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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。