پایگاه تحلیلی خبری ایراسین؛ امیر گودرزی، مدیر واحد تحول دیجیتال و تکنولوژی‌های عملیاتی فولاد مبارکه ضمن اعلام این خبر گفت: اجرای سامانه هوشمندسازی فرایند احیا مستقیم، علاوه بر ایجاد زیرساخت داده و قابلیت‌های تحلیلی، می‌تواند از طریق افزایش نرخ تولید، کاهش توقفات، کاهش مصرف گاز طبیعی و کاهش مصرف برق، ارزش اقتصادی قابل‌توجهی برای کارخانه ایجاد کند.

به گفته وی، این پروژه علاوه بر هوشمندسازی تصمیم‌گیری، بسیاری از فعالیت‌های فرایندی در حوزه‌های مهندسی فرایند، اتوماسیون، ابزاردقیق و بهره‌برداری را نیز مکانیزه و یکپارچه کرده و بستری برای مدیریت داده‌محور فرایند احیا فراهم آورده است به‌نحوی که در مرحله طراحی و توسعه، راهکارها و تجربیات شرکت‌های پیشرو جهان از جمله MIDREX، Technologies Primetals و Danieli به‌عنوان الگو مورد بررسی و تطبیق قرار گرفت تا سامانه توسعه‌یافته با بهترین تجارب جهانی همسو باشد.

به‌کارگیری فناوری‌های هوش مصنوعی در یکی از پیچیده‌ترین و پرمصرف‌ترین فرایندهای صنعت فولاد

فرهاد رجبی مدیر آهن‌سازی و فولادسازی شرکت فولاد و نورد سبا به‌عنوان بهره‌بردار این پروژه در این باره اضافه کرد: نیاز به اجرای این پروژه از آنجا شکل گرفت که بخش قابل‌توجهی از داده‌های فرایندی و نتایج آزمایشگاهی به‌صورت دستی در سامانه‌های اطلاعاتی ثبت می‌شد و اطلاعات کلیدی آزمایشگاه نیز بافاصله زمانی چندساعته در اختیار بهره‌برداران قرار می‌گرفت. این موضوع سرعت واکنش به تغییرات فرایندی، تنظیم بهینه پارامترهای عملیاتی و کنترل شاخص‌هایی مانند متالیزاسیون و درصد کربن آهن اسفنجی را محدود می‌کرد. سامانه هوشمند احیا با یکپارچه‌سازی داده‌ها و ارائه تحلیل‌های برخط و پیش‌بینی‌کننده، این فاصله زمانی را حذف کرده و امکان تصمیم‌گیری سریع‌تر، دقیق‌تر و مبتنی بر داده را فراهم ساخته است.

وی خاطرنشان کرد: این پروژه نمونه‌ای از به‌کارگیری فناوری‌های هوش مصنوعی در یکی از پیچیده‌ترین و پرمصرف‌ترین فرایندهای صنعت فولاد است و نشان می‌دهد که تحول دیجیتال، علاوه بر افزایش بهره‌وری و کیفیت، می‌تواند نقش مؤثری در کاهش مصرف انرژی و حرکت به سمت تولید پایدار و کم‌کربن ایفا کند.

بنا بر اظهارات رجبی، این سامانه با تجمیع برخط داده‌های سیستم‌های کنترل، تجهیزات ابزاردقیق، اطلاعات آزمایشگاهی و داده‌های عملیاتی، تصویری جامع و لحظه‌ای از وضعیت فرایند را اختیار مدیران، کارشناسان و بهره‌برداران قرار می‌دهد و برخلاف سامانه‌های متداول که صرفاً نقش گزارش‌گیری دارند، سامانه هوشمند احیا با بهره‌گیری از تحلیل داده، مدل‌های پیش‌بینی و قابلیت‌های هوش مصنوعی، فرایند را به‌صورت مستمر پایش کرده و پیشنهادهای بهینه برای تنظیم پارامترهای عملیاتی ارائه می‌کند. این رویکرد ضمن کاهش وابستگی به تصمیم‌گیری‌های تجربی، موجب کاهش مصرف انرژی، افزایش پایداری فرایند، بهبود کیفیت آهن اسفنجی و کاهش احتمال بروز خطاهای انسانی می‌شود.

تبدیل سامانه هوشمند احیا از یک محصول نرم‌افزاری صرف به یک راهکار قابل‌بهره‌برداری و قابل‌توسعه در محیط صنعتی

مهدی اشرفی، رئیس واحد تحول دیجیتال و تکنولوژی‌های عملیاتی شرکت فولاد مبارکه هم در همین زمینه گفت: از منظر نظارت و مدیریت پروژه، یکی از مهم‌ترین الزامات، اطمینان از هم‌راستایی راهکار فنی با نیاز واقعی بهره‌برداری و قابل‌اندازه‌گیری بودن دستاوردهای پروژه است. به همین دلیل، پروژه در قالب فازهای مشخص شامل شناخت و نیازسنجی، طراحی زیرساخت و پلتفرم، پیاده‌سازی ارتباطات صنعتی، توسعه مدل هوش مصنوعی، یکپارچه‌سازی، تست، استقرار و آموزش تعریف شده است.

وی با تأکید بر این که در این پروژه کیفیت داده، دقت مدل، یکپارچگی ارتباطات، عملکرد سامانه در شرایط عملیاتی و پذیرش کاربران به‌عنوان ریسک‌های کلیدی پروژه موردتوجه قرار گرفته‌اند، ادامه داد: این رویکرد کمک می‌کند سامانه هوشمند احیا از یک محصول نرم‌افزاری صرف به یک راهکار قابل‌بهره‌برداری و قابل‌توسعه در محیط صنعتی تبدیل شود.

اشرفی تصریح کرد: از منظر فناوری اطلاعات، سامانه هوشمند احیا را می‌توان یکی از نمونه‌های عملیاتی‌شدن تحول دیجیتال در سطح واحدهای عملیاتی دانست؛ جایی که ارزش داده صرفاً در ذخیره‌سازی و گزارش‌گیری نیست، بلکه با اتصال داده‌های IT و OT و استفاده از تحلیل پیشرفته، به تصمیم عملیاتی تبدیل می‌شود. ایجاد این زیرساخت می‌تواند زمینه را برای توسعه تدریجی مدل‌های هوشمند در سایر فرایندهای تولیدی و انرژی‌بر گروه فولاد مبارکه و حرکت به سمت معماری‌های پیشرفته‌تری مانند Digital Twin فراهم کند.

تبدیل داده‌های پراکنده فرایندی و آزمایشگاهی به اطلاعات قابل‌اتکا و در نهایت به تصمیم عملیاتی

الهام احمدپور، کارشناس واحد تحول دیجیتال و تکنولوژی‌های عملیاتی فولاد مبارکه و مسئول پروژه نیز در تشریح اهداف اجرای این پروژه گفت: در مسیر تحقق اهداف تحول دیجیتال و حرکت به‌سوی تولید هوشمند و بهره‌ور، پروژه «سامانه هوشمند احیای مستقیم فولاد سبا» با هدف ایجاد یک بستر یکپارچه برای جمع‌آوری داده، پایش، تحلیل، پیش‌بینی و بهینه‌سازی فرایند احیا در فولاد سبا اجرا شده است. این پروژه تلاش می‌کند داده‌های پراکنده فرایندی و آزمایشگاهی را به اطلاعات قابل‌اتکا و در نهایت به تصمیم عملیاتی تبدیل کند؛ رویکردی که در فرایندی پیچیده، چندمتغیره و حساس مانند احیای مستقیم، می‌تواند نقش مهمی در افزایش پایداری تولید و بهره‌وری انرژی داشته باشد.

احمدپور معتقد است، پروژه هوشمندسازی فرایند احیا، فراتر از توسعه یک مدل پیش‌بینی، زیرساختی برای مدیریت هوشمند فرایند تولید ایجاد می‌کند. این پروژه با یکپارچه‌سازی داده‌ها، تحلیل برخط، توسعه مدل‌های هوش مصنوعی و پشتیبانی از تصمیم‌گیری بهره‌برداری، به سازمان کمک می‌کند تا تولیدی پایدارتر، باکیفیت‌تر و کم‌هزینه‌تر داشته باشد. همچنین این سامانه بستر لازم برای توسعه قابلیت‌های پیشرفته‌ای مانند سیستم پیشنهاد هوشمند تنظیمات فرایند، نگهداری و تعمیرات پیش‌بینانه، بهینه‌سازی مصرف انرژی و دوقلوی دیجیتال را فراهم می‌کند و به‌عنوان یکی از ارکان اصلی تحول دیجیتال در واحد احیای مستقیم شناخته می‌شود. این رویکرد علاوه بر ایجاد ارزش اقتصادی قابل‌توجه، مزیت رقابتی پایدار و آمادگی برای توسعه‌های آینده را نیز برای سازمان به همراه خواهد داشت.

وی با تأکید بر این که اهمیت این پروژه صرفاً در استفاده از هوش مصنوعی نیست و ارزش اصلی آن در ایجاد یک‌چرخه بسته داده تا تصمیم در فرایند احیا است، ادامه داد در مراحل این چرخه به ترتیب داده فرایندی، یکپارچه‌سازی، تحلیل، پیش‌بینی، تصمیم، اقدام و پایش نتیجه دیده می‌شود. ضمن این که این چرخه، زیرساخت لازم را برای انتقال بخشی از تجربه و دانش عملیاتی نیروهای متخصص به سیستم، افزایش سرعت تصمیم‌گیری و حرکت تدریجی از بهره‌برداری واکنشی به بهره‌برداری پیش‌بینانه و بهینه فراهم می‌کند.

مسئول پروژه سامانه هوشمند احیا مستقیم افزود: در صورت تکمیل و توسعه مدل‌های بهینه‌سازی، این زیرساخت می‌تواند در گام بعدی به سمت پیشنهاد خودکار Set Point، بهینه‌سازی هم‌زمان متالیزاسیون، کربن و مصرف انرژی و در نهایت توسعه Digital Twin فرایند احیا حرکت کند؛ مسیری که می‌تواند تجربه فولاد سبا را از یک پروژه هوشمندسازی فرایندی به الگویی برای توسعه پروژه‌های هوشمندسازی و بهره‌وری انرژی در سایر نواحی گروه فولاد مبارکه تبدیل کند.

پیش‌بینی رفتار آینده و کاهش قابل‌توجه مصرف انرژی و هزینه‌ها در سایه پیوند IT و OT در فرایند احیا

نگین منصوری، مدیر پروژه شرکت ایریسا هم در این باره چنین گفت: در صنعت فولاد با فرایندهایی مواجه هستیم که چندمتغیره، پویا و بسیار حساس هستند. تغییر کوچک در یکی از پارامترها می‌تواند کل سیستم را تحت‌تأثیر قرار دهد. در چنین شرایطی، هوش مصنوعی نقش مهمی ایفا می‌کند، چون می‌تواند الگوهایی را شناسایی کند که برای انسان یا با روش‌های کلاسیک قابل‌مشاهده نیستند. از دید تیم اجرایی، مهم‌ترین چالش پروژه، تهیه تاریخچه داده و تبدیل داده‌های پیچیده و ناهمگون فرایند احیا به داده‌ای قابل‌اعتماد برای مدل‌های هوش مصنوعی بود.

وی با تأکید بر این که در این فرایند داده‌های تاریخی باید پاک‌سازی، اعتبارسنجی و پیش‌پردازش می‌شدند و سپس متناسب با رفتار واقعی فرایند برای آموزش مدل مورداستفاده قرار می‌گرفتند، ادامه داد: در کنار این موضوع، یکپارچه‌سازی با سیستم‌های کنترل، ایجاد ارتباطات صنعتی، استقرار مدل پیش‌بینی آنلاین و توسعه لایه‌های کاربردی، پروژه را به یک فعالیت چندرشته‌ای در حوزه اتوماسیون، داده، نرم‌افزار و هوش مصنوعی تبدیل کرد. در مجموع، مدل‌های مبتنی بر هوش مصنوعی در صنعت فولاد و احیا مستقیم نه‌تنها یک فناوری جدید نیستند، بلکه یک ابزار اقتصادی و استراتژیک محسوب می‌شوند. این مدل‌ها به ما اجازه می‌دهند فرایندهای بسیار پیچیده را با دقت بالا مدیریت کنیم، رفتار آینده را پیش‌بینی کنیم، و مصرف انرژی و هزینه‌ها را به طور قابل‌توجهی کاهش بدهیم.

منصوری خاطرنشان کرد: به لطف ترکیب مدل‌های فیزیکی و داده‌محور، امروز امکان پیاده‌سازی سیستم‌های هوشمند فراهم شده که خروجی آن افزایش کیفیت، افزایش پایداری و کاهش هزینه در مقیاس صنعتی است.

در این پروژه همکاری مناسب تیم‌های فولاد مبارکه، فولاد و نورد سبا، شرکت ایریسا و شرکت سامان انرژی باعث ایجاد یک محصول استراتژیک، مفید و به روز برای صنعت کشور گردید.

از منظر فنی، پروژه صرفاً توسعه یک نرم‌افزار کاربردی نبوده است. بخش مهمی از پروژه به ایجاد زنجیره‌ای یکپارچه از جمع‌آوری داده صنعتی، ارتباط با سیستم‌های کنترل، پردازش و ذخیره‌سازی داده، مدل‌های تحلیلی و هوش مصنوعی و لایه ارائه اطلاعات اختصاص داشته است.

در این معماری، داده‌های سطح یک از سیستم کنترل دریافت شده، از طریق لایه‌های ارتباطی و زیرساخت داده به محیط پردازش منتقل و پس از پاک‌سازی، پیش‌پردازش و آماده‌سازی، برای آموزش و اجرای مدل‌های هوش مصنوعی مورداستفاده قرار می‌گیرند. در کنار آن، ارتباط با سطح ۳، سیستم مدیریت رخدادها و لایه‌های امنیت سایبری نیز در محدوده طراحی پروژه قرار گرفته‌اند.

همچنین برای توسعه مدل‌های هوشمند، فرایندهایی مانند Data Cleaning، Data Preprocessing، Data Processing، Super Data Processing، Model Construction، Model Test و Model Integration Test پیش‌بینی و اجرا شده است. این موضوع نشان می‌دهد که بخش هوش مصنوعی پروژه صرفاً به استفاده از یک الگوریتم آماده محدود نبوده و آماده‌سازی و اعتبارسنجی داده‌ها نیز به‌عنوان یکی از ارکان اصلی پروژه موردتوجه قرار گرفته است.

از پایش فرایند تا پیش‌بینی و تصمیم‌سازی

مجتبی هراتیان، مدیر پروژه شرکت سامان انرژی هم در این باره گفت: وجه تمایز سامانه هوشمند احیا با یک داشبورد یا سامانه گزارش‌گیری معمولی، حرکت از «نمایش وضعیت موجود» به «پیش‌بینی وضعیت آینده و پشتیبانی از تصمیم» است.

او با تأکید بر این که در این پروژه، مدل‌های هوش مصنوعی برای پیش‌بینی شاخص‌های کلیدی از جمله متالیزاسیون و درصد کربن توسعه یافته‌اند، اظهار داشت: پیش‌بینی این شاخص‌ها در بازه‌های ۱۵ دقیقه‌ای می‌تواند به فورمن و کارشناسان فرایند کمک کند تا پیش از وقوع انحراف، شرایط فرایند را شناسایی کرده و در زمان مناسب نسبت به اصلاح پارامترهای عملیاتی و Set Pointها اقدام کنند. همچنین ایجاد سنسورهای مجازی، مدیریت رخدادهای فرایندی، داشبوردهای عملیاتی و مدیریتی و قابلیت توسعه مدل‌های بهینه‌سازی، زیرساخت لازم را برای حرکت از یک سیستم پایش‌کننده به سمت یک سیستم تصمیم‌یار هوشمند فراهم کرده است.

از ثبت دستی اطلاعات تا تصمیم‌گیری داده‌محور

رحیم ناصرنژاد، کارشناس دفتر فنی تولید و احیا مستقیم شرکت فولاد و نورد سبا هم یکی از مسائل اصلی پیش از اجرای پروژه را ورود دستی بخشی از اطلاعات فرایندی به سامانه‌های اطلاعاتی و فاصله زمانی در دریافت برخی نتایج آزمایشگاهی دانست و در تشریح مشکلات پیرامون این روش گفت: در چنین شرایطی، فورمن احیا برای تصمیم‌گیری درباره تنظیم پارامترهای فرایند، از جمله کنترل متالیزاسیون و کربن محصول، با اطلاعاتی مواجه بود که ممکن بود چند ساعت از وضعیت واقعی فرایند فاصله داشته باشد.

وی تأکید کرد: سامانه هوشمند احیا با ایجاد ارتباط یکپارچه میان داده‌های سطح کنترل، اطلاعات عملیاتی و داده‌های آزمایشگاهی، این فاصله را کاهش داده و امکان مشاهده و تحلیل برخط وضعیت فرایند را فراهم می‌کند. در این معماری، اطلاعات موردنیاز از سطح یک با دوره خواندن ۳۰ ثانیه دریافت می‌شود و امکان پردازش حجم قابل‌توجهی از داده‌های فرایندی فراهم شده است.