AI-baserad tillståndsövervakning av ventiler för AOD-konverter
| Diarienummer | |
| Koordinator | Högskolan i Gävle - Högskolan i Gävle Akademin f teknik & miljö |
| Bidrag från Vinnova | 950 030 kronor |
| Projektets löptid | november 2024 - juni 2025 |
| Status | Pågående |
| Utlysning | Impact Innovation Metals & Minerals - Programspecifika insatser |
| Ansökningsomgång | Impact Innovation: Genomförbarhetsstudier inom tekniska insatsområden i programmet Metals and Minerals |
Syfte och mål
AOD-processen (Argon Oxygen Decarburization) bidrar till att producera stål med hög renhet och specifika egenskaper, vilket är avgörande för att uppnå den höga kvalitet som krävs för rostfritt stål. När ventilerna i en AOD-konverter åldras kan det ge upphov till oönskade beteenden som kan leda till kvalitetsbrister eller kassation. Projektets mål är att med hjälp av maskinlärning och data från styrsystem upptäcka onormala beteenden hos ventiler i AOD-konvertrar i realtid.
Förväntade effekter och resultat
Två verksförsök på två oberoende anläggningar skall resultera i två demonstratorer. Dessutom kommer projektet att resultera i en vägledning för AI-implementeringar i befintlig produktionsutrustning inom stålindustrin.
Planerat upplägg och genomförande
Styrsystem som används för reglering och övervakning innehåller stora datamängder. Med maskinlärningsalgoritmer kan såväl normala beteenden som avvikande beteenden detekteras. I det föreslagna projektet sker algoritmutvecklingen baserat på kunskaper om processen. Under en inlärningsperiod (träningsperiod) utnyttjas den kompetens som erfaren expertis har för att identifiera återkommande fel. Därefter sker en valideringsfas och slutligen ska ventilövervakningen ske automatiskt.