кейс

2

Идея заключается в использовании машинного обучения для прогнозирования характеристик бетона в зависимости от пропорций смеси, типа крупного и мелкого заполнителя, дополнительного цементирующего материала, дозировки химических добавок и т.д. Другими словами - в уточнении существующих эталонных рецептур, чтобы минимизировать стоимость бетона при сохранении нужной прочности.

Возможность для получения экономического эффекта обусловлена тем, что традиционно составы бетонов разрабатывались с избыточным содержанием цемента, т.к. было трудно предсказать как конкретные компоненты бетонной смеси повлияют на ее характеристики. Кроме того, производители бетона таким образом страхуются от того, что бетон будет забракован заказчиком вследствие недостижения требуемых показателей после укладки.

Предполагается, что подобная избыточность только в США обходится отрасли более чем в 1 миллиард долларов ежегодно и приводит к 10 миллионам тонн дополнительных выбросов углекислого газа (CO2), связанных с производством цемента.

Использование машинного обучения

Основная технология Concrete-AI была разработана в Институте управления углеродом (ICM) Калифорнийского университета (UCLA). Далее для коммерциализации платформы Concrete-AI был выделена спин-офф компания.

Платформа Concrete-AI представляет собой облачное решение, которое оптимизирует существующие бетонные составы для минимизации выбросов CO2 при сохранении требуемых прочности, характеристики и настраиваемых ограничений, стоимости.

Прогнозируемые свойства включают развитие прочности (от 1 до 90 дней), лабораторные кривые, усадку, осадку, время схватывания и т.д.

Отмечается, что несколько крупных компаний по производству бетона и цементных смесей использовали ConcreteAI на экспериментальной основе ( Summit Materials, U.S. Concrete, Vulcan Materials Co, Votorantim Cimentos (Prairie Material)).

В ходе предкоммерческого тестирования с несколькими крупнейшими производителями цемента, бетона и химических добавок, включая Summit Materials, U.S. Concrete, a Vulcan Materials Company, и Votorantim Cimentos (Prairie Material), платформа Concrete-AI показала, что она позволяет снизить стоимость материалов и овеществленный углеродный след готового бетона (RMC) на 10% и до 50% соответственно.