Einsatz von Machine Learning-Modellen zur Erkennung von Gasverbrauchsabweichungen bei einem Ofen zur Herstellung von Walzstahl

Herausforderung

Unser Kunde – ein führender Stahlhersteller – wollte den Gasverbrauch eines großen Gasofens zur Herstellung von Walzstahl senken.

Lösung

Wir analysierten die Verbrauchsdaten des letzten Jahres sowie Einflussgrößen (1.600 Zeitreihen in 1-Sekunden-Schritten). Nach einer deskriptiven Analyse der verfügbaren Daten erstellte Energiency ein auf KI-Algorithmen basierendes Gasverbrauchsmodell, das die wichtigsten Einflussgrößen ermittelt und berücksichtigt. Der so berechnete Leistungsmaßstab wird stündlich mit dem tatsächlichen Verbrauch verglichen, wodurch Verbrauchsabweichungen schnell erkannt werden können.

Vorteile

Anhand des Modells wurde ein Erdgaseinsparpotenzial von 2 % ermittelt. Das Prognosemodell wird nun im Werk in Echtzeit auf der Energiency-Plattform genutzt, um den Ofentechnikern zu helfen, Effizienzverbesserungen zu überwachen.