• Сегодня 28 марта 2024
  • USD ЦБ 92.59 руб
  • EUR ЦБ 100.27 руб
PHARMA CRM Система для автоматизации процессов фармкомпаний: управление визитами, полевыми и госпитальными продажами, медицинскими представителями
Коля в Третьяковской галерее
Деловой завтрак «Налоговый мониторинг»
Одиннадцатая конференция «Цифровые технологии в фармацевтике: фокус на импортозамещении и повышении эффективности»
https://vk.com/cforussia

Дмитрий Карбасов, Eurasian Resources Group: «Качество данных – понятие относительное»

16.03.2020

Дмитрий Карбасов, Eurasian Resources Group: «Качество данных – понятие относительное»

Дмитрий Карбасов, руководитель управления Промышленный искусственный интеллект Eurasian Resources Group и спикер Пятого форума «Цифровое предприятие», рассказал CFO Russia о работе с большими данными и практическом применении технологий искусственного интеллекта.

Как определить качество данных?

Качество данных – понятие относительное, которое определяется бизнес-целью и математической моделью.

Каковы ключевые проблемы качества данных?

  • сложность подключения к существующим источникам данных: неизвестен интерфейс, нет описания схем данных или что-то не работает;
  • отсутствие данных: они вообще не собираются либо ведутся на бумажных носителях;
  • ошибки датчиков: сбои, выход из строя;
  • пропуски в данных;
  • отсутствует описание схемы данных: базу получили, в ней сотни таблиц и тысячи столбцов, описания нет или оно устарело;
  • короткий срок хранения данных.

Что можно предпринять, если данные отсутствуют?

За последние 5 лет появились технологии, которые позволяют собирать неизвестные данные: машинное зрение и виртуальные датчики. С помощью машинного зрения можно распознавать визуальные объекты и преобразовывать их в данные. Например, состав и дефекты материала, скорость движения объектов.

Виртуальный датчик на основе формализованных данных выдает неизвестный показатель процесса. В нашей компании такой датчик используют в плавильных печах. Нам важно четко понимать, когда шихта из печного кармана попадает в активную зону, так как ее движение занимает сутки, плюс-минус несколько часов. Сложность состоит в том, что данный процесс нестабилен и определяется большим количеством факторов.

Существуют также обычные датчики для сбора данных. Но чтобы понять, какой именно датчик необходим, специалист должен погрузиться в проект. А зачастую в компаниях проекты прорабатываются поверхностно, поэтому решение о выборе датчика принимается поздно.

В чем особенности и сложности применения искусственного интеллекта в ГМК?

Важно понимать, что, как правило, при внедрении классических ИТ-решений предприятия горно-металлургической промышленности не готовят свой ИТ-ландшафт для применения технологий ИИ.

Какими советами вы можете поделиться с компаниями относительно сбора неизвестных данных и старта внедрения ИИ в ГМК?

Об этом я буду подробно говорить на конференции. 

Задать свои вопросы Дмитрию Карбасову и узнать больше об опыте Eurasian Resources Group технологий вы сможете на Пятом форуме «Цифровое предприятие», который состоится 23 и 25 июня 2020 года.

Мария Кириченко


Комментарии

Защита от автоматических сообщений