Effektive Fehlererkennung im Stahlwerk:

Das rechtzeitige Erkennen von Fehlern und Anomalien spielt bei der Herstellung von Stahl eine bedeutende Rolle. Gerade beim Kaltwalzen von Stahlblechen können Fehlerfälle und ungeplante Unterbrechungen zu Bandbrüchen führen, die mit hohen Ausfallzeiten und Kosten verbunden sind. Einen Bandbruch aber rechtzeitig zu erkennen und dessen Ursache zu diagnostizieren, kann sich in der Praxis als äußerst schwierig erweisen.
Die Voraussetzung, um diese Fehler frühzeitig zu erkennen, ist die zuverlässige und kontinuierliche Erfassung und Analyse der Prozessdaten. Dazu müssen Prozessdaten wie beispielsweise Spannung, Stromstärke oder Drehmoment hochaufgelöst erfasst, ausgewertet und interpretiert werden. Die im Verlauf der Stahlbandproduktion anfallende Datenmenge ist jedoch immens. Um den Analysevorgang zu automatisieren und mit den ständig steigenden Anforderungen Schritt zu halten, setzt ein Stahlhersteller auf einen innovativen Ansatz mit Künstlicher Intelligenz. Dabei wird eine Machine-Learning-Lösung des IoT-Anbieters Falkonry mit historischen Prozessdaten trainiert und die laufende Produktion online mit dem Modell überwacht, um Anzeichen für einen Bandbruch rechtzeitig zu erkennen. Der Lieferant für die notwendigen Modelldaten: das iba-System.