10:47 03.08.2021 |
5625 просмотров
Абинский ЭлектроМеталлургический завод запустил интеллектуальную систему «Помощник сталевара». Она используется в электросталеплавильном цеху для определения оптимального расхода ферросплавов при процессе выплавки стали. Решение разработано центром машинного обучения «Инфосистемы Джет».
В процессе выплавки стали необходимо учитывать множество факторов и требований для достижения заданных параметров качества. Для получения стали определенной марки сталевару нужно добавлять в расплавленный металл ферросплавы — дорогостоящие добавки, придающие стали нужные свойства. Основываясь на своем опыте, специалист электроплавильного цеха самостоятельно прогнозирует содержания элементов в составе выплавляемой стали и принимает решение о количестве добавок.
Благодаря опыту и квалификации специалистов заводу удается обеспечивать высокое качество стали разных марок. Однако у ручного режима есть свои недостатки: относительно большое количество времени на принятие решения и неоптимальный расход ферросплавов.
Для автоматизации процесса на Абинском ЭлектроМеталлургическом заводе решили создать интеллектуальную систему на основе технологий машинного обучения, которая прогнозирует и рекомендует точное количество ферросплавов для каждой плавки. Цель проекта – сохранив качество стали, оптимизировать производство путем снижения расхода ферросплавов.
Интеллектуальная система поддержки принятия решений для сталевара внедряется на ограниченном количестве типов металлов. Она будет рассчитывать минимально необходимые добавки для попадания в требования марки стали, основываясь на технологических картах и физико-химических параметрах конечной продукции, а затем выводить подсказки (прогнозы и рекомендации) в интерфейс системы. Это — «круиз-контроль» для сталевара, который не заменит оператора, а станет советчиком по дальнейшим действиям. Также разработанная система будет интегрирована c озером данных.
В ходе второго этапа проекта выполняется интеграция с источниками данных и разрабатываются интерфейсы для удобной работы с системой. Следующий этап разработки — накопление данных, улучшение, адаптация, расширение функциональности и ландшафта применимости сервиса.
Теги: Искусственный интеллект
Инфосистемы Джет
Машинное обучение
На ту же тему:
Segezha Group внедряет искусственный интеллект в производство
Производитель крафт-бумаги и бумажных мешков Segezha Group создает систему, прогнозирующую возникновение брака и остановку работы бумагоделательного оборудования. Инструменты предиктивной аналитики с применением методов машинного обучения разработаны компанией «Инфосистемы Джет».
«Северсталь» повысила надежность работы стана 5000
Череповецкий металлургический комбинат внедрил на стане 5000 колпинской производственной площадки модель машинного обучения, которая помогает избегать аварийных простоев агрегата из-за поломок электродвигателей.
«Росгосстрах» персонализирует тарифы по каско с помощью ИИ
«Росгосстрах» обновил модели машинного обучения, позволяющие учитывать влияние пространственных данных на степень аварийности. ИИ помогает компании повышать качество оценки рисков и лучше персонализировать тарифы, делая автострахование более справедливым для клиентов.
«Магнит»: максимизация ценности клиентов
Максим Горынцев, руководитель управления развития ценностью клиентов сети «Магнит», – о создании инструмента, позволяющего провести оптимизацию взаимоотношений с клиентами и сфокусироваться на повышении их лояльности и вовлеченности, помогая в формировании стратегии удержания и увеличения ценности клиентов.
X5: как ИИ «поставить на поток»
Артем Ерохин, ведущий менеджер по работе с большими данными X5 Group, – о создании платформы AI-RUN Business Platform, позволяющей радикально ускорить процессы внедрения решений на основе искусственного интеллекта.
/13263623/i_144.jpg)
/13260452/i_144.jpg)
