Для нашей заводской ТЭЦ на ЕВРАЗ ЗСМК в Новокузнецке жизненно важно поступление из пруда воды определенной температуры. Она нужна для охлаждения конденсатора паровой турбины — одного из важнейших элементов данного агрегата. С помощью турбины осуществляется выработка электроэнергии. Для эффективной работы ТЭЦ одного водоема‑охладителя мало, нужен второй, но его нет: в дефицитные 90-е обустроить еще один пруд не было возможности. Как эту проблему помогает решать разработанная нами модель‑подсказчик, расскажу я, дата‑сайентист ЕВРАЗа Александр Варкентин.

Хотите системно вырастить сеньора из джуна? Собрать идеальную команду за пару кликов? Прозрачно развивать hard- и soft-навыки сотрудников? Я, Владимир Тимонов, главный разработчик ЕвразТехника ИС и управляющий продуктом ИС «Матрицы компетенций», расскажу, как мы справляемся с этими вызовами в ЕВРАЗе.

Мечта любой IT-компании — обучение в стиле Нео из «Матрицы»: загрузил программу, и через минуту сотрудник уже мастер React и Kubernetes. Увы, реальность сложнее.

В условиях жесткой конкуренции за таланты найти готового специалиста с нужным стеком и знанием специфических технологий вроде OPC или MES — почти невозможно. Кандидаты часто переоценивают свои навыки, их резюме не соответствуют реальным компетенциям, а зарплатные ожидания растут быстрее, чем навыки.

Что, если вместо бесконечной охоты за мифическими сеньорами выращивать их самим? Именно этот вопрос привел нас к созданию системы, которая превращает перспективных джунов в экспертов, знающих не только технологии, но и бизнес-процессы компании.

Разработчик в ЕВРАЗе: больше, чем просто код

Матрица компетенций – известный и хорошо себя зарекомендовавший инструмент в управлении персоналом. Существуют известные шаблоны таких матриц. Но мы решили разработать свой стандарт. ЕВРАЗ – компания крупная, у нас есть много особенностей, которые необходимо учитывать при оценке IT-специалистов. Так давайте пойдем от самого понятия «разработчик». Как он выглядит в металлургическом гиганте? Чем отличается его работа от коллег в продуктовых IT-компаниях или финтех-стартапах? В чем особенность этой роли и  почему матрица компетенций становится для нас не просто инструментом оценки, а настоящим компасом в профессиональном развитии, расскажем в этой статье.

Исключить аварийные остановки на производстве и прогнозировать время, когда агрегаты нуждаются в ремонте, — такие цели успешно реализовала команда ЕВРАЗа. Для этого на агломерационной фабрике внедрили автоматизированную систему, причем не отличающуюся особой сложностью. Как она работает, расскажу я, Python Backend разработчик компании Ольга Седова.

Привет, Хабр! Меня зовут Максим Бочкарев, в IT я с 2005 года и сейчас руковожу devops-направлением в компании ЕВРАЗ. За эти годы я успел повидать множество граблей, на которые мы наступали, пытаясь построить нормальную систему CI/CD. И сегодня хочу рассказать, как мы прошли путь от «кустарного производства» пайплайнов к промышленным масштабам, не потеряв по дороге ни одного девопса и не спалив продакшен.

Недавно прошёл Хакатон ЕВРАЗа 3.0, на котором участникам поставили задачу упростить и ускорить важный процесс разработки — code review. Эта сложная и трудоемкая часть работы программистов, которая требует предельной концентрации и широкого опыта специалистов. 

Хакатон предоставил возможность не только найти новые идеи для автоматизации, но и продемонстрировать потенциал ИИ для повышения качества кода. Если тема цифровых технологий в металлургической промышленности интересует и вас, приглашаем поближе познакомиться с решениями победителей. 

Как устранить аварию? Вовремя доставить на место ремонтника с правильными руками и инструментами. А как это делать быстро и автоматизировать взаимодействие всех участников процесса — я, Сергей Куцанин, руководитель проектов в ЕвразТехника ИС, расскажу в статье.

Качканарский комбинат очень большой: от одной точки до другой можно идти часами. Для решения этой проблемы на предприятии есть служебный транспорт. Но возникает новая задача — обеспечить наличие транспорта в нужном месте в нужное время.

Для этой задачи мы придумали сделать аналог «Яндекс.Такси» для домашнего пользования при помощи телеграм-бота и решения от МТС. Приглашаю под кат — узнать, что из этого получилось.

Привет, Хабр! Меня зовут Илья Ульянов, я архитектор информационных систем и руководитель проекта «Охота на риски» в ЕВРАЗе. Расскажу вам, что необычного в дизайне этого проекта. 

Концепция — совместить геймдев и металлургию. Звучит уже непривычно: с каждой из этих сфер я работал, но не с обеими сразу. Тем интереснее была задача.

Заядлый геймер, выполняющий задания за вознаграждения и место в рейтинге, — далеко не первое, что ассоциируется с суровыми горняками и металлургами. Где видеоигры, а где техника безопасности и мониторинг инцидентов? Командная работа, ачивки, тематические сезоны — этого не может быть в цехах. Или может?

Реальность, как это нередко бывает, оказалась куда неожиданнее самых смелых предположений. Идея совместить две, казалось бы, слабо совместимые вещи принесла хорошие результаты. О том, как мы запустили мобильное приложение “Охота на риски”, рассказываем в этой статье.

Маленькие вещи могут создавать большие проблемы. И нет, речь не о камешке в ботинке и даже не о вирусах. Мелкие закупки — крупная головная боль для отдела снабжения. А поскольку в ЕВРАЗе активно развивается цифровая трансформация, мы эту головную боль решили лечить не цитрамоном, а соответствующим IT-продуктом. 

Под катом вы узнаете, как мы разрабатывали собственный внутренний маркетплейс, какие проблемы героически преодолели, а какие предвидели заранее. Ну и, разумеется, что из этого вышло.

Привет, Хабр! ИИ уже отбирал работу у веб-дизайнеров, программистов и копирайтеров. Теперь он пришел за операторами производственных цехов. 

Интеллектуальная видеоаналитика давно помогает нам обрабатывать материалы точнее, да и в целом автоматизировать и отлаживать производство. Да, нейросеть тоже ошибается, как и живой оператор. Но оператор багует от случая к случаю: не угадаешь. А вот процент ошибок грамотно обученных нейросетей плавает в известных нам пределах. 

Так что же — вместо операторов будут алгоритмы? Не всё так однозначно. Почему человека нельзя убрать из цепочки — под катом.

Если вы следите за нашим блогом — значит, читали уже много статей про цифровую трансформацию ЕВРАЗа. Оптимизация расхода ферросплавов и прокачка технологов до дата-сайентистов — самые яркие кейсы, привлекающие внимание одним заголовком. Однако цифровизация всеобъемлюща и вездесуща, как Святой Дух. В равной степени она касается и суровых технологических вещей, и самых обыденных аспектов жизни компании. Впрочем, в этот самый момент они перестают быть обыденными.

Электронный документооборот (ЭДО) — это не просто «отсканируйте и перешлите в формате .pdf». Это сложные IT-системы, интегрированные с другими сложными IT-системами. Это криптографическая магия, позволяющая подтвердить, что вы кот тот, за кого себя выдаёте. В сегодняшней статье поговорим о людях и технологиях, благодаря которым можно подписывать документы в один клик, получить квалифицированную электронную подпись за полчаса и оперативно заключать договора за тысячи километров.

Цифровая трансформация подобна ремонту: однажды начавшись, не заканчивается уже никогда. Разработчики и дата-сайентисты выискивают по цехам ЕВРАЗа — где бы ещё причинить пользу своими знаниями и умениями? На этот раз им на глаза попалось производство рельсов. И увидели они, что это хорошо, но можно ещё лучше…

Конечно, в действительности процесс принятия решений выглядит немного иначе. Однако термоупрочнение рельсов — действительно перспективный объект для цифровизации. Под катом вы сможете прочесть, как строилась математическая модель остывания рельса, а главное — зачем.

Привет, Хабр! Меня зовут Даша, я руковожу тестированием в ЕВРАЗе. Многие имеют опыт работы тестировщиком. Наверняка среди читателей найдутся и такие, кто руководит целым отделом QA. Но мало кому выпадает шанс создавать QA-направление в огромной промышленной компании практически с нуля.

Под катом я расскажу, как нанять тестировщика без опыта и не пожалеть об этом, зачем одновременно знать Python и C# и почему бывает непросто наладить сквозное тестирование.

В этой статье мы поведаем о незаметных «атлантах», на чьих плечах держатся уже реализованные проекты цифровой трансформации в ЕВРАЗе. А именно — о второй линии поддержки проектов ЦТ. Кто эти герои без плащей и трико?

Основной задачей нового хакатона стала разработка цифрового двойника эксгаустера агломашины. Ну эксгаустер, вы же знаете..?

В прошлых статьях мы много рассказывали о том, как Data Science помогает металлургу, что такое Self-Service Analytics и как простой технолог может командовать моделями машинного обучения. В этом посте хочется раскрыть больше технических деталей по последнему пункту.

Хардкорный дата-сайентист может собрать нейросеть даже из спичечных коробков. Однако CDS — это про решение производственных задач малой кровью и в разумные сроки. И для таких решений необходим соответствующий инструментарий.

Привет, на связи снова Андрей Косинцев из ЕВРАЗа, и под катом вы узнаете, как самообучаются ML-модели и самоверстается фронтенд.

Говорят, что в России и в мире дефицит IT-специалистов. Врут, разумеется. Специалистов достаточно, просто IT-задач слишком много.

С другой стороны, иногда задача вроде бы есть, а на самом деле её нет. Кажется, вот тут используешь machine learning — и станет хорошо. А на деле — гипотеза не подтвердилась, корреляции нет, эффекта нет. Только потраченное время IT-команды. Конечно, отрицательный электрод — тоже электрод, но вот стоимость такого электрода хотелось бы уменьшить.

А с третьей стороны — бывают задачи, которые технолог своими руками в Excel, конечно, не решит, но вот ещё немного — и решил бы. И очень не хочется платить за аутстафф или ждать месяцы, пока у штатных айтишников освободится время. Хочется, чтобы «вот ещё немного».

О том, как мы в ЕВРАЗе научились справляться с такими «задачами Шрёдингера», что значит SSA помимо серверной авторизации и о прочих поразительных вещах — читайте под катом.

Шутки шутками, но мы в ЕВРАЗе думаем исходя из конкретных задач. Однако задача — это странный предмет. Иногда её вроде бы нет, а на самом деле она есть. Вот некий техпроцесс, он работает, даёт продукт, приносит прибыль. Кажется, работает — не трогай. А потом трогаешь, цифровизируешь — и он начинает работать лучше. Как понять, что такая возможность есть? Это нужно технологам разговаривать с дата-сайентистами.

Привет! Меня зовут Саша, и с 2020 года я работаю в ЕВРАЗе — это металлургическая и горнодобывающая компания. Устроился сюда бэкенд-разработчиком, а сейчас — техлид. 

Конечно, не каждый выпускник обязан всю жизнь помнить школьный курс химии целиком. И всё же такие элементарные вещи, как химический состав стали, должны задерживаться в памяти. Уж вы-то, уважаемый читатель, наверняка его помните?

Вопрос с подвохом: если кивнули — попались. Нет такой вещи, как химический состав стали вообще. Разумеется, в основном это сплав железа и углерода. А вот в какой пропорции, и самое главное — какие ещё элементы там присутствуют? Есть неисчислимое множество марок стали, отличающихся по физическим и химическим свойствам. Только у нас в ЕВРАЗе их производится более 1 200.

К каждой марке предъявляются свои требования по максимально и минимально допустимому содержанию тех или иных элементов. Эти элементы, как правило, значительно дороже, чем железо и углерод. С одной стороны, хочется их сэкономить. С другой — не выйти за нижнюю границу допустимого. Как в этом помогает ML — читайте под катом.

Привет, Хабр! В конце 2020 года мы в ЕВРАЗе поставили цель — научиться лучше прогнозировать и предотвращать отказы установок непрерывного литья заготовок. Для этого мы обратились к Data Science и в этой статье хотим поделиться подробностями проекта. Расскажем о подходе к построению предиктивной модели, процессе разработки, ну и конечно, о том, что из всего этого вышло.

Добро пожаловать в конвертерный цех!

Прокатный цех металлургического предприятия ЕВРАЗ ЗСМК занимается выпуском готовой продукции для клиентов: от арматуры до уголков. Производственный процесс — дело непростое. Иногда за всеми мощностями и нюансами человеческому глазу уследить сложно или даже невозможно. Под катом расскажем, каким образом система видеоаналитики решает производственные проблемы, изложим этапы ее создания и увидим, какие трудности возникают при решении подобного рода задач на металлургических предприятиях.