Проблематика
Сегодня руководители предприятий, которые хотят оставаться конкурентными и предсказуемыми, сталкиваются с рядом вызовов: снижение влияния человеческого фактора на процессы, оптимизация расхода дорогостоящих материалов, регулярное выявление и оптимизация узких мест, снижение затрат на ТОиР одновременно с исключением внеплановых простоев и поломок.
Решение
AILine платформа, позволяющая создавать цифровые двойники, прогнозные и рекомендательные модели без переподготовки персонала. Позволяет также улучшать математические модели на основе фактических значений датчиков без необходимости привлечения специалистов по данным.
Решение представляет из себя программный продукт, который может быть развернут как в облаке, так и в контуре заказчика. Для настройки продукта необходимо указать входные и выходные параметры, а также те, которые нужно оптимизировать. Система выявит аномальные значения, задаст вопросы о данных, подсветит аномальные ситуации и предложит их интерпретировать, научится работать в условиях неполных данных.
AiLine не просто делает прогноз, но также обосновывает его: подсвечивает важные в данный момент параметры, аномальные ситуации и определяет точность прогноза в каждой ситуации, что дает возможность оператору вмешаться в том случае, если ситуация выходит за рамки. Динамическое обучение и одновременно определение границ применимости – важный аспект нашей системы.
Результат
Настроенная система предоставит различные интерфейсы, «дашборды» для оператора, технолога и руководства. Для оператора и технолога это рекомендации по управляющим воздействиям, what-if анализ и прогноз производства, а для руководства сводный план, позволяющий повысить управляемость процесса в целом.
Платформа показала свою применимость в задачах от флотации до расхода ферросплавов, от оптимизации выработки метиленхлорида до прогноза производительности стада, от шихтовки и процесса измельчения руды до прогноза прогноза химического состава и брака продукции.
Платформа содержит в себе необходимые компоненты для создания цифровых двойников, что позволяет относительно быстро (за 1-2 недели) проводить пилотирование, т.е. исследование применимости методов моделирования к конкретному процессу, анализ достаточности данных и оценку достижимости требуемых метрик.
