Digital Twins в Industry 4.0. Российские аналитические технологии на службе промышленного предприятия

В докладе описано применение аналитической low-code платформы Loginom для внедрения технологий искусственного интеллекта в промышленном производстве.

В цифровизации можно выделить отрасли-драйверы внедрения новых идей и инструментов: металлургия, ритейл, перерабатывающая промышленность.

В данном ролике рассматривается кейс крупнейшего в Евразийском регионе холдинга по добыче и переработке природных ресурсов. Компания реализует полный цикл работ: от добычи руды в карьере до выплавки металлических заготовок. Холдинг занимает около 5% мирового рынка металлургического производства.

Цель проекта — применение в промышленности технологии искусственного интеллекта — Artificial Intelligence (AI). Искусственный интеллект — научное направление, занимающееся вопросами имитации процесса мышления человека с помощью компьютера, в рамках которого решаются задачи аппаратного и программного моделирования различных видов человеческой деятельности.

В рамках достижения цели проекта необходимо реализовать следующие работы:

1. Построить цифровые модели (Digital Twins) режимов работы плавильной печи. Цифровая модель (цифровой двойник) — цифровая копия физического объекта или процесса, помогающая оптимизировать эффективность бизнеса.
2. Спроектировать оптимизационные модели, повышающие управляемость процесса плавки металла и увеличивающие объемы выпуска готовой продукции.
3. Повысить надежность технической системы – плавильной печи.

В рамках реализации вышеуказанных работ были выявлены следующие проблемы:

1. В процессе эксплуатации обнаружено 18 типов отклонений режима работы объекта (плавильной печи) от эталонного.
2. Каждое отклонение сопровождается повышенным потреблением электроэнергии и снижением качества выплавляемого металла.
3. Выявлено большое количество комбинаций (более 100 параметров) из дестабилизирующих факторов, приводящих к технологическому расстройству печи.
4. Временные ряды телеметрии содержат значительное количество шумов и ошибок.

Для реализации проекта на основе входных данных (более 200 показателей) были построены следующие модели процессов:

1. Цифровые двойники электрического режима плавильной печи.
2. Динамическая модель входа шихты на основе ее компонентного состава.
3. Цифровые двойники режима работы печи с учетом правил и ограничений.

Информация о режимах работы всех компонентов системы из нескольких АСУТП (автоматизированных систем управления технологическими процессами) записывалась в базу данных MS SQL каждые 10 секунд.

Для достижения целей проекта необходимо было реализовать ряд прикладных задач:

1. Разработка автоматического ETL-процесса.
2. Построение сложных цифровых двойников технической системы.
3. Установление взаимосвязи между анализируемыми параметрами.
4. Построение цифрового двойника процесса плавки металла.
5. Разработка оптимизационных моделей для максимизации бизнес-результата.

Проект полностью выполнен с помощью аналитической low-code платформы Loginom — универсального программного обеспечения для разработки прикладных решений в сфере анализа данных, в том числе искусственного интеллекта.

Для визуализации результатов проекта использовалась платформа Tableau.

Окупаемость проекта по внедрению технологий искусственного интеллекта для предприятия-заказчика составила 2 месяца.