В 2025 году на предприятиях Мончегорска и Заполярного планируют к запуску ML-кластер, который позволит прогнозировать параметры работы оборудования и процессов, контролировать и при необходимости корректировать их.
Кольская ГМК — станет одним из первых предприятий «Норникеля», на котором будет применен новый ML-кластер — он предназначен для повышения эффективности и автоматизации управления технологическими процессами на промышленных объектах.
«ML-кластер — это экосистема для развертывания решений на базе машинного обучения с настройками всех необходимых интеграций и удовлетворением требований информационной безопасности. Проще говоря, это общая система для инновационных решений на базе искусственного интеллекта (ИИ), которая упрощает не только процесс внедрения инициатив, но и управление ими», — подчеркнул главный менеджер департамента по инновациям и цифровым технологиям Кольской ГМК Ярослав Крайнюченко, Ярослав Крайнюченко.
ML-кластер дает не только возможность оптимизации технологических процессов, прогнозирования отказов и планирования обслуживания, но и мониторинга состояния оборудования и процессов, автоматизации управления, масштабирования и адаптации под изменяющиеся условия.
По словам начальника отдела поддержки и развития цифровой платформы «Озеро данных» «Норникель Спутник», руководителя Big Data «Норникель» Мансура Гасратова, идея создания концепции гео-распределенной инфраструктуры ML-кластеров на производственных площадках в регионах присутствия компании появилась в конце 2023 года у направления Big Data (Озеро данных) «Норникеля».
«Первый такой производственной площадкой, кому была предложена данная концепция, стала Кольская ГМК – мы обратились в департамент по инновациям и цифровым технологиям. Идея была поддержана руководством Кольской ГМК. Весной 2024 года начались активные работы по проектированию первого в компании ML-кластера с участием главного офиса «Норникеля» с привлечением экспертов и инженеров Кольской ГМК», — пояснил Мансур Гасратов. Платформы подобного класса в большой степени предназначены для сокращения времени от начала разработки идеи до выхода конечного продукта на рынок (или так называемое «time-to-market/time-to-product»). Теперь сроки реализации цифровых производственных проектов будут намного меньше за счет отсутствия необходимости многократного проектирования и реализации интеграционной инфраструктуры.
«Также будет снижена аналитическая нагрузка на системы управления и диспетчеризации производства», — добавил Мансур Гасратов.
Уникальность проекта и в том, что при разработке использовались отечественные платформы.