بهره‌برداری سامانه پیش‌بینی احتمال رخداد عیوب درفولاد مبارکه

وی درباره اهمیت به‌کارگیری این سامانه گفت: امروزه، صنعت فولاد با افزایش چشمگیر داده‌های در دسترس مواجه است. این قبیل داده‌ها از منابع متنوعی مانند حسگرهای خطوط تولید، داده‌های محیطی، پارامترهای ماشین‌ها و... به دست می‌آید. حجم زیاد داده‌های در دسترس می‌تواند به چالشی برای تصمیم‌گیری تبدیل شود؛ مثلاً ممکن است موجب غفلت از مسئله (علت) اصلی شود یا منجر به تعلل یا اشتباه در تصمیم‌گیری برای واکنش مناسب گردد. با همه این‌ها، صنعت فولاد می‌تواند با بهره‌گیری از حجم زیاد داده‌های در دسترس به‌سوی صنعت 4.0 گام بردارد و به مزایایی مانند بهبود کیفیت، افزایش رضایتمندی مشتری و بهینه‌سازی فرایندها دست یابد.

وی با بیان اینکه عوامل مؤثر بر کیفیت و ویژگی‌های ورق فولادی و تشکیل عیوب در خطوط نورد، شامل کلیه پارامترهای فرایند تولید از فولادسازی تا نورد سرد است، ادامه داد: ممکن است تأثیر یک پارامتر از نظر تئوری ناشناخته باشد، اما در حقیقت بر کیفیت ورق فولادی اثرگذار باشد. همچنین، پدیده‌های حاکم در فرایند نورد مستقل از یکدیگر نیستند و برهم‌کنش پیچیده‌ای دارند. بنابراین، با به‌کارگیری مدل‌های تجربی و روش‌های عددی نمی‌توان کیفیت ورق را با استفاده از داده‌های تولید به‌دقت پیش‌بینی کرد. برای حل این قبیل مسائل باید از روش‌های یادگیری ماشین استفاده کرد.

پیش‌بینی احتمال رخداد برخی عیوب نورد سرد مانند کثیفی و لکه امولسیون و..... با دقت خوب

در همین زمینه، محمود کریمیان، کارشناس کنترل کیفی نورد سرد شرکت فولاد مبارکه نیز اضافه کرد: با بهره‌گیری از سامانه‌های مبتنی بر یادگیری ماشین و دسترسی به داده‌های تولید، می‌توان بازرسی چشمی را هدفمند کرد و کارایی بازرسان کنترل کیفی را ارتقا داد.

وی ادامه داد: به همین منظور، سامانه پیش‌بینی احتمال رخداد عیوب نورد سرد تحت عنوان «ساپیار» در واحد کنترل کیفی نورد سرد شرکت فولاد مبارکه طراحی و پیاده‌سازی شد. این سامانه با بهره‌گیری از داده‌های دریافتی از واحدهای نورد تاندم، کارگاه غلتک، آزمایشگاه امولسیون و کنترل کیفی قادر است احتمال رخداد برخی عیوب نورد سرد مانند کثیفی و لکه امولسیون و... را با دقت خوبی پیش‌بینی کند.

کریمیان با تأکید بر اینکه در حال حاضر، سامانه ساپیار به‌صورت غیربرخط عمل می‌کند، اظهار داشت: در صورت فراهم شدن دسترسی برخط به داده‌های کامل و آنلاین تولید، قادر است به‌صورت بی‌درنگ احتمال رخداد عیوب مختلف را در محصولات نورد سرد پیش‌بینی کند. به این ترتیب، با دسترسی به گزارش سامانه به‌صورت برخط، بازرسان کنترل کیفی پیش از ورود ورق به واحد بازرسی، از احتمال معیوب بودن ورق آگاه خواهند شد؛ بنابراین، سطح ورق با کارایی بیشتر و به‌صورت هدفمند بازرسی و ارزیابی خواهد شد.

محمدرضا نصر اصفهانی، رئیس کنترل کیفی نورد سرد، در پایان از حمایت‌های مدیریت کنترل کیفی، واحد تحقیق و توسعه، ناحیه نورد سرد و همچنین از زحمات شرکت دیساافزار پارس و کلیه همکارانی که در خلق این اثر ماندگار دانشی مشارکت داشته‌اند و به‌ویژه کارکنان کنترل کیفی نورد سرد تشکر و قدردانی کرد.