На площадке Astana Hub прошла meet-up (встреча) ключевой команды компании BTS, входящей в ERG, по внедрению искусственного интеллекта (ИИ) на предприятиях Евразийской Группы со студентами и специалистами, интересующимися работой в сфере больших данных.
ИИ сейчас применяется во многих отраслях: ритейл, финансы, телеком, дистрибуция, промышленность, однако совершенно по-разному. В потребительской сфере его технологии более продвинуты, прикладная их часть специфически адаптирована для каждой отрасли. В промышленности же для внедрения решений часто не хватает качественных данных с производства, рассказал руководитель управления промышленного ИИ BTS Дмитрий Карбасов.
По его словам, компания BTS, которая в этом году отмечает 10 лет, уже начала несколько пилотных проектов на предприятиях группы. Один из проектов ведется на Аксуском ферросплавном заводе. Стоит задача реализовать модель ИИ для оптимизации работы электродуговой печи. Процесс плавки очень сложен с физической и химической точки зрения, получить точную информацию о состоянии технологического процесса внутри печи за счет датчиков сложно из-за высокой температуры и сильных магнитных полей. При этом у каждой печи есть свои отдельные признаки и особенности, которые нужно учитывать при принятии решения о том, что с ней нужно делать.
Заводские бригадиры-операторы, контролирующие процесс выплавки, определяют состояние техпроцесса в печах на экспертном уровне, но каждый по-разному. В их распоряжении есть ограниченное количество информации, в основном правильность работы печи оценивается экспертно, по уровню потребляемой мощности и динамике ее изменения. В расчет берутся такие трудно формализуемые показатели, как цвет пламени, запах. В условиях такой неопределенности по параметрам технологи постоянно находятся в риске принятия ошибочных решений, которые могут вылиться в технологическое расстройство печей, а значит, их охлаждение, простои и производственные потери.
Применение технологий интеллектуального анализа и машинного обучения позволило разработать модели объективного контроля состояния техпроцесса и оптимизации режима работы оборудования. Стоит отметить, что первые полученные результаты по определению состояния печи получили подтверждение у производственников. Теперь предстоит на экспериментальной основе проверить правильность получаемых рекомендаций по оптимизации работы печи.
Масштабируемость у проектов ИИ в промышленности есть, отметил Карбасов, отвечая на вопрос inbusiness.kz, несмотря на то, что в связи с уникальностью технологических процессов и параметров оборудования сами алгоритмы разрабатываются под конкретный случай. Алгоритм ИИ базируется на платформе, состоящей из комплекса инфраструктурных и аналитических компонент и процессов. Эффект масштабирования достигается за счет применения единой платформы, методологии, концентрации компетенций при реализации проектов применения ИИ для предприятий группы.
Есть много возможностей для применения ИИ в промышленности, рассказал Данияр Жусупбаев, менеджер проектов Управления промышленного ИИ BTS. В их списке создание "виртуальных датчиков", программных алгоритмов на базе математических моделей, которые позволяют получать данные там, где существующими способами информация получается слишком редко, поздно или вообще невозможно получить.
Например, сейчас в работе находится пилотный проект по оптимизации работы мельницы на ФРПО, ССГПО. Необходимо в реальном режиме получать данные о крупности руды, поступающей по конвейеру в комплекс измельчения. Существующий способ предполагает остановку конвейера, взятие пробы и ее лабораторный анализ, что занимает время. Была разработана система компьютерного зрения, которая в онлайне анализирует крупность руды, проходящей по конвейеру. Эта информация затем будет использоваться, чтобы давать обратную связь на комплекс дробления для улучшения их работы, а также для разработки следующей модели по оптимизации работы мельницы.
Поделившись реальными кейсами внедрения искусственного интеллекта на предприятиях ERG, организаторы встречи рассказали, какие специалисты нужны команде. Есть потребность в бизнес-аналитиках с опытом в производственной сфере, с навыками анализа данных, умеющих разобраться в любом техпроцессе, а затем перевести информацию с языка производственников в техзадание разработчикам. Также требуются специалисты по анализу данных, которые не просто знают, как применять математические модели машинного обучения и нейронных сетей, но смогут работать в условиях множества технологических ограничений, недостатка качественных данных, необходимости понимания физических процессов на производстве.
Данияр Сериков
