PREVISIONE DELLA QUALITÀ DEL PRODOTTO E OTTIMIZZAZIONE NELLA PRODUZIONE DI ACCIAIO
La produzione dell’acciaio è un processo complesso, dalla scelta dei materiali da fondere fino al prodotto finale. Il metallo liquido, infatti, subisce diverse trasformazioni e lavorazioni ad alto consumo energetico. La previsione della qualità del prodotto e l’ottimizzazione sono quindi due attività di valore per le imprese specializzate nella produzione di acciaio.
IDENTIFICAZIONE RAPIDA DEI DIFETTI
Nel corso del processo possono verificarsi problemi di qualità come cricche o difetti superficiali nel materiale che sono imputabili a deviazioni dalle condizioni ottimali.
Ci sono molte ragioni per cui i problemi di qualità si verificano. Ogni fase della lavorazione dell’acciaio deve essere monitorata in modo molto preciso in termini di condizioni del processo (temperatura, velocità di colata, portata di raffreddamento, ecc.). Lievi deviazioni, infatti, possono portare a presenza di difetti nel prodotto. Queste condizioni possono variare da una struttura all’altra e quindi richiedono profonde e specifiche conoscenze di dominio.
Nella catena di produzione è dunque cruciale identificare il verificarsi di una non conformità quanto prima. In questo modo è possibile evitare che un prodotto difettoso proceda attraverso le restanti fasi di produzione.
L’applicazione di Rebecca AI è stata fondamentale nella conduzione dell’analisi delle serie temporali dei dati e nel prevedere i difetti nelle prime fasi del processo di produzione.
LE SFIDE DEL DATA SCIENCE
Governance del dato
Centinaia di sensori sulla linea di produzione, un alto volume di dati grezzi difficili da archiviare, trasformare e recuperare ogni giorno in un ambiente favorevole al data science. Per garantire risultati ottimali, la progettazione di una struttura di dati che tenesse traccia della qualità del materiale durante l’intero processo di produzione è stata fondamentale in questa applicazione.
Dati non strutturati, etichette insufficienti
I processi metallurgici e chimici tendono a creare dati che spesso richiedono molta pulizia e normalizzazione prima di poter essere utilizzati per la creazione di modelli di machine learning. Grazie al modulo Builder e alle funzionalità di Auto-ML di Rebecca AI tali pre-elaborazioni sono state realizzate con un tempo 5,5 volte inferiore rispetto a quanto sarebbe avvenuto senza il software.
Troppe variabili di processo
Il processo delle industrie pesanti, ivi inclusa la produzione di acciaio, si caratterizza per un alto numero di variabili. Il prodotto finale, bobine di acciaio laminato in questo caso, non è sempre lo stesso, ma varia nelle dimensioni e nelle proprietà fisiche a seconda dell’applicazione. Il tracciamento risulta complesso in quanto il prodotto non è standardizzato.
Questo aggiunge uno strato di complessità alla già difficile sfida di allenare le intelligenze a riconoscere le tipologie di difetto e ad applicare i risultati dell’apprendimento automatico per identificarli nelle prime fasi di processo.
Soluzione
La soluzione si compone di tre fasi principali:
- 1. governance del dato: dall’acquisizione alla storicizzazione, dalla pulizia alla validazione dei dati
- 2. pre-processing del dato: creazione della strategia algoritmica e training
- 3. industrializzazione delle intelligenze create e deploy.
Nella fase di governance del dato sono stati:
- – inclusi valori mancanti e normalizzati gli intervalli di dati con le funzionalità di Anomaly Detection incluse in piattaforma;
- – combinate serie storiche e variabili statiche per rappresentare un campione di allenamento di migliaia di lastre in diverse condizioni;
- – incluse 70 variabili statiche e 125 variabili dinamiche.
Gli algoritmi predittivi creati sono così in grado di:
- – rilevare comportamenti anomali sulle variabili di processo di colata
- – migliorare del 20% il tasso di previsione dei difetti rispetto ai metodi statistici precedentemente usati, diminuendo drasticamente il monte ore uomo speso nell’analisi
Le intelligenze sono state create attraverso la piattaforma Rebecca AI accogliendo il contributo di tutti gli stakeholders in quanto, grazie ai moduli di auto-ml, in Rebecca AI non vi è necessità di scrivere codice. La creazione di un “modello di conoscenza” facile da visualizzare, condividere e perfezionare da parte di esperti di processo, di controllo di qualità e di statistica porterà a un ulteriori passo avanti in questo tipo di analisi.
Se vuoi sapere di più su come funziona la nostra piattaforma di AI e scoprire quali vantaggi l’intelligenza artificiale può portare alla tua azienda, contattaci. Analizzeremo la tua azienda e sapremo consigliarti gli algoritmi e le strategie di AI migliori per il tuo business!
