Sökträffar

    Sökträffar

    Visa alla resultat för ""
    Hittar inga resultat eller sökförslag för "."

    Söktips

    • Kontrollera att orden är rättstavade
    • Försök med andra sökord eller synonymer
    • Smalna av din sökning för att få fler träffar

    Hur kan vi hjälpa dig?

    Ny student

    Kontakta oss

    Hitta medarbetare

    Högskolan i Skövde, länk till startsida

    Sökträffar

      Sökträffar

      Visa alla resultat för ""
      Hittar inga resultat eller sökförslag för "."

      Söktips

      • Kontrollera att orden är rättstavade
      • Försök med andra sökord eller synonymer
      • Smalna av din sökning för att få fler träffar

      Hur kan vi hjälpa dig?

      Ny student

      Kontakta oss

      Hitta medarbetare

      Högskolan i Skövde, länk till startsida

      Kan AI effektivisera järn- och stålindustrin?

      Forskningsgrupp Skövde Artificial Intelligence Lab
      Forskningsmiljö Informationsteknologi

      Kan AI effektivisera järn- och stålindustrin?

      Forskningsgrupp Skövde Artificial Intelligence Lab
      Forskningsmiljö Informationsteknologi

      Kort om projektet

      Projektnamn

      INSITE-X – AI-baserad analys av maskindynamik

      Projekttid

      Mars 2021 – Februari 2024

      Finansiering och samverkan

      PiiA – Processindustriell IT och Automation, Outokumpu Stainless AB, OVAKO Sweden AB

      Järn- och stålindustrin behöver effektiviseras och mängden skrot minskas för att öka avkastningen. Det som krävs är en snabbare och mer tillförlitlig produktion med skärpta toleranser – då skapas bättre produkter som snabbare når kund. Projektet INSITE-X ska utveckla en avancerad analys baserad på AI för att lokalisera tidigare okända beroende för att påskynda effektiviseringsprocessen inom stålindustrin.

      • Påhaspel, bild från Varmbandverket i Avesta

      • Transfer, bild från Varmbandverket i Avesta

      • Valsning i förparet, bild från Varmbandverket i Avesta

      • Ringvalsning, bild från Ovako AB. 

      I projektet finns två industriparters, OVAKO och Outokumpu, att båda kommer från samma bransch har sina fördelar:

      • det möjliggör datainsamling, datadelning och analysforskning från två olika företag,
      • de gemensamma processutmaningar som finns kommer att kunna hanteras med mer kraftfulla analystekniker, samtidigt som de bygger kunskaper i att tillämpa och skapa värde från dessa tekniker.

      Möjliggör djupare processförståelse

      Processförbättringar för resurseffektivitet inom stålindustrin medför analys av stora mängder data. Att ha tillgång till effektiva analysverktyg blir en nyckelfaktor och en konkurrensfördel. 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.

      Upptäcka okända beroenden

      I projekten Dataflow (med Outokumpu) och Swedish Metal (med SSAB/Sandvik SMT) används sådana algoritmer för att upptäcka okända komplexa beroenden bland produktionsvariabler och man fann där att ett fåtal kritiska maskiner påverkar hela produktionskedjan.

      Genom att använda AI för att modellera det dynamiska beteendet hos sådana maskiner, skulle oförutsägbarheten som beror på maskinens dynamik bättre kunna styras, och stora produktionsresurser skulle kunna sparas i hela produktionsvärdekedjan.

      Bygga AI-prototyp

      Modeller av maskiner konstrueras ofta från maskiners geometrier, eller från simuleringar av andra kända maskinegenskaper, som “digitala tvillingar”. Dessa är många gånger inte tillräckligt detaljerade, då maskiner i produktion ständigt påverkas dynamiskt av olika skiftande tillverkningsförutsättningar och av maskinens förslitning. Detta projekts prototyp fångar sådan detaljerad maskindynamik genom att använda AI och så kallad Deep Learning.

      Ovako och Outokumpu kommer dela data för att bygga en gemensam AI-prototyp som kan utvärderas för validering av deras processexperter. Dessa dynamiska simuleringar används i två separata tillverkningsfall för att genom beteendeprediktion uppskatta vad värdet skulle bli av en full implementering.

      Effekt av implementering

      Projektets partners har mycket höga förhoppningar på projektet. Genom implementering av den AI-prototyp som kommer utvecklas i projektet uppskattar Ovako och Outokumpu att man kommer minska mängden skrot och omarbetning till ett värde av cirka 2,0 MSEK per år / produktionslinje. 

      – 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.

      – 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.

      Projektledare

      Lektor i datalogi

      Medverkande forskare

      Joakim Ebervik
      Outokumpu Stainless AB
      Marcus Svadling
      Ovako AB
      Publicerad: 2021-02-04
      Senast ändrad: 2021-04-15
      Sidansvarig: webmaster@his.se