Роботы из rdl by red_mad_robot научили искусственный интеллект экономить ресурсы. Несколько месяцев команда железных тренировала алгоритмы, и теперь они определяют вес руды, идущей по конвейеру на Соколовско-Сарбайское горно-обогатительное производственное объединение (ССГПО). Эти данные помогают настроить оптимальный режим на мельнице, которая перерабатывает сырьё. Интеллектуальная система работает на основе технологий компьютерного зрения и нейросетей.
Задача
От режима стержневой мельницы зависят расходы на переработку руды. Чем дольше она работает, тем больше нужно ресурсов: электричества, воды и других. Большие и тяжёлые камни на конвейере увеличивают время работы.
Раньше на ССГПО, как и во всей отрасли, определяли вес вручную, два раза в день. Данные получались приблизительные, а замеров было слишком мало.
Нашей задачей была разработка системы, которая сможет определять вес сырья в реальном времени.
Раньше на ССГПО, как и во всей отрасли, определяли вес вручную, два раза в день. Данные получались приблизительные, а замеров было слишком мало.
Нашей задачей была разработка системы, которая сможет определять вес сырья в реальном времени.
Решение
rdl by red_mad_robot и ERG рассмотрели много вариантов того, как это можно сделать. Хотели установить датчики: ультразвуковые либо рентгеновские. В итоге решили использовать машинное обучение.
Суть такая: искусственный интеллект анализирует руду на конвейере, а сотрудники производства настраивают мельницу.
Система «смотрит» на руду с помощью видеокамер, алгоритмы распознают изображения и преобразовывают данные в метрики и API для управления мельницей.
Суть такая: искусственный интеллект анализирует руду на конвейере, а сотрудники производства настраивают мельницу.
Система «смотрит» на руду с помощью видеокамер, алгоритмы распознают изображения и преобразовывают данные в метрики и API для управления мельницей.
I
L
a
N
L
n
t
i
c
e
g
e
Почему Искусственный интеллект?
Компьютерное зрение — это пока один из самых точных способов определить, что идёт по конвейеру. А большинство алгоритмов распознавания на основе видео базируются на машинном обучении.
Как все было?
Все началось с фотографий: чтобы обучить алгоритм, нужны были снимки
отличного качества. Лента двигается со скоростью примерно 2 метра
в секунду. Поэтому мы использовали фотокамеры Basler с выдержкой 1/2000 секунды и много-много света.
Машинное обучение любит тратить ресурсы, и для компьютерного зрения используют сервера с видеокартой. Сервер развернули прямо на заводе,
чтобы он напрямую управлял фотокамерами. На этом этапе мы получили
170 000 подходящих для работы снимков руды на конвейере.
отличного качества. Лента двигается со скоростью примерно 2 метра
в секунду. Поэтому мы использовали фотокамеры Basler с выдержкой 1/2000 секунды и много-много света.
Машинное обучение любит тратить ресурсы, и для компьютерного зрения используют сервера с видеокартой. Сервер развернули прямо на заводе,
чтобы он напрямую управлял фотокамерами. На этом этапе мы получили
170 000 подходящих для работы снимков руды на конвейере.
Тренируем алгоритмы
Чтобы алгоритм научился отличать камень от других материалов, ему нужно показать пример. Для этого мы стали размечать фотографии. Все осколки руды от 16 мм — большие: их нужно найти и обозначить границы. Песок и маленькие камешки — в сторону. Информацию отдали алгоритму и стали смотреть, как он её понял. Результаты тестирования показали, что он определяет большие камни с точностью 80%.
Играть в авиатор на деньги
На основе данных ERG о том, как соотносится вес и размер руды, и данных компьютерного зрения, алгоритм преобразования спрогнозировал количество камней на всём слое. Эта информация позволяет определить вес руды
и выставить оптимальные настройки на мельнице. Все данные обновляются ежесекундно, а следить за ними можно на дашборде.
Играть в авиатор на деньги
На основе данных ERG о том, как соотносится вес и размер руды, и данных компьютерного зрения, алгоритм преобразования спрогнозировал количество камней на всём слое. Эта информация позволяет определить вес руды
и выставить оптимальные настройки на мельнице. Все данные обновляются ежесекундно, а следить за ними можно на дашборде.
В августе 2019 года был запущен пилот с системой на одном из конвейеров.
Она показала точность 98% в определении веса руды. В 2020 году ERG панирует внедрить технологию везде, где существует подобный процесс.
Она показала точность 98% в определении веса руды. В 2020 году ERG панирует внедрить технологию везде, где существует подобный процесс.
Результаты
Сейчас интеллектуальная система определяет вес и помогает эффективнее распределять ресурсы на одном конвейере. Но скоро она поможет ССГПО снизить себестоимость продукции, сделать переработку руды рациональной, повысить производительность труда и снизить влияние человеческого фактора на результат. Сейчас выпущена первая рабочая версия системы. Её нужно развивать дальше и тогда она станет новой технологией для других производств.
Проект стал финалистом главной индустриальной премии СНГ «Эффективное производство» OEE Award 2019
и получил награду в номинации «Искусственный интеллект на производстве».
и получил награду в номинации «Искусственный интеллект на производстве».
«Планируемый результат по итогам 2020 года ожидается
в виде дополнительного производства готовой продукции
до 200 тысяч тонн в год, при снижении производственной
себестоимости до 5%».
в виде дополнительного производства готовой продукции
до 200 тысяч тонн в год, при снижении производственной
себестоимости до 5%».
Алексей Шилкин, директор департамента металлургии
.png)
Реформа в отрасли от ERG
Интеллектуальная система для повышения
эффективности переработки железной руды
эффективности переработки железной руды
