هوش مصنوعی در حال بازتعریف صنعت فولاد است؛ صنعتی که قدمتی بیش از سه هزار سال دارد و همواره با نوآوریهای فناورانه همگام بوده است. این فناوری با توانایی تحلیل دادههای پیچیده، بهینهسازی فرایندها، کاهش هزینهکردها و انتشار گازهای گلخانهای و ارتقای کنترل کیفیت، مسیر جدیدی برای تولید فولاد پایدار و کارآمد فراهم کرده است.
به گزارش نبض صنعت، همچنین هوش مصنوعی زمینه توسعه عملیات خودکار و شبیهسازیهای پیشرفته را فراهم کرده و به تولیدکنندگان امکان میدهد تا بدون کاهش کیفیت، بهرهوری خود را افزایش دهند. ترکیب هوش مصنوعی با الگوریتمهای یادگیری ماشین و رویکردهای اصولمحور، آیندهای هوشمند را برای صنعت فولاد ترسیم میکند که بهرهوری، کیفیت و پایداری را همزمان ارتقا خواهد بخشید.
فلزکاری یکی از قدیمیترین فعالیتهای تولیدی بشر است که قدمت آن به حدود یک هزار و ۸۰۰ سال قبل از میلاد برمیگردد؛ زمانی که اولین نمونههای آهن ذوبشده در هند تولید شد. بیش از سه هزار سال بعد، واحدهای فولادسازی به نمادهای مهم انقلاب صنعتی تبدیل شدند و اکنون صنعت فلزکاری در آستانه انقلاب جدیدی به نام ورود هوش مصنوعی قرار دارد.
مواجهه صنعت فولاد با فشارهای زنجیره تامین و رشد هزینهکردها، کمبود شدید نیروی متخصص و چالش عظیم اجرای فرایند کربنزدایی از صنعتی که به طور ذاتی مبتنی بر سوختهای فسیلی است، تولیدکنندگان آهن و فولاد را به سمت هوش مصنوعی سوق داده است.
پترا کراوینکلر، کارشناس ارشد هوش مصنوعی شرکت «Primetals Technologies»، یکی از تامینکنندگان کلیدی صنعت فولاد در همین رابطه بیان کرد: این فناوری میتواند تاثیر قابلتوجهی در حوزههای اصلی صنعت فولاد مانند بهینهسازی فرایند تولید، افزایش بهرهوری هزینهکردها، کاهش انتشار دیاکسید کربن و کنترل کیفیت محصولات تولیدی داشته باشد. با این حال، با تکامل هوش مصنوعی، پتانسیل آن برای تغییر بنیادین صنعت فولاد نیز روندی صعودی به خود خواهد گرفت.
بهینهسازی فرایند تولید با هدف کاهش هزینهکردها و انتشار گازهای گلخانهای
فرایند تولید آهن به عنوان ماده اصلی ساخت فولاد شامل مراحل پیچیدهای بوده که بسیار انرژیبر است. این فرایندها حرارت قابلتوجهی تولید میکنند که برای مراحل کلیدی تولید، از جمله فرایند تفجوشی یعنی تبدیل سنگریزههای آهن به گندله با هدف افزایش بازدهی کوره و ذوب در کورههای بلند به منظور استخراج آهن خالص ضروری است.
وی با بیان اینکه بهینهسازی این فرایندها و تعاملات میان آنها از اهمیت بالایی برخوردار است، در ادامه افزود: هدف شرکت «Primetals Technologies» استفاده از میزان مناسب حرارت و مواد اولیه است تا سطح کیفیت موردنظر با کمترین هزینه و حداقل ضایعات در فرایند تولید فولاد حاصل شود.
کراوینکلر خاطرنشان کرد: تنظیم مصرف انرژی و مواد اولیه موجب افزایش بهرهوری انرژی و سوخت واحدهای فولادسازی، کاهش انتشار دیاکسید کربن و سایر گازهای گلخانهای و کاهش آلایندهها در محیط کار، از جمله ذرات معلق، دیاکسید گوگرد و اکسیدهای نیتروژن میشود. علاوهبراین، تحلیل دادههای جامع واحدهای فولادسازی برای تعیین بهینهترین تنظیمات امری حیاتی بوده و این همان جایی است که هوش مصنوعی میتواند نقش مهمی ایفا کند.
وی در همین رابطه مطرح کرد: با استفاده از تواناییهای پردازش داده وسیع هوش مصنوعی، میتوان دادههای بیشتر و بسیار پیچیدهتری از سراسر واحدهای فولادسازی به منظور تجزیه و تحلیل جمعآوری کرد؛ کاری که انسان هرگز قادر به انجام آن نیست.
کارشناس ارشد هوش مصنوعی شرکت «Primetals Technologies» اظهار داشت: از طریق هوش مصنوعی میتوان مراحل تولید فولاد را مدلسازی و شبیهسازی کرد و مدیریت انرژی در کل تاسیسات، از واحدهای فرآوری سنگآهن گرفته تا کارخانجات تولید محصول نهایی را بهینه ساخت. این اقدامات باعث میشود بدون کاهش کیفیت، بهرهوری در تولید محصولات فولادی افزایش یابد.
ارتقای کنترل کیفیت در فرایند ساخت محصولات فولادی به کمک هوش مصنوعی
به وسیله هوش مصنوعی میتوان مراحل مختلف تضمین کیفیت در فرایند فلزکاری را بهبود بخشید و مشکلات یا نقصها را زودتر از بازرسیهایی که به صورت دستی و توسط ماموران انجام میشود، شناسایی کرد. کراوینکلر در همین رابطه بیان کرد: در فرایند فلزکاری، به طور گستردهای نمونهبرداری انجام میشود اما این نمونهها معمولا باید برای تجزیه و تحلیل به آزمایشگاه ارسال شوند که زمانبر خواهد بود.
مزیت استفاده از هوش مصنوعی این است که میتوان این تحلیلها را به صورت لحظهای انجام داد. برای مثال، در فرایند گندلهسازی از کنسانتره سنگآهن، به کمک سیستمهای بینایی خودکار مبتنی بر هوش مصنوعی میتوان ویژگی گندلههای تولیدشده را بررسی و آنهایی که از نظر اندازه یا شکل با استانداردها مطابقت ندارند، شناسایی کرد. براساس این دادهها، اپراتورها میتوانند فرایند گندلهسازی را تنظیم کنند.
همچنین، با استفاده از سیستمهای دستیار دیجیتال مبتنی بر بینایی کامپیوتری هوش مصنوعی میتوان کویلهای فولادی در حین حرکت در واحد فولادسازی را رصد و نقصهای سطحی که ممکن است منجر به تاخیر در تولید یا آسیب به تجهیزات شود را شناسایی کرد.
وی تصریح کرد: به جای آنکه اپراتورها حجم عظیمی از دادههای نظارتی را به صورت دستی بررسی کنند، این سیستمها دقیقا به آنها نشان میدهند که روی چه بخشهایی تمرکز و فرایند تولید را طوری تنظیم کنند که کیفیت محصول یکنواخت شود. این بدان معناست که ضایعات در فرایند تولید فولاد کاهش، بهرهوری و به تبع آن هزینهکردها و میزان انتشار گازهای گلخانهای افزایش خواهد یافت.
حرکت به سمت خودکارسازی بیشتر عملیات تولید در واحدهای فولادسازی
کارشناس ارشد هوش مصنوعی شرکت «Primetals Technologies» بر این باور است که اجرای راهکارهای مبتنی بر هوش مصنوعی میتواند فرایند فلزکاری را تسریع ببخشد. یکی از حوزههایی که کراوینکلر معتقد است هوش مصنوعی میتواند تاثیر زیادی در آن داشته باشد، مدلسازی و شبیهسازی در فرایند تولید فولاد است؛ چراکه به دلیل پیچیدگی و منحصربهفرد بودن واحدهای فولادسازی، اجرای چنین شبیهسازیهایی به طور متوسط هفتهها به طول خواهد انجامید.
در همین رابطه، شرکت «Primetals Technologies» با دانشگاه یوهانس کپلر اتریش وارد همکاری شده تا شبیهسازیهایی را با استفاده از هوش مصنوعی توسعه دهد که رفتار واحدهای تولید فولاد در شرایط واقعی را مدلسازی کنند. به گفته وی، مشخصات محصول و کیفیت مدنظر به سیستم مبتنی بر هوش مصنوعی ارائه میشود و این سیستم در پاسخ چگونگی تنظیم پارامترهای تولید برای رسیدن به کیفیت مدنظر را ارائه میدهد.
کارشناس ارشد هوش مصنوعی شرکت «Primetals Technologies» هدف نهایی انجام این تحقیقات را توانمندسازی سیستمهای مبتنی بر هوش مصنوعی برای تنظیم خودکار عملیات واحدهای فولادسازی، به منظور دستیابی به تعادل کامل پارامترهای ورودیها و خروجیها اعلام کرد.
بهبود آموزش مدلهای هوش مصنوعی در صنعت فولاد
با توجه به پیچیدگی مواد اولیه و فرایندهای فلزکاری، آموزش هوش مصنوعی به روش سنتی امکان دستیابی به هدف شرکت «Primetals Technologies» را فراهم نخواهد کرد. کراوینکلر در همین زمینه خاطرنشان کرد: در حال حاضر، هوش مصنوعی ممکن است حالتهای جدیدی خارج از دادههای آموزشی خود را در فرایند تولید فولاد شناسایی کند اما این کار لزوما به معنای وجود مشکل نیست؛ در عین حال ممکن است تنها یک تغییر قابل پذیرش باشد.
در حال حاضر، تصمیمگیری نهایی در فرایند تولید فولاد همچنان بر عهده اپراتورهای انسانی است. از سوی دیگر، تیم تحقیقاتی شرکت «Primetals Technologies» در تلاش است تا آموزش مبتنی بر فرض اساسی را با الگوریتمهای یادگیری ماشین ترکیب کرده تا پیشبینیهای قابلاتکاتری فراهم شود. همچنین، تحقیقات این شرکت به بررسی هوش مصنوعی توصیفپذیر پرداخته است تا انسانها بهتر بتوانند نتایج هوش مصنوعی را درک کنند. وی در پایان یادآور شد: این اقدام برای تکامل هوش مصنوعی در صنعت فولاد، حرکت به سوی فرایندهای مستقلتر و همزمان پشتیبانی از فرایند ساخت در واحدهای فولادسازی حیاتی خواهد بود.
انتهای پیام
