KI-Anwendung: Variabilität von Werkstoffeigenschaften besser im Griff

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

KI-Anwendung: Variabilität von Werkstoffeigenschaften besser im Griff

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print
Eine KI-Anwendung verbessert die Treffsicherheit bei der Einstellung der mechanischen Eigenschaften moderner Stahlprodukte für höchste Marktanforderungen.
KI-Anwendung für die Stahlproduktion
  • Die Herstellung hochmoderner Stähle erfordert eine enge Prozessführung, die durch zahlreiche Faktoren beeinflusst wird.
  • Einer dieser Faktoren ist die Variabilität der Werkstoffeigenschaften.
  • Eine KI-Anwendung unterstützt Stahlhersteller, diese Variabilität zu reduzieren.

KI-Anwendung verbessert die Treffsicherheit bei der Einstellung der mechanischen Eigenschaften moderner Stahlprodukte für höchste Marktanforderungen.

Noodle.ai, ein Anbieter von Enterprise Artificial Intelligence, und SMS digital, die Digitalisierungsspezialisten in der SMS group, einem Anlagenbauer für die Metallindustrie, arbeiten seit Juni 2019 zusammen. Ihre erste gemeinsam entwickelte Applikation namens MPV (Mechanical Properties Variability) kommt nun auf den Markt.

Angesichts ständig schrumpfender Margen in der Stahlindustrie ist die Herstellung moderner, hochfester Stahlsorten für anspruchsvolle Anwendungen, wie zum Beispiel in der Automobil- oder Elektroindustrie, ein erfolgversprechender Weg, die Profitabilität zu steigern. Die Herstellung dieser hochmodernen Stähle erfordert jedoch eine deutlich engere Prozessführung über den gesamten Produktionsprozess hinweg, der durch vielfältige Parameter in allen Bereichen der Prozesskette beeinflusst wird.

Mit KI-Anwendung Zusammenhänge erkennen

Die MPV-Applikation setzt auf künstliche Intelligenz (KI) und Machine Learning, um das Problem der Variabilität der mechanischen Werkstoffeigenschaften im Stahlherstellungsprozess in den Griff zu bekommen. Der völlig neue Ansatz setzt auf die einzigartige Fähigkeit, mithilfe von künstlicher Intelligenz Zusammenhänge zu „erspüren“ ̶ und daraus Vorhersagen und konkrete Empfehlungen abzuleiten. Es geht hierbei vor allem um die Eigenschaften Dehngrenze, Zugfestigkeit und Dehnung.

Die Applikation erspürt Muster innerhalb der erfassten Produktionsdaten und ist in der Lage, daraus die Verursacher für Abweichungen von den geforderten mechanischen Werkstoffeigenschaften zu identifizieren. Sie kann vorhersagen, wann größere Schwankungen eintreten und gibt die Eingangsparameter und PDI-Einstellungen (Process Data Input = Prozesseingangsdaten) vor, mit denen die spezifizierten Werte für die Werkstoffeigenschaften Dehngrenze, Zugfestigkeit und Dehnung optimal eingestellt werden können.

Stahlhersteller rechnet mit Einsparungen durch KI-Anwendung

Im Ergebnis kann die MPV-Applikation den Stahlherstellern helfen, Kosteneinsparungen auf verschiedenen Wegen zu erzielen: durch Reduzierung der Variabilität der mechanischen Eigenschaften, durch Reduzierung der Legierungskosten dank besserer Kontrolle über die Variabilität und durch die Einsparung von Material, das die Toleranzvorgaben nicht erfüllt und sonst als 2.-Wahl-Produkt verkauft oder verschrottet werden muss. Ein Stahlhersteller, der MPV bereits einsetzt, rechnet mit Einsparungen von zwei Millionen US-Dollar pro Jahr.

„Durch den Einsatz von künstlicher Intelligenz bei unserer Stahlproduktion können wir engere Toleranzen einhalten ̶ eine wesentliche Voraussetzung für die Lieferung unserer Produkte in Absatzmärkte mit großen Margen wie die Automobil- oder Elektroindustrie. Dies bringt uns nicht nur Einsparungen, sondern hat auch direkte positive Auswirkungen auf unsere Erträgnisstruktur“, fasst Denis Hennessy, Director of Product Development bei Big River Steel, die Erfahrungen mit der neuen MPV-Applikation zusammen.

Mehr Effizienz, weniger Industrieabfälle

Neben der MPV-Applikation zur Reduzierung der Abweichungen bei den mechanischen Eigenschaften haben Noodle.ai und SMS digital bereits Lösungen entwickelt, die Stahlwerke dabei unterstützen, die Qualität ihrer Produkte insgesamt, die Anlagenverfügbarkeit und die Produktionseffizienz zu optimieren. Noodle.ai und SMS digital setzen ihr gebündeltes Know-how aus Anlagenbau, der Entwicklung von Prozessmodellen und dem Einsatz moderner Datenanalysetechnologien dazu ein, die Vorlaufzeit zu verkürzen und ihren Kunden darüber kurzfristig spürbare Ertragsverbesserungen zu verschaffen.

„Über unsere Kooperation mit SMS digital wollen wir Effizienzsteigerungen erzielen, die sich zum einen in einem besseren wirtschaftlichen Ergebnis für die Stahlhersteller niederschlagen, die zum anderen aber auch dazu beitragen, die weltweit anfallenden großen Mengen an unnötigen Industrieabfällen zu reduzieren“, so Stephen Pratt, Gründer und CEO von Noodle.ai. „Die bisherigen Ergebnisse der gemeinsam mit SMS digital entwickelten Applikation sind sehr vielversprechend. Wir gehen davon aus, dass im Laufe dieses Jahres 2020 eine wachsende Zahl von Stahlherstellern von unserer MPV-Applikation und unseren anderen gemeinsam entwickelten Produkten profitieren werden.“

Weitere Informationen: https://sms-digital.com/de/#home und https://noodle.ai/

Erfahren Sie hier mehr darüber, wie für 3D-Druck geeignete Stahlwerkstoffe entstehen.

Lesen Sie auch: “Stromüberwachung: Besserer Schutz für das Herz der Maschine”.

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Ihre Meinung zum Artikel

avatar
  Abonnieren  
Benachrichtige mich bei

Andere Leser haben sich auch für die folgenden Artikel interessiert

Werbung

Tragen Sie sich jetzt kostenlos und unverbindlich ein, um keinen Artikel mehr zu verpassen!

* Jederzeit kündbar

Entdecken Sie weitere Magazine

Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.