商業案例
鉬案例
商業案例 AI Bruna – Powered by Altumlab
鉬是世界領先的鉬和錸生產商，產能佔鉬加工總量的37%和錸的70%。其生產工廠目前位於智利、比利時、墨西哥和德國。
鉬是一種礦物，用於從大型基礎設施工程到航空和醫療應用的所有領域，具有高附加值特性。
為了生產，Molymet從不同的礦業公司購買大袋形式的原材料，價格根據質量與他們商定。到達后，使用準時制方法對超大袋進行取樣並立即轉移到氧化反應器中，這主要是由於需求量大且存儲空間減少。
問題在於，不同的採礦供應商之間的材料並不相同，它們的成分不同，而且他們只有在材料進入生產過程後幾個小時才知道這一點，其中進入的材料類型直接影響熔爐和氧化反應器的能耗。
如何利用人工智慧優化這一過程？
人工智慧可以幫助我們預測來自每家礦業公司的材料會是什麼樣子。為此，我們使用了多年來收集的所有樣品的歷史資訊，以及進入工廠的所有大袋。
有了這些資訊，就可以對能夠預測原材料特性的神經網路進行建模，從而進行操作調整。
可以進行哪些調整？
通過獲得原材料資訊，工廠經理可以改進爐子和氧化反應器的供電方式。考慮到具有一定特性的穩定原料可以減少能源使用，您可以決定使用某些供應商的超袋喂料，甚至可以使用不同供應商的預混料以保持穩定性。主要策略之一是對原材料進行細分，然後根據其成分將它們分配到最合適的工藝中。有些將直接進入熔爐或反應器，而另一些則留在儲存中以備後用。
這個項目的預測是什麼？
Molymet 估計可將烘烤爐和反應器的能耗降低 3% – 5%，同時擁有超過 90% 的預測工具，可以高效混合並將原材料分配到不同的生產過程中。
資訊的重要性：
資訊的可用性是關鍵。可以使用預測演算法，但需要提供歷史資訊。資訊越多，可以參數化和關聯的資訊越多越好。每次執行樣本時，它都會反饋給演算法，因此這種類型的技術不會取代採樣過程，它所做的是利用這些資訊進行預測。雖然它不能取代它，但在某些情況下，可以減少採樣過程，同時保持必要的自信水準，以改善操作，從而做出戰略決策。
我想在我的公司實施人工智慧，我應該考慮哪些事情？
這項技術雖然具有創新性，但必須以人為本。在那些日常參與操作的人中。沒有他們的經驗和知識，應用技術是非常困難的。為了成功實施，我們必須努力解決採用障礙，因此，合併客戶成功計劃以減少技術障礙並提高此類工具的採用始終是有用的。