Description du projet
Plateforme et technologies de capteurs pour une fabrication durable de l’acier
La chaîne de valeur de la fabrication de l’acier joue un rôle crucial dans la transition vers des pratiques, des processus et des solutions plus durables. Le projet ProcTwin, financé par l’UE, se propose de soutenir ces efforts en développant une plateforme de démonstration clé qui prévoit et visualise l’utilisation optimale des multiples étapes de traitement tout au long de la chaîne de fabrication de l’acier. Le projet appliquera une méthodologie qui combine des simulations numériques, des données de processus, un apprentissage automatique distribué, des capteurs logiciels et d’autres outils afin d’identifier les meilleures options pour une optimisation intelligente, concentrant ses efforts sur l’efficacité énergétique et la qualité des produits. Ces innovations contribueront à optimiser les processus, réduire les émissions de carbone et faciliter la transition vers des solutions plus durables.
Objectif
ProcTwin aims to develop a demonstration platform to predict and visualize best use of multiple processing steps in a steel manufacturing chain. The methodology includes intelligent coupling of interconnected processing steps by numerical simulation, soft sensors, process data and distributed machine learning. Integrated numerical modelling that captures the interactions, relations, and feedback loops between various processing stations enables prediction for smart optimization of energy efficiency and product quality in the steel manufacturing. Continuous casting, reheating, hot metal working, quenching and leveling processes are examples that are controlled separately but strongly interconnected in terms of parameters. These processes serve as objective functions in two parallel use cases at Celsa (ES) and SSAB (SW). It is well known that process optimization can have a significant effect on reducing carbon footprint in steel production, and implementing new digital tools will enable a faster transition towards sustainable industry. ProcTwin is divided in clear work packages to reach the objectives: one is adaption of existing physically based numerical models of each process step to generate critical data that is impossible to measure or observe. Another is development of novel sensors and data integration for a secure and effective sharing industrial data. The innovative concept of ProcTwin is development of distributed machine learning to predict the process chains with large amounts of parameters. Lastly, these technologies will be combined through a demonstrator platform to model the manufacturing processes and enable control for increased product quality, energy efficiency and operator support.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- ingénierie et technologiegénie électrique, génie électronique, génie de l’informationingénierie électroniquecapteurs
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Programme(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) HORIZON-CL4-2024-TWIN-TRANSITION-01
Voir d’autres projets de cet appelRégime de financement
HORIZON-IA - HORIZON Innovation ActionsCoordinateur
971 25 Lulea
Suède
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.