Implementa Severstal inteligencia artificial para aumentar productividad en acería de Cherepovets
25 de junio de 2020.- Un equipo de especialistas de Severstal Digital, parte de PAO Severstal, una de las empresas mineras de acero y acero más grandes del mundo, que trabaja con expertos en productos laminados planos de la acería Cherepovets, ha aumentado con éxito la productividad de un modelo de aprendizaje automático que controla La velocidad de la línea de decapado continuo del molino # 3 (NTA-3).
Adelina, un modelo digital en uso en la línea de decapado continuo Severstal # 3 (NTA-3) desde noviembre de 2019, ahora se le ha unido «Ruban», un nuevo agente de inteligencia artificial basado en un algoritmo de aprendizaje de refuerzo profundo. Ambos productos fueron desarrollados internamente por Severstal utilizando aplicaciones de código abierto.
Adelina y Ruban ahora trabajan en paralelo entre sí; Adelina controla la velocidad de la unidad y Ruban ajusta la velocidad para lograr resultados óptimos. Esta asociación ha hecho que el proceso de producción sea más flexible y seguro, ya que el modelo y el agente pueden ajustar la velocidad de la unidad cada segundo y responder instantáneamente a cualquier situación imprevista.
Evgeny Vinogradov, CEO de Severstal Russian Steel Division, comentó:
“El modelo de Adelina ya había cumplido nuestras expectativas, demostrando un aumento inicial en la productividad de NTA-3 en más del 5 por ciento. En marzo de 2020, produjimos un volumen récord de metal encurtido en esta unidad: más de 130 mil toneladas. Después de presentar el agente Ruban, registramos un aumento adicional de 1.5 por ciento en la productividad, y estimamos que usar las dos tecnologías en paralelo podría proporcionar más de 80 mil toneladas de metal adicional cada año. Este es un aumento notable para una de las unidades más importantes en la producción de productos laminados planos «.
Ruban difiere de los modelos clásicos de aprendizaje automático, y no solo aprende de los datos históricos, sino de forma independiente, al explorar el gemelo digital de NTA-3. La velocidad de funcionamiento en la unidad depende en gran medida de los parámetros de la banda de acero que pasa: la longitud, el ancho y el grosor del rollo, su grado de acero y temperatura, entre otros factores. Ruban aprende de las combinaciones de diferentes parámetros, creados específicamente para ello por una red de confrontación generativa, que utiliza dos redes neuronales para generar nuevos datos. También establece un plan de producción y crea situaciones únicas para fines de capacitación. Para un aprendizaje efectivo, al agente se le asignó un sistema de capacitación basado en recompensas y sanciones; Ruban experimenta para encontrar una solución en la que el monto de la recompensa supere las penalizaciones en la medida de lo posible.
Boris Voskresenskii, director digital de Severstal, comentó:
“El uso del aprendizaje por refuerzo para controlar las unidades de producción no está muy extendido, particularmente en metalurgia. Creemos que el uso de la Inteligencia Artificial en NTA-3 es el primer caso de este tipo en la práctica rusa. La mejora del rendimiento registrada en NTA-3 luego de la introducción de herramientas digitales demuestra que un enfoque basado en datos tiene un gran futuro en la industria, y estamos avanzando en la dirección correcta «.
Reportacero
