Студент разработал ИИ-систему для Норникеля, прогнозирующую содержание металлов

Студент Центрального университета разработал для Норникеля систему на основе ИИ которая позволяет прогнозировать содержание металлов в сырье Предложенные модели обеспечили масштабируемость и простоту сопровождения Решение отвечает требованиям безопасности совместимости и встраиваемости в текущую ИТ среду сообщили в Норникеле Экономический эффект от внедрения системы оценивается в 30 60 млн рублей в год Студент учится на совместной магистерской программе AI в промышленности Центрального университета и Норникеля banksta

Студент Центрального университета внедрил ИИ на заводе Норникеля и сэкономил производству миллионы рублей Владимир Кувшинов создал систему которая сама следит за прогнозными моделями и подсказывает когда нужно вмешательство На данный момент ИИ прогнозирует содержание металлов на 59 точках технологической цепочки на каждой минимум по две модели Модели которые разработал студент позволяют повысить извлечение полезного металла всего на несколько десятых процента Однако из за масштабов производства такое небольшое улучшение помогает экономить до 60 млн рублей в год только на одной фабрике Студент собрал решение полностью самостоятельно от базы данных до интерфейса Система уже тестируется на производстве и показывает точность прогнозов в пределах 5 ai machinelearning big data news ai ml

Студент Центрального университета разработал для Норникеля систему на основе ИИ которая позволяет прогнозировать содержание металлов в сырье Предложенные модели обеспечили масштабируемость и простоту сопровождения Решение отвечает требованиям безопасности совместимости и встраиваемости в текущую ИТ среду сообщили в Норникеле Экономический эффект от внедрения системы оценивается в 30 60 млн рублей в год Студент учится на совместной магистерской программе AI в промышленности Центрального университета и Норникеля Telegram Дзен MAX

Студент Центрального университета создал прогнозные модели которые позволят сэкономить до 60 млн руб на металлургическом производстве Работал над проектом Владимир Кувшинов в рамках магистерской программы AI в промышленности запущенной год назад совместно с Норникелем Поскольку смысл программы в обучении на реальных проектах студенты имеют возможность разрабатывать решения которые могут быть реализованы бизнесом и приносить пользу сразу В Норникеле отмечают что проект легко масштабируется отвечает требованиям безопасности встраиваемости в текущую ИТ среду и уже внедрен в производство ОбОбраз

Юный гений помогает Норникелю экономить до 60 млн рублей в год Студент Центрального университета разработал инновационную прогнозную модель которая повышает эффективность извлечения полезных металлов на несколько процентов обеспечивая Норникелю значительную экономию Эта модель самостоятельно отслеживает точность прогнозов сигнализируя о снижении эффективности и автоматически корректирует данные В настоящее время ИИ анализирует содержание металлов на 59 точках в производственном процессе TechGPTNews

Студент Центрального университета разработал для Норникеля ИИ модель прогнозирующую содержание металлов в сырье Подобные модели используются для повышения точности прогнозирования содержания меди никеля и серы в сырье на разных этапах производства Однако без регулярных обновлений и автоматизации их точность со временем снижается Решить эту проблему смог студент Центрального университета Владимир Кувшинов в мастерской Test Learn Его разработка отслеживает момент когда модель начинает работать менее точно подсказывает необходимость вмешательства и автоматически выполняет калибровку По словам руководителя направления разработки и внедрения ИИ в Норникеле Даниила Ивашечкина после калибровки погрешность прогноза не превышает 5 а применение таких моделей позволяет компании экономить до 30 60 млн рублей в год Система Владимира Кувшинова создана на открытом технологическом стеке Python Dash Plotly MS SQL Студент самостоятельно спроектировал всю систему от базы данных до пользовательского интерфейса с учётом масштабируемости и требований безопасности На данный момент две ИИ модели внедрены в производство на 59 точках технологической цепочки Подробнее в материале Коммерсанта