L’un des principaux défis de la production d’acier consiste à améliorer la qualité de l’acier tout en réduisant les pertes attribuables aux fissures. Pour aider le grand producteur d’acier Uddeholm à relever ce défi, nous avons mis au point une puissante solution d’apprentissage automatique qui permet de repérer les erreurs de production, d’affiner les processus et d’améliorer la rentabilité. 

C’est en évaluant la possibilité d’utiliser les nouvelles technologies comme l’intelligence artificielle et l’apprentissage automatique que nous avons commencé à aider Uddeholm à relever l’un de ses défis les plus urgents, soit celui de produire de l’acier de haute qualité.

Les fissures dans l’acier : une incidence réelle sur la rentabilité

La qualité de la production d’acier ne peut être évaluée qu’à la fin du processus de fabrication. Avant cette étape, il n’est pas possible pour les sidérurgistes de savoir si le produit fini sera fissuré ni dans quelle mesure. Le cas échéant, l’acier endommagé doit être fondu et réintégré dans le processus, entraînant des pertes d’énergie, de temps et d’argent.

Uddeholm souhaitait améliorer son processus de fabrication et réduire les fissures dans l’acier fini afin d’éviter des pertes et des coûts importants.

Prédiction des fissures dans l’acier avec un taux de précision de plus de 70 %.

Nous avons collaboré avec Uddeholm pour développer un modèle d’apprentissage automatique ultra puissant pouvant prédire le moment et l’endroit où se formeraient les fissures, avec un taux de précision de plus de 70 %.

Nous nous sommes basés sur trois produits d’acier, des sources de données et des méthodes pour analyser les données d’Uddeholm relatives à la qualité et la pertinence. Notre approche était fondée sur les mégadonnées et une plateforme d’Internet des objets (IoT). Elle visait à saisir et traiter les données pertinentes, ainsi qu’à appliquer l’apprentissage automatique et l’analyse avancée pour découvrir de nouvelles perspectives et acquérir les connaissances nécessaires à l’amélioration de la qualité de l’acier fini.

« Ces modèles et algorithmes offrent de nouvelles possibilités qui élèvent le concept à un niveau supérieur. L’apprentissage automatique est essentiel si nous souhaitons poursuivre notre évolution. »

Victoria Bergqvist
Responsable du développement des procédés,
Travail à chaud, Uddeholm

Des processus améliorés pour moins de pertes

L’analyse des données et l’ingénierie inverse des modèles d’apprentissage automatique ont permis à Uddeholm de cerner la cause des problèmes de qualité et d’améliorer considérablement la capacité d’éliminer ou de réduire l’acier endommagé. Uddeholm est maintenant en mesure d’ajuster son processus de fabrication afin de réduire les pertes associées à l’acier fissuré.

Ce projet constitue une première étape importante dans la numérisation de leurs activités et de leur processus de fabrication de l’acier.