Череповецкий металлургический комбинат «Северстали» — сердце экономики города и одновременно одна из самых продвинутых цифровых площадок российской промышленности. Компания сделала ставку не на разовые пилоты, а на собственную команду разработки и данных — и это определило характер её ИИ-проектов.
Череповец как промышленный центр
Помимо металлургического комбината, в городе работает крупное химическое производство «ФосАгро» — так что Череповец совмещает сразу две капиталоёмкие отрасли. Обе тянут спрос на автоматизацию, ИТ-специалистов и промышленный ИИ в регионе.
Как «Северсталь» применяет ИИ
- Управление качеством проката. ML-модели прогнозируют свойства металла и помогают снижать долю несоответствующей продукции.
- Советчики для операторов. Рекомендательные системы подсказывают режимы агрегатов на основе истории производства.
- Предиктивное обслуживание. Анализ данных датчиков прокатных станов и другого оборудования для планирования ремонтов до отказа.
- Машинное зрение. Автоматический контроль поверхности и геометрии продукции.
Отличительная черта «Северстали» — развитие внутренних команд data science и ИТ: модели создаются и сопровождаются своими специалистами в связке с технологами комбината. Такой подход дороже на старте, но даёт скорость тиражирования решений между цехами.
Что ещё здесь может сделать ИИ: оценка потенциала
Помимо того, что уже работает, мы оценили направления, где комбинат масштаба ЧерМК мог бы получить эффект от ИИ в ближайшие годы. Шкала — пятибалльная: балл отражает зрелость технологии и типичную отдачу для отрасли.
Советчик режима плавки и проката
потенциал 5/5История тысяч плавок уже лежит в АСУ ТП — на ней обучается модель, которая рекомендует дозировки добавок и температурные режимы. Эффект считается по каждой плавке, поэтому такие проекты проще всего обосновать экономически.
Машинное зрение дефектов поверхности
потенциал 5/5Камеры на линии видят дефекты на скорости, недоступной контролёру, и не устают к концу смены. Ранняя отбраковка означает, что дефектный металл не проходит дорогие последующие переделы.
Предиктивное обслуживание станов
потенциал 4/5Вибрация, токи и температуры подшипников и редукторов накапливаются годами — модель превращает их в прогноз отказа и перечень узлов для ближайшего планового окна вместо аварийной остановки.
Оптимизация энергопотребления печей
потенциал 4/5Модель теплового баланса подсказывает режим нагрева под конкретный сортамент: печи — один из главных потребителей энергии комбината, и даже проценты экономии здесь ощутимы.
Важная оговорка: выше — экспертная оценка потенциала, а не перечень внедрённых систем. Баллы отражают сочетание зрелости технологии и типичного эффекта в отрасли; реальный приоритет для конкретного предприятия определяется состоянием данных, экономикой передела и готовностью команды. Но каждое направление опирается на подходы, уже доказавшие себя на российских производствах.
Интересный расчёт
Энергия процесса: эффект оптимизации режима
// интерактивный модельный расчёт — подставьте свои цифры
Расчёт иллюстрирует порядок величин и не является обещанием эффекта: реальный результат зависит от данных и процесса конкретного предприятия.
Частые вопросы
Своя команда или подрядчик — что выбрать заводу?
Зависит от масштаба. Гигантам уровня «Северстали» выгодна своя команда: задач хватает на годы вперёд. Средним предприятиям обычно рациональнее внешняя разработка с внутренним владельцем процесса.
Какие данные нужны для модели качества проката?
История параметров процесса (температуры, скорости, химия) и результаты контроля качества, связанные с конкретными партиями. Обычно всё это уже есть в АСУ ТП и LIMS — задача в стыковке источников.