16:02 22.06.2020 |
3625 просмотров
Новолипецкий металлургический комбинат запустил сервис для ускорения работы стана горячей прокатки. Математическая модель машинного обучения, на которой построен сервис, помогает операторам оптимизировать процесс проката металла на «Стане 2000». Решение поможет предприятию получить около 30 млн руб. дополнительного дохода в год.
Прокатный стан в металлургическом производстве — это комплекс оборудования, который с помощью прокатных валков раскатывает нагретый металл и превращает его в листовой прокат. На прокатный стан подают сплавы разного химического состава для производства стали различных марок. Стан работает непрерывно: круглые сутки и без выходных. Чтобы слябы не сталкивались и не соединялись, они должны двигаться с определенными промежутками. Чем они меньше, тем больше слябов можно прокатать за единицу времени и тем выше производительность всего стана. Но при слишком маленьких разрывах между слябами резко увеличивается вероятность брака и аварийной остановки стана, поэтому операторы традиционно рассчитывают расстояние с запасом.
Новый рекомендательный сервис на базе машинного обучения обрабатывает набор меняющихся параметров (состав стали, температура нагрева, характеристики готовой продукции и т.д.) и в режиме реального времени предоставляет операторам прокатного стана рекомендации по оптимальному интервалу подачи слябов и управлению скоростью их движения. За счет этого выработка прокатного стана увеличивается в среднем на 3,5 часа в месяц.
Для обучения математической модели, которая стала основой рекомендательного сервиса, специалисты «Инфосистемы Джет» обработали огромные массивы данных за последние 2,5 года. Эксперты исследовали исторические данные с датчиков температуры, давления, скорости движения и другого регистрирующего оборудования, и исключили параметры, которые не оказывают значимого влияния на скорость движения слябов по прокатному стану. Помимо показателей самого стана, алгоритмы машинного обучения учитывают в рекомендациях типы и марки сплавов в заготовках. Все данные о работе «Стана 2000», как и другая информация о производстве, хранятся в озере данных.
Теги: Большие данные
Искусственный интеллект
Инфосистемы Джет
большие данные, нлмк, искусственный интеллект, машинное обучение, инфосистемы джет
На ту же тему:
МТС планирует сеть с помощью ИИ
МТС задействовала искусственный интеллект для планирования мобильной сети во всех регионах России. Использование ИИ в аналитике больших данных позволит прогнозировать потенциальную доходность инвестиций в развитие телеком-инфраструктуры в регионах с точностью более 75% и улучшить качество покрытия территорий.
Webiomed: искусственный интеллект на страже здоровья
Александр Гусев, директор по развитию системы Webiomed, — о развитии платформы, использующей искусственный интеллект как для поддержки принятия врачебных решений, так и для решения управленческих аналитических задач.
Россельхозбанк построил озеро данных
Россельхозбанк создал озеро данных для консолидации и глубокого анализа клиентских данных. Проект реализован с применением концепции стратегического управления данными (data governance) и позволит банку уже в текущем году значительно улучшить финансовые показатели за счет формирования таргетинговых предложений для клиентов.
АЭМЗ экономит ферросплавы с помощью искусственного интеллекта
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».