Znamy miedziowych zwycięzców II edycji Hackathonu KGHM

Hackathon odbył się w formule on-line, podczas wydarzenia wykorzystanych zostało wiele platform znanych programistom. Imprezie towarzyszyła zorganizowana w Bibliotece Uniwersytetu Zielonogórskiego konferencja technologiczna „Dolina Miedziowa”. Eksperci zaprezentowali uczestnikom najnowsze rozwiązania i przykłady zastosowań technologii w przemyśle.

W hackathonie udział wzięło 250 uczestników, którzy połączyli się w 60 drużyn. Nieprzerwanie kodowali przez ponad 40 godzin, by stworzyć 40 projektów w ramach 3 różnych kategorii zadań. Finałowe drużyny wzięły udział w sesjach na żywo, podczas których odpowiadali na pytania jury dotyczące zaproponowanych rozwiązań.

Lista zwycięzców hackathonu

W kategorii Przygotowanie modelu danych wyznaczającego jakość katod w oparciu o parametry wsadów oraz parametry procesowe najlepsze okazały się projekty:

I miejsce

Zespół: CUdHacki

Projekt: Interaktywne narzędzie analizy składu katod

Kilka słów od zespołu: Nasze narzędzie może  zostać wykorzystane do doboru składu anod przed uruchomieniem procesu, a także do korekty parametrów już w trakcie elektrorafinacji. W części statycznej zagregowaliśmy i przeanalizowaliśmy dostępne dane pod względem korelacji. W części dynamicznej, poszliśmy o krok dalej i stworzyliśmy model, który dla wybranych przez operatora wartości wejściowych procesu pozwala przewidzieć wyprodukowaną ilość białych katod, a także ich skład. Następnie dodaliśmy kolejną opcję, która pozwala na optymalizację parametrów wejściowych w celu uzyskania katod o najlepszej jakości.

Uzasadnienie jury: Zwycięzcom udało się połączyć zrozumienie procesu technologicznego, analizy danych i zaproponować bardzo intersujące rozwiązanie w postaci optymalizacji doboru parametrów dla uzyskanie jak najwyższej jakości. Projekt ze zdecydowanym potencjałem wdrożeniowym.

II miejsce

Zespół: Anovei

Projekt: Model przewidywania jakości katod

Kilka słów od zespołu: Projekt przewiduje parametry procesowe dla danej analizy chemicznej anody w celu uzyskania katody wysokiej jakości. Algorytm genetyczny i własny model sieci rekurencyjnej. Można wybrać, które parametry procesowe można zmieniać poprzez nałożenie maski na geny w algorytmie genetycznym.

Nagroda specjalna Prezesa KGHM Polska Miedź S.A.Zespół: Bards.ai

Projekt: Biały Cruk

Kilka słów od zespołu: Stworzyliśmy aplikację, która na podstawie składu chemicznego anod proponuje parametry technologiczne procesu, które pozwolą na otrzymanie 100% jakości katod. W ramachprojektu powstało demo technologiczne.

Uzasadnienie jury: Zespół Bards.ai w zasadzie był na równi z drugim miejscem w tej kategorii. Ciężko było podjąć ostateczną decyzję. Zespół jednak wystartował w dwóch zadaniach i w kolejnym również był o włos za zwycięzcami postanowiliśmy nagrodzić ich nagrodą specjalną za pracowitość i kreatywność.

W kategorii Optymalizacja energetyczna zespołu pompowego układu chłodzenia Pieca Zawiesinowego Jury wybrało 2 najlepsze projekty.

I miejsce

Zespół: Digital Twins

Projekt: Cyfrowy Bliźniak Zespołu Pompowego

Kilka słów od zespołu: W ramach realizacji zadania na podstawie danych katalogowych i dostępnych pomiarów został stworzony Cyfrowy Bliźniak Zespołu Pompowego umożliwiający analizę pracy układu dla różnych nastaw kontrolowanych parametrów.

Uzasadnienie jury: Zdecydowany zwycięzca w tym zadaniu. Zaproponowali nie tylko podniesienie jakości i wydajności funkcjonowania bieżącego układu ale wskazali możliwe modernizacje w przyszłości. Ważny jest też kierunek – cyfrowy bliźniak dla układów czy całych systemów przemysłowych jest dla nas docelowym kierunkiem rozwoju w tym zakresie.

II miejsce

Zespół: Copperheads

Projekt: CoolerOptymizer

Kilka słów od zespołu: Stworzyliśmy aplikację, która na podstawie danych wejściowych w formacie CSV i modelu diagramu umożliwia przeprowadzenie symulacji działania tego układu godzina po godzinie. Model jest elastyczny, przy niewielkich zmianach umożliwia modelowanie dowolnego układu chłodzącego składającego się z 2 rodzajów pomp.

W ostatniej kategorii Sztuczny analizator temperatury żużla wewnątrz Pieca Zawiesinowego Huty Miedzi Głogów I i 2 zwycięskie zespoły:

I miejsce

Zespół: Miedziaki

Projekt: Miedź na oku

Kilka słów od zespołu: Miedź na oku jest modelem predykcyjnym, który został oparty o model uczenia maszynowego, konkretnie Gradient Boosting. Technika ta łączy innowacyjną technologię opartą o osiągnięcia działów matematyki takich jak analiza, algebra oraz rachunek prawdopodobieństwa wraz z prostotą drzewa decyzyjnego.

Uzasadnienie jury: Ponownie zdecydowany zwycięzca w swojej kategorii. Co dodatkowo nas cieszy – w tym 4-osobowym zespole były aż 3 kobiety. Zespół składa się ze studentów Politechniki Poznańskiej, którzy jednak wykazali się bardzo dobrym zrozumieniem procesów przemysłowych i technologicznych. Zastosowane algorytmy z wykorzystaniem filozofii „clean codeing” (czystego kodowania) dodatkowo nas przekonały. Stworzony model charakteryzował się również najwyższym parametrem prawdopodobieństwa i najmniejszymi odchyleniami.

II miejsce

Zespół: Cuprum Insight

Projekt: Wirtualna lanca pomiarowa

Kilka słów od zespołu: Celem projektu było stworzenie wirtualnej lancy pomiarowej wykorzystującej sztuczną inteligencję, przy pomocy której wyznaczana jest temperatura żużla z 1 minutowym interwałem.

Druga edycja Hackathonu CuValley Hack 2022, podobnie jak pierwsza, objęta została patronatem honorowym Premiera Mateusza Morawieckiego.

Link do transmisji z zakończenia hackathonu i ogłoszenia zwycięzców.