Stålindustrin vässar processerna med hjälp av AI

INSITE-X – AI-baserad analys av maskindynamik heter det nya forskningsprojektet som inom kort startar på initiativ av Ovako, Outokumpu och Högskolan i Skövde. 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.

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.

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.

Se även Högskolan i Skövdes projektbeskrivning:
Kan AI effektivisera järn- och stålindustrin? (his.se)

Påhaspel för varmvalsade band (coils). Foto: Outokumpu.