Page 87 - 国外钢铁技术信息内参（2022年8月）

ᇏݓࣁඋ࿐߶

第 1128 页至 1132 页

（八）利用人工智能改变金属生产方式，实现效益最

大化

1
Crick Waters ， Beverly Klemme ， Raj Talla ， Prema Jain ， Nikunj Mehta 1
1
1
1
ᇏݓࣁඋ࿐߶
1 法尔科尼公司

摘要：最近，人工智能（AI）和机器学习（ML）技术已被用来解决复杂的操作 ᇏݓࣁඋ࿐߶

问题。然而，将 ML/AI 用于各种类型的设备、不同的使用条件、多种控制信号

和随时间变化的操作状态仍是一个难题。本文介绍了 Falkonry 的 AI 操作平台如

何学习、检测和预测连铸状态。这种方法可以随时用于各种应用条件，不需要数

据科学家进行专业指导和操作。预先检测设备故障可使操作部门及时安排必要的

维护措施，避免发生意外停机而导致生产损失。

关键词：人工智能操作，机器学习，时间序列数据，预测操作优越性，预测维护，
ᇏݓࣁඋ࿐߶
连铸，可靠性，基于状态的维护

Transforming Metal Production by Maximizing

Revenue Generation With Operational AI
ᇏݓࣁඋ࿐߶

ABSTRACT：Recently， Artificial Intelligence (AI) and Machine Learning (ML)

techniques have been used to solve complex operations problems. However， scaling

MLIAI across a multitude of equipment types and use cases， a variety of signals，

and over time with changing operations remains a significant challenge. This paper

discusses how Falkonry's Operational Al platform learns， detects， and predicts

conditions in continuous casting. This methodology is scalable across use cases and

time without the need for data scientists. Precedent detection of impending equipment

failures allows operations to schedule necessary maintenance interventions ， thus
ᇏݓࣁඋ࿐߶
avoiding loss of production due to unexpected downtime events.

原文参考 CMISI 数据库： AISTech 2021-钢铁技术会议论文集

CSM 中国金属学会 CMISI 冶金工业信息标准研究院
84