Логотип ЛСМ ЮУрГУ
Южно-Уральский госудраственный университет
Национальный исследовательский университет
ЛАБОРАТОРИЯ СУПЕРКОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ ЮУрГУ
Русский язык
О нас
Отделы и сотрудники
История
Новости
Информация в СМИ
Фотогалерея
Эмблема ЛСМ
Экскурсии
Контакты
Вычислительные ресурсы
Суперкомпьютер «Торнадо ЮУрГУ»
Суперкомпьютер «СКИФ-Аврора ЮУрГУ»
Кластер «СКИФ Урал»
Пользователям
Правила
Регистрация
Прикладное ПО
Системное ПО
Техническая поддержка
Обучение
Система ПВК
Правила
Инструкции
Коммерческим клиентам
Научная работа
Цели ЛСМ
Проекты
Публикации
Зарегистрированные программы
     
Google

www по сайту

В ЮУрГУ наградили победителей конкурса «SMS Group Data Challenge»

14 декабря в Южно-Уральском государственном университете прошла церемония награждения победителей конкурса по анализу данных «SMS Group Data Challenge», который проводился с 1 сентября по 1 декабря 2017 года. Задача конкурса заключалась в разработке алгоритма, который на основе анализа больших данных о процессе прокатки металла предсказывает факт налипания заготовки во время прокатки. Победителями конкурса стала команда кафедры системного программирования под руководством Михаила Цымблера, участниками которой являются Алексей Порозов и Яна Краева. Их алгоритм использовал машинное обучение на базе нейронных сетей и оказался наиболее точным. Победители получили кубок, диплом и чек на 4000 евро от компании SMS Group.

С приветственным словом выступил ректор ЮУрГУ Александр Шестаков.

«Сегодня мир быстро меняется, в том числе в технологическом плане. Цифровая индустрия является трендом развития промышленности в России, в Германии, в США и во всем мире. Стратегия развития нашего университета состоит в том, что мы концентрируемся на работе с компаниями, которые работают на глобальном рынке, и решаем крупные проблемы международного уровня вместе с этими глобальными компаниями. Одна из таких компаний – это SMS Group. Вторая компания, в интересах которой мы проводили этот конкурс – Магнитогорский металлургический комбинат. Этот конкурс является той частью стратегии развития нашего университета, которая идет в русле стратегии развития промышленности», – сказал Александр Шестаков.

Также присутствующих поприветствовал Пино Тезе, вице-президент компании SMS Siemag, почетный профессор ЮУрГУ.

«Вместе с коллегами мы выбрали очень серьезную проблему. Задача, которая была поставлена перед участниками, основана на технических реалиях предприятий по всему миру. Несколько месяцев назад, когда конкурс был только объявлен, я сказал участникам слова напутствия: кто бы ни занимался этой проблемой, он должен был забыть традиционные способы мышления. Традиционный метод конечных элементов не помог бы решить проблему за 3 месяца. По результатам мы видим, что минимум 3 команды услышали мое напутствие», – сказал Пино Тезе.

В конкурсе приняли участие 8 команд из Южно-Уральского государственного университета и 2 команды из Германии. Из 10 команд решение подготовили и прислали на проверку жюри 8, в том числе 7 из ЮУрГУ и одна команда из Германии.

Дирк Лифтухт, руководитель отдела разработки компонентов и технологии литья SMS Group, рассказал об основах проекта и методиках анализа, а также представил результаты, полученные командами.

Наилучшие результаты по точности предсказания налипания заготовки показали три команды, две из которых представляют Южно-Уральский государственный университет. Каждая из этих команд защищала свое решение перед жюри конкурса. На основе оценки эффективности алгоритма и возможности его применения в промышленных условиях жюри выбрало из первой тройки команды, которые заняли первое и второе места.

«Это замечательный конкурс, мы раньше никогда не решали сложные задачи подобного масштаба. Я очень долго сомневался – стоит ли вообще пробовать свои силы . Но благодаря поддержке руководства ВШ ЭКН все же решили участвовать. А участвовать плохо мы не умеем, вот и получилось победить», – рассказал Михаил Цымблер.

«Мы занимаемся информационными технологиями, а задача из области металлургии. Мы консультировались у специалистов по металлургии, которые помогли нам понять предметную область. Мы изучили большие данные о процессе прокатки, предоставленные организаторами конкурса, и поняли, как можно обучить искусственный интеллект делать прогноз прилипания заготовки, и таким образом решили задачу», – поделился Алексей Порозов.

14.12.2017