КОДОВОЕ СЛОВО?
Надеждинский металлургический завод активно применяет ИИ
Для операторов цеха обезвоживания и складирования концентрата (ЦОСК) и технологов плавильного цеха Надеждинского металлургического завода запустили системы-советчики по оптимизации технологического процесса. Они контролируют точность смешивания концентратов и помогают вести плавку в печи.
КОДОВОЕ СЛОВО?
Системе задается цель на получение сгущенного никель-сульфидного концентра (СНСК) — это основное сырьее для печи взвешенной плавки (ПВП) по содержанию никеля, серы и по плотности. Затем получает данные по химическому составу концентратов, поступающих с обогатительных фабрик и гидрометаллургического передела, и выдает рекомендацию, в какой пропорции необходимо их смешать для достижения заданных значений.
«Разработанная система-советчик по сути является головой всего процесса. Речь идет о качестве продукции, от приготовления концентрата зависит содержание в штейне полезных химических элементов – меди, никеля, кобальта. Важным элементом, содержащимся в концентрате, является еще и сера, которую тоже необходимо подбирать в оптимальном соотношении. Для того чтобы на дальнейших переделах процессы происходили правильно», – сообщил руководитель проекта по ЦОСК Роман Бельский.
Вторая система – система-советчик ПВП – используется для подбора оптимального коэффициента кислорода и позволяет стабилизировать качество продуктов в печи взвешенной плавки.
Системы-советчики созданы при помощи искусственного интеллекта на базе ML-модели. Это алгоритмы, основанные на методах машинного обучения, задачей которых являются анализ телеметрии объекта мониторинга и обнаружение аномалий. ML-модели создаются для конкретного объекта мониторинга с учетом особенностей объекта и характеристик данных телеметрии. В нашем случае модели в зависимости от входящих с различных источников данных подбирает правильные коэффициенты для расчета нужного результата. Системы разработаны российскими компаниями, которые имеют опыт создания IT-продуктов для крупных банков и промышленных корпораций на основе искусственного интеллекта.
Опытно-промышленные испытания оптимизационных решений проводились в несколько заходов, каждый из которых был длительностью один месяц.
«Вместе с экспертами мы добились того, что во время испытаний точность «попадания» в требуемое качество продуктов стало на 23 процента выше, чем в схожие по определенным критериям исторические периоды до внедрения системы. Мы достигли поставленных в этом проекте целей, признали его успешность и уже запланировали дальнейшее развитие совместно с представителями заказчика со стороны производства», – поделился Роман Бельский.
