SunShine – Nachhaltiger neuer Überwachungs- / Sensoransatz für Gieß- und Walzprozesse, der auf die richtige Oberflächenqualität und – form bei Flach- und Langprodukten abzielt

Ausgangssituation:

  • Eine ungleichmäßige Erstarrung bei Lang- und Flachprodukten kann zu Form- und Oberflächenfehlern führen, die die Qualität des Gussstücks und den kontinuierlichen Produktionsfluss beeinträchtigen
  • Eine Verringerung der Anzahl der Produkte, die aufgrund von Mängeln verschrottet werden müssen, würde den CO2-Ausstoß signifikant verringern

Projektziele:

  • Identifizierung der Gießparameter, die zu Produktfehlern führen, und der Stahlsorten, die am häufigsten davon betroffen sind
  • Entwicklung von KI-/Machine-Learning-Tools zur Erkennung von Zusammenhängen zwischen Gussparametern und Defekten
  • Definition und Anwendung von Empfehlungen und Regeln zur Vorhersage und Vermeidung des Auftretens von Mängeln
  • Ermittlung optimaler Verfahren für einen schnelleren Transfer der Knüppel zum nachfolgenden Wiedererwärmungsofen und zum Schweißen vor dem Walzen

Innovative Ansätze:

  • Aufbau von Simulationsmodellen für Erstarrungs- und thermomechanische Prozesse
  • Installation und industrieller Test verschiedener Sensoren zur Online-Bewertung von Gießbedingungen, zur Erkennung von Defekten und zur Online-Kontrolle von Gießparametern
  • Installation und Langzeittests von Prototypen auf dedizierten IIoT-Plattformen

Nutzen für die Industrie:

  • Reduzierung des Auftretens von Form- und Oberflächenfehlern in Gussprodukten
  • Senkung der CO2-Emissionen durch Reduzierung des Ausschussmaterials
  • Energieeinsparung und Reduzierung von Materialverlusten durch verbesserte Verbindung zwischen Gießen und Walzen
  • Produktivitätssteigerung
zurück