概述

钢铁工业进入 “数据 - 模型双驱动” 能效管理新阶段，多源异构数据是工业大模型训练及各能效优化场景的核心支撑。当前钢铁生产全流程数据存在类型分散、覆盖不全面等问题，数据质量与融合深度直接影响能效优化决策的准确性，亟需构建全场景、高可靠的智能数据感知体系。 钢铁生产多源数据处理遇到的技术瓶颈： （1）数据采集覆盖不足，对工艺过程离散指令、非结构化视觉信息等特殊类型数据采集能力弱，难以获取全流程多维度数据； （2）数据质量管控难，存在异常值、量纲不统一、时序特征不明确等问题，直接降低数据可用性； （3）多模态融合深度不够，传统方法难以挖掘跨模态数据（如设备状态与视觉信息）间的能效关联规律，无法形成高置信度数据支撑。

需求详情

1.数据采集覆盖率：全流程多类型数据采集覆盖率≥98%；2.数据质量指标：异常值检测与填补准确率≥95%，量纲归一化完成率 100%；3.数据融合置信度：多模态数据融合后能效关联分析置信度≥92%。