Demir Çelik Endüstrisinde Yapay Zeka
Demir çelik endüstrisi, dünya ekonomisinin önemli bir parçasıdır. Bu endüstri, her türlü yapıdan, makineden ve ulaşım aracına kadar günlük yaşamımızda kullandığımız birçok ürünün üretiminde kullanılmaktadır. Demir çelik endüstrisi, son yıllarda yapay zekanın hızla benimsendiği sektörlerden biridir. Görüntü işleme ve sensör verilerine dayalı yapay zeka uygulamaları geliştirilebilmektedir. Bu uygulamalar, demir çelik üretiminin her aşamasında kullanılarak verimliliği, kaliteyi ve sürdürülebilirliği artırmaya yardımcı olmaktadır.
Yapay Zeka'nın Demir Çelik Endüstrisinde Kullanım Alanları
İş Güvenliğine Dayalı Uyarı Sistemi: Demir çelik üretiminin tüm aşamalarında kullanılarak verimliliği ve kaliteyi artırmaya yardımcı olmaktadır. Örneğin, ham madde hazırlama, eritme, şekillendirme ve işleme gibi süreçleri optimize etmek için kullanılmaktadır. Bu uygulamalara daha net örnekler vermek gerekirse : Üretim proseslerinde insan hayatı ve sağlığı için risk arz eden durumların kamera kayıtları üzerinden tespit edilmesi, otomatik sınıflandırma yolu ile uyarı sisteminin tetiklenmesi. Ayrıca sıcak demir potaya döküldükten sonra hareket esnasında iken insan varlığı Yapay Zeka tarafından tespit edilerek uyarı yapılabilir veya sistemin işlemesi duraklatılabilir. Ark patladığı ya da patlamaya yakın zamanlarda bir Yapay Zeka kontrollü uyarı/ikaz sistemi devreye sokulabilir.
Yüzey Anomalisi Tespiti: Çelik, demire göre kırılgan bir yapıya sahip olduğundan haddeleme işlemi sırasında levhalarda kusurlar meydana gelebilir. Bu kusurların üretim aşamasında tespiti ticari ve güvenlik açısından büyük önem taşımaktadır. Bu tür problemlerde hızlı ve yüksek doğrulukta tespit için makine öğrenmesi/derin öğrenme yöntemleri kullanılabilir. Yüzey anomali tespiti amacıyla, paslanmaz çelik yüzey kusurlarından elde edilen veri seti kullanılarak makine öğrenmesi ve/veya derin öğrenme modelleri eğitilebilir. Böylece kamera görüntüleri üzerinden yüzey hatalarının otomatik tespiti sağlanabilir.
İmalat Sonrası Çap/Boyut Konrolü: Haddehanede en son hadde sonrası eklenecek olan kameralar sayesinde telin çapının kalite kontrolü Yapay Zeka ile yapılabilir. Haddehanede kesim işlemi yapan makasların kestiği ölçülerde kaçıklık olduğu durumlar Yapay Zeka tarafından hesaplanarak anomali durumlarda uyarı yapan bir sistem geliştirilebilir. Gerçek zamanlı izleme ve ürün çapının doğruluğu gereksinimlerini karşılamak için üretim hattına bir lazer kumpas kurulur. Lazer kırınım ölçüm teknolojisine dayanarak ilgili lazer çapı ölçüm cihazı geliştirilir. Bu ekipman, yalnızca 0,1 μs'lik tek bir pozlamaya sahip bir CCD dizi sensörünü ve karşılıklı olarak dik iki darbeli lazer ışık kaynağını kullanır. Titreyen iş parçaları gibi anlık değişikliklerle ölçüm nesnelerini tanımlayabilir ve karmaşık algoritma işleme ve ilgili veri hesaplama yoluyla ölçülen nesnenin dış çapı elde edilebilir. Ekipman, lazer kırınım ölçüm yöntemi ve elektromanyetik indüksiyon teknolojisine dayanarak ve CCD lazer kırınım prensibi kullanılarak tasarlanır.
Çelik İçeriği Tahminleme: Dönüştürücü ağız alevi, çelik üretimi sırasında dönüştürücüde meydana gelen fiziksel ve kimyasal reaksiyonların kapsamlı dış görünüşünü yansıtmaktadır. Dönüştürücü ağız alevinin sürekli spektrum bilgisi USB4000 spektrometresi ile elde edilir. Nesnelerin İnterneti çerçevesinde, çift yönlü özyinelemeli çok ölçekli evrişim derinliğine sahip bir sinir ağı algoritması, dönüştürücü ağzı alev spektrumu bilgilerini işleyerek karbon içeriğini tahminleyebilir. Sonuçlar, çelik üretiminin sonunda karbon içeriği, sıcaklık ve karbon sıcaklığının sırasıyla %94,78, %98,41 ve %93,43 doğrulukla tespit edilebileceğini göstermektedir. Cevherin karışım oranı kontrolü (tozlaştırma ya da sıvı? Mevcut uygulama nedir?) yapılabilmektedir.
Ürün Sayımı: Büyük ölçekli makinelerde hareketli nesnelerin tespiti için çok yönlü sensör tasarımı. Nesnelerin boyutu, malzeme bileşimi, yüklü özelliği, uzunluğu ve hızı gibi özellikleri doğru bir şekilde tespit edilebilir. Derin öğrenme yöntemi nesne sensörüyle entegre olup çok yüksek doğruluk ve akıllı algılamaya ulaşır. Sensör ve derin öğrenmeye dayalı bir algılama sistemi, hareketli nesnelerin akıllı ve otomatik olarak izlenmesini sağlayabilir.
Soğutma Platformu: Soğutma platformunun sıcaklığı ve soğutma hızı, Yapay Zeka tarafından kontrol edilebilir hale getirilebilir. Su jeti ile yapılan soğutma işlemi sırasında, ısı transfer modeli çelik kalitesini iyileştirmede kritik bir rol oynar. Önerilen çalışmada, yüksek sıcaklıktaki çelik levha yüzeyine su jetinin çoklu çarpmaları deneysel olarak gerçekleştirilmiş ve yüzey sıcaklıklarının, su jeti hızının, hareket hızının ve dengeleme süresinin ısı transfer davranışları üzerindeki etkileri ortaya çıkarılmıştır. Ardından, daha doğru bir şekilde geçici ısı akısını ölçmek için zaman kısıtlamalı bir yüzey ısı akısı hesaplama yöntemi kullanılmıştır. Makine öğrenmesi sayesinde, düşük sıcaklık ölçüm frekansı ve daha büyük ısı iletim gecikmesi durumunda bile kesin hesaplama sonuçları tahmin edilebilmektedir. Hareketli soğutma sürecindeki iki boyutlu (2D) geçici ısı akışı tahmin edilebilir ve deneysel verilerin artmasıyla doğruluk sürekli olarak güçlendirilebilir.
Önleyici Bakım - Merdane Kontrolü: Soğuk haddelenmiş saclarda yüksek yüzey kalitesi istenmektedir. Merdane aşınması sonucu çapaklı üretim gerçekleşmektedir. Merdanelerin kalan kullanım ömrünün ve sağlık durumunun doğru tahmini, sıcak haddeleme üretimi için büyük önem taşır. Sıcak haddeleme işleminin verimliliğini artırmak amacıyla merdanelerin yönetimi için karar destek sistemleri kullanılmakatdır. Ayrıca merdaneler için aşınma ve ömür tahmini, mevcut düzenli bakım stratejisinden koşullu bakıma geçişte yardımcı olur. Otomasyon sisteminden elde edilen veriler uygun derin öğrenme yöntemleri ile işlenerek merdane aşınması tahminlenebilir. Aşınmaya bağlı merdane sıkma ayarı optimize edilebilir.
Önleyici Bakım - Kesici Takım Aşaması: Kesici takım aşınma tahmini, takım değiştirme programlarının optimize edilmesi, arıza süresinin azaltılması ve genel üretim verimliliğinin artırılması nedeniyle üretim kalitesinin ve güvenilirliğinin artırılmasında çok önemli bir role sahiptir. Büyük veri kümelerini analiz etme yeteneğine sahip derin öğrenme modelleri yardımı ile kesici takımların durumu hakkında doğru tahminler yapabilir. Bir CNC freze makinesinden toplanan mevcut sensör verilerini bir graf temsiline dönüştürmeye dayanan akıllı bir algılama metodolojisi öneriyoruz. Ürün işleme ile ilgili 44 niteliğe sahip verilerin yüksek boyutluluğu nedeniyle, bu dönüştürme işleminden sonra çok katmanlı bir graf temsili elde edilir ve bu da 44 katmanlı 128x128 bitişik matris oluşumuyla sonuçlanır. Sonuçlar, CNC freze takımının özel CNN modeli (Graph Augmented-CNN) ile artırılmış graf kaynaklı sınıflandırmasının, takımın aşınmasını tespit etmek için tam (%100) doğruluk sağladığını göstermektedir.
Zaman Serisi Analizi - Önleyici Bakım: Bu aşamada, otomasyondan sağlanabilecek veri akışı analiz edilerek yapılabilecek değer tahmini, arıza tahmini gibi bütün tahminlemeler yapılabilmektedir.
Zaman Serisi Analizi - Finansal Analiz/Tahminleme: Son yıllarda piyasa finansal tahminleri, örüntü tanıma konusunda araştırmacıların büyük ilgisini çekmiştir. Genellikle piyasayı analiz etmek ve ardından gelecekteki trendi üzerine tahminleme yapmak için kullanılan veriler zaman serisi olarak sağlanmaktadır. Güncel derin öğrenme teknikleri ile mevcut finansal veriler ışığında geleceğe yönelik kestirimler yapılabilir. Pazar analizi, pazar hacmi analizi ve ileriye dönük hacimsel tahminleme, pazara ilişkin zaman serileri üzerinden piyasa genişleme ya da darboğazlarının önceden tahminlenmesi gibi uygulama alanları vardır.
Pazarlama ve satış: Demir çelik ürünlerini pazarlamak ve satmak için kullanılmaktadır. Örneğin, AI, müşteri davranışlarını analiz etmek ve hedef pazarlara ulaşmak için kullanılmaktadır.
Çözümlerimiz
Firmamız, çelik endüstrisi için özel olarak tasarlanmış çözümler sunmaktadır. Yapay zeka uygulamalarımız, görüntü işleme ve sensör verilerini kullanarak çelik üretiminin her aşamasında verimliliği, kaliteyi ve sürdürülebilirliği artırabilmektedir. Hammadde hazırlığından şekillendirme ve işleme işlemlerine kadar süreçleri optimize ederek, üretkenliği maksimize edip hataları minimize ediyoruz. Örneğin, sistemlerimiz gerçek zamanlı olarak potansiyel güvenlik tehlikelerini tespit edebilir, kamera görüntüleri aracılığıyla riskli durumları tanımlayarak anında uyarı sistemlerini devreye alabilir. Ayrıca, üretim sırasındaki kusurları hızlı ve doğru bir şekilde tespit edebilecek yapay zeka destekli anormallik tespiti yeteneklerine sahibiz. Bununla birlikte, üretim hattına entegre kamera sistemleri aracılığıyla gerçek zamanlı tel çapını izleyerek hassas kontrol sağlayabilmekteyiz. Ayrıca, gelişmiş tahmin edici bakım çözümleri sunuyoruz, örneğin haddeleme değirmen araçlarının sağlığını ve kalan ömürlerini izleyerek bakım programlarını optimize ediyoruz ve iş duruş süresini minimumda tutuyoruz. Ayrıca, karar verme için değerli bilgiler sağlayan tahminsel bakım, finansal analiz ve pazar tahmini için zaman serisi verilerini analiz edebilmekteyiz.
