Умная металлургия: как нейросеть развивает отрасль?
Словосочетание «искусственный интеллект», или как его сокращённо называют ИИ — сейчас один из самых популярных поисковых запросов. ИИ стремительно ворвался в нашу жизнь, и его соседство мы только начинаем ощущать. Тем не менее, на государственном уровне это уже вопрос решённый — без искусственного интеллекта технический прогресс не возможен.
Весной это года российское правительство признало это, совместно с экспертами рынка определив приоритеты по внедрению технологий ИИ в российскую экономику. Было отобрано 70 наиболее перспективных решений, сгруппированных по 14 направлениям пяти стратегически важных отраслей. Металлургия — одно из них. Ключевой документ, определяющий политику государства в этой сфере: «Национальная стратегия развития искусственного интеллекта до 2030 года». Наряду с металлургией приоритет в развитии ИИ есть у сферы транспорта, сельского хозяйства, здравоохранения, строительства.
По мнению
Если кратко, то эксперты считают, что внедрение
Одна из важнейших сфер — это безопасность на производстве. Модель ИИ, обрабатывающая всю информацию онлайн и на основе исторических данных, формирует рекомендации. По ним сотрудники предприятий, например, могут управлять плавильным процессом.
Итак, разберёмся, какие решения уже внедрены в наших ведущих компаниях отрасли?
Магнитогорский металлургический комбинат (ММК)
На ММК работает цифровой ассистент коммерческой дирекции компании. Созданный на базе платформы Naumen инструмент оперативно обрабатывает обращения внутренних заказчиков и внешних поставщиков предприятия и предоставляет сведения о процессе закупок.
Из открытых источников
Доступный в режиме 24/7
«Норильский никель»
Сегодня в «Норникеле» наиболее активно внедрение искусственного интеллекта происходит на этапе обогащения руды. Проекты по автоматизации обогащения руды можно условно разделить на два типа: «цифровые двойники агрегатов» и «цифровые двойники технологов». Первые позволяют лучше следить за работой оборудования, а вторые воспроизводят действия человека, оптимальные в тех или иных условиях.
Переработка и обогащение начинаются с дробления и измельчения руды. Перемолотая до состояния песка, она смешивается с водой и химическими реагентами, и уже из этой пульпы сепарируют и сгущают концентрат для переплавки в чистый металл. Для сепарации чаще всего применяют метод флотации, в ходе которого разделяются частицы с разными свойствами. Выход процесса флотации зависит от концентрации различных реагентов и от подачи воздуха, который заставляет пульпу пузыриться, — именно на границе между водной и воздушной средами разделяются её компоненты. Автоматизация управления этими параметрами и стала первым звеном проекта «Цифровая фабрика». Первой опытной площадкой стала Талнахская обогатительная фабрика — одно из самых современных предприятий в структуре «Норникеля». Внедрение «цифрового двойника технолога» для контроля за работой флотационных машин позволило увеличить извлечение никеля на 0,5%.
На Талнахской обогатительной фабрике существует проект «Цифровая фабрика ТОФ», которая помогает внедрять на производстве цифровые технологии, которые повышают производительность труда
С учётом масштабов производства итоговые суммы получаются довольно внушительные. Повышение извлечения готового продукта всего на полпроцента приносит Талнахской фабрике десятки миллионов долларов дополнительной прибыли в год. Сейчас аналогичные проекты внедряются и на других предприятиях «Норникеля» — в Забайкалье, Заполярном и Мончегорске.
Машинное зрение помогает контролировать состояние руды при её дроблении и измельчении, и анализировать происходящее внутри мощных мельниц. Сегодня цифровые проекты начинают покрывать всё больше процессов, связанных с обогащением руды.
На Талнахской обогатительной фабрике отделяют полезные минералы от примесей
Разработка каждого такого проекта обычно занимает несколько месяцев, хотя многое здесь зависит от доступности оборудования и возможности сбора достаточного количества информации. Если требуется обучить нейросеть определять размеры камней на конвейере, то нужные данные можно накопить всего за несколько дней: руда движется на ленте быстрым и непрерывным потоком. Однако некоторые события на производстве случаются реже, и на сбор необходимого материала может потребоваться полгода. Тем не менее, программисты шаг за шагом приближаются к максимально глубокой автоматизации работы предприятий «Норникеля».
«Северсталь»
В области управления качеством продукции можно отметить проект по распознаванию дефектов металла на изображениях с помощью нейросетей. Сейчас такие нейросети работают на агрегате поперечной резки в цехе отделки металла ЧерМК (сеть EVE), на самом производительном стане горячей прокатки в России —
Решение для управления темпом проката на основе машинного обучения «Автотемп 2.0» — программный комплекс по оптимизации графика посада и управлению темпом прокатки и выдачей слябов из печей на основе моделей машинного обучения. Решение внедрено на стане 2000 Череповецкого металлургического комбината.
«Северсталь» увеличила производительность стана 2000 с помощью машинного обучения
«Автотемп 2.0» позволяет рассчитать и настроить оптимальную паузу перед выдачей слябов из нагревательной печи стана и тем самым увеличить его производительность. Ранее оператор вычислял необходимое время извлечения сляба самостоятельно,
Ранее специалисты листопрокатного цеха в Колпине управляли скоростью прокатки слябов на листопрокатном стане 5000 вручную, регулируя показатели скорости при помощи реостата. При этом оператору стана приходилось одновременно управлять агрегатом, а также следить за проходом и качеством металла во избежание дефектов.
Широкополосный
При определении скорости прокатки не всегда учитывались сортамент продукции и цикличность проката, поэтому показатели могли быть занижены и стан работал не на полную мощность. Для листопрокатного стана 5000 был разработан комплекс моделей на базе машинного обучения, который позволил увеличить производительность стана на 6,5% относительно года внедрения. Модели управляют участком нагревательных печей (управление нагревом слябов) и клетью кварто (управление скоростью проката), на транспортировочной линии цифровой советчик выдаёт рекомендации по управлению выдачей слябов. Модель ускорила стан до 4,5
В «Северстали» также выделяют проект по повышению производительности агрегата непрерывного горячего цинкования № 4 ЧерМК. Агрегат предназначен для непрерывной термохимической обработки стальной полосы для защиты от коррозии. Ранее оператор вручную управлял скоростью полосы и параметрами печи термохимического отжига. При этом для верного определения скорости оператору было необходимо контролировать несколько десятков параметров. Более того, ему приходилось определять их состояния в будущем, что довольно сложно, учитывая значительную инерционность некоторых параметров.
«Мы внедрили на агрегате комплекс моделей на основе правил технологии, физического моделирования, машинного обучения, а также моделей регулирования с обратной связью. Повышение производительности достигается за счёт оптимального управления скоростью технологической части агрегата и параметрами печи термохимического отжига, в том числе при смене производимого сортамента. Решение помогло увеличить объём производства оцинкованного проката на 3,4% за 3 месяца», — рассказали «Про Металлу» в