گام اجرایی بلند شرکت «جهان فولاد سیرجان» در هوشمندسازی عملیاتی کوره تولید آهن اسفنجی

‌می‌متالز - مهندس «علی پورمعصومی» مدیرعامل مجتمع جهان فولاد سیرجان گفت: در راستای اجرایی کردن نسل چهارم صنعت در جهان فولاد و با تکیه بر دانش هوش مصنوعی و استفاده از داده‌های سیستم، برای اولین بار در کشور، بهینه‌سازی و افزایش ظرفیت و کیفیت تولید آهن اسفنجی با روش‌های هوشمندسازی را به صورت عملی، فنی و میدانی به اجرا درآوردیم.

به گزارش می‌متالز، «علی پورمعصومی» مدیرعامل شرکت جهان فولاد سیرجان در ادامه اظهار داشت: به همین منظور و با پذیرش این اقدام بزرگ، قرارداد پیش بینی و پایش آنلاین شاخص‌های کلیدی فرآیند تولید آهن اسفنجی احیا مستقیم میدرکس با استفاده از هوش مصنوعی، بین شرکت مجتمع جهان فولاد سیرجان و شرکت دانش‌بنیان کاوشگران صنایع معدنی راشا امضا شده است.

وی خاطرنشان کرد: یکی از چالش‌های اساسی فرآیند‌های آهن و فولادسازی کشور، دسترسی آنلاین به آنالیز آهن اسفنجی در حال تولید است که از مزایای آنلاین بودن می‌توان به موارد زیر اشاره کرد:

عملکرد پایدار و بهینه کوره با تنظیم دما، نرخ جریان و نسبت بهینه گاز‌های احیایی
کاهش نوسانات کیفیت آهن اسفنجی تولیدی (با توجه به امکان عکس العمل لحظه‌ای نسبت به تغییرات صورت گرفته)
استفاده از حداکثر ظرفیت تولید با حفظ کیفیت تولید
کمک به افزایش میانگین کیفیت تولیدات

پورمعصومی گفت: وجود آنالیز محصول به صورت آنلاین به ویژه در اختیار داشتن درجه فلزشدگی و میزان کربن که از مهم‌ترین شاخص‌های نشان دهنده کیفیت آهن اسفنجی است می‌تواند موجب استفاده حداکثری از ظرفیت تولید با بهینه سازی تمامی پارامتر‌های تاثیرگذار بر عملکرد فرآیند و همچنین افزایش میانگین کیفیت محصول شود.

وی تصریح کرد: علاوه بر موارد فوق با وجود پیش بینی مقدار آینده سنسور‌های واحد احیا، نه تنها اپراتور قادر به واکنش به موقع در راستای عملکرد کنونی فرآیند خواهد بود بلکه کاهش نوسانات کیفی آهن اسفنجی را نیز به همراه خواهد داشت که خود موجب ایجاد مزایای زیادی در واحد فولادسازی می‌شود.

مدیرعامل مجتمع جهان فولاد سیرجان در پایان تاکید کرد: هدف اصلی این پروژه ایجاد امکان بهینه سازی فرآیند احیا و افزایش ظرفیت تولید با تخمین آنلاین شاخص‌های کیفی آهن اسفنجی (درجه فلزشدگی و مقدار کربن)، پیش بینی مقدار آینده سنسور‌های فیزیکی دما، نرخ جریان و نسبت گاز‌های احیایی و تشخیص و پیش بینی رخداد‌هایی نظیر آنبالانسی توزیع دما، کلاستر شدن محصول، نشتی تیوب‌های ریفورمر و ... که منجر به کاهش کیفیت و کمیت تولید می‌شوند با استفاده از حجم عظیم داده‌های موجود و به کارگیری روش‌های یادگیری ماشین و الگوریتم‌های هوش مصنوعی می‌باشد.