Контроль состава шлака на металлургическом заводе: реакция на отклонение за минуту
Z-brain сопоставляет телеметрию с историей выплавок и даёт оператору рекомендацию при отклонении состава шлака. В показанном эпизоде от срабатывания до устранения прошло меньше минуты.
Задача
На металлургическом заводе состав шлака связан с режимом выплавки. При отклонении параметров оператору нужно понять причину и выбрать действие. В партнёрском проекте мы связали телеметрию с производственным ассистентом Z-brain, который помогает разбирать отклонения с опорой на историю конкретного предприятия.
От датчика к действию оператора
Система принимает поток измерений и сопоставляет текущие значения с моделью, обученной на истории выплавок. При отклонении она обращается к похожим ситуациям и формулирует вероятную причину и корректирующее действие на естественном языке.
В опубликованном эпизоде датчик МАРК-1202 во втором контуре показал SiO2 на уровне 40% при норме 35%. Ассистент предложил уменьшить подачу песка на первой линии на 10%. После сообщения был вызван дежурный слесарь. Так числовое отклонение стало конкретным заданием для персонала, а не отдельной записью в журнале измерений.
Рекомендация связана с историей и параметрами конкретного производства. Оператор использует её для принятия решения и организации действий персонала. Так знания о прошлых ситуациях становятся доступны непосредственно при новом отклонении.
Результат эпизода
По публичному описанию, от срабатывания до устранения отклонения прошло меньше минуты, производство не останавливали. Телеметрия, анализ отклонения и действия персонала связаны в один рабочий процесс.
Создана связь между измерением, историей процесса и понятной рекомендацией персоналу. Вместо ручного сопоставления текущего показания с прошлым опытом специалист получает сформулированную подсказку в момент события.
Такой подход полезен для производств с непрерывной телеметрией и накопленной историей режимов: Z-brain и внедрение ИИ.
Похожие кейсы
Анализ данных
Модель предсказания поломки оборудования
Предиктивная модель для экструдера полимеров Сибура обнаруживает признаки засора по данным датчиков. В описании проекта зафиксирована доля предугаданных неполадок около 80%.
Анализ данных
Построение цифровой модели фабрики
Цифровая модель фабрики связывает производственные данные, процессы и оборудование. Прогноз выхода годной продукции помогает искать узкие места и поддерживает решения специалистов.
Анализ данных
Сервис по контролю подрядчиков и оборудования
Сервис хранит историю буровых подрядчиков и данные оборудования в распределённом реестре. Прослеживаемые изменения документов помогают проверять закупаемые услуги и сведения о технике.