ИИ предприятия предлагает решения для устранения сбоев в сталелитейной промышленности

С развитием технологий, основанных на искусственном интеллекте (ИИ) и созданием озер данных, организации начинают осознавать свою ценность для промышленного производства.

Корпоративный ИИ может быть встроен в фундаментальные бизнес-модели для улучшения процесса принятия решений. Он ориентирован на результаты, а не на саму технологию, позволяя организации превращать данные в ценные сведения для создания постоянной ценности для клиентов.

Металлургическая промышленность, одна из старейших в человеческой цивилизации, была основой современного промышленного роста. Сталь - самый популярный металл, используемый сегодня, а железо, четвертый по частоте элемент в земной коре, является ее ключевым компонентом.

По данным Worldsteel Association, мировое производство нерафинированной стали увеличилось с 189 миллионов метрических тонн в 1950 году до 1,8 миллиарда метрических тонн в 2018 году. Быстрый рост за последние два десятилетия был обеспечен за счет избыточных мощностей, производимых в Китае, на который приходится почти 50 процентов мирового производства стали. . Несоответствие привело к серьезным сбоям в отрасли, особенно в западном мире, поскольку китайские производители начали экспортировать свои избыточные запасы по низким ценам.

Хотя этот дисбаланс, вероятно, сохранится, компании работают над повышением эффективности за счет модернизации своих технологий производства чугуна и стали. При этом они постепенно уменьшили зависимость от человеческого труда в пользу автоматизации.

На современном металлургическом заводе используется гораздо меньше человеческого труда, чем 25 лет назад. За период, когда мировое производство стали выросло в два с половиной раза, отрасль уволила более 1,5 миллиона сотрудников.

Цепочка поставок стали содержит некоторые уникальные элементы, которые являются ключевыми для отрасли:

• Входящая цепочка поставок из нескольких источников. Шахты создают непрерывный поток сырья. Однако железная руда бывает разных форм и качества, что часто требует дополнительной обработки, прежде чем переходить к переработке конечного продукта. Это может привести к появлению различных марок стали, которые не обязательно привязаны к конкретным требованиям клиентов.
• Производство с учетом сбоев. Процесс производства чугуна и стали требует непрерывного потока материалов между этапами производства, включая доменную печь, кислородную печь, установку непрерывного литья под давлением и прокатный стан. Прекращение работы и перезапуск данной операции в процессе выплавки стали может быть дорогостоящим. Следовательно, необходимо сбалансировать производственный поток и поток запасов, чтобы избежать затрат на повторный нагрев, минимизировать переналадки и исключить нежелательное накопление незавершенных запасов.
• Сложная сеть хранения и распространения готовой продукции. Хранение, отслеживание и распространение уязвимы для неэффективности из-за различных сортов, веса и размера конечных продуктов. Кроме того, существуют ограничения на использование технологий отслеживания для сталелитейной промышленности, таких как метки радиочастотной идентификации (RFID), которые влияют на физические свойства стали.
• Несколько каналов продаж. Традиционно сталелитейные компании полагались на различные косвенные каналы продаж, такие как дилеры, агентства и сервисные центры, все нацеленные на одни и те же рынки. Производители оригинального оборудования из стали (OEM) имеют ограниченный контроль на рынке с минимальной видимостью требований конечного потребителя. Более того, косвенные каналы замедляют процесс продажи из-за многократного «рукопожатия» и накопления накладных расходов, таких как комиссионные агентству. С появлением интернет-продаж и каналов прямых продаж, электронные торговые площадки и электронные аукционы стали популярными средствами повышения прозрачности, сокращения циклов продаж и сокращения накладных расходов. В то же время платформы электронных торговых площадок предоставили клиентам свободный доступ к рыночным данным и конкурентным расценкам для определенных требований к классам. Это привело к увеличению количества марок стали, 75 процентов из которых были разработаны за последние 20 лет. Удовлетворение требований клиентов за счет кратчайшего цикла выполнения заказов и наиболее конкурентоспособной цены стало ключом к процессу продажи.
• Коммодитизированный и нестабильный рынок. В цепочке поставок стали используются как сырье, так и готовая продукция. Следовательно, бизнес подвержен колебаниям цен как в точках спроса, так и в точках предложения, что приводит к снижению прибыльности.

Предприятия ежедневно генерируют большие объемы данных, и они растут в геометрической прогрессии. Данные бывают как в структурированной, так и в неструктурированной форме. По мере того, как вычисления, хранение и цифровые технологии в оперативной памяти становятся надежными и доступными, многие металлургические компании используют их для разработки расширенной аналитики и анализа процессов. Однако до сих пор большинству этих усилий не хватало общеорганизационного видения в форме интегрированных стратегий цепочки поставок. Сталелитейная промышленность может извлечь значительную выгоду из совершенствования своего цифрового мастерства.

Цифровой двойник - это виртуальная копия процессов физической цепочки поставок и основа киберфизической интеграции. Он обеспечивает беспрепятственную передачу данных между цифровыми мирами и физическими объектами. Для включения корпоративного ИИ необходимы следующие атрибуты цифровых двойников:

• Платформа экосистемы для торговли для обмена информацией со всеми внутренними и внешними деловыми партнерами с помощью коммерчески доступного готового программного обеспечения.
• Платформа для прослушивания и подписка на информацию для сбора информации за пределами прямого контроля.
• Подключение физического оборудования и регистрация событий через устройства Интернета вещей (IoT). Цифровой двойник обеспечивает непрерывный сбор данных в реальном времени на различных узлах цепочки поставок, таких как хранение руды (горняками, поставщиками и операторами судов), производство (коксовыми печами, аглофабриками, доменными печами, литейными установками и мельницами), продуктами хранение и распределение (по верфям и грузовым перевозчикам) и каналы сбыта (включая электронные торговые площадки, сервисные центры и дилеров).

Озеро больших данных - это единое место для хранения всех корпоративных данных в их собственном формате. Его можно использовать для различных целей, например для расширенной аналитики на основе науки о данных и машинного обучения. Для сталелитейных компаний озеро больших данных может хранить несвязанные бизнес-данные из различных узлов цепочки поставок, включая карьеры, верфи, доменные печи, литейщики и заводы, в необработанных форматах. Большие данные можно использовать для получения информации в следующих областях:

• Анализ рынка состоит из информации о макроэкономике, денежно-кредитной политике, тарифах, биржах металлов, колебаниях цен на сырьевые товары, информации о конкурентах и ​​геополитической ситуации.
• Данные сталелитейных заводов предоставление подробной информации о производственных мощностях и операциях на различных этапах, таких как производство чугуна и стали, управление складскими площадками и транспортировка.
• Данные бизнес-плана включая планы производства и отгрузки.
• Данные партнерской экосистемы генерируется внешними заинтересованными сторонами, такими как клиенты, агентства, сервисные центры, майнеры, экспедиторы и операторы судов. Партнерская экосистема должна обеспечивать доступ к данным в многопрофильной бизнес-сети (например, торговой платформе экосистемы) от внешних организаций, с которыми металлургические компании ведут бизнес.

ИИ предприятия включает в себя следующие функции:

• Распознавание событий на различных этапах цепочки поставок стали. Прежде чем попасть на порог потребителя, стальное изделие должно пройти полный производственный цикл. По мере того как сыпучая железная руда превращается в отдельные стальные изделия, сырье проходит через несколько стадий оборудования и технологических процессов. Любое нарушение или изменение любой части цепочки поставок окажет серьезное влияние на другие этапы производства. Цифровой двойник со связанными атрибутами, такими как Интернет вещей, немедленно распознает изменения и соберет данные для дальнейшего анализа.
• Анализ событий и определение их влияния на ключевые показатели эффективности (KPI) на разных временных горизонтах. После сбора данных о событиях запускается расширенная аналитическая платформа для выявления возможных влияний на запланированные действия. На этом этапе за доли секунды создаются многочисленные сценарии «что, если», что позволяет сравнивать результаты возможных изменений во всей сети поставок. Оценка может определить влияние на различные ключевые показатели эффективности в пределах горизонта планирования.
• Рекомендации альтернативных решений. Хотя сбор и анализ данных имеют важное значение, реальная ценность корпоративного ИИ заключается в его способности анализировать всю степень воздействия и предоставлять соответствующие рекомендации. Если влияние превышает порог определенных KPI, бизнес-правила и уроки предыдущего когнитивного опыта могут помочь корпоративному ИИ рекомендовать решения, обеспечивающие желаемые бизнес-результаты. Такие рекомендации должны учитывать влияние в сети цепочки поставок и рекомендовать оптимальные планы.
• Оптимизация результатов за счет непрерывного познавательного обучения. Озеро больших данных обеспечивает понимание с помощью науки о данных. Корпоративный ИИ, в свою очередь, использует информацию для непрерывной оптимизации результатов. Озеро больших данных - это масса несвязанной информации, на осмысление которой у человека ушла бы жизнь. Без структуры эту информацию нельзя использовать в коммерческих целях. Методы науки о данных могут фильтровать неструктурированные данные в рамках определенных бизнес-измерений, таких как временные рамки, география и продукт, а также обнаруживать скрытые связи для непрерывного самообучения.

Корпоративный искусственный интеллект повышает надежность, эффективность и производительность в сталелитейной промышленности за счет сокращения ручного труда, заменяя его межмашинным подключением и предписывающей аналитикой. Он может распознавать такие элементы, как понимание рынка, нестабильность спроса и сбои в производстве и поставках. Промышленное использование технологий искусственного интеллекта, наряду с инвестициями в озера больших данных и цифровых двойников, обещает преобразовать сталелитейные компании в более оперативную и прибыльную деятельность. Прагматический взгляд на ИИ предприятия может резко повысить эффективность цепочки поставок стали, что приведет к снижению затрат на хранение запасов и сокращению времени вывода продукции на нестабильный рынок стали.

Хиранмей Саркар - управляющий партнер практики консультирования и интеграции услуг Tata Consultancy Services (TCS).