鋼材行情
人工智能在制造和運營方面的作用可能不為人所知，但是我們有機會使用這些工具來顯著提高重要行業(yè)的效率和有效性。以美國大河特種鋼鐵廠 “BigRiverSteel”為例，這家大型鋼鐵制造企業(yè)正試圖在最具工業(yè)特性的行業(yè)內進行重大轉型。BigRiverSteel的先例告訴鋼鐵行業(yè)， 機器學習同樣適用它們。
位于美國阿肯色州的BigRiverSteel廣泛使用傳感器、控制系統(tǒng)和基于機器學習的優(yōu)化。通過與人工智能咨詢公司Noodle.ai合 作，BigRiverSteel開發(fā)了多種技術來提高煉鋼的實踐和利潤。BigRiverSteel首席執(zhí)行官DavidStickler經常表示：“我 們是一家在生產鋼鐵的科技公司。”
BigRiverSteel在以下6個主要方面使用機器學習，盡管每個方面在應用成熟度上有所不同：
·需求預測：BigRiverSteel通過明智地使用資金而取得成功，所以它需要準確預測鋼鐵需求。要做到這一點，就采用具有宏觀經濟數據、鋼鐵的歷史需求、制造業(yè)動態(tài)、鋼鐵大客戶的動態(tài)(例如住房開工、石油鉆臺數量)的機器學習模式。
·資源開發(fā)和庫存管理：和小型鋼鐵廠一樣，BigRiverSteel的原材料是廢鋼，所以需要預測其可用性。Noodle.ai開發(fā)了“廢鋼指數”，并正在與BigRiverSteel合作，采取對沖方式購買廢鋼。
·調度優(yōu)化：什么時候生產什么，這是任何鋼鐵廠都要做出的重要決定，特別是當你最重要的投入是電能(用于熔煉廢鋼的電弧爐)時，就更加關鍵了。優(yōu)化模型能使非高峰時間的能源消耗最大化，從而使能源成本最小化。
·生產優(yōu)化：所有鋼廠都有非計劃事件，如漏鋼(當鑄造時鋼水從鑄模中脫落)和堆鋼事故(當熱軋鋼從輥子掉到磨機地板上時)。這些事件會使生產停滯，既危險又要付出成本代價。機器學習模型可以預測何時最有可能發(fā)生事故，并最大程度減少事故的發(fā)生。
·預測性維護：隨著工業(yè)機器數量的增加，BigRiverSteel可以使用機器學習模型來確定維護關鍵機器和設備的最佳時間。
·出站運輸優(yōu)化：像亞馬遜這樣的公司一直在優(yōu)化他們的出站供應鏈，但這在鋼鐵廠很少見。BigRiverSteel與客戶和托運人合作，將出站運輸的成本降到最低，并優(yōu)化客戶交付窗口。
有了這些應用，BigRiverSteel和其他公司改善的運營能力，但最有價值的好處來自于整合。BigRiverSteel正在試圖為工廠的業(yè)績和盈利能力進行“端到端”優(yōu)化，已經具有不同模型將業(yè)務計劃和運營的不同部分進行互連，并且在整個企業(yè)中進行優(yōu)化。
這種規(guī)劃和優(yōu)化的綜合方法仍處于早期階段，細化的話還需要更多的數據、算法的調整和大量的計算能力。但是Stickler和Noodle.ai的數據科學家都相信這是可以實現(xiàn)的。
濟南鋼材,濟南鋼板,濟南鋼鐵,濟南中厚板,濟南鍋爐板,濟南壓力容器板,濟南鍍鋅板,濟南螺紋鋼,濟南不銹鋼鋼板 m.s7z3we.com
在線客服
在線客服
在線客服
在線客服