Процесс выплавки стали — очень сложный и трудоемкий процесс, — сталевару 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.
«Команда “Инфосистемы Джет” доказала применимость рекомендательной системы уже на первом этапе и принялась за интеграцию сервиса на основе ML в информационные системы завода, — говорит Анатолий Маслов, Директор по ИТ управляющей компании Новосталь-М. — Надеюсь, что его внедрение повысит не только качество работы сталеваров, но и компетенции сотрудников по работе с информационными системами».
Интеллектуальная система поддержки принятия решений для сталевара пока 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 Data Lake заказчика для оперирования данными.
В ходе второго этапа проекта выполняется интеграция с системами источников заказчика, разрабатываются интерфейсы для работы с системой, в результате система будет развернута в продуктивном сегменте. Следующий этап разработки — накопление данных, улучшение, адаптация, расширение функциональности и ландшафта применимости сервиса.
«Рекомендательная система— это кастомная разработка с применением ML. Опыт и компетенции нашей команды, а также глубокое погружение в предметную область позволяет быстро понять, что требуется заказчику и каким образом возможно решить его задачу. Хочу отметить, что представители завода оказали нам всестороннюю поддержку по описанию технологических процессов на производстве, — говорит Сергей Поняев, руководитель проекта от “Инфосистемы Джет”. — Положительные результаты первого этапа работ позволяют перейти на новый этап сотрудничества с АЭМЗ».