樊卫

我在热轧产线上干了十二年，轧机的每一次过钢，都熟悉得像自己的心跳；钢板从辊道上掠过时，温度、颜色、声响，闭着眼睛也能估个八九不离十。轧钢这行，经验就是最硬的底牌。

所以，当听说产线要上AI系统时，我和不少老同事心里都犯嘀咕：智能设备那几行代码，真能比得上老师傅半辈子攒下的手感？真正让我们放下疑虑的，是AI落地后产线实实在在每位操作工都能够达到资深老师傅的平均操作水平。

如果说自动镰刀弯解决的是“形”的问题，二级自学习解决的就是“准”的问题。

热轧的二级系统，简单说就是产线的“大脑”——它负责计算每一块钢板的轧制参数，涵盖轧制力、辊缝预留尺寸、温度补偿标准等。传统模型采用固定预设参数，长期运行后精度持续衰减，板坯原料、生产设备、现场工况持续变动，静态模型无法适配动态生产条件，直接导致钢板厚度偏差超标，产品改判、降级损耗居高不下。

二级自学习功能上线后，系统开始“自己学”。每轧一块钢板，它都会把实际数据和预测数据做比对，自动修正模型参数。轧得越多，模型越准；用得越久，预测偏差越小。这就好比一个操作工，每轧一块钢都在复盘、在进步——只不过这个“操作工”不知疲倦，365天24小时都在学。

效果是实打实的。轧制力预测精度提升了，厚度命中率上去了，改判率降下来了。以前需要工艺工程师定期手动调模型参数，现在系统自己就在做，而且比人的工艺参数之一。传统模型公式固定、参数静态，但实际生产中钢种、温度、氧化铁皮、轧辊磨损都在变，变量太多，模型根本算不过来。结果预测值与实际值经常出现偏差，操作工不得不手动干预，既影响节奏，又损耗精度。

现在用AI做轧制力预测，思路完全不同。不依赖固定公式，而是把大量历史数据喂给机器学习模型：钢种成分、加热温度、轧制速度、压下量、冷却路径，全丢进去，让模型自己学规律。给定一组输入条件，就能输出预测值，还会随新数据持续修正。

AI模型相比传统通用模型，预测精度提升了一倍以上。这意味着辊缝设定更准，厚度偏差更小，操作工无需反复干预，产线节奏和产品精度都上了一个台阶。

这个应用对宽厚板产线尤其关键。宽厚板是单块轧制，每块板的钢种、规格、工艺路径都可能不同，传统模型更难覆盖。现在AI把轧制力预测做准了，才真正做到了每一块钢板匹配最优工艺参数。

过去车间信息依靠对讲机、纸质台账流转，交接班记录零散，生产数据、设备异常全靠口头交接，信息容易丢失，质量问题追溯耗时费力。现在车间管理全面迁移至飞书平台：多维表格实时同步轧制钢种、成材率、异常记录；班前会议纪要自动归档，待办事项线上跟进；出现质量缺陷时，几秒即可调取对应时段完整轧制参数与操作记录。

数字化平台打破了经验信息的人员壁垒，以往工艺数据只存于少数老员工手中，人员变动容易造成技术断层，如今全部数据线上沉淀，新技术员查阅历史趋势就能快速上手，实现经验系统性传承。智能化应用想要长效落地，必须从个人经验升级为组织可复用的数字化能力。

数智化转型带给我们最大的改变，是全员解决问题的思维升级。从前遇到生产异常，第一反应是安排资深人员现场处置；现在会优先思考，能否依靠系统、数据提前预判、自动处理。

AI的价值需要深度落地才能充分释放，自动镰刀弯、二级自学习、AI轧制力预测，分别实现了事前控形、模型自迭代、参数精准化，搭配飞书数字化管理，整套体系推动车间从传统经验生产，迈向数据标准化管控，全面突破原有生产能力上限。同时我们也清楚，AI无法完全替代人工，复杂复合工况、突发设备故障，仍需要操作人员的经验判断。

热轧数智化建设才刚刚起步，当前落地的三项AI应用只是起点，后续将持续推进板形预判、设备健康监测、能耗优化等数字化项目。一些曾经难以实现的生产目标，如今依靠智能技术逐步落地，车间数智化升级之路仍在稳步推进。