«Рецептура»: модели свойств для разработки антикоррозийных грунтов
Пять лабораторий заказчика разрабатывают около 40 рецептур в год, и до лабораторного образца уходило 9 месяцев. Мы построили модели, которые по составу предсказывают вязкость, адгезию, время сушки и стойкость в солевом тумане, и подсказывают следующий эксперимент. В трёх закрытых проектах из шести образец получили за 6 месяцев вместо 9. Три проекта мало для выводов, а ещё три вернулись к обычному процессу.
- срок проекта
- 9 месяцев
- функциональных модулей
- 5
- этапов разработки
- 4
- ключевых технологий
- 5

02 — Контекст
Задача проекта
Исходная ситуация, ограничения и проблемы, которые должна была решить новая система.
Заказчик ведёт химическое НИОКР в лакокрасочных материалах: пять лабораторий, около 40 рецептур антикоррозийных грунтов в год. До лабораторного образца уходило 9 месяцев и 60–80 лабораторных прогонов.
Понимание того, какие сочетания компонентов работают, держалось на трёх технологах. История экспериментов за 12 лет лежала в бумажных журналах: искать в ней похожие рецептуры было долго, а считать по ней нельзя.
Задача была сократить число прогонов и путь до образца, опираясь на накопленные данные, и при этом оставить решения за технологами.
Долгий путь до образца
Девять месяцев и десятки прогонов на каждую рецептуру. Каждый прогон стоит сырья и времени лаборатории, а в год таких рецептур около сорока.
Знания у трёх человек
Что и как подбирать, понимали три технолога. Их опыт оставался в головах и на бумаге, и работа лабораторий зависела от того, свободны ли эти люди.
Двенадцать лет на бумаге
Журналы экспериментов велись от руки. Чтобы найти похожий опыт, нужно было листать архив, а построить по нему модель было невозможно.
03 — Возможности
Что делает система
Ключевые сценарии и рабочие модули, собранные в единую систему.
Данные из бумажных журналов
Журналы за 12 лет внёс в таблицу сам заказчик силами лаборантов и подрядчика по вводу данных, эта работа в объём кейса не входит. Из примерно 240 тысяч записей пригодными для моделей оказались около 85 тысяч. На них и обучены модели свойств.
Суррогатные модели свойств
Суррогатная модель — быстрая замена эксперимента: по составу рецептуры она предсказывает свойства покрытия без лабораторного прогона. Модели оценивают вязкость, адгезию, время сушки и стойкость в солевом тумане. Технолог видит прогноз до того, как готовить образец.
Подсказка следующего эксперимента
Байесовская оптимизация выбирает, какую рецептуру проверить следующей. Она учитывает и прогноз свойств, и то, насколько модель в нём уверена: иногда полезнее проверить точку, о которой мало известно.
План с учётом партий сырья
План экспериментов учитывает партии сырья, из которых готовятся образцы.
Последнее слово за технологом
Модель предлагает точки, технолог решает, ставить ли их. На практике технологи принимали около 60% предложенных точек, остальные заменяли своими. Опыт специалистов остаётся в работе, а модель сужает круг вариантов, которые стоит проверять.
04 — Архитектура
Технологический стек
Технологии выбраны под нагрузку, интеграции и дальнейшее развитие продукта.
Зачем в проекте · 01 / 05
Python
На нём собраны подготовка данных, модели свойств и подбор экспериментов. Для научных расчётов и машинного обучения у Python самые зрелые библиотеки.
05 — Процесс
Как шла разработка
Последовательность работ от исследования задачи до запуска и проверки результата.
Данные из журналов
Журналы за 12 лет внёс в таблицу заказчик силами лаборантов и подрядчика по вводу, эта работа в объём кейса не входит. Из примерно 240 тысяч записей пригодными оказались около 85 тысяч.
Модели свойств
Построили суррогатные модели вязкости, адгезии, времени сушки и стойкости в солевом тумане.
Подбор экспериментов
Подключили байесовскую оптимизацию: модель предлагает следующую точку, технолог принимает её или заменяет своей. План экспериментов учитывает партии сырья.
Работа в шести проектах
Подход применили в шести проектах разработки рецептур. Три закрылись лабораторным образцом, три вернулись к обычному процессу. Внедрение до промышленной эксплуатации заняло 9 месяцев.
06 — Итог
Результаты
Что создано в рамках проекта: рабочий контур, реализованные возможности и подтверждённые факты.
- до лабораторного образца: 3 проекта из 6, мало для статистики
- 9 → 6 мес.
- лабораторных прогонов в тех же 3 проектах, мало для статистики
- 61 → 41
- проектов закрылись образцом, три вернулись к обычному процессу
- 3 из 6
В трёх закрытых проектах из шести время до лабораторного образца сократилось с 9 до 6 месяцев, а лабораторных прогонов понадобился 41 вместо 61. Чаще стала попадать в целевые свойства первая подача образца. Сертификацию и ОКР, ещё 5 месяцев, проект не затрагивал.
Выборка — три проекта, статистически это анекдот, а не доказательство. Мы не выдаём эти цифры за ожидаемый результат. Три других проекта не закрылись и вернулись к обычному процессу: они касались систем с новым связующим, по которым исторических данных почти нет.
Узкое место осталось прежним: испытание в солевом тумане длится 720 часов. Модель сокращает число прогонов, но не длительность испытаний. Технологи принимали около 60% точек, предложенных моделью, остальные заменяли своими, так что решение о каждом эксперименте по-прежнему за ними.
FAQ
Вопросы о проекте
Обсудим похожий проект?
Расскажите о задачах вашего бизнеса — предложим архитектуру и оценим сроки


