Imponerande resultat när stål möter Artificiell Intelligens
I Sverige har människan utvunnit och förädlat stål i tusen år. Järnet har spelat en viktig roll i landets historia, och har utvecklats från brytning för hand till vad som idag till stor del är en automatiserad process. Nu är det dags för stålindustrin att ta ännu ett kliv framåt: turen har kommit till maskininlärning, artificiell intelligens. HiMat Engineering utvecklar metodik som inte bara kan spara tid och miljontals kronor, utan också vår miljö.
Utvinningen av järnmalm är tätt sammanknuten med Sveriges historia. Från medeltidens bergsbruk som hjälpte Sverige in i den Europeiska gemenskapen, till 1700-talet då stångjärn utgjorde tre fjärdedelar av Sveriges totala export, till 1900-talets teknologiska utveckling, har gruvdrift och malmexport varit en viktig del av Sveriges ekonomi. Idag är svensk stålindustri specialiserad och högteknologisk och är världsledande inom en rad områden. Men på KTH fanns ett antal forskare som insåg att det var dags för svensk stålindustri att ta ännu ett steg in i framtiden.
Lång erfarenhet ger resultat
Teamet bakom HiMat Engineering har tillsammans över 40 års erfarenhet av forskning på metalliska material och materialmodellering. De insåg att det finns ett behov av att effektivisera hur industriföretag tar fram nya material, en process som idag är både kostsam och dyr. Sedan 2008 har grundarteamet forskat specifikt inom detta område, bland annat inom Vinn-Excellence centrat Hero-m på KTH.
Spara tid, pengar och miljö
Att utföra ett enstaka test i ett stålverk kan idag kosta uppemot en miljon kronor att genomföra, och ofta räcker det inte med ett, utan det krävs flera test för att komma fram till ett resultat som håller. HiMat Engineering har tagit fram HEDDATM, en digital plattform för datadriven utveckling av material. Med hjälp av HEDDATM kan företag utföra virtuella experiment, istället för tids- och resursödande mätningar, och på så vis effektivisera processer för materialutveckling och materialproduktion. Dessutom är metoden mer hållbar, eftersom den minskar utsläppen under processen. Dessutom kan materialens egenskaper optimeras för att kunna konkurrera på en allt hårdare marknad. Den datadrivna metodiken bygger på maskininlärning, en undergrupp av artificiell intelligens, som används för att hitta samband mellan viktiga parametrar i stora datamängder.
Rekordsnabb utveckling
HiMat Engineering är idag ett av få företag som fokuserar på maskininlärning för att effektivisera materialutveckling och -produktion. Just nu fokuserar de på att lansera fler verktyg på den digitala plattformen HEDDATM, och att i pilotprojekt visa upp hur deras teknik och verktyg kan revolutionera stålutvecklingen.
Teamet har själva tagit fram bevis på att plattformen funkar. Just nu söker de patent på sitt första egna material utvecklat med hjälp av HEDDATM: ett rostfritt stål som har dubbelt så lång livslängd som liknande stål, och som dessutom har kunnat tas fram på rekordtid. Tillsammans med tre europeiska partners och KTH har de nu sökt EU-medel för att få ut materialet på marknaden.
- Vi får ett utmärkt stöd från KTH Innovation via framförallt vår coach Daniel Carlsson som hjälpt oss med det affärsmässiga, men även att säkra finansiering, säger Peter Hedström, Docent och Lektor på KTH, och Utvecklingschef på HiMat Engineering.
HiMat Engineering har precis avslutat KTH Innovations förinkubatorprogram, ett årslångt program för tidiga, teknikbaserade KTH-projekt som vill accelerera sin utveckling. Som en av nio KTH-startups i Batch 5 har de tagit sig igenom hela programmet, där personlig coachning, workshops och tillgång till kontorsplats ger extra fokus och möjligheter.
- Nästa steg för HiMat är att under 2018 på bredare front ta sig in på den svenska marknaden. Vi kommer också fokusera på att utveckla den affärsmässiga grunden och bygga vidare på teamet för att under 2019 växla upp.