АнтиКорИИ

ИИ-система для проверки эффективности антикоррозийных веществ в реальном времени.

Наша команда
Наша команда называется importChemistry и она состоит из двух наставников и двух участников.
  • Отиско Арсений
    Командир команды. Выполнял роль ML программиста.
    Писал код и создавал интерфейс web-приложения. Создал лэндинг.
  • Дамир Кириллов
    Участник. Выполнял роль химика
    Проводил математические и химические анализы и писал текст для лэндинга.
  • Галина Владимировна
    Наставник
    Помогала в составлении текста для лэндинга.
  • Анатолий Игорьевич
    Наставник
    Помогал с разработкой кода и составлением лэндинга.
Проблема
Ежегодно коррозия транзитных труб наносит нефтегазовой промышленности многомиллиардный ущерб. Компании вынуждены тратить огромные деньги и время на подбор защитных веществ — каждый лабораторный тест стоит до 180 000 ₽ и требует недель работы. При этом таких тестов нужны десятки.
Актуальность.

Россия — один из мировых лидеров нефтегазовой отрасли, где коррозия трубопроводов — проблема национального масштаба. Импортозамещение в сфере химических технологий создает необходимость в разработке ИИ-инструментов для анализа и точечного внесения ингибиторов коррозии металлов.

Аналоги проекта
Снизу приведена таблица в которой описаны аналоги нашего проекта.
Задачи проекта
  • Собрать и подготовить данные
    Собрать электрохимические данные ВАХ-кривых ингибиторов коррозии. Провести обработку данных .
  • Разработать и обучить нейросетевую модель
    Реализовать модели для генерации реалистичных ВАХ-кривых. Подобрать архитектуру и обучить модели на подготовленном датасете.
  • Оценить качество и точность модели
    Сравнить сгенерированные кривые с реальными данными с помощью метрик MAE и DTW. Убедиться, что модель корректно воспроизводит поведение ингибиторов.
  • Создать веб-интерфейс
    Разработать Streamlit-приложение, в котором пользователь вводит параметры ингибитора и получает сгенерированную ВАХ-кривую и оценку эффективности.
Аудитория проекта
Снизу представлена таблица с компаниями, которым наш проект может помочь с некоторыми проблемами.
Стейкхолдеры проекта
  • Действующий партнёр
    ПАО «СИБУР Холдинг»
    Крупнейший нефтехимический холдинг России, предоставивший реальные производственные данные для разработки и обучения модели. Предоставил нам кейс.
  • Потенциальный партнёр
    ПАО НК «Роснефть»
    Крупнейшая нефтяная компания России, ежегодно защищающая тысячи километров трубопроводов от коррозии с помощью ингибиторов.
  • Действующий партнёр
    НИУ ИТМО
    Ведущий российский университет в области ИИ и цифровых технологий. Предоставил нам доступ к помещениям, лабораториям и оборудованию.
Экономика проекта
Снизу приведены статьи расходов со всеми тратами и общей ценой проекта.
Этапы проекта
Постановка задачи
Определили проблему и цель проекта.
Сбор данных
Подготовили и обработали исходные данные.
Разработка модели
Создали ИИ модель для подбора состава ингибиторов коррозии и оценки эффективности их применения.
Обучение и проверка
Протестировали модель на известных примерах.

Создание web-приложения
Оформили удобную форму ввода и результат в виде web-приложения.
Итоговая проверка
Убедились, что проект работает стабильно и готов к демонстрации.
Результаты проекта
В результате нашей работы по созданию веб-приложения с цифровым двойником коррозийного процесса на основе машинного обучения, который по данным параметров предсказывает эффективность ингибиторов коррозии и строит максимально близкие к реальным экспериментальным данным ВАХ-кривую без реальных лабораторных испытаний.

  • Создали и обучили ML-модели
  • Разработали Web-приложение
  • Протестировали наш проект
Фото Web-приложения и кода.
Снизу представлены фотографии-доказательства нашего проекта.
Контакты команды
Номер телефона: +79373799300
Gmail адрес: arsikotisko777@gmail.com