消息 有色金属工业是流程工业的重要组成部分，是国民经济的重要支柱，是产业和经济命脉，同时也是实现制造强国的重要支撑。改革开放以来，我国有色金属行业经历技术引进、消化吸收、生产创新等阶段，生产水平有了大幅度提升。
有色金属行业智能制造四个思考
近日，中国工程院院士桂卫华在“流程行业智能制造与工业互联网”的演讲中指出:“ 我国有色金属等流程行业主体工艺装备均处于世界先进水平，自动化和信息化总体集成度较高，率先突破智能制造。工业互联网、大数据、人工智能、5G等前沿技术在有色金属行业智能制造中的应用推动其实现绿色化、高效化发展。但我国有色金属品种多，工艺复杂，环境恶劣，有色金属行业信息化与工业化的深度融合极具挑战性。”
对此，桂卫华提出有色金属行业智能制造四个问题的思考。
一是有色金属行业复杂生产环境下的智能感知问题，精准感知是有色行业智能化的基础。
二是有色金属行业与新一代信息技术的深度融合。这个深度融合体现在工业软件上，工业软件以解决业务问题为目标，需要工业技术和信息化技术长期合作与融合。
三是要实现智能化，必须解决知识自动化问题。知识自动化赋能有色金属行业，能够实现创新决策。
四是有色金属行业企业管理模式的变革问题。传统的生产过程管理模式和商业服务模式在智能制造环境下如何革新，如何落地，以及企业管理体制与机制如何变革，都是我们在智能制造和工业互联网应用中亟需思考的问题。
锌冶炼智能工厂实现高效绿色智能化发展
锌是重要的有色金属原材料，也是国家节能环保重点关注产业，其绿色高效生产迫在眉睫。演讲中，桂卫华以一个锌冶炼智能工厂为例进行了探讨。
锌的生产流程比较长，物理环境复杂，物质流和能量流高度融合，它从矿山到金矿，到配料、浸出、净化、电解、渡金属，整个流程功耗波动大，工艺复杂，能耗高，质量保障难。开展智能制造建设，突破复杂矿源条件下的供应链智能优化，实现高效绿色智能化生产，是实现其智能制造一定要突出解决的问题。
桂卫华指出：“我们要重点解决的问题，一是协同优化。锌矿的成本比较高，占70%左右，如何实现供应链协同优化是我们关注的一个重点。基于工业互联网平台，通过对工业多元数据的感知动态建模分析，实现扁平化、少能化的管理；二是解决锌冶炼过程中智能控制与协同优化问题。由于各反应器反应效率不同，为提高反应效率，提出工业指标的梯度优化方案；针对矿源波动，工序间关联耦合，工序间的协同问题，提出模式匹配来实现矿源波动下多指标的协同优化方法。同时我们构建了平台化的机理和数据融合的工序优化控制解决方案，实现关键工序优化和多工序间的协同优化。”
在智能制造与工业互联网基础上，通过智能工厂的应用，取得了技术指标的明显提升，使得整个生产过程的技术指标达到了世界先进水平，矿源的适应性明显得到了提高，一些劣等矿也能够优等使用。在智能制造与工业互联网背景下，新一代信息技术与有色金属工业深度融合，助力有色金属工业转型升级，实现高速发展。
