F&E Projekt: Machine Learning zur Transformation der Metallurgie für Recycling-Stahl
FH-Prof. Gabriel Kronberger entwickelt Machine Learning-Algorithmen für die semi-physikalische Modellierung der Phasenkinetik von Stahl für das Material Center Leoben und die voestalpine Stahl GmbH.
Gabriel Kronberger, FH-Prof. am Studiengang für Information Engineering und -Management ist im COMET IC-MPPE Projekt "TransMet1" tätig. In diesem Projekt geht es um die Transformation der Metallurgie in Richtung Recycling-Stahl. Das Projekt wird vom Material Center Leoben (MCL) in Kooperation mit voestalpine durchgeführt. Das Ziel des Projekts ist es Grundlagen und Werkzeuge für die Produktion von hoch-qualitativen, recycelten, und CO2-reduzierten Stahlbändern zu entwickeln.
Anhand zweier Use-Cases wird ein Material- und Prozess-Design sowie eine Optimierungssoftware, die hybride Modelle verwendet, für die Stahlbandproduktion realisiert. Bei der hybriden Modellierung werden Physik-basierte Modelle mit Daten-basierten Modellen mithilfe Machine Learning kombiniert. Dieser Ansatz wird in einem Softwarewerkzeug für Prozessplanung für die Stahlbanderzeugung implementiert.
Im ersten Use-Case werden hybride Modelle für die Beschreibung der Phasen-Transformation von rekristallisiertem Austenit in seine Kindphasen entwickelt.
Im zweiten Use-Case werden hybride Modelle für die Prognose der Verformungseigenschaften verwendet.
Das Projekt führt zu einer Reduktion der CO2 Emissionen bei der Stahlerzeugung. Dies wird durch die Kombination dreier Faktoren erreicht: den Wechsel vom Hochofenprozess zum Lichtbogenofen, einer wirtschaftlicheren Nutzung der Rohmaterialien (Eisenerz und Kohle) über eine starke Erhöhung der Recycling-Anteile, und höhrere Effizienz der Produktion über Ausschuß-Reduktion.