Slimmer

 

Industrie 4.0 verbetert kwaliteit staal

Staalfabrikant Tata Steel in IJmuiden hoort sinds kort bij een wereldwijd, select gezelschap van zestien bedrijven dat door het World Economic Forum wordt betiteld als ‘Manufacturing Lighthouses’. Dit zijn bedrijven die vooroplopen met Industrie 4.0 en gebruikmaken van geavanceerde data-analyses en kunstmatige intelligentie bij het optimaliseren van processen.

Monique Harmsen

geanimeerde-knop

Door het gebruik van advanced analytics optimaliseert Tata Steel de grondstoffenmix, de opbrengst per processtap, de logistiek tussen de verschillende processen en weet het de kwaliteit van het product voor de klant verder te verbeteren.
Niets blijkt moeilijker dan het goed implementeren van nieuwe technologie. Eerder onderzoek van het World Economic Forum toont aan dat zeventig procent van alle investeringen in technologieën als big data analytics, artificial intelligence (AI) of 3D-printing, vastlopen na de pilotfase. Om deze score te verbeteren hebben de Lighthouse-bedrijven zich gecommitteerd ervaringen met het implementeren van deze nieuwe technologieën te delen met andere industriële bedrijven.

Domeinkennis
Tata Steel doet er alles aan om ervoor te zorgen dat alle negenduizend werknemers meekunnen in de nieuwste technologische ontwikkelingen. Het bedrijf kiest ervoor om eigen mensen op te leiden op het gebied van data science en data engineering in plaats van externe experts in te huren. Ook het management wordt getraind om nieuwe kansrijke projecten te ontdekken en aan te sturen.
Op de Advanced Analytics Academy van Tata Steel zijn nu al tweehonderd medewerkers getraind zodat zij zelf oplossingen kunnen aandragen voor het tegengaan van verspilling en verbetering van de kwaliteit en betrouwbaarheid van productieprocessen.
Menno van der Winden is projectleider advanced analytics bij Tata Steel. Volgens hem vullen mens en technologie elkaar aan. ‘Zonder domeinkennis, bijvoorbeeld kennis van het Hoogovensproces, is data analytics niet zo’n constructieve bezigheid. Sommigen gaan ervan uit dat de data het hele verhaal kan vertellen en domeinkennis niet meer nodig is. Misschien komen we daar ooit wel, maar data science heeft nu nog ontzettend veel moeite het verschil tussen oorzaak en gevolg uit elkaar te houden. Mensen kunnen dat wel.’

Zwaartepunt
Van der Winden benadrukt dat Tata Steel niet meedoet aan de race om de nieuwste technologie. ‘Het gaat er uiteindelijk om wat je implementeert. Wij concurreren niet met Google om het meest geavanceerde artificial intelligence-model te creëren. Onze concurrenten zijn andere staalleveranciers. Het gaat om output. We concurreren op staal, niet op modellen.’
Bij de keus tussen concessies doen op de kwaliteit van data science of op de kwaliteit van implementatie, kiest Van der Winden voor het eerste. ‘Het bouwen van een data science model is niet zo ingewikkeld als je de data eenmaal hebt. De bottleneck is altijd de implementatie. Het is ontzettend moeilijk ervoor te zorgen dat zo’n grote fabriek als die van ons anders gaat functioneren. Daar leggen wij ons zwaartepunt.’

Menno van der Winden: ‘Data science heeft nu nog ontzettend veel moeite het verschil tussen oorzaak en gevolg uit elkaar te houden. Mensen kunnen dat wel.’
Van der Winden: ‘Advanced analytics is een verrijking van de toolset en geen vervanging.’

Het is volgens Van der Winden belangrijk dat mensen snappen waar ze mee bezig zijn en op het juiste moment de juiste informatie krijgen. Voorkomen moet worden dat mensen een signaal krijgen en niet weten wat ze moeten doen omdat hen dat niet is verteld of omdat ze nog achthonderd andere dingen te doen hebben. ‘Je moet aan de juiste dingen werken en problemen oplossen. Dat is belangrijker dan de meest geavanceerde neurale netwerktechnologie in je systeem hebben.’

Optimaliseren
Een eerste vereiste voor het gebruik van advanced analytics is dat de processen goed ingericht en stabiel zijn. Hierbij wordt voortgebouwd op Lean en operational excellence. Doet iedereen wat hij moet doen? Zijn er duidelijke werkinstructies en worden die opgevolgd? Hebben we een basis van hoe we het proces willen hebben ingericht? ‘Als je dat niet goed voor elkaar hebt, heeft advanced analytics echt niet veel zin’, betoogt Van der Winden. ‘Als alles nog als los zand aan elkaar hangt, is de kans dat je statistisch relevante verbeteringen vindt niet groot.’
Als de basis op orde is, kun je de processen gaan optimaliseren. Van der Winden: ‘Gekeken kan worden hoe een bepaalde procesparameter binnen een nauwere bandbreedte kan worden gecontroleerd. Hoe beter je hierin bent, hoe hoger de stabiliteit van je proces. Met behulp van advanced analytics is het mogelijk een model te maken waarbij over meerdere dimensies wordt gekeken hoe het beter kan. Het is mogelijk meerdere stappen in het proces en meerdere parameters te controleren en die in combinatie te optimaliseren. Daar is advanced analytics heel nuttig voor. Maar dat betekent niet dat die andere methoden minder nuttig zijn geworden. Het is echt een verrijking van de toolset en geen vervanging. Hamers zijn nog steeds buitengewoon nuttig om spijkers mee in de muur te slaan!’

Predictive maintenance
Geavanceerde datamodellen kunnen in allerlei processen worden toegepast. Van der Winden: ‘Je kunt ook kijken naar projectparameters die zich op de kwaliteit richten of naar parameters om de kosten omlaag te brengen. De modellen kunnen bij een afwijking in een proces ook snel aangeven wat de oorzaak is. Bij een handmatige analyse is dat een buitengewoon lastig proces.’
Het gebruik van data analytics voor het invoeren van predictive maintenance is volgens Van der Winden een mooie stip aan de horizon. ‘We hebben cases gedaan, maar het is behoorlijk complex. Voor predictive maintenance heb je een rijke dataset nodig om het model te trainen en we hebben niet altijd genoeg harde data.’

Lees meer: Praktijkvoorbeeld

Een voorbeeld van procesoptimalisatie met behulp van data is het convertorproces waarin ruwijzer in staal wordt omgezet. ‘In deze convertor reduceren we het fosfor- en koolstofgehalte van een pan van driehonderd ton gesmolten ijzer. Dat gebeurt door een slak van kalkhoudend materiaal bovenop het ruwe ijzer te leggen en daarna zuurstof door de convertor te blazen. Dat kun je vergelijken met het opkloppen van melk voor schuim op je cappuccino’, legt Van der Winden uit. ‘Het proces is het meest efficiënt op het moment dat je zoveel mogelijk schuim in het proces hebt. Als je er te veel zuurstof in blaast kan de pan overkoken, dan komt er materiaal op de grond en dat wil je voorkomen. Je gaat dus steeds conservatiever blazen want de angst dat het overkookt is groot.’

‘We hebben nu een model dat continu een vijftigtal parameters monitort. Bijvoorbeeld de gassamenstelling die van de pan afkomt, trillingen, geluid, maar ook wat voor een ruwijzer erin is gegaan en wat voor slak erop ligt. Het model voorspelt de kans dat over zestig seconden de pan gaat overkoken. Als die kans te groot wordt, kunnen we preventief de zuurstof afregelen. Als de kans laag is, kun je harder blazen. Handmatig kan dit nooit, een mens kan niet vijftig parameters continu in de gaten houden en daarop de beslissing nemen. Door de toepassing van het model gaan de proceskosten omlaag, verbetert de efficiency en zijn er geen overbodige opruimwerkzaamheden meer.’

Extra tool
Er lopen op dit moment 38 projecten op het gebied van advanced analytics bij Tata Steel. ‘In bijna alle fabrieken zoals de hoogovens, bij de walserijen, de gloeilijn en bij het agglomeraat – dat zijn de sinter en pellets die we maken – zijn we projecten aan het doen. We leiden daar ook mensen op zodat ze kunnen meewerken aan de verbeteringen die ze zelf hebben aangedragen. Zij krijgen daarvoor nu een extra tool tot hun beschikking.’
Advanced analytics wordt ook toegepast in projecten om de kwaliteit van staal te verbeteren. Met behulp van zoveel mogelijk gegevens wordt gestreefd naar het optimaliseren van de processen om zo de kwaliteit van het staal te verbeteren. ‘We kijken naar de variatie in kwaliteit met het streven deze kleiner te maken. Hiervoor moet je kijken naar combinaties en variaties van procesparameters die tot deze kwaliteit hebben geleid en uitvinden welke het meest interessant zijn om aan te pakken. Hiervoor gebruiken we advanced analytics, het gaat om een grote hoeveelheid procesparameters. Dat is in Excel niet te doen’, aldus Van der Winden.

Sensoren
Er lopen ook projecten om de productiviteit te verhogen. Het is vaak heel moeilijk om uit te vinden welke parameters de bottleneck in de productie vormen. ‘In een hoogoven zijn duizend chemische reacties tegelijk aan de gang. Het is niet zo eenvoudig om te bepalen hoe je de productie kunt opschroeven. Dan ga je met advanced analytics aan de gang om te kijken welke parameter je moet aanpakken om ervoor te zorgen dat de productiviteit omhooggaat.’
Van der Winden stelt hierbij dat er op dit gebied historisch veel data is opgeslagen. ‘We hebben bijvoorbeeld trillingssensoren voor lagers en de uitkomsten van deze sensoren slaan we op. Het model combineert de uitkomst van die ene sensor met die van nog eens honderd andere sensoren en dan blijkt dat die trilling ook een rol speelt in de kwaliteit. Daar is die sensor nooit voor neergezet, maar toevallig komt dit dan wel uit het model.’

Ambitie
Op dit moment is Van der Winden vooral bezig met de data die beschikbaar is. Soms zijn er nog wat extra sensoren nodig voor meer data, maar over het algemeen wil hij eerst de beschikbare data analyseren.
De uiteindelijke ambitie van Tata Steel is volgens Van der Winden om de meest geavanceerde datagestuurde organisatie ter wereld te worden. ‘Data zijn de grondstof van de toekomst. En als data de nieuwe olie is, dan zijn wij bij Tata Steel de nieuwe Golfstaten.’

Video
Share

Your name

Your e-mail

Name receiver

E-mail address receiver

Your message

Send

Share

E-mail

Facebook

Twitter

Google+

LinkedIn

Sign up

Your name

Your e-mail

Sign up