Сервис предиктивной аналитики от Accenture поможет измерить 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", - отметил 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. Ссылка на источник