Accenture разработала для НЛМК сервис предиктивной аналитики для измерения температуры стали

Компания Accenture разработала для Группы НЛМК цифровой сервис предиктивной аналитики, который помог повысить эффективность производства стали на заводах НЛМК-Калуга и НЛМК-Урал.

Цифровой советчик с использованием искусственного интеллекта и big data позволяет контролировать температуру стали в промковше. Показатель является критически значимым, т.к. если при разливке стали ее температура упадет ниже определенного минимума, это приведет к остановке производственного процесса, тогда как перегрев 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», – рассказал Алексей Сергеев, руководитель ИИ-проектов Accenture в России.

Работа над цифровым продуктом стартовала весной 2020 года. На стадии PoC (Proof of Concept) было проверено множество гипотез и на основе анализа больших данных были реализованы первые прогнозные модели, выявлен потенциальный эффект от внедрения решения.

На этапе MVP (minimum viable product) был получен рабочий рекомендательный сервис для сталеваров и мастеров сортового дивизиона, использование которого уже приносит ожидаемую бизнес-выгоду.

«После запуска сервисов на базе машинного обучения и Big Data температуру в промковше снизили на несколько градусов, что позволило оптимизировать расход энергоресурсов при обработке металла на установке «Печь-ковш» и получать экономический эффект более 10 млн рублей 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 с помощью сервиса», – подчеркнул Юрий Волошин, руководитель направления операционной эффективности дивизиона «НЛМК-Сорт».

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.

«Успех любого цифрового продукта напрямую связан с уровнем вовлеченности ключевых участников от ИТ и бизнеса. С самого начала нам удалось организовать полноценную продуктовую команду, объединить усилия и опыт сталеваров, мастеров, технологов, руководителей производства, так что сервис сразу стал органичной частью производственного процесса», – подчеркнул Юрий Волошин.

accenture.com

Поделиться:
Спецпроект

Spot Wave: NetApp оптимизирует облачную инфраструктуру

Подробнее
Спецпроект

Цифровая перезагрузка лесного комплекса

Подробнее

Подпишитесь
на нашу рассылку