Комментарии 22
А точно это называется интиллект а не какая нить многомерная оптимизация или динамическое программирование?
Касаемо инструментария, то это комплекс математических моделей, обученных на годовой выборке, использующих определенные ограничения технологического процесса, нацеленных на получение наилучшего сочетания 11 параметров.
Задача ИИ принимать сложные решения за оператора, при постоянно меняющихся условиях и сочетании ряда параметров. Белка справляется явно лучше операторов.
Это у вас решение, работающее поверх системы APC, которая сама по себе оптимизатор. APC по хорошему должна сама выставлять уставки АСУТП - также или в полностью автоматическом режиме (автопилот) или в режиме советчика. Также странно, что вы в этом проекте заново подбирали параметры (переменные) для вашей модели "с нуля" не учитывая те параметры, по которым уже работает APC. Вариант "довести APC до ума" не рассматривался? А так у вас получается "три головы" - оператор, Белка и APC. Велик риск что они часто будут спорить между собой, и риск того, что вы не найдете концы когда "что-то пойдёт не так".
Так и в целом по датасайнсу "интеллектом" называют всего лишь оптимизацию параметров исходя из истории. Особо интеллектом и не пахнет.
Идем дальше, усовершенствуем алгоритм в части снижения вариативности по качеству концентрата, учету внешних дополнительных параметров.
Сейчас сервис работает в ОПЭ на одной из секций фабрики обогащения, а у нас их 4. Будем транслировать сервис на другие секции.
Статистика по операторам появилась сразу после запуска системы, как основной KPI продукта.
При этом правильно замечено, что в ходе наладки были операторы которые показывали наилучший результат по производительности. Соответственно, проводили анализ таких смен, выявляли лучшие практики и переобучали модель. В итоге в настоящий момент операторы работающие с максимальным участием системы имеют наиболее высокие значения производительности с оптимальным качеством.
в настоящий момент операторы работающие с максимальным участием системы имеют наиболее высокие значения производительности с оптимальным качеством
Вкалывают роботы, а не человек, крутяк.
Но что получается, оператор, больше доверяющий системе, имеет лучший KPI? А следом и выше премии? В таком случае премируется по сути лишь повышенная лояльность системе, а не растущая квалификация.
Ждём : "После того как супруга услышала "Надо посоветоваться с "Белкой"" она стала искать по подругам телефоны хороших наркологов"...
В процентном соотношении прибавка невелика: при сохранении качества мы достигли роста производительности всего на 1,52%
Мы в подобных ситуациях писали что экономия благодаря автоматизации, ресурсосбережение 30%, ну точнее "29.423%" и аргументировали разными методами. 10% мало, 50% ни кто не поверит, а примерно 30% самое то. И сроки окупаемости приемлемые выходили. Понято что у нас были цифры с потолка, образцового предприятия нет и цифры эффективности в основном из шума статистического состояли.
Поздравляю с работающим кейсом цифровизации. Уверен, что в дальнейшем появится еще больше идей, как улучшить процесс.
Понравился итеративный подход в отладке:
В период тестирования модель постоянно изменялась. В неделю проводили по 3-4 встречи, несколько раз в неделю накатывали новые версии. Так постепенно довели технологическую корректность советов до того уровня, когда можно было задуматься о полной автоматизации.
На ум пришел такой риск: сейчас операторы еще помнят, как менять параметры на чувствах. Но со временем этот навык атрофируется. Нужно предусмотреть, кто будет подстраховывать автоматику.
Риск потери квалификации технологическим персоналом, увы, есть. Как во всем мире при автоматизации. Единственное, сейчас на производстве люди работают с таким гигантским опытом, что их через 10 лет ночью разбуди, они наощупь все операции выполнят. И они бдят и наблюдают за Белкой критически))
Со следующим поколением все, конечно будет иначе, да и само производство уже другим будет.
Раньше Белка сама приходила, а теперь надо к ней за советами идти! :)
Начали писать на R, но позже перешли на стек Python и Java.
Чем вызван был переход?
Были ли эксперименты с вариантами моделей и может какие-то подходы не подошли в данной задаче?
Мы перешли на Python и Java, т.к. поняли, что необходимо унифицировать все цифровые продукты. R изначально предложили подрядчики, но по Python и Java у нас в компании больше экспертизы и мы поняли, что так ничуть не хуже. Собственно смысл унификации в упрощении и удешевлении поддержки решений.
Решение данной задачи начинали с простой линейной регрессии, квадратичной – не получили требуемой точности.
хотя многие сотрудники уверены, что название происходит от пушистого грызуна
— Расстреляли меня, внучек, расстреляли…
Более 100 млн. рублей в год это 3820 долларов в день (по курсу 72)
оператор принимает управление на себя, хотя система все еще предлагает подсказки
Ввели кнопку/голосовую команду «Да знаю, не ори?» )
Как белка с ИИ сэкономила нам 100 миллионов на обогащении руды