ИИ для выручки и предсказуемого производства в целлюлозно-бумажном производстве — без ручного контроля каждой партии

Что за компания:
Kemira — химическая компания, поставляющая реагенты и цифровые сервисы для целлюлозно-бумажной промышленности.

Что было сделано:
Совместно с партнёрами Kemira разработала сервис KemConnect Predictive Wet End — облачное решение, использующее машинное обучение и предиктивную аналитику для контроля «мокрой части» бумагоделательной машины. Алгоритмы анализируют десятки параметров химии, состава волокон и режима машины, чтобы предсказывать проблемы с качеством и «бегучестью» полотна.

Данные с датчиков на бумажной машине передаются в облако, где ИИ строит прогнозы качества на ближайшие часы и показывает операторам рекомендации по настройке химии и режимов. Сервис отображает риски возникновения дефектов — от разрывов полотна до нестабильной плотности и влаги.

Результаты внедрения:

• Снижение количества незапланированных остановов машины
• Уменьшение объёма брака продукции
• Улучшение контроля параметров качества
• Прямая экономия сырья
• Экономия энергии

01/03

Что за компания:
В одном из кейсов, описанном AMD и Silo AI, рассматривается крупный производитель бумаги и картона (клиент Kemira), который испытывал проблемы со стабильностью качества и сложностью настройки технологического режима.

Что было сделано:
Командой было разработано объяснимое ML-решение, которое по данным процесса предсказывает качество продукции и рекомендует корректировки ещё до появления проблем. Модель встроена в цифровой сервис KemConnect и работает в реальном времени, выдавая прогнозы через несколько часов вперёд.

Операторы видят на дашборде «панель здоровья» машины: ожидаемая гладкость, прочность, влагосодержание и вероятность дефектов. При повышении риска система предлагает изменить дозировку химикатов или режимы сушки. Всё это дополняет, а не заменяет опыт технологов.

Результаты внедрения:

• Улучшение стабильности качества продукции
• Сокращение числа серьёзных инцидентов на оборудовании
• Экономия на простоях производства
• Снижение объёма брака продукции

02/03

Что за компания:
В научной работе по бумажному производству описан экспериментальный кейс внедрения ML-модели на сушильной части бумагоделательной машины, где критическую роль играет давление пара.

Что было сделано:
Исследователи построили модель, которая на основе параметров процесса предсказывает влияние изменения давления пара на качество бумаги. Цель — активно управлять режимом сушки, чтобы минимизировать дефекты и при этом не тратить лишнюю энергию.

Модель интегрируется в контур управления и выдаёт рекомендации операторам по установке оптимального давления. В перспективе подобное решение можно использовать в автоматическом режиме — когда ИИ напрямую задаёт уставки для регуляторов пара в рамках определённых ограничений.

Результаты внедрения:

• Повышение качества бумаги
• Снижение энергопотребления сушильной части оборудования
• Снижение количества рекламаций
• Сокращение затрат на энергию

03/03

А давайте мы расскажем вам за пару минут как Команда поможет вам заработать больше? С текущими сотрудниками?

Оставьте нам ваши контактные данные, пожалуйста.