CatBoost снизил ошибку расчёта ферромарганца на 60% в симуляции плавок

Мастер добавляет в сталь ферромарганец, чтобы получить нужное содержание марганца. Перебор означает лишний расход материала, недобор — риск брака. В учебном проекте на Habr Рамиль Максютов показал, как CatBoost может рассчитывать минимальную добавку по данным, доступным до внесения ферросплава. На искусственно созданных плавках модель снизила среднюю абсолютную ошибку примерно на 60% относительно простого прогноза медианой.

Для разработчиков и продактов здесь полезна конструкция решения: какие данные разрешено подавать модели, с чем сравнивать результат и почему красивую цифру потенциальной экономии нельзя сразу переносить в коммерческое предложение. Проект показывает путь от таблицы до калькулятора, одновременно обозначая границы такого прототипа.

Как модель рассчитывает добавку

Задача построена вокруг выплавки стали 35Л в дуговой печи. В симуляции масса жидкой стали составляет около 3000 кг, а расчётная цель — довести содержание марганца до нижнего порога 0,45%, указанного автором. Для этого нужно оценить, сколько ферромарганца действительно усвоится металлом.

Одинаковая добавка при разных условиях даст разный результат. В генераторе данных усвоение зависит от температуры, кислорода и основности шлака. Последняя характеризует его химический состав. Мастер заранее не знает итогового усвоения, поэтому модель получает косвенные признаки: массы компонентов загрузки, расход кислорода, температуру, основность и содержание углерода.

Представим калькулятор: технолог вводит параметры плавки, получает расчётный минимум, затем добавляет запас. В интерфейсе можно сравнить эту дозу с привычным расходом. Но величина запаса должна иметь отдельное обоснование: ползунок сам по себе не превращает прогноз в безопасную производственную рекомендацию.

Принципиальная деталь — в признаки не включены итоговый состав стали и фактическое усвоение марганца. Эти значения появляются после решения о добавке. Если использовать их при обучении, получится убедительный тест, который невозможно повторить в момент реального выбора дозы.

Что означает снижение ошибки на 60%

В проекте 2000 синтетических плавок. Из них 1280 используются для обучения, 320 — для выбора момента остановки, ещё 400 — для итоговой проверки. Такое разделение устраняет конкретную проблему предыдущего варианта: тест одновременно помогал выбирать число деревьев и служил источником финальной оценки.

На отдельном тесте средняя абсолютная ошибка CatBoost составила 0,352 кг. Простой ориентир, который всегда выдаёт медиану обучающей выборки, ошибался на 0,873 кг. Разница соответствует снижению ошибки примерно на 60%. Это полезное сравнение: без исходного ориентира трудно понять, заслуживает ли результат усложнения системы.

При этом модель восстанавливает зависимости, которые автор заранее заложил в генератор. Важность основности шлака достигает 69,7%, но переносить эту цифру на настоящую печь нельзя. В созданных данных температура и кислород почти не попадают в области, где включаются соответствующие штрафы. Получившееся распределение важности описывает прежде всего устройство эксперимента.

Почему почти 10 кг ещё не стали экономией

В симуляции средняя фактическая добавка составляет 26,9 кг, а расчётный минимум — около 17 кг. Автор получает среднюю разницу 9,84 кг на плавку и прямо называет её верхней оценкой. Подтверждённой экономии на производстве в материале нет.

Причина понятна: цель рассчитана ровно у нижней допустимой границы. Если модель занизит необходимую дозу, запаса может не хватить. Средняя ошибка в 0,352 кг не показывает, насколько опасны отдельные промахи и как часто они случаются. Для внедрения потребуется оценивать именно такие случаи, а также учитывать погрешности измерений и изменения условий производства.

Практический вывод для команды, которая строит похожий продукт: начните с доступности входных данных и простого ориентира, затем проверьте модель на реальных плавках с учётом времени их проведения. Размер запаса и допустимый риск нужно согласовать с технологами. Streamlit-калькулятор из статьи подходит для обсуждения логики и демонстрации прототипа; основания для производственной дозировки должны появиться в отдельной проверке.