
Предсказываем и улучшаем результаты важных производственных процессов. Кейсы, реализованные командой Mechanica AI, позволяют увидеть реальный эффект от внедрения решений.
Наши технологии включают в себя средства обработки промышленных данных разного типа, готовые конфигурации метрик для различных отраслей, а также набор методик для повышения устойчивости моделей. За счёт этого мы можем работать даже с неполными и ошибочными данными, а также обеспечить соответствие отраслевым требованиям по надёжности и безопасности.
Оптимизация расхода сырья при производстве стали
Задача - сократить расход ферросплавов при производстве стали в кислородно-конвертерном цехе без потери качества.
Данные - исторические данные о более 200000 плавок, включая:
- Технические параметры конвертерного этапа и этапа внепечной обработки
- Результаты химических анализов
- Требования к химическому составу готовой стали;
- Справочники стали и ферросплавов.
Результат
Виртуальное измерение состава входного газа при газофракционировании
Задача - виртуально измерять состав входного сырья, чтобы своевременно подстраивать режимы работы установки, в реальном времени получать данные, которые сейчас не доступны (замеры лаборатории проводятся 2 раза/день).
Данные - исторические данные за 2 года работы установки, включая:
- Параметры входящего потока газа
- Данные замеров хроматографов
- Данные лаборатории
- Параметры работы установки
- Параметры выходящего продукта
- Требования к качеству и технологические ограничения.
Результат
Разработан виртуальный сенсор, измеряющий состав газа на входе в установку. Средняя ошибка (при определении концентрации одиночных компонентов на входной колонне), по сравнению с лабораторией, составляла
Предсказание дефектов проката стали
Задача - выявить слябы с наибольшей долей дефектной массы на ранних этапах производства.
Данные - исторические данные о 17 000 ранее изготовленных слябов, включая:
- Химический состав
- Геометрические параметры
- Вес
- Известные дефекты
Результат
Создан программный модуль, определяющий слябы, которые после обработки дадут значимый дефект в прокате. В первых 10% заготовок доля дефектных слябов составила
Оптимизация процесса термообработки труб
Задача - повысить скорость работы цеха за счет оптимального выбора параметров термообработки для каждой партии.
Данные - исторические данные о процессе термообработки:
- Параметры плавки (марка стали, химические анализы и пр.)
- Параметры термообработки (режимы печей, температура, скорость)
- Данные контроля качества
- Справочные данные (требования к качеству).
Результат
Создан программный модуль, рекомендующий оптимальные параметры термообработки для каждой партии. Ожидаемый рост производительности цеха
Прогнозирование влажности готовой продукции
Задача - предсказать ожидаемый уровень влажности продукции в конкретной партии для выбора оптимальных настроек работы сушильного аппарата.
Данные - исторические данные о процессе производства:
- Данные о сырье
- Параметры работы установки
- Данные контроля качества
- Справочные данные (требования к качеству, марки продукции)
Результат
Создан программный модуль, прогнозирующий ожидаемую влажность для конкретной партии. Улучшение прогноза по сравнению с текущей моделью составило