前言
为加快推动“人工智能+制造”落地见效，市工业和信息化局聚焦工业大模型应用、高质量工业数据集建设、人工智能场景落地等重点方向，挖掘梳理出一批具有较强代表性、创新性和可推广性的实践成果，集中展现了我市企业在人工智能应用领域的先行探索与积极实践，具有较强的启发借鉴意义，为全市企业加快推进数智化转型2.0升级提供切实可行的参考路径与方向指引。
背景情况
我市钢铁行业面临传统运维模式难以充分释放数据价值等痛点：一是数据碎片化问题突出。该企业拥有各类生产设备1.2万余台（套），业务覆盖全产业链，年产生运维数据超50TB，分散在8类独立系统平台，跨系统调用响应迟缓，设备全生命周期数据贯通率不足30%；二是多模态数据融合应用不足，数据质量缺乏统一标准。人工标注准确率不足80%，关键数据问题占比达22%，难以满足AI模型训练与分析需求；三是运维决策过度依赖经验，非计划停机造成大量经济损失，且存在故障诊断滞后、维修周期偏长等问题。为破解上述难题，构建覆盖设备全生命周期的高质量数据集，建立统一数据标准，支撑设备智能运维与生产决策优化，助力钢铁行业数字化、智能化升级。
主要做法
钢铁行业设备智慧运营语料库采用“感知-数据-算法-应用”四层架构与“场景落地+数字化服务”双驱动模式，感知层适配工业传感器、监控设备及业务系统接口，数据层完成标准化处理与安全存储，算法层提供智能分析能力，应用层聚焦备件、设备、资产、运维四大核心模块，数据资源实现端到端贯通，构建覆盖设备全生命周期的多模态高质量数据集解决方案，实现全链条管控、全流程优化与数据积累闭环。
图1 功能模块图
1.采用多模态数据采集与整合技术，实现工业数据清洗与治理。采用“协议适配+数据融合”二级框架，支持Modbus、OP CUA等20余种工业协议及行业专用协议，通过联邦学习思想构建跨域数据关联引擎，实现多源异构数据标准化接入与语义关联，数据接入效率提升40%，跨场景关联准确率88%以上。同时，构建“清洗-标注-脱敏-校验”全流程框架，采用“规则引擎+AI辅助”清洗模式、BERT预训练模型适配的人机协同标注工具、动态差异化脱敏策略及8维质量校验体系，数据清洗效率较人工提升80%，标注效率提升3倍，3项相关技术申请发明专利，纳入地方工业数据治理规范。
图2 系统架构图
2.使用AI驱动数据处理，构建质量评估与动态优化机制。搭建“特征提取-模型训练-推理部署”全链条框架，采用CNN+LSTM+Transformer混合神经网络提取多模态特征，基于TensorFlow/PyTorch构建迁移学习平台，解决工业小样本学习难题，模型准确率提升30%；采用“云端+边缘”协同部署架构，推理延迟控制在100ms以内，引入强化学习优化运维决策。建立“实时监测-动态评估-迭代优化”三级框架，基于Flink流式计算引擎实时监控，通过AHP法与模糊综合评价法量化评估，自动触发数据治理、模型更新与功能扩展优化，数据质量波动控制在±3%以内，模型迭代周期缩短至15天/次。
3.产学研联合开发，搭建核心技术支撑体系。借助普联OSP微服务开发平台研发设备全生命周期管控系统，配套机器学习平台、智能标注工具、数据质量监控平台，适配Hadoop、Spark等开源框架，形成完整技术支撑体系。并依托企业私有云，采用HDFS分布式存储、20台高性能GPU集群，万兆光纤组网+5G边缘计算节点，搭配三重安全防护体系，保障数据处理效率与安全。
成效与亮点
◆
1.提质增效成效突出，核心指标全面优化。设备故障预警准确率超90%，非计划停机时间减少65%，设备综合效率上升至88%，维修方案编制时间缩短67%，检修效率提升40%。
◆
2.降本减损成果显著，经济效益持续释放。年减少维修费用超1200万元，备件错配率从15%降至5%以下，库存周转率提升25%。
◆
3.技术创新亮点鲜明，架构底座坚实稳固。构建“感知-数据-算法-应用”四层架构，支持20余种工业协议，跨系统互通率100%，标注准确率达92%。
◆
4.示范推广价值凸显，行业带动效应显著。形成“数据-模型-应用”闭环模式，服务超100家规模企业，适配5个重点工业行业，中小企业部署周期≤3个月，带动20余家上下游企业协同发展。
✦
