Đây là cách AI đang chuyển đổi ngành công nghiệp thép
26/11/2025
Sản xuất kim loại là một trong những hoạt động sản xuất lâu đời nhất, có từ khoảng năm 1800 trước Công nguyên, khi sắt luyện đầu tiên được sản xuất tại Ấn Độ. Hơn 3.000 năm sau, các nhà máy thép đã trở thành một trong những biểu tượng của Cách mạng Công nghiệp. Giờ đây, ngành sản xuất kim loại đang đối mặt với một cuộc cách mạng mới: sự ra đời của Trí tuệ Nhân tạo (AI).
Đối mặt với áp lực về chuỗi cung ứng và chi phí, tình trạng thiếu hụt nhân lực trầm trọng và nhiệm vụ to lớn là khử cacbon trong một ngành công nghiệp vốn sử dụng nhiên liệu hóa thạch, các nhà sản xuất sắt thép đã hoan nghênh sự ra đời của AI.
Tiến sĩ Petra Krahwinkler, Chuyên gia Cao cấp về AI tại Primetals Technologies, một nhà cung cấp chính cho ngành công nghiệp thép, giải thích rằng công nghệ này có thể tạo ra tác động đặc biệt mạnh mẽ trong các lĩnh vực cốt lõi như tối ưu hóa quy trình, hiệu quả chi phí, giảm CO2 và kiểm soát chất lượng. Tuy nhiên, khi AI tiếp tục phát triển, nó cũng có tiềm năng thay đổi ngành công nghiệp một cách cơ bản hơn.
Tiến sĩ Petra Krahwinkler, Chuyên gia Cao cấp về AI tại Primetals Technologies
Tối ưu hóa quy trình để giảm chi phí và phát thải
Sản xuất sắt - nguyên liệu cơ bản để sản xuất thép - bao gồm các quy trình cực kỳ phức tạp và tiêu thụ một lượng lớn năng lượng.
Những quy trình này tạo ra nhiệt lượng cao cần thiết cho các bước như thiêu kết - nơi các hạt quặng sắt mịn được nung chảy thành cục để cải thiện hiệu suất lò nung - hoặc nấu chảy quặng trong lò cao để chiết xuất sắt nguyên chất.
Việc tối ưu hóa các quy trình này và sự tương tác của chúng là rất quan trọng, Krahwinkler lập luận: "Chúng tôi muốn sử dụng đúng lượng nhiệt và nguyên liệu thô để đạt được mức chất lượng mong muốn với chi phí thấp nhất và lượng chất thải ít nhất."
Việc điều chỉnh mức sử dụng năng lượng và vật liệu cũng giúp nhà máy tiết kiệm năng lượng và nhiên liệu hơn, dẫn đến giảm lượng khí thải CO2 và khí nhà kính, đồng thời giảm các chất ô nhiễm trong môi trường làm việc, bao gồm bụi mịn, lưu huỳnh đioxit và nitơ oxit.
Việc phân tích dữ liệu từ khắp nhà máy để thiết lập thiết lập hiệu quả nhất là rất quan trọng. Và đây chính là lúc AI có thể phát huy tác động đáng kể.
“Bằng cách triển khai khả năng xử lý dữ liệu khổng lồ của AI, chúng tôi có thể phân tích nhiều dữ liệu hơn – và phức tạp hơn nhiều – từ khắp nhà máy so với con người”, Krahwinkler nói.
“Chúng tôi cũng có thể mô hình hóa và mô phỏng các tuyến sản xuất hiệu quả nhất và tối ưu hóa việc quản lý năng lượng trên toàn bộ nhà máy – từ quặng đến thành phẩm. Điều này có nghĩa là chúng tôi có thể tiến gần hơn đến giới hạn mà không ảnh hưởng đến chất lượng.”
AI có thể giúp mô hình hóa các tuyến sản xuất hiệu quả nhất trong chế tạo kim loại
Nâng cao kiểm soát chất lượng
AI cũng có thể cải thiện nhiều giai đoạn đảm bảo chất lượng của quy trình chế tạo kim loại, phát hiện các vấn đề hoặc lỗi sớm hơn nhiều so với việc kiểm tra thủ công.
“Trong chế tạo kim loại, chúng tôi phụ thuộc rất nhiều vào việc lấy mẫu. Tuy nhiên, thông thường, những mẫu này phải được gửi đến phòng thí nghiệm và việc phân tích có thể mất khá nhiều thời gian”, Krahwinkler giải thích. “Ưu điểm của AI là nó có thể thực hiện phân tích này theo thời gian thực.”>
Ví dụ, trong quá trình tạo viên quặng sắt hay còn gọi là “greenballing”, các hệ thống thị giác tự động được hỗ trợ bởi AI có thể tự động phân tích các đặc điểm của viên được sản xuất, chọn ra những viên không đáp ứng các yêu cầu về kích thước hoặc hình dạng. Dựa trên thông tin này, người vận hành nhà máy có thể điều chỉnh quy trình tạo viên.
Tương tự, có các hệ thống trợ lý kỹ thuật số sử dụng thị giác máy tính dựa trên AI để giám sát các cuộn thép khi chúng di chuyển qua nhà máy, phát hiện các khuyết tật bề mặt có thể dẫn đến chậm trễ sản xuất hoặc hư hỏng thiết bị.
“Thay vì người vận hành phải xem xét khối lượng lớn dữ liệu giám sát theo cách thủ công, các hệ thống này có thể hướng dẫn họ chính xác những gì họ cần tập trung vào và họ có thể điều chỉnh quy trình để đảm bảo chất lượng sản phẩm đồng đều. Điều này đồng nghĩa với việc giảm lãng phí, tăng năng suất và từ đó tiết kiệm chi phí và giảm lượng khí thải”, Krahwinkler nói thêm.
Nhân viên vận hành vẫn đóng vai trò thiết yếu, nhưng AI đang phát triển để đảm nhận những vai trò tự chủ hơn trong hoạt động của nhà máy.
Hướng tới hoạt động nhà máy thép tự chủ hơn
Krahwinkler rất hào hứng về việc các giải pháp AI có thể đóng góp đáng kể như thế nào vào sự phát triển của ngành sản xuất kim loại.
Một lĩnh vực mà bà tin rằng chúng có thể tạo ra sự khác biệt đáng kể là mô hình hóa và mô phỏng. Do tính phức tạp và độc đáo của các nhà máy thép, việc mô phỏng thường mất hàng tuần để chạy.
Đó là lý do tại sao Primetals Technologies đang hợp tác với Đại học Johannes Kepler ở Áo để phát triển các mô phỏng được tăng tốc bằng AI, mô phỏng hành vi của các đơn vị sản xuất thực tế. "Lý tưởng nhất là bạn muốn xác định các đặc tính và chất lượng sản phẩm mà bạn đang cố gắng đạt được, và hệ thống sẽ cho bạn biết cách thiết lập các thông số sản xuất để đạt được chất lượng đó."
Cuối cùng, nghiên cứu này nhằm mục đích cho phép các hệ thống AI tự động điều chỉnh hoạt động của nhà máy để đạt được sự cân bằng hoàn hảo giữa đầu vào và đầu ra.
Các hệ thống thị giác máy tính AI có thể giúp các nhà máy thép duy trì chất lượng đồng đều
Cải thiện đào tạo AI
Do tính phức tạp của vật liệu và quy trình liên quan đến gia công kim loại, việc đào tạo AI truyền thống không thể đạt được điều này.
“Hiện tại, AI có thể phát hiện các trạng thái mới nằm ngoài chuẩn mực đã được đào tạo dựa trên dữ liệu lịch sử. Nhưng điều đó không nhất thiết chỉ ra vấn đề; nó có thể chỉ là một biến thể chấp nhận được. Hiện tại, con người vẫn cần được vận hành để đưa ra quyết định đó.”
Nhóm nghiên cứu đang nỗ lực kết hợp đào tạo AI “nguyên tắc cơ bản” và học máy để có những dự đoán đáng tin cậy hơn. Nghiên cứu của họ cũng khám phá "AI có thể giải thích" để giúp con người hiểu rõ hơn về các kết luận của AI.
“Điều này sẽ rất quan trọng khi AI phát triển lên giai đoạn tiếp theo, hướng tới các chức năng tự động hơn đồng thời hỗ trợ hoạt động của nhà máy”, Krahwinkler kết luận.
