在《中国制造2025》的战略指引下,我国的钢铁企业正在钢铁制造信息化、数字化与制造技术融合发展的进程中,迎来新的变革与发展。
在2016年工信部公布的两化融合管理体系贯标试点企业名单中,全国共有600家企业入选,柳钢集团榜上有名。在以MES项目为代表的信息应用系统建设过程中,柳钢集团借助锐捷网络智能工厂解决方案,发挥核心设备虚拟化特性,建成了能够适应各层次需求、面向业务发展的网络基础平台,为互联网+时代怎样炼好钢铁,给出了全新的答案。
柳钢MES项目启动 核心网络迎来历史挑战
广西柳州钢铁集团有限公司(简称柳钢), 始建于1958年,目前在岗职工15000多人,资产总额超400亿元,具备年综合产铁1150万吨、钢1250万吨、钢材2000万吨的能力,年主营业务收入600亿元以上,是我国华南和西南地区最大、最先进的钢铁联合企业,跻身于中国500强企业之列。
2015年,柳钢集团启动MES项目,希望通过MES项目建设深入推进柳钢的精细化管理,提高企业精细管理水平,以信息化带动工业化发展,促进两化深度融合,提升柳钢集团主营产业盈利能力,提高柳钢集团的企业核心竞争能力。
在此项目中,基础网络承担着整个MES业务系统的整体数据传输,是本次MES项目最终落地关键环节。核心网络需要以MES系统及未来更多生产业务系统为核心、以用户服务质量为根本,充分考虑信息部管理人员的管理运维体验。规划中的整个网络要覆盖9个主要钢铁生产区域,包含:综合原料场、焦化、烧结、炼铁、炼钢、轧钢等车间。另外,数据中心层面还要考虑核心交换机、数据中心汇聚交换机,以及服务器的高质量互联互通。那么,这样一张“稳定可靠、好用易管”的网络又应当如何设计呢?
深入生产一线,智能工厂方案脱颖而出
通过深入柳钢MES业务的应用场景,锐捷网络发现整体项目涉及了9个重要分厂的多种业务上线,包括物流运输、烧结数据、炼焦数据、高炉数据、熔剂数据、代码系统等多种数据的采集和对接。其次,由于MES业务具备高效性和准确性要求,就需要从网络架构、技术选择、设备选型等多方面进行整体规划,并且还要考虑柳钢实际业务发展需要,以及后期技术扩展等因素全面规划。
针对柳钢的实际需求,锐捷网络提供了智能工厂解决方案,以支持MES业务平台的平稳落地。该方案从业务稳定性的核心要求出发,在网络模型、数据交换、流量、性能、成本、网络安全以及扩展性方面与具体业务相融合,设备均采用虚拟化技术保证稳定和快速切换,将锐捷的“极简网络”与工业化应用场景充分整合。
图:锐捷网络智能工厂解决方案支撑柳钢MES项目顺利落地
从业务性能方面看,每个分厂采用双设备、双链路的万兆上联模式,通过链路捆绑技术保证链路带宽资源。首先,分厂核心交换机和骨干网核心的交换机全部采用虚拟化技术,保证其具备高可靠性。其次,生产网和数据中心核心“合二为一”,减少投资成本,降低运维难度。最后,在上线前,锐捷和柳钢的网络工程师联手,进行了设备的性能评估,CPU、内存消耗等指标均满足了MES项目的使用需要。
与其他行业不同,钢铁行业生产网络的安全性要求十分严格。为此,锐捷通过单独的物理组网模式,将数据采集终端单独接入生产网,避免与办公网使用同一套网络,防止数据篡改和广播风暴带来的中断问题。同时,在生产数据与其他业务数据之间,用户可通过安全设备隔离保证安全,利用两台高性能防火墙对生产边界、内部流量进行控制确保网络互访安全可信。
用心做事,成为用户信赖的合作伙伴
深入场景的缜密规划、深度参与和主动测试,不仅让锐捷在这个钢铁行业标杆项目中击败了多家竞争对手,同时也赢得了客户对最终效果的认可。
“锐捷在网络建设和运维管理经验丰富,对我们的项目进行大量现场调研、业务需求分析,通过横向设备虚拟化、双万兆骨干上联、数据中心核心的优化设计,满足生产网MES业务对数据及时性、有效性的严苛要求,使生产网的稳定性和安全性得到极大提升。”柳钢的相关领导表示,锐捷很用心,这是一个伙伴长期合作的必备条件。
据介绍,今明两年MES系统等项目逐步投用后,柳钢预计将进入到“集成提升”阶段,向着信息化、智能化加速迈进。而锐捷网络也通过MES项目赢得了用户的肯定与信任,为将来精诚合作,书写智能钢铁制造的新篇章打下了最坚实的基础。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。