© ComNews
06.12.2023

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.

Решение разработала команда экспертов "Карельского окатыша" и ИT функция "Северстали".

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.
Теперь на основе анализа изображений с камер с высоким разрешением модель компьютерного зрения высчитывает гранулометрический состав сырых окатышей и предсказывает долю нужных классов.

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.

Также технологии компьютерного зрения используется для контроля качества проката на ключевом активе "Северстали" - Череповецком металлургическом комбинате.

https://www.comnews.ru/digital-economy/content/229370/2023-10-10/2023-w…

"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.

"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".

Новости из связанных рубрик