AISTech 2023 fue un evento muy esperado para la industria del acero, donde los fabricantes de acero, proveedores y profesionales de la industria de todo el mundo se reunieron para compartir sus conocimientos y experiencia. El evento de este año fue particularmente significativo ya que proporcionó una plataforma para que las empresas mostraran sus innovaciones y contribuciones a la industria.
En ECON Tech participamos orgullosamente, con nuestro representante, Richard Jacinto Márquez Contreras brindando dos interesantes charlas sobre los avances tecnológicos en el proceso de fabricación del acero aprovechando la analítica de datos con visión artificial y la visión de ECON Tech sobre el manejo de energía y formas de reducir el consumo energético en la ruta eléctrica (EAF-VD-CCM). Además, la compañía tuvo el honor de recibir el " Digitalization Application Best Paper Award: Energy Savings and Quality Reliability by Superheat Control Prediction to the Continuous Casting Through Machine Learning " por su trabajo de investigación y aplicación digital de ahorro energético, enfocados en el manejo del “superheat” (sobrecalentamiento), con impacto en la calidad de la producción del acero.
El acero es uno de los materiales más críticos en nuestro mundo moderno, y sus procesos de producción son esenciales para la economía mundial. ECON Tech reconoce, como proveedor de la industria del acero, la importancia de mejorar los procesos de fabricación para lograr productos de alta calidad y minimizar el consumo de energía. El trabajo de investigación de la compañía sobre "Ahorro de energía y confiabilidad de la calidad mediante la predicción del control del sobrecalentamiento para la colada continua a través del aprendizaje automático" aborda este desafío y es una contribución significativa a esta industria.
El artículo analiza la importancia del sobrecalentamiento en el horno de metalurgia secundaria, que es fundamental para compensar las pérdidas de temperatura que sufre la aleación en los procesos involucrados y en las transferencias entre procesos para garantizar la temperatura óptima del acero para el proceso final de fundición.
El documento destaca los desafíos de mantener la temperatura del acero dentro de la artesa, el distribuidor de líquido en la máquina de colada continua, dentro del rango de temperatura especificado de 15 a 30 °C por encima de la temperatura de liquidus. Cualquier desviación de este rango puede afectar significativamente la calidad del producto terminado, dando lugar a un mayor contenido de inclusiones no metálicas, comprometiendo la ductilidad del producto solidificado, o provocando una parada del proceso para realizar correcciones.
Tradicionalmente, los operadores confían en su experiencia para proporcionar el sobrecalentamiento correcto a la fundición. Esperar las mediciones de temperatura en la artesa para hacer ajustes a menudo conduce a un calentamiento bajo o muy alto, lo que genera inconvenientes operativos y reduce la calidad del producto. El trabajo de investigación de ECON Tech presenta un nuevo enfoque que utiliza algoritmos de aprendizaje automático para predecir el perfil de temperatura en el proceso de fabricación de acero. Los algoritmos de aprendizaje propuestos predicen el perfil de temperatura en el proceso de fabricación de acero utilizando dos enfoques: un modelo hacia adelante y un modelo hacia atrás. El algoritmo ML predijo bien las temperaturas finales del horno cuchara, el desgasificador de vacío y la artesa de la máquina de colada continua. Además, el modelo inverso predijo la temperatura final requerida en el VD, la temperatura final en el LF y la temperatura inicial en el LF con MAE no superiores a 8,5 °C y rendimientos superiores a 0,67.
El trabajo de investigación muestra que los modelos desarrollados permitieron elegir un sobrecalentamiento más bajo que los que normalmente requieren los operadores en el proceso. Esta optimización genera grandes beneficios operativos, como un aumento de la productividad en la LF de hasta un 8,8 %, un ahorro de energía en la LF de hasta un 1,86 %, una mejor calidad del producto y un mejor control del funcionamiento de la máquina de colada continua. Esto permite disminuir también el tiempo total de producción. El artículo, publicado el año pasado en el AISTech 2022 y luego en la revista de la AIST (Enero 2023), brinda una contribución significativa a la industria del acero al mejorar la calidad del producto final, reducir el consumo de energía y aumentar la productividad.
En conclusión, AISTech 2023 fue un éxito para la industria del acero y para ECON Tech, gracias al honor de participar en el evento y recibir el " Digitalization Application Best Paper Award ", un premio del AIST Digitalization Applications Committtee. Creemos que este puede ser un enfoque útil para la industria del acero en general y sabemos que es un tema que ha abierto los ojos de nuestros competidores.
Puedes leer el documento entero aquí
We are honored and proud of this achievement!
¡Nos sentimos honrados y orgullosos de este logro!
Seguiremos apoyando la industria del acero. We are here to help!
