Эффект от внедрения продуктов Mechanica AI

Предсказываем и улучшаем результаты важных производственных процессов. Кейсы, реализованные командой Mechanica AI, позволяют увидеть реальный эффект от внедрения решений.

Наши технологии включают в себя средства обработки промышленных данных разного типа, готовые конфигурации метрик для различных отраслей, а также набор методик для повышения устойчивости моделей. За счёт этого мы можем работать даже с неполными и ошибочными данными, а также обеспечить соответствие отраслевым требованиям по надёжности и безопасности.

Оптимизация расхода сырья при производстве стали

Задача - сократить расход ферросплавов при производстве стали в кислородно-конвертерном цехе без потери качества.

Данные - исторические данные о более 200000 плавок, включая:

  • Технические параметры конвертерного этапа и этапа внепечной обработки
  • Результаты химических анализов
  • Требования к химическому составу готовой стали;
  • Справочники стали и ферросплавов.
Результат
5%

Виртуальное измерение состава входного газа при газофракционировании

Задача - виртуально измерять состав входного сырья, чтобы своевременно подстраивать режимы работы установки, в реальном времени получать данные, которые сейчас не доступны (замеры лаборатории проводятся 2 раза/день).

Данные - исторические данные за 2 года работы установки, включая:

  • Параметры входящего потока газа
  • Данные замеров хроматографов
  • Данные лаборатории
  • Параметры работы установки
  • Параметры выходящего продукта
  • Требования к качеству и технологические ограничения.
Результат

Разработан виртуальный сенсор, измеряющий состав газа на входе в установку. Средняя ошибка (при определении концентрации одиночных компонентов на входной колонне), по сравнению с лабораторией, составляла

2-6%

Предсказание дефектов проката стали

Задача - выявить слябы с наибольшей долей дефектной массы на ранних этапах производства.

Данные - исторические данные о 17 000 ранее изготовленных слябов, включая:

  • Химический состав
  • Геометрические параметры
  • Вес
  • Известные дефекты
Результат

Создан программный модуль, определяющий слябы, которые после обработки дадут значимый дефект в прокате. В первых 10% заготовок доля дефектных слябов составила

48%

Оптимизация процесса термообработки труб

Задача - повысить скорость работы цеха за счет оптимального выбора параметров термообработки для каждой партии.

Данные - исторические данные о процессе термообработки:

  • Параметры плавки (марка стали, химические анализы и пр.)
  • Параметры термообработки (режимы печей, температура, скорость)
  • Данные контроля качества
  • Справочные данные (требования к качеству).
Результат

Создан программный модуль, рекомендующий оптимальные параметры термообработки для каждой партии. Ожидаемый рост производительности цеха

3-5%

Прогнозирование влажности готовой продукции

Задача - предсказать ожидаемый уровень влажности продукции в конкретной партии для выбора оптимальных настроек работы сушильного аппарата.

Данные - исторические данные о процессе производства:

  • Данные о сырье
  • Параметры работы установки
  • Данные контроля качества
  • Справочные данные (требования к качеству, марки продукции)
Результат

Создан программный модуль, прогнозирующий ожидаемую влажность для конкретной партии. Улучшение прогноза по сравнению с текущей моделью составило

32.7%