KG Steel anunciou, em 26 de outubro, parceria com a Inha University para aplicar inteligência artificial na produção de aço na Planta de Incheon, segundo reportagem da agência Yonhap. O projeto, iniciado em agosto, identificou cinco linhas de pesquisa, priorizando otimização do planejamento de produção e construção de pátio inteligente. Cerca de 2 bilhões de won sul-coreanos serão investidos na iniciativa conjunta.
Método do planejamento de produção com IA
O planejamento de produção será aprimorado por meio de plataforma baseada em dados, onde a IA aprenderá regras operacionais de especialistas e restrições do local de trabalho. A abordagem combina técnicas baseadas em regras com aprendizado por reforço, considerando simultaneamente diferentes tipos de aço e condições de produção, como na linha contínua de revestimento por fusão de zinco (CGL).
Pátio inteligente com visão e LiDAR
O pátio inteligente substituirá o gerenciamento tradicional baseado na experiência dos operários por sistema automatizado. Câmeras de visão computacional e sensores LiDAR identificarão objetos e localizações em tempo real, otimizando entrada e saída de produtos, estocagem e transporte. A expectativa é elevar a precisão e a eficiência das operações logísticas.
Formação de talentos práticos
A iniciativa também visa desenvolver profissionais especializados. Estudantes de mestrado e doutorado da Inha University terão acesso a projetos reais e estágios na Planta de Incheon, com expectativa de formar cerca de 50 profissionais anualmente. KG Steel considera também a contratação desses profissionais ao final do programa.
Contexto do projeto nacional
O projeto integra a iniciativa nacional do Ministério de Ciência e Tecnologia, com duração de seis anos até 2031 e orçamento total de 20 bilhões de won. Das fontes consultadas, ambas destacam a aplicação prática da IA no setor siderúrgico como diferencial da parceria.
O que ainda não foi divulgado
Não foram informados detalhes sobre a implementação progressiva das duas linhas prioritárias, métricas de eficiência esperadas e cronograma de validação no local de produção.
