Онлайн-чемпионат по Data Science

    Оптимизация работы оборудования, предиктивный мониторинг, построение зависимостей реальной прибыли от технологического режима и многие другие задачи из области цифровой химии уже решаются с помощью DataScience-технологий. У нас в рамках цифровой трансформации производственных и бизнес-процессов над этим работает направление «Продвинутая аналитика».




    Возможно ли правильно спрогнозировать объёмы производства, учитывая все особенности процесса и технологические параметры? Скоро узнаем.


    СИБУР вместе с AI-Community запускает онлайн-чемпионат по Data Science, который продлится до 19 ноября. Желающим принять участие нужно зарегистрироваться до 16 ноября. Решения принимаются до 19, а 24 ноября – финал.


    Общий призовой фонд составляет более 600 000 рублей: 1 место – 200 000 рублей, 2 место – 150 000 рублей, 3 место – 70 000 рублей, 4, 5 и 6 места – 40 000 рублей. Лучшие проекты дополнительных треков – 20 000 рублей и квадрокоптеры. В команде может быть от 1 до 4 участников.


    Алексей Винниченко, руководитель направления «Продвинутая аналитика»:


    «У нас была идея не просто сделать challenge competition, а взять реальную производственную задачу, которая сейчас на радаре, не простую и не абстрактную, и выдать её сообществу – показать, какими интересными вещами можно заниматься в СИБУРе. Задача объёмная, она состоит из пяти подзадач, которые в итоге должны сложиться в единый пазл. Должно быть интересно. И, конечно, будем благодарны за свежие, нестандартные идеи».


    Внимание, задача:


    Во время химической реакции на установке производства этилена кроме целевого полезного продукта образуется ряд побочных продуктов. Одним из нежелательных, но неизбежных продуктов реакции является углерод (кокс), который осаждается на стенках реакторов и на катализаторе. Для планирования производства этилена необходимо иметь возможность прогнозировать объём и эффективность производства, что зависит от состояния оборудования, ограничений режима, внешних факторов. Необходимо реализовать несколько предиктивных моделей, которые помогут в решении глобальной задачи прогнозирования объёмов производства.


    → Подробности и регистрация по ссылке

    Цифровой СИБУР
    98,00
    Компания
    Поделиться публикацией

    Похожие публикации

    Комментарии 2

      +1
      Задачи пободного рода решаются стандартными методами лет уж 40 как. Никакой Data Science не в состоянии заменить цифровую модель реактора с десятками ограничений и требований к происходящему химпроцессу, с пониманием химкинетики иногда большого количества реакций происходящих одновременно и с цифровыми моделями самого реактора.
      Во время химической реакции на установке производства этилена кроме целевого полезного продукта образуется ряд побочных продуктов. Одним из нежелательных, но неизбежных продуктов реакции является углерод (кокс), который осаждается на стенках реакторов и на катализаторе. Для планирования производства этилена необходимо иметь возможность прогнозировать объём и эффективность производства, что зависит от состояния оборудования, ограничений режима, внешних факторов. Необходимо реализовать несколько предиктивных моделей, которые помогут в решении глобальной задачи прогнозирования объёмов производства.
      Стандартная задача по специальности Кибернетика химпроцессов.
        0
        Мне кажется, что вам следовало точнее указать, что речь про "...мат. модель реактора...". А из софта сразу привести несколько примеров: Hysys, PROII, SimSci…

      Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

      Самое читаемое