Master’s thesis: Video analysis of the degassing process - Under tillsättning eller tillsatt, ej sökbar
Denna annons är inte tillgänglig!
Ovako AB
Vår medarbetarresa
På Ovako tror vi att arbetet är mer än bara ett jobb - det är en möjlighet att vara en del av något meningsfullt. Vi främjar en öppen och vänlig atmosfär där varje individ är värdefull och där det finns möjligheter till personlig och professionell utveckling. Många av oss finner tillfredsställelse i vetskapen om att vårt arbete bidrar till att göra världen till en bättre plats.
Som en nordisk global ledare inom hållbart stål är Ovako inte bara en arbetsplats, det är en gemenskap som formar en bättre framtid. Medan vissa kanske kallar oss blygsamma, är sanningen den att vi inser att verklig förändring börjar med oss själva. Följ med oss på denna förändringsresa, där naturens skönhet bara är runt hörnet. Var en katalysator för positiv förändring på Ovako.
För svensk version klicka här
Modern tools for image analysis have attained impressive results in several areas. In light of this, Ovako and Swerim wants to do a master’s thesis project with the aim to apply these tools on video from an important process step in Ovako’s steel mill. Currently the operators of the process take a number of important decisions based on a camera feed from the process. With help from machine learning for image or video analysis, coupled with logged process data, we hope to give the operators a tool to aid them in their decision making. Such a tool would realize large savings if successfully developed and implemented.
Background
The degassing process is an important step in the steel production where the molten steel is subject to a low-pressure environment while inert gas is bubbled through the molten steel. This results in a reduction of volatile components, such as hydrogen, in the steel. At the same time sulfur is absorbed by the slag. The operator judges if this process is completed or not based on the behavior of the slag in the camera feed. This is a difficult and complex judgment that the operators need to get right. A tool that aids in this decision would be very helpful for the operators.
Aim
To develop a system that can aid operators’ decision making based on the camera feed from the degassing process.
Who are we looking for?
We believe that students need to be interested in both machine learning and process industry to successfully carry out this project. Experience from university or elsewhere of using convolutional neural networks for image analysis is a merit.
Other information
The master’s thesis project is carried out at Swerim in Luleå, Stockholm or remotely, as well as at Ovako in Hofors. Ovako provides accommodation during the stays in Hofors. Contacts for the master’s thesis are Krister Ekström at Swerim and Marcus Svadling at Ovako, see below for details. Questions and applications are primarily directed to Krister.
Contacts
krister.ekstrom@swerim.se
070-254 69 80
Marcus.svadling@ovako.com
070-362 58 38
| Anställningsform | Tidsbegränsad anställning |
|---|---|
| Anställningens omfattning | Heltid |
| Tillträde | omgåendes |
| Antal lediga befattningar | 1 |
| Sysselsättningsgrad | 100% |
| Ort | Stockholm, Hofors, Luleå or remotely |
| Län | Ospecificerad arbetsort |
| Land | Sverige |
| Referensnummer | 2022/78 |
| Publicerat | 2022-05-24 |
| Sista ansökningsdag | 2022-06-12 |