Stålindustrin behöver effektiviseras och mängden skrot minskas för att öka avkastningen. Det som krävs är en snabbare och mer tillförlitlig produktion med skärpta toleranser. I projektet INSITE-X ska Högskolan i Skövde, i samarbete med Ovako och Outokumpu undersöka om järn- och stålindustrin kan dra nytta av processförbättringar med hjälp av artificiell intelligens (AI).
Syftet med projektet är att dra nytta av AI i järn- och stålindustrins produktionsprocesser. Projektet finansieras genom det strategiska innovationsprogrammet PiiA (Processindustriell IT & Automation), samt av deltagande parter. Högskolan i Skövde koordinerar forskningen som ska pågå från mars 2021 till februari 2024.
– Det är väldigt intressant och värdefullt för akademi och industri att kunna samverka i forskning och få bidra till att höja stålindustrins kunskap inom AI, säger Gunnar Mathiason, lektor vid Högskolan i Skövde.
Vikten av effektiva analysverktyg
Att ha tillgång till effektiva analysverktyg för analys av stora mängder data kommer bli en nyckelfaktor och en konkurrensfördel vad gäller processförbättringar som i sin tur skapar resurseffektivitet. Avancerad analys av detaljerad produktionsdata möjliggör en djupare processförståelse, men sådan data är komplex, både i storlek och heterogenitet, vilket gör att manuell analys blir näst intill omöjlig. AI-algoritmer kan fånga sådan komplexitet och drar också nytta av stora datamängder.
Tidigare forskningsprojekt har funnit att ett fåtal kritiska maskiner påverkar hela produktionskedjan. Genom att använda AI för att modellera det dynamiska beteendet hos de kritiska maskinerna skulle oförutsägbarheten som beror på maskinens dynamik bättre kunna styras, och stora produktionsresurser skulle kunna sparas i hela produktionsvärdekedjan.
– I stålindustrin sitter vi på en guldgruva av data som möjliggör vår processutveckling. Med hjälp av AI-teknik kommer vi kunna kraftigt öka vår utvecklingstakt och effektivitet, säger Joakim Ebervik, Outokumpu Stainless AB.
Digitala tvillingar inte tillräckligt detaljerade
Modeller av maskiner konstrueras ofta från maskiners geometrier, eller från simuleringar av andra kända maskinegenskaper, så kallade "digitala tvillingar". Dessa modeller blir många gånger inte tillräckligt detaljerade, eftersom maskiner i produktion ständigt påverkas dynamiskt av olika skiftande tillverkningsförutsättningar och av maskinens förslitning.
INSITE-X-projektets prototyp fångar detaljerad maskindynamik genom att använda AI och så kallad Deep Learning. Den AI-prototyp som kommer att byggas kan utvärderas för validering av företagens processexperter.
– Vi ser detta som ett mycket viktigt projekt som ligger helt i linje med den digitaliseringsstrategi vi inom Ovako har, säger Marcus Svadling Ovako Sweden AB.
