На производствах СИБУРа используется комплекс рекомендательных моделей на основе Data Science.

Рекомендательные модели

Data Science в СИБУРе применяется, в том числе, для снижения издержек и повышения эффективности в цепочке непрерывного производственного цикла на опасных производственных объектах. Цели внедрения – стабилизация технологических режимов, исключение внеплановых остановов оборудования, улучшение качества продукции и увеличение производительности.

Цифровые модели анализируют изменения в технологическом режиме, просчитывают вероятность ухудшения качества продукции, избыточного расхода ресурсов, нештатных ситуаций – и выдают рекомендации в зависимости от задачи. Искусственный интеллект не заменяют собой сотрудника, но помогают ему принимать наиболее эффективные решения.

Совокупный экономический эффект (руб.)

~2 млрд

Система поддержки принятия решений на производстве бутадиена в Тобольске рекомендует оптимальные параметры режима в текущих условиях, что позволяет производить дополнительно 1200 тонн бутадиена в год.
Предиктивное обслуживание экструдера производства полипропилена в Тобольске исключает аварийные остановы и снижает количество некондиционных марок примерно на 1500 тонн в год.
Комплекс моделей на производстве дегидрирования пропана в Тобольске помогает исключать потери, связанные с забивкой катализаторопровода, исключить риск получения УМД на 2880 тонн пропилена в год.
На установке полимеризации пропилена в Томске модель даёт рекомендации по параметрам технологического режима для поддержания стабильности показателя текучести расплава (ПТР) порошка полипропилена, повышения качества выходного продукта, повышения производительности.
Рекомендательная система на производстве дегидрирования пропана в Тобольске строит сценарий оптимального производства с учётом имеющихся ограничений: нахождения баланса между производительностью в моменте и долгосрочными целями по производству и обеспечивает оптимальное планирование режима производства с учётом заданных ограничений для максимизации совокупного объёма выхода за производственный цикл, а также заблаговременно предупреждает персонал о возможных отклонениях в технологическом процессе.
Рекомендательная система на производстве изобутан-изобутиленовой фракции (ИИФ) в Тобольске за счет оптимизационной модели управляющих параметров установки повышает производительность и выход целевого продукта на 1%, увеличивает ремонтные интервалы.
Виртуальный анализатор на производстве метанола позволяет измерять процент содержания метанола в метил-трет-бутиловом эфире (МТБЭ) и более точно вести технологический режим для выдерживания заданных показателей качества продукта. Производство продукта более высокого качества позволяет компании получать дополнительный маржинальный доход.

Промышленные данные

Рекомендательные модели СИБУРа используют производственные данные, которые уникальны для каждой установки, учитывают существующие ограничения и параметры технологического режима.
Собственная платформа

Все модели работают на единой платформе собственной разработки (Machine learning framework), обеспечивающей полный жизненный цикл моделей, включая онлайн-мониторинг метрик качества. Методы machine learning позволяют улучшать и совершенствовать модели. Платформа является частью большой инфраструктуры управления данными компании, что позволяет бесшовно интегрироваться с ИТ-системами компании и получать доступ ко всем необходимым данным.
Эффект

Основные рычаги применения моделей сегодня – повышение операционной эффективности, повышение качества производимых продуктов. Совокупный экономический эффект от рекомендательных моделей и продуктов продвинутой аналитики приближается к 2 млрд рублей.
Производство будущего

Комплексы математических моделей приближают отрасль к запуску безлюдного производства. В силу сложности нефтехимических процессов в мире пока нет абсолютно безлюдного нефтехимического производства. Внедрение рекомендательных систем на основе искусственного интеллекта снижает УМД и влияние человеческого фактора.