Selbstlernende Rohstoffoptimierung vom Schmelzen bis zum Gießen
- Senkung der Produktionskosten um 5 bis 50 €/t*
- Maximierung von Produktivität und Energieeffizienz
- Ermittlung der tatsächlichen Schrottqualität und Verbesserung der Schmelzqualität
- Reduzierung des Arbeitsaufwands für Bediener und Vereinfachung der Entscheidungsfindung
* abhängig von Legierungsgehalt und Produktionsroute
system-highlights
Selbstlernende Optimierung von Schrottchemie und Metallausbeute
Die tatsächliche Schrottchemie und Metallausbeute werden kontinuierlich aus realen Produktionsdaten abgeleitet. Anstatt sich auf statische Stammdaten zu stützen, verwendet das System ein selbstlernendes Rohstoffmodell, das die Vorhersagbarkeit der Schmelzchemie mit jeder Schmelze verbessert. Dadurch werden das Risiko von Spezifikationsabweichungen sowie der Bedarf an konservativen Sicherheitszuschlägen reduziert.
Kombinierte Optimierung von Schrott, DRI/HBI, Legierungsmitteln und Energie
Schrott, DRI/HBI, Legierungszusätze und Energieverbrauch werden in einem integrierten Ansatz gemeinsam optimiert. Durch die Berücksichtigung der tatsächlichen metallurgischen Leistung, die Abstimmung von chemischem und elektrischem Energieverbrauch sowie der Auswirkungen auf nachgelagerte Prozesse identifiziert das System die kosteneffizienteste und technisch robusteste Rohstoffstrategie entlang der gesamten Produktionsroute.
Optimierung pro Schmelze oder Kampagne
Das System unterstützt sowohl die Optimierung pro Schmelze als auch die kampagnenbasierte Planung über mehrere Schmelzen hinweg. Dadurch wird die strategische Zuweisung knapper Rohstoffe ermöglicht, die Bestandsverwaltung verbessert und sichergestellt, dass begrenzt verfügbare Schrottsorten oder Legierungsträger dort eingesetzt werden, wo sie den höchsten Gesamtwert schaffen.
Umsetzbare Ergebnisse für den realen Anlagenbetrieb
Die Optimierungsergebnisse werden in direkt umsetzbare Chargierentscheidungen für den realen Anlagenbetrieb übersetzt. Technologische Einschränkungen, Materialverfügbarkeiten, Regeln für die Schichtung des Schrottkorbs sowie weitere praktische Randbedingungen des Produktionsalltags sind bereits in der Optimierungslogik berücksichtigt. Dadurch wird ein vollständig autonomer Betrieb ermöglicht und der manuelle Aufwand bei täglichen Entscheidungen reduziert.
use cases
- SELBSTLERNENDE SCHROTTQUALITÄT
- PRÄZISE VORHERSAGE DER SCHMELZQUALITÄT
- CHARGEN- & LEGIERUNGSOPTIMIERUNG
- ENERGIEOPTIMIERUNG
- DRI/HBI-OPTIMIERUNG
- KAMPAGNENOPTIMIERUNG
Selbstlernende Schrottzusammensetzung und Metallausbeute
In einem Projekt für einen europäischen Hersteller von Bewehrungsstahl wurde qontrol MAPS eingeführt, um erhebliche Schwankungen in der chemischen Zusammensetzung des eingesetzten Schrotts zu bewältigen. Da statische Schrottstammdaten diese Schwankungen nicht zuverlässig abbilden konnten, musste der Hersteller zuvor erhebliche Sicherheitsmargen bei der Chargenplanung einplanen. Dies erhöhte den Einsatz hochwertigerer und teurerer Rohstoffe und führte zu unnötig hohen Produktionskosten.
Das selbstlernende Materialcharakterisierungsmodell von qontrol MAPS bestimmt automatisch die Qualität jedes Rohstoffs in Echtzeit, anstatt sich auf statische, benutzerdefinierte Stammdaten zur chemischen Zusammensetzung und Metallausbeute zu stützen. Das System kombiniert fortschrittliche hybride Machine-Learning-Algorithmen mit metallurgischen Modellen und nutzt Produktionsdaten, die im Stahlwerk routinemäßig verfügbar sind, als Feedbacksignal. Zusätzliche Sensoren oder physische Ausrüstung sind nicht erforderlich.
Die folgenden Qualitätsparameter können für jedes Material bestimmt werden:
- Chemische Zusammensetzung in Echtzeit [Gew.-%]
- Metallausbeute in Echtzeit [%]
Durch die Erfassung der zeitlichen Veränderungen der Schrottqualität bietet qontrol MAPS eine deutlich zuverlässigere Grundlage, um auf Schwankungen der Schrottqualität zu reagieren.
Präzise Vorhersage der Schmelzzusammensetzung auf Basis der selbstlernend ermittelten Schrottzusammensetzung
In einer zweiten Projektphase mit demselben Kunden nutzte qontrol MAPS die kontinuierlich aktualisierten Materialdaten seines selbstlernenden Materialcharakterisierungsmodells, um die resultierende Schmelzanalyse mit hoher Genauigkeit vorherzusagen. Durch die Kombination der neuesten selbstlernend ermittelten Informationen zur Schrottzusammensetzung und Metallausbeute mit der geplanten Chargenzusammensetzung liefert das System bereits vor dem Einschmelzen eine zuverlässige Vorhersage der Schmelzchemie.
Anstatt sich auf nominelle Materialeigenschaften zu stützen, die in statischen Stammdaten hinterlegt sind, erstellt qontrol MAPS für jeden Produktionsauftrag eine realistische Prognose der Schmelzchemie auf Grundlage der tatsächlichen, kontinuierlich aktualisierten Qualität des eingesetzten Schrotts. Potenzielle chemische Abweichungen können dadurch frühzeitig erkannt werden und bieten den Bedienern eine verlässliche Grundlage für Ursachenanalysen und proaktive Prozessentscheidungen. Dies reduziert Unsicherheiten im Schmelzprozess und ermöglicht es den Herstellern, näher an den Spezifikationsgrenzen zu produzieren.
Auf Basis dieser Daten kann qontrol MAPS die Chargenzusammensetzung für jeden Produktionsauftrag automatisch optimieren. Das System bewertet die verfügbaren Schrottsorten hinsichtlich ihres erwarteten Beitrags zur Schmelzchemie, Metallausbeute, zum Energieverbrauch und zu den Kosten und ermittelt die kosteneffizienteste Kombination, welche die definierten Spezifikationsgrenzen einhält. Dadurch werden Unsicherheiten im Schmelzprozess reduziert und Hersteller können näher an den Spezifikationszielen produzieren.
Dadurch konnte die Anzahl der Schmelzen außerhalb der Spezifikation um 90 % reduziert werden. Präzisere Vorhersagen der Schmelzzusammensetzung ermöglichten es dem Hersteller außerdem, kostengünstigeren Schrott effektiver einzusetzen und gleichzeitig die erforderliche Schmelzqualität aufrechtzuerhalten. Gleichzeitig verringerte sich der Bedarf an kostspieligen Sicherheitsmargen, korrigierenden Legierungszusätzen sowie hochwertigen oder Primärrohstoffen.
Kombinierte Optimierung von Chargierung, Legierung und Energie entlang der gesamten Produktionslinie.
In einem Projekt für einen deutschen Hersteller legierter Stähle wurde qontrol MAPS eingeführt, um die gesamte Produktionsroute vom Schmelzen bis zum Gießen zu optimieren und nicht nur die EAF-Chargenzusammensetzung. Das System kombiniert Zielchemie, Prozesseinschränkungen, Materialverfügbarkeit, Marktpreise, Energiekosten und emissionsbezogene Kosten, um für jede Schmelze die optimale Gesamtstrategie zu bestimmen.
Beispielsweise bewertet qontrol MAPS in der Edelstahlproduktion die gesamten metallurgischen und wirtschaftlichen Auswirkungen des Einsatzes unterschiedlicher Schrottsorten. Das System ermittelt, ob der höhere Nickel- und Molybdängehalt von 316-Schrott die zusätzlichen Beschaffungskosten rechtfertigt oder ob eine kostengünstigere Chargenzusammensetzung auf Basis von 304-Schrott in Kombination mit gezielten Legierungszusätzen das bessere Gesamtergebnis liefert. Dabei werden die Auswirkungen auf Schmelzchemie, Temperatur, Energiebedarf, nachgelagerte Prozesse sowie die Gesamtkosten entlang der EAF- und AOD-Prozessroute berücksichtigt.
Das Modell berücksichtigt zudem metallurgische Reaktionen. Oxidationsreaktionen, wie beispielsweise das Sauerstoffblasen, beeinflussen die Schmelzchemie, setzen chemische Energie frei und verändern den Wert der verfügbaren Schrottsorten. Auch Reduktionsreaktionen, bei denen wertvolle Legierungselemente aus der Schlacke zurück in die Schmelze überführt werden, werden berücksichtigt. Diese beeinflussen die endgültige Schmelzzusammensetzung, den Bedarf an Legierungszusätzen sowie die Gesamtwirtschaftlichkeit der Schmelze.
Typische Kosteneinsparungen liegen bei 5 bis 10 €/t in der Bewehrungsstahlproduktion und können bei legierten Stählen bis zu 50 €/t erreichen.
Optimierung des Gleichgewichts zwischen chemischem und elektrischem Energieeinsatz
In einem Projekt für einen schwedischen Stahlhersteller wurde qontrol MAPS eingeführt, um das Gleichgewicht zwischen elektrischer und chemischer Energie im EAF zu optimieren. Das System berechnet die Energie, die erforderlich ist, um die ausgewählte Chargenzusammensetzung auf die definierte Zieltemperatur zu erwärmen, wobei die thermischen Eigenschaften aller Einsatzmaterialien, die verfügbaren Energiequellen sowie die Wirkungsgrade der jeweiligen Energieumwandlungsprozesse berücksichtigt werden.
Metallurgische Reaktionen werden direkt in die Energiebilanz einbezogen. qontrol MAPS quantifiziert die bei diesen Reaktionen freigesetzte oder aufgenommene chemische Energie und bewertet elektrische Energie, Erdgasbrenner sowie Oxidationsenergie konsistent innerhalb eines einzigen Optimierungsmodells. Auf Grundlage aktueller Strompreise, Prozessbedingungen und angestrebter Einschaltzeiten bestimmt das System die wirtschaftlichste Kombination aus Material- und Energieeinsatz.
Wenn beispielsweise die Stromkosten hoch sind oder ein beschleunigter Schmelzprozess erforderlich ist, kann das Modell erkennen, wann zusätzliche chemische Energie wirtschaftlich vorteilhaft ist. Dies kann den Einsatz von Schrott mit höherem Kohlenstoff- oder Siliziumgehalt oder anderer Kohlenstoffträger wie Roheisen umfassen. Anstatt Materialkosten und Energieverbrauch getrennt zu optimieren, ermittelt qontrol MAPS die Gesamtstrategie, welche die kombinierten Rohstoff-, Energie- und CO2-Kosten minimiert und gleichzeitig eine stabile EAF-Leistung sowie eine zuverlässige Schmelzqualität gewährleistet.
Typische Kosteneinsparungen durch die Energieoptimierung lagen im Bereich von 5 bis 10 €/t.
Ermittlung des optimalen DRI/HBI-Anteils in der Chargenzusammensetzung für jede Schmelze
In einem Projekt für einen europäischen Stahlhersteller wurde qontrol MAPS eingeführt, um das Verhältnis zwischen DRI/HBI und Schrott in der EAF-Chargenzusammensetzung zu optimieren. Das System bewertet die Eigenschaften von DRI/HBI, wie Temperatur, Metallisierungsgrad, Gangartengehalt, chemische Zusammensetzung und Metallausbeute, zusammen mit der Qualität und Verfügbarkeit der verfügbaren Schrottsorten. Da sich Schrottanalysen im Laufe der Zeit erheblich verändern können, muss auch der wirtschaftlich optimale DRI/HBI-Anteil kontinuierlich angepasst werden.
qontrol MAPS berücksichtigt die Auswirkungen von DRI/HBI auf die EAF-Leistung, einschließlich der Verdünnung von Begleitelementen, des elektrischen Energiebedarfs, des Schlackenvolumens, des Kalkverbrauchs, der Metallausbeute sowie der Einschaltzeit. Diese Effekte werden gemeinsam mit Rohstoffpreisen, Energiekosten, CO2-Kosten, Zielchemie und lokalen Prozessrandbedingungen bewertet.
Steigt beispielsweise der Kupfergehalt des verfügbaren Schrotts, kann das Modell ermitteln, ob ein höherer DRI/HBI-Anteil wirtschaftlich vorteilhaft ist, um Begleitelemente zu verdünnen und die erforderliche Schmelzqualität sicherzustellen. Gleichzeitig werden die damit verbundenen Auswirkungen auf Energiebedarf, Ausbeute und schlackenbezogene Kosten berücksichtigt. Anstatt ein festes DRI/HBI-Verhältnis anzuwenden, bestimmt qontrol MAPS für jede Schmelze den kostenoptimalen Anteil und gewährleistet dabei eine stabile EAF-Leistung sowie eine zuverlässige Schmelzqualität.
Zu den typischen Vorteilen zählen geringere Kosten zur Erreichung der geforderten Schmelzqualität, ein reduzierter Einsatz von DRI/HBI in Fällen ohne wirtschaftlichen Nutzen sowie eine stabilere EAF-Leistung trotz schwankender Schrottqualität.
Optimierung der Rohstoffallokation über gesamte Produktionskampagnen hinweg
In einem Projekt für einen europäischen Stahlhersteller wurde qontrol MAPS eingeführt, um die Rohstoffallokation über eine gesamte Produktionskampagne hinweg zu optimieren, anstatt jede Schmelze unabhängig voneinander zu optimieren. Das System ermittelt eine schmelzenspezifische Chargier- und Legierungsstrategie unter Berücksichtigung von Zielchemie, Zieltemperatur, metallurgischen Randbedingungen, Energiebedarf, CO2-Kosten, verfügbaren Beständen, geplanten Lieferungen, Beschaffungsbeschränkungen sowie Mindest- und Höchstlagerbeständen.
Wird beispielsweise ein begrenzter Bestand einer bestimmten Schrottsorte betrachtet, kann dieser bei einer kampagnenweiten Optimierung ganz anders eingesetzt werden. Bei einer manuellen Vorgehensweise könnte dieses Material bereits in den ersten Schmelzen verbraucht werden, da dies aus Sicht der einzelnen Schmelze vorteilhaft erscheint. Der optimierte Ansatz reserviert dasselbe Material hingegen für spätere Schmelzen, in denen es einen höheren metallurgischen oder wirtschaftlichen Nutzen für die gesamte Kampagne bietet.
Anstatt für jede Schmelze isoliert die kostengünstigste Chargenzusammensetzung auszuwählen, ermittelt qontrol MAPS den effektivsten Einsatz jedes verfügbaren Materials über alle geplanten Schmelzen hinweg. Dadurch wird verhindert, dass knappe oder strategisch wertvolle Materialien vorzeitig verbraucht werden, und der Bedarf an kostspieligen Substitutionen oder kurzfristigen Zukäufen im weiteren Verlauf der Kampagne wird reduziert.
Das Ergebnis ist eine umsetzbare, schmelzenspezifische Chargier- und Legierungsstrategie für die gesamte Kampagne, die die Gesamtkosten der Kampagne minimiert, sowie ein konsolidierter Rohstoffbedarfsplan zur Unterstützung von Beschaffung und Bestandsplanung.
unsere produkte entdecken
qontrol L2
Steuerung und Optimierung von Stahlproduktionsprozessen mit modernster Software, fundierten metallurgischen Modellen und künstlicher Intelligenz.
qontrol MES
Orchestrierte Prozesse, nahtlose Systemintegration und datengestützte Optimierung für maximale Effizienz in der Stahlproduktion.
qontrol LMS
Jede Pfanne optimal nutzen: für mehr Sicherheit, weniger Stillstände und intelligentere Entscheidungen.