"Северсталь" внедрила систему комкования окатышей с использование машинного обучения

<p><strong>Система автоматически выдает рекомендации по дозировке железорудного концентрата, что позволяет повысить производительность агрегата с сохранением качества продукции. В результате использования модели производительность линии окомкования выросла на 11% без потерь качества продукции.</strong></p> <p>Решение разработала команда экспертов "Карельского окатыша" и ИT функция "Северстали".</p> <p>Раньше у операторов отсутствовали индикаторы, который могли бы точно определить долю окатышей оптимального размера 10-12 мм. Замеры проводились выборочно и в ручном режиме на основе лабораторных проб.<br /> Теперь на основе анализа изображений с камер с высоким разрешением модель компьютерного зрения высчитывает гранулометрический состав сырых окатышей и предсказывает долю нужных классов. </p> <p>В зависимости от размеров сырья 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.</p> <p>Также технологии компьютерного зрения используется для контроля качества проката на ключевом активе "Северстали" - Череповецком металлургическом комбинате.</p> <blockquote class="quote4"> <p>https://www.comnews.ru/digital-economy/content/229370/2023-10-10/2023-w41/1012/severstal-povyshaet-kachestvo-travlenogo-prokata-pomoschyu-neyronnoy-seti</p> </blockquote> <blockquote class="quote1"> <p>"В 2018 году на "Карельском окатыше" был подобный проект, но без использования нейронной сети. Сейчас у нас достоверность определения грансостава намного 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.</p> </blockquote> <blockquote class="quote1"> <p>"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".</p> </blockquote>