主要内容 1. SAP 钢铁行业解决方案的总体目标 2. SAP 钢铁行业解决方案的总体技术路线 4. SAP 钢铁行业解决方案软件系统总体介绍 3. SAP 钢铁行业解决方案的总体技术架构 5. 小结 : SAP 钢铁行业解决方案的特点 企业信息化管理系统是为谁而做的系统 ? 1) 确保企业按设定的流程运作。 2) 实时掌握企业目前的运作状况。 3) 及时发现问题并找出原因。 建立一套统一、全面、集成、开放、实时共享的管理信息平台 财务 供应 质量 设备 生产 计划 储运 销售 统一、全面、集成、开放、实时共享的信息平台 总体要求之二：集成的信息化系统 总体要求之三：满足钢铁行业特殊物料描述和物流跟踪的需求 客户合同号 客户历史 客户资料 …… 发货批次 发货人 发货地点 发货时间 …… 生产工单号 生产时间 先进：必须是一套能代表先进管理思想和技术路线的系统。 特 定 要 求 主要内容 1. SAP 钢铁行业解决方案的总体目标 2. SAP 钢铁行业解决方案的总体技术路线 4. SAP 钢铁行业解决方案软件系统总体介绍 3. SAP 钢铁行业解决方案的总体技术架构 5. 小结 : SAP 钢铁行业解决方案的特点 未实现信息化的钢铁企业 未实现信息化的钢铁企业 实现信息化的钢铁企业

钢铁行业 PDM 系统数据使用安全解决方案 目 录 2. 钢铁行业 PDM 系统离线数据面临问题 1. 钢铁行业 PDM 系统离线数据使用现状 4. 钢铁行业数据内容安全关键技术实现 3. 钢铁行业解决方案以及目标实现策略 PDM 管理下的信息环境 3 产品数据 产品结构管理 更改管理 工作流程 CAD/CAM 文档知识管理 S 电子数据 仓库管理 图纸 / 另一方面 PDM 系统的安全问题未得到人们的应有的重视，商品化 的 PDM 软件存在令人担忧安全保密漏洞。 目 录 2. 钢铁行业 PDM 系统离线数据面临问题 1. 钢铁行业 PDM 系统离线数据使用现状 4. 钢铁行业数据内容安全关键技术实现 3. 钢铁行业解决方案以及目标实现策略 PDM 系统离线数据面临问题 产品设计 CAD/CAE 员 工 窃 取 电子文档 工艺设计 人员流失导致的信息泄露行为； 3) 企业之间核心文档的合作中，出现的泄密行为； 4) 无法查找泄露源头； 目 录 2. 钢铁行业 PDM 系统离线数据面临问题 1. 钢铁行业 PDM 系统离线数据使用现状 4. 钢铁行业数据内容安全关键技术实现 3. 钢铁行业解决方案以及目标实现策略 项目方案设计部署架构 1 2 3 PDM 系统 图纸资源库 图纸资源库 图纸设计 图纸设计

钢铁行业智慧园区建设方案 目录 / Contents 2 智慧园区发展趋势 浪潮智算 + 赋能智慧园区建设 成功案例 PART 2 PART 3 PART 1 计算力就是生产力 · 智算力就是创新力 3 智慧园区建设面临挑战 整体建设规划 不足 •传 统 园 区 建 设 水 平 不 一，缺乏系统性和前瞻 性规划； •缺少顶层设计导致后期 无法平滑演进。 基础设施智能化

基于工业互联网的解决方案，使能钢铁行业智能化 2 数字经济 农业经济 工业经济 第一次 工业革命 （机械化） 第二次 工业革命 （电气化） 第三次 工业革命 （信息化） 第四次 工业革命 （数字化） 行业智能化 第五次 工业革命 （智能化） 绿色低碳和数智化是未来发展的两大趋势，驱动行业智能化加速到来 木材 煤炭 核能等 能源革命 太阳能 可再生能源 可再生能源 风能 清洁能源 水力发电 石油 天然气 PC 互联网 移动互联网 工业互联网 信息革命 5G AI 云 IoT …… （当前阶段） 5.5G 3 钢铁行业处在数字化转型的爆发期，智能化应用不断涌现 Source: XX 企业 MI （ ABB/ 高盛）、 IDC 等 数字化水平 高 低 引领期 爆发期 起步期 医疗 交通 OTT 数字化技能提升 起步期 技术与业务场景深度融合 引领期 4 信息系统多，互通难 缺乏数据标准，兼容难 数据未挖掘，决策难 绿色环保，压力大 维护量大 系统烟筒式建立，架构不一，无法互通 钢铁行业数字化过程中的面临的主要挑战 生产过程中各类数据格式差异大、兼容难 生产设备接口和协议不同，数据采集难 业务系统厂家不一、维护管理工作量大 架构不一 采集难 兼容难 缺乏大数据分析手段，智能决策应用较少

 员工借款流程  员工报销流程 支付事务  付款流程 定期业务处理  月结流程 主数据事务  维护服务型供应商 主数据流程 四级流程设计示例—采购发票录入流程 符合钢铁行业信息化发展趋势，可以 适应未来较长时间的发展 先进性 架构清晰，各系统有明确的定位 信息化整体成本低 适合 XX 钢铁的实际，满足主要业务 需求 对各软件商的方案有较强兼容性 库存管理 项目管理 设备管理 采购管理 需求计划 主生产计划 交货期承诺 （ ATP/CTP ） 车间生产控制 工厂数据收集 与 PCS 系统的集成 企业决策支持 钢铁行业应用系统架构的最佳实践是建立以 ERP 系统为中心的集 成的系统架构 短期计划 生产排程优化 详细排序 一体化计划 基于最佳实践和 XX 钢铁需求，我们建议的 XX 钢铁应用系统架构如 在具备吊车定位系统 的前提下，能够直接 给吊车系统下达作业 指令 • 根据厂际物料移动、 发货计划及来车实绩 进行确认、装车、发 运等 • 基于车间、机组、班 组的日报、班报等的 统计分析 在钢铁行业信息化应用中，除了我们建议的系统架构，也存在传统 的应用系统架构 , 这种架构把更多的功能由 MES 系统实现 决策层 计划层 运营层 仓库 自动化 质量管理 工序计划 仓库管理 作业管理（炼钢、热轧、冷轧、线材）

智能化能源管控平台 整体解决方案 需求分析 01 解决方案 02 特点 & 效果 03 业绩 & 效益 04 PA RT O N E 1需求分析 钢铁行业能源管理三个层级 LEVEL 3 LEVEL 2 LEVEL 1 基于全流程优化与系统节能思想的能源管理，重点关 注全生产流程及工序间的优化与协调，期望实现公司 整体节能效益的最大化。 基于能源介质平衡的能源管理，重点关注一次能源及 基于能源介质平衡的能源管理，重点关注一次能源及 二次能源在生产过程中的供需平衡，减少因不平衡所 造成的能源浪费。 基于单体设备与工序级的能源管理，重点关注单体设 备的节能，尽量减少能源介质的“跑、冒、滴、漏”。 钢铁行业能源管理系统发展趋势 钢铁行业能源管控痛点问题 Ø 能源站所室分散，从生产效率、 管 理 效 益 和 人 员 优化上都存在很大提升空间； Ø 大多原能源管理系统只关注在生 产 监 视 、 报 表 数

央经济工作会议要求，坚持以供给侧结构性 改革为主线，巩固钢铁去产能成效，提高钢 铁行业绿色化、智能化水平，提质增效，推 动钢铁行业高质量发展。 4 2019 年，钢铁行业继续深入推进供给侧结构性改革，巩固去产能成果，加快结构调整、转型升级，推动全行 业 高质量发展，行业运行总体平稳。 钢铁企业分析 2019 2020 oM 征，钢铁冶金企业面临生产设备智能化程度低、协 同生产弱、人员密集型、能耗污染大、现场网络管理能力差等痛点，导致钢铁冶金行业大而不强。 行业痛点分析 5 > 随着中国制造 2025 的深入，钢铁行业信息 化 需要已大量涌现，目前主要集中在生产过程 智能化、研发协同化、矿山调度、物流智能 化以及质检等方面。 > 在数字车间、智能工厂、机器视觉、远程控 制等方面融合了以 5G 通过智慧制造，提高生产率，降低劳动强度，推广绿色、环保、节能的生产方式成为全行业的共识， 正以工艺优化为切入点，加速向设备运维智能化、生产工艺透明化、供应链协同全局化、画报清理清 洁化等方向数字化转型。 钢铁行业生产信息化，数字化，智能化需求 优化产业结构，由高速发展转 为高质发展 利用 5G 新技术，推进钢铁冶 金 行业的信息化，智能化升 级 加快废钢产业发展，减少铁矿 石对外依赖 保持行业去产能高压，严格控

可适用于多任务、多行车的各种复杂情况，可移植性强  算法可在短时间内获得最佳行车方案，以某炼钢车间为例，相较人工调度可提前 34min  能够促进工序调度的稳定，减少和均衡行车工作量  该解决方案已成功应用于国内大型钢铁行业企业，并可推广至其他园区和行业 人工调度 多级仿真优化调度 0.43 0.70 KPI提高 27% 行车有效作业率 0 1000 2000 3000 4000 5000 6000 7400

5G 钢铁专网  全国第 1 个工控域 5G+ 探索  全国第 1 个多地协同的云化 PLC 验证成功  全国第 1 个基于 5G 的铁水运输无人化项目上线  业界第 1 次全面梳理钢铁行业全流程 AI 场景 入选工信部十个典型应用场景之一 工业互联网大会发布 5G+ 云化 PLC 5G 一键炼钢荣获兴辽杯一等奖 对外 对内 两个 定位 做数字经济筑路者 成为极致云公司 把

不同，垂域模型通过行业数据深度训练，能更精准解决专业问题，比如医疗 诊 断、工业配煤、海洋预警等 青岛青博科技的炼焦大模型：通过炼焦行业数据训练，能优化配煤方案，降低生产成本，成为全国唯一入选工信部 钢铁行业案例的垂域模型。 宝宝树的 Mika-Brain 母婴模型：分析母婴用户行为，提供个性化服务 ( 如育儿建议、商品推荐 ) 通用大模型“广度强但精度弱” , 垂域模型则“专而精”。例如，医疗大模型结合通用知识库和医学影像数据，辅 . 1 垂域模型 及特定场景强化大模型 特定场景强化大模型 垂直领域大模型是覆盖整个行业或专业领域 ( 如医疗、金融、海洋预警 ), 强调对行业通用知识的深度学习和应用 。例如炼焦大模型优化钢铁行业配煤方案。 特定场景强化大模型属于垂域模型的子集，专注于行业内的具体任务或场景 ( 如医疗诊断中的 CT 影像分析、金融 领域的智能客服对话 ) 。例如，疾控领域中的个案流调、风险评估 三、垂域模型与智能体