并非是對工業(yè)大數(shù)據(jù)應(yīng)用前景和價值的否定，而是針對工業(yè)問題給出合適的技術(shù)方法和路徑。盡管與社會領(lǐng)域大數(shù)據(jù)應(yīng)用存在諸多差異，但仍然可以選擇一些領(lǐng)域開展工業(yè)大數(shù)據(jù)的研究和應(yīng)用。

筆者首先建議在傳統(tǒng)方法難以滿足要求的領(lǐng)域或者利于發(fā)揮數(shù)據(jù)長處的領(lǐng)域優(yōu)先開展。這些領(lǐng)域有：①鋼鐵全產(chǎn)線產(chǎn)品質(zhì)量分析與監(jiān)管；②專用設(shè)備診斷；③缺陷圖像數(shù)據(jù)處理與分類；④基于大數(shù)據(jù)的能源整體調(diào)度優(yōu)化；⑤基于制造大數(shù)據(jù)的智能采購；⑥基于市場與制造大數(shù)據(jù)的預(yù)測式制造系統(tǒng)；⑦基于大數(shù)據(jù)的銷售決策支持；⑧成本大數(shù)據(jù)應(yīng)用；⑨工序間數(shù)據(jù)建模與決策。

其中，①②④是已經(jīng)長期利用數(shù)據(jù)進(jìn)行工作的領(lǐng)域，是被證實數(shù)據(jù)應(yīng)用可行且沒有更好的方法可用的領(lǐng)域；③是把圖像問題轉(zhuǎn)化為數(shù)據(jù)后可以稱之為大數(shù)據(jù)應(yīng)用的領(lǐng)域，其本質(zhì)依然是圖像處理，其方法也是圍繞圖像處理技術(shù)而進(jìn)行，只是大數(shù)據(jù)建模技術(shù)被認(rèn)為是有前景的新方法之一；⑤~⑧是筆者較為推薦的所謂“薄而寬”的數(shù)據(jù)應(yīng)用領(lǐng)域，寶鋼數(shù)年來的實踐證明了其價值和技術(shù)經(jīng)濟(jì)可行性，而制造環(huán)節(jié)的智能化很多是智能優(yōu)化技術(shù)與大數(shù)據(jù)的結(jié)合，前者是難點與核心，故未列入；⑨則是由于大型鋼廠過程計算機(jī)建設(shè)的分工設(shè)計特征決定了工序間信息的利用是一個先天的薄弱環(huán)節(jié)，傳統(tǒng)方法是通過一系列工藝設(shè)定值來維系上下游工序間的信息銜接與傳遞，所以在工序間利用實際數(shù)據(jù)分析和建模可以起到補充和完善的作用。

以上列舉的領(lǐng)域未必全面。其中②要注意的是，鋼鐵業(yè)工程師不要去做單體專用設(shè)備（如電機(jī)、泵閥等）的基于數(shù)據(jù)的設(shè)備診斷，而要把注意力放到工序設(shè)備的綜合診斷上，因為前者很快會被專業(yè)廠商完成，而工序設(shè)備則是與鋼鐵業(yè)本身的制造、產(chǎn)品、工藝都有關(guān)的設(shè)備問題。

另外，說到大數(shù)據(jù)應(yīng)用，不能不提到國際上一些把材料科學(xué)與鋼鐵制造相結(jié)合的數(shù)據(jù)應(yīng)用研究，可算是智能化浪潮的一部分。這類研究更應(yīng)當(dāng)首先進(jìn)行實驗室探索，而不是立刻考慮工業(yè)界的計算機(jī)軟硬件的安排。寶鋼研究院就此成立了跨學(xué)科的年輕科研人員小組，按預(yù)研項目安排，這就是一個符合實際的做法。

從企業(yè)的角度看，在開展大數(shù)據(jù)應(yīng)用時應(yīng)該注意什么呢？

關(guān)于大數(shù)據(jù)存放的策略，通常沒有人反對把數(shù)據(jù)逐漸集中這一方式，事實上很多企業(yè)已經(jīng)開始這方面的工作。為了全面應(yīng)用工業(yè)大數(shù)據(jù)技術(shù)，人們期待把對象的所有數(shù)據(jù)都集中到同一個平臺上，以便于做各種細(xì)致的研究。是否集中、何時集中所有的數(shù)據(jù)，目前對于新產(chǎn)線已不是技術(shù)問題，而是成本問題。數(shù)據(jù)集中的成本不僅僅是儲存成本，對現(xiàn)有的鋼鐵產(chǎn)線而言，由數(shù)據(jù)收集帶來的對原有儀表等供貨商的依賴、對網(wǎng)絡(luò)和通信設(shè)施的改造也許會帶來更大的成本和麻煩。

一是建議首先開展“寬而薄”數(shù)據(jù)的應(yīng)用研發(fā)。通常，制造管理相關(guān)（如MES/ERP）的數(shù)據(jù)屬于“寬而薄”的數(shù)據(jù)，而生產(chǎn)控制數(shù)據(jù)（如儀表數(shù)據(jù)、L1控制系統(tǒng)等）往往是“窄而深”的數(shù)據(jù)。筆者建議工業(yè)大數(shù)據(jù)應(yīng)用首先開展“寬而薄”數(shù)據(jù)的應(yīng)用研發(fā)，一方面這里的數(shù)據(jù)看起來涉及面很寬，但實際上數(shù)據(jù)量并不大，存儲或者“上云”相對容易；另一方面先進(jìn)鋼廠的數(shù)據(jù)相對比較完整。根據(jù)寶鋼的實踐，這里面可以產(chǎn)生很多數(shù)據(jù)效益。當(dāng)然，方法不一定僅僅是人們常見的數(shù)據(jù)建模，更多的是智能優(yōu)化等新技術(shù)的應(yīng)用。寶鋼在庫存優(yōu)化、產(chǎn)線智能排程、大宗原材料采購決策、戰(zhàn)略客戶銷售協(xié)同等方面都取得了十分可觀的價值，這些價值很多還都是在大數(shù)據(jù)云計算概念大規(guī)模出現(xiàn)前就開始產(chǎn)生了。至于“窄而深”的數(shù)據(jù)應(yīng)用，對于控制界來說不是新技術(shù)，國內(nèi)擁有較好的技術(shù)和人才基礎(chǔ)，優(yōu)先的方法是沿著過去已有的技術(shù)積累開展研發(fā)，在取得明確結(jié)果或者技術(shù)認(rèn)識之后，再考慮數(shù)據(jù)集中，這是更符合實際和低成本的做法。   

二是試點研究既是大數(shù)據(jù)的便利之處，也是必要途徑。從筆者比較熟悉的成功數(shù)據(jù)應(yīng)用技術(shù)成果看，大多數(shù)都經(jīng)歷過多次的實驗，成功后往往對計算機(jī)系統(tǒng)提出了一定的新要求，很難想象在沒有試驗和一定研究的基礎(chǔ)上就把很多數(shù)據(jù)收集起來，然后寄希望于依靠數(shù)據(jù)建?；蛘邫C(jī)器學(xué)習(xí)帶來各種意想不到的成功。這既缺乏科學(xué)性，也不是經(jīng)濟(jì)的路徑。通常而言，缺乏技術(shù)驗證的東西很難得到工業(yè)界的接受。鋼鐵業(yè)已有的數(shù)據(jù)使我們可以通過簡單的方法把有關(guān)的數(shù)據(jù)收集到離線的計算機(jī)中，并進(jìn)行各類分析研究，找到模型，在得出效果（或者精度）和明確價值之后，再開始在線投資，會使風(fēng)險和成本都小很多。這就是筆者所說的試點方法。

三是加強(qiáng)人才培訓(xùn)，分階段分層次配置數(shù)據(jù)處理工具。鋼鐵業(yè)大多數(shù)員工并非數(shù)據(jù)學(xué)科出身，要從事工業(yè)大數(shù)據(jù)應(yīng)用工作還需要補課。即使寶鋼這樣人才實力雄厚的企業(yè)，能夠進(jìn)行復(fù)雜數(shù)據(jù)應(yīng)用的工程師也很少。熟悉對象且有一定數(shù)據(jù)基礎(chǔ)的人方能較好地與專業(yè)數(shù)據(jù)工程師合作。因此，鋼鐵業(yè)大面積的大數(shù)據(jù)應(yīng)用不僅是技術(shù)問題，也需要人才隊伍建設(shè)的配合。

鋼鐵企業(yè)選擇什么數(shù)據(jù)工具呢？筆者的建議是：考慮到企業(yè)工程師通常還不具備使用高端數(shù)據(jù)處理技術(shù)的能力，所以不要急于引進(jìn)那些功能完整（指數(shù)據(jù)處理與建模、圖形化等高級功能）的國外軟件。這些軟件在多用戶的情況下價格十分昂貴。企業(yè)應(yīng)該先給工程師提供簡單的數(shù)據(jù)處理工具，然后再根據(jù)情況購買少數(shù)高級別工具給高級別人才用。筆者所在的小組就在為寶鋼股份開發(fā)迷你型的鋼鐵業(yè)專用數(shù)據(jù)處理工具，不僅為企業(yè)節(jié)約較多的開支，同時又為后續(xù)的在線應(yīng)用打下了扎實基礎(chǔ)。

綜上所述，雖然鋼鐵業(yè)大數(shù)據(jù)應(yīng)用是技術(shù)問題，但大數(shù)據(jù)應(yīng)用多數(shù)可以用傳統(tǒng)方法完成，其載體是大量的計算機(jī)軟硬件和通信網(wǎng)絡(luò)等，所以某種意義上也是投資問題。在新技術(shù)快速發(fā)展、大數(shù)據(jù)技術(shù)日新月異的當(dāng)下，筆者提出這些技術(shù)比較和差異分析，并非對大數(shù)據(jù)技術(shù)的否定，而是在目前“手機(jī)媒體”和“有償培訓(xùn)”的影響力遠(yuǎn)大于專業(yè)人士的情況下，就鋼鐵業(yè)大數(shù)據(jù)應(yīng)用提出自己的一些看法供大家參考。就筆者所知，目前鋼鐵業(yè)大數(shù)據(jù)新應(yīng)用的項目不少是非鋼鐵業(yè)公司在負(fù)責(zé)實施，鋼鐵業(yè)內(nèi)部的若干大數(shù)據(jù)系統(tǒng)項目有部分是由從未有過數(shù)據(jù)建模經(jīng)歷的工程師在主導(dǎo)，這里面的成本風(fēng)險是可以想象的。另外，筆者親歷過一些缺乏行業(yè)基礎(chǔ)的信息公司為技術(shù)基礎(chǔ)薄弱的民營鋼鐵企業(yè)給出的大數(shù)據(jù)或智能化方案，存在明顯的問題和風(fēng)險，所以希望這些觀點能夠作為目前主流聲音的補充。

筆者的核心建議是既要積極又要理性地開展鋼鐵業(yè)大數(shù)據(jù)技術(shù)的研發(fā)與應(yīng)用，而理性主要反映在題目選擇、技術(shù)方法以及循序漸進(jìn)上。在大數(shù)據(jù)熱的當(dāng)下，這樣的提法只能算一家之言，僅供同行們參考。  

返回列表