HORUS: HOrnos de Recalentamiento Inteligentes para procesos SiderUrgicos Competitivos y Sostenibles

Proyecto Público Competitivo Nacional (CIEN)

Desarrollo de soluciones tecnologías innovadoras de mejora de la productividad, eficiencia de los recursos energéticos y sostenibilidad en uno de los procesos siderúrgicos energéticamente más intensivos.

Sector aplicación:

Smart Industry: Inteligencia de proceso. Industry.

Reto/Interés para la industria:

Los hornos de recalentamiento representan una parte importante del consumo energético de las plantas de producción y procesamiento de acero, por lo que para que este sector gane en competitividad frente a la fuerte competencia exterior y el poco favorable marco energético y medioambiental, necesita optimizar sus procesos desde el punto de vista productivo y energético. Estos retos de la industria española del acero serán motor de oportunidades para el resto del tejido empresarial, promoviendo el desarrollo de nuevos productos y servicios innovadores y proveyendo soluciones a otras industrias españolas e internacionales energéticamente intensivas. El proyecto HORUS se centra en optimizar las instalaciones de calentamiento por oxi-combustión de acuerdo a las necesidades industriales. Pretende investigar y superar algunas de las principales limitaciones observadas en los hornos de recalentamiento, elementos que son empleados no solo en el sector del acero sino también en el de la transformación de otros metales relevantes (cobre, bronce, titanio, etc). El proyecto HORUS agrupa a tres de las empresas más preeminentes del sector acerista español, miembros de la Plataforma Tecnológica Española del Acero.

Descripción de la implementación:

Durante los tres años de duración del proyecto, se llevarán a cabo las siguientes actuaciones.

  1. Modelizar el movimiento de humos dentro del horno, en diferentes condiciones de carga para saber cómo su variación afecta al calentamiento heterogéneo del material.
  2. Desarrollar un prototipo de horno híbrido de 150 kW en planta piloto y validar su funcionamiento mediante un estudio de eficiencia energética y un análisis de calidad del producto.
  3. Estudiar la deformación y el nivel tensional de las palanquillas, debido al gradiente de temperaturas en el horno.
  4. Desarrollar un sistema de toma de decisiones inteligente que utilice algoritmos de correlación y un plan de pruebas para validar las soluciones propuestas en la instalación de laminación en caliente.
Es en este último punto donde está desarrollando su labor DeustoTech, aportando su experiencia en la generación de este tipo de sistemas.

Valor diferencial aportado por DeustoTech:

● Conocimiento del ámbito industrial ● Conocimiento de los sistemas de machine learning.

Tiempos desarrollo:

39 meses

Tecnologías clave:

Machine Learning, Deep Learning, Sistemas de soporte a la decisión