AI сделал эффективнее работу прокатного стана на НЛМК | iot.ru Новости Интернета вещей
91.98 € 100.2

AI сделал эффективнее работу прокатного стана на НЛМК

Новолипецкий металлургический комбинат внедрил сервис для ускорения работы стана горячей прокатки. Математическая модель машинного обучения, на которой построен сервис, помогает операторам оптимизировать процесс проката металла на «Стане 2000». Решение поможет предприятию получить около 30 млн рублей дополнительного дохода в год.

Прокатный стан в металлургическом производстве — это комплекс оборудования, который с помощью прокатных валков раскатывает нагретый металл и превращает его в листовой прокат. На прокатный стан подают сплавы разного химического состава для производства стали различных марок. Стан работает непрерывно: круглые сутки и без выходных. Чтобы слябы не сталкивались и не соединялись, они должны двигаться с определёнными промежутками. Чем они меньше, тем больше слябов можно прокатать за единицу времени и тем выше производительность всего стана. Но при слишком маленьких разрывах между слябами резко увеличивается вероятность брака и аварийной остановки стана, поэтому операторы традиционно рассчитывают расстояние с запасом.

Новый рекомендательный сервис на базе машинного обучения (ML) обрабатывает набор меняющихся параметров (состав стали, температура нагрева, характеристики готовой продукции и т.д.) и в режиме реального времени предоставляет операторам прокатного стана рекомендации по оптимальному интервалу подачи слябов и управлению скоростью их движения. За счёт этого выработка прокатного стана увеличивается в среднем на 3,5 часа в месяц.

Для обучения математической модели, которая стала основой рекомендательного сервиса, специалисты обработали огромные массивы данных за последние 2,5 года. Эксперты исследовали исторические данные с датчиков температуры, давления, скорости движения и другого регистрирующего оборудования, и исключили параметры, которые не оказывают значимого влияния на скорость движения слябов по прокатному стану. Помимо показателей самого стана алгоритмы машинного обучения учитывают в рекомендациях типы и марки сплавов в заготовках. Все данные о работе «Стана 2000», как и другая информация о производстве, хранятся в Data Lake.

Проект реализован компанией «Инфосистемы Джет».

Подписаться на новости Обсудить

Назад

Комментарии

Текст сообщения*
Защита от автоматических сообщений