西马克开发出废钢管理套件作为一种工具，在降低生产成本的同时减少公司的碳足迹。这个成熟的废钢管理系统的主要功能是收集废钢堆场的过程和材料相关信息。现在，这一成熟的工具还配备了创新的人工智能方法和数学模型，可对所跟踪的信息进行评估，从而显著提高每吨废钢的总体使用效率。
与初级或二级冶炼等其他金属制造步骤相比，回收材料的处理受制于人工流程，自动化程度不高。一般来说，IT 生产系统无法获取有关废钢处理和成分的足够信息。这意味着生产所需的重要数据无法以数字形式提供。与此相关的不确定性给生产计划和控制带来了巨大挑战。
跟踪废钢处理情况
废钢料斗的装料以及天车操作工在废钢处理过程中扮演着重要的角色：废钢料斗必须在最短的时间内按照正确的顺序和重量装满指定配方的材料。西马克的废钢堆场管理系统通过记录天车移动过程中的关键事件提供帮助。这样就可以跟踪废钢堆场内的废钢处理情况，并将设定的配方与实际装载的废钢进行实时比较。天车司机可以使用天车上的操作面板随时检查他已经完成的装载，并在必要时调整预定的装载流程。对于室外废钢堆场，还可以通过应用程序跟踪所有车辆和任何已完成的流程步骤，并对操作工进行指导和引导，以确保室外工作区也完全透明。
对所有时序的详细记录极大地改进了库存水平记录。此外，还可以通过天车横梁上的激光扫描仪捕捉废钢堆的体积，并创建精确的体积模型，计算出精确到几公斤的库存量。这样就可以更精确地下达订单，而不必再花费大量成本无限期地储存任何已订购的材料。在这里，西马克与经验丰富的激光应用提供商 LASE Industrielle Lasertechnik 合作，缩短了储存时间，也减少了材料的氧化，从而提高了产量并减少了二氧化碳排放。激光扫描仪还能精确计算废钢料斗的填充高度（精确到几厘米），从而确保料斗的最佳填充。使用激光扫描仪进行材料检测是实现天车自主操作的重要第一步。
废钢堆场的物料搬运过程也有可视化记录。摄像头记录废钢卸载过程。每批废钢到达时也会被分配到货车和卡车，这样就可以确定每批废钢的来源，并对任何特定供应商的废钢质量进行全面验证。西马克在此基础上更进一步，在卸货过程中使用人工智能对废钢类型进行分类。图像识别算法简化了大量目前需要人工完成且非常耗时的工作。此外，所有废钢料斗的装载过程都被可视化记录下来，这样就可以根据目标分析对相关过程进行检查和优化（如有必要）。
废钢堆场的材料处理过程也有可视化记录。摄像头记录废钢卸载过程。每批废钢到达时都会被分配到货车和卡车，这样就能确定每批废钢的来源，并对任何一家供应商的废钢质量进行全面验证。西马克数字化在此基础上更进一步，在卸货过程中使用人工智能对废钢类型进行分类。图像识别算法简化了大量目前需要人工完成且非常耗时的工作。此外，所有废钢料斗的装载过程都被可视化记录下来，这样就可以根据目标分析对相关过程进行检查和优化（如有必要）。
废钢特征描述
目前，旨在降低原材料装炉成本的优化算法在全球钢铁行业中很少被使用。相反，通常遵循标准操作程序（SOP）。为了将未达到目标分析的风险降至最低，主要使用高质量的废钢和直接还原产品进行装炉。虽然这种方式可以补偿各批次化学成分的严重波动，但它们导致的安全裕度并未考虑到其中蕴含的相当大的节约潜力。目前，几乎没有使用优化算法——因为对废钢化学成分的不确定性太大。
西马克专门设计并构建了人工智能应用程序来解决这个问题。利用历史钢水的化学成分数据，这些机器学习模型能够预测当前存储在废钢堆场中的废钢类型的化学成分。废钢类型的化学成分预测用于优化算法，该算法计算出最具成本效益的废钢混合比例，以实现目标成分，并将直接还原铁的比例降至最低。除了降低原材料成本外，减少CO2排放也是一个积极的附带效果。
西马克公司专门设计并构建了人工智能应用程序来解决这一问题。这些机器学习模型利用钢水的历史化学成分，能够预测目前存放在废钢堆场的废钢类型的化学成分。废钢类型化学成分的预测结果将用于优化算法，该算法可为目标成分计算出最具成本效益的废钢组合，并将直接还原铁的比例降至最低。除了降低原材料成本，减少二氧化碳排放也是一个积极的副作用。
过去，废钢堆场管理在金属产品生产中往往只扮演次要角色。由于生产商面临的成本压力越来越大，以及生产流程向更可持续发展的方向转变，废钢堆场管理正日益成为企业在竞争中脱颖而出的重要特征。通过扩展废钢管理套件的数字模块，西马克在这一方向上迈出了重要一步。 特别是，废钢处理跟踪和废钢特征描述之间的互动提高了回收率，同时确保了材料的更有效利用。因此，只需采取几项措施，就足以大幅减少二氧化碳排放量 。在现有工厂价值链的任何其他阶段，都不可能以合理的成本对二氧化碳平衡产生如此积极的影响。