 |
Accenture разработала для НЛМК сервис предиктивной аналитики для измерения температуры стали
Компания Accenture разработала для Группы НЛМК цифровой сервис предиктивной аналитики, который помог повысить эффективность производства стали на заводах НЛМК-Калуга и НЛМК-Урал.
Цифровой советчик с использованием искусственного интеллекта и big data позволяет контролировать температуру стали в промковше. Показатель является критически значимым, т.к. если при разливке стали ее температура упадет ниже определенного минимума, это приведет к остановке производственного процесса, тогда как перегрев металла повышает себестоимость продукции и негативно сказывается на ее качестве.
Сложность заключается в том, что для каждой марки стали существуют свои технологические параметры и нормативы. Решение потребовало машинного обучения математической модели на основе больших данных.
Сейчас сервис в онлайн режиме дает рекомендации пользователям по определению оптимальной температуры плавки, что приносит прямой экономический эффект за счет снижения расхода электродов и электроэнергии в процессе производства стали.
«Созданный продукт в режиме реального времени оценивает десятки параметров плавки, прогнозирует теплопотери, простои и рекомендует оптимальную температуру стали для минимизации затрат и безаварийной разливки. Исторически сталевары и мастера электросталеплавильного цеха руководствовались в работе огромным собственным опытом, однако математические модели позволяют действовать точнее и эффективнее», - рассказал Алексей Сергеев, руководитель ИИ-проектов Accenture в России.
Работа над цифровым продуктом стартовала весной 2020 года. На стадии PoC (Proof of Concept) было проверено множество гипотез и на основе анализа больших данных были реализованы первые прогнозные модели, выявлен потенциальный эффект от внедрения решения.
На этапе MVP (minimum viable product) был получен рабочий рекомендательный сервис для сталеваров и мастеров сортового дивизиона, использование которого уже приносит ожидаемую бизнес-выгоду.
«После запуска сервисов на базе машинного обучения и Big Data температуру в промковше снизили на несколько градусов, что позволило оптимизировать расход энергоресурсов при обработке металла на установке «Печь-ковш» и получать экономический эффект более 10 млн рублей в год. Это не предел и эффект будет только расти, за счет масштабирования решения на аналогичный агрегат второй технологической линии и расширения показателей для оптимизации с помощью сервиса», - подчеркнул Юрий Волошин, руководитель направления операционной эффективности дивизиона «НЛМК-Сорт».
В дополнение к рекомендательному сервису, Accenture разработала набор отчетов для специалистов и руководителей, позволяющий отслеживать, контролировать и анализировать ключевые метрики технологического процесса, а также выявлять и прорабатывать возможные отклонения от рекомендаций сервиса.
«Успех любого цифрового продукта напрямую связан с уровнем вовлеченности ключевых участников от ИТ и бизнеса. С самого начала нам удалось организовать полноценную продуктовую команду, объединить усилия и опыт сталеваров, мастеров, технологов, руководителей производства, так что сервис сразу стал органичной частью производственного процесса», - подчеркнул Юрий Волошин.
О компании Accenture
Accenture – ведущая международная компания, предоставляющая широкий спектр услуг в области стратегии и консалтинга, интерактивных сервисов, технологий и операций, направленных на цифровизацию бизнеса. В своей деятельности мы сочетаем уникальные знания и опыт в 40 отраслях, полученные в результате работы крупнейшей в мире сети центров передовых технологий и интеллектуальных операций. Более 537 000 сотрудников компании работают в 120 странах мира. Accenture постоянно создает инновации, помогая своим клиентам повысить эффективность и получить ценность для их бизнеса в долгосрочной перспективе.
Контакты для СМИ:
Пресс-служба Accenture в России и Казахстане
Нигора Мадаминова
+7 (495) 755 9770
nigora.madaminova@accenture.com
Представитель пресс-службы Accenture в России
Олег Горбатов
+7 915 200 0929
oleg@itrend.ru
Контактное лицо: Татьяна Алексеева
Компания: Accenture
Добавлен: 01:22, 27.04.2021
Количество просмотров: 552
Страна: Россия
| Транспортные документы от Платформы ЭПД можно будет подписать в смартфоне, Платформа ОФД, 17:06, 17.08.2026, Россия602 |
| «Платформа ОФД» присоединилась к соглашению Минцифры России о развитии и внедрении мобильной электронной подписи «Госключ». Сотрудничество направлено на проработку новых сценариев использования сервиса, обмен технологической экспертизой и поддержку интеграции в продукты электронного документооборота. |
| UDV Group: банки столкнутся с ИБ-рисками из-за нейросетей без правил, UDV Group, 17:04, 17.08.2026, Россия593 |
| Российский разработчик решений в области киберустойчивости UDV Group прокомментировал рекомендации Банка России по безопасному использованию искусственного интеллекта финансовыми организациями. По оценке эксперта компании, ИИ постепенно становится для банков не только инструментом автоматизации, но и отдельным объектом управления информационной безопасностью. |
| ActiveCloud запустил в России услугу частного облака, ActiveCloud, 20:34, 16.08.2026, Россия671 |
| Облачный провайдер ActiveCloud запустил в России услугу частного облака для размещения критически важных систем, ресурсоемких приложений и инфраструктуры с повышенными требованиями к безопасности. |
| «НОБИЛИС» ПРЕДСТАВИТ ЦИФРОВУЮ ЭКСПЕРТИЗУ В СФЕРЕ КОРПОРАТИВНОГО ЗДОРОВЬЯ НА ВНОТ-2026, Нобилис ООО, 14:07, 14.08.2026, Россия791 |  |
| ООО «Нобилис», разработчик российской платформы управления корпоративным здоровьем TouchMED, объявляет об участии в ключевом отраслевом событии - XI Всероссийской неделе охраны труда (ВНОТ-2026). В фокусе презентации компании - практические инструменты цифровизации медосмотров, в том числе профилактических и предиктивной аналитики для снижения операционных рисков и повышения эффективности персонала. |
| Nexign: российский бизнес не спешит использовать ИИ для поиска аномалий, Nexign, 14:03, 14.08.2026, Россия134 |  |
| Почти 80% российских компаний уже применяют инструменты мониторинга своей ИТ-инфраструктуры, но лишь каждая шестая использует модели машинного обучения для обнаружения аномалий. Мешают нехватка внутренней экспертизы, низкое качество данных и сложность подсчета окупаемости инвестиций. |
|
|
