de.wedoany.com-Bericht: Metso hat in Brasilien durch das langfristige Servicevertragsmodell (LCS) Künstliche Intelligenz in die Mineralienzerkleinerung integriert und damit die zentralen Herausforderungen ungeplanter Stillstände und instabiler Produktion in dieser Verarbeitungsphase gelöst. Die Künstliche Intelligenz reduziert ungeplante Ausfallzeiten und maximiert die Produktion, indem sie optimale Betriebsparameter ermittelt und Komponentenausfälle vorhersagt.
Die Praxis von Metso in Brasilien basiert auf dem Modell „Zerkleinerung als Dienstleistung", bei dem der Hersteller den Betrieb und die Wartung der Verarbeitungsanlage vollständig übernimmt. Nach der Installation von Sensoren liefern diese Einheiten aus den Fernzentren in Sorocaba und Parauapebas hochwertige Daten für die Überwachung und Analyse. Diese technologische Reise begann im Jahr 2006, als Metso im Bundesstaat Pará mit einem neuen Modell Abfallgestein zur Herstellung von Schotter verarbeitete. Im Jahr 2020 übertrug ein Kunde, der 40 % des Marktes für Dicalciumphosphat beliefert, seine gesamte primäre Zerkleinerung im LCS-Modell an Metso. Im Jahr 2023 übertrug ein Kunde in der Eisenerzproduktion in Corumbá, Mato Grosso do Sul, einen Teil der Produktion von der Abbaufläche bis zur endgültigen Fertigwarenauslieferung an Metso.
Vor der Digitalisierung waren die genannten Anlagen traditionell betrieben. Der erste Schritt der Modernisierung umfasste die Fernüberwachung von Gerätebildschirmen und die Installation von Kameras zur Überwachung der Lagertemperaturen und des Brecherzustands. Anschließend installierte das Team Feuchtigkeitssensoren und RockSense-Digitalbildverarbeitungskameras zur Echtzeitmessung der Erzkörnung, sodass die Bediener sofort die Korngröße und Feuchtigkeit des Erzes erfahren konnten. Aufgrund der Subjektivität menschlicher Faktoren führten jedoch dieselben Daten zu unterschiedlichen Entscheidungen, weshalb das Team maschinelles Lernen und Algorithmen der Künstlichen Intelligenz zur Verarbeitung der großen Variablenmenge einführte. Die Entwicklung der Künstlichen Intelligenz basierte auf Fachwissen, wurde auf internen Servern verarbeitet und begann mit der Erstellung eines mathematischen Modells der Zerkleinerung. Synthetische Daten wurden mit historischen Anlagendaten kreuzvalidiert und durch maschinelle Lernmodelle verfeinert. Dieser Prozess erforderte eine kontinuierliche manuelle Verfeinerung durch Metso-Experten, um logische Fehler der Algorithmen zu korrigieren.
Die Künstliche Intelligenz läuft heute autonom und dynamisch und passt die Anlageneinstellungen ohne menschliches Eingreifen an. Bei trockenem Erz erhöht das System die Aufgaberate und verlängert die Lebensdauer mechanischer Komponenten; bei feuchtem Erz reduziert das System die Aufgabemenge und gewährleistet höchste Produktion und Qualität. Neben der Eingabesteuerung analysiert die Künstliche Intelligenz mithilfe von Digitalbildverarbeitungskameras den Output und misst feine Korngrößen, um die Endproduktqualität sicherzustellen. In neueren Anlagen werden alle Prozesspunkte online über Kameras gemessen, und die Künstliche Intelligenz erkennt und korrigiert automatisch Betriebsänderungen und Verschleiß.
Die Ergebnisse der Implementierung sind bemerkenswert: Eine ursprünglich für eine Jahreskapazität von 3,5 Millionen Tonnen ausgelegte Anlage steigerte ihre Produktion mit Hilfe der Künstlichen Intelligenz auf 5 Millionen Tonnen pro Jahr, ohne dass Motoren ausgetauscht oder Geräte aufgerüstet werden mussten. Die Geräteverfügbarkeit dieser Einheit stieg von 86 % auf 90 %. Bei der Qualität von Eisenerzstücken sank der Feinstaubverschmutzungsindex an der Quelle von 3 % auf ein Niveau von 1,5 % bis 1,7 %, wodurch sichergestellt wird, dass das Erz strenge Standards erfüllt.
Derzeit verarbeitet Metso in Brasilien 25 Millionen Tonnen im „As-a-Service"-Modell und überwacht rund 150 Produktionsanlagen fern. Die aus diesen Anlagen gesammelten historischen Daten werden mit Hilfe der Künstlichen Intelligenz nicht nur zur Verbesserung der bestehenden Anlagen genutzt, sondern prägen auch zukünftige Geschäfte und Kundenbeziehungen.
