Форк ИТ развернул в облаке Cloud.ru ИИ-систему для контроля качества горнодобычи

Форк ИТ — российская команда разработчиков, которая специализируется на внедрении машинного обучения и аналитики в промышленности. Компания запускает проекты по автоматизации контроля качества, прогнозированию нагрузок и оптимизации производственных процессов.

Горнодобывающее производство обратилось к разработчику с задачей построить интеллектуальную систему для автоматической оценки качества сырья и прогнозирования параметров технологических операций. Проект предусматривал работу с большими объемами данных, сложными моделями машинного обучения и высокими требованиями по безопасности и масштабируемости.

Ключевые задачи и требования:

• Обработка данных с видеокамер и сенсоров для анализа качества сырья. Эти данные позволяют контролировать гранулометрический состав дробленой руды, обеспечивая стабильное качество питания для последующих переделов.
• Выявление дефектов на ранних стадиях и прогнозирование параметров технологических процессов. Эти решения критичны для предотвращения аварийных остановок конвейеров и дробилок, а также для корректировки режима флотации для повышения извлечения полезных компонентов.
• Обеспечение высокого уровня безопасности данных в соответствии с российскими требованиями (187-ФЗ, 152-ФЗ).

Целью Форк ИТ было создание готового решения, которое позволит эффективно работать с большими объемами данных и высокими нагрузками. При этом важно было, чтобы система могла быстро адаптироваться к меняющимся условиям и предоставлять высокую скорость обработки данных.

Выбор в пользу облака Cloud.ru был обусловлен необходимостью обеспечения быстрого запуска экспериментов и масштабируемости. Провайдер предоставил инфраструктуру, которая обеспечила все условия для успешной реализации проекта:

• GPU A100, которые позволили ускорить обучение моделей и протестировать различные архитектуры в короткие сроки;
• Evolution Distributed Train, удобная среда для работы с данными и разработки моделей машинного обучения;
• облако, соответствующее всем российским стандартам защиты данных (187-ФЗ, 152-ФЗ), что стало важным условием для внедрения ИИ-решений в промышленности;
• модель оплаты pay-as-you-go, которая позволила гибко масштабировать проект, начиная с меньших ресурсов и увеличивая их по мере роста потребностей.

Процесс создания решения был итеративным. Команда проверяла простые модели, постепенно увеличивая вычислительные мощности по мере роста сложности задач. Этот подход позволил оптимизировать использование облачных ресурсов и ускорить процесс R&D.

Важнейшим компонентом системы стало компьютерное зрение. Эти системы работают как круглосуточные и непредвзятые инспекторы на производственной линии, автоматически анализируя:

• гранулометрический состав дробленой руды, что обеспечивает стабильное качество сырья для последующих этапов;
• размер негабаритных кусочков руды, предотвращая аварийные остановки конвейеров и дробилок;
• структуру пены флотации, включая размер пузырьков, что позволяет точнее корректировать реагентный режим и повышать извлечение полезных компонентов.

Кроме того, в системе была реализована прогнозная аналитика и оптимизация процессов. Прогнозные модели анализируют ключевые параметры технологического процесса, например давление в мельнице или содержание полезного компонента, и автоматически рекомендуют оптимальные уставки для оборудования, что помогает выйти на режим максимальной энергоэффективности и производительности.

Проект показал отличные результаты:

• сокращение времени на обучение моделей благодаря использованию GPU A100, что позволило быстрее тестировать различные гипотезы и выводить решения на промышленный уровень;
• увеличение точности прогнозов: новые модели улучшили прогнозирование параметров технологических процессов и качество сырья, снизив количество дефектов;
• гибкость и масштабируемость: проект был запущен с минимальными ресурсами, которые при необходимости могли быть увеличены по мере роста нагрузки, что обеспечивало экономию на инфраструктуре;
• экономия на капитальных расходах: Cloud.ru обеспечил возможность использования облачных мощностей без необходимости в собственных серверах, что снизило расходы на создание и поддержку инфраструктуры.