首鋼股份:“以數賦智”大數據應用助推企業智能決策管理

一、項目背景

（一）當前國內鋼鐵企業生產發展環境下客觀的需要

我國制造業增加值占GDP比重從2011年起呈下降趨勢，到2020年，已降至26.18%。2021年制造業增加值占GDP比重27.4%，略有回升，但隨之而來的自然災害、奧密克戎疫情和國際貿易爭端對制造業供應鏈的影響巨大，原材料的價格波動劇烈，企業招工難等諸多不確定因素，都使制造業面臨嚴峻的挑戰。面對如此市場環境，我國鋼鐵工業作為國民經濟的基礎產業，除采取穩步發展的戰略外，需加速推進數字化轉型和智能制造，提高供應鏈韌性，強化供應鏈協同，以此積極而有效地應對經濟下行趨勢。

（二）快速響應市場變化提高制造+服務能力的需要

隨著近幾年制造業與服務業的深入融合，全球經濟范圍內的制造業出現新的模式，制造業在生產組織形式、運營管理方式和商業發展模式上也發生翻天覆地的變化。單純的流程化管理不再適應瞬息萬變和復雜的業務現狀、競爭格局以及個性化需求，探索數據信息成為發現變化、預測變化的唯一解決辦法，有利于提升企業對市場的應變能力，提高企業的綜合競爭能力。

（三）適應企業戰略變革低成本高質量管控的迫切需求

制造業面臨嚴峻形勢，利潤受到上下游市場雙重擠壓，首鋼股份管理也轉變為低成本高質量的管控思路。隨著大數據、人工智能等新技術的成熟、數據的積累，加之國家政策的大力支持，鋼鐵企業的數據時代已來臨，勢必要進行業務創新，急需利用數據從各個方面挖掘降本增效空間。

首鋼股份實施了“智能工廠”“產銷一體化”等項目，完成公司級生產、質量、設備、能源、物流、財務等各個專業數據在線管理及大數據平臺集成共享，完成了由信息化到數字化的轉變，積累了到智能化的基礎，具備數字化轉型條件。首鋼股份順應數據發展趨勢，率先開啟探索數字化管控道路，將數據應用融入管理與決策，加速重構生產和價值網絡，打造工業智能、商業智能、管理智能的數字化體系，實現鋼鐵企業數字化轉型升級。

二、主要內容

（一）構建高效項目推進體系，發揮資源互補促進協同創新

在數字化轉型發展過程中數據應用人才是項目順利推進的關鍵保障。然而在現下態勢中，企業員工的兩極分化日趨嚴重：業務人員關注業務管理，用豐富的經驗進行決策；IT開發人員不懂業務過程，單純從數據本身出發，難以尋找業務落腳點。此外，固有的項目推進模式存在技術壁壘、業務壁壘；業務人員應用數據意識淡薄；業務效果推進的持續性差等。為發揮資源互補優勢，加速創新人才培養，提高業務人員與信息化管理人員以及技術開發人員的協同創新能力，助推產品研發、工藝技術、制造管控能力進一步提升，由信息化數據應用管理專業、業務和工藝工程師、IT開發單位聯合組建協同創新團隊，共同開展的創新攻關項目，以達到IT語言與業務語言更好地轉化、業務人員主動并善于發現問題以及模型迭代優化輸出等目標，更深入挖掘企業數據價值。

（二）構建數據主題架構，保證高效穩定的應用

首鋼股份在數據倉庫的建設過程中，針對線下業務活動鏈條中的典型場景，建立基礎主題和應用主題并對應構建了主題數據表，實現了關系型結構化業務數據從模塊化制造過程視角向主題化業務分析視角的轉變，同時激活了業務數據的整合及利用，為組件化業務模型提供了必要支撐。

（三）實施“自助式”的敏捷化數據分析，革新數據分析模式

首鋼股份通過“人、器、術、平臺”四要素一體化推進自助式分析的數據應用模式。構建以業務人員為主的數據應用敏捷組織，發揮“人”在自助分析中的核心作用；推廣簡單易用的BI分析工具，在數據層建立健全數據倉庫、構建業務主題數據集市，實現“器”作為技術支撐的關鍵作用；將數據自助分析工作在公司數字化工作推進方案中進行明確，舉辦季度示范會和年度數據可視化大賽來搭建業務人員開展數據自助分析的交流平臺，通過管理措施的“術”和學習激勵的“平臺”互相促進，激勵業務開展數據自助分析，給公司海量數據賦能，驅動業務模式和工作方法不斷迭代，從而提高企業經營管理效率。

（四）構建業務智能決策模型，形成數據應用體系，持續賦能

首鋼股份大數據應用發展從2007年至今，歷經“信息化基礎-數據化驅動-智能化創新”三大階段，開啟了流程性制造業數字化轉型進程的新篇章。其中，“智能化創新”階段以業務決策模型的構建為主，根據鋼鐵制造流程，基于大數據技術，實施從銷售客戶應答、上單到計劃排產、質量過程控制再到庫存管控、發運全流程的智能決策管控。

1.圍繞客戶服務能力，形成基于客戶需求智能推薦的新服務模式

聚合銷售職能，以客戶為中心，圍繞提升客戶服務水平及產品盈利能力，搭建產品及營銷供應鏈業務決策模型體系，貫穿客戶服務、合同、分配、物流以及結算，形成一套基于客戶需求智能推薦新服務模式。通過模型決策體系，實現對客戶需求智能識別、訂單跟蹤預警、市場盈利測算、物流智能裝配以及異議服務智能推薦，快速滿足客戶需要的產品和服務，影響客戶價值鏈從而提高客戶感知，為客戶創造價值，實現企業自身價值鏈和客戶價值鏈的雙贏。

（1）客戶需求智能評價與推薦。基于產銷一體化經營決策大數據平臺，集成三個基地的物料實績、成分、合同、質量異議以及實績檢化驗數據，建立跨基地統一分析和評價標準。以產品規范碼、最終用戶碼、最終用途碼為維度，將數據應用融入管理與決策，形成訂單風險識別、質量能力、產品規范智能評價三大主題模型，應用于選材推薦、詢單響應、風險識別、公差能力制定、供貨能力分析等業務場景。實現從售前、售中、售后全流程跟蹤分析，自動給出外設計等級及評價，支撐技術評審自動應答、輔助營銷人員用戶選材、標準＋α協議簽訂等內容，提高用戶需求識別效率和準確性。

（2）建立全流程質量異議知識庫。質量異議應答速度，是體現客戶服務的關鍵衡量標準。鋼鐵產品流程長，質量異議可能發生在各個工序的工藝控制，需要上下游基地人員進行全流程生產分析和匯總，消耗資源精力大，信息反饋滯后。另外不同客戶對異議分析報告的模板要求不同，對分析人的能力要求高，而且不同分析人出具的報告水平和模板不同，造成報告不標準不規范不統一，無法達到客戶滿意。

依托汽車板產品，基于知識圖譜理念，通過工程師對既往性能、工藝、缺陷數據、規則、關聯關系等知識的整理，形成質量異議知識庫，利用高效、易用的檢索機制實現智能問答系統，將質量知識庫輸出給相關客戶服務工程師，提升質量問題整改效率。基于質量異議知識庫，研發了一鍵式質量異議模塊，將各工序的工藝數據有效集成，根據產品工程師日常工作中的使用率，針對不同最終用戶，不同質量異議類型，根據用戶提供規則，可快速、全面的一鍵導出定制質量異議報告，第一時間答復提出質量異議的用戶。

2.圍繞生產組織效率，形成以生產實績為指導的新管控模式

鋼鐵企業生產關聯因素多、管控環節多、生產流程長，以優化智能生產與現場作業管控為抓手，縱向貫通生產管理與現場作業活動，實現生產全過程、作業現場全場景集成互聯和精準管控，以實現數字化運營管理為目標，橫向打通各環節生產經營活動，實現運營管理各項活動數據貫通和集成運作，提升數據驅動的一體化柔性運營管理和智能輔助決策等能力。實現生產與運營管控全價值鏈、全要素的動態配置和全局優化，提高全要素生產率。

（1）智能推薦標記合并，建立高效合同處理評價機制。客戶需求趨于多元化，而提升鋼鐵生產效益須批量化、集約化。由于品種繁多，工程師內設計各自為政，造成出鋼標記較為冗余，增加了生產組織難度。基于歷史數據建立合同處理評價，一是對質量內設計控制能力穩健性評價。從性能、表面、板形合格率等指標按照產品大類、牌號、客戶等多個維度量化評價質量內外設計匹配的穩健性，優化、封鎖不穩定設計。二是對出鋼標記智能歸并。進行成分集約歸并，推薦穩健性較高的出鋼標記替換較低的，輔助減少出鋼標記數量，減少短澆次，降低生產成本；建立主副出鋼標記體系，提高連澆爐數；整合需求，歸并和固化軋制工藝，提高設計的穩定性，解決按單設計和生產組織的問題。三是針對特殊需求產品，進行出鋼標記智能推薦，輔助質量設計工作。

（2）建立物料標準化周期。通過物料數據數字化、物料流程線上化、物料規則結構化三項統籌規劃，實現物料流轉狀態化、時間軸數字化、超期推異、模塊預警、準發預測以及引入原料產量比、成品產量比等指標革新，極大縮短問題物料排查時間，實現庫存管理超前預測、迅速響應，避免出現問題物料滯留的情況，以實現庫存的精準控制，增大可周轉庫存量。準發預測功能，實現物料模型與準發計劃相結合，實現物料下線即可參與物料發運計劃的編制，優化汽車、火車裝載方案，縮短請車等待時間，進一步降低庫存，減少庫存資金占用。

（3）完善全流程帶出品管控體系。帶出品的產生涉及到從合同接收到產品發貨的全過程，涉及的環節多，對造成帶出原因的識別依靠人工，需要手工分析全工序履歷，對缺陷和余材原因等產生的先后順序等進行識別，難度系數較高。因此，整合煉鋼、熱軋、冷軋、智新電磁的全流程生產和質量數據。在制造管理系統中建立以物料為主鍵的主要缺陷、余材原因、封鎖原因等字段，對板坯和鋼卷的計劃、質檢、評審和摘掛單過程進行追溯分析，從澆次、軋制單元、出鋼標記、合同牌號等維度，對物料在整個生產過程中的情況進行跟蹤，針對帶出原因進行攻關，帶出原因自動判定準確率達98.15%，為精準投料、排程優化、過渡材使用優化、按照出鋼標記管控合同提供基礎數據支撐，實現了從結果分析到過程管控，再到業務優化的全過程，為質量降損有效賦能。

3.圍繞產品質量提升，形成集分析、定位、預測、報警為一體的新管控模式

質量是企業賴以生存和發展的保證，鋼鐵工業生產環環相扣，一道工序出了質量問題，就會對整個過程產生重大影響。高端用戶追求零缺陷交貨，對生產過程中質量穩定性要求更為嚴格。因此首鋼股份以“追求零缺陷、實現高精度、提高客戶滿意度”為目標，充分利用在線檢測、機器學習、圖像識別、數據建模等技術，挖掘質量管控數據價值，實現數據決策，由主動查詢分析到實時接受質量信息，提升企業“服務能力+數字化能力+制造能力”，從而在快節奏和大規模生產下提高產品的穩定性，降低成本損失，滿足客戶個性化需求。

（1）產品性能“一鍵式”分析管控。產品性能控制的穩定性受產品的設計，煉鋼工序的成分控制，熱軋及冷軋各工序的工藝點控制等多種因素影響，數據跨越產銷制造系統、離線分析系統、決策支持系統等。性能風險管控模型實現了各系統數據集中共享，將各模塊與性能相關數據進行串聯，對數據進行清理分析，最終獲取性能控制情況，實現產線性能控制異常點一鍵分析。通過計算CPK、CP等過程能力指標及過程能力圖展示性能的控制水平穩定性，輔助質量工程師借助模型查找原因，同時優化質量設計過程。模型多維度統計可在2分鐘之內完成性能穩定性分析，并按照不同品種負責人及時推送異常情況。

（2）全流程跨工序表面缺陷識別與追溯。板帶鋼產品的表面質量是最重要的評價指標之一，板帶鋼表面夾雜物、氧化皮、孔洞等缺陷不僅影響產品的外觀質量, 而且還會降低產品的抗腐蝕性、耐磨性和其它強度性能。通過引入知識圖譜技術，搭建質量處置智能決策知識庫，將遷順產線熱軋、平整、酸軋、連退、鍍鋅等全流程各工序表檢信息集成，通過傳統規則設定和大數據模型計算兩種方式，對帶鋼厚度檢測、表面缺陷分布、工序平移、規格變化、開卷次數、翻面次數等各種與質量相關信息進行綜合處理運算，為質量成因形成網狀的屬性關系，快速定位并自動給出前后工序缺陷對應位置和最佳匹配缺陷，實現缺陷的一貫制快速反查。為快速應答客戶質量抱怨訴求、快速追溯抱怨或異議成因分析、產品控制的穩定性以及優化工藝控制提供支撐，實現質量的閉環管控，提升“制造+服務”能力。

（3）精準高效智能的質量評審過程。面向質量缺陷處置環節，利用物料規格、訂單要求、尺寸、性能、表面類綜合判定結果等數據進行多維度的綜合分析及推理。引用時空轉換技術、關聯分析及預測算法，挖掘曲線特征值和鋼種大、中、小類、厚度、寬度規格的評審結果對應關系，考慮物料質量異常部位、分切后產品的完整性、設備計長誤差、工序位置平移、表面缺陷、外觀缺陷、性能缺陷、分切后訂單的兌現等諸多因素，智能給出缺陷處置指令，為熱軋精整、重卷等工序智能分切提供支撐，減輕各生產環節產生的質量缺陷對成品的影響。

4.結合采購價值提升、設備管理提升等點狀應用，構建全方位業務智能決策體系

圍繞采購供應鏈價值提升，把握內外結合的原則，注重自身業務數據的建模和應用，同時將外部數據進行整合分析，注重走出去，快速獲取行業內的相關數據、指標，降低采購源頭成本。圍繞設備穩定性管理評價，從點檢、狀態、檢修、計量等管理模塊，構建一套以生產實績為依據的新管理評價模式，實現設備全生命周期管控以及設備的精益化管控，監控設備運行穩定性影響因素，并制定相應解決措施并進行跟蹤反饋，形成“PDCA”管理循環，提升設備穩定運行，輔助業務生產效率提升。

（1）優化采購物料管理。基于鋼鐵行業用料基礎，借鑒多家物料管理模式，首鋼股份已初步建立了科學、高效的物料架構和物料屬性管理模型。為了更好地支持多地協同，倉存共享，采購策略優化；以提升管理，提高采購決策能力為目標，特提出進一步優化物料管理模型，以形成行業標準為導向，以板塊推廣集采為契機，按物料分類形成物料標準的特征值和特征量，結合國標、企標，形成標準特征庫；一方面根據形成的特征量庫，在物料新增時，進行前置查重；一方面形成行業物料標準模型，為集采、聯儲等奠定基礎。

（2）構建點檢員能力評價畫像。為持續提升設備點檢人員的設備維護能力和專業素質，制訂點檢能力提升評價標準體系，從點檢、檢修、物料及故障管理四部分以遞進方式開展，提供規范的管理框架和評價的準則，從而引導現場設備管理及時發現短板并持續改進，保障設備穩定運行，提高設備管理效益和效率。

三、實施效果

（一）管理提升

通過數據共享集成，打破專業、共享壁壘，實現數據價值最大化。從客戶需求到成品客戶質保全過程，實現了全流程閉環質量管控，通過智能推薦、預測、管控、追蹤、決策分析，用數字化智能決策代替流程經驗化模式，提升質量管控能力及專業工作效率，提高生產效率，降低生產成本，優化了客戶服務、質量異議等處理流程，大大提高客戶滿意度，實現由制造商向服務商轉變。工作模式由定期總結分析轉成實時接收異常問題，實現生產的動態管控；經營決策由流程驅動轉為數據驅動，經驗決策變成智能決策。

（二）價值提升

業務決策模型的推進應用，完成了企業數字化轉型的初步探索。在增強客戶服務及盈利能力、提升產品質量控制水平、降低生產及經營成本、強化業務規范操作以及提高業務工作效率等方面，取得了較大成效，創造6000余萬元經濟效益，為后續持續大數據應用提供經驗支撐。同時，該項目將模型融入到生產經營管理各個業務場景，實現了整體業務流程的數字化分析方法，有利于標準的統一，也為行業內大數據應用方向提供了很好的思路。

（三）人才培養

強化數據應用意識，開展用數據說話的新工作模式，形成數據閉環的思維邏輯，提升業務人員數據分析能力、數據應用能力，全面帶動各領域業務人員從“用”數據說話向“讓”數據說話轉變，培養復合型數據人才。