一、客户背景

日照钢铁全流程智能工厂由中冶赛迪信息建设。项目依托CISDigital工业互联网平台，推进铁区一体化、钢轧一体化和管控一体化，并以ESP钢轧一体化系统贯通炼钢连铸、ESP热轧和冷轧等生产环节，推动钢铁生产由“经验炼钢”向“算法炼钢”转变。

项目覆盖日照钢铁ESP及铁前各区域生产系统，接入全流程生产设备和产线终端，持续采集工艺参数、质量、能源和设备等数据。在统一数据基础上，项目建设质量分析、质量追溯、数字化评价、高炉全炉仿真模型和铁前集控等应用，为质量管控、新产品研发和铁区智能控制提供支撑。

ESP钢轧一体化生产具有流程连续、工序衔接紧密的特点。炼钢连铸、热轧和冷轧环节的生产状态及质量信息需要及时贯通，才能支持全流程质量分析和工艺调整。日照钢铁由此将实时数据底座与模型算法、质量应用和集中控制结合，形成面向全流程智能制造的技术体系。

二、面临挑战

传统炼钢生产高度依赖操作人员经验。工艺参数、设备状态和质量结果之间关系复杂，当生产过程出现质量偏差时，如果不能及时发现并修正，便可能影响产品质量和后续工序。对新产品研发而言，依靠多轮试制和事后分析的方式还会拉长研发周期、增加研发成本。

在铁前生产中，高炉内部状态难以直接观察，部分过程如同“黑匣子”。生产人员需要结合参数变化和操作经验判断炉况，生产节奏和工艺参数难以敏捷响应现场变化。要推动铁区智能控制，需要借助实时数据与仿真模型提高过程可视化程度。

与此同时，ESP钢轧一体化涉及炼钢连铸、热轧和冷轧多个连续环节，各区域设备和系统持续产生海量时序数据。缺少统一、高效的时序数据库，将影响数据实时写入、秒级查询和历史回溯，也会限制质量追溯、数字化评价和仿真模型对数据的使用。

因此，项目既要打通跨工序数据链路，也要让质量分析和模型算法能够在生产过程中及时获取数据，支持“边生产、边分析”，减少质量信息与现场操作之间的时间差。

三、IoTDB解决方案

项目通过CISDigital工业互联网平台实时采集ESP及铁前各区域生产数据，贯通炼钢连铸、ESP热轧和冷轧全流程。工艺参数、质量、能源及设备数据经平台汇聚后，为质量分析、追溯、数字化评价、高炉仿真和铁前集控提供统一的数据来源。

底层采用中冶赛迪基于 Apache IoTDB 构建的时序数据库，负责全流程海量时序数据的实时写入、统一存储、快速查询和历史回溯，为上层系统提供高并发、低延迟的数据服务。

在ESP钢轧一体化质量管控场景中，系统使用炼钢连铸、热轧和冷轧全过程的实时参数与质量数据，开展质量分析、质量追溯和数字化评价。生产过程中产生的数据实时进入 IoTDB 时序数据库，上层应用能够及时获取相关信息，支持在生产进行的同时分析质量状态并修正偏差。

在铁前智能控制场景中，高炉全炉仿真模型利用生产数据呈现高炉内部运行状态，推动原本难以直接观察的过程实现可视化。铁前集控应用在统一数据支持下开展集中监控，为生产节奏和工艺参数敏捷响应提供依据。项目还在铁前集控大厅完成远程一键点火开炉，将数据、模型和控制应用于具体生产动作。

基于 IoTDB 构建的时序数据库贯穿上述场景，为质量应用和仿真模型持续提供实时与历史数据。

四、方案效果与价值

据项目资料，800MPa极薄规格特种钢研发周期由半年缩短至不到1个月，新产品研发成本降低60%。全流程数据贯通以及“边生产、边分析”的应用方式，为质量偏差及时修正和产品研发提速提供了支持。

在铁前生产方面，项目实现行业首次铁前集控大厅远程一键点火开炉，并在3天内达标达产，较传统方式缩短80%。高炉全炉仿真模型使“黑匣子”式的生产过程得到可视化呈现，为铁前生产状态分析和敏捷响应提供支持。

整体来看，项目通过统一平台贯通钢轧和铁前数据，以基于 IoTDB 构建的时序数据库承载海量时序数据，再由质量分析、数字化评价、高炉仿真和集中控制等应用将数据用于生产过程。由此形成的数据与业务协同，为特种钢研发提速、质量管理和铁前智能控制提供了基础。