中国工程院院士、东北大学教授王国栋认为，钢铁全流程各工序均为“黑箱”，实时信息极度缺乏；物理与化学过程十分复杂，多相共存，多变量、强耦合、非线性和大滞后；钢铁工业各单元为孤岛式控制，尚未做到单元间界面无缝精准衔接……“作为大型复杂流程工业，巨大的不确定性是钢铁生产过程面临的重大挑战。”他说。
“在数字时代，钢铁行业最大的受益点就在于数字技术对“黑箱”问题的破解上。数据科学和数字技术将支撑钢铁行业解决‘黑箱’问题，钢铁行业利用数字驱动恰到好处、恰逢其时。”4月18日，第二届中国轧钢与轧辊新技术推进大会召开，王国栋出席会议并做主旨演讲。王国栋表示，钢铁行业数字化转型的需求极为强烈，特别是丰富的应用场景是钢铁行业数字化崛起的重要机遇。在报告中，他还介绍了钢铁产业优化升级的路径，同时，针对钢铁行业、制造业共同面对的“黑箱”问题做了深入分析。
数字时代来临，钢铁行业怎么办？
“工业互联网、云计算、大数据、人工智能等新一代信息技术快速发展和应用，正式宣告了数字时代的来临。”王国栋介绍，作为数字时代构建数字生产力、推动经济发展的新型生产要素，数据成为数字时代社会发展的重要驱动力，甚至成为全球新一轮产业竞争的制高点。
在此背景下，钢铁行业如何用好数字技术？王国栋认为，钢铁行业拥有数据资源优势，发达的自动化控制系统和研发设施，可以积累并提供海量实验数据，这些数据中蕴含企业生产过程的全部规律。“这是最宝贵的资源，是关键生产要素。”他说。
通过分享美国材料基因组计划、韩国浦项高炉运行五大状态变量数据深度学习、日本JFE智能钢厂建设、美国大河钢厂等案例，王国栋提出，数字技术将为钢铁行业带来超级智能的边缘计算机、绿色化工艺与装备研发创新、高效率及低成本产品创新、5G下全产业链协调管理优化运行等几大功能。
通过比较制造业与材料行业数字化转型路径的不同，王国栋提出，材料行业要发挥场景、数据资源、反馈循环对物料赋能的优势，走特色道路，采用数据/机器学习等数据分析方法，数据驱动，破解全流程“黑箱”难题，实现全流程信息物理系统化。
如何解决工业实践中的“黑箱”问题？
王国栋介绍，在工业时代，由于“黑箱”问题的严重不确定性，只能借助模拟仿真系统CAE/CAD系统，采用理论或经验模型计算，模拟解决。其间，虽然人们不断探寻各种方法解决“黑箱”问题，但均以失败告终。
“这表明，除了数据时代的数据/机器学习方法，任何其他时代的方法都对‘黑箱’问题束手无策。”王国栋强调。
那么，数字时代如何解决工业实践中的“黑箱”问题？王国栋提供了一种思路——数字孪生，即“黑箱”的高保真度建模。他解释道，数字孪生是一系列描述输入（操作变量、材料成分）与输出（组织、性能）之间关系的预测性模型，高保真度数字孪生建模是材料科学与技术研究的关键核心。利用数据/机器学习对“黑箱”问题进行高保真度建模，将有力提升钢铁行业的核心竞争力。
“此外，钢铁企业还可以构建创新基础设施。”他说道。何谓创新基础设施？即基于创新、协调、绿色、开放、共享发展理念，以技术创新为驱动、以信息网络为基础，面向高质量发展，为提高产业核心竞争力而打造的产业升级、融合、创新的基础设施体系。
对于钢铁企业而言，创新基础设施主要包括“一网”（5G工业互联网）、“三大平台”（底层实体设备平台、边缘数字化核心平台、资源配置与管理云平台、“四大功能”（绿色化转型、数字化转型、高质化发展、强链化运行）。
制造业解决“黑箱”问题的方法较落后
通过分析轧辊制造技术、高铁车轮与轮箍的生产工艺过程、齿轮制造过程、轴承制造工艺、全产业链协同一体式汽车结构件热冲压技术等案例，王国栋提出，制造技术的不断创新和进步，使得用钢产品的质量和生产效率都得到了显著提升，为金属加工行业发展做出了重要贡献。
基于此，王国栋提出，钢铁行业和制造业要携手并进，破解共同面对的“黑箱”问题。从制造业使用金属材料的工艺过程来看，“白箱”决定了产品外形尺寸精度，而“黑箱”决定了材料的组织和性能。“黑箱”与“白箱”有不同的评价标准，但都很重要。在制造业使用金属材料过程中，“白箱”与“黑箱”必然并存。
分别来看，“白箱”在制造业使用材料过程中，通常为冷机械加工（车、铣、刨、钻、镗、磨）外形、尺寸高精度加工。“白箱”问题并不引起内部材料组织与性能的变化。而“黑箱”通常为铸锻焊、成形加工、热处理等，不仅涉及材料的外形、尺寸的变化，还涉及材料内部组织和性能的变化。
王国栋强调，“黑箱”问题直接影响着产品内部的组织和性能，即与产品制造的最终质量、效率、成本、环境及后续使用性能等密切相关。目前，制造业“黑箱”问题的解决方法是通过工业时代的理论分析（计算机模拟）或经验，但这远远落后于时代。
“面向数字时代，我们必须把注意力转向‘黑箱’，把制造业实体经济与数字经济、数字技术结合起来。钢铁行业与制造业要携手并进、协同创新，共同攻克‘黑箱’问题，携手走向高质量发展。”王国栋说。