一方面，各个行业都有自己的通用数字工具和自动化设备，如CAPP(计算机辅助工艺过程设计系统)。另一方面，企业自主研发创新、经验总结的加工方法，可以成为企业自己的独门秘籍，比如毛坯制作、机械加工、热处理等各个环节先后顺序的优化，都可以提高生产效率、降低生产成本、提升产品质量，是一家工业企业最核心的竞争力。

　　每家制造业企业都规定了产品的工艺路线、机器设备和加工模具的种类、品名及编号、检验方法等，是组织生产和工人进行生产操作的重要依据。

　　过去20年中国制造业的工艺优化，主要聚焦于两个方面：引进国外的辅助工艺设计系统和培养有经验的专家。今天，则转向了数据智能。

　　以攀钢集团为例。脱硫是钢铁生产过程中的一个重要环节，硫工艺的好坏是判别中国钢铁与德国钢铁的重要标准。由于硫化物会降低钢的韧性，所以工人师傅倾向于多加脱硫反应剂。但反应后产生的脱硫渣会带走大量金属料，每个炉次以220吨计，脱硫渣量均值为5吨，其中铁损占比约为40%--55%。假设脱硫剂的加入量降低10%，理论上可降低0.8--1kg/吨的钢料消耗。

　　解决方案

　　第一步，构建仿真模型：基于历史数据与实时数据，构建脱硫预测模型。通过结合脱硫剂加入量、喷吹速率等十多个关键参数，模拟脱硫全过程，并配合参数优化模型，检验不同组参数的合理性及有效性。

　　第二步，参数寻优模型：结合机器学习与老师傅的经验，识别脱硫过程中的对脱硫结果影响最大的参数，包括钝化镁加入量、钝化石灰加入配比、平均流量、喷吹时长等，通过寻优模型识别参数间的最优关系。再回归到仿真模型中进行反复验证，最终得到最优参数：在满足脱硫效果的前提下，找到最小脱硫剂加入量的那组“配方”。

　　第三步，脱硫操作人员根据推送的推荐参数，动态调节脱硫剂的加入量，减少脱硫剂的消耗。

　　成效

　　对年产值400万吨钢的攀钢西昌钢钒基地来说，每年减少1700万元损失。生产工艺优化的解决方案，已经在钢铁、水泥、固废、化工、光伏等多个行业场景中得到实践。