Переработка остается мировым трендом современного общества, особенно в отраслях, где используются невозобновляемые источники материала для деятельности, т.к. большой объем вторсырья ежегодно подвергается использованию в различных отраслях. Это позволяет осуществлять положительное влияние на окружающую среду, уменьшив количество используемых ископаемых минералов. Однако, чтобы достичь максимального эффекта при переработке, требуется использование современных методов, подходов и технологий при осуществлении данного процесса (AI, ML). Например: в металлургическом производстве образуются определенные остатки, отходы - шлаки. 

По статистике на 2020-2021 год наблюдается рост потребления меди (Европа на 22%, прочие от 5% до 10%), а также рост количества продаж медьсодержащих ломов таким странам, как Китай. К 2025 году ожидается дефицит меди и рост цен, что позволяет говорить о большей актуальности вторичной переработки, а, следовательно, разработка решения для оптимизации состава завалки и обучением к предсказанию последующего состава позволит сократить экономические издержки минимум на 10% и увеличить получение весовой процент меди в составе, а последующие отвальные шлаки пойдут на производство строительных материалов или иных полезных продуктов, требуемыми современным обществом. Получаемые продукты обладают или теми же свойствами или более лучшего качества

Шлаки, образующиеся при выплавке, является ценным сырьем, т.к. в зависимости от производства, в составе данного материала может содержаться ценные или редкие компоненты. Разрабатываемый программный продукт, основываясь на анализе данных конкретного предприятия по составу шлаков, способен определять: 

1) насколько тот или иной компонент влияет на получаемый сплав;

2) какое количество весовых процентов следует отнять или добавить, чтобы наиболее экономично и продуктивно произвести выплавку.

Также при помощи ИИ программа может предсказывать оптимальный состав завалки для будущих плавок в зависимости от имеющихся компонентов, их качества и стоимости. 

Работа программы основывается на статистической обработке массива экспериментальных данных с использованием регрессионного анализа и искусственного интеллекта.

Выполняется на С подобных языках.

В настоящее время большинство предприятий Новгородской области, занимающиеся переработкой вторичных металлов (цветных и черных), используют традиционные методы для осуществления расчета химического состава шихты (завалки) для определенного типа печи. 

После поездки на завод были получены и протестированы данные по используемому составу на имеющемся прототипе продукта.

Было выявлено, что технология получения сплава нарушена и требует корректировки, для получения лучших результатов при тех же мощностях. 

Вследствие того, что с каждым годом наблюдается рост потребления меди и цены, продукт является хорошо коммерциализуемым и востребованным на рынке, т.к. любой предприниматель стремится сократить операционные или иного рода издержки. На данный момент как минимум 3 предприятия заинтересованы во внедрении программы на свое производство. Данный проект является темой кандидатской диссертации. 

Аналогов для вторичной переработки нет. Продукт является универсальным для применения в других отраслях. Например: на мусороперерабатывающих заводах можно подбирать оптимальный состав полимеров на производстве для достижения определенных механических свойств. 

Проект подходит под программы НТИ. EcoNET, TechNET.

На страницу проекта