当前，钢铁行业竞争焦点正加速转向质量、成本、效率和响应速度等综合能力。日照钢铁以设备管理为首个切入点，建设可复用的企业级大模型技术与应用底座，让数据、知识和业务流程在生产一线真正用起来，为企业智能化升级和竞争力提升注入新动能。
围绕设备管理搭建应用底座
设备管理覆盖钢铁生产全流程，专业性强、数据类型多、业务协同复杂，是检验大模型工业应用价值的重要场景。项目围绕知识查询、数据分析和周期性报告等任务，贯通数据治理、模型服务、知识组织和智能应用等环节，让系统能够基于业务数据完成具体工作。
系统基于本地化部署的DeepSeek大模型构建，覆盖模型服务、知识治理、数据接入、工具调用、流程编排和应用运行，让核心数据在企业内部安全流转，兼顾应用效果、安全可控与持续扩展。首期已形成20余项智能应用功能，并通过百余个业务工作流把大模型能力嵌入设备管理日常工作。
数据治理资产筑牢设备领域知识底座
工业大模型要答得准、用得稳，根基在高质量数据和专业知识。项目汇聚20余万条设备数据，应用20余项数据治理成果，打通30余个业务与数据接口，对设备台账、技术标准、制度文件、点检隐患、检修记录、事故案例和备件物料等资源进行统一梳理、口径核验和关系映射。治理后的数据不再停留在后台，而是进入查询、分析、报告和提醒等一线业务场景。
项目同步构建设备领域知识图谱，将设备、部件、点检、检修、隐患、事故和物料等对象及其关系连接起来。大模型能够沿着设备关系准确定位信息，再结合专业文档和实时业务数据形成回答，使分散的资料、数据和专家经验逐步沉淀为可查询、可关联、可复用的企业知识资产。
既是“老专家”，也是“小秘书”
业务单位把这套应用形象地概括为“老专家”和“小秘书”。作为“老专家”，它熟悉设备制度、技术标准、事故案例和设备履历，员工用自然语言提问，就能在权限范围内获得有据可查的专业回答和关联信息；作为“小秘书”，它可以按计划取数、整理内容、生成报告、主动推送和提醒，让重复性信息工作由系统承担，帮助业务人员把精力投入风险研判和措施制定。
以事故专题分析为例，过去需要人工在多个系统中查询、导出并归纳数据；现在，系统可按设定周期自动获取相关数据，分析总体情况、变化趋势和类别分布，形成专题报告并推送相关人员。设备管理应用由“有问再答”进一步延伸到周期分析、报告生成和主动提醒，开始具备持续服务业务的能力。
真实使用，让智能应用在一线持续成长
试运行中，设备本体知识问答帮助员工查找设备履历、制度标准及相关业务信息。项目团队结合实际提问、结果核验和业务反馈，持续核对知识覆盖、数据口径和回答准确性，修订知识内容并优化回答流程。
依托真实使用形成的反馈闭环，专业问答、报告生成与提醒功能将持续迭代，更贴合设备管理工作，让“老专家”更专业、“小秘书”更懂业务。
持续深耕设备管理场景
日照钢铁将继续完善本地化模型服务、数据治理和设备领域知识图谱，围绕设备点检、检修、隐患排查和事故分析等工作细化应用场景，提升信息获取、分析和协同效率。
项目上线后，设备数据和专业知识还将持续积累。项目团队将建立常态化更新机制，结合业务反馈完善数据口径、知识内容和应用流程，强化权限管控与效果评估，保障应用长期稳定运行。
从设备管理出发，迈向日钢全域智能化
设备管理大模型是日照钢铁企业级人工智能布局的开端。下一步，日照钢铁将持续完善自主可控的大模型技术底座和高质量数据资产体系，深化设备领域知识图谱建设，逐步形成统一支撑、多领域协同的企业级智能应用体系。
随着数据治理资产不断积累、专业知识持续沉淀、智能体应用场景加快拓展，人工智能将更深入地支撑设备稳定运行和风险预警，帮助企业更快感知市场变化、更精准配置资源。日照钢铁将以首个大模型应用为新起点，加快培育钢铁制造领域新质生产力，构筑面向未来的数智化竞争优势，抢占行业智能化发展先机。
