CASO DE USO · IA SUCATA-ESCÓRIA

IA de classificação de sucata
para pátios de siderurgia.

Um par LiDAR + câmera montado em pórtico distingue sucata ferrosa da escória resfriada em tempo real — por caminhão, por entrega, por corrida. Alimenta o planejador do mix de carga do FEA, reduz o trabalho de triagem no pátio e evita corridas fora de especificação antes de serem carregadas. Feito sob medida para as suas categorias de sucata e para a integração da sua planta.

< 5 cm precisão de centroide
85–95 % precisão típica de classificação
1 LiDAR + 1 câm. por pórtico
Pronto p/ FEA alimenta o planejador de carga
CASO DE USO  ·  Classificação sucata-escória · fusão LiDAR + câmera

Sucata versus escória, separadas no pórtico, antes de chegar à cesta de carga.

A IA de classificação sucata-escória é um pipeline de percepção montado em pórtico que distingue sucata ferrosa da escória resfriada em tempo real em um pátio de siderurgia, usando dados fundidos de LiDAR e câmera para alimentar o planejador do mix de carga do FEA.

A dor é bem conhecida por todo operador de FEA: as entregas de sucata chegam contaminadas com escória resfriada, detritos refratários, finos oxidados e, ocasionalmente, algum bloco não ferroso. Quando essa mistura é graduada da forma errada, a cesta de carga leva a massa errada de ferro real — a corrida acaba com carga insuficiente ou excessiva, o balanço energético desvia, os fluxos precisam ser ajustados de improviso, e, no pior caso, o vazamento sai fora de especificação. O custo aparece como eletricidade desperdiçada por tonelada, desgaste extra de refratário e escorieiras que enchem mais rápido do que o cronograma previu.

Nossa abordagem funde dois sensores na entrada do pátio. Um 3D-LiDAR escaneia a geometria da carga enquanto o caminhão passa sob um pórtico — assinatura de densidade a granel, textura de superfície, estrutura de vazios. Uma câmera colorida de alta resolução acrescenta a cor do material, a tonalidade de oxidação e assinaturas visíveis de refratário ou escória. Um classificador customizado — treinado nas suas categorias de sucata (shredded, bushelling, chapas e estruturais, HMS, torneamento) e nos seus tipos de escória — retorna um detalhamento por caminhão: estimativa de tonelagem por categoria, fração de escória, sinalizadores de contaminação. O resultado é gravado diretamente no planejador de carga ou no MES via OPC UA, REST ou MQTT.

Isto não é um SaaS de prateleira. Cada usina siderúrgica tem suas próprias fontes de sucata, sua própria escorieira, seu próprio modelo de carga do FEA. Tratamos cada contrato como um build de descoberta + escopo fechado, descendendo do nosso serviço central Industrial Perception AI. Tipicamente quatro a doze semanas do contrato à ferramenta em produção, com o código e o modelo entregues a você no final.

"Um mix de carga ruim é a forma mais cara de descobrir o que havia realmente no caminhão."

Construído pela mesma equipe que entrega nosso pipeline LiDAR de detecção de vagões — seis centroides de tampa, erro abaixo de 5 cm, resposta em dois segundos.

Três estágios

Do caminhão à cesta de carga — três estágios do pipeline.

1 · Pórtico de sensores na entrada do pátio

Um LiDAR mais uma câmera colorida calibrada montados em um pórtico de aço na entrada do pátio de sucata ou na balança rodoviária. Os caminhões passam em velocidade normal — o sistema captura a geometria da carga e a imagem de superfície em movimento, sem precisar parar. Carcaças IP65+, óticas tolerantes a poeira, funciona em neblina, neve e iluminação noturna.

2 · Classificação + segmentação

O classificador de fusão separa a carga nas suas categorias de sucata — shredded, bushelling, chapas e estruturais, HMS, torneamento — além de escória resfriada, detritos refratários e contaminação desconhecida. Estimativa de tonelagem por categoria por caminhão, máscara de segmentação para auditoria visual. Modelos retreinados nos seus dados rotulados, não em um benchmark público.

3 · Integração com planejador de carga + MES

Os resultados de classificação são gravados no planejador de carga ou no MES via OPC UA, REST ou MQTT — mesmo turno, antes de a cesta ser enchida. O modelo de carga vê massas reais por categoria em vez de estimativas do operador. Entregas fora de especificação são sinalizadas antes de entrarem no mix; caminhões contaminados com escória são devolvidos ao fornecedor com a evidência anexada.

Arquitetura do pipeline · #how-it-works

Como o pipeline funciona — concretamente.

Mantemos a arquitetura chata de propósito. Três estágios fracamente acoplados, cada um testável de forma independente, cada um substituível quando a pilha de sensores muda. Construído na mesma pilha que usamos em todos os nossos trabalhos de percepção: PCL, Open3D, OpenCV, PyTorch.

01

Captura de varredura no pórtico

O LiDAR entrega uma nuvem de pontos 3D da carga inteira do caminhão — tipicamente mais de um milhão de pontos por passagem em velocidade de pórtico. A câmera acrescenta uma imagem colorida sincronizada, calibrada pela lente e com marca temporal. Os dados brutos são gravados em armazenamento local com UUID por caminhão para trilha de auditoria e rerrotulagem.

02

Classificador de fusão

A nuvem de pontos passa por remoção de solo, downsampling por voxels e um classificador estilo PointNet treinado nas suas categorias de sucata. A imagem colorida passa por uma CNN treinada nos mesmos rótulos. As duas cabeças são fundidas em uma única predição por voxel — tipicamente 85–95% de precisão de classificação em dados de produção, dependendo de quão limpas suas categorias de sucata realmente são.

03

Gravação no planejador de carga

Saída por caminhão: tonelagem estimada por categoria, fração de escória, sinalizadores de contaminação, imagens de auditoria. Grava no planejador de carga do FEA via OPC UA — ou no MES, no ERP, no sistema de gestão de pátio, no que a planta já rodar. O modelo de carga agora lê massas reais por categoria em vez de estimativas do operador.

Todos os três estágios rodam em um PC industrial no armário do pórtico. Sem dependência de nuvem, sem API externa, sem licença que "telefona para casa". O código é seu na entrega.

O que você recebe

Três entregáveis — do mesmo pipeline.

Relatório de classificação por caminhão

Cada entrega recebe um registro estruturado: detalhamento de massa por categoria de sucata, fração de escória, sinalizadores de contaminação, imagens de auditoria, ID do fornecedor, referência cruzada com o ticket da balança rodoviária. Entra no painel de qualidade de fornecedores, no ERP e no fluxo de aceitação do pátio.

Mapa de calor de inventário do pátio

Ao longo de muitos caminhões, o pátio acumula um mapa de envelhecimento: qual baia guarda qual mix de sucata, há quanto tempo está parada, quanta contaminação de escória há em cada pilha. Mesmo modelo temporal que usamos no monitoramento de pilhas — aplicado a categorias de sucata.

Recomendação de mix de carga por corrida

Para cada corrida planejada, o sistema propõe um mix de carga que atinge a química-alvo dentro das tolerâncias típicas de finos e escória — puxando do inventário real do pátio em vez de médias supostas. O metalurgista ainda aprova; o planejador cuida da escrituração.

Por que customizado

Por que um build customizado — não um produto de prateleira.

Cada usina siderúrgica tem suas próprias fontes de sucata, seu próprio modelo de carga do FEA e seus próprios sensores de pátio existentes. Um classificador genérico resolve o caso genérico; o seu caso não é o caso genérico.

Calibração específica do material

Uma pilha shredded em uma usina parece diferente de uma pilha shredded em outra — shredder diferente, feedstock diferente, história de oxidação diferente. Calibramos o modelo no seu material sob as suas condições de iluminação e poeira, e recalibramos quando o mix de fornecedores muda.

Rotulagem e dados de treinamento específicos da planta

Nós trazemos a ferramenta de rotulagem e as horas de engenharia. Você traz o operador que realmente sabe o que há em cada caminhão. O resultado é um dataset rotulado que pertence a você e que você pode continuar usando à medida que o modelo evolui — sem lock-in de fornecedor nos dados de treinamento.

Integração com sensores de pátio e pontes rolantes existentes

A maioria dos pátios siderúrgicos já tem balanças rodoviárias, portões RFID, câmeras ANPR e pontes rolantes. Nós fundimos a saída de classificação no que já existe — não substituímos o seu sistema de gestão de pátio. Suportamos OPC UA, REST, MQTT e saídas analógicas.

Propriedade da IP + entrega limpa

Você recebe o código-fonte, os pesos do modelo e o dataset rotulado na entrega. Documentamos o sistema, treinamos sua equipe e saímos limpos. Sem caixa-preta, sem licença mensal por caminhão, sem contrato de serviço do qual você não possa sair. Veja nosso FAQ sobre IP e modelo de contrato para os termos padrão.

FAQ

Perguntas sobre classificação sucata-escória.

As perguntas de modelo de contrato que ouvimos de cada cliente de siderurgia considerando um build customizado de percepção. Precisa de algo mais específico para o seu pátio? Pergunte.

Industrial Perception AI

Quanto custa um software de perception AI sob medida? +
Não divulgamos preços de tabela porque cada projeto é dimensionado conforme os seus dados e a sua lógica de decisão — mas trabalhamos em três tiers previsíveis. Discovery & Assessment — um workshop de 1 a 3 dias, presencial ou remoto, preço fechado na faixa dos quatro dígitos baixos. Você recebe uma nota escrita de viabilidade, um próximo passo recomendado e (se aplicável) uma proposta de preço fechado para o projeto subsequente. Útil mesmo que você não avance depois — muitos clientes usam a nota para avaliar dois ou três fornecedores. Custom Pipeline / Tool — um projeto de 4 a 12 semanas que entrega uma pipeline de percepção pronta (parser + algoritmo + painel ou integração OPC UA). Escopo fechado, preço fechado, você é dono do código na entrega. O tamanho típico do projeto fica entre a faixa média de cinco dígitos e a faixa baixa de seis dígitos, dependendo do volume de dados, número de sensores e profundidade da integração. Long-term Partnership — um retainer mensal para desenvolvimento contínuo e suporte on-call. Dimensionado conforme a capacidade de equipe necessária (tipicamente 0,5 a 2 equivalentes de FTE). Road-mapping trimestral incluído. Todos os três tiers incluem código-fonte, documentação escrita e uma entrega limpa — sem dependência de licença nossa. Consulte o nosso serviço Industrial Perception AI para o modelo completo de colaboração.
Quanto tempo leva para construir uma pipeline de percepção sob medida? +
Do contrato assinado à ferramenta funcionando em produção, espere 4 a 12 semanas para um projeto padrão de pipeline sob medida. A variação é determinada por três fatores. Prontidão dos dados. Se você já tem dados rotulados ou gravações representativas, começamos o treinamento na semana 1. Se precisarmos configurar a coleta de dados, adicionar um sensor ou rotular do zero, o front end acrescenta de 1 a 3 semanas. Profundidade de integração. Um painel autônomo com saída REST é o caminho mais rápido — tipicamente de 4 a 6 semanas. Integração OPC UA em um sistema de controle em operação, com intertravamentos, testes de aceitação de fábrica e um processo de gestão de mudanças do cliente, fica mais próxima de 8 a 12 semanas. Número de sensores e complexidade do site. Um LiDAR + uma câmera em um ambiente interno limpo é mais rápido do que um pórtico externo com seis sensores em meio a poeira, neve e iluminação dinâmica. Nós dimensionamos essa diferença antecipadamente no workshop Discovery. Para um primeiro sinal mais rápido recomendamos o tier Discovery & Assessment — 1 a 3 dias, preço fechado, nota escrita de viabilidade em até uma semana. Consulte Industrial Perception AI para o modelo completo.
Quem é dono do código e da PI que pagamos para vocês construírem? +
Você é. Nosso contrato padrão transfere a propriedade total do código específico do projeto, dos pesos do modelo, dos dados de treinamento (quando os dados são seus) e da documentação para você na aceitação final. Não mantemos uma licença "porta dos fundos" e não prendemos você em um contrato de manutenção. O que retemos é a nossa toolbox pré-existente — bibliotecas reutilizáveis, utilitários de calibração, parsers genéricos de dados, o núcleo do OWL EYE® — que licenciamos para você, isenta de royalties, para uso na ferramenta entregue. Esse é o mesmo limite que qualquer empresa de engenharia respeitável estabelece: nós trazemos a caixa de ferramentas, você fica com o entregável. Se você quiser um arranjo de PI diferente — por exemplo, uma patente conjunta sobre um algoritmo inovador ou um modelo co-desenvolvido que ambos reutilizamos com consentimento — estruturamos isso explicitamente no contrato do projeto. Nos avise antecipadamente no workshop Discovery. Detalhes completos do engajamento em nossa página Industrial Perception AI.
Vocês conseguem usar as nossas câmeras e sensores LiDAR existentes? +
Sim — na maioria dos casos. Nossa toolchain é agnóstica a sensor na camada de dados. Se os seus sensores entregam um formato padrão (PCD, LAS, E57 para nuvens de pontos; RTSP, GigE Vision, USB3 Vision para câmeras), conseguimos ingeri-los em um dia. Já trabalhamos com câmeras Riegl, Livox, Faro, Hesai, Velodyne, Ouster, Basler, FLIR, Allied Vision e IDS. Vamos dizer honestamente quando o hardware existente não for a ferramenta certa. Casos comuns em que recomendamos substituição: - O LiDAR existente é muito estreito (FoV ou alcance) para cobrir a área que você quer classificar — geralmente resolvido reposicionando antes de comprar qualquer coisa nova. - A câmera está fazendo auto-exposição em uma cena de alto contraste (sol + sombra em um portão), o que quebra a confiabilidade da classificação — resolvido trocando para uma câmera industrial de exposição manual com sensor HDR. - O bloqueio de fornecedor do sensor existente (formato de stream proprietário, sem SDK documentado) faz com que a integração custe mais do que uma substituição por Livox. Não ganhamos margem revendendo hardware para você. Se você quiser que a gente forneça sensores novos, fazemos isso através do nosso canal normal de Hardware & products a preço de tabela. Consulte Industrial Perception AI para saber como dimensionamos.

Envie uma varredura do seu pátio.

Algumas nuvens de pontos de amostra, algumas imagens de caminhões, uma descrição das suas categorias de sucata — respondemos em até dois dias úteis com uma nota escrita de viabilidade e um escopo de preço fechado para o workshop de descoberta. Parte do nosso serviço Industrial Perception AI.

info@sachtleben-technology.com +49 7831 969 22-190
Envie-nos uma mensagem

Conte-nos sobre seu pátio de sucata.

Configuração de sensores, nuvens de pontos de amostra, suas categorias de sucata, sua interface do planejador de carga — qualquer coisa que você tenha. Respondemos em até dois dias úteis com uma avaliação inicial honesta e um escopo de preço fechado para o workshop de descoberta.

Company address (optional)Firmenadresse (optional)Adres firmy (opcjonalnie)Indirizzo azienda (opzionale)Adresse de la société (facultatif)Dirección de la empresa (opcional)Endereço da empresa (opcional)
Direct line Direktwahl Telefon bezpośredni Linea diretta Ligne directe Línea directa Linha direta
Mon — Fri · 08:00 – 17:00 CET Mo — Fr · 08:00 – 17:00 Uhr Pn — Pt · 08:00 – 17:00 CET Lun — Ven · 08:00 – 17:00 CET Lun — Ven · 08:00 – 17:00 CET Lun — Vie · 08:00 – 17:00 CET Seg — Sex · 08:00 – 17:00 CET
Email E-Mail E-mail Email E-mail Correo electrónico E-mail
Response within one business day. Antwort innerhalb eines Werktages. Odpowiedź w ciągu jednego dnia roboczego. Risposta entro un giorno lavorativo. Réponse sous un jour ouvré. Respuesta en un día laborable. Resposta em um dia útil.
Headquarters Unternehmenssitz Siedziba główna Sede principale Siège social Sede central Sede
Sachtleben Technology GmbH
Tresdorf 6
24238 Mucheln
Germany Deutschland Niemcy Germania Allemagne Alemania Alemanha
Última atualização: