�N����65 ���� �0 ���� 基于 5G 和工业互联网的冶金尘泥循环 利用绿色智能工厂 赵国宾 赵俊杰 祁萌 杨慧 顾银琴 (永卓控股有限公司,张家港 215600) 摘要:永卓控股旗下的永钢集团冶金尘泥循环利用绿色智能工厂使用 5G、工业互联网、大数据等技术改 善了传统的大体量、粗放式、弱研发、轻环保的管理模式,实现了生产集控化、安环可视化、作业无人化、 点检智能化、协同高效化、管理智慧化 关键词:5G;工业互联网;大数据;绿色工厂 中图分类号:F426. 32;TF08 文献标志码:A 引用格式:赵国宾,赵俊杰,祁萌,等 . 基于 5G 和工业互联网的冶金尘泥循环利用绿色智能工厂[J]. 信 息通信技术与政策, 2023,49(11):55-64. DOI:10. 12267/ j. issn. 2096-5931. 2023. 11. 008 要素协同创新,实现了生产管理、质量管理、设备运行、 能源管控、物流运输、环境监控等企业运营管控智慧化。 1 基于 5G 和工业互联网的绿色智能工厂的 设计意义 1. 1 建设冶金尘泥循环利用绿色智能工厂,是钢铁行 业企业落实政策、合规经营的必经之路 钢铁冶金工业的发展促进了经济的快速增长,为 经济建设提供了物质保障,但冶炼生产所产生的大量 废渣、废物等也成为了环境污染的主要来源。

INDUSTRIES SOFTWARE 从精益制造向智能制造演进 siemens.com/semiconductors 与许多半导体公司一样，几十年来，贵公司一直依赖精益制造技术。精益制造关乎企业生 存。利用精益生产方式，贵公司已经能够裁汰各项非增值流程，以减少浪费并充分提高生 产效率。 芯片制造商们深知精益制造的优势至关重要，但其中大多数公司也明白，在当今要求苛刻 的市场中，光靠精益制造是不够的 (MES) 收集实时数据， 为半导体专用仪表板（包括独特的半导体特定制造流程清单 / 信息清单模块）提供信 息。用于半导体制造的 MES 可以利用生产的数字孪生来实时捕获性能数据，包括统计 过程控制 (SPC) 以及与制造执行、维护、测试和调度的偏差。数字孪生利用 MES 数据 不断进行更新，可以随时提供高度准确的仿真，帮助企业确定生产改进机会。 是什么让智能制造脱颖而出？ 生产线自动化规划 • 消除返工，提高良率，实现零缺陷 • 通过数字方式连接生产流程和系统，以便清楚地了 解流程，防止出错 • 将虚拟世界与现实世界无缝连接 • 防止不良制造事件 • 利用无返工设计始终如一地达到高水平的初始质量 • 在不影响精益制造流程的情况下实施改进 • 运行闭环数据，实现持续学习和改进 向智能制造演进有望带来哪些业务成果？ • 提高产量：半

理的典型应用， 这些智能助手能够理解并回答用户的问题，执行各种任务，如设置闹钟、查询天 气、播放音乐等；通过分析用户的观影历史和偏好，Netflix能够为用户提供个性 化的电影和电视剧推荐，亚马逊也利用机器学习算法为用户提供个性化的商品推 荐；Knewton等教育技术公司使用机器学习来个性化设计学生的学习路径，通过分 析学生的学习数据和表现，其系统能够提供定制化的学习资源和反馈。 （3）深度学习革命 动驾驶技术的代表，这些系统利用机器学习算法 识别道路标记、障碍物和其他车辆，以实现自动驾驶功能。科大讯飞的语音识别系 统，采用深度学习技术，能够高效地将语音转化为文字，并支持多种语言和方言的 识别，这一技术在智能家居、车载系统等领域广泛应用。谷歌的DeepMind团队开发 了AlphaFold，这是一个利用机器学习算法预测蛋白质结构的系统。此外，还有多 个研究团队正在利用机器学习技术进行疾病诊断和预后预测，例如，通过分析医学 9 学习环境，为学生提供内容更丰富、互动性更强的学习体验。AI和AIGC技术可以更 高效地生成和优化教育资源，如教案、课件和教学视频、虚拟情境等，大大减轻教 师的工作负担，实现教育资源共享和高效利用。 随着AI和AIGC技术的不断发展，数字化技术将与教育深度融合，为教育事业的发展 注入新的活力和动力，有望为未来的教育事业带来革命性的变化和提升。 1.2 AI技术对教育教学的影响 教育数字

智能制造和制造服务化的重要组成部分 工业大数据 —— 智能制造和制造服务化的重要组成部分 工业 4.0 系统可以被看作是数据、 硬件、软件和智能的流通与互动。 从智能设备和网络中获取数据，然 后利用大数据和基于机器所在行业 的分析工具进行存储、分析和可视 化。最终的“智能信息”可以供决策 者（在必要时实时）使用，或者作 为各工业系统中更广泛的资产优化 或战略决策流程的一部分。 各种产生数据的机器 测量 · 诊断 · 追踪 · 评价 · 决策 声发射仪 被测件 传播 传播 声发射信号测量系统  外加传感器 利用关键测量技术，将 外部传感器加装于原有 复杂装备上，实现设备 数据化；  内置传感器 利用设备内置传感器， 解析复杂装备原有工业 传输协议  Kafka/Flume • 一般用于日志 数据 / 传感器 数据 / 用户行 为数据的接入 实时数据处理，通过分析实时数据检测设备状态、预防设备故 障、优化生产过程。 主要数据分析类型： 1. 描述性分析 2. 规定性分析 3. 预测性分析 基于对数据的统计分析，描 述数据表现出的现象与客观 规律 利用历史数据建立分析模型 和规范的分析流程，建立数 据到信息的输入输出关系， 实现对连续数据流的实时分 析 通过对数据的深层挖掘建立 预测模型，实现对不可见因 素当前和未来状态的预测 航天数据公司数据分析的三个发展阶段

提供定量化的精准支持。 除了身体能力 , 机械性、 可重复的知识性脑力劳 动 , 甚至较为复杂的分析工作 , 都有可能被智能机器取代。 未来 , 大数据和人工智能将会广泛运用到企业管理中 , 利用大量实时沉淀的 数 据进行快速而精准的智能化决策。 · 由谷歌旗下 DeepMind 公司开发的阿尔法狗 (AlphaGO) 在 2016 年 3 月与围棋世界冠军、职业九段棋手 李世 平台和平台之间的嵌套 , 对组织进行微粒化分解。 数字智能系统帮助平 台化企业构建战略性资产 , 外包非战略性资产 , 利用其他平台调取社会资源为企业所用 , 减少重复固定资产 投 入 , 创造最大剩余价值。 平台化企业利用数字技术以低成本提供快捷服务 , 高效率创造价值 , 持续不断降低交 易和摩擦成本 , 以低成本试错 , 不断新陈代谢与自我优化。 起到相互激励的作 用。 与传统绩效管理的量化不同 , 平台化绩效是以数字技术为核心对组织中的各个元素 整体组织一各个分子一各 个原子进行全方位的颗粒化解析和评价。 平台化绩效利用数字技术引用大量非经营性数据 , 针对不同工作性质和 不同运营主体 , 沉淀不同的数据进行考核。 工作维度和评价主体的颗粒度无限细分到每分每秒 , 精确度和通透度 极大升高。

产者，而且生产的方式越来越自动化，这样就 可以产生海量信息，为大数据提供基础。 数 字 化 时 代 随着各种技术的不断发展和普及，新数据能自 动产生并被集中处理，提高了数据的可利用度，也 改变了我们的生产和生活方式。这就是从信息化到 数据化的转变。 信 息 化 时 代 在信息化时代，人们把各种信息输入计算机， 然后用计算机处理相关信息，比如： 蒸汽时代 电气时代 催生的新行业有铁路、钢铁、 机器、轮船等。 催生的新行业有电力、通信、 化学、石油和汽车等。 对能量的充分利用 对信息的充分利 用 从工业革命的历史看待数字化 回顾工业革命的发展历史有助于我们理解数字化的本质，获得对数字化的洞见。 数字化转型对商业模式的影响，就是利用各种数字技术，影响企业的创造、传递、支持和获取价值各个环节，以实现价值创新，适 应环境的变化，谋求可持续的增长。 1. 数字技术是核心驱动力 过去的三次工业革命中，技术都带动了生产力的 革命，并带动了经济和企业的转型。在第四次工 农业革命中，数字技术依然是推动企业创新的核 心驱动力，也是商业模式中的关键变量。 5. 数字化转型要配套组织变革 企业可利用资本的力量，通过联合孵化或并购企业的方式，

为交通枢纽提供基于底层的基础设施服务。  为虚拟的设施提供服务，可以虚拟的分配 虚拟机资源，有效利用。 实现基础设施虚拟化支持  减少人力物力的投入，提高数据利用率。  为交通枢纽管理服务提供统一的安全 IT 基 础环境，保障信息安全，提供专业的服务。 提高信息数据管理效率及资源利用率  集中管理  灵活部署  节能低碳  安全可靠 公共 技术 服务 旅客 信息 服务 大数据 + 物联网 + AI 人工 智能 数字交通枢纽方案 04 ——N 项应用 综合态势 安全态势 人车轨迹 人员热力 视频监控 能效监测 资产可视 环境监测 设施状态 空间利用 对象布控 视频识别 智能控制 事件上报 事件处理 事件回溯 应急预案 应急指挥 资源联动 智能分析 智能诊断 决策支撑 设备管理 能耗预测 通行权限 资产共享 资产盘点 空间管理 状态全可视 异常 预警 环境监测  环境状态监测、报警  环境关系模型， 环境预警 能耗预警  能源使用超标预警  能耗异常报警  “ 跑冒滴漏”分析，预警 辅助决策 在数据采集的基础上，利用大数据和大样本分析方法，将获 取的数据进行分类、整理、计算、获得数据分析模型，基于 此建立辅助决策知识库与模型。 三维可视化 将三维建模、数字孪生、数据可视化等技术结合起来，实现 基于楼宇三维模型图的管控一张图展示，监控状态更直观。

年，我国研发经费总量翻了 3 倍，突破 3.6 万亿元，位居世界第 2。我国已经不再满 足于“加工式”的创新，致力于摆脱对海外核心技术的 依赖，拥有世界首屈一指的创新力量。中国企业需要 在充分利用自身优势的同时，积极拥抱数字化转型的 趋势，将数字技术整合到业务各个领域，改变研发流 程，从而实现研发数字化，大力提升技术研发水平，为 企业持续发展提供动力。 2.1 数字孪生技术 数字孪生（Digital 用云端计算资源创建虚拟原型并进行仿真测试，以评 估设计方案的可行性和性能，降低物理原型制作的成 本和时间投入，有效实现设计过程中降本增效的目 标 ［4］。 2.3 融合人工智能的数字孪生技术 随着科技的进步，早期侧重于利用模拟模型和简 单规则进行离线分析的融合技术已不能满足工业制 造的智能化需求，实时数据驱动的智能闭环控制已成 为智能制造业发展的标准架构 ［5］。数据是 AI 算法的 核心要素，优质的数据是推动人工智能在工业界应用 够在数字空间中直观监视和操控物理资产，真正做到 对生产现场的全局可视、可控、可测 ［7］。 b）智能决策。利用 AI 实时监控复杂系统的运行 状态，提前识别潜在风险，辅助或自动完成决策。充 分挖掘物理运行过程产生的数据，并结合 AI的模式识 别和推理能力，实现对运行状况的智慧解析，为优化 决策提供支持。利用智能化决策牵引优化作业流程， 显著提高业务运行的安全性和可靠性 ［8］。 c）预测性管理。通过对历史数据和实时数据进

Apple 推出 iPhone Hadoop 开创大数据时代 GitHub 成倍提高软件研发能力 Facebook 、 Twitter 扩大社交媒体覆盖范围和影响力 Airbnb 展示小公司利用新技术可发展出怎样的高度 Kindle 改变了图书阅读与出版业务形式 Google 推出 Android 手机操作系统 数字世界观点（示例） 2007 年数字世界之拐点（高速发展的一年），所 复杂性理论”包含一个被称为适应度函数的概念。适应度函数总结了特定的度量标准，用来评估解决 方 案距离达到既定目标还有多远。企业从前数字化世界向数字化世界转型会面临两个方面的挑战：第 一， 必须改变适应度函数；第二，必须利用资源使这种变化足够迅速。 复杂性理论与适应度函数 P1 7 能 力 时间 4 6 许多企业正面临生存危机：它们看到了一 个充满机遇的世界，却缺乏捕捉这些机会 的能力。于是，它们被竞争对手超越了。 ，那么你需要一个包含转型所需 组 件的技术战略。为了扩展并加强技术能力，你需要采取以下步骤： 将技术适应度函数转变为速度与适应性 扩大技术优势并超越竞争对手 保持对技术变革和趋势的关注，并善加利用 制定数字化技术平台战略 减少技术债，以提高速度与适应性 让关键技术人员参与，并不断提高他们的能力 01 02 03 05 06 04 P24 A 速度 适应性 B

冗余传输是提高可靠性的关键技术。5G-A 支持 PDCP（分组数据汇聚协议）层的包复 制功能，同一数据包可以通过多个独立的路径传输，接收端选择最先到达的包，大幅 · 18 提高了传输可靠性。在电网控制场景中，国家电网利用 5G-A 的双连接技术，实现了 差动保护信号的无线传输，两路信号分别通过不同的基站和核心网路径，确保在任一 路径故障时业务不中断。 1.1.3 海量物联网连接技术 5G-A 在 mMTC 电力线载波通信利用现有的电力线路传输数据，在智能电网、智能家居等领域有独特 · 28 优势。2026 年的 PLC 技术在速率、距离、抗干扰等方面都有显著提升。 4.5 水声通信 水声通信是水下唯一可行的远距离无线通信方式，在海洋开发、水下作业、军事应用 等领域不可或缺。2026 年的水声通信技术在速率、距离、可靠性等方面都有显著进步。 4.6 可见光通信 VLC 可见光通信利用 LED 照明灯具进行数据传输，是一种绿色、安全、高速的通信技术。 2026 年，随着 LED 照明的全面普及和调制技术的进步，VLC 在室内定位、安全通信、 车载通信等领域展现出广阔前景。 4.7 量子通信 量子通信利用量子力学原理实现信息的安全传输，是未来通信技术的重要发展方向。 2026 年，量子通信正从实验室走向实用化，在政府、金融、军事等高安全需求领域开 始部署。 图：量子通信发展史以及市场规模，来源