Как искусственный интеллект снижает стоимость производства железной руды в Казахстане
В небольшом городе Рудный ежегодно добывают больше половины казахстанской руды. Помимо людей, на производстве «трудится» искусственный интеллект. Как он там появился, что делает и сможет ли когда-нибудь заменить людей, рассказывают специалисты Redmadrobot Data Lab совместно с ERG (Евразийская Группа).
Извиняюсь, вместо "Ситовый анализ автоматизирован уже давно." хотел написать "Анализ гранулометрического состава автоматизирован уже давно."
Владимир,
вопрос про определение ИИ (да и вообще интеллекта) – скорее философский, давать определение смысла не вижу, но поясню так: сейчас ИИ является "зонтичным брендом" для технологий на основе машинного обучения, так уж повелось в медиапространстве, и аудитория привыкла видеть упоминание в ИИ в контексте проектов, реализованных на технологиях машинного обучения.
Машинное обучение применяется здесь в следующих местах:
1. Распознавание гранул (алгоритмы компьютерного зрения).
2. Предсказание невидимого слоя (предиктивная аналитика).
3. Оптимизация параметров работы мельницы.
Что касается альтернативных способов определения гран.состава, они были рассмотрены на этапе предпроектной аналитики. Мы не претендуем на то, что не существует альтернатив описанному способу. Однако в тех условиях, в которых выполнялся проект, выбранный подход получился оптимальным по срокам и стоимости внедрения, а так же удалось обойтись без серьезной модернизации линий. С точки зрения производственного процесса, проект прошел практически бесшовно.
Конфигурация системы позволяет относительно быстро выполнять работы по дообучению или переобучению системы. Конечно у нее, как и у всякой информационной системы есть свои ограничения и допущения.
Например:
если скорость конвейера будет увеличена в n раз, то текущая конфигурация инфраструктуры (свет, камеры), начнет подавать снимки недостаточного качества (появится размытие границ и т.п.), кроме того от изменения вибрации на ленте, изменится состав сырья в верхнем и нижнем слое, потребуется переобучение системы.
В тоже время, при масштабировании на большее число точек и получении более разнообразных материалов, система становится все более универсальной.