数据+AI 双轮驱动，破解高炉生产难题｜数字工业现场DSF筑牢智能炼铁基石
近日，宝钢股份（600019）3号高炉在智能化改造方面实现重大突破——经过百日的持续攻坚，高炉炉温预测大模型正式上线并与控制系统完成对接。该系统有效应对了高炉生产中多变量耦合、强非线性和时滞性等复杂调控难题，实现了从以人工与机理驱动为主向数据与AI驱动的转变，在提高生产效率、降低能耗方面成效显著，整体自动化与响应速度达到传统方式的数倍以上。
高质量数据激活高炉AI大模型的
价值基石
要实现优质AI大模型应用，离不开高质量的数据支撑。为满足高炉炉温预测模型对数据的严格要求，用户多部门协同作战，系统梳理需求并完善多源数据采集体系。经过多维对比与甄选，宝信软件（600845）天行数字工业现场（Digital Shop Floor）及OT数据治理工具构建多源数据采集与数据服务的统一平台，以具备全流程数据无缝接入、高可靠通信及一体化数据价值挖掘的优势成功入选，协同高炉大模型双轮驱动，破解高炉生产难题。
DSF 聚焦全要素数据协同，通过统一数据采集/建模、一体化数据存储服务及开放共享的通讯标准，解决“数据如何标准化、传输如何适配场景、数据如何发挥效能”等问题，实现连接到协同的升级等，成功解决高炉工序长期面临系统孤立形成“数据孤岛”、传输延迟导致“数据时效不足”、标准不一引发“数据互认困难”等核心痛点，充分实现数据价值释放、发挥数据资产聚合优势，促进高炉智能化转型。
DSF具有六大独特功能
和突出优势
1
跨层级的工业数据融合架构
2
多模态数据统一接入
3
动态弹性扩展机制
4
开源协议构建开源生态
5
海量实时数据存储
6
数据加工服务
本文结合平台“工业数据融合、数据统一接入”的功能，重点讲述如何为炉温预测大模型提供高质量工业现场数字化基座的过程。
根据炉温预测模型数据需求完善各类源端数据，并对数据融合加工，使数据具有完备性、充足性、准确性、多样性，同时完成与炉温预测模型及闭环自动控制模型的数据交互。
首先，系统需要采集并完善各类基础数据源，包括生产周期数据、事件触发数据、工艺数据、信息化系统数据等信息。
尽管高炉工序各系统已具备多数基础数据的采集能力，但此前普遍存在数据“散”“粗”“断”“滞”等问题。通过部署天行DSF平台，成功打破了不同设备厂商与通信协议之间的技术壁垒，实现了高炉区域多模态数据资源的整合，并构建起统一、规范的数据采集与定义体系，为模型提供了标准化的数据源。
其次，基于天行DSF标准化数据接口，有效应对高炉大模型应用不断增长的数据需求，为其提供透明的数据交互标准。
由于原高炉工序各应用系统控制指令和数据需经多层级系统层层传递，而且多系统间往往通过复杂的电文或定制协议进行通信，耦合紧密，一旦发生异常，排查和处理极为棘手。在数据到达大模型应用前，往往需要投入大量精力在打通系统通信、实现数据采集等底层集成工作。天行DSF标准化数据接口，提供安全、可扩展、去中心化的数据交互机制，更难能可贵的是，DSF提供的是开源标准化数据通讯规范，吸引更多工业领域的开发者，对数据互融互通、开放共享、有效应用提供技术支撑。
最终，通过系统化的数据采集、治理与质量管控，工业大数据被有效“提炼”为适合模型推理的高质量输入数据集。将此数据集提供给炉温预测AI大模型推理训练，不仅显著提升数据的准确性与一致性，也完美匹配模型接口要求，为炉温预测模型的可靠运行与精准控制奠定坚实数据基础。
数据质量的提升直接转化为模型性能和业务效益的硬性指标。铁水温度预测、Si含量累计命中率双双达标。
天行DSF及OT数据治理工具构建的统一平台，不仅为AI大模型提供高质量数据，更致力于为企业建立一套支持持续创新与应用赋能的数据标准基础设施及配套数据处理方法论。将工业现场丰富经验（OT）与信息技术（IT）深度融合，通过平台化、资产化、知识化与服务化方式，保障大模型获得高质量数据输入，不仅助力模型成功上线，更支撑其持续优化、稳健运行与高效扩展，从而创造超越常规的附加价值。
强健数据底座
筑牢“AI+应用”的价值基石
DSF 的技术演进并非一蹴而就，而是宝信软件二十余年深耕工业数字化领域的持续沉淀。从早期的设备连接探索，到如今构建工业现场数据底座，每一步都紧扣产业需求，逐步实现从“单点功能”到“体系化能力”的跨越。宝信软件在为用户持续服务的过程中不断优化工业数据平台与治理体系，助力钢铁行业及其他制造业企业数字化转型，坚持工业软件自主可控的创新发展。