合规转利润：降本增效全指南(2026)《GBT 31923.2-2015高炉炉料用铁矿石 低温还原粉化静态试验 第2部分：与CO和N2的反应》

《GB/T31923.2-2015高炉炉料用铁矿石

低温还原粉化静态试验

第2部分：与CO和N2的反应》(2026年)从合规成本到利润增长全案：避坑防控+降本增效+商业壁垒构建目录一、

从合规基石到战略资产：深度剖析

GB/T31923.2-2015

如何重构高炉炼铁原料评价体系与成本控制逻辑二、

规避隐形“雷区

”：专家视角解读标准执行中的十大关键操作误区、数据偏差根源与系统性风险防控策略三、超越“合格

”追求“卓越

”：基于标准核心参数的铁矿石采购优化模型与供应商协同降本新范式构建四、解密“粉化

”密码：从微观反应机理到宏观工艺影响，深度解读

CO

与

N2环境下还原粉化动力学与控制变量五、

实验室数据如何驱动高炉高效顺行：建立静态试验结果与动态高炉操作参数之间的精准映射与预测模型六、面向低碳冶炼的未来：标准方法在氢基直接还原、高比例球团冶炼等新工艺中的延展应用与评估体系前瞻七、

打造技术护城河：

以标准化验能力为核心，构建从原料入场、过程监控到产品认证的数字化质量壁垒八、

从成本中心到利润引擎：量化分析精细化原料管理带来的燃料比降低、产能提升与综合经济效益增长九、应对复杂矿源的挑战：专家指南——如何运用标准方法科学评估与灵活使用非主流矿、复合矿及低价矿十、

标准进化论：结合智能检测与大数据，探讨

GB/T31923

.2

未来修订方向与铁矿石评价技术发展趋势预测从合规基石到战略资产：深度剖析GB/T31923.2-2015如何重构高炉炼铁原料评价体系与成本控制逻辑标准定位跃迁：从单一检测规程到原料综合性能与高炉经济性评价的核心枢纽本标准不仅是判定铁矿石低温还原粉化性能（RDI）的技术文件，更是连接原料固有属性与高炉冶炼经济性的关键桥梁。它通过标准化的CO+N2还原环境模拟，将复杂的炉内物理化学过程转化为可量化、可比较的实验室指标，使得原料的冶金价值评估从经验判断走向数据驱动。理解这一定位跃迁，是企业将合规成本转化为战略投资的第一步，意味着检验部门从支持角色转变为参与成本控制和工艺优化的核心部门。核心参数体系解构：RDI指数、还原度与粒度分布的协同意义与成本关联标准的核心输出是不同粒度区间的粉化指数（如RDI+6.3,RDI+3.15,RDI-0.5）。深度解读需超越合格线，分析各指标的内在联系：RDI+6.3反映大块保持能力，影响料柱透气性；RDI-0.5的粉末量直接关联煤气阻力与粉尘损失；还原度则关联间接还原发展程度。这些参数共同构成了预测炉况稳定性、燃料消耗及除尘负荷的数据基础，任何一项的劣化都对应着真实的生产成本增加，从而将检测数据与财务指标直接挂钩。标准方法学背后的成本控制哲学：静态试验所揭示的动态经济性原理静态试验虽无法完全模拟高炉动态过程，但其设计的科学性在于抓住了“低温区（500℃)”这一关键矛盾点。此区域是炉料结构强度发生剧烈变化的敏感带，也是煤气能效利用的重点区域。通过标准试验，企业可预先识别出在低温区易粉化、堵塞煤气通道的矿种，从而避免其在炉内造成透气性恶化、被迫增加焦比、甚至导致悬料事故等巨额代价。这体现了“以一次性检验成本，规避系统性生产风险”的底层成本控制逻辑。构建以标准为基础的战略采购模型：从“价格采购”到“价值采购”的范式革命传统的铁矿石采购过于依赖品位和价格。GB/T31923.2-2015提供了关键的性能维度。基于此，企业可构建“矿石价值评估模型”：价值=f(铁品位，有害元素，RDI指数，还原性…)。将RDI等性能指标量化后代入模型，可计算出不同矿种的实际吨铁成本。往往看似低价但RDI差的矿石，其导致的燃料和焦炭成本增加会完全吞噬价差优势。这使得采购决策从短期价格博弈，转向基于全生命周期成本的价值投资，构筑起坚实的采购战略壁垒。0102规避隐形“雷区”：专家视角解读标准执行中的十大关键操作误区、数据偏差根源与系统性风险防控策略样品制备“失之毫厘，谬以千里”：制样粒度、干燥与储存环节的偏差放大效应1标准对试样的粒度范围（10.0mm~12.5mm）和制备方法有严格规定。常见误区在于为求方便使用近似粒度样品，或干燥不彻底留有结晶水。这会导致反应气体与矿石的接触面积和内扩散路径改变，显著影响还原速率和粉化应力分布，使结果失真。尤其在评估高结合水矿石时，若干燥不当，炉内蒸发与还原过程叠加引发的粉化会被严重低估，为高炉使用埋下巨大隐患。必须将制样环节视为试验的“第一生命线”，建立标准化操作程序（SOP）并严格监控。2还原管反应器“黑箱”内的关键细节：装样方式、气体分布与温度场均匀性控制1还原管是反应发生的核心场所。操作误区包括装样时产生粒度偏析、未使用惰性氧化铝球确保气流均匀分布、以及热电偶位置不准导致温度测量失真。气体分布不均会使管内不同位置的样品处于不同的还原气氛强度下，温度偏差则会直接影响还原动力学。这些细节的失控会导致平行样结果离散度大，数据不可靠。防控策略是定期进行反应器空白试验和温度场标定，确保“黑箱”内部环境的标准与均一。2CO与N2混合气的“流量与配比”陷阱：浓度波动、流量计校准与安全冗余设计标准要求使用CO与N2的混合气体，且对流量精度有要求。常见风险在于：1)气瓶纯度不足或混合气配比不均；2)流量计未定期校准，示值失准；3)管路泄漏导致实际浓度变化。CO浓度的微小波动会显著影响还原势，从而改变Fe2O3→Fe3O4→FeO→Fe的逐级还原过程，最终影响粉化程度。必须建立气源认证、流量计定期检定和管路气密性检查制度，并为CO有毒气体配置泄漏监测和应急通风，兼顾数据准确与人员安全。还原后转鼓试验的“机械力”校准：转鼓转速、时间、内衬磨损的标准化维持1转鼓试验用于模拟炉内物料间的相互摩擦与冲击。误区在于忽视转鼓内衬的磨损，或转速控制不精确。内衬光滑度下降会加剧研磨作用，导致测得的RDI+指数偏低；转速波动则直接影响机械力输入能量。这会使结果偏离真实的高炉内受力情况。防控策略是定期检查并更换转鼓内衬，对驱动电机进行转速校验，并确保转鼓运行时间分秒不差。机械部分的标准化是连接化学还原与物理粉化评价的关键环节，不容丝毫马虎。2筛分称重的“数据终点”严谨性：筛网精度、筛分效率与微量粉末的精确称量试验最终数据来源于对转鼓后样品的分级筛分和称重。此处易产生的偏差包括：筛网经久使用后孔形变形或堵塞，导致分级错误；筛分时间不足，粉末未完全筛出；电子天平未在恒温恒湿环境校准，或对RDI-0.5这样的微量粉末（<0.5mm）称量精度不足。这些误差会在最后一步被放大，直接扭曲核心评价指标。必须建立筛网的周期性检定和更换制度，规范筛分操作，并使用高精度天平，确保数据“终点”的绝对可靠。超越“合格”追求“卓越”：基于标准核心参数的铁矿石采购优化模型与供应商协同降本新范式构建建立多维度矿石价值量化评分卡：整合RDI、还原性、品位、有害元素与价格的综合算法摒弃单一价格或品位导向，构建包含技术经济指标的评分卡。例如：设定基础分为品位价，RDI+6.3优于某个阈值则加分，劣于某个阈值则大幅扣分（扣分系数对应预测的焦比增加成本）；同样处理SiO2、Al2O3等脉石成分和S、P等有害元素。通过历史生产数据回归分析，确定各指标的合理权重系数。该评分卡将不同产地、品种的矿石置于统一的价值平台进行比较，采购目标从“合格低价”转变为“综合价值最优”，实现真正意义上的降本。基于RDI性能的矿石精细化分类与分级使用策略1并非所有高炉部位都对RDI敏感。基于标准测试结果，可将矿石分为：A类（RDI极优，用于高炉软熔带关键区域）、B类（RDI良好，用于主流负荷区）、C类（RDI合格但偏差，用于炉身中上部等要求较低区域）。通过分类，可以实现优质优用，避免将性能普通的矿石用于关键部位引发问题，也允许在受控条件下使用一些RDI稍差但极具价格优势的矿种，从而在不影响整体炉况的前提下，最大化利用低价资源，拓宽采购选择。2与核心供应商建立基于性能数据的协同研发与长期协议机制将GB/T31923.2-2015的测试数据作为与供应商技术对话的通用语言。将采购关系从简单的买卖提升为共同优化。例如：向矿山提供持续的性能数据反馈，推动其从选矿、造块工艺（烧结/球团）环节改善产品RDI性能；签订长期协议，约定以性能指标为基础的浮动计价模式，RDI优于基准有奖励，劣于基准有惩罚。这激励供应商主动提升产品冶金性能，形成深度绑定的利益共同体，共同降低成本，并构筑起排他性的供应链壁垒。动态库存管理与配矿优化：利用实时检测数据灵活调整炉料结构在原料场建立快速检测机制，对每批进厂矿石进行标准的RDI检测。将实时数据输入配矿模型。当检测到某批次矿石RDI发生波动时，可及时调整其在配料结构中的比例，或将其调整至对其性能不敏感的使用位置。这种动态管理避免了因原料性能波动导致的炉况波动，减少了生产事故，保证了高炉长期稳定顺行，而稳定本身就是最大的降本增效。这要求企业具备快速检测能力和灵活的生产调度系统。解密“粉化”密码：从微观反应机理到宏观工艺影响，深度解读CO与N2环境下还原粉化动力学与控制变量Fe2O3→Fe的逐级还原历程与体积效应引发的内应力演化铁矿石在500℃左右与CO发生的主要是Fe2O3向Fe3O4和FeO的还原。从赤铁矿（Fe2O3）到磁铁矿（Fe3O4）的晶格转变伴随着显著的体积膨胀（约25%）。这种膨胀在矿石颗粒内部产生巨大的内应力。当应力超过矿石自身强度极限，或集中于晶体缺陷、裂缝处时，就会导致颗粒破碎、粉化。N2作为稀释气体，不参与反应，但影响着CO的分压和扩散速率，从而间接控制还原反应的界面推进速度和应力生成速率。理解这一微观机理，是解读不同矿石粉化行为差异的基础。CO浓度与气体流速对还原前沿推进模式及粉化形态的影响机制标准采用固定CO浓度（如30%）的混合气。CO浓度决定还原气体的化学势，流速影响边界层厚度和质量传递。高CO浓度和适宜流速下，还原反应可能从颗粒表面向内部形成清晰的“收缩未反应核”前沿，应力集中相对均匀。若CO浓度低或流速不当，可能导致反应不完全或形成多孔海绵铁结构，其强度特性截然不同。气体条件通过控制反应动力学，决定了内应力的产生速率和分布，最终影响粉化指数（如粉末更多来自表面剥落还是整体碎裂）。矿石矿物组成与微观结构：决定其抗粉化能力的先天性“基因”1不同种类的铁矿石（如赤铁矿、褐铁矿、磁铁矿）及其烧结矿、球团矿，因其矿物组成、孔隙率、晶粒大小和粘结相（如烧结矿中的铁酸钙、玻璃相）的不同，抗内应力的能力天差地别。致密的赤铁矿球团可能因膨胀应力集中而严重粉化；多孔、强度低的褐铁矿烧结矿本身强度差，易粉化；而具有良好塑性和交织结构的优质烧结矿能通过粘结相缓冲部分应力。标准试验正是为了量化评估这些“基因”特性在模拟高炉条件下的表现。2温度曲线的设定科学：为何聚焦500℃?低温区间的敏感性分析标准将反应温度设定在500℃左右，这是基于高炉内炉料下降过程中的典型温度区间。在此温度下，铁矿石的还原以间接还原为主，且金属铁尚未大量形成导致烧结，是炉料结构强度最脆弱的阶段。同时，此温度下碳素沉积反应（2CO→C+CO2）也可能发生，生成的碳黑会进一步破坏矿石结构。因此，500℃左右的还原粉化性能，对高炉中上部料柱的透气性、煤气分布有决定性影响。试验温度的选择极具工艺针对性，是连接实验室与高炉的核心参数。实验室数据如何驱动高炉高效顺行：建立静态试验结果与动态高炉操作参数之间的精准映射与预测模型RDI指数与高炉上部料柱透气性阻力系数的经验关联模型高炉上部料柱的透气性主要受炉料粒度分布影响。RDI试验产生的粉末量（特别是RDI-0.5mm和RDI-0.25mm）与高炉内该粒度区间的粉末生成量存在强相关性。通过长期数据积累，可以建立统计模型：例如，RDI-0.5每增加1%，预测高炉压差增加一定比例，或透气性指数下降一定数值。这为高炉工长提供了预判性信息。当使用一批RDI偏高的矿石时，可提前预判料柱透气性会趋紧，为调整上下部操作制度（如适当疏松边缘气流）提供数据支持和时间窗口。0102基于原料粉化性能的焦炭负荷与送风制度的优化调整策略高炉操作追求稳定顺行。当入炉原料的RDI整体较差时，意味着炉内粉末增多，煤气通道易堵塞。此时，高炉操作者需要采取应对策略：一是适当减轻焦炭负荷（降低矿焦比），增加焦炭层厚度以提供更多的煤气通道；二是调整送风制度，如适当提高风温或富氧，以改善煤气穿透能力，但需注意与理论燃烧温度平衡。反之，当原料RDI性能优异时，可尝试增加负荷，强化冶炼，实现增产降耗。标准数据是进行这类精细化、动态化操作调整的基石。预测炉尘吹出量与煤气清洗系统负荷，实现环保与成本前置管理1高炉煤气从炉顶导出时，会携带大量炉尘（主要是未还原的粉末）。这部分炉尘量直接与铁矿石的RDI性能，特别是低温粉化性能相关。通过RDI数据，可以大致预测使用不同炉料结构时的煤气含尘量。这为下游的煤气清洗系统（重力除尘、布袋除尘等）的运行维护提供了预警。例如，预测到某时段炉尘量将增大，可提前安排清洗系统检查或调整反吹频率，避免环保超标，同时也将粉尘中的铁元素损失计入成本，实现全流程的精细化管控。2指导高炉操作应对原料波动的“操作窗口”界定与应急预案制定原料市场波动时，进厂矿石品种和性能难免变化。通过GB/T31923.2-2015的快速检测，可以对每批原料进行性能“画像”。结合历史操作数据，可以为不同RDI水平的原料划定“操作窗口”：比如，RDI+6.3在某个区间内，高炉可维持现有操作制度；超过某个阈值，则必须启动相应的应急预案，如调整装料顺序、改变布料矩阵、甚至调整炉温水平。这将高炉操作从被动的、事故响应式，转变为主动的、基于预测的预防性调整，极大地增强了高炉应对复杂原料条件的能力和稳定性。面向低碳冶炼的未来：标准方法在氢基直接还原、高炉富氢冶炼等新工艺中的延展应用与评估体系前瞻氢气（H2）作为还原剂对低温粉化行为的影响机理研究与标准方法适配性探讨在碳中和背景下，氢基直接还原和高炉富氢喷吹是重要方向。氢气还原性强于CO，且还原产物为水蒸气，会改变还原动力学和热力学。在低温区，H2还原铁矿石的速度更快，反应吸热不同，可能导致更剧烈的体积变化和不同的粉化特性。现有标准采用CO+N2气氛，未来可能需要补充H2-CO-CO2-H2O多元复杂气氛下的试验方法，或研究在H2参与下，RDI评价指标（如温度点、气体成分）应如何调整，以更准确地评估铁矿石对氢冶金工艺的适应性。高比例球团矿冶炼与低碳高炉操作对炉料抗粉化性能提出的新要求为降低碳排放，提高球团矿比例、发展低碳高炉是趋势。球团矿通常具有较好的常温强度和还原性，但其低温还原粉化性能（RDI）可能因矿物组成和焙烧工艺而异。在高比例球团矿炉料结构下，料柱的透气性对球团RDI的敏感性可能更高。因此，GB/T31923.2-2015对球团矿的评价将变得更加关键。需要更深入研究不同球团（酸性、镁质、赤铁矿、磁铁矿）的粉化机理，并将其性能数据纳入低碳高炉的炉料结构优化模型，为标准在未来工艺中的应用积累数据。二氧化碳资源化利用背景下，含CO2还原性气氛对RDI的潜在影响评估1未来钢铁流程可能涉及高炉煤气或焦炉煤气中的CO2捕集与循环利用，还原气中可能含有一定比例的CO2。CO2在铁矿石还原过程中既是产物，也可能参与气化反应。在低温区，CO2的存在会改变CO还原的平衡，可能影响还原进程和粉化行为。现有标准使用纯CO+N2，未来可能需要考虑在还原气体中掺入不同比例的CO2，研究其对RDI的影响，以评估铁矿石在含碳循环气体还原工艺中的表现，为标准的前瞻性修订提供技术储备。2建立涵盖碳足迹与冶金性能的“绿色度-经济性”综合评价新框架未来的矿石评价，不仅要看冶金性能（如RDI、还原性），还需考虑其碳足迹（开采、运输、造块过程的碳排放）。例如，某进口矿虽然RDI稍差，但因其海运距离远、烧结过程耗能高，整体碳足迹大；而另一国产矿RDI略优，且运输距离短，综合绿色度更佳。企业需要建立新的评价框架，将GB/T31923.2-2015的性能数据与碳排放数据结合，进行多目标优化决策。这要求检测体系不仅提供性能数据，还要与供应链碳排放数据打通，支撑企业的低碳战略决策。打造技术护城河：以标准化验能力为核心，构建从原料入场、过程监控到产品认证的数字化质量壁垒建设企业级铁矿石冶金性能数据库与数字孪生应用将GB/T31923.2-2015的检测结果系统化、数字化，构建涵盖所有采购矿种、批次的历史性能数据库。不仅仅记录RDI最终结果，更记录关键过程参数（如实际气体流量、温度波动）。将此数据库与高炉生产数据（燃料比、利用系数、透气性指数）进行关联分析和机器学习，构建“原料性能-操作参数-技术经济指标”的数字孪生模型。该模型可用于预测新矿种的使用效果、优化配矿、诊断炉况，将检测数据转化为预测和决策能力，形成竞争对手难以模仿的数据资产壁垒。开发在线/近线快速检测技术与智能化验室，提升质量响应速度传统的标准检测周期较长。为适应动态采购和精细生产，需开发快速检测技术。例如，基于近红外光谱、激光诱导击穿光谱（LIBS）等技术，建立与标准RDI值的关联模型，实现矿石入场时的快速预判。同时，在标准化验室推行自动化、智能化改造，如自动制样、机械臂装样、在线气体分析、图像识别筛分等，减少人为误差，提高检测效率和频率。快检与标准检结合，形成“快检预警，标检确认”的质量管控闭环，大幅提升对原料质量波动的响应速度和控制力度。基于区块链的原料质量追溯与可信认证体系1将每批矿石的GB/T31923.2-2015检测报告、其他质检报告连同采购信息、物流信息，上传至区块链平台。生成不可篡改的唯一质量数字指纹。这首先可用于内部质量追溯，任何炉况问题都可快速回溯到具体批次原料。更重要的是，可与下游客户（如汽车板生产商）共享经脱敏的原料性能数据，证明其产品使用了高品质、性能稳定的原料冶炼，提升自身钢材产品的信誉和市场竞争力。这便将内部的原料检测能力，扩展为对终端产品的增值背书，构建品牌壁垒。2以标准为标杆，主导或参与制定更严格的团体与企业标准在熟练掌握和运用国家标准的基础上，领先企业应瞄准更苛刻的应用场景，制定严于国标的内部企业标准或联合行业协会制定团体标准。例如，针对生产超高强度钢、电工钢等高端产品，对铁矿石的RDI指标提出更高的“优级”门槛。这不仅能倒逼供应商提升质量，更能将高标准转化为产品的差异化优势。通过公开这些更严格的标准，可以在市场上树立“技术领先、质量卓越”的品牌形象，吸引高端订单，并将仅仅满足国标的竞争对手排除在高端市场之外。从成本中心到利润引擎：量化分析精细化原料管理带来的燃料比降低、产能提升与综合经济效益增长RDI改善与焦比（燃料比）降低的量化关系模型与吨铁成本节约测算高炉内粉末增多导致透气性恶化，为维持风量，必须提高焦炭用量以“疏松”料柱。通过历史数据回归分析，可以建立RDI指数（如RDI+6.3降低或RDI-0.5增加）与焦比（kg/t）的定量关系模型。例如，某企业模型显示，RDI+6.3每降低1%，焦比平均可降低约0.5-1kg/t。按年产1000万吨铁、焦炭价格2000元/吨计算，焦比降低1kg/t，年节约成本即达2000万元。将标准检测用于优化配矿，稳定提升RDI，其降本效益可直接转化为利润。高炉稳定顺行带来的利用系数提升与增产效益计算1原料粉化率低，高炉透气性好，炉况稳定顺行，使得高炉能够接受更高的风量和富氧，从而实现利用系数（吨铁/立方米·天）的提升。避免因粉末过多导致的悬料、崩料等事故，减少非计划休风时间，相当于增加了有效生产时间。通过对比使用优质稳定炉料前后高炉的利用系数和作业率，可以计算出增产的吨铁量。这部分增量产品的边际利润非常高，因为固定成本已被摊薄，增产部分几乎全是毛利，是原料性能优化带来的巨大效益。2减少炉尘损失与煤气清洗系统运维成本的综合经济效益铁矿石粉化产生的细小粉末（RDI-0.5mm）很大一部分会随煤气逸出，成为炉尘损失。这部分粉尘含铁量高，是直接的铁元素损失。通过改善原料RDI，降低炉尘发生量，可直接减少铁损。同时，煤气中含尘量降低，减轻了重力除尘器和布袋除尘器的负荷，延长了滤袋寿命，降低了反吹能耗和维修频率。将减少的铁元素价值和降低的环保设施运维成本进行量化，也是原料精细化管理带来的可观效益组成部分。延长高炉寿命与降低大修成本的长期投资回报分析炉内粉末多、气流分布不均，易导致高炉炉墙结厚或结瘤，破坏炉型，加剧炉衬侵蚀。长期使用劣质粉化严重的原料，会缩短高炉的一代炉龄。而使用RDI性能优异的炉料，有助于维持合理的煤气流分布和稳定的操作炉型，保护炉衬，从而延长高炉寿命。一次高炉大修耗资数以亿计，且停产造成巨大产量损失。将延长炉龄所避免的大修成本和减产损失，分摊到每年的原料成本中，会显着摊薄优质原料的采购溢价，甚至显示出更高的长期经济性。应对复杂矿源的挑战：专家指南——如何运用标准方法科学评估与灵活使用非主流矿、复合矿及低价矿非主流矿与复合矿的RDI性能特征分析与风险点识别非主流矿（如某些高磷矿、高铝矿）和复合矿（多种矿物混杂）的矿物组成和结构往往复杂多变。其RDI性能可能呈现较大波动性或特殊规律。例如，某些含结晶水或碳酸盐的矿石在低温区除了还原膨胀，还伴随分解气体逸出造成的爆裂。运用GB/T31923.2-2015进行系统测试时，需重点关注其粉化产物的粒度分布特征（是均匀粉末还是大块碎裂）和还原过程中的异常现象（如爆鸣声）。识别出主要风险点是制定使用方案的前提，如判断其不适合单独使用，只能小比例配用。0102基于标准数据的“扬长避短”式配矿方案设计对于RDI性能有缺陷但其他方面（如品位、价格）有优势的复杂矿，不能简单弃用，而应通过科学配矿“化腐朽为神奇”。核心是利用标准数据，将不同性能的矿石进行优化组合。例如，将一种还原性好但RDI差的矿石A，与一种还原性稍差但RDI优异的矿石B进行搭配。在配矿模型中，以整体炉料的RDI和还原性满足要求为约束条件，求解成本最低的配比。通过配料，让性能互补，在满足高炉基本需求的前提下，最大化利用低价资源，降低综合成本。预处理与改性工艺对劣质矿RDI的改善效果评估1对于有战略价值或价格优势显著的劣质矿，可考虑通过预处理改善其性能。例如，对某些易粉化的矿石进行细磨-再造块（制粒或压块），改变其微观结构；或添加少量改质剂（如硼化物、石灰等）在造块过程中优化粘结相。处理后的产品，必须重新按照GB/T31923.2-2015进行评价，量化其RDI的改善幅度。将改善后的性能数据代入配矿模型，并计算预处理增加的成本，与使用主流矿或配矿方案进行经济性比较，为投资预处理工艺提供决策依据。2建立复杂矿源动态评价与使用决策的快速响应流程1面对来源杂、批次性能波动大的复杂矿，需建立高效的决策流程：1)新矿种到港前，即取样进行标准RDI测试，获取基础数据；2)根据结果，由技术部门会同采购、生产部门进行初评，划定风险等级和使用原则（如“可单独用”、“需配用”、“需小批量试用”）；3)试用期间，加强高炉相关参数的监