“隨著工業互聯網、大數據、云計算、人工智能等信息技術的發展，智能制造已成為制造業發展的共同主題，智能制造是主攻方向、突破口，是從制造大國向制造強國轉變的根本途徑，將使我國有色金屬生產的過程從局部粗放向全系精細化發展，實現綠色高效發展，智能制造是核心支撐。”在近日舉行的2021世界5G大會5G與工業互聯網論壇上，中國工程院院士桂衛華以有色金屬行業為背景，提出了我國智能制造行業的幾點思考、科學問題和挑戰。

據了解，我國有色金屬等流程行業主體工藝裝備均處于世界先進水平，自動化和信息化總體集成度較高。桂衛華認為，有色金屬等流程行業率先突破智能制造，要大力推進工業互聯網、大數據、人工智能、5G等前沿技術在有色行業智能制造中的應用，實現綠色化、高效化。工業信息化部及有色金屬行業專門推出了智能礦山指南、智能眼簾指南等，將有利于有色金屬行業的智能制造。

有色金屬工業是流程工業的重要組成部分，戰略定位重要，發展勢頭強勁。改革開放以來，我國有色金屬行業經歷技術引進、消化吸收、生產創新等階段，生產水平有了大幅提升。“這其中信息化、自動化發揮了重要的作用。但我國有色金屬品種多、工藝復雜、環境惡劣，有色金屬行業信息化與工業化的深度融合極具挑戰性。”桂衛華表示。

為此，桂衛華以有色金屬行業為例提出了智能制造若干問題的四點思考。一是有色金屬行業復雜生產環境下的智能感知問題，精準感知是有色金屬行業智能化的基礎。

二是有色金屬行業與新一代信息技術的深度融合。這個深度融合體現在工業軟件上，工業軟件是解決實現業務問題為目標，需要工業技術和信息化技術長期合作與融合。  

三是要實現智能化，必須解決知識自動化問題。知識自動化賦能有色金屬行業，能夠實現創新決策，核心問題包括工業知識的獲取、學習與應用，經驗知識的推廣。知識是工業信息化與智能化的關鍵內容。

四是在智能制造及工業互聯網環境上，有色金屬行業企業管理模式的變革問題，傳統的生產過程管理模式和商業服務模式必須要取得突破，而智能制造環境下這兩種模式如何革新，如何落地，以及企業管理體制與機制如何變革，這都是我們在智能制造和工業互聯網應用中亟需思考的問題。

桂衛華還提出了生產過程要素的智能感知與信息融合、智能生產條件下的人機交互學習機制問題、智能化生產運行與優化控制，以及工業互聯網的工業管控體系與機制等智能制造過程中的科學問題及挑戰。

同時，桂衛華還以鋅冶煉智能工廠為例，探討了工業互聯網的工業管控體系與機制的科學問題。

桂衛華說，鋅是我國重要的原材料，其高質量發展受到資源能源環境制約，也是國家節能環保重點關注產業，綠色高效生產迫在眉睫。鋅生產過程的流程比較長，物理環境復雜，物質流和能量流高度融合，它從礦山到金礦，到配料，再到配少、浸出、凈化、電解、渡金屬，這個過程功耗波動大，工藝復雜，能耗高，質量保障難。因此，開展智能制造建設，突破復雜礦源條件下的供應鏈智能優化，實現高效綠色智能化生產，是實現智能制造中一定要突出解決的問題。

桂衛華認為，解決的重點問題一是協同優化。因為鋅礦的成本比較高，占70%左右，所以如何實現供應鏈協同優化是關注的一個重點。基于工業互聯網平臺，通過對工業金銀多元數據的感知動態建模分析，實現扁平化、少能化的管理，降低了原來的庫存要求的一半，業務人員減少三分之一。

二是解決鋅演練過程中智能控制與協同優化。如何實現穩定化的控制，從而采用控制的方法，針對各反應器反應效率不同。為了提高反應效率，我們提出了工業指標的梯度優化方案，而針對礦源波動，工序間關聯耦合，工序間的協同問題，我們提出了模式匹配來實現礦源波動下多指標的協同優化方法。

“同時，我們還構建了平臺化的機理和數據融合的工序優化控制解決方案，實現關鍵工序優化和多工序間的協同優化問題。”桂衛華介紹說。

桂衛華表示，在工業互聯網和智能制造的基礎上，通過智能工廠的應用，取得了技術指標的明顯提升，使得整個生產過程的技術指標達到了世界先進水平，礦源的適應性明顯得到了提高，使得一些劣等礦也能夠優等使用。