ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ — В МЕТАЛЛУРГИЮ

О компании

Выявляя с помощью искусственного интеллекта скрытое и показывая его значимость, помогаем металлургам своевременно принимать решения

Мы используем современные технологии машинного обучения для поиска скрытых причин недостаточной эффективности процессов. Полученная информация ложится в основу создания алгоритмов для корректировки технологических процессов.

Партнеры компании: МГУ, НИТУ МИСиС, ЦНИИЧермет, Метпром и др.

Технологическая экспертиза, современные ML-решения и наработанные кейсы позволяют быстро выполнять проекты и решать реальные задачи в производстве.

Своей задачей компания считает содействие качественному улучшению производства, повышению конкурентоспособности промышленных предприятий, в том числе в реализации проектов энергоперехода и экологической безопасности.

Опыт

Экспертиза

Услуги

Комплексный (или экспресс) анализ данных техпроцесса с помощью стандартных статистических и ML-методов
Многофакторный анализ влияния различных характеристик производства на результирующий (целевой) параметр

Как правило, после проверки данных и зависимостей простейшими статистическими методами(распределения, доверительные интервалы, линейные парные зависимости), необходимо решать задачу более сложными методами с применением ML. Естественно, для этого зачастую приходится пересобирать (и неоднократно) весь обьем данных(датасет), изменять или модифицировать совместно с Заказчиком целевой параметр.

В результате оказания такой услуги появляются:

  • многофакторные зависимости одновременного (а не попарного) влияния многих параметров на целевую;
  • выводы о возможных метриках качества решения задачи (ML- моделей),
  • Новые гипотезы/выводы о параметрах и скрытых зависимостях производственных процессов, с которыми после обсуждения соглашаются/не соглашаются технологи Заказчика.

Одним из самых сложных для понимания/интерпретации является именно «многофакторный анализ», поскольку человеку трудно представить «одновременное изменение параметров». Не случайно Gartner использует для таких интерпретаций термин «объясняемый ИИ (Explainable AI)».

Для иллюстрации таких зависимостей, интерпретации и обьяснения Компания использует как распространенные библиотеки (например SHAP), так и собственные средства визуализации связей, которые на наш взгляд более подходят к задачам металлургов.

Типовой срок выполнения такого исследования для процесса с участие 2-4 агрегатов и 100-400 технологических параметров составляет1-2 месяца.

Предоставление доступа к аналитической платформе металлурга AI Metal

Платформа исследования особенностей и закономерностей производства AI Metal ориентирована на специалистов (технологов, руководителей и специалистов аналитических подразделений), отвечающих за определенные производственные участки, переделы, цеха.

AI-Metal ориентирована на работу с технологическими данными почти всех переделов (от аглодоменного до прокатного). AI-Metal cодержит как набор готовых инструментов, моделей, так и содержит средства интеграции с внешними информационными системами.Платформа помогает в решении практических задач, с которыми сталкиваются эти специалисты:

  • какие технологические регламенты (ТехКарты..) приводят к меньшему количеству несоответствующей продукции?
  • какие технологичемие парметры (скорости, температуры, степени обжатия...) и до какой величины (и с каким перепадом) допустимо использовать для «непопадания» свойств продукции в несоответствующие..

Основное отличие платформы от широко использующихся статистических пакетов — в многопараметрическом нелинейном анализе — как и в реальной жизни, можно проанализировать изменения сразу нескольких параметров (а не попарные линейные зависимости).

При этом, специалистам нет необходимости заниматься программирование, в платформе реализован очень большой набор алгоритмов «машинного обучения» (ML) и средств их параметрической настройки.

Платформа содержит мощные средства визуализации, специально адаптированные и опробованные при решении практических задач. AI-Metal разработан без использования лицензируемых западных инструментов, может быть развернут как на серверах Заказчика(во внутреннем контуре) , так и в защищенном облачном пространстве РФ.

Разработка математических (в т.ч. физико-статистических) моделей достижения целевых параметров, включая создание групп (пайплайнов, стеков) моделей
Разработка ПО для аналитического и прогнозного моделирования в различных вариантах реализации: API, полнофункциональные АРМы, WEB-приложения, включая подготовку методик тестирования и документов запуска и поддержки промышленной эксплуатации

Продукты

Предоставление доступа к программной платформе комплексного анализа и...

Сервисы

Абонентское обслуживание специалистов Заказчика

Указанный сервис может использоваться как вместе с услугой «Предоставление доступа к аналитической платформе металлурга AI Metal», так и самостоятельно.

Предназначен для специалистов техотделов, научно-технологических центров и лабораторий, ИТ экспертов. Доступ к сервису предоставляется на срок от 3-х месяцев до года. Конкретная спецификация: перечень тем, способы коммуникаций и время реакции, оговаривается в Договоре. Для постоянной коммуникации создается чат (канал), в котором обсуждаются все вопросы, связанные с организацией, обработкой и интерпретацией результатов статистических исследований. Как правило, еженедельно проводятся видеоконференции продолжительностью 1-2 часа для обсуждения методов и практик и вариантов использования ML и DL в производстве. Специалисты заказчика могут инициировать обсуждение путей решения любой производственной задачи, а также применения современных платформ AI: Sap DI, AI Metal, Statistica, включая вопросы их совместного использования.

Подготовки производственной задачи для ее решения силами специалистов Предприятия

Указанный сервис может использоваться как вместе с сервисом «Абонентское обслуживание Научно-Технического Центра», так и самостоятельно. В случае совместного использования специалисты НТЦ получают регулярную и разнообразную подготовку по использованию средств классической статистики и Искусственного Интеллекта. В случае отдельного использования сервиса, предполагается наличие у них этих знаний и навыков. Задачи в металлургии формулируются гораздо сложнее, чем в финтехе, например. Для того, чтобы задача стала «решаемой и в перспективе, решенной», необходимо несколько итераций по работе с данными, совместная работа по формулированию/переформулировании задачи.

В рамках указанного сервиса совместно со специалистами Заказчика осуществляется статистический и многофакторный анализ, в ходе Совещаний с технологами обсуждаются результаты и выводы, даются рекомендации по изменению структуры данных, совместно строятся ML-модели. Специалисты Заказчика получают промежуточные и окончательные модели (например на языке piton или на макроязыке выбранной программной платформы). На каждой итерации модели проверяются на различных наборах данных). Еженедельно, в рамках СПРИНТ-отчета специалисты Заказчика и специалисты Компании отчитываются о результатах за неделю.

Типовой срок предоставления такого сервиса для «исследовательской» задачи составляет1-2 месяца.

Проверка качества решения Задачи специалистами НТЦ

История

Мы ждём вас

Почему интересно у нас работать

Промпрогноз - молодая, небольшая, амбициозная компания, 80% сотрудников моложе 30 лет.

Все проекты в реальном производстве. Заказчики – отраслевые лидеры ММК, ЕВРАЗ, ПМХ и др. Задачи - практические, большинство ранее не решалось. Через год-полтора у вас в портфолио будет несколько «живых» кейсов с внедрением и конкретными эффектами.

Мы ищем сотрудников, которые могут выполнять разные задачи с высокой степенью самостоятельности и ответственности в работе.

Руководители всегда доступны для обсуждения любых вопросов. Приветствуется повышение квалификации и расширение навыков.

Компания растет вместе с сотрудниками.

Вы можете познакомиться:

Даниил Большин Руководитель направления Data Science
Какие тенденции DS(Data Science) вы считаете основными?

Я бы сказал, что тенденции в ML и DL областях разные. DL продолжает активно проникать во все большее количество сфер человеческой деятельности, и при этом каждая сфера может обладать своей неповторимой спецификой. Специфика на деле формирует архитектуру и инфраструктуру технологии. Короче разнообразие методов и применений DL технологий ширится, и пока предела этому не видно.

Ни в коем случае не хочу сказать, что в классическом ML "все уже придумали". Тем не менее в этой области расширение алгоритмической базы куда медленнее. Я бы сказал, что в этой области идет ортогональный процесс. Развиваются системы организации экспериментов, мониторинга моделей, более удобным делается CI/CD, улучшается работа auto-ML приложений. Одним словом, делается все возможное, чтобы ML инструменты перестали быть эксклюзивной технологией и стали типовыми и доступными каждому, в том числе людям, далеким от программирования и математики.

Насколько важно DS в промышленности быть/глубоко знать физику, металлургию?

Безусловно, знания и опыт в области, в которой вы работаете и, тем более, проводите исследования, дает вам значительное преимущество. Для решения любой сложной задачи в DS Вам все равно придется погружаться в предметную область. Иногда бывает сложно сказать, на что времени тратится больше, на несколько итераций постановки задачи или на поиск общего языка с экспертами клиента в процессе интерпретации результатов.

Однако замечу, что есть кое-что важнее предметного знания - это знание научного подхода, и не важно, из какой Вы области естественной или гуманитарной науки. Научный подход исключит из Вашей работы огромное количество фундаментальных ошибок и оградит от принятия заведомо ложных решений.

Какие методы/алгоритмы моделирования привлекают Вас больше всего?

Если говорить про алгоритмы глубокого обучения, то выбрать затруднительно. Есть во всем этом направлении что-то от «информационной алхимии», от искусства. Поэтому, кстати, на практике начинать проекты на новом предприятии с нейросетей не всегда лучший вариант. А вот в классическом ML меня привлекают не столько сами алгоритмы, сколько сопутствующие им методы отбора признаков, оптимизации гиперпараметров модели и т.д. Разнообразие сочетаний этих методов вызывает больший исследовательский интерес, и, в том числе, доверие клиентов.

Олег Юрьев Руководитель направления Data Engineer
Кузнецова Софья Отраслевой эксперт Профессор
Оказывают ли эксперты помощь тем, кто хочет стать высококлассным специалистом в области ML?

Оценкой рисков и прогнозом бизнес событий занимаются много компаний. Потребность в таких специалистах высока, поэтому ВУЗЫ формируют соответствующие дополнительные программы.

Не стал исключением и НИТУ МИСиС.

Эксперты, сотрудничающие с ПромПрогноз, всегда подскажут после собеседования, какие навыки нужно приобрести и где, и как это лучше сделать.

Самое сложное - научиться переводить невнятные задачи технологии на язык математики. В этом вопросе у ПоомПрогноза очень большое преимущество.

Какова цель, стоящая перед экспертами, участвующими в деятельности компании ПромПрогноз?

Привнести глубокую индустриальную и технологическую экспертизу, которая в НИТУ МИСиС, как одном из основных центров металлургической науки наиболее востребована в совместных проектах.

Эксперты участвуют в подготовке кейсов в самых востребованных задачах по динамическому управлению потребительскими свойствами металлургической продукции. Такие кейсы потом переходят в полномасштабные проекты, а также могут использоваться для обучения новых сотрудников, которые захотят работать в компании.

Кто нам нужен?

Выпускники или студенты 3-4 курсов ведущих профильных ВУЗов для работы по направлениям

  • Дата Сайентист
  • Дата Инженер
  • Разработчик ПО

Инженерно-технологическое образование приветствуется

Свяжитесь с нами

info@promprognoz.ru

 / Telegram Филиппов Владимир

+7 919 108-91-60 Технический Директор

По результатам года и итогам выполненных проектов выплачиваются премии.

Если вы хотите создавать практически работающие решения и сделать себе имя на интересном проекте — обращайтесь.

Новости

«ПромПрогноз»

Декабрь 2020 г.
Завершен пилотный проект POC для ДП1 ЗСМК

Выполнен анализ и и прогнозное моделирование на исторических данных по параметру «Содержание Si в чугуне» (химическая температура) для ДП1. Модель прогнозирует значение Si на 1 и 2 выпуск вперед с высокой точностью (более 80%). Подтверждена возможность создания рекомендательного сервиса для мастера ДП. Реализация проекта планируется силами специалистов комбината.

АО «ЕВРАЗ ЗСМК» является крупнейшим в Сибири и самым восточным в Российской Федерации предприятием по производству стали. Входит в пятерку крупнейших в мире производителей железнодорожных рельсов. «ЕВРАЗ ЗСМК» реализует продукцию в России и других странах СНГ и экспортирует металл в 30 государств дальнего зарубежья. «ЕВРАЗ ЗСМК» выступает в качестве генерального поставщика рельсовой продукции для ОАО «Российские железные дороги».

https://www.evraz.com/ru/company/assets/evraz-zsmk/

Декабрь 2020 г.
Выполнен анализ данных о работе ЭСПЦ по запросу АО «Металлоинвест»

По запросу АО «Металлоинвест» специалисты компании провели анализ данных о работе 4-х ДСП в ЭСПЦ АО «Уральская сталь». Предоставленные данные о нескольких марках стали за последние 1,5 года включают результаты лабораторного анализа химсостава на этапах выплавки и доводки, расход материалов, в том числе ферросплавов, различные нормативы.

Анализ показал достаточность данных для моделирования методами машинного обучения оптимального по стоимости состава ферросплавов при соблюдении требуемого качества стали.

Реализацию проекта возьмет на себя ИТ подразделение холдинга.

Металлоинвест — мировой лидер в производстве товарного горячебрикетированного железа (ГБЖ), ведущий производитель и поставщик железорудной и металлизованной продукции, один из региональных производителей высококачественной стали.

https://www.metalloinvest.com

Октябрь 2020 г.
Завершен экспресс-анализ параметров работы ДСП на заводе в г.Аксай (ERG)

Компания Промпрогноз совместно со специалистами управления «Промышленный искусственный интеллект» завершила работы по математическому анализу данных работы ДСП. Целью исследования было определение возможности прогнозирования математическими методами оптимальной продолжительности плавки и других параметров печи.

Результаты анализа признаны успешными, рекомендовано включение пилотного проекта в пул проектов на 2021-22 гг.

Международный горно-металлургический холдинг ERG- мировой лидер в производстве высокоуглеродистого феррохрома. Компания активно применяет искусственный интеллект в производстве и управлении, проекты ведет специализированное подразделение.

https://www.erg.kz/ru

Июль 2020 г.
Соглашение о конфиденциальности с АО «СЧПЗ» для анализ технологических параметров работы ДП

Компания Промпрогноз выполнит пилотный проект POC (proof of concept) по анализу и моделированию некоторых параметров работы доменных печей СЧПЗ. По результатам РОС

будет принято решение о направлениях развития ИТ СЧПЗ в части разработки предсказательных и рекомендательных систем для производственных подразделений завода.

Саткинский чугуноплавильный завод — один из крупнейших российских производителей ферромарганца, занимает прочные позиции в мировой экономике, ежемесячно выпуская более десяти тысяч тонн высокоуглеродистого ферромарганца. 30 процентов продукции экспортируется в страны Европы, Америки и Ближнего Востока, при этом полностью обеспечиваются ферромарганцем потребности металлургов Урала и Казахстана.

http://www.shpz.ru

Июль 2020 г.
Подписано соглашение о конфиденциальности с ЕВРАЗ ЗСМК

Компания Промпрогноз выполнит пилотный проект POC (proof of concept) по математическому моделированию и прогнозированию параметров работы одной из доменных печей ЗСМК. По результатам РОС будет принято решение о внедрении опробованных на пилоте моделей в реальное производство.

АО «ЕВРАЗ ЗСМК» является крупнейшим в Сибири и самым восточным в Российской Федерации предприятием по производству стали. Входит в пятерку крупнейших в мире производителей железнодорожных рельсов. «ЕВРАЗ ЗСМК» реализует продукцию в России и других странах СНГ и экспортирует металл в 30 государств дальнего зарубежья. «ЕВРАЗ ЗСМК» выступает в качестве генерального поставщика рельсовой продукции для ОАО «Российские железные дороги».

https://www.evraz.com/ru/company/assets/evraz-zsmk/

Июль 2020 г.
Подписано соглашение о сотрудничестве с компанией ERG, Казахстан.

Компания Промпрогноз выполнит пилотный проект POC (proof of concept) для одного из цехов по производству феррохрома. По результатам РОС будет принято решение о внедрении опробованных на пилоте моделей в реальное производство.

Международный горно-металлургический холдинг ERG https://www.erg.kz/ru - мировой лидер в производстве высокоуглеродистого феррохрома. Компания активно применяет искусственный интеллект в производстве и управлении, проекты ведет специализированное подразделение.

Апрель 2020 г.
В компании выделено направление Data Engineer

 К нашему коллективу присоединился Олег Юрьев, специалист с большим опытом работы с данными. Он проводил различные исследования, в том числе со студентами и аспирантами, преподаёт в ВУЗе. Для Олега интересна новая область знаний, возможность проявить себя в быстро развивающемся направлении прикладных ML-задач для промышленности.

 

Декабрь 2019 г.
Подписан первый договор (ML-платформа для ПАО «ММК»)

Компания «Промпрогноз» подписала договор на разработку ML-платформы для ПАО «ММК» https://mmk.ru/ru/

Генеральным подрядчиком по договору выступает ООО «ИТЦ «АУСФЕРР», г. Магнитогорск, https://ausferr.ru многолетний партнер ПАО «ММК» в области автоматизации производства. Проект «Информационной системы предиктивной аналитики для корректировки технологии и освоения новых видов продукции в ПАО «ММК» предусматривает адаптацию хранилища технологических данных комбината, разработку и интеграцию с хранилищем ML-платформы для исследования и моделирования технологических процессов. Система предназначена для технологов, специалистов НТЦ, металлургов, не владеющих специальными навыками и инструментами программирования и ML-разработки. Плановый срок запуска - сентябрь 2021 г.

Отрасль (технологий и металлургии)

Май 2022
ПМХ увеличил выплаты за рационализаторские проекты

На предприятии внедряются 3 уровня эффективности с различными бюджетами внедрения и вознаграждения

Металинфо

ПМХ увеличил выплаты за рационализаторские проекты - Новости металлургии - Металлоснабжение и сбыт (metalinfo.ru)

Апрель 2022
Интенсивные кибератаки и нехватка ИТ-специалистов

Шок, связанный с уходом западных партнеров, был кратковременным. Буквально на следующий день после новостных анонсов все ИТ-компании стали выстраивать альтернативные цепочки поставок, искать новых вендоров и ускорять планы по собственной разработке.

РБК Тренды

ИТ-тренды 2022 года | РБК Тренды (rbc.ru)

Март 2022
Культура качества на ММК

Николай Гладких, о системе управления качеством ПАО "ММК" "Задача - сделать единый формат решения проблем для всех поставщиков и компанейщиков для автомобильной промышленности.

8 шагов к качеству - tv-in.ru