数据驱动采销智能决策，亚新钢铁打开数智化增长之门

导语：对于资产重、成本高、政策紧、市场不稳定的钢铁企业来说，数字化转型迫在眉睫。亚新钢铁集团以山西中升钢铁为试点，打造智能决策动力引擎，破除多部门信息壁垒，激活数据能量，实现全局优化和全链路协同，灵活响应市场变化，提升运营效率和效益，降低了采购和生产成本。从人工运营到智能决策，从“摸着石头过河”到运筹帷幄之中，亚新钢铁为钢铁企业数智化转型探出了一条新路。

随着国家双碳政策的出台，钢企面临着从“去产能”到“产能产量双控”的严峻局面，国家《关于促进钢铁工业高质量发展的指导意见》明确提出，到2025年80%以上钢铁产能完成超低排放改造，并确保2030年完成钢铁行业碳达峰。从市场端看，钢铁原材料及物流负荷成本持续增加，企业的利润空间越来越窄，数据显示，不同钢铁企业利润差异明显，最优企业吨钢利润能达到行业平均水平的4倍+，如何在低碳环保的前提下实现降本增效成为钢企孜孜以求的目标。但是钢铁生产链复杂，从哪个环节入手，通过什么方式改变？

河南亚新钢铁集团有限公司成立于2003年，拥有河南亚新、山西中升、内蒙古亚新隆顺特钢、连云港亚新、福建鼎盛5大生产基地。面对新的行业形势，亚新钢铁一直积极探索转型升级新路径，希望借助数智化手段优化成本和效率。由于钢厂是重资产型企业，数智化升级“牵一发而动全身”，亚新钢铁决定把山西中升钢铁作为第一个试点，逐步推进改革步伐。

成立于2007年的山西中升钢铁有限公司，是山西百强民营企业。经过十几年发展，已成为集烧结、炼铁、炼钢、轧钢、运输为一体的钢铁企业。中升钢铁具备年产120万吨铁、170万吨钢（优质碳素结构钢钢坯）、100万吨棒材以及100万吨高速线材的生产能力，生产的钢种在工艺设备上起点高、目标远，公司采用“转炉炼钢、连铸连轧、一火成材”的全连轧生产工艺，装备工艺技术处于国内领先水平。

转型升级的第一步是要确定方向，对于钢铁企业来说，由于国内钢铁成品市场价格透明，冶炼工序生产成本是影响吨钢效益的关键因素，而在钢铁冶炼工序中，原燃料配比方案是非常关键的一步，如果原燃料配比不合理，不仅会浪费成本和资源，还可能会影响生产效率和最终的钢铁质量。中升钢铁希望找到行之有效的方式，通过原料配比优化实现降本增效的目的。

钢铁冶炼工艺流程

但在原燃料配比优化方面，业内仅有一些基于局部因素优化的应用，而没有贯穿全流程的解决方案，一个偶然的机会，中升钢铁了解到在工业智能化转型方面有着深厚服务经验的杉数科技。杉数科技的全局优化方案独辟蹊径，是以企业的最优收益为核心目标来确定铁前等工序的原燃料配比方案，可以综合考虑全工艺流程约束，并利用自研的国产求解器COPT快速求解，这和中升钢铁的业务需求高度契合，双方很快达成合作，确定了以原燃料配比优化为突破口，带动采购决策和生产配料决策的全局决策优化方案。

深入场景，把脉运营决策三大痼疾

与杉数科技合作之前，中升钢铁的生产、采购、市场等业务环节相对独立，各部门仅在业务范围内进行优化运营，原燃料选矿配比、采购策略和生产计划都以人工经验决策为主。随着供应链和市场需求的不确定性增加，人工经验进行决策的难度增加，很多看不见的成本被忽略，预计产出与实际产出偏差较大，预计收益与实际收益也偏差很大。要改变这种局面，必须要破除数据、协同性和效率等三大关键问题：

1、数据依靠人工统计，协同效率低

钢铁企业的生产运营数据基本依靠人工统计，数据分散不统一，各个场景产生的数据未被有效利用。在运营管理过程中，信息透传主要依靠电话、微信等工具，很多工作无法量化，计划和执行难以统一，运营管理效率低。

中升钢铁的信息协同困境

比如，各矿石的成分、品位等数据以及生产过程用料情况为线下手工统计，信息不清晰，数据不准确。当有新的订单产生需要采购原料时，采购员在数据整理及校对环节耗时大约2天以上，工艺员需要根据不同矿石品位调整生产可执行参数，耗时1天左右，最终决策计算也需要1天左右，从订单产生到确定原料采购方案大约耗时一周，效率很低，整体交付周期较长，而且人工统计和计算可能存在误差，会影响最终的决策结果。

2、决策依靠人工经验，缺乏科学性

由于缺乏数据支撑，决策人员通常依靠过往经验“拍脑袋”做出采购和生产决策，工艺员在投料生产时也是依靠经验执行原料配比，对人工依赖性很强，但是这种决策方式已经不再适应复杂多变的市场。一方面，原燃料品种多达数百种，人工无法把所有的约束都考虑进去，也无法对所有可能性组合进行分析，决策具有片面性；另一方面，原燃料品质与市场变化日新月异，人工决策无法快速响应，可能会造成不必要的浪费或丢失市场机会。

钢铁冶炼工艺约束示例

原燃料在不同工艺环节的配比选择性很多，科学来看，在烧结/球团、高炉炼铁环、转炉炼钢三大核心环节中，人工决策存在明显的不足。

在烧结/球团环节，需要将不同的矿粉、返矿、燃料等原料进行组合，确定每种原料的用量范围。假如利用人工EXCEL检核，大约5秒判断一种，找出市场不同种类矿粉的所有可行组合需要超过一年的持续尝试。

在高炉炼铁环节，对铁水产量、原料投料量、炉渣脱硫、焦炭/煤粉等使用量、矿石比例等都有非常严格的约束要求。焦炭、煤粉、废钢、富氧投入有上万种可能方案组合，综合计算复杂度万亿量级起步，已经超越传统计算范畴。

在转炉炼钢环节，需将铁水和钢坯、废钢等进行混合加工。其中要考虑钢坯产量、废钢比例、铁水成本等约束，求解规模大，人工计算分析效率低。

3、采销数据断层，收益预测不精准

钢铁企业收益由生产成本和产品市场价格共同决定，但企业进行收益计算和预测时，在生产、采购和销售各模块是互相割裂的，很多影响因素被忽略掉，导致企业收益预测和实际达成情况偏差较大。举例来说，销售额的增加意味着更高的原燃料成本、运输成本、能源消耗、人力成本等，如果只考虑营业额和原料采购成本，收益预测就会偏高。

以上问题不仅是中升钢铁面临的难题，也是很多钢铁企业运营现状的真实写照。由于行业内没有成熟的经验可以参考，中升钢铁和杉数科技双方项目人员深入场景挖掘问题点，“逢山开路遇水架桥”，精益求精地打磨每一个环节的方案设计和实施，最终构建的智能采销平台于2021年12月正式上线。

破除壁垒，凿开从数据到决策的智能通衢

基于中升钢铁生产运营状况，通过对生产流程和业务场景的深入研究分析，中升钢铁和杉数科技拟定了数字化转型路径：从基础数据入手，突破部门和系统的鸿沟，通过数据整合、算法建模和优化求解，帮助中升钢铁打造数据驱动的采销智能决策平台。该平台可以结合原燃料成本与钢材市场价格，快速计算和决策，给出满足生产要求的原料配比方案，实现成本最小化和收益最大化。

采销智能决策平台界面示例

方案主要包括以下几大模块：

构建基础原料数据库。在钢铁生产过程中，可选原燃料多达数百种，而且品类和价格一直处于变化之中。通过系统采购员可以随时录入原料成分数据和市场价格数据，系统支持手工录入、EXCEL表格导入和系统集成，从而让企业数据收集实现标准化和实时化。这些数据可以作为基础数据长期存储，将为决策算法提供输入值。

构建工厂及工艺模型。以中升钢铁的实际生产工艺和运营情况构建工厂及工艺模型。工厂模型可以根据不同区域或者不同工厂进行系统设置，以维护车间、设备的基本信息，如烧结、球团产投入出量、高炉投入产出量、转炉投入产出量等信息。工艺模型包括工艺定义、约束配置和产品策略设置，可以为决策算法提供输入值，由生产工艺员配置调整参数，主要是对工艺流程进行定义，并设置影响决策的约束上下限，包括烧结约束、球团约束、炼铁约束、炼钢约束；同时，设置实际生产工艺中入炉原料的最佳投入比例。

构建智能采销决策平台。从全局视角出发，构建生产成本算法模型。在原燃料配比选矿方面综合考虑种类、成分、质量、价格等因素，同时考虑原燃料质量对烧结设备、高炉产量、能耗、成本等影响，并协同考虑采购、生产、市场等各经营指标的相互作用及变化趋势，在预设产能要求的条件下，寻求最低成本的原料配比方案，在满足约束条件下达成利润最大化。并通过多场景仿真模拟，收集使用当前工艺约束/生产成本/经营成本等信息，做出最优化产销决策及不同场景下的备用方案供企业决策者使用。

通过以上几大模块，可以将钢铁冶炼过程中的各个因素综合考虑，得出最优的配比方案，以指导生原料配比和采购决策，让企业告别“Excel式”和经验式运营决策，真正实现“运筹帷幄之中”。具体运营过程中，采购员可及时同步市场上原材料的成分及价格信息，供相关决策者了解市场行情变动；工艺员可及时同步各项工艺的指标参数要求，并可以使用决策软件进行最优生产配比；决策者通过查看原料成分价格趋势和产品成分价格趋势，比对系统给出的多版本采购决策方案，做出最优的采购决策。

由点到面，为企业数智化转型多维赋能

对于中升钢铁来说，打造采销智能决策平台是一项立足当下、面向未来的重要工程。该方案打通了生产运营各个环节的多方面数据，实现了采购、生产和销售等数据的透传和共享，将数据资产变为生产力，将为企业数智化转型多维赋能。该方案不仅提升了企业整体运营决策的效率和效益，为企业带来了实实在在的成果和收益。同时，也为企业数智化转型奠定了坚实的数据基础，是数据驱动企业发展的重要动力。

智能决策运营相对于传统人工决策的显著优势

和传统的数字化转型方案相比，中升钢铁采销智能决策平台是一次开拓性的尝试和跨越，在钢铁生产优化上实现了三大突破。

首先，打破了局部优化的限制，以利润最大化为目标实现全局优化，可全面提升资源利用率，降低钢铁生产成本。此前，钢铁企业在解决类似决策优化问题时，仅能覆盖部分工艺流程，中升钢铁将全流程多工艺串联，进行综合决策优化，是从点到面的创新突破，全流程的成本计算相对全面和精准，得出的配比方案不会局限于某个单一因素，从整体效果来看，相较人工决策，单吨铁水成本节约2.3%，单吨钢坯成本节约1.8%。

其次，大幅提升了求解和决策速度，解决了之前通过人工无法计算和量化的问题。基于算法模型和杉数求解器COPT，系统可快速解决冶炼工艺从烧结/球团、高炉炼铁到转炉炼钢过程中千万级乃至亿万级的求解问题。对于一般决策求解问题，系统可实现1分钟集成信息、1分钟快速计算、1分钟对比决策、5分钟内做出决策。进一步来看，求解和决策效率的提升可以帮助企业敏捷响应市场变化，提升运营管理柔性和抗风险能力。当原料和需求市场出现变动时，企业可以针对不同情景，实现快速模拟仿真，做出最优采购决策：如果短期内需求骤增，可保障最大产量；如果短期内需求骤减，可保障最低生产要求。

第三，消除了多工厂、多部门、多系统的数据鸿沟，实现全局协同运营，达成精细化、透明化管理，提升协同效率。借助一体化平台，各部门和各环节信息全面同步，可降低数据错误带来的风险。同时，能够打破割裂的运营现状，将粗放式运营决策升级为精细化运营决策，让决策、计划和执行高度联动和统一，进而提升整体生产运营效率和服务履约水平。

智能决策技术在钢铁生产运营中的成功落地应用，意味着中升钢铁数智化转型踏出了重要一步，也显示出智能决策对于钢铁行业的巨大价值。除了原燃料配比优化方面，杉数科技提供的智能决策解决方案覆盖钢铁生产计划、产能优化、物流运输、节能减碳、碳素流模型优化、电力分配等多个场景。随着中升钢铁一期项目的顺利上线，未来双方还将深化合作，将智能决策技术应用到更多钢铁生产运营场景中，为钢铁企业数智化转型注入更多活力。