Hoppa till innehåll
Artboard 1Artboard fwCheckmarkclose-chubbyCombined ShapeexpandExternal-LinkUntitled-3gridlkab-breadcrumb-startinfoUntitled-1listplay-linkplay-sololkab-printikon-sök-lkabTwitterYouTube

AI-projekt i kulsinterverken

Tre personer vid ett bord.
Johanna Wiss Björnström, Simon Töyrä och Esa Wikström är nöjda med resultatet.

Projektet att implementera AI i verken startade för tre år sedan utifrån en idé från forskningen gällande onlinemätning av slaggpåbyggnad i den stora roter­ugnen, kiln.
– Vi ville kunna mäta slaggtillväxten kontinuerligt för att se i vilka situationer den tilltog och hur processen kunde förbättras.

Tidigare projekt har använt manuella mätningar som ger en begränsad ögonblicksbild. Resultatet av LKAB:s forskning och omvärldsbevakning visade oss en möjlighet att nå målet med hjälp av kameror och bildanalys (AI) sammankopplat med LKAB:s processdata, berättar Johanna Wiss Björnström, projektledare.
– Vi filmade under ett års tid för att få en historik över slaggtillväxten. Därefter skapade jag en AI som kunde räkna ut vilka faktorer som påverkade tillväxten såsom temperatur, mängden järnpellets samt storlek på materialet, berättar Pál Toth, forskare på RISE ETC. Utvecklingsingenjören Esa Wikström, LKAB:s stöd till Pál, förklarar att AI är ett väldigt brett begrepp.
– Det finns olika tekniker och metoder som man väljer att utgå ifrån beroende på vilket slags behov man har. För LKAB är det viktigt att kunna förbättra sina processer och genom dataanalys får man underlag för att kunna fatta bra beslut. AI är inte svaret på allt men en del av en lösning!

Simon Töyrä, processingenjör, förklarar att om ett verk går riktigt bra är slaggtillväxten extra hög vilket beror på att slaggen inte lossnar av sig själv då verket aldrig svalnar.
– Det är ett akut problem att slaggen skapar oplanerade stopp och att produktionen inte håller den höga nivå som vi önskar. Via kamerorna kan vi se exakt vart slaggen samlas och rensa bort den, vilket bidrog till att vi slog rekord i augusti med över 99% tillgänglighet i verket KK4 jämfört med ca 86% i vanliga fall, berättar Simon.
– Vi kan tydligt se hur allt fungerar i maskinen och vi kan se historik bakåt i tiden. Det lär oss att förbättra det som sker i grate, kiln och kylare, säger Kristian Suup, underhållsingenjör.
– Kamerainstallationen i KK4 underlättades tack vare ett bra samarbete och stöd från utvecklingsingenjören Ola Isaksson med flera, säger Arvid Åhrberg, senior utvecklingsingenjör.

Projektet genomfördes i fyra steg: sammanställning av LKAB:s tidigare forskning och omvärldsbevakning, kamerautveckling och installation, utveckling av dataanalysprogram (AI - Machine vision och Machine Learning) och slutligen koppling till LKAB:s processdata. Hela tiden i kontakt med Simon och Kristian i produktionen för återkoppling.

Henrik Wiinikka är senior forskare och adjungerad professor vid RISE ETC. Han berättar att de genom åren ibland upptäckt oförklarligt höga nivåer av slagg, 10–50 gånger högre än normalt, utan att de förstått vad det beror på.
– Det kan finnas processvariationer uppströms i maskinen, det vill säga i den kalla delen och kanske hela vägen från gruvan. Därför var det viktigt att hitta en metod som kunde användas ute i verken. Vi hade idéer om sondmätning men det var AI och kameror som var den teknik vi fastnade för.

Specialisten Bo Lindblom och gruppchefen Lars-Olof Nordin från LKAB:s materiallaboratorium har under många års tid drivit projekt för att öka kunskapen kring de bakomliggande orsakerna till slaggpåbyggnad i grate-kiln-verken.
– Vi såg indikationer på vad som orsakade påbyggnaden men vi ville veta helt säkert, säger Lars-Olof.
I laboratoriet har de undersökt vad slaggen består av samt hur den bildas.
– Utan all gedigen forskning och dokumentation som gjorts under lång tid hade vi aldrig kunnat genomföra projektet, säger Johanna.
– Tidigare har kostsamma och personalintensiva provtagningar vid olika kampanjer genomförts och lärt oss en del men inte allt. Under resans gång konstaterade vi att vi behövde en metod för att kontinuerligt mäta påbyggnaden i drift för att kunna beskriva orsakssambandet mellan påbyggnad och processparametrar. Det är kul att vi nu fått verktyg för att åstadkomma detta, berättar Bo.
– Resan har bara börjat. Vi vet att det fungerar men nu ska vi lära oss förstå mer av processen och applicera verktyget online, säger Simon.

Projektgruppen bestod av Johanna Wiss Björnström, Esa Wikström, Arvid Åhrberg, Bo Lindblom och Henrik Wiinikka
Stöd från FoU/Materiallab: Lars-Olof Nordin – gruppchef
Stöd från RISE ETC: Pál Toth