Zespół Data Miners - Laureaci trzeciej edycji CuValley Hack 2023

Zespół Data Miners – Laureaci trzeciej edycji CuValley Hack 2023

Zespół Data Miners "Optymalizacja energetyczna procesu mielenia I stopnia"

 

I MIEJSCE W ZADANIU „Optymalizacja energetyczna procesu mielenia I stopnia”

Skład zespołu Data Miners:

  1. Mateusz Bieniek
  2. Eryk Warchulski
  3. Paweł Jamer
  4. Tomasz Potrawa
  5. Paweł Golik

Uzasadnienie jury:

Zespól opracował algorytmy oraz działającą aplikację analityczną służącą do nadzoru i automatycznego sterowania pracą młyna, która umożliwia w czasie rzeczywistym:

  1. Analizę pracy młyna.
  2. Symulację efektów pracy młyna – jakość mielenia rudy oraz zużytą energię elektryczną – w zależności od parametrów pracy młyna.
  3. Optymalizację młyna: dobór parametrów prowadzących do maksymalizacji wydajności urządzenia.

Po wykonanej analizie Zespół „Data Miners” zarekomendował:

Na podstawie wytrenowanych rekurencyjnych sieci neuronowych, zespół opracował rekomendacje dotyczące optymalnych parametrów pracy młyna:

  1. Pozostawienie ilości mielników na poziomie referencyjnym 58,6
  2. Zwiększenie:
  3. prędkości obrotowej, powoli do maksymalnego poziomu ok. 185 obrotów / min.,
  4. gęstości zawiesiny w młynie poprzez zmniejszenie ilości wody o 20% przy jednoczesnym zredukowaniu ilości podawanej rudy o ok 7%, w celu zmniejszenia wypełnienia młyna.

Wdrożenie proponowanych zmian do procesu mielenia według zespołu pozwoli zredukować ilość zużywanej energii elektrycznej o ok. 4% oraz nie wpłynie negatywnie na jakość mielenia. Według zespołu możliwe szacowane roczne oszczędności ze zmian w sposobie prowadzenia procesu to 220 000 zł.

Projekt został oceniony jako kompletny i profesjonalnie przygotowany z dużym potencjałem do zastosowania.

Eksperci, którzy ocenili rozwiązanie, pochwalili zasady działania i dodanie możliwości wizualizacji procesu. Została doceniona równeiż próba biznesowego uzasadnienia projektu.

 

Kilka pytań do zespołu:

Co skłoniło Was do wzięcia udziału w hackathonie CuValley Hack 2023?

Jako zespół Data Miners mieliśmy przyjemność uczestniczyć już w pierwszym hackathonie CuValley Hack, w którym zostaliśmy wyróżnieni za nasz system analityczny MADSztygar, przeznaczony do współpracy z maszynami SMG. Dobra organizacja wydarzenia, interesujące zadania oraz wysoki poziom hackathonu wywarły na nas wówczas bardzo pozytywne wrażenie. Dlatego z nowymi siłami oraz w większym składzie, postanowiliśmy ponownie zmierzyć się z wyzwaniami analityki przemysłowej.

Czynnikiem sprawiającym, że nie mogliśmy przejść obojętnie obok hackathonu KGHM, jest niewątpliwie unikalność zadań stawianych przed uczestnikami. Ciężko jest wyobrazić sobie inny niż przemysł obszar gospodarki, w którym wdrożenia systemów analitycznych, znajdowałyby tak wyraźne oraz natychmiastowe przełożenie na poprawę efektywności procesów i wyniki biznesowe. Jako praktycy, czerpiący prawdziwą przyjemność z tworzenia skutecznie działających rozwiązań, nie mogliśmy nie skorzystać z okazji zmierzenia się z zadaniem usprawnienia maszyn górniczych. Perspektywa możliwości wdrożenia tych usprawnień w praktyce, była dla nas natomiast dodatkowym motorem napędowym do zintensyfikowanej pracy.

 

Czy zadanie/a, nad którym pracowaliście w trakcie hackathonu było/y dla Was łatwe/trudne? Dlaczego?

Już w trakcie planowania naszego udziału w hackathonie, wybraliśmy zadanie, z którym chcieliśmy się zmierzyć. Z kolei podczas wstępnych przygotowań do hackathonu, zaprojektowaliśmy koncepcję rozwiązania, zdefiniowaliśmy jego komponenty oraz rozważyliśmy różne scenariusze realizacji.  Szybkie zapoznanie się z udostępnionymi przed hackathonem próbkami danych utwierdziło nas w przekonaniu, że nasza strategia rozwiązania zadania jest realistyczna i realizowalna. Dlatego zaczynaliśmy hackathon z przekonaniem, że dokładnie wiemy co i jak chcemy zrobić.

Oczywiście w projektach informatycznych prany mają to do siebie, że lubią rozmijać się z rzeczywistością, czego nie udało się uniknąć również w tym przypadku. Niektóre zadania podczas realizacji okazały się większym wyzwaniem niż pierwotnie zakładaliśmy, a w ferworze pracy zaczęły pojawiać się nowe wątpliwości, skutkujące nowymi pomysłami na usprawnienia. Opanować projektowy chaos udało się dzięki dobremu zgraniu zespołu oraz dzięki temu, że jako zespół posiadamy nie tylko doświadczenia w realizowaniu projektów, ale również w zarządzaniu projektami.

Najistotniejszym hackathonowym wyzwaniem była niewątpliwie ograniczona wiedza na temat młyna pierwszego stopnia mielenia, którą posiadaliśmy rozpoczynając pracę. Naszym zdaniem, niezbędnym składnikiem przepisu na każdy udany system analityczny, są liczne warsztaty i rozmowy z ekspertami dziedzinowymi oraz ze stroną biznesową. W przypadku hackathonu bardzo pomocne w tym zakresie było wprowadzające wyjaśnienie pana Pawła Kwiatkowskiego oraz komentarze i porady udzielane na Slacku przez ekspertów dziedzinowych. Niemniej jednak nadal czujemy w tym kontekście głód wiedzy, który mamy nadzieję zaspokoić w trakcie rozmów dotyczących wdrożenia. Tak, aby finalnie dostarczone rozwiązanie spełniało jak najlepiej swoją funkcję, ku obopólnej satysfakcji.

 

W jaki sposób pracowaliście, jak dzieliliście się pracą nad projektem?

Wielkim plusem naszego zespołu jest jego interdyscyplinarność oraz zróżnicowanie doświadczeń zawodowych. Mamy wśród nas osoby specjalizujące się w rozwoju oprogramowania, mamy ekspertów data science, mamy również liderów znających się na organizacji projektów analitycznych i zarządzaniu nimi. Zróżnicowane doświadczenia pozwoliły nam w łatwy sposób podzielić prace tak, aby stworzyć kompletne rozwiązanie, a jednocześnie czerpać radość z wykonywanej pracy. W pierwszej fazie hackathonu tworzyliśmy w podziale na strumień analityczny oraz strumień programistyczny. W drugiej natomiast działaliśmy w podziale na strumień związany z integracją komponentów systemu oraz strumień związany z prezentacją rezultatów. Każdy z nas pracował przede wszystkim w ramach wybranego strumienia, jednak z uwagi na dynamiczny charakter hackathonu, zdarzało nam się elastycznie przyłączać pomiędzy strumieniami, żeby przyspieszyć realizację krytycznych zadań. Takie podejście pozwoliło nam finalnie stworzyć rozwiązanie, które składa się z silnika analitycznego oraz obsługującej ten silnik warstwy aplikacyjnej.

 

W jaki sposób zbudowaliście swój zespół?

Większość z nas miała okazję współpracować ze sobą zawodowo w różnych firmach i na różnych etapach kariery zawodowej. Część z tych współpracy się zakończyła, część trwa nadal, natomiast pozostała przyjaźń, dobre doświadczenia z kooperacji oraz zaufanie do wzajemnych kompetencji. Decydując się zatem na udział w hackathonie CuValley, w naturalny sposób postanowiliśmy wystartować w sprawdzonym i przetestowanym w boju składzie.

Jak zatem widać, nie optymalizowaliśmy konfiguracji naszego zespołu pod zadania hackathonowe. Warto jednak w tym miejscu zauważyć, że realizowane przez nas zadanie dobraliśmy w taki sposób, aby móc maksymalnie wykorzystać nasze mocne strony. W szczególności, zdecydowaliśmy się rozwiązywać problem, w którym zauważyliśmy potencjał wykorzystania metod deep learning, z którymi część z nas pracuje na co dzień w projekcie badawczo-wdrożeniowym. Dostrzegliśmy zasadność zastosowania w rozwiązaniu problemu metod optymalizacyjnych, które stanowią istotny element pracy badawczej jednego z nas. Finalnie dostrzegliśmy wartość we wzbogaceniu rozwiązania o element aplikacyjny, z użyciem wykorzystywanych przez nas w codziennej pracy technologii.

 

Jakie są Wasze wrażenia już po hackathonie. Jak oceniacie całe przedsięwzięcie?

Zespół Data Miners startuje w hackathonie CuValley już po raz drugi, co stanowi najlepsze potwierdzenie tego, że hackathon pozostawia po sobie dobre wrażenie oraz miłe wspomnienia.

Z pewnością pozytywnym z perspektywy uczestnika aspektem hackathonu jest jego dobra organizacja. W szczególności udostępnianie z odpowiednim wyprzedzeniem części materiałów dotyczących hackathonu. Zapoznanie się z treścią zadań pozwoliło nam wstępnie zaplanować prace oraz przygotować pod nie odpowiednią infrastrukturę IT. Udostępnione próbki danych dały możliwość wstępnego zaplanowania procesów oczyszczenia danych, feature engineeringu oraz modelowania. Wczesne otwarcie platformy hackathonowej pozwoliło na spokojne zapoznanie się z jej funkcjonalnościami.

W trakcie trwania hackathonu pomocna była możliwość korzystania z wiedzy ekspertów. Szczególnie wartościowe z naszej perspektywy były dyskusje oraz podpowiedzi pojawiające się na Slacku. Prowadzenie rozmów na forum publicznym po pierwsze gwarantowało równy dostęp do informacji dla wszystkich uczestników, po drugie natomiast pozwalało spojrzeć na rozwiązywany problem z różnych perspektyw, przez pryzmat pytań i wątpliwości zgłaszanych przez inne zespoły.

Po długim okresie pandemii, tęskniliśmy tylko jako zespół za możliwością spotkania się z uczestnikami hackathonu oraz organizatorami na żywo. Na pewno pod tym kątem docenilibyśmy możliwość spotkania się na hackathonie w formie stacjonarnej lub hybrydowej.