一种钢铁智能工厂的平台构建方法与流程

本发明涉及钢铁智能工厂的平台软件开发方法技术领域，特别涉及一种钢铁智能工厂的平台构建方法。

背景技术：

20世纪90年代以来，经济全球化趋势明显，工业研发、生产、服务不断向全球化方向整合，网络和信息技术的发展促成世界工厂的出现。近十年来，国际金融危机频发，造成工业增长明显放缓，下行压力加大，大批中小企业陷入困境，大企业受到重创。各国提出“IT救市”计划，希望通过信息技术，促使工业企业管理更加精细化、成本更加集约化，实现调整产业结构、加快新兴产业发展。当今时代，世界各国深刻认识到信息技术的重要性，纷纷确立了以推进信息技术发展为特征的发展战略，并加大对信息技术投入，促进和保障信息技术成果的应用转化。

我国钢铁行业信息化建设相对发达国家起步要晚10-15年，但经过十几年的信息化建设，相对国内其他行业，钢铁企业的信息化水平处于领跑位置。《钢铁工业调整升级规划(2016年-2020年)》明确提出了“促进创新发展，坚持绿色发展，推动智能制造，提高我国钢铁工业的发展质量和效益。”的指导思想，为钢铁行业进一步推进两化深度融合指明了方向。

钢铁企业具有较完善的基础自动化系统和比较成熟的过程控制应用经验。基本情况是，主体生产线基础自动化PLC或DCS控制率接近100％，辅助和支持系统PLC或DCS控制率不高，部分PLC或DCS无法实现数据采集。大型钢铁公司构建了管理类信息系统及子企业层级专业信息系统，并且已经或正在集团公司层级开展人力资源管理、统一核算管理、资金管理、采购管理等信息化建设，目标是实现“人、财、物”为核心的统一管控；生产子企业层级开展ERP系统、销售管理系统等项目建设，满足了单元企业精细化生产、一体化管理的目标。

但普遍存在的问题是钢铁企业信息化与工业化融合、冶金智能工厂建设的工作缺少整体规划和统一标准；自动化水平参差不齐，部分单位基础薄弱；自动化数据采集率不高，自动化与信息化集成度不高；部分自动化设备陈旧、老化严重；多地资源整合不足，存在信息孤岛；数据中心、网络等基础设施与需求不适应；信息安全防护基础较差；在智能生产方面探索不够深入。

技术实现要素：

为了解决背景技术中所述问题，本发明提供一种钢铁智能工厂的平台构建方法，钢铁企业按照这种方法坚持执行，并在建设中逐步完善，可达到冶金工厂的智能化建设目标，对钢铁企业推进信息化与工业化深度融合，实现新一代信息技术与先进制造技术创新集成，构建信息化条件下的钢铁产业生态体系和新型制造模式，提升效率、提高品质、降低成本具有显著成效。

为了达到上述目的，本发明采用以下技术方案实现：

一种钢铁智能工厂的平台构建方法，所述的方法通过连接企业物联网与产业互联网，建立云计算中心和大数据中心，将企业物联网中的工业大数据采集、存储、计算实现企业研发、生产、质量、管控智能化。

所述的方法首先建立决策支持平台、运营管理平台、仿真模拟平台，再以这三个平台为基础，建立多个智能管理流程。

所述的多个智能管理流程包括：智能产品研发流程、智能质量管控流程、智能生产协同流程、智能物流仓储流程、智能能源及环境管控流程、智能营销服务流程、智能决策支持流程。

所述的智能产品研发流程用工业大数据，进行产品理论预测建模，基于虚拟仿真技术，搭建虚拟仿真平台，包括理论预测模型构建流程、新产品研发流程、生产调度仿真流程。

所述的智能生产协同流程包括计划排程流程、设备运行保障流程、安全环境监控流程。

所述的智能产品研发流程的理论预测模型构建流程包括如下步骤：

步骤一、收集整理产品历史数据，按产品类型进行组织，并划分为训练数据和验证数据两类；

步骤二、在虚拟仿真平台基于产品研发经验构建产品理论模型，运用训练数据反复进行模型训练，按照预期目标构建出产品理论预测模型；

步骤三、运用评估数据反复进行模型评估，最终构建出产品理论最优模型；

步骤四、产品理论预测模型在虚拟仿真平台进行发布。

所述的智能产品研发流程的新产品研发流程包括如下步骤：

步骤一、在虚拟仿真平台输入新产品研发计划；

步骤二、运行产品理论预测模型，进行产品组织性能设计、产品元素成分设计、产品材料尺寸设计、产品生产工艺参数设计；

步骤三、在虚拟仿真平台进行新产品模拟制造；

步骤四、通过数据比对，完成新产品仿真验证与仿真设计优化。

所述的智能产品研发流程的生产调度仿真流程包括如下步骤：

步骤一、在虚拟仿真平台输入生产调度仿真需求计划；

步骤二、选择模拟生产工艺路径，仿真预测生产成本，预测运输成本、预测产品交货期；

步骤三、经过对多生产工艺路径模拟生产调度仿真的预测结果比对，确定生产调度最优生产工艺路径。

所述的智能质量管控流程包括全生命周期流程，具体如下步骤：

步骤一、基于经验建立冶金规范知识库；指导对商务订单进行质量设计；质量设计结果用于按订单组织生产中生产全过程控制建模；

步骤二、连续采集生产全过程中物料关键质量数据；进行生产过程中在线表面质量检测；对表面质量缺陷进行自动判定；同时通过多维度质量分析建模和质量预报建模，实现全流程智能质量分析；

步骤三、综合表面质量、成分化验结果、性能检验结果进行质量评估判定；运用生产过程中采集的生产质量数据，可进行产品质量问题快速识别和追溯；

步骤四、基于产品质量回归分析模型，进行产品质量偏差原因分析；同时运用生产过程中连续采集的生产质量数据，可进行订单质量设计优化和生产控制模型优化，形成产品全生命周期闭环质量优化设计管控体系。

所述的智能生产协同的计划排程流程包括如下步骤：

步骤一、建立各生产机组产能规划；建立物流运输能力规划；建立市场需求预测信息；编制月度生产资源计划；

步骤二、在资源计划控制下接收商务订单；进行商务订单质量设计，形成制造订单；对制造订单进行生产归并，形成生产订单；指定生产订单的生产工艺路径；

步骤三、对生产订单指定生产时间；对生产订单进行坯料设计，形成从原料到各工序在制品的坯料规格尺寸；进行余料充当；

步骤四、用生产订单编制生产周计划；进行上工序材料申请计划编制；配置智能优化排成约束规则，包括生产精准成本约束、交货期限约束、设备健康约束、产能发挥约束和物流运输约束；运行智能优化排程模型，在满足智能排产约束下，编制冶炼计划、浇次计划、热轧单元计划和轧制作业计划；

步骤五、按排产计划进行生产准备协同；按排产计划进行协同调度指挥；跟踪排产计划生产执行实绩；跟踪产成品缴库实绩；按订单编制产品准发计划；对生产订单进行生产结案处理；对成品现货进行现货提报。

所述的智能生产协同的设备运行保障流程包括如下步骤：

步骤一、采集智能传感设备数据信息，监测重点设备在线振动数据，检测电气设备在线温度数据，实现设备在线监测；

步骤二、运用智能点检设备，下达设备点检计划，采集移动点检数据信息，实现智能设备点巡检；对采集的设备点检实绩数据和设备检测数据，进行设备数据存储、数据清洗，实现设备数据处理；运行时域分析、频域分析、相位分析、时间三维分析、转速三维分析和变工矿报警分析模型，进行集中对比监测分析；

步骤三、对设备健康结果进行自动评级；通过设备故障诊断，设备预见性维修预报，设备劣势趋势分析，设备异常报警，实现设备智能诊断预测和预知维修计划；利用智能图像识别技术，进行设备故障动态仿真，实现设备全生命周期管理，在设备稳定运行方面保障生产稳定可控。

所述的智能生产协同的安全环境监控流程包括如下步骤：

步骤一、通过安装现场监测探头，识别人员行为，跟踪人员定位，探测重点区域信息，监测环境职业危害信息，监测污染物排放信息，实时采集环境感知监测数据；

步骤二、通过生产环境可视化，实现人员轨迹、污染排放、生产环境监测；

步骤三、通过异常时间报警、安全风险报警、危险区域提示等环境监测报警，实现对危险区域和人员危险行为的管控；推送报警信息；进行污染排放超标预警；

步骤四、按纠正预防措施进行整改记录；构建各种安全应急预案和专家知识库，指导实施规范的安全应急演练和应急管理；对环境监测报警信息按照安全应急预案，

步骤五、在专家知识库指导下，进行安全应急指挥；安全灾难处理；安全处理记录；安全事件分析，在安全防范和事故处理方面保障生产稳定。

与现有技术相比，本发明的有益效果是：

1、本发明的一种钢铁智能工厂的平台构建方法，满足钢铁企业发展需求，围绕钢铁产线特定问题，解决和改善当前存在的短板，构建协同创新环境，实现智能提质创效。

2、本发明的一种钢铁智能工厂的平台构建方法，智能工厂在业务维度上面向钢铁生产的全产业链环节，将新一代信息技术与现有钢铁生产过程的工艺和设备运行技术以及人进行深度融合，实现工厂横向、纵向和端对端的高度集成，提升全面感知、预测预警、协同优化、科学决策四项关键能力，以更加精细和动态的方式提升工厂运营管理水平，并推动制造和商业模式创新。

3、本发明基于钢铁企业流程型制造的特点，发明一种可以构建较完整的钢铁智能工厂的方法，按照这种方法坚持执行，并在建设中逐步完善，可达到冶金工厂的智能化建设目标，对钢铁企业推进信息化与工业化深度融合，实现新一代信息技术与先进制造技术创新集成，构建信息化条件下的钢铁产业生态体系和新型制造模式，提升效率、提高品质、降低成本具有显著成效。

附图说明

图1为本发明的钢铁智能工厂蓝图架构图；

图2为本发明的钢铁智能工厂总体应用架构图；

图3为本发明的智能产品研发理论预测模型构建流程图；

图4为本发明的智能产品研发新产品研发流程图；

图5为本发明的智能产品研发生产调度仿真流程图；

图6为本发明的智能质量管控产品全生命周期流程图；

图7为本发明的智能生产协同计划排程流程图；

图8为本发明的智能生产协同设备运行保障流程图；

图9为本发明的智能生产协同安全环境监控流程图；

图10为本发明的智能物流仓储流程图；

图11为本发明的智能能源及环境管控能源综合管控流程图；

图12为本发明的智能营销服务流程图；

图13为本发明的智能决策支持流程图；

图14为本发明的钢铁智能工厂信息物流系统示意模型图；

图15为本发明的钢铁智能工厂新技术/新装备主要应用图。

具体实施方式

以下结合附图对本发明提供的具体实施方式进行详细说明。

如图1所示，一种钢铁智能工厂的平台构建方法，所述的方法通过连接企业物联网与产业互联网，建立云计算中心和大数据中心，将企业物联网中的工业大数据采集、存储、计算实现企业研发、生产、质量、管控智能化。钢铁智能工厂总体应用架构如图2所示。

(1)云计算中心：通过网络按需将计算、存储、软件和信息资源提供给用户。“云”中的资源在用户端可以随时获取，按需使用，随时扩展，按使用付费。云计算中心作为未来智能工厂业务的运行平台，主要包括：基础设施、资源池、服务域、管理域。

作为智能工厂业务运行平台的云计算中心，承载过去企业的MES(制造执行系统)、ERP(企业资源规划)、HR(人力资源)、财务、物流、预算、核算、采购、PLM(产品生命周期管理)、CRM(客户关系管理)、SCM(供应链管理)、生产决策、营销、成本、研发、质量管控、智能排产、设备监测、维修、安全、能源环保等等的一切应用系统。

(2)大数据中心：企业构建共享大数据中心，完成采集企业内部各层级工业大数据和企业外部数据，通过规范数据标准、统一数据视图、实时数据处理、多源异构数据时空一致性转换，实现企业内部数据共享；通过数据的深层次分析和挖掘，形成有价值的信息和知识，支撑智能管理应用和智能制造应用建设；通过知识的积累，形成企业知识库，实现知识共享和有效利用。

共享大数据中心通过构建生产运营各业务领域分析模型，为各级管理者、专业分析人员提供统一的数据分析和知识共享平台，满足决策层和管理层对企业战略、风险、市场和运营现状的宏观把控和对未来发展的有效预测，有利于企业快速应对市场变化，提高核心竞争力。共享大数据中心可实现工艺优化、质量管控、设备诊断、能源平衡等生产制造智能应用，同时也是企业实现“智能制造”的重要组成部分。

所述的方法首先建立决策支持平台、运营管理平台、仿真模拟平台，再以这三个平台为基础，建立多个智能管理流程。

决策支持平台基于钢铁企业的大数据资源，构建并不断优化决策模型，提供备选和优选方案，为企业的各级决策提供支撑；综合管控平台集成信息流、物流、资金流、知识流、服务流，实现生产全要素、全流程、全产业链、全生命周期的新型管控；虚拟仿真平台构建虚拟现实企业，实现生产仿真和产品研发仿真。

所述的多个智能管理流程包括：智能产品研发流程、智能质量管控流程、智能生产协同流程、智能物流仓储流程、智能能源及环境管控流程、智能营销服务流程、智能决策支持流程。

所述的智能产品研发流程用工业大数据，进行产品理论预测建模，基于虚拟仿真技术，搭建虚拟仿真平台，包括理论预测模型构建流程、新产品研发流程、生产调度仿真流程。

所述的智能生产协同流程包括计划排程流程、设备运行保障流程、安全环境监控流程。

如图3、4、5所示，所述的智能产品研发流程运用工业大数据，进行产品理论预测建模，基于虚拟仿真技术，搭建虚拟仿真平台。①通过仿真设计、仿真验证和优化，完成新产品设计、产品模拟制造和产品仿真验证。以客户个性化需求为目标，进行性能设计、成分设计、材料设计、工艺设计，模拟物理生产过程，取得控制参数。②利用虚拟工厂仿真平台进行生产调度仿真。通过模拟不同工艺路径，预测生产成本、运输成本、产品交货期，确定最优生产工艺路径。

如图3所示，所述的智能产品研发流程的理论预测模型构建流程包括如下步骤：

步骤一、收集整理产品历史数据，按产品类型进行组织，并划分为训练数据和验证数据两类；

步骤二、在虚拟仿真平台基于产品研发经验构建产品理论模型，运用训练数据反复进行模型训练，按照预期目标构建出产品理论预测模型；

步骤三、运用评估数据反复进行模型评估，最终构建出产品理论最优模型；

步骤四、产品理论预测模型在虚拟仿真平台进行发布。

如图4所示，所述的智能产品研发流程的新产品研发流程包括如下步骤：

步骤一、在虚拟仿真平台输入新产品研发计划；

步骤二、运行产品理论预测模型，进行产品组织性能设计、产品元素成分设计、产品材料尺寸设计、产品生产工艺参数设计；

步骤三、在虚拟仿真平台进行新产品模拟制造；

步骤四、通过数据比对，完成新产品仿真验证与仿真设计优化。

如图5所示，所述的智能产品研发流程的生产调度仿真流程包括如下步骤：

步骤一、在虚拟仿真平台输入生产调度仿真需求计划；

步骤二、选择模拟生产工艺路径，仿真预测生产成本，预测运输成本、预测产品交货期；

步骤三、经过对多生产工艺路径模拟生产调度仿真的预测结果比对，确定生产调度最优生产工艺路径。

如图6所示，所述的智能质量管控流程包括全生命周期流程，具体如下步骤：

步骤一、基于经验建立冶金规范知识库；指导对商务订单进行质量设计；质量设计结果用于按订单组织生产中生产全过程控制建模；

步骤二、连续采集生产全过程中物料关键质量数据；进行生产过程中在线表面质量检测；对表面质量缺陷进行自动判定；同时通过多维度质量分析建模和质量预报建模，实现全流程智能质量分析；

步骤三、综合表面质量、成分化验结果、性能检验结果进行质量评估判定；运用生产过程中采集的生产质量数据，可进行产品质量问题快速识别和追溯；

步骤四、基于产品质量回归分析模型，进行产品质量偏差原因分析；同时运用生产过程中连续采集的生产质量数据，可进行订单质量设计优化和生产控制模型优化，形成产品全生命周期闭环质量优化设计管控体系。

如图7、8、9所示，所述的智能生产协同流程运用共享资源，完成生产区域内生产组织协同、设备运行保障、安全环境监控等，综合提高生产协同管控效率。①推广工业机器人、无人吊车、物料自动标识/识别、移动智能终端等智能装备的应用，实现改善人员恶劣环境和高危环境作业，减轻人员工作强度、降低人员、设备危险系数，在消灭或降低人为不确定性方面保证生产稳定、精确和连续；②通过运用智能点检、在线检测、智能诊断、智能图像识别等技术，实现设备预知维修和全生命周期管理，在设备稳定运行方面保障生产稳定可控；③通过环境感知、人员行为识别、人员定位跟踪，实现对危险区域和人员危险行为的管控，构建各种预案和专家知识库，指导实施规范的应急管理，在安全防范和事故处理方面保障生产稳定；④利用移动应用技术，协同计划、任务、资源和设备支撑条件，提高生产组织效率；⑤实现单产品的精确成本预报和计算；⑥考虑质量、成本、交货期限、设备健康、产能、物流运输等对生产计划制订的综合约束条件下，完成智能优化排产。

如图7所示，所述的智能生产协同的计划排程流程包括如下步骤：

步骤一、建立各生产机组产能规划；建立物流运输能力规划；建立市场需求预测信息；编制月度生产资源计划；

步骤二、在资源计划控制下接收商务订单；进行商务订单质量设计，形成制造订单；对制造订单进行生产归并，形成生产订单；指定生产订单的生产工艺路径；

步骤三、对生产订单指定生产时间；对生产订单进行坯料设计，形成从原料到各工序在制品的坯料规格尺寸；进行余料充当；

步骤四、用生产订单编制生产周计划；进行上工序材料申请计划编制；配置智能优化排成约束规则，包括生产精准成本约束、交货期限约束、设备健康约束、产能发挥约束和物流运输约束；运行智能优化排程模型，在满足智能排产约束下，编制冶炼计划、浇次计划、热轧单元计划和轧制作业计划；

步骤五、按排产计划进行生产准备协同；按排产计划进行协同调度指挥；跟踪排产计划生产执行实绩；跟踪产成品缴库实绩；按订单编制产品准发计划；对生产订单进行生产结案处理；对成品现货进行现货提报。

如图8所示，所述的智能生产协同的设备运行保障流程包括如下步骤：

步骤一、采集智能传感设备数据信息，监测重点设备在线振动数据，检测电气设备在线温度数据，实现设备在线监测；

步骤二、运用智能点检设备，下达设备点检计划，采集移动点检数据信息，实现智能设备点巡检；对采集的设备点检实绩数据和设备检测数据，进行设备数据存储、数据清洗，实现设备数据处理；运行时域分析、频域分析、相位分析、时间三维分析、转速三维分析和变工矿报警分析模型，进行集中对比监测分析；

步骤三、对设备健康结果进行自动评级；通过设备故障诊断，设备预见性维修预报，设备劣势趋势分析，设备异常报警，实现设备智能诊断预测和预知维修计划；利用智能图像识别技术，进行设备故障动态仿真，实现设备全生命周期管理，在设备稳定运行方面保障生产稳定可控。

如图9所示，所述的智能生产协同的安全环境监控流程包括如下步骤：

步骤一、通过安装现场监测探头，识别人员行为，跟踪人员定位，探测重点区域信息，监测环境职业危害信息，监测污染物排放信息，实时采集环境感知监测数据；

步骤二、通过生产环境可视化，实现人员轨迹、污染排放、生产环境监测；

步骤三、通过异常时间报警、安全风险报警、危险区域提示等环境监测报警，实现对危险区域和人员危险行为的管控；推送报警信息；进行污染排放超标预警；

步骤四、按纠正预防措施进行整改记录；构建各种安全应急预案和专家知识库，指导实施规范的安全应急演练和应急管理；对环境监测报警信息按照安全应急预案，

步骤五、在专家知识库指导下，进行安全应急指挥；安全灾难处理；安全处理记录；安全事件分析，在安全防范和事故处理方面保障生产稳定。

如图10所示，所述的智能物流仓储流程通过信息化、智能化手段，以优化资源、降低成本为目标，提升物流作业效率，减轻人员劳动强度，控制仓储管理成本，提升仓储管理效率。①利用无线网络通讯和移动应用等技术，实现仓储物资移动调度、智能调度；②利用物联网感知技术，实现仓储物资定置定位，加速物资周转；③通过可视化运输，实现物流运输过程实时监控，提升客户服务满意度。包括：

1、物流需求管理，包括采购物流、销售物流、生产物流、固废物流；管理客商，包括客商准入、客商评价、资源能力；

2、物流合同管理，包括价格文件、合同文本、合同执行跟踪、合同异议；

3、管理物流计划管理，包括运输方案、执行计划、请车计划、配船管理、物流调度、离港管理、离港调度等；基于虚拟现实技术，构建3D仓储模型，实现库存可视化，库存远程监控，远程发货，物流资源预警、物流运输计划执行跟踪，通过可视化运输平台，跟踪船舶、车辆信息，跟踪单据货物信息；

4、合同结算管理实现管理结算单据、管理费率、管理费票；通过可视化运输，运输管理实现车辆智能调度，车辆线路优化，车辆运输跟踪，运输费用采集，运输服务中心；

5、利用无线网络通讯和移动应用等技术，仓储管理实现入库管理，出库管理，在库管理，加工管理和仓储费用结算；配送管理实现订单配送协同、配送计划编制、配载优化、配送跟踪，在线配送等，提升物流作业效率，减轻人员劳动强度，控制仓储管理成本，提升仓储管理效率。

如图11所示，所述的智能能源及环境管控流程，贯穿整个生产过程价值链的各环节，持续动态优化制造过程能源综合利用，实现降低能耗、减少排放。①建设能源管控中心，实现能源生产、能源消耗、环保排放数据的自动实时采集、集中监视；②在所有能源站、所、室，实现无人值守、自动化运行、集中操控的基础上达到集约化管控；③基于大数据达到能源智能管理、能源供需平衡、能源预测优化，实现提高能源效益和效率、节能降耗、降低生产成本、最小环境成本的目标。包括：

建设能源生产监视平台，进行实时曲线显示，参数设定，事件报警、潮流监视和设备状态显示；管理能源设备，建立设备台账，维修管理记录，事故及故障管理记录，运行状态管理记录，点巡检管理记录；进行能源优化平衡，编制用能计划，编制生产计划，建立能源预测专家模型；基于能源大数据和专家模型进行系统节能调控；建立智能能耗预报，持续动态优化制造过程能源综合利用，实现降低能耗、减少排放。

如图12所示，所述的智能营销服务流程依托电子商务平台，集成销售、生产、物流、研发等关键环节信息，为客户提供快捷、及时和个性化服务，达到提升客户满意度、忠诚度、实现客户价值持续贡献的目标；通过数据挖掘、分析，充分发挥数据价值，为企业提供市场发展趋势预测、产品价格走势分析、客户需求预测等增值服务，实现营销服务数字化、智能化。

智能营销服务流程在EVI界面实现供应商早期产品开发信息导入；指导新产品研发；进行市场趋势预测，产品价格走势分析，行业资讯收集，重点客户介绍，提升营销增值服务能力；进行智能资讯推送；实现客户需求预测；管理细分客户，包括战略客户、直供客户、一般客户和新客户；提供订单执行跟踪、物流运输跟踪、电子质保书查询打印、客户个性化信息服务等客户关怀服务；指导改善产品质量；通过售后增值服务，为客户提供快捷、及时和个性化服务，实现营销服务数字化、智能化。

如图13所示，所述的智能决策支持流程，基于企业大数据中心和行业共享数据，实现多源数据汇聚融合，运用准确的、全局的数据相关性分析，分析内在规律，高效驾驭海量数据，提升决策技术含量和知识含量，实现智能持续监测经营分析、绩效考核、对标分析、风险管理、成本分析、辅助决策支持等科学管理决策。

智能决策支持流程收集企业内部、企业外部行业共享数据，建立企业大数据中心；进行数据存储、数据清洗、数据加载，实现多源数据汇聚融合；通过数据相关性预测分析、回归分析建模；进行生产经营分析，战略绩效考核分析，市场趋势预测分析，精益成本分析，风险预评估分析，对标分析等企业辅助决策支持管理。

如图1所示，所述的钢铁智能工厂的平台构建方法中还包括了：两个体系：标准体系和安全体系。建设智能工厂的标准体系和大数据、信息安全、工业安全体系。

所述的钢铁智能工厂的平台构建方法能够实现控制自动化、信息数字化、业务模型化、系统集成化和数据可视化：

1、控制自动化：通过生产过程的自动控制，包括设定单元、控制单元、执行单元和感知单元，实现具有自诊断、自适应功能的自动管理。

2、信息数字化：实现反映物料、产品、设备、环境、人员的全面数字化。

3、业务模型化：基于工艺模型、业务模型、机理模型、优化模型、设备三维模型、专家知识的预测预警、模拟、分析和优化，实现业务模型化。

4、系统集成化：通过信息集成、服务集成、应用集成及工艺过程集成、业务流程集成、上下游各环节集成，实现系统集成化。

5、数据可视化：利用计算机图形学和图像处理技术、虚拟现实技术，将企业各级数据(如工厂的二、三维视图、物料调度、环境监控、生产实绩、物流跟踪、设备装配等)转换成图形、图表或图像，是一个实体工厂与虚拟工厂融合的展示，并可进行人机互动，实现管理上的科学规范。

如图14所示，所述的钢铁智能工厂的平台构建方法融合了计算、通信和控制的信息物流系统(CPS)的建设是智能工厂建设成功的关键支撑条件，智能工厂信息物流系统示意模型。

如图15所示，所述的钢铁智能工厂的平台构建方法构建全流程、数字化、智能化的钢铁智能工厂，即需要应用智能传感器、智能在线仪表、智能标识与识别、工业机器人、无人行车、智能终端等新装备，又需要应用传感与检测、移动应用、虚拟仿真、图像识别、模型算法、大数据、增强现实和人工智能等新技术，新技术新装备应用还需与工厂管理相结合，是一个复杂的系统工程，要坚持以数据为核心，结合企业实际，稳步推进实施。

以上实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于上述的实施例。上述实施例中所用方法如无特别说明均为常规方法。