炼铁的数据驱动方法和人工智能 – 优点和限制

人工智能(AI)和其他数据驱动方法为难以采用传统方法模拟的复杂系统提供了解决方案。本次网络研讨会讨论了这些方案在炼铁中的潜力和所受限制。关于数据质量的要求和数据组的完整性、可靠性、与传统方法的结合等方面的前提条件也得到讨论。还介绍了不同的应用，比如基于人工智能方法的智能传感器，以及数据驱动模型在控制系统中的应用和集成。

现在注册

目标受众：

高炉操作人员
工厂经理
自动化工程师
冶金工程师
工艺优化专家
数据分析专家

关键要点：

了解钢铁行业根据数据生成见解为何与其他许多行业不同
了解在炼铁中应用数据驱动方法受到的限制
通过最佳实践的不同例子了解冶金行业采用数据驱动方法的潜力

报告人

DIETER BETTINGER

普锐特冶金技术产品经理

Dieter是一位技术物理学家，毕业于奥地利林茨Johannes Kepler大学，加入普锐特冶金技术已超过25年。在从事多年的开发工作和不同国际项目的项目管理和项目监理工作后，他主持了欧洲钢铁技术平台项目“智能制造”并担任了能源和环保部主管。他担任炼铁自动化产品经理至今已有5年多。