«Русал» выходит на мировой уровень: ИИ управляет электролизом и контролирует качество слитков

Введение

Ведущий алюминиевый гигант «Русал» входит в новую эру, где искусственный интеллект уже сегодня решает задачи, которыми ещё недавно занимались исключительно люди. От мониторинга электролизных процессов до микроструктурного анализа слитков — технологии ИИ прочно вливаются в ключевые звенья производства. Так Россия идёт вровень с мировыми трендами промышленного ИИ.

💡 Что происходит сейчас

1. Глобальная система мониторинга электролиза (ELTM)

1. ⏱️ На май 2025 года «Русал ИТЦ» внедрил ИИ в ELTM — автоматическую систему контроля элетролизёров на всех своих заводах. Её основные признаки:
   • Сбор данных с ~85 параметров с каждого электролизера (почти 600 000 параметров по компании).
   • Анализ на отклонения, приоритетизация тревог по уровню риска и автоматическая рассылка технологам с рекомендациями .
   • ИИ обучался на годах исторических данных — отказах, событиях, их причине и способах устранения.

2. Машинное зрение для мониторинга герметичности

С 2024 года стартовала масштабная кампания внедрения системы машинного зрения в электролизных цехах пяти ключевых заводов: Красноярска, Братска, Новокузнецка, Иркутска и Волгограда.
Преимущества:

• Автоматическое круглосуточное обнаружение утечек и нарушений герметичности.
• Вдвое более быстрый мониторинг по сравнению с ручными обходами.
• Объём инвестиций — около 1,6 млрд ₽ до 2027 года.

3. ИИ‑управление ходом электролиза

В сентябре 2024 года завершены промышленные испытания модели, прогнозирующей состав электролита и подправляющей технологический процесс. Это помогает повышать производительность и снижать энергозатраты на потоковую выплавку алюминия.

4. Нейросеть для анализа микроструктуры слитков

1. С февраля 2025 года ИИ используется для оценки микроструктуры цилиндрических алюминиевых слитков: нейросеть оценивает восемь параметров (размер зерен, включения и др.) за 15 минут вместо 1,5–4 часов анализа через микроскоп.
   • Модели должным образом натренированы на размеченных данным специалистами снимках .
   • Высокая точность, повторяемость и устранение человеческого фактора подтверждены руководителями ИТЦ.

🔧 Технический взгляд: как устроены ИИ-системы «Русала»

1. Маршруты данных и архитектура решения

• Система ELTM централизованно собирает данные с сотен сенсоров — температура, токи, напряжения, состав электролита и пр.
• Используется стандартная архитектура Data Pipeline: сбор → очистка → анализ → оповещение.
• Обучение ИИ — supervised learning с реплики исторических событий: модель тренируется на известных ошибках, ответах технологов и исходах.

2. Машинное зрение: камеры + аналитика

• В цехах электролиза установлены специализированные промышленные видеокамеры.
• Используются нейросети для сегментации изображений, распознавания паттернов на поверхности электролизёров.
• Система построена на популярных фреймворках типа TensorFlow/PyTorch с архитектурами CNN, обучаемыми на фото как нормального, так и неисправного оборудования.

3. Контроль микроструктуры:

• Нейросети видят микроскопический снимок и выделяют параметры: зерно, включения, текстуру.
• Параллельно тренируется несколько моделей (каждый под свой параметр), затем производится агрегированный вывод результатов.
• Быстрота и стандартизация анализа решают промышленные задачи контроля качества.

4. Интеграция и DevOps

• Как заявил руководитель Data Science Operations Иван Казарин, РУСАЛ выстроил стандартизированные подходы: единая архитектура, четкие процессы, метрики качества, этапы CI/CD.

Развитие проходит по ведению DataOps-группы, строгому тестированию, мониторингу метрик в реальном времени и циклической дообучаемости моделей.

📈 Эффекты и перспективы

Зона применения	Эффект
Энергосбережение и надёжность	Уменьшение аварий, своевременное обнаружение отклонений.
Эффективность контроля качества	Сокращение времени анализа с часов до минут.
Экология	Улучшение герметичности — снижение выбросов, защита окружающей среды.
Масштабируемость	Тиражирование решений на 5+ заводов до 2027 года.

• Ввод ИИ вывел «Русал» среди технологических лидеров цветной металлургии.
• Экологическая компонента ИИ-систем (герметичность, контроль анодов) поддерживает усилия по снижению углеродного следа в отрасли.

🌍 Место России в цифровой трансформации металлургии

• Цифровая трансформация металлургии — мировой тренд. Компании от Alcoa до Rio Tinto активно внедряют машинное зрение, предиктивный анализ и автономные системы.
• «Русал», производя ~3,8 млн тонн алюминия в год, идёт вплотную с мировыми лидерами: инвестирует в ИИ, экологию и энергосбережение.
• В России технологические игроки крупного масштаба пока редки — «Русал» стал пионером в ИИ-металлургии, наряду с автоматизацией в «Норникеле» и Уральской горно-металлургической компании (УГМК).

🚀 Вывод

«Русал» демонстрирует, как крупное производство может трансформироваться — от ручного мониторинга до промышленного ИИ.

• Внедрение ELTM стало серьёзным шагом к автономности производства.
• Машинное зрение и анализ электролиза показывают, что технологии ИИ выступают не роскошью, а необходимым ресурсом для эффективности и экологии.

Системный подход (DataOps, автоматическое обновление моделей, мониторинг) обеспечивает надёжность и масштабируемость: решения готовы выйти на мировой уровень.

🧠 Кому это интересно?

• Новичкам в ИИ — пример, как построить архитектуру от сбора данных до вывода аналитики на технолога.
• Опытным специалистам — кейс применения машинного зрения в промышленности и интеграции с существующими системами SCADA/PLC.
• Бизнес‑лидерам — аргумент в пользу инвестиций в ИИ: ROI, экология, повышение безопасности и репутации.

🧩 Заключение

Русский алюминиевый концерн «Русал»  делает решительный шаг вперёд: от отсталой ручной модели к интеллектуальному управлению процессами, предикции и цифровой безопасности. Доказано — масштабное производство способно быть умным, быстрым и экологичным одновременно. «Русал» задаёт ориентир для других российских и мировых металлургов в эпоху четвёртой промышленной революции.