Читать книгу Подсказчик для металлурга - Артем Натрусов Михаил Волков Григорий Рубин Семен Щетинин Екатерина Тимофеева - Страница 1

Цифровой трансформацией «Евраз» системно занялся в 2017 году. К нынешнему году объем данных, накопленных в процессе автоматизации производственных активов компании, стал достаточным, чтобы использовать методы Big Data для повышения эффективности технологических процессов и роста безопасности производства. Компания остановилась на пяти приоритетных технологиях, которые рекомендуется использовать в новых проектах. Это продвинутая аналитика (ПА), экспертные системы, мобильные решения, безбумажный документооборот и видеоаналитика. В 2020 году в фокусе усилий по цифровизации оказалась ПА. На рынке нет готовых «коробочных» решений, поскольку инструменты всегда разрабатываются под конкретную бизнес-задачу или проблему и требуют особенных компетенций, в том числе в области Data Science. Партнером «Евраза» по внедрению ПА стала компания The Boston Consulting Group (BCG).

ПА зарекомендовала себя как технология с хорошим и быстрым возвратом инвестиций – со сроками до одного года. К тому же она позволяет запускать проекты разного масштаба: от одного цеха или небольшого передела до всей производственной цепочки.

В рамках первой волны программы реализуется шесть проектов в трех дивизионах «Евраза». Системы-подсказчики на основе ПА будут внедряться на двух железорудных и одной угольной обогатительной фабрике, на угольном разрезе (в периметре пилота – экскаваторы, самосвалы, бульдозеры), а также в электросталеплавильном и коксохимическом производстве. В последнем случае, например, основная задача – снижение брака. Общее количество параметров, которые рассматривались для включения в инструмент цифрового подсказчика, первоначально превышало 500. После проверки статистической значимости оставили 80 параметров, которые значимо влияют на брак. Среди параметров – интенсивность продувки, температура розлива на машину непрерывного литья заготовок, вязкость и основность шлака, сульфидная емкость шлака. Отслеживать их, анализировать в режиме реального времени и подсказывать операторам оптимальные решения по настройке технологического процесса – вот задача ПА.

Каждый оператор установки управляет технологическими процессами по-своему, на основании не только нормативов, но и накопленного опыта. Единый подход отсутствует, да и вряд ли он в принципе возможен. Это, с одной стороны, открывает потенциал для творчества, но с другой – ставит эффективность производства в сильную зависимость от экспертизы сотрудников. Здесь может быть очень много вариативности и потерь.

Использование больших данных и продвинутой аналитики для управления такими процессами – это способ сократить потери. При этом право на финальное решение – соглашаться с рекомендациями системы или нет, остается за операторами. Полностью передоверить настройку технологии ИИ пока невозможно, прежде всего по причине относительно невысокого качества данных. А во-вторых, и это более важно, машинные решения плохо реагируют на нестандартные ситуации, которых раньше не было, а также на смену режимов работы оборудования.

Конечно, функционирование системы «человек—машина» сопряжено с конфликтами. У операторов неизбежно возникает вопрос: почему система может управлять процессом лучше, чем сталевар? Преодоление недоверия и скепсиса требует значительных усилий по управлению изменениями.

В среднем внедрение подобных решений в основных производственных процессах может давать от 0,5% до нескольких процентов повышения эффективности (рост производительности, рост извлечений, снижение затрат) на конкретных переделах и приносить компаниям от миллионов (в черной металлургии) до нескольких десятков миллионов долларов (в цветной металлургии). В отдельных случаях эффект от решений может доходить до десяти процентов. Но реализация этих эффектов зачастую невозможна без изменения бизнес-процессов вокруг разработанных решений.

Важно также отметить, что с ростом качества данных эффект от подобных систем повышается, что само по себе является драйвером базовой автоматизации предприятий. Кроме того, подобные решения в области коммерческой деятельности и управления цепочками поставок могут давать сопоставимый или значительно больший эффект, чем в основном производстве.

Сейчас в «Евразе» идет «первая волна» программы. Кросс-функциональные команды, в состав которых вошли руководители и сотрудники компании и BCG, разработали и в июне этого года запустили шесть пилотных решений ПА: по два в каждом из трех ключевых дивизионов «Евраза» – «Урал», «Сибирь» и «Уголь» (см. «Кейсы»).