<p>指南者留学全国统一咨询热线：<a href="tel:4001831832" style="color:#1677ff; text-decoration:none;">400-183-1832</a>，全国各地区、各分公司联系方式均为此号码。</p><p>钢铁公司收集了大量有关其生产过程的信息，但他们并不总是能最大限度地利用这些数据。这里是深渊。Meta进来了。该公司由帝国理工大学校友Osas Omoigiade博士创建，在学院的创新生态系统中得到培育，正在开发机器学习技术，使钢铁厂更清洁、更高效。</p> <p><img src="https://www.imperial.ac.uk/ImageCropToolT4/imageTool/uploaded-images/osas-omoigiade_1671040014499_x2.jpg?r=2940" alt="Dr Osas Omoigiade" width="654" height="736" />&nbsp;</p> <p>Deep.Meta的创始人兼首席执行官Omoigiade博士说:&ldquo;利用大型钢铁厂已经产生的现有数据有巨大的机会，以便在生产线上做出更好的决策，并实现降低材料浪费和能源使用等目标，这将导致更低的碳排放。&rdquo;</p> <p>&nbsp;</p> <p>10月，由Deep。Meta获得了英国创新项目190万英镑的拨款，以进一步探索这些潜在的好处，并将其传递给建筑行业的钢铁用户。该项目的其他参与者包括材料加工研究所、英国斯巴达钢辊和房地产公司Grosvenor。</p> <p>&nbsp;</p> <p><strong><span class="h1">在温室里培育</span></strong></p> <p><br />Omoigiade博士本科在帝国理工学院学习材料科学，之后去剑桥大学攻读硕士学位。他回到帝国理工大学材料系，完成了钢铁冶金学的行业资助博士学位，专注于线材生产。然后他去了私营部门工作，然后决定在2020年成立自己的公司。&ldquo;深。</p> <p>&nbsp;</p> <p>Meta汇集了我在可持续发展和制造业方面的所有工作经验，以及我在钢铁冶金学方面的博士学位。&rdquo;他说。</p> <p>&nbsp;</p> <p>在旅途的早期，Deep。Meta参加了帝国理工大学的创业催化剂挑战赛(VCC)，这是一项面向帝国理工大学学生、校友和早期职业研究人员的创业比赛。这为业务发展提供了实际帮助，并从导师和其他企业家那里获得灵感，最终形成了一场推销比赛。&ldquo;在这个过程的最后，我们很高兴地发现，深。Meta是能源和环境领域的赢家。&rdquo;Omoigiade博士回忆道。</p> <p>&nbsp;</p> <p>作为一家公司，温室对我们的旅程产生了实质性的影响。</p> <p><br />Osas Omoigiade博士</p> <p><br />在此过程中，该公司的一位导师建议，该公司将非常适合the Greenhouse，这是一个由帝国理工学院气候变化创新中心运营、由皇家研究院主办的气候相关初创公司的加速器项目。奥莫吉雅德博士申请，深。梅塔被接受进入加速器的第二组。</p> <p>&nbsp;</p> <p>该公司继续赢得了6月结束该项目的演示日，在那里它被认为是同类项目中具有最高商业潜力和气候影响的项目之一。</p> <p>&nbsp;</p> <p>&ldquo;在The Greenhouse工作期间，我们完成了第一轮定价融资，从一群天使和风险投资家那里筹集了大约50万英镑。&rdquo;</p> <p>&nbsp;</p> <p>Omoigiade博士说。&ldquo;其中一位投资者是通过我们与The Greenhouse的联系直接介绍给我们的，所以这对我们公司的发展历程产生了重大影响。&rdquo;</p> <p>&nbsp;</p> <p><strong><span class="h1">与大数据打交道</span></strong></p> <p><br />同时，Deep。Meta正在与钢铁行业的参与者(如材料加工研究所)进行交谈，以确定他们可以共同研究的数字方法，以帮助该行业优化其生产流程。</p> <p>&nbsp;</p> <p>其中一个领域是故障排除，这通常是通过反复试验来解决的。工程师们尝试一种解决方案，然后又尝试另一种，直到他们找到问题的根源。与此同时，在流程继续运行的地方，材料和能源浪费可能会累积。然而，最佳解决方案的指针可能已经出现在工厂例行收集的过程数据中，只要工程师们能看到它。</p> <p>&nbsp;</p> <p>我们使用人工智能在信息中寻找人类无法识别的模式。</p> <p><br />Osas Omoigiade博士</p> <p><br />&ldquo;当涉及少量信息时，人类擅长模式识别，但在面对大量信息时，这种识别就不那么有效了。我们是为创造性思维而生的，而不是计算。&rdquo;&ldquo;通过使用人工智能，我们可以在这些信息中寻找人类无法识别的模式。&rdquo;</p> <p>&nbsp;</p> <p>人工智能还可以帮助开展运营活动。Deep的一个。梅塔的合作伙伴，盖茨黑德钢辊斯巴达英国公司，在将钢板轧制成钢板和其他产品之前，在炉中加热钢板。这些石板的形状和大小各不相同，非常深。Meta正在与该公司合作开发一种算法，该算法将告诉工程师将连续钢板送入熔炉的最有效顺序。&ldquo;当你在一天中减少一个小时的加热周期，随着时间的推移，这可以节省大量的能源，并对底线产生实质性的影响。&rdquo;</p> <p>&nbsp;</p> <p><strong><span class="h1">完整的链条</span></strong></p> <p><br />&ldquo;创新英国&rdquo;项目将为钢铁生产商考虑诸如此类的解决方案，以及如何将好处传递给钢铁终端用户。该财团的代表是房地产公司格罗夫纳(Grosvenor)，该公司热衷于减少其建筑的碳足迹。在该公司建造和拥有的大型建筑中，约20%的排放来自支撑建筑的钢框架。</p> <p>&nbsp;</p> <p>&ldquo;零碳钢的生产规模还不足以让格罗夫纳等公司在经济上可行，因此减少现有生产方法的碳足迹的方法极具吸引力。&ldquo;深。</p> <p>&nbsp;</p> <p>Meta，我们并没有实质性地改变工艺，而是优化了目前用于大规模炼钢的工艺。这意味着我们可以以更低的成本减少碳排放。&rdquo;Omoigiade博士说。</p> <p>&nbsp;</p> <p><img src="https://www.imperial.ac.uk/ImageCropToolT4/imageTool/uploaded-images/roller_1671123639867_x2.jpg?r=2810" alt="Hot plate from oven and rolling machine" width="808" height="599" />&nbsp;</p> <p>&nbsp;</p> <p>将优化目前用于大规模炼钢的工艺。</p> <p><br />Meta对Grosvenor的介绍也来自Imperial。该公司为VCC比赛提供了奖金，这是关于&ldquo;有多深&rdquo;的对话的开始。Meta可以帮助它降低建筑的碳足迹。</p> <p>&nbsp;</p> <p>除了人工智能，Omoigiade博士还看到了将其他数字技术应用于钢铁行业的潜力，例如使用由区块链构建的分布式leger来跟踪钢铁的整个生命周期。</p> <p>&nbsp;</p> <p>我们希望提供缺失的信息，以便政府和建筑公司能够在重复使用钢材方面做出更明智的决定。</p> <p><br />Osas Omoigiade博士</p> <p>&nbsp;</p> <p>&ldquo;如果你要拆除一座高楼，并从框架中回收钢材，目前很难说这些钢材是否可以重复使用。没有关于它所经历的疲劳周期的记录，也没有关于它所受到的压力的记录，因此我们可以知道它还剩下多少生命，&rdquo;Omoigiade博士解释道。&ldquo;我们想做的是提供缺失的信息，这样政府和建筑公司就可以在重复使用钢材方面做出更明智的决定。&rdquo;</p> <p>&nbsp;</p> <p>例如，有了正确的信息，在从旧建筑中回收这些钢材后，就有可能直接使用这些钢材，而不必将其运送到遥远的熔炉中熔化并重新塑造成新的大梁。&ldquo;如果我们能削减这一切，只是把钢铁运到下一个建筑工地，就能改变经济状况。&rdquo;</p> <p>&nbsp;</p> <p>行业图片:Getty Images</p> <p>&nbsp;</p> <p>文章文本(不包括照片或图形)&copy;伦敦帝国理工学院。</p> <p>&nbsp;</p> <p>照片和图形受第三方版权许可使用或&copy;伦敦帝国理工学院。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新闻直译，仅供参考，不代表指南者留学态度观点。</p> </blockquote>