Интеллект, брошенный на железо

Искусственный интеллект стал частью производственного процесса казахстанской черной металлургии

Интеллект, брошенный на железо

В сентябре 2019 года Евразийская группа (ERG) объявила о завершении разработки интеллектуальной системы для повышения эффективности переработки железной руды на Соколовско-Сарбайском горно-обогатительном производственном объединении (ССГПО). Созданием новых решений для ERG занималась российская технологическая компания Redmadrobot Data Lab, один из главных игроков на российском рынке мобильных приложений; автор мобильных систем для Альфа-банка, Мегафона, Билайна. Сегодня компания предлагает широкий спектр цифровых решений: от технологий машинного обучения до проектирования IIoT-оборудования (промышленный интернет вещей).

Предиктивные технологии

Соколовско-Сарбайское горно-обогатительное производственное объединение (ССГПО) располагается в городе Рудном, Костанайской области. В его состав входят Соколовский, Сарбайский, Качарский и Куржункульский карьеры, шахта «Соколовская», Алексеевский доломитовый рудник, фабрики рудоподготовки и обогащения, производства окатышей, управления горно-железнодорожного и автомобильного транспорта, теплоэлектроцентраль, ремонтно-механический завод, металлопрокатный завод и другие подразделения и цеха. Ежегодно объединение выпускает 40 млн тонн железной руды, 8 млн т товарного железорудного концентрата, 7 млн т товарных железорудных окатышей.

На Redmadrobot казахстанские горняки вышли, пытаясь решить задачу оптимизации производственных процессов.

«В процессе переговоров обсуждалось несколько идей, — рассказывает руководитель Redmadrobot Data Lab Юрий Чайников. — Мы проанализировали их вместе с заказчиком и в итоге остановились на решении, основанном на анализе гранулометрического состава. Итоговое решение соответствует бизнес-задаче, которая изначально формулировалась».

Задачи по оптимизации и автоматизации успешно решаются машинными алгоритмами и позволяют повысить эффективность производства

Значительный резерв эффективности горно-металлургических предприятий связан с определением размеров сырья, от которых зависит, сколько электроэнергии и химреагентов будет использоваться для обработки и превращения в первичный продукт. В случае ССГПО — гранул руды в железорудный окатыш. Размеры гранул измеряли раз в сутки вручную.

Была спроектирована система, которая в режиме реального времени с помощью видеокамер смотрит на конвейер и анализирует сырье, которое движется по конвейеру. Видеопоток обрабатывается системой компьютерного зрения, которая распознает образы гранул руды. «В результате мы получаем структурированный набор данных, которые отражают гранулометрический состав поступающей руды», — детализирует г-н Чайников.

Измерения производятся ежесекундно, что позволяет иметь точную репрезентативную оценку грансостава. «Мы использовали подходы на основе машинного обучения — технологии компьютерного зрения и алгоритмы преобразования, позволяющие на основе видимой части сырья спрогнозировать состав нижнего слоя», — объясняет руководитель Redmadrobot. Дело в том, что от вибрации более крупные фракции как бы всплывают среди мелких фракций в процессе движения конвейера. Толщина слоя руды на нем — несколько десятков сантиметров, а камера видит только поверхностный слой. Альтернативные решения, которые могут анализировать всю толщину слоя, подразумевали использование рентгеновских аппаратов, что делало проект на порядок дороже и удлиняло сроки его реализации.

На перспективу

Система, разработанная Redmadrobot по заказу ERG, в настоящий момент внедрена только на одном комплексе. Совокупная продолжительность разработки, по словам главы компании, заняла от 4 до 8 месяцев. В Redmadrobot включают в процесс разработки этапы проектирования, тестирования, накопления данных. «Некорректно говорить, что разработка системы завершена и это окончательный вариант — выпущена первая рабочая версия. Если не развивать системы на основе предиктивных моделей, они со временем деградируют», — говорит специалист. Он объясняет: натренированная на исторических данных предиктивная модель опирается в своих решениях именно на исторические данные. На то, как устроены скрытые взаимосвязи между характеристиками, которые лежат в основе, и теми параметрами, которые являются результатами работы модели. В данном случае — между тем, как выглядит поверхностный слой руды и истинным гранулометрическим составом. Поэтому в Redmadrobot планируют продолжать дообучение алгоритмов, интеграцию с различными управляющими системами, а также масштабирование и запуск новых комплексов.

И в ERG, и в Redmadrobot уверены: искусственный интеллект, который демонстрирует эффективность в самых различных областях (от беспилотного транспорта до предиктивной аналитики), сможет стать драйвером производительности и в горнодобывающей отрасли. «Горнодобывающая отрасль не является исключением, задачи по оптимизации и автоматизации успешно решаются машинными алгоритмами и позволяют повысить эффективность производства. В отдельных местах рост эффективности может составлять десятки процентов», — объясняет г-н Чайников. При этом экономический эффект от проекта на ССГПО стороны называть отказываются.

Для контроля производства используется большое количество показателей (давление, плотность, состав, скорость движения материалов, данные акустических датчиков и т. д.), за которыми необходимо следить, чтобы обеспечить непрерывный и оптимальный процесс. С помощью алгоритмов это делать гораздо проще и эффективнее, тем более в режиме реального времени. В результате можно получить мощный инструмент контроля за процессами производства для оптимальной, предсказуемой эксплуатации оборудования, снижения рисков производства. Например, с помощью того же компьютерного зрения можно контролировать выполнение правил техники безопасности на опасных производствах, в частности, соблюдение рабочими нужных дистанций.

Дорогая оптимизация

С появлением интеллектуальной системы возникает вопрос — сократится ли число рабочих на конвейере, ведь с новой технологией ручные замеры станут неактуальны. Юрий Чайников считает, что данный проект направлен в первую очередь на повышение эффективности действующего процесса. Процедура ручных измерений изначально не позволяла делать постоянных замеров — необходимо останавливать конвейер, отбирать материал для проб. «Решаемая нами задача не столько автоматизирует человеческий труд, сколько оптимизирует производственный процесс», — объясняет специалист.

Есть в проекте и риски. Системы, основанные на искусственном интеллекте, обучаются на данных. Сейчас система обучена на одном комплексе, и при развертывании той же системы на другом качество анализа и распознавания может страдать. «Эти риски мы осознаем и принимаем, поэтому изначально закладываем процессы сбора данных и дообучения системы при оценке сроков и ресурсов, необходимых для масштабирования», — подчеркивает г-н Чайников. По его словам, значительная часть решений, основанных на методах машинного обучения, изначально несет в себе риск деградации качества полученного решения.

В процессе обучения алгоритм выучивает закономерности, которые присущи именно тем данным, на которых проводилось обучение. «Но реальная жизнь не стоит на месте, все течет, все меняется, в том числе и статистическое распределение характеристик, которые алгоритму приходится обрабатывать на практике. В нашем случае это может быть как изменение источников руды, так и изменение методов ее обработки на предыдущих этапах технологического процесса», — полагает г-н Чайников. Контроль над этим риском, по его словам, лежит на подсистеме валидации, которая проверяет, насколько данные предсказательного алгоритма соответствуют данным измерений, которые принимаются за истинные значения.

Стоимость проекта стороны также не называют. Однако в Redmadrobot объясняют, как происходит ценообразование. Стоимость решений с ИИ состоит из нескольких частей. Первая — это оборудование, в том числе промышленные камеры, вычислительные мощности и системы монтажа. По словам г-на Чайникова, в зависимости от условий и типов задачи, минимальная стоимость комплекта оборудования для решения данной задачи на одну точку может составлять от 6,1 до 18,3 млн тенге. Вторая часть — стоимость услуг по предварительной аналитике, разработке ПО и интеграции с информационными системами заказчика. Тут услуги стоят от 61 млн тенге и выше. Таким образом, по самым минимальным значениям, данный проект мог обойтись для Евразийской группы в 67 млн тенге.

В Redmadrobot оценивают кейс с ERG как успешный. Разработчики планируют новые проекты в промышленности, так как «здесь имеется огромный потенциал к цифровой трансформации и увеличению эффективности». Компания постоянно модернизируется: если 11 лет назад Redmadrobot делали только мобильные приложения на IOS и Android, то сегодня лидируют в области цифровых решений. Помимо мобильных приложений российские айтишники разрабатывают решения на основе анализа данных, искусственного интеллекта (ИИ) и машинного обучения (ML), проектируют IIoT-оборудование, создают дизайн и дизайн-системы, включая продвинутые UI, UX и CX.

В ERG с проектом связывают свои планы. «Благодаря высокой технологической компетентности наших партнеров созданная система позволит не только накопить новые данные о нашем производстве, но и пойти дальше — к модели принятия решений с помощью искусственного интеллекта, дальнейшей интеграции с системами АСУТП», — отмечает руководитель управления Промышленный искусственный интеллект ERG Дмитрий Карбасов. Группа планирует использовать методы машинного обучения для дальнейшей разведки полезных ископаемых.

Статьи по теме: