«Северсталь» впервые внедрила решение на основе искусственного интеллекта на Череповецком металлургическом комбинате 24.06.2020 00:00Специалисты «Северсталь Диджитал» совместно с Центром технологического развития, цехом травления производства плоского проката Череповецкого металлургического комбината усовершенствовали модель, управляющую скоростью непрерывно-травильного агрегата №3 (НТА-3). К ней был подключен интеллектуальный агент, в основе которого алгоритм глубокого машинного обучения с подкреплением (reinforcement learning, RL), выполняющий функции искусственного интеллекта.
«Рубан» работает одновременно с цифровой моделью «Аделина», которая была установлена на НТА-3 ранее. «Аделина» вычисляет скорость управления агрегатом, а агент корректирует ее для достижения оптимального результата. Это обеспечивает производственному процессу большую гибкость и безопасность, так как модель и агент способны корректировать скорость агрегата каждую секунду и мгновенно реагировать на непредвиденные ситуации.
«Модель «Аделина» оправдала ожидания, показав рост производительности НТА-3 более, чем на 5 процентов. В марте 2020 года мы выпустили рекордный объем травленого проката на этом агрегате – свыше 130 тысяч тонн. После подключения интеллектуального агента производительность выросла еще на 1,5%. По расчетам, это может обеспечить нам более 80 тысяч тонн дополнительного производства в год. Это значимый показатель для одного из самых востребованных агрегатов в производстве плоского проката, – прокомментировал генеральный директор дивизиона «Северсталь Российская сталь» и ресурсных активов Евгений Виноградов.
Новый интеллектуальный агент «Рубан» отличается от классических моделей машинного обучения тем, что обучается не по историческим данным, а самостоятельно, исследуя среду цифрового двойника НТА-3. Скорость управления технологической частью агрегата во многом зависит от параметров проходящей стальной полосы – длины, ширины и толщины рулона, марки стали, температуры смотки металла и других. «Рубан» учится на сочетаниях параметров, которые создает специально для него генеративно-состязательная сеть. Также она задает план проката и формирует ситуации, которых не было в истории. Для более эффективного обучения интеллектуальному агенту была назначена система поощрений и штрафов. Путем экспериментов «Рубан» ищет решение, при котором сумма поощрений максимально превосходит сумму штрафов.