«Евраз» решил комплексно внедрять продвинутую аналитику на производстве. Промежуточные результаты обнадеживают
Карьер Качканарского ГОКа
Читайте Monocle.ru в
Цифровой трансформацией «Евраз» системно занялся в 2017 году. К нынешнему году объем данных, накопленных в процессе автоматизации производственных активов компании, стал достаточным, чтобы использовать методы Big Data для повышения эффективности технологических процессов и роста безопасности производства. Компания остановилась на пяти приоритетных технологиях, которые рекомендуется использовать в новых проектах. Это продвинутая аналитика (ПА), экспертные системы, мобильные решения, безбумажный документооборот и видеоаналитика. В 2020 году в фокусе усилий по цифровизации оказалась ПА. На рынке нет готовых «коробочных» решений, поскольку инструменты всегда разрабатываются под конкретную бизнес-задачу или проблему и требуют особенных компетенций, в том числе в области Data Science. Партнером «Евраза» по внедрению ПА стала компания The Boston Consulting Group (BCG).
ПА зарекомендовала себя как технология с хорошим и быстрым возвратом инвестиций — со сроками до одного года. К тому же она позволяет запускать проекты разного масштаба: от одного цеха или небольшого передела до всей производственной цепочки.
В рамках первой волны программы реализуется шесть проектов в трех дивизионах «Евраза». Системы-подсказчики на основе ПА будут внедряться на двух железорудных и одной угольной обогатительной фабрике, на угольном разрезе (в периметре пилота — экскаваторы, самосвалы, бульдозеры), а также в электросталеплавильном и коксохимическом производстве. В последнем случае, например, основная задача — снижение брака. Общее количество параметров, которые рассматривались для включения в инструмент цифрового подсказчика, первоначально превышало 500. После проверки статистической значимости оставили 80 параметров, которые значимо влияют на брак. Среди параметров — интенсивность продувки, температура розлива на машину непрерывного литья заготовок, вязкость и основность шлака, сульфидная емкость шлака. Отслеживать их, анализировать в режиме реального времени и подсказывать операторам оптимальные решения по настройке технологического процесса — вот задача ПА.
Каждый оператор установки управляет технологическими процессами по-своему, на основании не только нормативов, но и накопленного опыта. Единый подход отсутствует, да и вряд ли он в принципе возможен. Это, с одной стороны, открывает потенциал для творчества, но с другой — ставит эффективность производства в сильную зависимость от экспертизы сотрудников. Здесь может быть очень много вариативности и потерь.
🤖 «Пока бизнес скорее тратит на ИИ, чем на нем зарабатывает»
Пока Google и Microsoft делают наши личные данные топливом для своих нейросетей — анализируя почту или делая скриншоты экрана каждые несколько секунд, — реальный сектор (финансы, медицина, промышленность) задыхается от обратной проблемы. Здесь строгие законы о защите персональных данных превращаются в непреодолимый барьер: обмениваться данными, чтобы учить свои модели на них, большей части банков и корпораций запрещено.
Однако выход есть — технология конфиденциальных вычислений, позволяющая анализировать данные, не раскрывая их. В России одним из пионеров этого подхода стала компания УБИК (теперь часть группы Arenadata), запустившая в прошлом году продукт Ubic Conclave для совместного анализа данных банков, телекомов и госструктур без передачи самих сведений.
⚡️ Петр Емельянов — директор по дата-стратегии и искусственному интеллекту группы Arenadata
Как работают конфиденциальные вычисления? Что дает ИИ бизнесу? Что за задачи решают ваши заказчики? Как будет проходить адаптация к ИИ?
🎙 О том, как именно конфиденциальные вычисления могут преобразить искусственный интеллект и где кроется экономика в анализе данных, Петр Емельянов рассказал в подкасте «Монокля».
0.54 что такое конфиденциальные данные и вычисления и зачем они нужны
5.50 что могут узнать банки о своих клиентах, если объединят свои данные (не объединяя их)?
7.50 как не запутаться в том, что показывают большие данные
12.35 стартапы на базе ИИ: почему у них нет конкуретных преимуществ
14.00 как работает Conclave
17.00 что хотят получить банки и компании с помощью конфиденциальных вычислений
21.00 как экосистема может больше зарабатывать за счет знания своего клиента
23.50 каким будет ИИ,обученный не на общедоступных, а на публичных данных
28.20 почему нам не нравится, когда наши данные обрабатывают
31.50 так приносит ли ИИ деньги или нет?