Destaques

Detecção de anomalias e redução do retrabalho nos setores de fundição e laminação. Prever os resultados ruins antes que eles ocorram, assim você pode atacar a fonte dos problemas.

Sobre a empresa

Conglomerado industrial, com sede em Luxemburgo, é a maior produtora de aço do mundo, produzindo anualmente cerca de 100 milhões de toneladas.

Produz aços longos e planos de alta qualidade para indústrias automobilística, de eletrodomésticos, embalagens, construção civil e naval.

Presente em mais de 60 países, emprega cerca de 200 mil profissionais nos diversos continentes. No Brasil, possui usinas em 5 estados.

Desafios e escopo

A otimização da produção é sempre uma meta neste setor. Aqui o diferencial competitivo é 'produzir mais com menos'. A fabricação de aço é um processo complexo e que consome muita energia.

Um produto siderúrgico que nasce com defeito ou que apresenta um defeito de qualidade em uma das etapas de seu processamento nas áreas de fundição ou laminação, normalmente acaba sendo processado até o final das etapas e acaba gerando um produto que vai ser descartado - ou reaproveitado, exigindo reprocessamento e portanto consumo desnecessário de energia

Quando um problema de qualidade ocorre, é fundamental:

• Identificar o problema assim que ele ocorre e, se possível, retirar o produto da linha para que não consuma mais energia nas etapas finais
• Identificar as causas do problema e atuar para que não volte a ocorrer, evitando-se o retrabalho e o gasto de energia

Desenvolvimento da Solução

Aproveitou-se aqui uma grande quantidade de dados históricos que eram disponíveis e vinham sendo captados pelos diversos sensores existentes no parque fabril do cliente.

Quando necessário, alguns dados não disponíveis podem ser levantados, p.ex., através de gravações feitas com câmeras de celulares – as quais são tratadas pela plataforma de big data da BELGE e transformam vídeos em dados amostrais.

Amassa de dados fabris foi devidamente tratada na etapa de ETL- extract, transform and load.

Explorando bem os dados do cliente, passamos a entender as relações de causa-e-efeito dos problemas existentes.

As características avançadas dos processos fabris no decorrer tempo, permitem:

• levantar os padrões dos dados temporais
• perceber a detecção e correlação de padrões similares, apontando prováveis eventos de interesse

Modelos preditivos de Machine Learning passaram a monitorar os processos nos setores de fundição e de laminação, passando a identificar rapidamente as falhas que surgem nos produtos, assim como as causas de tais falhas.

Impactos e Ganhos

Através dos painéis de controle customizados:

• - monitoram-se os processos de detecção de produtos defeituosos
• - os operadores podem melhorar o modelo continuamente, reduzindo o retrabalho dos produtos

O impacto foi notável: o sistema passou a identificar, de maneira rápida e eficiente, as causas que levavam às anomalias dos produtos, além de permitir maior compreensão das relações matemáticas de causa e efeito nestas áreas produtivas.