Opis projektu
Sztuczna inteligencja i technologia symulacji rewolucjonizują skład stali
Przemysł stalowy pracuje nad opracowaniem nowych, zaawansowanych i bardziej zrównoważonych gatunków stali. Zwykle opracowanie nowego składu wiąże się z trudnym, kosztownym i czasochłonnym procesem prób i błędów, który nie spełnia współczesnych wymagań. Finansowany przez UE projekt AID4GREENEST zakłada opracowanie kluczowego zestawu opartych na sztucznej inteligencji metod szybkiej charakteryzacji i narzędzi modelowania, które mają zrewolucjonizować odkrywanie nowych połączeń składników. Dzięki sztucznej inteligencji i projektowaniu symulacyjnemu narzędzia te umożliwią ulepszone projektowanie stali, procesów i produktów, a jednocześnie ocenę ich parametrów. W projekcie powstanie też otwarta platforma internetowa pomagająca w usprawnieniu wymiany wiedzy w sektorze.
Cel
The fourth industrial revolution and market demands for advanced steels are driving the research towards transformation of the manufacturing processes and to ever-more sustainable steel compositions. The conventional ‘trial and error’ approach traditionally used to develop metallurgical processes still prevails in the industrial steel plants. However, it is a time-consuming, labour-intensive process entailing high material waste and associated carbon emissions. Also, it can ultimately lead down to a repetitive path that consists of creating a process design, putting it into production, and detecting possible process design flaws too late, resulting in high component rejection rates. Ascertaining the inadvertent flaws in the manufacturing approach before its implementation on industrial lines could be the key to major cost savings. With the introduction of AI- and simulation-driven design, back-and-forth interaction between part and process designs can be significantly diminished.
The main objective of AID4GREENEST is to develop six new AI - based rapid characterization methods and modelling tools. AID4GREENEST tools’ scope will cover the steel design (chemistry and microstructure), process design (processing parameters), product design (processing and heat treatments) and product performance (creep) stages. Proposed tools will be complemented with a roadmap designed to enable model-based innovation processes, from materials design to product development, while considering the industry needs: enhanced material quality, reduction of carbon emission and waste generation, and reduced supply risk of critical raw materials. In order to facilitate the knowledge transfer of the characterization and modelling data generated in this project and across the wider European characterization and modelling community, the project will also develop an open online platform, based on a standardized and interoperable data management system and following the EMMC, EMCC and EMMO approach.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Temat(-y)
Zaproszenie do składania wniosków
HORIZON-CL4-2022-RESILIENCE-01
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordynator
28906 Getafe
Hiszpania