Selbstlernende Rohmaterialoptimierung vom Schmelzen bis zum Gießen
-7 % PRODUKTIONSKOSTEN
Schrott, DRI/HBI, Legierungen, Zuschlagstoffe und Energie werden in einem integrierten Modell gemeinsam optimiert. Dadurch werden die Gesamtkosten entlang der gesamten Prozesskette vom Schmelzen bis zum Gießen nachhaltig reduziert.
-90 % SCHMELZEN AUSSERHALB DER SPEZIFIKATION
Ein selbstlernendes Modell ermittelt die tatsächliche Schrottqualität auf Basis von Produktionsdaten anstelle statischer Stammdaten. Präzisere Schmelzprognosen reduzieren die Anzahl von Schmelzen außerhalb der Spezifikation sowie kostenintensive Sicherheitszuschläge.
+5 % PRODUKTIVITÄT
Elektrische und chemische Energie werden gemeinsam optimiert. Der gezielte Einsatz chemischer Energie senkt den Strombedarf und verkürzt die Schmelzdauer, wodurch die Produktivität der Schmelzanlage gesteigert wird.
system highlights
Selbstlernende Optimierung von Schrottchemie und Metallausbeute
Die tatsächliche Schrottchemie und Metallausbeute werden kontinuierlich aus realen Produktionsdaten ermittelt. 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 ablaufenden metallurgischen Reaktionen, die Abstimmung von chemischem und elektrischem Energieverbrauch sowie der Auswirkungen auf nachgelagerte Produktionsschritte 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 Optimierung 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
- EINSATZ- UND LEGIERUNGSOPTIMIERUNG
- ENERGIEOPTIMIERUNG
- DRI/HBI OPTIMIERUNG
- KAMPAGNENOPTIMIERUNG
Selbstlernende Schrottzusammensetzung und Metallausbeute
Bei einem europäischen Betonstahlhersteller wird qontrol MAPS eingesetzt, um die tatsächliche Qualität der eingesetzten Schrotte kontinuierlich zu bestimmen und Schwankungen in deren chemischer Zusammensetzung bei der Einsatzplanung zuverlässig zu berücksichtigen. Da statische Schrottstammdaten diese Schwankungen nicht zuverlässig abbilden, waren bei der Einsatzplanung bislang hohe Sicherheitszuschläge erforderlich. Dadurch kamen vermehrt höherwertige und teurere Rohmaterialien zum Einsatz, was die Produktionskosten unnötig erhöhte.
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 [Gew.-%]
- Metallausbeute [%]
Durch die Erfassung der zeitlichen Veränderungen der Schrottqualität bietet qontrol MAPS eine deutlich zuverlässigere Grundlage, eine konsistente Schmelzanalyse am Kostenoptimum zu gewährleisten.
Präzise Vorhersage der Schmelzanalyse auf Basis selbstgelernter Schrotteigenschaften
In einer zweiten Projektphase beim selben Kunden nutzt qontrol MAPS die kontinuierlich aktualisierten Materialdaten aus der selbstlernenden Rohmaterialcharakterisierung, um die resultierende Schmelzenanalyse mit hoher Genauigkeit vorherzusagen. Dazu werden die aktuell ermittelten Werte für chemische Zusammensetzung und metallisches Ausbringen der eingesetzten Schrotte mit der geplanten Einsatzmischung verknüpft. So entsteht bereits vor dem Einschmelzen eine belastbare Prognose der zu erwartenden Schmelzenchemie.
Anstatt mit nominellen Materialeigenschaften aus statischen Stammdaten zu rechnen, erstellt qontrol MAPS für jeden Produktionsauftrag eine realistische Prognose auf Basis der tatsächlich ermittelten und laufend aktualisierten Schrottqualität. Mögliche Abweichungen in der chemischen Analyse werden dadurch frühzeitig sichtbar. Dies unterstützt sowohl die Ursachenanalyse als auch vorausschauende Prozessentscheidungen und ermöglicht es, näher an den vorgegebenen Spezifikationsgrenzen zu produzieren.
Auf dieser Grundlage kann qontrol MAPS die Einsatzmischung für jeden Produktionsauftrag automatisch optimieren. Das System bewertet die verfügbaren Schrottsorten hinsichtlich ihres erwarteten Einflusses auf die Schmelzenchemie, des metallischen Ausbringens, des Energiebedarfs und der Kosten. Anschließend wird die wirtschaftlichste Materialkombination ermittelt, mit der die vorgegebenen Spezifikationsgrenzen sicher eingehalten werden können.
Dadurch konnte die Anzahl nicht spezifikationsgerechter Schmelzen um 90 % reduziert werden. Die präzisere Vorhersage der Schmelzenanalyse ermöglichte es gleichzeitig, kostengünstigere Schrotte gezielter einzusetzen, ohne die erforderliche Produktqualität zu beeinträchtigen. Gleichzeitig konnten Sicherheitszuschläge, Korrekturlegierungen sowie der Einsatz hochwertiger beziehungsweise primärer Rohmaterialien deutlich reduziert werden.
Kombinierte Einsatz-, Legierungs- und Energieoptimierung entlang der gesamten Produktionsroute.
Ein deutscher Hersteller legierter Stähle nutzt qontrol MAPS zur Optimierung aller Materialzugaben entlang der gesamten Produktionsroute. Dabei wird nicht nur der Schrottmix im Elektrolichtbogenofen betrachtet, sondern das Zusammenspiel aller Prozessschritte vom Einschmelzen bis zum Gießen. Das System berücksichtigt metallurgische Reaktionen, prozesstechnische Randbedingungen, Materialverfügbarkeiten, Marktpreise, Energiekosten sowie emissionsbezogene Kosten und ermittelt daraus für jede Schmelze die wirtschaftlich optimale Gesamtstrategie entlang der gesamten Produktionsroute.
Dabei bewertet qontrol MAPS beispielsweise die vollständigen metallurgischen und wirtschaftlichen Auswirkungen unterschiedlicher Schrottsorten. Das System analysiert, ob der höhere Nickel- und Molybdängehalt von Edelstahlschrott 316 dessen höheren Einkaufspreis rechtfertigt oder ob eine kostengünstigere Einsatzmischung auf Basis von Edelstahlschrott 304 in Kombination mit gezielten Legierungszugaben insgesamt wirtschaftlicher ist. Dabei werden die Auswirkungen auf Schmelzanalyse, Temperatur, Energiebedarf, nachgelagerte Prozessschritte und die Gesamtkosten über die gesamte EAF-AOD-Route berücksichtigt.
Auch metallurgische Reaktionen werden in die Optimierung einbezogen. Oxidationsreaktionen, beispielsweise durch das Einblasen von Sauerstoff, verändern die Schmelzanalyse, setzen chemische Energie frei und beeinflussen damit den wirtschaftlichen Wert der verfügbaren Schrottsorten. Ebenso werden Reduktionsreaktionen berücksichtigt, durch die wertvolle Legierungselemente aus der Schlacke zurück in die Schmelze überführt werden können. Diese Reaktionen wirken sich direkt auf die Endanalyse, den erforderlichen Legierungsbedarf und die Gesamtkosten der Schmelze aus.
Typische Kosteneinsparungen liegen bei 5–10 €/t in der Betonstahlproduktion 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 eingesetzt, um den Einsatz elektrischer und chemischer Energie im Elektrolichtbogenofen optimal aufeinander abzustimmen. Das System berechnet den erforderlichen Energiebedarf, um den gewählten Materialeinsatz auf die vorgegebene Zieltemperatur zu erwärmen. Dabei werden die thermischen Eigenschaften sämtlicher Einsatzstoffe, die verfügbaren Energiequellen sowie die jeweiligen Wirkungsgrade der Energieumwandlung berücksichtigt.
Auch metallurgische Reaktionen fließen direkt in die Energiebilanz ein. qontrol MAPS quantifiziert die dabei freigesetzte oder aufgenommene chemische Energie und bewertet elektrische Energie, Erdgasbrenner und Oxidationsenergie gemeinsam innerhalb eines Optimierungsmodells. Auf Basis aktueller Strompreise, der jeweiligen Prozessbedingungen und der angestrebten Power-on-Zeit ermittelt das System die wirtschaftlichste Kombination aus Material- und Energieeinsatz.
Abhängig von Strompreis und angestrebter Schmelzzeit bestimmt qontrol MAPS das wirtschaftlich optimale Verhältnis zwischen elektrischer und chemischer Energie. Dies kann unter anderem durch Schrotte mit höherem chemischen Energieinhalt oder durch zusätzliche Kohlenstoffträger wie Roheisen erfolgen. qontrol MAPS optimiert Materialkosten und Energieverbrauch dabei nicht getrennt voneinander, sondern betrachtet beide Größen gemeinsam. So wird die Gesamtstrategie ermittelt, mit der Rohmaterial-, Energie- und CO2-Kosten minimiert werden können, ohne die Prozessstabilität im EAF oder die erforderliche Schmelzqualität zu beeinträchtigen.
Durch die Energieoptimierung konnten typische Kosteneinsparungen von 5-10 €/t erzielt werden.
Optimaler DRI/HBI Anteil für jede Schmelze
Bei einem europäischen Stahlhersteller wurde qontrol MAPS eingesetzt, um für jede Schmelze das wirtschaftlich optimale Verhältnis zwischen DRI/HBI und Schrott im EAF zu bestimmen. Dabei berücksichtigt das System die Eigenschaften von DRI/HBI, darunter Temperatur, chemische Zusammensetzung und metallisches Ausbringen, ebenso wie Qualität und Verfügbarkeit der eingesetzten Schrottsorten. Da sich insbesondere die chemische Zusammensetzung der Schrotte im Zeitverlauf deutlich verändern kann, muss auch der optimale DRI/HBI-Anteil laufend an die tatsächlichen Bedingungen angepasst werden.
qontrol MAPS berücksichtigt sämtliche wesentlichen Auswirkungen des DRI/HBI Einsatzes auf den EAF Prozess. Dazu zählen unter anderem die Minderung von Begleitelementen, der elektrische Energiebedarf, das Schlackenvolumen, der Kalkbedarf, das metallische Ausbringen und die Power-on-Zeit. Gleichzeitig fließen Rohmaterialpreise, Energiekosten, CO2-Kosten, Zielanalyse und die jeweiligen prozesstechnischen Randbedingungen in die Optimierung ein.
Steigt beispielsweise der Kupfergehalt der verfügbaren Schrotte, bewertet das System, ob ein höherer DRI/HBI-Anteil wirtschaftlich sinnvoll ist, um den Kupfergehalt in der Schmelze entsprechend zu verdünnen und die geforderte Analyse sicher einzuhalten. Gleichzeitig werden die damit verbundenen Auswirkungen auf Energiebedarf, Ausbringen, Schlackenmenge und Prozesskosten berücksichtigt. Anstelle eines festen DRI/HBI Anteils ermittelt qontrol MAPS für jede einzelne Schmelze den kostenoptimalen Materialeinsatz unter Berücksichtigung von Schmelzqualität und Prozessführung.
Typische Vorteile sind geringere Kosten zur Einhaltung der geforderten Schmelzqualität, ein reduzierter DRI/HBI Einsatz dort, wo dieser keinen wirtschaftlichen Vorteil bringt, sowie eine stabilere Prozessführung trotz schwankender Schrottqualität.
Optimierung des Rohmaterialeinsatzes über komplette Produktionskampagnen
Bei einem europäischen Stahlhersteller wird qontrol MAPS eingesetzt, um den Rohmaterialeinsatz nicht nur für einzelne Schmelzen, sondern über eine komplette Produktionskampagne hinweg zu optimieren. Für jede Schmelze ermittelt das System eine individuelle Einsatz- und Legierungsstrategie und berücksichtigt dabei unter anderem Zielanalyse, Zieltemperatur, metallurgische Randbedingungen, Energiebedarf, CO2-Kosten, verfügbare Lagerbestände, geplante Lieferungen, Einkaufsrestriktionen sowie definierte Mindest- und Maximalbestände.
Der Vorteil dieser kampagnenweiten Betrachtung zeigt sich beispielsweise bei begrenzt verfügbaren Schrottsorten. Bei einer rein schmelzenbezogenen Planung kann ein bestimmtes Material bereits in den ersten Schmelzen eingesetzt werden, weil es dort zunächst wirtschaftlich erscheint. Betrachtet man hingegen die gesamte Kampagne, kann es sinnvoller sein, dieses Material gezielt für spätere Schmelzen zu reservieren, bei denen es einen deutlich höheren metallurgischen oder wirtschaftlichen Nutzen bietet.
qontrol MAPS optimiert daher nicht jede Schmelze isoliert auf die jeweils niedrigsten individuellen Kosten, sondern bestimmt den optimalen Einsatz aller verfügbaren Materialien über sämtliche geplanten Schmelzen hinweg. Dadurch wird verhindert, dass knappe oder strategisch wichtige Rohmaterialien zu früh verbraucht werden und im weiteren Produktionsverlauf durch teurere Alternativen ersetzt oder kurzfristig zugekauft werden müssen.
Das Ergebnis ist eine technisch umsetzbare, schmelzenspezifische Einsatz- und Legierungsstrategie für die gesamte Produktionskampagne, mit der die Gesamtkosten der Kampagne minimiert werden. Gleichzeitig entsteht ein konsolidierter Rohmaterialbedarf als Grundlage für Einkauf 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.