По цифровой зрелости металлургия отстаёт от других секторов на 40%, подсчитали в Boston Consulting Group (BCG). При этом эксперты уверены, что у искусственного интеллекта (ИИ) большие перспективы в отрасли — это и управление технологическими процессами (выплавка, разливка, прокатка), и определение неполадок в работе оборудования на этапе его эксплуатации до выхода из строя, и контроль безопасности на производстве. Но на Западе пошли ещё дальше, теперь ИИ будет самостоятельно находить дорогие металлы.
Что такое искусственный интеллект?
Искусственный интеллект (англ. artificial Intelligence) — это способность компьютера обучаться, принимать решения и выполнять действия, свойственные человеческому интеллекту. ИИ создавали по принципу работы нейронов головного мозга, которые образуют связи друг с другом. Благодаря этим процессам люди рассуждают, строят гипотезы и делают выводы. Нейробиологи продолжают изучать мозг, а IT-специалисты используют их открытия, чтобы учить машины думать с помощью технологии искусственного интеллекта.
Последняя крупная новость из рубрики «ИИ в металлургии»: вход в бизнес самой верхушки элиты — Билла Гейтса (Microsoft), Джеффа Безоса (Amazon) и Ричарда Брэнсона (Virgin) в совместный проект, который может изменить отрасль навсегда.
Американский старт-ап KoBold Metals, который содержат как раз вышеупомянутые миллиардеры, вложит $150 млн в приобретение контрольного пакета акций медного проекта Мингомба в Замбии. Бизнес-модель KoBold заключается в том, что она прогоняет различные данные, начиная от старых результатов бурения до спутниковых снимков, через систему искусственного интеллекта для поиска участков перспективных на залежи «аккумуляторных» металлов. Компания работает над созданием карт земной коры в духе Google Maps с акцентом на поиск залежей кобальта, используемого при производстве аккумуляторов для электротранспорта.
Исследователи заявляют, что обнаружили более десятка таких мест в Канаде, Австралии, Замбии, Гренландии и KoBold создала ряд совместных предприятий по поиску данных месторождений. По данным геологоразведки, месторождение Мингомба содержит 247 млн т руды со средним содержанием меди 3,64%. Это, к примеру, в шесть раз превышает среднее качество руды в Чили.
KoBold не выкупает их доли, а присоединяется к проекту в качестве «старшего» партнёра. Предполагается, что она использует свои технологии искусственного интеллекта для определения наиболее оптимальной организации добычи меди на месторождении.
Медно-кобальтовый рудник Мингомба в Замбии считается крупнейшим в мире неосвоенным крупным месторождением оранжевого металла
В России искусственный интеллект в металлургии уже давно стоит на службе, а точнее на «побегушках», чаще его используют в автоматизации.
«И если практика цифровизации производственных и бизнес-процессов уже является повседневной, то применение решений на базе методов искусственного интеллекта только входит в обиход крупнейших представителей отрасли», — отмечает к.т.н., доцент кафедры автоматизированных и информационных систем управления СТИ НИТУ «МИСиС» Дмитрий Полещенко.
По его словам, внесение изменений в алгоритмическое и программное обеспечение систем управления не требует значительных капитальных затрат, возникающих, например, при замене существующего оборудования. И это в первую очередь выгодно с экономической точки. Основной областью применения машинного обучения являются однообразные типовые задачи, что позволяет освободить человека от рутинной деятельности.
К примеру, сейчас учёные Ярославского и Череповецкого госуниверситетов разрабатывают уникальный алгоритм технического зрения. Система должна самостоятельно установить размеры кусков кокса на конвейере доменной печи и точно определить, сколько жидкой стали разлито в специализированном стальковше.
Популярными в последнее время стали проекты по созданию «цифровых двойников» оборудования, когда на основе ретроспективной информации создаётся математическая модель технологического объекта.
В качестве удачного примера использования ИИ Дмитрий Полещенко приводит проект по разработке системы машинного зрения, способной распознавать цифры клейма на литой заготовке, который был выполнен научным коллективом кафедры АИСУ СТИ НИТУ «МИСиС» и внедрён на АО «ОЭМК им. А.А. Угарова».
«Это решение освободило оператора от необходимости сличения номера каждой поступающей заготовки с планом, теперь это происходит в автоматическом режиме», — описал разработку Дмитрий Полещенко.
Чтобы в металле не возникали дефекты, важно соблюдать технологические условия. Программисты обучают модель выявлять диапазоны режимов, которые могут привести к браку
В Череповецком государственном университете разработана система непрерывной оценки гранулометрического состава и фракционного состава горной массы с возможностью адаптации под различную номенклатуру сыпучих материалов и условий производств.
«Нами проведено исследование алгоритмов сегментации цифровых изображений для систем технического зрения на металлургическом производстве. Эти системы позволят более эффективно управлять технологическими процессами на предприятии», — подчёркивает проректор по научной работе Череповецкого государственного университета Ольга Лягинова.
Очевидно, что интеллектуализация производственных процессов позволяет значительно снизить ресурсные издержки и одновременно повысить качество производимой продукции.
Правда, по мнению к.т.н., старшего научного сотрудника Международного исследовательского института интеллектуальных материалов Южного федерального университета Олега Карташова, реальных «оптимальных» решений того, как ИИ интегрировался в металлургию, пока нет, а некоторые из них существуют на уровне концепций в научных трудах. Но безусловно есть направления, которые уже сейчас активно прорабатываются для внедрения ИИ.
Эксперт выделяет:
- Дискриминативные и генеративные модели машинного обучения, которые часто применяются при разработке цифровых моделей и двойников производственных процессов;
- Модели нейронных сетей, используются в качестве инструментов аналитики больших технологических и операционных данных для реализации цифровых «умных» производственных площадок;
- Системы машинного и технического зрения, обеспечивающие мониторинг хода производственных процессов и гарантирующие безопасную производственную среду для сотрудников, а также высокий уровень контроля качества продукции.
«Именно в таком виде применение технологий искусственного интеллекта в отечественной металлургии имеет выгодные перспективы для промышленности и экономики страны в целом. Интеллектуализация геологоразведки поможет обнаруживать новые месторождения востребованных металлов. Цифровые двойники отдельных технологических процессов или целых производственных площадок позволят осуществлять эффективные мониторинг и управление предприятиями чёрной и цветной металлургии. Системы обработки естественного языка автоматизируют проведение маркетинговых исследований и реализуют более удобный формат взаимодействия с потенциальными клиентами», —
Все опрошенные эксперты сходятся в том, что с приходом ИИ на производствазначительно повысится конкурентоспособность отечественных металлургических предприятий и произойдёт качественный переход к новому формату экономики.
Если брать крупные компании, то возьмём в качестве успешного примера «Северсталь», которая за несколько лет внедрила более 40 цифровых решений.
Система контроля состояния оборудования «Надежность» снизила ремонтные затраты на 40% и повысила коэффициент технической готовности оборудования на 3%
Только система на основе ИИ-технологии reinforcement learning (глубокого обучения с подкреплением) на одном из агрегатов повысила его производительность на 6,5%. Это примерно 100 тыс. т дополнительного металла в год. А применение моделей на основе экспертных правил, физического моделирования, машинного обучения и моделей регулирования с обратной связью подняли производительность другого агрегата на 3,4%. Экономический эффект — более 100 млн сэкономленных рублей.
«Отечественными металлургическими компаниями-лидерами в области цифровой трансформации можно смело назвать НЛМК, «Северсталь», «Металлоинвест». Перечень успешных кейсов, внедрённых на предприятиях, впечатляет не только глубиной проработки вопроса, но и масштабом охвата переделов производства, что однозначно подтверждает востребованность и необходимость применения искусственного интеллекта в металлургии», — заключает Дмитрий Полещенко из МИСиС.
