MES Проект
Внедрение MES-системы для оптимизации шихты
Для снижения брака в производстве кокса Заказчику требовалась система прогнозирования качества выпускаемой продукции, которая на базе ИИ моделирует необходимое соотношение цена-качество.
Java Spring Kafka Liquibase PostgreSQL Docker OpenShift Microservices React Redux TypeScript HTML5 CSS3 Python PyTorch XGBoost CatBoost Scikit-learn
ДЕТАЛИ ПРОЕКТА
Команда проекта
1 Project manager, 3 Developers, 1 System Analyst, 1 DataScientist
Длительность проекта
8 месяцев
Решение
Реализована система оптимизатора шихты на базе искусственного интеллекта, которая позволяет прогнозировать качество кокса.
Решение содержит подсистему обучения модели ИИ, включающая платформу для дата-сайнтистов, которая обеспечивает возможность разработки, тренировки, валидации моделей, а также их развертывание. Система выстраивает обучающий пайплайн, который добавляет новую шихту в модель.
Алгоритм перебирает множество вариантов моделей, далее сверяет результаты предсказания на тестовой выборке и выбирает наилучшую модель для развертывания и использования технологом.
Стоит отметить, что ИИ модель не заменяет технолога. Система воспринимается технологом как умный помощник, который может по заданным характеристикам прогнозирует оптимальную структуру шихты для последующего запуска технологического процесса производства кокса.
Функционал системы
Функциональность решения состоит из нескольких подсистем и управления данными. Технологу/оператору доступна функциональность по:
- просмотру и редактированию общих данных по доступным площадкам и коксовым батарея;
- управлению параметров и методов оптимизации производства шихты для системы предсказания на базе искусственного интеллекта;
- мониторингу технологических параметров;
- просмотру состава шихты и ее стоимости.
Результат
В результате реализации проекта, заказчику удалось оптимизировать производство шихты по стоимости и требованиям качества доменного производства. Система просчитывает оптимальное соотношение разного типов угля на базе натренированной модели и позволяет технологу многократно запускать просчет оптимальных параметров технологического процесса.