«Карельский окатыш» (входит в «Северсталь») внедрил комплекс моделей машинного обучения на линии окомкования окатышей. Система автоматически управляет скоростью вращения окомкователя и дозировкой бентонита и выдает рекомендации по дозировке железорудного концентрата, что позволяет повысить производительность агрегата с сохранением качества продукции. Решение разработала команда экспертов «Карельского окатыша» и IT функция «Северстали».
Наиболее эффективный обжиг возможен тогда, когда в обжиговой машине преобладает доля окатышей класса 10-12,5 мм: так обеспечивается оптимальная пористость и газопроницаемость слоя при термообработке, что приводит к улучшению качества готовой продукции. Ранее у операторов не было индикатора, который мог бы точно определить эту долю: замеры проводились визуально, выборочно и в ручном режиме на основе лабораторных проб. Теперь на основе анализа изображений с камер с высоким разрешением модель компьютерного зрения высчитывает гранулометрический состав сырых окатышей и предсказывает долю нужных классов. В зависимости от этого показателя регулируется скорость вращения окомкователя и дозировка бентонита и концентрата. Решение дает возможность не только контролировать процесс окомкования и управлять им, но и стандартизировать работу обжиговой машины. В результате использования модели производительность линии окомкования повысилась на 11% с сохранением качества продукции.
«В 2018 году на «Карельском окатыше» был подобный проект, но без использования нейронной сети. Сейчас у нас достоверность определения грансостава на порядок выше, чем была тогда. Нейронная сеть более точно определяет контур и размеры окатышей, в том числе те, которые скрывает первый слой. Система позволяет вести непрерывный мониторинг в потоке, что обеспечивает автоматическое и оперативное принятие решения в системе управления линией окомкования», – комментирует начальник управления цифровых технологий центра развития Бизнес-системы железорудных активов «Северстали» Владимир Люшенко.
«Процесс окомкования очень сложный и необходимо учитывать много факторов для создания модели адаптивного управления. Решение стало уникальным для комбината симбиозом физического моделирования, алгоритмов машинного обучения и компьютерного зрения. При обучении модели использовались специальные регуляризаторы, которые помогли в шумных данных выявить правильные физические зависимости. Кроме того, она непрерывно уточняется и корректируется в онлайн-режиме на основе данных, поступающих в режиме реального времени», – отметила директор «Северсталь Диджитал» Светлана Потапова, руководитель кластера «Искусственный интеллект» «Северстали».
По информации пресс-службы компании «Северсталь»
