Det är alltså genom AI, Big Data och maskininlärning som forskarna på Högskolan i Skövde tillsammans med Sandvik och SSAB ska analysera stora mängder data under projektets tre år. Redan idag använder man sig av omfattande mätprocesser inom stålindustrin, men i detta projekt är utgångpunkten vad som kan ses när man sätter ihop all tillgänglig data för en viss tillverkningsprocess.

– Internetbaserad detaljhandel och ekonomisk analys är exempel på sektorer som använt avancerad dataanalys i många år. Inom tillverkningsindustrin finns en otrolig potential och genom maskininlärning hoppas vi hitta hittills okända samband. Samband som kan bidra till att lösa några av de utmaningar stålindustrin står inför, säger Gunnar Mathiasson, lektor i datalogi vid Högskolan i Skövde.


Återvunnet stål – en framtidsfråga
Sandvik Materials Technology använder till stor del återvunnet material vilket bidrar till att allt tillverkat stål får rätt sammansättning utan onödiga tillsatser av rena metallegeringar. Det är svårt att få en optimal stålkvalité och samtidigt en kostnadseffektiv och hållbar produktionsprocess. Det är en fråga inte bara för Sandvik, utan för hela stålindustrin.

– I projektet kommer vi att analysera stora mängder data genom maskininlärning tillsammans med forskare från Högskolan i Skövde. Vi hoppas att projektet kan ge en bättre bild av våra returstålsgrupper och restprodukter. Genom det vi kan vässa våra optimeringsberäkningar och på så sätt minska mängden rena legeringar och använda mer återvunna produkter. Lyckas vi med det får vi effekter som gynnar både ekonomi och miljö, säger Magnus Josefsson, ansvarig för råvaruoptimering på Sandvik Materials Technology.


Högre effekt och lägre utsläpp
Ståltillverkningen hos SSAB sker vid höga temperaturer. När kol möter syre bildas koldioxid, vilket bidrar till uppvärmning av jordens atmosfär. SSAB:s mål är en fossilfri ståltillverkning 2045 och som ett delsteg vill företaget tillsammans med Högskolan i Skövde analysera och modellera ståltillverkningsprocessen i LD med syfte att leverera optimal temperatur och sammansättning med minimalt resursbehov. En uppgift som idag till stor del ligger på operatören och kräver lång erfarenhet. En sådan modell möjliggör att stålet bibehåller sin höga kvalité medan utsläppen, energibehovet och materialförlusten minskar.

– Vi ser vinster på alla plan i projektet. Genom att få fram en datormodell baserad på AI kan vi lättare stödja oerfarna operatörer. Vi hoppas också att modellen ska kunna hitta viktiga men tidigare okända parametrar som kan förbättra ståltillverkningsprocessen ytterligare, säger Niklas Kojola, Senior Specialist på ståltillverkning, SSAB.


Bidrar till utvecklingen av analys av Big Data
Högskolan i Skövde förväntar sig även utveckla ny kunskap som kommer att bidra till förbättrade algoritmer för komplexa processanalyser.

– Genom projektet Swedish Metal kommer vi kunna utveckla dataanalysområdet i allmänhet och maskininlärning i synnerhet, avslutar Gunnar Mathiasson.



Källa: Högskolan i Skövde