Цифровой советчик с использованием искусственного интеллекта и больших данных позволяет контролировать температуру стали в промковше. Показатель является критически значимым, так как если при разливке стали ее температура упадет ниже определенного минимума, это приведет к остановке производственного процесса. Перегрев же металла повышает себестоимость продукции и негативно сказывается на ее качестве.
Сложность заключается в том, что для каждой марки стали существуют свои технологические параметры и нормативы. Решение потребовало машинного обучения математической модели на основе больших данных. Сейчас сервис в онлайн-режиме дает рекомендации пользователям по определению оптимальной температуры плавки, что приносит прямой экономический эффект за счет снижения расхода электродов и электроэнергии в процессе производства стали.
Созданный продукт в режиме реального времени оценивает десятки параметров плавки, прогнозирует теплопотери, простои и рекомендует оптимальную температуру стали для минимизации затрат и безаварийной разливки. Исторически сталевары и мастера электросталеплавильного цеха руководствовались в работе огромным собственным опытом, однако математические модели позволяют действовать точнее и эффективнее.
Как отмечает Юрий Волошин, руководитель направления операционной эффективности дивизиона «НЛМК-Сорт», после запуска сервисов на базе машинного обучения температуру в промковше удалось снизить на несколько градусов, что позволило оптимизировать расход энергоресурсов при обработке металла и экономить более 10 млн руб. в год. Это не предел, и эффект будет только расти, за счет масштабирования решения на аналогичный агрегат второй технологической линии и расширения показателей для оптимизации.
В дополнение к рекомендательному сервису, Accenture разработала набор отчетов для специалистов и руководителей, позволяющий отслеживать, контролировать и анализировать ключевые метрики технологического процесса, а также выявлять и прорабатывать возможные отклонения от рекомендаций сервиса.
