05.2022 -

Optimering og dataanalyse

For Hydro Aluminium AS

Grafana
Python
Databricks
Azure Data Explorer
KQL
Pandas
Scikit-learn
Pyomo
PySpark

Lasse Bærland Strand
Prosjektleder
Selma Gudmundsen
Erlend Nonaas Lokna
Andreas Edvardsen Lindeman

Hydro er et av Norges største selskaper målt både i omsetning, markedsverdi og antall ansatte. Med aluminiumsverk rundt i hele verden, samler Hydro enorme mengder sensordata hvert eneste sekund. Vi ble kontaktet fordi Hydro ønsket hjelp med å dra gevinster ut av de store datamengdene, som tidligere kun har vært gjennom begrensede analyser. I løpet av samarbeidet har vi utviklet og levert en lang rekke prosjekter til Hydro innen datavisualisering, dataanalyse og optimering.

Løsning

I vårt første prosjekt for Hydro mottok vi tilganger til sensordataen til Hydro Recycling sine anlegg i Europa, med mål om å undersøke og forbedre vedlikeholdsstrategien deres. De hadde nemlig en komponent i alle smelteovnene deres som de skifter relativt ofte for å opprettholde høy effekt, men nøyaktig hvor ofte var til dels vilkårlig. Utskiftning av komponenten stengte anlegget i opptil flere timer, som er svært kostbart. I prosjektet utførte vi en grundig analyse for å forstå sammen med Hydro hva som er de viktigste faktorene for høy ovneffekt, og spesifikt sammenhengen mellom tilstanden på denne komponenten og effekten på ovnen. Prosjektet resulterte i en konkret anbefaling om ny vedlikeholdsstrategi, som innebærer betraktelig sjeldnere vedlikehold av komponenten, og store besparelser for kunden. Underveis i prosjektet oppdaget teamet vårt også en mengde feil og svakheter i datakvalitet, datatransformasjon, sensorer og ytelse som har blitt rettet opp av kunden underveis. I forlengelse av prosjektet har vi utviklet en varslingstjeneste som varsler når vedlikehold skal gjennomføres. Underveis i prosjektet oppda

I et senere prosjekt for Hydro har vi blitt bedt om å utvikle visualiseringer av live data for bruk av prosessingeniører og fabrikkarbeidere for å overvåke ytelse og tilstand på smelteverkene løpende. I dette prosjektet har vi utviklet mange visualiseringsdashboards for blant annet ytelse for de ulike ovnene, temperaturovervåkning og smeltestatus.

I det seneste prosjektet for Hydro utvikler vi en optimeringsmodell som bestemmer hvilke råmaterialer Hydro Recycling skal skyve inn i smelteovnen sin. De må nemlig følge strengt krav fra kunder om kjemi og klima, samt sikkerhets- og lagerrestriksjoner fra verkene, når de velger hvilke råmaterialer de skal bruke. Vår modell gir anbefalinger som bruker billigst mulig råmaterialer, samtidig som alle disse restriksjonene er overholdt. Modellen tar videre høyde for diverse effekter som er spesifikke for hvert enkelt anlegg, slik som metall som ligger igjen i smelteovnen når en er ferdig, og metodikk for hvilken rekkefølge metall skal smeltes i.

Data Science
Systemutvikling