Industrin vill upptäcka felet innan det uppstår
Sensorer som läser stålets mikrostruktur, digitala tvillingar, fysikinformerad AI och simuleringar som kan förutse defekter. I den andra session som TripleM följde under Swedish Metals & Minerals projektdag visade 13 forskningsprojekt hur metallproduktionen ska bli mer förutseende, men också mindre sårbar för brist på råvaror, insatsvaror och kritisk produktionskapacitet.
Efter cirkularitet och återvinning fortsatte TripleM:s bevakning av konferensens andra dag med sessionen om Metallurgy and Metals Processing. Även här fick varje projekt fem minuter på scenen, men trots att de 13 projekten spände från värmebehandling och valsning till pyrometallurgi och precisionsgjutning gick det att urskilja en ovanligt tydlig gemensam riktning.
Industrin vill flytta kunskapen framåt i processen. I stället för att först i slutkontrollen upptäcka att materialet fått fel egenskaper eller måste kasseras ska sensorer, modeller och AI kunna tala om vad som håller på att hända medan produktionen fortfarande går att påverka. Samtidigt ska bättre processkunskap göra det möjligt att hantera större variationer i både råvaror och insatsvaror, och minska beroendet av enskilda leverantörer och produktionsanläggningar.
Det märktes redan i de första projekten, där ambitionen är att mäta inkommande ståls egenskaper direkt i produktionen och upptäcka kvalitetsavvikelser innan de hunnit skapa skrot. I ett av projekten beräknar en industripartner att bara en procents minskning av skrotet skulle kunna spara mer än 30 miljoner kronor om året.

Metallen ska avslöja sina egenskaper i realtid
Hur kan metallindustrin upptäcka ett problem innan materialet hunnit bli skrot? Den frågan återkom i flera av de 13 projekten om metallurgi och metallbearbetning.
I MIND-OFP utvecklar RISE tillsammans med bland andra LEAX, Scania och Sandvik Coromant en modul för oförstörande provning direkt i produktionen av huvudaxlar till tunga lastbilar. Tanken är att materialegenskaperna i inkommande stål ska mätas och sedan användas för att anpassa bland annat bearbetning och värmebehandling. Tre stora mätkampanjer planeras, varav två i produktion hos LEAX, med sammanlagt omkring 800 000 axlar från olika materialleverantörer. Visionen är i förlängningen att kunna kontrollera 100 procent av det inkommande materialet och bättre hantera variationer mellan leveranser.
Samma tanke går igen i EKOPRO, men på en bredare nivå. Där ska AI användas för att upptäcka kvalitetsavvikelser tidigare i stål- och metallproduktion genom att kombinera process- och kvalitetsdata från flera led. Den ekonomiska hävstången kan vara stor: en av de deltagande industripartnerna har beräknat att en minskning av skrotet med bara en procent skulle kunna spara mer än 30 miljoner kronor per år. Samtidigt minskar förlusten av energi, råvara och värdefulla legeringsämnen.
Laser följer stålets mikrostruktur
Två närbesläktade projekt tar kontrollen ännu närmare själva materialet. ILUMHEAT använder laserultraljud för att mäta stålets mikrostruktur utan fysisk kontakt medan materialet befinner sig i produktionen. En ny sond har konstruerats för att kunna arbeta på en meters avstånd från heta processer. En första mätkampanj har redan genomförts vid SSAB:s kontinuerliga glödgningslinje i Borlänge, och tekniken ska därefter provas hos SSAB i Oxelösund, Outokumpu i Degerfors och Alleima i Sandviken.
I NAICE kopplas samma typ av mätteknik till AI och stora datamängder. Projektet utgår från vad man beskriver som världens enda industriella laserultraljudsmätare för kornstorlek och ska samla in tillräckligt mycket produktionsdata för att avgöra vilken industriell nytta realtidsmätningen faktiskt kan ge. Ambitionen är att kunna följa mikrostrukturen kontinuerligt och därmed justera processen innan avvikelser leder till skrot eller nedklassat material.
Även valsningen digitaliseras. DiSS II kombinerar relativt billiga sensorer med den fysikbaserade simuleringsmodellen RollSim för att skapa en digital tvilling av varmvalsningen. Systemet ska upptäcka bland annat valsförslitning och dimensionsavvikelser och ge operatörerna snabb återkoppling. CrownAnalytics går vidare med samma idé för bandvalsning och kombinerar industridata, simulering och fysikinformerad maskininlärning. Projektets mål är att minska processrelaterat skrot från 0,5 till 0,25 procent – vilket enligt projektets beräkningar skulle kunna minska koldioxidutsläppen med omkring 1 400 ton per valslinje och år.
AI får lära sig metallurgins fysik
Flera av projekten illustrerade samtidigt en tydlig förändring i hur AI används. Det handlar mindre om att låta en algoritm leta efter statistiska samband i stora datamängder och mer om att kombinera maskininlärning med fysikaliska modeller och metallurgisk kunskap.
PyroMet bygger exempelvis en digital tvilling av Bolidens fumingugn för kopparslagg. Processen är så komplex att den i dag till stor del styrs utifrån etablerade tumregler och erfarenhet. Genom mer detaljerad CFD-modellering och Bayesiansk optimering ska projektet söka processinställningar som kan minska processtiden, koldioxidutsläppen, reduktionsmedelsbehovet och energianvändningen utan att äventyra återvinningen eller processens stabilitet.
DRICaMP arbetar med samma grundidé inom precisionsgjutning av nickelbaserade superlegeringar. Projektet ska bygga upp en validerad kombination av fysikbaserade modeller och maskininlärning genom hela processen – från vaxmodell och keramiska skal till gjutning och defektbildning. Bakgrunden är samtidigt en försörjningsfråga: Sverige har bara en kritisk kapacitet för sådan precisionsgjutning, för komponenter som används inom bland annat flyg, försvar och energi. Materialförsörjning, processkunskap och digital förmåga måste därför enligt projektet finnas tillgängliga samtidigt.
Fossila och importerade insatsvaror ifrågasätts
Digitalisering var dock inte det enda tydliga spåret. Flera projekt gick direkt på de material och processhjälpmedel som metallindustrin är beroende av.
ImpLPC vill påskynda övergången från konventionell sätthärdning med oljehärdning till lågtrycksuppkolning med gashärdning. Projektmaterialet anger att den senare processen kan minska koldioxidutsläppen med upp till 81 procent och gasförbrukningen med upp till 99 procent, men skillnader i kylförlopp och materialegenskaper behöver förstås bättre innan tekniken kan användas bredare.
REFLAOD angriper i stället den svenska rostfria stålindustrins beroende av importerad flusspat i AOD-processen. Förutom försörjningsrisken bidrar flusspaten enligt projektet till att eldfasta material i AOD-konvertern får en livslängd på omkring en vecka, vilket i sin tur ger stora mängder slagg och eldfast avfall. Projektet ska genom bland annat termodynamiska beräkningar, laboratorieförsök och 30 industriella AOD-försök undersöka flusspatfria alternativ – och samtidigt om den resulterande slaggen kan användas i cement.
I ytterligare ett projekt undersöks om glycerol, en restprodukt från biodieselproduktion, kan ersätta mineraloljebaserade smörjmedel vid bland annat valsning och försmörjning av stål. Här möts cirkularitet, arbetsmiljö och fossilfri produktion i samma ganska vardagliga men volymmässigt betydande insatsvara.
Resiliens börjar ibland med en liten komponent
WIRE-SAFE visade samtidigt hur en till synes liten del av processen kan bli en strategisk sårbarhet. Tråddragning är beroende av specialiserade dragverktyg och smörjmedel som till stor del importeras. Projektet kartlägger därför leverantörer, geografiska beroenden och möjliga ”single points of failure” och undersöker alternativ som fler leverantörer, substitution, lokal produktion, återanvändning och renovering.
Det kanske tydligaste exemplet på samma resonemang kom dock från SIM-RES. Sverige har enligt projektet bara ett gjuteri som kan tillverka precisionsgjutna komponenter i nickelbaserade superlegeringar för bland annat flyg, energi och försvar. Det gör kapaciteten till en tydlig flaskhals i en krissituation.
Projektet vill därför utveckla och standardisera en simuleringsmetodik som gör det snabbare att kvalificera nya eller förändrade gjutna komponenter. Flöde, stelning, dimensionsnoggrannhet, ytdefekter och mikrostruktur ska modelleras och sedan valideras genom industriella gjutförsök. Målet är en demonstrerad metodik på TRL 6 för en produktfamilj.
Poängen är större än att bara få fram en bättre simulering. Snabbare kvalificering skulle kunna göra det möjligt att hålla en svensk reservkapacitet för kritiska komponenter, prova alternativa legeringar om vissa legeringsämnen blir svåra att få tag på, minska skrotet och göra processkunskapen mindre beroende av ett fåtal individer.
Från kontroll i efterhand till styrning i förväg
Det är nog där jag skulle landa sessionen. De 13 projekten spänner från smörjmedel och värmebehandling till gjutning, valsning och pyrometallurgi, men riktningen är förvånansvärt samstämmig.
Industrin vill veta mer om materialet tidigare. Den vill kunna mäta mikrostruktur och egenskaper medan produktionen pågår, använda simulering för att förutse vad som kommer att hända och låta AI hjälpa till att välja åtgärd innan fel uppstår. Samtidigt ska processerna tåla större variation i råvaror och insatsvaror och vara mindre beroende av enskilda leverantörer, material eller produktionsanläggningar.
Det gör att resiliens, digitalisering och resurseffektivitet nästan smälter samman till samma forskningsfråga: ju bättre kontroll industrin har över material och process, desto större variation kan den också hantera utan att tumma på kvaliteten.
