Utvikling har vært en avgjørende forutsetning for at Eramet Norway fortsatt står støtt etter mer enn 100 års produksjon. Nå tar selskapet nye steg ved økt bruk av digital teknologi og matematisk modellering.
For å produsere manganlegeringer bruker Eramet Norway ulike
mangankilder. Enkelt forklart fungerer prosessen slik at den
manganholdige malmen blandes med koks og varmes opp i store smelteovner
til cirka 1 600 grader med strømførende elektroder. Smeltet manganmalm
reagerer med karbon i koksen og frigjør mangan som tappes jevnlig.
Eramet Norway er en verdensledende produsent av manganlegeringer til den
globale stålindustrien, og selskapet har smelteverk i Porsgrunn, Sauda
og Kvinesdal, samt en FoU-enhet i Trondheim.
– For et par år siden bestemte vi oss for å lære mer om hvordan big data og maskinlæring kan brukes i våre prosesser. Dette var starten på prosjektet vi har satt i gang her ved verket i Kvinesdal, forteller Laila Stordrange. Hun jobber som metallurg, men har også en doktorgrad i kjemometri, en fagretning der man benytter statistikk og matematikk for å analysere kjemiske data.
Bedre prosesser
Ovnene er utstyrt med en rekke sensorer og målinger for å overvåke temperatur og trykk, samt elektriske og kjemiske parametre. Dette er nødvendig for å oppnå sikker og stabil drift. Formålet med prosjektet er å få bedre kontroll over hele smelteprosessen. Da er det avgjørende å kunne gjøre seg nytte av den store mengden data som allerede finnes.
– Dataene overføres til en stor beregningsmodell som vi nå har utviklet. Her er det mulig å se hvordan dataene samvarierer og på den måten sikre økt prosessforståelse. Modellen bidrar til at vi kan styre ovnene bedre for å oppnå høy prosesseffektivitet og dermed sørge for at ovnene leverer ønsket mengde tonn med rett kvalitet til riktig tid, forklarer Stordrange.
Kontinuerlig produksjon
Ved Eramet Norways tre smelteverk foregår produksjonen døgnkontinuerlig. Prosessoperatører overvåker alle prosessene via skjermer i kontrollrommene, mens dataene som kommer ut av datamodellen i det pågående prosjektet i Kvinesdal ser på hele smelteprosessen under ett:
– Vi ser på de store linjene, også tilbake i tid, og bruker disse dataene for å finne et slags beste scenario. Siden vi besitter data fra hele prosessen kan vi justere malmblandingen, hvor høy temperaturen skal være, eller hvor i ovnen elektrodene er plassert. Hensikten er å gjøre smelteprosessen så optimal som mulig.
– Resultatene bruker vi på daglige samarbeidsmøter mellom operatører, driftsledere og metallurger. Der ser vi på dagens tilstand og blir enige om hvilke tiltak vi kan gjøre videre for å justere prosessene. Tiltak som blir bestemt bakes inn i modellen. Dette gir kontinuerlig læring og forbedring av modellen, samt forbedret prosessforståelse.
Dedikerte medarbeidere
Prosjektet har nå vart i to og et halvt år. Hittil hentes det data og lages datamodeller fra to av tre smelteovner i Kvinesdal. Løsningene krever skreddersøm for å sikre tilpasning til våre prosesser.
– Vi har et bredt spekter av kompetanse i bedriften, fra fagbrev og teknisk fagskole til doktorgrad innen ulike områder. Bedriften har også stor nytte av at mange av våre ansatte har vært her lenge og opparbeidet seg mye erfaring. Vi skal fortsette arbeidet med å videreutvikle våre prosesser. For å utvikle oss videre og ta i bruk stadig mer avansert teknologi kommer vi også i fremtiden til å trenge medarbeidere med et bredt spekter av kompetanse, avslutter Stordrange.
Av Tom Backe
