5310

Повышение темпа прокатки слябов

Январь, 2020 год.

Рекомендательная ML-технология АО «Инфосистемы Джет» для сокращения пауз между прокаткой стальных полос на «НЛМК».

alt

Какую проблему решали

Производительность Стана-2000 – ключевой фактор эффективности НЛМК.
Повышение его эффективности – приоритетная задача завода. Исследования 2018 года показали возможности оптимизации технологического процесса прокатного стана за счет сокращения пауз между прокаткой стальных полос.
Управление паузой на выдачу слябов из печи и паузой между прокаткой выполнялись высококвалифицированными операторами. Специалисты опирались на личный опыт и технологические нюансы, вручную контролируя процесс.
Решение проблемы
ПАО «НЛМК» использовало рекомендательный сервис АО «Инфосистемы Джет» на базе алгоритмов машинного обучения.
На основе анализируемых данных и построенной математической модели система в режиме реального времени выдает на HMI-консоль оператора рекомендации по оптимальному темпу прокатки и интервалу подачи слябов с учетом условий нагрева и скорости прокатки, типоразмера изделий, находящихся в печи и на прокатном стане.
Применяемые технологии

В проекте использован рекомендательный ML-сервис, разработанный Центром машинного обучения компании «Инфосистемы Джет». Для моделирования Data Science специалисты использовали алгоритм LightGBM.

Эксперты исследовали исторические данные с датчиков температуры, давления, скорости движения и другого регистрирующего оборудования, и исключили параметры, не оказывающие прямого влияния на скорость движения слябов.

Сервис проанализировал ретороспективные данные за 2,5 года работы Стана-2000 и ежедневно дополняет базу новыми показателями. Рекомендации выводятся на HMI-панель оператора в режиме реального времени. Все данные о работе хранятся в Data Lake.

Бизнес-процесс

До проекта:

  • Оператор контролирует выдачу слябов из печи в прокат вручную, опираясь на знания о составе металлической плиты, ее технологические характеристики и личный опыт.
  • Длительность интервалов между входом слябов в чистовую группу клетей Стана-2000 берется «с запасом», во избежание столкновения плит и аварийной остановки линии проката.

После проекта:

  • Рекомендательный сервис анализирует переменные, влияющие на эффективность процесса, и выводит на консоль оператора оптимальные интервалы проката.
  • Система предотвращает столкновение слябов, исключает брак продукции и, как следствие, повышает производительность Стана-2000 за счет более высокой скорости прокатки.

Результаты

Команда АО «Инфосистемы Джет»

Сергей Агальцов
Тест-менеджер
Дмитрий Ачекин
Старший аналитик
Юрий Иванов
Архитектор
Виктория Иванова
Разработчик программного обеспечения
Дарья Лосева
Data scientist
Сергей Поняев
Менеджер проектов

Команда ПАО «НЛМК»

Алексей Абросимов
Начальник Стана 2000
Юлия Винокурова
Руководитель направления цифровизации прокатного производства
Сергей Кудинов
Начальник отдела ДАТП

Похожие кейсы

AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.