岁末年初，知钢团队被合并入欧冶数智供应链研发中心。人工智能，大数据对我而言，是个全新的领域，因此，相应的阅读关注点也发生了一些变化，增加了一些人工智能、大数据（Big Data）的技术资料。不过，让我感到比较困惑的一个问题是：“人工智能在钢铁行业中，究竟会有哪些应用机会？”
日前，看到TATA咨询服务公司（TCS）管理合伙人Hiranmay Sarkar写的一篇关于AI在钢铁行业应用的介绍性文章，在看看目前同事们在做的一些工作内容和研究方向，觉得有必要把该文章的主要内容介绍给诸位。为此，我对该文的内容进行了编译整理，今天分享给大家，希望能有所启迪。这篇文章的篇名为《Enterprise AI Offers Solutions to Steel Industry Disruption》，文章的链接被列出在参考资料中。

- 01 -
金属工业是人类文明中最古老的工业之一，一直是现代工业增长的一大支柱。钢是当今使用最广泛的金属，在可以预见的未来，这一情况不会发生根本性的改变。
企业级AI可以嵌入到基本的商业模型中，以增强企业的决策能力。它关注的是结果而不是技术本身，从而使企业能够将数据转化为有价值的洞察力，以创造持续的客户价值。
随着人工智能（AI）推动的技术进步和数据湖的创建，钢铁企业开始认识到其对钢铁工业生产的价值。
根据世界钢铁协会的数据，全球粗钢产量从1950年的1.89亿吨增加到2018年的18亿吨。过去20年的快速增长，主要源于中国钢铁产能的过度扩张。
目前，钢厂正在努力通过实现钢铁制造技术现代化来提高效率。在这个过程中，钢铁业逐渐减少了对人工劳动的依赖，更倾向于自动化。据报道，以人工智能，大数据，云计算，区块链、5G技术为代表的智能制造技术也正成为钢厂趋之若鹜的新目标。
- 02 -
在理解AI在钢铁行业的应用前景之前，我们需要理解钢铁供应链的主要特点。
钢铁供应链包含了一些独特的行业核心要素：
·多源头的入厂供应链。矿山会产生连续的原料流。但是，矿石有多种形式和质量，在进入最终产品加工之前，通常需要进行附加的处理。这可能会导致各种钢种等级，而这不一定能与特定客户的需求挂钩。
·故障敏感型生产。钢铁生产工艺本身要求在高炉、转炉、连铸机和轧机等生产阶段之间的物料流动是连续的。在炼钢过程中，中断并重启某一特定操作的成本，可能会非常昂贵。因此，需要实时平衡生产流和库存流，以避免再加热成本，尽量减少产品改制，并消除多余的在制品库存。
·复杂的成品存储和分销网络。由于最终产品的钢种等级，重量和尺寸各不相同，因此在最终产品的存储，跟踪和分发等环节，很容易造成效率低下。此外，在钢铁行业中使用的跟踪技术也存在一些限制，例如射频识别（RFID）标签会受钢铁自身物理特性的干扰。
· 多销售渠道。传统上，钢铁公司依赖各种间接销售渠道，如经销商、代理机构和剪切加工服务中心，所有这些渠道都针对同一个市场。钢厂对市场的控制度相对有限，对终端消费者需求的可见度也是最低的。
此外，间接销售渠道由于多次转手和管理费用(如代理佣金)的积累，也减缓了销售过程。随着网络销售和直销渠道的出现，电商和网上竞拍已成为提高市场透明度，缩短销售周期和减少间接费用的主流手段。
同时，客户可以随时通过电商平台掌握市场数据，并针对特定钢材质量等级进行竞争性报价，这导致了钢种数量的激增，其中75％的新增牌号是在过去20年中开发的。以最短的订单完成周期和最具竞争力的价格满足客户的需求，已成为现阶段销售成功的关键。
· 大宗商品化和动荡的市场。在钢铁供应链中，原材料和成品都被大宗商品化。因此，钢铁供应链在需求端和供应端都面临价格的波动，导致盈利能力下降。
- 03 -
钢厂每天都会产生大量数据，并且随着生产规模的扩大，这种数据会呈现指数级增长的趋势。钢厂的数据有结构化（含半结构化）和非结构化两种形式。随着计算机内存算力，计算机存储技术和数字技术变得可靠且负担得起，许多钢厂正在使用这些先进的设备来开发高级分析技术，以获得对整个流程的洞察力。然而，到目前为止，这些努力大多数并没有从“供应链集成”的战略高度来呈现全局视野，因此，钢铁业还有很大的空间来从提高其数字能力中获益。
以下是Hiranmay Sarkar提出的目前钢厂需要重点建设的数字能力。
1）数字孪生
数字孪生（Digital twin），或译作数字映射、数字分身，指在信息化平台内模拟物理实体、流程或者系统，类似实体系统在信息化平台中的孪生体。借助于数字孪生，可以在信息化平台上了解物理实体的状态，甚至可以对物理实体里面预定义的接口组件进行控制。
具体来讲，数字孪生是物联网里面的概念，它指通过集成物理实体反馈数据，并辅以人工智能、机器学习和软件分析，在信息化平台内创建一个数字化模拟体。这个模拟体会根据反馈，随着物理实体的变化而自动做出相应的变化。理想状态下，数字孪生可以根据多重的反馈源数据进行自我学习，从而几乎实时地在数字世界里呈现物理实体的真实状况。
数字孪生的反馈源主要依赖于各种传感器，如压力、角度、速度传感器等。数字孪生的自我学习（或称机器学习）除了可以依赖于传感器的反馈信息，也可以是通过历史数据，或者是集成网络的数据学习。后者常指多个同批量的物理实体同时进行不同的操作，并将数据反馈到同一个信息化平台，数字孪生根据海量的信息反馈，进行迅速的深度学习和精确模拟。
数字孪生是实体供应链流程的虚拟副本，是网络-物理实体（Cyber-Physical）集成的基础。它确保了数据在数字世界和物理实体之间的无缝传输。为了实现企业级AI，数字孪生必需具备以下属性：
· 一个生态系统商务平台，可通过市售的现成软件，与所有内部和外部业务伙伴进行信息交换。
· 侦听平台和信息订阅，可以捕获超出直接控制边界（范围）的信息。
· 通过物联网（IoT）设备，进行物理实体连接和事件捕获。数字孪生应确保在各个供应链节点上连续、实时地收集数据，例如矿石存储（矿山，供应商和船运商），生产（由焦炉，烧结厂，高炉，铸机和轧机），产品仓储和分销（货场和货运公司）和销售渠道（包括电商，剪切加工中心和经销商）。
2）数据湖（DataLake）
数据湖，是指使用大型二进制对象或文件这样的自然格式储存数据的系统。它通常把所有的企业数据统一存储，既包括源系统中的原始副本，也包括转换后的数据，比如那些用于报表，可视化，数据分析和机器学习的数据。数据湖可以包括关系数据库的结构化数据(行与列)、半结构化的数据(CSV，日志，XML，JSON)，非结构化数据 (电子邮件、文件、PDF)和二进制数据(图像、音频、视频)。
储存数据湖的方式包括Apache Hadoop分布式文件系统，Azure数据湖或亚马逊云Lake Formation's云存储服务，以及诸如Alluxio虚拟数据湖之类的解决方案。
据称此术语由James Dixon为了与数据集市对比而提出，当时他是Pentaho的首席技术官。数据集市相对较小，包含从原始数据提取出来的有价值的属性。在推广数据湖的时候，他认为，数据集市有几个固有的问题，例如信息孤岛。
普华永道称，数据湖可以"解决数据孤岛。"在其数据湖研究中，他们指出，企业“开始使用一个单一的、基于Hadoop的存储库来存放和提取数据。”Hortonworks，谷歌，Oracle，Microsoft， Zaloni，天睿动力的技术，Cloudera和亚马逊都有数据湖的产品。
相对而言，一个数据沼泽，只是一个劣化的数据湖，用户无法访问，也没什么价值。
数据湖是以其原始格式存储所有企业数据的唯一存储位置。它可以用于多种目的，例如，由数据科学驱动的高级分析和机器学习。对于钢厂而言，数据湖可以原始格式存储来自各个供应链节点（包括矿场，堆场，高炉，连铸机和轧机）的不相关业务数据。数据湖可用于获取以下方面的洞察力：
· 市场情报，包括有关宏观经济学，货币政策，关税，金属交易所，商品价格波动，竞争对手的信息和地缘政治情况的信息。
· 钢厂数据，提供钢铁，炼钢，堆场管理和运输等各个阶段的产能和运营的详细信息。
· 业务计划数据，包括生产计划和装运计划。
· 合作伙伴的生态系统数据，由客户，代理商，剪切加工中心，矿山，货运代理和船运商等外部利益相关方生成。合作伙伴生态系统应提供与钢铁公司进行业务往来的外部组织对多企业业务网络（例如生态系统商务平台）中数据的访问。
- 04 -
钢厂的AI将包括以下功能：
· 感知钢铁供应链各个阶段的事件。在送达消费者手上之前，钢铁产品必须经历完整的制造生命周期。随着散装铁矿石被转化为各种各样的钢铁产品，原材料需要经过多个设备和工艺步骤。供应链任何部分的任何中断或变更，都将对生产的其他阶段产生重大影响。拥有物联网等相关属性的数字孪生将立即识别变化并收集数据以进行进一步分析。
· 分析事件并确定它们在不同时间范围内对关键绩效指标（KPI）的影响。收集事件数据后，将触发高级分析平台，以识别对计划活动的可能影响。此步骤在一秒钟之内创建了许多“假设”方案，从而可以比较整个供应链网络中可能发生的变化结果。通过评估可以确定对计划范围内各种KPI的影响。
·推荐替代解决方案。尽管数据收集和分析必不可少，但企业AI的真正价值在于其能够分析全部影响并提供相关建议的能力。如果产生的影响超出某些KPI的阈值，则业务规则和先前的认知经验教训可以帮助企业AI推荐可实现预期业务成果的解决方案。此类建议必须考虑整个供应链网络的影响，并建议最佳计划。
· 通过持续的认知学习来优化结果。数据湖通过数据科学技术提供洞察力。反过来，AI使用信息来实现结果的持续优化。数据湖是大量不相关的信息，如果是人工方式处理的话，这些信息将穷尽人类一生的时间。另外，原始数据如果是非结构化的，此类信息将无法用于商业目的。数据科学技术可以过滤特定业务范围内的非结构化数据，例如时间范围，地理位置和产品，以及挖掘隐藏的连接，以实现连续的自学习。
- 05 -
借助人工智能，钢厂可以通过减少人工劳动，以机器之间的连接和规范化的分析工具取代人工劳动，来提高钢铁业的可靠性、效率和生产率。借助人工智能，钢厂或还可以感知市场内在驱动力，市场需求波动以及生产和供应中断等因素。人工智能技术的工业应用，以及对数据湖和数字孪生的投资，有望使钢厂的经营方式变得响应速度更快，经营利润更高。人工智能可以极大地提高钢铁供应链的效率，从而降低存货成本，并在动荡的钢铁市场中缩短产品的上市时间。
笔者以为，只有加深对人工智能应用场景的认识和理解，才能使我们在前进的道路上少走一些别人走过的歧途。这也是当前大多数企业人工智能研发中心在选择研究方向时，特别需要注意的关键问题之一。
2021年2月22日
写于上海东鼎国际大厦B座3层
参考资料
https://www.supplychainbrain.com/blogs/1-think-tank/post/30094-enterprise-ai-offers-solutions-to-steel-industry-disruption
https://en.wikipedia.org/wiki/Digital_twin
https://en.wikipedia.org/wiki/Data_lake
来源：知钢
免责声明：本公众号所载文章为本公众号原创或根据网络搜集编辑整理，文章版权归原作者所有。转载请注明来源；文章内容如有偏颇，敬请各位指正；如标错来源，请跟我们联系！
继续阅读
阅读原文