استفاده از هوش مصنوعی در صنعت فولاد

مدت زمان مطالعه: ۶ دقیقه

نوشته شده توسط: زمین پی جویان نگار

تاریخ انتشار: ۱۴۰۲/۱۲/۰۲

استفاده از هوش مصنوعی در زنجیره تولید فولاد

هوش مصنوعی (Artificial Intelligence – AI) عامل ایجاد تحول در صنایع مختلف در سراسر جهان می باشد و تولید فولاد نیز از این قاعده مستثنی نیست. هوش مصنوعی در تجزیه و تحلیل حجم وسیعی از داده ها و انجام پیش بینی های پیچیده توانایی های منحصر به فردی دارد که بر همین اساس نقش مهمی در افزایش کارایی زنجیره تولید فولاد ایفا می نماید. با بهره گیری از هوش مصنوعی در بهینه‌سازی هر بخش از زنجیره تولید فولاد مانند بخش اکتشاف، استخراج آهن، کنترل کیفیت و نگهداری کارخانه فولاد، کارایی این زنجیره چند برابر شده و همچنین باعث کاهش هزینه ها در فرآیند تولید فولاد می‌شود.

مزایای استفاده از هوش مصنوعی در زنجیره فولاد

استفاده از هوش مصنوعی در زنجیره تولید فولاد مزایای بی شماری را ارائه می دهد. در مرحله اول، برنامه های کاربردی هوش مصنوعی به تولیدکنندگان فولاد این امکان را می دهند که تصمیمات مبتنی بر داده ها را اتخاذ کنند که منجر به بهبود کارایی عملیاتی می شود. با تجزیه و تحلیل داده‌های قدیمی و Real-time، الگوریتم‌های هوش مصنوعی می‌توانند الگوها و روندهایی را شناسایی کنند که ممکن است نادیده گرفته شده باشند و امکان تصمیم‌گیری بهتر در زمینه‌هایی مانند انتخاب مواد خام (سنگ آهن)، برنامه‌ریزی تولید و مدیریت موجودی محصولات را فراهم نمایند.

در مرحله دوم، تعمیر و نگهداری پیش‌بینی‌کننده مبتنی بر هوش مصنوعی به کاهش زمان خرابی و هزینه‌های نگهداری خط تولید کارخانه فولاد کمک می‌کند. با تجزیه و تحلیل داده های حسگرها، الگوریتم های هوش مصنوعی می توانند خرابی های احتمالی تجهیزات را قبل از وقوع تشخیص دهند. این امکان تعمیر و نگهداری پیشگیرانه را فراهم می کند و زمان خرابی برنامه ریزی نشده را به حداقل می رساند و در نتیجه باعث صرفه جویی در هزینه و افزایش زمان تولید می شود.

در نهایت، کنترل کیفیت مبتنی بر هوش مصنوعی، تولید فولاد با کیفیت بالا را تضمین می کند که با استفاده از الگوریتم‌های یادگیری ماشین، کارخانجات فولاد می‌توانند عیوب و انحرافات را در زمان تولید شناسایی کنند و اطمینان حاصل کنند که فقط فولادی که مشخصات لازم را بر اساس استاندارد دارد برای مشتریان ارسال می‌شود. این امر نه تنها رضایت مشتری را بهبود می بخشد، بلکه تولید محصولات مشکل دار و هزینه های مرتبط را نیز کاهش می دهد.

کاربردهای هوش مصنوعی در زنجیره تولید فولاد

فناوری‌های هوش مصنوعی در مراحل مختلف زنجیره تولید فولاد به کار گرفته می‌شوند. یکی از کاربردهای مهم هوش مصنوعی در صنعت فولاد، بهینه سازی فرآیند ذوب و ریخته گری است. با کنترل دقیق دما و ترکیب شیمیایی، الگوریتم‌های هوش مصنوعی می‌توانند کیفیت فولاد تولید شده را بهبود دهند. این امر منجر به خواص مکانیکی بهتر، کاهش ضایعات مواد و افزایش کیفیت کلی محصول می شود.

یکی دیگر از کاربردهای هوش مصنوعی در تولید فولاد، تعمیر و نگهداری پیش‌بینی‌کننده است. با نظارت مداوم بر عملکرد تجهیزات و تجزیه و تحلیل داده‌های حسگرها، سیستم‌های هوش مصنوعی می‌توانند خرابی‌های احتمالی را قبل از وقوع شناسایی کنند. این امکان تعمیر و نگهداری به موقع را فراهم می کند، زمان عیوب تجهیزات و دستگاه های کارخانه فولاد را به حداقل می رساند و هزینه های نگهداری را کاهش می دهد. تعمیر و نگهداری پیش بینی شده همچنین با جلوگیری از حوادث ناشی از خرابی تجهیزات، ایمنی کارگران را بهبود می بخشد.

هوش مصنوعی همچنین جهت بهینه سازی در سایر فرآیندهای تولید مانند (Rolling) و (Finishing) استفاده می شود. با تجزیه و تحلیل داده‌های قدیمی و اطلاعات حسگرها به صورت Real-time، الگوریتم‌های هوش مصنوعی می‌توانند پارامترهای عملیاتی بهینه ای را برای دستیابی به کیفیت محصول مورد نظر و در عین حال به حداکثر رساندن راندمان تولید شناسایی کنند که منجر به بهبود عملکرد، کاهش مصرف انرژی و افزایش بهره وری کلی می شود.

تعمیر و نگهداری پیش بینی کننده مبتنی بر هوش مصنوعی در کارخانه های فولاد

تعمیر و نگهداری پیش بینی کننده یکی از کاربردهای حیاتی هوش مصنوعی در کارخانه های فولاد می باشد. با نظارت مداوم بر سلامت تجهیزات و همچنین تجزیه و تحلیل داده‌های حسگرها، الگوریتم‌های هوش مصنوعی می‌توانند نشانه‌های اولیه تخریب یا خرابی تجهیزات را تشخیص دهند. بنابراین پیش بینی خرابی تجهیزات توسط هوش مصنوعی به واحد تعمیر و نگهداری کارخانه فولاد این امکان را می دهد تا اقدامات پیشگیرانه ای را برای جلوگیری از خرابی های برنامه ریزی نشده و تعمیرات پرهزینه انجام دهد. یکی از موارد حیاتی در کارخانه فولاد پایدار بودن خط تولید فولاد می باشد که در صورت بروز ایراد در هر نقطه از خط تولید فولاد و خارج شدن آن دستگاه از خط تولید سبب ایجاد اختلال در خط تولید می گردد و هزینه های گزافی را به شرکت فولاد تحمیل می نماید. بنابراین همواره خط تولید کارخانه فولاد باید به صورت مستمر در حال فعالیت باشد.

سیستم‌های نگهداری پیش‌بینی‌کننده مبتنی بر هوش مصنوعی از الگوریتم‌های یادگیری ماشین برای تجزیه و تحلیل داده‌های موجود و شناسایی الگوهای مرتبط با خرابی تجهیزات استفاده می‌کنند. با شناسایی ناهنجاری‌ها در داده‌های حسگرهای Real-time، این سیستم‌ها می‌توانند پیش‌بینی کنند که چه زمانی یک جز از خط تولید احتمالاً از کار می‌افتد. با بهره گیری از پیش بینی های هوش مصنوعی واحد تعمیر و نگهداری کارخانه فولاد می تواند در طول زمان های تعمیر و نگهداری برنامه ریزی شده، تعمیرات یا تعویض قطعه مستعد خرابی را برنامه ریزی کنند و اختلال در خط تولید فولاد را به حداقل برساند.

علاوه بر کاهش زمان خرابی و هزینه های تعمیر و نگهداری، تعمیر و نگهداری پیش بینی کننده مبتنی بر هوش مصنوعی، ایمنی کارگران را نیز بهبود می بخشد و با شناسایی خطرات احتمالی تجهیزات ناکارآمد، سیستم‌های هوش مصنوعی به تولیدکنندگان فولاد این امکان را می‌دهند تا اقدامات پیشگیرانه‌ای را برای اطمینان از یک محیط کاری امن انجام دهند و این امر منجر به کاهش قابل توجه آسیب های انسانی می شود.

مطالعات موردی پیاده سازی موفقیت آمیز هوش مصنوعی در تولید فولاد

تاکنون در جهان چندین تولید کننده فولاد با موفقیت فناوری های هوش مصنوعی را در فرآیندهای تولید خود پیاده سازی کرده اند. یکی از شرکت های هوشمند اجرا کننده هوش مصنوعی، شرکت بزرگ ژاپنی به نام هیتاچی (Hitachi) می باشد که در سال ۱۹۱۰ در توکیو تأسیس شده است و در طیف متنوعی از ارائه محصولات، از جمله سیستم‌های دیجیتال، ژنراتورهای الکتریکی، لوازم الکترونیکی مصرفی، سیستم‌های راه‌آهن، رایانه ها و راکتورهای هسته ای بر اساس مأموریت شرکت که “کمک به جامعه از طریق توسعه فناوری و محصولات برتر و اصیل” است، فعالیت می نماید.

شرکت هیتاچی (Hitachi) سابقه تامین سیستم های کنترل ماشین آلات الکتریکی برای تجهیزات مورد استفاده در تولید محصولات فولادی مانند ورق های باکیفیت خودرو را دارد، که باعث ارتقا انواع تجهیزات شده است. با این حال، صنعت فولاد در سال‌های اخیر به دلیل عرضه بیش از حد و عدم وجود تعادل عرضه و تقاضا، با کاهش قیمت محصولات خود مواجه بوده و باعث بروز چالش هایی برای مشتریان فولادی شرکت هیتاچی شده است. این شرکت چندین راه حل را جهت بهینه سازی چالش مشتریان فولادی خود در کارخانه ارائه داده است، در این بخش سه مورد از این راه حل ها را از نظر نحوه استفاده از داده ها و هوش مصنوعی  (AI) بررسی میکنیم.

شرکت هیتاچی از فناوری یادگیری ماشین (MLCP) برای بهبود کارایی برنامه ریزی کارخانه فولاد استفاده می کند. همچنین این شرکت از سیستم تشخیص و تجزیه و تحلیل خود سازماندهی هیتاچی (HITSODAS) جهت بهبود کیفیت و بازده از طریق تجزیه و تحلیل مقادیر زیادی از داده‌های سیستم‌های کنترل پرسرعت که در مقیاس‌های زمانی به میزان ده‌ها میلی‌ثانیه فعالیت دارند، استفاده می نماید. یکی از این راه حل ها، تشخیص پیش بینی کننده موتور هیتاچی است که از الگوریتم های تشخیص پیش بینی کننده برای تجزیه و تحلیل سیگنال های جریان موتور در یک مدل یادگیری ماشین استفاده می شود که سبب بهبود نگهداری موتور الکتریکی می گردد.

این تصویر راه حل های ارائه شده توسط شرکت هیتاچی را برای هر مرحله از فرآیند تولید فولاد نشان می دهد، از تجهیزات هوش مصنوعی محور موجود در کشتی حامل مواد اولیه (گندله) در سمت چپ تصویر تا تجهیزات هوش مصنوعی محور موجود در فرآیند ارسال محصولات فولاد در سمت راست به صورت شماتیک آورده شده اند. خطوط پر رنگ تر مناطقی را نشان می دهند که مورد تمرکز شرکت هیتاچی می باشند.

بهینه سازی برنامه ریزی تولید فولاد با استفاده از  فناوری هوش مصنوعی MLCP

برنامه ریزی تولید در صنعت فولاد وظیفه ای است که تنها تعداد کمی از افراد متخصص با تجربه بالا می توانند انجام دهند. افراد متخصص و کارگران بخش فولاد در برابر سیستمی کردن کارها و تجهیزات، مقاومت زیادی را از خود نشان می دهند و تمایل بیشتری به روش‌های مرسوم و قدیمی دارند. برای پاسخ به این مقاومت، شرکت هیتاچی به دنبال غلبه بر این چالش ها از طریق استفاده از فناوری هوش مصنوعی MLCP (Machine Learning Constraint Programming – MLCP)، به عنوان یک سرویس بهینه‌سازی برنامه‌ریزی می باشد.

علت انتخاب هوش مصنوعی در بهینه سازی برنامه ریزی های تولید فولاد:

(۱) سختی کار زیاد

بدلیل محدود بودن مواد اولیه و زمان و همچنین محدودیت هایی که مربوط به استانداردهای مورد نیاز مشتری می باشد، باید به سطح خاصی از کیفیت رسید که همین امر سبب افزایش سختی کار می گردد.

(۲)  بازنگری های مکرر طرح

مسائلی مانند تغییر در سفارشات یا مشکلات مربوط به تجهیزات به طور روزانه به وجود می آیند و هر بار نیاز به بازنگری در برنامه ریزی دارند، بازنگری سریع برنامه ها بدون به خطر انداختن کیفیت محصولات فولاد مستلزم وجود دستیاری هوشمند در کنار کارکنان مجرب است.

(۳) مستندسازی دانش فنی

از آنجایی که محصولات فولاد، سفارشی تولید می شوند، تنوع محصولات با انواع مختلفی از درجه ها و اندازه ها پیچیده است که باعث میشود مشکلاتی در مستندسازی (document) پیش آید و به روز رسانی دانش کارکنان نیز با توجه به تغییر سفارشات مشتریان با تغییر در تجهیزات یا ترکیب محصول نیز سخت می شود.

جهت ارائه راه حل مناسب به این مسائل، شرکت هیتاچی از تجزیه و تحلیل داده های بزرگ برای طرح های تولید و سیستمی کردن برنامه ریزی از طریق استفاده از MLCP بهره گرفته است تا امکان تولید در برنامه های بهینه شده را فراهم کند.

دیاگرام سرویس بهینه سازی برنامه ریزی فناوری هوش مصنوعی- MLCP هیتاچی. این سرویس از تجزیه و تحلیل داده های بزرگ برای تکرار طرح های تولید شده توسط متخصصان استفاده میشود و در صورت نیاز می تواند طرح های بهینه تولید نماید.

مدل های یادگیری ماشین (Machine Learning) مشابه عملکرد کارکنان باتجربه عمل می نمایند اما با تفاوت آن که بر اساس الگوریتم های بوجود آمده در ماشین ها، رفع مشکلات در زمانی که نمی‌توان همه داده ها را به طور کامل مورد پردازش قرار داد، صورت می پذیرد. این سیستم میتواند دانش کارکنان مجرب را با یادگیری از داده های برنامه ریزی شده به روز رسانی نماید و الگوهای بین داده ها را شناسایی کند. یکی دیگر از مزایای استفاده از فناوری یادگیری ماشین، یافتن داده های بدون ساختار (Unstructured Data) می باشد که در بیشتر مواقع پاسخ بسیاری از نیازهای چرخه تولید فولاد می باشند.

سیستم تشخیص و تجزیه و تحلیل خود سازماندهی هیتاچی (HITSODAS)

جهت دستیابی به الزامات بهبود کیفیت و عملکرد محصولات فولادی مسطح نیاز به تجزیه و تحلیل زیادی است. محصولات فولادی در طیف وسیعی از گریدها، ضخامت ها و عرض ها نواری تولید می شوند. بنابراین تجزیه و تحلیل مداوم محصولات فولادی در چرخه تولید فولاد به صورت متداول بسیار سخت و همچنین دارای خطای بسیار زیادی می باشد.

برای مقابله با این چالش‌ها، شرکت هیتاچی از تخصص گسترده‌ای که در طول زمان برای توسعه و عرضه سیستم تشخیص و تجزیه و تحلیل خود سازماندهی هیتاچی HITSODAS (Hitachi Self-organized Diagnosis and Analysis System) جهت استفاده استراتژیک از داده‌های جمع‌آوری‌شده از کارخانه‌های فولاد برای پشتیبانی و نگهداری آنها ایجاد کرده است، استفاده می نماید.

HITSODAS از مجموعه اصلی توابع برای جمع‌آوری داده‌ها و نمایش گرافیکی (HITSODASBASE) به همراه سه تابع توسعه تشکیل شده است:

HITSODAS-QA  (تحلیل کیفیت)

HITSODAS-DS (کنترل هم‌افزایی پویا)

HITSODAS-PH  (فرآیند رابط کاربری)

استفاده از HITSODAS برای کار با داده‌ها، سیستم ها را بهبود میدهد تا از طریق یک چرخه تکراری که در آن کاربر داده‌ها را از فیلد داده (حس) (sense)  استخراج می‌کند، راه‌های استفاده از این داده‌ها را برای حل مشکلات (فکر کردن) (think)  در نظر می‌گیرد و سپس در سیستم های کنترل واقعی (عمل)  (act) توسعه می دهد.

جریان داده های HITSODAS مجهز به عملکردهایی برای بهبود کیفیت محصولات فولادی است که دسترسی مداوم به داده های کارخانه و تجهیزات را فراهم می کند.

نتیجه گیری: آینده هوش مصنوعی در صنعت فولاد

استفاده از هوش مصنوعی در صنعت فولاد عامل تحول در کل زنجیره تولید فولاد می شود. پس از پیاده سازی هوش مصنوعی در صنعت فولاد، انتظار می رود شاهد پیشرفت های قابل توجهی در ساده سازی فرآیندها، افزایش راندمان و در نهایت افزایش سودآوری باشیم. تولیدکنندگان فولادی که از هوش مصنوعی استقبال می کنند، خود را برای موفقیت های بلندمدت آماده می نمایند. آینده صنعت فولاد مبتنی بر هوش مصنوعی است و کسانی که خود را با این تحول تکنولوژیکی تطبیق دهند در بازار جهانی که همیشه در حال تحول است، پیشرفت خواهند کرد. در این مقاله برخی از راه حل های قابل ارائه شرکت هیتاچی برای افزایش کیفیت زنجیره تولید فولاد شرح داده شده است. شرکت زمین پی جویان نگار، همواره در حال به روز رسانی اطلاعات و خدمات هوش مصنوعی محور خود در بخش های معدنی و صنایع مرتبط می باشد. این نکته دارای اهمیت است که زمان تحقیق و توسعه خدمات بر اساس نوع نیاز کارفرمایان متغیر می باشد. ما بر این باور هستیم که برای هر نیازی می توان از میان داده ها و اطلاعات راه حلی منحصر یافت.