Глаз – алмаз или как как ИИ помогает снижать брак и издержки в металлургии России
- Металлургия и тяжёлая промышленность;
- МинПромТорг / ПАО «Северсталь» / АО "Русал"
- Центральный ФО
- Москва;
- Северо-Западный ФО
- Вологодская область;
К 2024 году более 80% горно-металлургических компаний уже применяли решения на основе нейросетей в производстве, а свыше половины — в исследованиях. Они помогают быть намного быстрее и гораздо точнее.
Нейросети экономят миллионы
Действительно, 2025 год стал для российской металлургии точкой перехода от разрозненных цифровых экспериментов к системному внедрению решений на базе искусственного интеллекта. Если раньше ИИ появлялся в формате отдельных пилотов, то теперь он встраивается в ключевые производственные цепочки.
Экономический эффект становится измеримым: по оценкам аналитиков, к 2028 году вклад отрасли в экономику может вырасти на 0,11–0,17 трлн рублей именно за счёт применения нейросетевых решений.
Предсказать простои
Практика показывает, что наибольший эффект ИИ даёт в точках с высокой стоимостью ошибки. В первую очередь компании берутся за те цифровые решения, которые дают быстрый и понятный экономический эффект. Речь идёт о базовой автоматизации, предиктивной аналитике и первоочередной цифровизации ключевых этапов производства. Следующий шаг — процессы за пределами цехов: продажи, логистика, бэк-офис и интегрированное бизнес-планирование, где ИИ помогает анализировать CRM-данные, оптимизировать цепочки поставок и согласовывать планы разных подразделений.
Набор технологий широк: машинное обучение и машинное зрение, большие языковые модели, программные роботы RPA, системы распознавания речи и символов. Активно применяется компьютерное зрение — оно сопровождает продукт буквально от входных ворот до отгрузки готовой продукции. Так, при приёмке лома проводится фото- и видеофиксация, данные автоматически связываются с конкретным транспортным средством, а объём груза рассчитывается с помощью фотограмметрии. Далее цифровые сервисы анализируют информацию и подбирают оптимальные параметры шихтовки, что позволяет заранее формировать планы закупок сырья на несколько месяцев вперёд.
Цифры вместо интуиции
В 2025 году уже более половины российских металлургических предприятий использовали «умные» производственные технологии, а около трети — цифровые двойники оборудования и процессов. На отдельных заводах ИИ уже контролирует качество проката и внутреннюю логистику, ускоряя обработку заказов.
Масштаб применения ИИ хорошо иллюстрирует опыт «Северстали». В портфеле компании — более 60 проектов с использованием ИИ. Эти решения работают на повышение производительности агрегатов, сокращение издержек, контроль состояния оборудования и качества продукции, а также на соблюдение требований безопасности и снижение экологической нагрузки. Платформа видеоинспекции на базе нейросетей отслеживает отклонения в технологических процессах, контролирует состояние оборудования и фиксирует потенциально опасные ситуации для персонала. Качество готовой продукции проверяют десятки систем компьютерного зрения, распознающих дефекты по разным классам.
Параллельно предприятия анализируют и действия операторов. Алгоритмы выявляют наиболее эффективные модели работы и используют их для обучения ИИ, что позволяет находить узкие места и снижать влияние человеческого фактора.
Под контролем алгоритмов
ИИ в металлургии — не эксперимент, а инструмент управления прибылью и качеством. Машинное зрение и аналитика позволяют снижать процент брака на 15–40% и уменьшать количество дефектов на тонну металла в 2–3 раза. Стабильность химического состава плавок улучшается на 20–30%. Оптимизация расхода ферросплавов даёт экономию 3–8%, энергопотребление на тонну продукции снижается на 5–12%, а расход сырья — на 1–3%. Предсказательное обслуживание уменьшает простои оборудования на 20–50%, ускоряя логистику внутри цехов на 10–25%.
Компании, не внедряющие такие решения, рискуют столкнуться с более высокой себестоимостью, нестабильным качеством и меньшей гибкостью. Нейросети в металлургии работают сразу в нескольких измерениях: они считают, подсказывают, контролируют и учатся. И именно в этом сочетании — ключ к тому, почему ИИ так быстро стал частью повседневной индустриальной реальности.
