Sztuczna inteligencja w metalach nieżelaznych i recyklingu
Trzy zastosowania referencyjne, wybrane według kryteriów K1–K5 spośród przypadków opisanych w źródłach publicznych z lat 2021–2026. Ranking odzwierciedla stan publikacji, a nie pełny obraz wdrożeń: zakłady, które nie publikują wyników, pozostają poza przeglądem.
Elektroliza Al · EGA · P2/N22–3 dni → < 1 zmianaczas wykrycia zakłóceń anodowych względem dotychczasowej praktyki; 2 592 wanny, 30% pozostawiono jako referencję do oceny korzyści
Przetwórstwo · przegląd 2021–20260opublikowanych wyników AI z grupą kontrolną dla nazwanej linii walcowania, wyciskania, walcówki, rur lub folii
Metale i wyroby z metali · Eurostat · 202514,3% UE · 7,2% PLodsetek firm (10+ osób) stosujących co najmniej jedną technologię AI; dane obejmują także stal
Opracowanie: Izba Gospodarcza Metali Nieżelaznych i Recyklingu · stan na 25.10.2026 · przegląd co 6 miesięcy, następny do 30.04.2027 · przygotowane z użyciem narzędzi AI
Streszczenie
Pięć tez
Najlepiej udokumentowany przypadek AI dotyczy hutnictwa pierwotnego. W przeglądzie jedynie EGA opisuje wynik odniesiony do grupy referencyjnej wanien [1], w programie ocenionym zewnętrznie [2]. Nie świadczy to o mniejszej wartości AI w przetwórstwie, lecz o braku publikacji z tego obszaru.
W recyklingu skład stopu mierzy czujnik, a uczenie głębokie rozstrzyga tam, gdzie liczy się kształt i kontekst. Sortowanie stopów 5xxx/6xxx metodą LIBS działa w skali tysięcy ton bez uczenia głębokiego – na klasyfikacji chemometrycznej i regułach [6]. Udziału AI w wyniku kaskad czujników nikt dotąd nie zmierzył [9][10].
Wizja maszynowa przy linii to najczęściej opisywana klasa AI w przeglądzie, ale bez opublikowanych zmierzonych wyników. Kontrolę 100% anod węglowych deklaruje EGA według dostawcy platformy [14]; Jiangxi Copper, Ningbo Jintian i Hindalco wdrożyły wizyjną kontrolę katod i taśm [15][16][41].
Wiarygodny wynik wymaga projektu pomiaru, a nie tylko modelu. W EGA: tryb doradczy, grupa referencyjna wanien i potwierdzenie korzyści przez dział finansów przed rozszerzeniem wdrożenia [1].
Rok 2027 wymusza dane, które są jednocześnie materiałem dla AI. Paszport baterii (18.02.2027), ograniczenie wywozu odpadów poza OECD (21.05.2027), pierwsza deklaracja CBAM (30.09.2027) i cele odzysku metali z baterii (31.12.2027) wymagają bilansu masy i identyfikowalności partii [24][25][38].
Metodyka
Zakres, ocena dowodów i wybór TOP 3
Zakres: od koncentratu i wsadu do wyrobu oraz obieg złomu – hutnictwo, rafinacja, przetwórstwo i recykling metali nieżelaznych. Wydobycie i wzbogacanie rudy należą do górnictwa i pozostają tłem.
Protokół przeglądu
Okres: 01.2021–10.2026; ostatnie wyszukiwanie 25.10.2026. Źródła: raporty roczne, zrównoważonego rozwoju i giełdowe spółek (w tym SEC i CNINFO), komunikaty spółek, materiały ICSOBA i International Copper Conference, czasopisma recenzowane, CORDIS, wykazy MIIT, raport WEF Global Lighthouse Network, EUR-Lex, ISAP, Eurostat, EuroHPC i portal Funding & Tenders. Języki: angielski, chiński, niemiecki, polski, rosyjski, hiszpański.
Procedura: cztery kwerendy tematyczne (recykling, produkcja pierwotna, przetwórstwo, kierunki 2027), następnie sześć niezależnych audytów faktów – każde twierdzenie sprawdzono w otwartym dokumencie źródłowym – oraz audyt techniczny i recenzja naukowa. Oceniono 36 przypadków: włączono 21 (tabele TOP 1–3 i „Poza TOP 3”), wyłączono 15 (tabela 2); dodatkowo odrzucono 3 liczby znane wyłącznie z przekazów wtórnych.
Kwerendę i audyty wykonano z użyciem narzędzi AI, bez prerejestracji protokołu. Pełne teksty TMS Light Metals – głównego miejsca publikacji prac o AI w elektrolizie aluminium – nie były dostępne; prace EGA z 2024 r. znane są wyłącznie z indeksu.
Ocena dowodów w dwóch wymiarach
Projekt pomiaru (P)
P1
grupa kontrolna z opisanym doborem
P2
grupa referencyjna zadeklarowana, bez opisu doboru
P3
porównanie „przed i po” lub z dotychczasową praktyką
P4
brak przypisania efektu albo brak liczb
L
wynik laboratoryjny lub preprint – nie spełnia K1
Niezależność źródła (N)
N1
publikacja recenzowana lub ocena strony trzeciej z ujawnioną metodą
N2
publikacja konferencyjna, raport lub dokument spółki
N3
dostawca technologii lub doradca
†
komunikat państwowej agencji prasowej jako źródło zastępcze dla spółek chińskich
Zasady
Liczba bez zdefiniowanej miary albo podana wyłącznie w prasie nie podnosi oceny. Źródło pierwotne to dokument spółki, urzędu, aktu prawnego lub publikacja autorów wdrożenia; prasa branżowa posłużyła tylko do odnalezienia źródeł.
P2/N2P3/N1P4/N2P4/N3L/N1
Kryteria wyboru
Warunek wstępny W0: źródło wprost opisuje metodę AI lub uczenia maszynowego. Każde kryterium oceniono w skali 0–2 z równą wagą; przy remisie decyduje wyższa ocena K2, a następnie K3.
K1Skala przemysłowa0 – laboratorium lub pojedynczy pilotaż · 1 – jeden zakład · 2 – wiele zakładów lub ponad 1 000 jednostek
K3Źródło0 – tylko prasa lub dostawca · 1 – raport spółki lub agencja państwowa · 2 – publikacja autorów wdrożenia lub ocena strony trzeciej
K4Przenoszalność0 – rozwiązanie jednostkowe · 1 – opisana metoda · 2 – metoda dostępna komercyjnie lub powtórzona w innym zakładzie
K5Znaczenie dla łańcucha wartości0 – marginalne · 1 – jakość lub koszt jednego ogniwa · 2 – energia, emisje lub obieg metalu w skali branży
Tabela 1. Macierz ocen klas zastosowań
Klasa zastosowania
W0
K1
K2
K3
K4
K5
Suma
Wynik
Elektroliza Al – soft sensory i detekcja zakłóceń
tak
2
1
2
2
2
9
TOP 1
Sortowanie złomu – kaskada czujników z AI
tak
2
0
1
2
2
7
TOP 2
Wizja i predykcja przy liniach
tak
2
0
1
2
1
6
TOP 3
Wykrywanie zwarć w elektrorafinacji miedzi
nie
2
0
1
1
2
6
niezakwalifikowane – źródła nie wskazują AI
Flotacja – model hybrydowy i MPC
tak
2
1
2
1
1
7
poza zakresem (górnictwo) – tło
Branżowe modele językowe i agenci
tak
1
0
1
1
1
4
kierunek 2027
TOP 3 ma najniższy poziom dowodu z trzech wyróżnionych klas: wynika z liczby niezależnych wdrożeń (K1) i dostępności technologii (K4), nie z siły dowodu. Wykrywanie zwarć w elektrorafinacji ma tę samą sumę (6), ale nie spełnia warunku W0 – źródła nie wskazują metody AI – dlatego nie wchodzi do rankingu.
Rysunek 1. Łańcuch wartości metali nieżelaznych i miejsca zastosowań TOP 1–3
Opracowanie własne, schemat poglądowy. Zielone obramowanie: ogniwa z zastosowaniami TOP 1–3; zielone strzałki: obieg wtórny. Etykiety wskazują klasy metod najczęściej opisywane w 21 włączonych przypadkach.
TOP 1
Elektroliza aluminium
Soft sensor i wykrywanie zakłóceń w wannach elektrolitycznych
Model uczony na godzinnych danych z wanny uzupełnia rzadki pomiar temperatury elektrolitu i wskazuje anody wymagające interwencji, skracając czas trwania zakłócenia, które obniża wydajność prądową.
Zakład
Zakres
Metoda
Wynik
Ocena
EGA – Jebel Ali i Al Taweelah (ZEA)
1 572 wanny w Jebel Ali i 1 020 wybranych wanien w Al Taweelah; 30% pozostawiono jako referencję do oceny korzyści
Random Forest (klasyfikacja i regresja), strojenie bayesowskie; ponad 30 parametrów agregowanych co godzinę; soft sensor temperatury elektrolitu (pomiar termoparą co 48 h), błąd średni 4,4 °C
wykrycie zakłóceń anodowych w czasie krótszym niż jedna zmiana zamiast 2–3 dni (względem dotychczasowej praktyki); „audytowane” przyrosty 3 050–9 070 t metalu – przedział zależny od technologii wanien, bez okresu i bez wskazania audytora
sieć RBF na prądach pojedynczych anod do wykrywania źle osadzonej anody (2018); model niskonapięciowego efektu anodowego kalibrowany pomiarami CF₄ (2020)
brak wyników zakładowych; niskonapięciowe efekty anodowe to do 50% emisji PFC w części konstrukcji wanien
Wartości z [1] wymagają doprecyzowania: recall 75% i precision 35% pochodzą z walidacji wstecznej na danych z trzech miesięcy dla 57 wanien dobranych warstwowo, a nie z pomiaru prospektywnego; publikacja nie opisuje doboru grupy referencyjnej. Huta Al Taweelah została uszkodzona w marcu 2026 r.; według Reuters (26.08.2026) uruchomiono ponownie 315 z 1 262 wanien, a pełną produkcję przewidziano na I kw. 2027 r. [31] – wyniki z tabeli pochodzą sprzed tego zdarzenia. Wyłączenie przypadku Chalco Guizhou uzasadnia tabela 2.
Rysunek 2. Wanna elektrolityczna z warstwą danych i pętlą doradczą
Opracowanie własne na podstawie [1], schemat poglądowy bez zachowania proporcji. Temperatura elektrolitu orientacyjna, zależna od składu (nadmiar AlF₃). Pętla zamyka się przez operatora – model nie steruje wanną bezpośrednio.
Dla zarządu
Mechanizm wartości: zakłócenie anodowe wykryte o dni wcześniej trwa krócej, a każda godzina zakłócenia obniża wydajność prądową; efekt sumuje się na tysiącach wanien.
Przy energii ok. 13 500 kWh/t (DC) wzrost wydajności prądowej o 1 pkt proc. odpowiada ok. 140 kWh/t, a spadek napięcia o 10 mV – ok. 32 kWh/t.
Program Przemysłu 4.0 w EGA przyniósł według spółki ok. 100 mln USD efektu od 2021 r.; liczba dotyczy całego programu, nie pojedynczego modelu [7]. Źródła nie ujawniają nakładów ani okresu zwrotu.
Warunek wejścia: historian z danymi godzinowymi z kilku lat i technolodzy, którzy weryfikują alerty.
Dla inżyniera
Zjawisko
szpic anodowy (spike) – wypukłość na spodzie anody, która zbliża się do metalu lub go dotyka: maleje odległość anoda–katoda, rośnie prąd anody i temperatura, spada wydajność prądowa. Efekt anodowy to spadek stężenia Al₂O₃ poniżej ok. 1,5–2% mas., skok napięcia (lub przebieg niskonapięciowy) i emisja CF₄ oraz C₂F₆ – inny problem i inne modele.
Dane
napięcie wanny, prądy anod (spadek napięcia na trzpieniu), dozowanie, zdarzenia obsługi; etykiety z historii zakłóceń; termopara co 48 h jako zmienna celu soft sensora. Błąd 4,4 °C odnosić do przegrzania elektrolitu (zwykle 5–15 K), które bywa właściwą wielkością docelową.
Model
zespół drzew (Random Forest) – stabilny przy małej liczbie zdarzeń i łatwy do wyjaśnienia; strojenie bayesowskie
Metryki
recall 75% przy precision 35% (F1 ≈ 0,48) – na jedno rzeczywiste zakłócenie średnio ok. 2 fałszywe alarmy; według autorów sondowanie anody po alarmie jest tanie, stosunku kosztów nie podano. Raportować nakład kontroli na zmianę, rozkład wyprzedzenia alarmu i PR-AUC, nie „dokładność”.
Przeliczenie
WDC [kWh/t] ≈ 2980 · U [V] / η; założenie η ≈ 94%, U ≈ 4,26 V; energia DC na szynach wanny, AC wyższa o ok. 2–3% przez straty prostowników
Walidacja
podział danych w czasie (bez losowego – wyciek informacji); test poza okresem uczenia osobno dla każdej technologii wanny; tryb cienia przed doradczym; KPI ustalone z góry; grupa referencyjna z opisanym doborem
Integracja
panel w sterowni, alert głosowy i SMS, zlecenie dla obsługi serii lub CMMS, powiązanie z harmonogramem wymiany anod; zamknięcie pętli dopiero po okresie doradczym
Opóźnienie
decyzja w skali minut do godziny – wystarcza inferencja centralna
Do odtworzenia
liczba zdarzeń z etykietą i proporcja klas, okres i podział danych, częstotliwość ponownego uczenia, sposób doboru wanien referencyjnych
Ograniczenia. Przyrost metalu w [1] podano jako przedział między technologiami wanien, bez okresu – nie wolno go przeliczać na rok ani sumować. Wyniki dotyczą wanien 230–465 kA; przeniesienie na inną technologię wymaga ponownego uczenia i własnej grupy referencyjnej.
TOP 2
Recykling
Kaskada czujników z uczeniem głębokim w sortowaniu złomu aluminium
Rentgen rozdziela materiały według efektywnej liczby atomowej, sieć neuronowa na obrazie odrzuca odlewy i zanieczyszczenia, a spektroskopia laserowa przypisuje kawałek do serii stopu. Dopiero złożenie tych etapów daje wsad do blach i profili.
Podmiot
Rola AI
Skala i wynik
Ocena
Novelis – Berea (USA) z EverestLabs
AI i robotyka do sortowania, śledzenia i analizy złomu (RecycleOS); pilotaż
od 09.2024 ponad 2 mln zanieczyszczeń zidentyfikowanych i ponad 1 mln usuniętych – liczba bez mianownika (tonaż, czas, zmiana czystości), nie jest miarą skuteczności; udział recyklatu w wyrobach walcowanych płaskich Novelis 63% (FY25)
uczenie głębokie na obrazach RGB za separatorem XRT
do 2 000 wyrzutów na minutę; usuwa z frakcji do przeróbki plastycznej niskostopowe odlewy, których XRT od niej nie odróżnia; dla puszek po napojach (UBC) do 33× wydajności sortowania ręcznego, czystość co najmniej 98%
Żadne źródło nie mierzy przyrostu czystości ani uzysku wnoszonego przez etap uczenia głębokiego względem kaskady XRT + LIBS bez AI; udział AI w wyniku kaskady pozostaje nieustalony. Warstwa czujnikowa bez uczenia głębokiego działa w skali przemysłowej: Constellium w Neuf-Brisach przetopił ponad 6 000 t złomu posortowanego metodą LIBS do rodzin 5xxx i 6xxx przy czystości powyżej 95% (stan na IV kw. 2024) [6]; Hydro sortuje technologią HySort m.in. w Dormagen (36 tys. t rocznie) i w Nowej Soli [13].
Opracowanie własne na podstawie [9], [10], [12], schemat poglądowy. W praktyce każda stacja to osobny sortownik z wyrzutem w locie za końcem taśmy; wspólna taśma to uproszczenie. Kolejność stacji według testu TOMRA i Novelis; skład frakcji orientacyjny.
Dla zarządu
Wartość leży w różnicy między ceną złomu mieszanego a wsadem o znanym stopie: posortowany złom może wrócić do tego samego wyrobu zamiast do odlewów.
Produkt z gwarantowanym udziałem złomu poużytkowego (np. Hydro CIRCAL, co najmniej 75%) wymaga sortowania stopów jako warunku podaży [13].
Zamawiając kaskadę z AI, wymagać pomiaru czystości i uzysku per frakcja z podziałem na udział każdej stacji – dostawcy tego dziś nie publikują.
Źródła nie ujawniają nakładów ani okresu zwrotu.
Dla inżyniera
Przygotowanie
rozdrabnianie, separacja magnetyczna i wiroprądowa, przesiewanie; singulacja kawałków – warunek pomiaru pojedynczego obiektu
Decyzja
w kaskadzie każda stacja decyduje osobno; fuzja na poziomie obiektu (LIBS + RGB-D na jednej stacji, [12]) to wynik laboratoryjny
Czujniki
XRT nie rozpoznaje serii stopu; XRF słabo widzi Mg i Si; LIBS mierzy Mg, Si i Li, ale tylko warstwę powierzchniową – impulsy oczyszczające usuwają powłoki
Etykiety
złoty zbiór kawałków z analizą OES (iskrową) lub ręcznym LIBS; XRF tylko dla Cu, Zn, Fe, Mn; zgodność etykietujących; ponowna walidacja po zmianie dostawcy złomu; ostatecznie analiza ciekłego metalu na wytopie
Opóźnienie
przykład: taśma 3 m/s i 0,4 m do wyrzutnika dają ok. 130 ms na pomiar, inferencję i wyrzut; inferencja rzędu 10–20 ms
KPI
czystość frakcji, uzysk (odzysk metalu do właściwej frakcji), t/h, odsetek kawałków bez decyzji
Do odtworzenia
skład i pochodzenie wsadu, granulacja, prędkość taśmy, częstotliwość LIBS, metoda pomiaru czystości
Ograniczenia. Liczby TOMRA dotyczą testów i są deklaracją dostawcy. Wynik Novelis dotyczy pilotażu w jednym zakładzie. Żadne źródło nie ujawnia sprzętu obliczeniowego na brzegu sieci.
TOP 3
Huta, rafinacja i przetwórstwo
Wizja maszynowa i predykcja przy linii – od anody do taśmy
Kamera z modelem przy linii zastępuje kontrolę wyrywkową kontrolą każdej sztuki, a model predykcyjny wskazuje stan linii przed zakłóceniem. To najczęściej opisywana klasa AI w przeglądzie – i najsłabiej udokumentowana liczbami.
Zakład
Etap
Zastosowanie
Wynik
Ocena
EGA (ZEA)
anody węglowe (elektroliza Al)
wizja AI na brzegu sieci, sieć uczona na 100 000 obrazów
według dostawcy platformy: kontrola 100% anod zamiast 1,5–2,5%, odpowiedź 10–13 razy szybsza
Rysunek 4. Inspekcja pasma przy linii: kamera, model na brzegu, mapa wad, pętle jakości
Opracowanie własne – architektura referencyjna wynikająca z przypadków [14]–[17] i [41], schemat poglądowy; nie odwzorowuje konkretnego zakładu. Rozdzielczość i opóźnienie dobiera się do prędkości linii i najmniejszej wady krytycznej w specyfikacji klienta.
Dla zarządu
Kontrola każdej sztuki zmienia ekonomię reklamacji: wada jest przypisana do kręgu i pozycji, a decyzja zapada przed wysyłką.
W źródłach pierwotnych brak przetwórcy, który opublikował zmierzony efekt AI dla nazwanej linii.
Zamawiając system, wymagać wskaźników per klasa wady i odbioru na danych zakładu (próby FAT i SAT), a nie deklaracji ogólnych.
Źródła nie ujawniają nakładów ani okresu zwrotu.
Dla inżyniera
Akwizycja
kamery liniowe na górze i dole; piksel nie większy niż 1/3 najmniejszej wady krytycznej; dla jasnych powierzchni Al i Cu światło rozproszone lub współosiowe; emulsja i olej dają fałszywe alarmy; na gorącym paśmie osłony i chłodzenie
Opóźnienie
częstotliwość linii kamery = prędkość / piksel, np. 20 m/s przy 0,2 mm daje 100 kHz; znakowanie poniżej 1 s; nastawy w minutach i godzinach
Model
detekcja i klasyfikacja wad; rzadkie klasy uzupełniać obrazami syntetycznymi i aktywnym etykietowaniem; stanowisko przeglądu obrazów przez operatora jako źródło etykiet
KPI
recall dla wad krytycznych przy zadanej liczbie fałszywych alarmów na kilometr pasma; pokrycie 100% powierzchni
Integracja
metadane wad (identyfikator kręgu, pozycja, klasa, pewność) przez OPC UA (Machine Vision, OPC 40100) lub MQTT; obrazy w magazynie obiektowym; pozycja z automatyki poziomu 2; genealogia według ISA-95 (B2MML); przy awarii modelu odcinek oznaczony w MES jako „bez inspekcji”
Predykcja
dla linii walcówki i pras – modele stanów nieprawidłowych na danych procesu; doradca nastaw jak w projekcie Constellium Valais
Ograniczenia. Wskaźniki EGA dla kontroli anod podaje dostawca platformy chmurowej. Liczby Ningbo Jintian (uzysk +2%) pochodzą wyłącznie z wywiadu prasowego i nie zostały uwzględnione. Projekt Constellium Valais to preprint bez potwierdzonego statusu produkcyjnego.
system regułowy, porównanie „przed i po”, liczby fizycznie niemożliwe – np. 2,2 t Al na dobę z wanny 230 kA, która przy 100% wydajności prądowej daje ok. 1,85 t [5]
K3
Codelco – Chuquicamata, Ministro Hales
źródło opisuje „analitykę zaawansowaną i algorytmy matematyczne”, nie AI
W0
Freeport – ługowanie (214 mln funtów Cu rocznie)
spółka przypisuje wynik „analityce danych”, nie AI
W0
Tongling Jinguan – zwarcia w elektrorafinacji miedzi; system ESCD
termowizja i cyfrowy bliźniak; źródła nie wskazują AI [32][33]
W0
Constellium (LIBS), Hydro HySort, Gerhard Lang, STEMIN
sortowanie sensorowe bez wskazania AI – ujęte jako kontekst w TOP 2
W0
Aurubis – próbkowanie w Lünen i Hamburgu; czujniki w Olen
automatyzacja, robotyka i utrzymanie predykcyjne bez wskazania AI
W0
Boliden Kokkola – czyszczenie anod
widzenie maszynowe bez wskazania AI
W0
Hindalco – wykrywanie resztki wlewka na prasie
drgania i sterownik PLC, nie AI
W0
Apple – linia Cora i roboty demontażowe
raport nie wskazuje AI; elektronika użytkowa
W0
Siemens Industrial Copilot
brak nazwanego klienta z metali nieżelaznych
K1
Liczby wyłącznie z przekazów wtórnych: Freeport Bagdad (+10%, doradca), STEINERT IOI (+40%, prasa), Ningbo Jintian (+2%, wywiad)
brak źródła pierwotnego dla liczby
K3
Chiny: w wykazie fabryk inteligentnych „klasy doskonałej” MIIT (2024) jest 10 zakładów metali nieżelaznych, m.in. elektroliza aluminium Yunnan Wenshan („sterowanie oparte na AI”), huta miedzi Jiangxi Copper i Ningbo Jintian („AI + duże zbiory danych”) [16].
Architektura
Wspólny szkielet trzech zastosowań
Przypadki z TOP 3 różnią się czujnikami, ale mają ten sam układ warstw. W publikacjach najczęściej brakuje warstwy pomiaru wartości.
Rysunek 5. Architektura referencyjna AI w zakładzie metali nieżelaznych
Opracowanie własne na podstawie przypadków [1], [8], [14]–[19], [41], schemat poglądowy. Warstwa 7 jest jawnie opisana tylko w publikacji EGA [1].
Polska i UE
Gdzie jest branża
W 2025 r. AI stosowało 14,3% przedsiębiorstw z działów C24–C25 w UE i 7,2% w Polsce [28]. W samych procesach produkcyjnych odsetki wyniosły 2,98% w UE i 2,42% w Polsce; Eurostat nie publikuje dla nich przedziałów ufności, więc różnicy nie należy interpretować bez nich.
Rysunek 6. Odsetek przedsiębiorstw (10+ osób) stosujących co najmniej jedną technologię AI, 2024 i 2025
Źródło: Eurostat, zbiory isoc_eb_ai (ogółem) i isoc_eb_ain2 (według sekcji NACE), aktualizacja 15.06.2026 [28]. Działy C24–C25 obejmują łącznie produkcję metali – w tym żelaza i stali – oraz wyrobów z metali i nie są reprezentatywne dla samych metali nieżelaznych; danych dla grupy 24.4 Eurostat nie publikuje.
Kierunki 2027
Co zmieni rok 2027
Dziesięć kierunków. Przy każdym podano typ podstawy: prawo wiążące, nabór, cel polityki państwa, prognoza zespołu albo zapowiedź dostawcy.
Rysunek 7. Terminy 2026–2028 istotne dla danych i AI w zakładach metali nieżelaznych
Źródła [23]–[27], [29], [34], [38]. Daty AI Act według rozporządzenia (UE) 2026/1744; rozporządzenie maszynowe – data po sprostowaniu (Dz.Urz. UE L 169 z 04.07.2023). Obowiązki zgłaszania podatności z CRA obowiązują od 11.09.2026.
Prawo wiążące18.02.2027 · 31.12.2027
Paszport baterii i bilans masy
Paszport (art. 77) obowiązuje podmiot wprowadzający baterię do obrotu; recyklerów dotyczą cele odzysku Co, Cu, Ni i Pb (90%) oraz Li (50%) do 31.12.2027. Od 2028 r. (najwcześniej 18.08.2028) producenci baterii przemysłowych powyżej 2 kWh, do pojazdów elektrycznych i SLI dokumentują udział Co, Pb, Li i Ni odzyskanych z odpadów (art. 8) – dane pochodzą z recyklingu. Komisja potwierdziła 11.09.2026, że celów nie zmienia [24].
Przygotować: identyfikatory partii od wsadu do wyrobu, model bilansu masy, interfejs Asset Administration Shell (IEC 63278).
Prawo wiążące01.02.2027 · 30.09.2027
CBAM i wygaszanie bezpłatnych uprawnień
Deklarację CBAM składa upoważniony zgłaszający dla importu; mechanizm obejmuje m.in. aluminium, nie obejmuje miedzi, cynku ani ołowiu [25]. Dla producentów w UE znaczenie mają dane emisyjne dostawców wsadu spoza UE oraz wygaszanie bezpłatnych uprawnień EU ETS dla sektorów CBAM w latach 2026–2034 [37].
Przygotować: pomiar energii i emisji na poziomie instalacji i procesu, ścieżkę audytu dla modeli szacujących emisje.
Prawo wiążące21.05.2027
Wywóz odpadów poza OECD
Od 21.05.2027 wywóz odpadów innych niż niebezpieczne do państw spoza OECD jest dozwolony tylko do państw z wykazu Komisji; projekt wykazu konsultowano 18.09–16.10.2026 [38]. Więcej złomu pozostanie w UE – rośnie znaczenie sortowania do poziomu stopu.
Przygotować: prognozę podaży złomu według frakcji i jakości, zdolności sortowania.
Nabór02.02.2027
Modele hybrydowe i elastyczność energetyczna elektrolizy
TRIMET w Essen przebudował 120 wanien tak, by regulować pobór mocy serii o ±25% [35]; krytyczną wielkością jest grubość zakrzepłego elektrolitu na ścianach, którą model musi szacować. Nabór Horyzontu Europa MAT-PROD-32 finansuje energię odnawialną i zarządzanie energią w przemyśle procesowym [29].
Przygotować: szeregi czasowe wysokiej rozdzielczości z 2–3 lat; limity bezpieczeństwa wanny ustalane przez technologów.
Prognoza zespołu2026–2027
Sortowanie z AI w liniach przemysłowych
Dostawcy rozszerzają platformy uczenia głębokiego na kolejne frakcje, m.in. kompozyty miedź–stal w złomie stalowym [10]. Przewagę zyska zakład, który niezależnie zmierzy czystość i uzysk.
Przygotować: próbki referencyjne, walidację na wytopie, wymóg raportowania wskaźników per frakcja w zamówieniu.
Zapowiedź dostawcyod 2026
Agenci AI pod nadzorem
Dostawcy systemów sterowania wprowadzają agentów AI do analizy danych procesowych [39]; Horyzont Europa finansował w 2026 r. AI w przemyśle procesowym, w tym agentów (nabór zamknięty). Zasada: agent proponuje, człowiek zatwierdza działania wpływające na proces.
Przygotować: kontrolowane API do historiana, MES i CMMS; rejestr zastosowań AI; właściciel każdego agenta.
Prawo wiążące03.04.2027 · 11.12.2027
Cyberbezpieczeństwo OT jako warunek AI
Nowelizacja ustawy o krajowym systemie cyberbezpieczeństwa (Dz.U. 2026 poz. 252, w życie od 03.04.2026) daje podmiotom kluczowym i ważnym 12 miesięcy na obowiązki z rozdziału 3 [34]; CRA obowiązuje producentów urządzeń i oprogramowania w pełni od 11.12.2027 [26].
Przygotować: segmentację według IEC 62443, inwentaryzację urządzeń i modeli, klauzule aktualizacji w zamówieniach.
Zapowiedź dostawcy20.01.2027 · 02.08.2028
Cyfrowy bliźniak hali – najpierw pilotaż
Platformy bliźniaków fabryk ogłoszono w 2025 r. [40], bez referencji w metalach nieżelaznych. AI jako element bezpieczeństwa maszyny oceni się według przepisów maszynowych (stosowanych od 20.01.2027); obowiązki AI Act dla takich systemów obowiązują od 02.08.2028 [23][26].
Przygotować: modele 3D hal, dane z suwnic; moc obliczeniową fabryk AI PIAST-AI (Poznań) lub Gaia (Kraków).
Cel polityki państwaChiny · 2027
Chiny: AI jako element polityki przemysłowej
Plan „AI + wytwarzanie” MIIT (279号, 12.2025) zakłada do 2027 r. 1 000 agentów przemysłowych, 100 zbiorów danych i 500 typowych scenariuszy, w tym modele branżowe dla metali nieżelaznych; plan dla aluminium (03.2025) wymaga od nowych mocy zużycia do 13 000 kWh/t (AC, na ciekłe aluminium) [36].
Prawo wiążąceod 02.02.2025 · 02.12.2027
Kompetencje AI i AI Act w zakładzie
Art. 4 AI Act wymaga działań wspierających kompetencje personelu. Typowe zastosowania z TOP 3 nie należą do systemów wysokiego ryzyka z załącznika III; znaczenie ma załącznik I, gdy AI jest elementem bezpieczeństwa maszyny (od 02.08.2028) [23]. W 2025 r. 92,8% polskich firm z działów C24–C25 nie stosowało AI [28].
Przygotować: szkolenia według ról; politykę korzystania z modeli ogólnego przeznaczenia bez przekazywania danych procesowych.
Granice wniosków
Ograniczenia przeglądu i co zmieniłoby ocenę
Ograniczenia przeglądu
Stronniczość publikacyjna: spółki ujawniają udane wdrożenia, nieudane pilotaże pozostają niepublikowane; brak przypadków negatywnych nie oznacza ich braku.
Wyniki raportowane przez spółki i dostawców nie przeszły niezależnej weryfikacji, z wyjątkiem wskazanych.
Przegląd faworyzuje zakłady o rozwiniętej komunikacji; Global Lighthouse WEF to program zgłoszeniowy.
Źródła chińskie dostępne są głównie przez agencje prasowe i wykazy urzędowe, co obniża porównywalność.
Ocenę przeprowadzono bez prerejestracji protokołu.
Co zmieniłoby ocenę
Przetwórca publikuje wynik wizji lub predykcji z grupą kontrolną – TOP 3 awansuje albo zostanie zastąpione.
Niezależny pomiar czystości kaskady z AI potwierdzi przyrost względem samego LIBS – wzmocni TOP 2.
Wykrywanie zwarć w elektrorafinacji miedzi zostanie opisane jako metoda AI z wynikiem – stanie się kandydatem do TOP 3.
Pojawią się dane o nieudanych wdrożeniach soft sensorów – osłabi TOP 1.
Słownik
Pojęcia
Soft sensor
model szacujący wielkość mierzoną rzadko lub kosztownie (np. temperaturę elektrolitu) z wielkości mierzonych ciągle.
Szpic anodowy a efekt anodowy
szpic to wypukłość anody zbliżająca się do metalu (strata wydajności prądowej); efekt anodowy to skutek wyczerpania Al₂O₃ (skok napięcia, emisja PFC).
MPC
sterowanie predykcyjne z modelem: optymalizacja nastaw na horyzoncie czasu przy ograniczeniach procesu.
Model hybrydowy
połączenie równań fizyki procesu z uczeniem maszynowym; zwykle lepiej zachowuje się poza zakresem danych uczących, o ile część fizyczna jest poprawna.
LIBS
spektroskopia emisyjna wzbudzana laserem: skład pierwiastkowy warstwy powierzchniowej kawałka (kilka µm) w milisekundach – stąd wrażliwość na powłoki; Dynamic LIBS stosuje impulsy oczyszczające.
XRT
transmisja promieniowania rentgenowskiego na dwóch energiach: rozróżnia materiały według efektywnej liczby atomowej, niezależnie od grubości kawałka.
Recall i precision
odsetek wykrytych zdarzeń rzeczywistych oraz odsetek trafnych alarmów wśród wszystkich alarmów.
Inferencja na brzegu
uruchomienie modelu na komputerze przy linii – z krótkim, przewidywalnym opóźnieniem, bez zależności od łącza i chmury.
Grupa referencyjna
jednostki bez wdrożenia, porównywane z jednostkami z wdrożeniem w tym samym okresie – podstawa przypisania efektu.
Źródła
Bibliografia
Format: autor lub instytucja, rok, tytuł, wydawca; adres; typ źródła. Dostęp do adresów: 25.10.2026.
[1]Aljabri N. i in. (2022). Advanced Process Control with Smart Smelter Sensors at EGA. Travaux ICSOBA 51, s. 1049–1060. icsoba.org· konferencja · N2
[2]World Economic Forum (2025). Global Lighthouse Network 2025, s. 44. reports.weforum.org· ocena strony trzeciej · N1
[3]Côté P., Guérard S. i in. (Rio Tinto) (2018). Travaux ICSOBA, AL02. icsoba.org· konferencja · N2
[4]Allano B. i in. (Rio Tinto) (2020). Smelter 4.0. Travaux ICSOBA, AL02. icsoba.org· konferencja · N2
[5]Zhang i in. (2026). Processes 14(7), 1113. MDPI. mdpi.com· czasopismo · wyłączone
[12]Díaz-Romero D. J. i in. (2023). Resources, Conservation & Recycling 190, 106865. doi:10.1016/j.resconrec.2023.106865 doi.org· czasopismo · N1
[13]Hydro (25.09.2024). Hydro and PADNOS start advanced aluminium scrap sorting operations in the U.S.; strony zakładów Dormagen i Nowa Sól. hydro.com· spółka · N2
[16]MIIT (2024). Wykaz projektów fabryk inteligentnych „klasy doskonałej”, partia I, poz. 229; Ningbo Jintian, raport roczny 2025, s. 19–21. miit.gov.cn· urząd i spółka · N2
[29]Komisja Europejska, portal Funding & Tenders: HORIZON-CL4-2027-02-MAT-PROD-32-two-stage (52,5 mln EUR; terminy 02.02.2027 i 02.09.2027). ec.europa.eu· nabór
[30]MIIT (03.2025). Wykaz typowych przypadków zastosowań AI w nowej industrializacji; Keji Ribao, przedruk 11.06.2026: model „绿铝云慧鉴”. finance.sina.com.cn· urząd i prasa państwowa · N2†
[31]Reuters (26.08.2026). EGA restarts quarter of Al Taweelah smelter (przedruk Kitco). kitco.com· agencja informacyjna · kontekst
[32]Lindthaler M., Filzwieser A. (2025). Digitalized state-of-the-art short-circuit detection (ESCD). 12th International Copper Conference, Springer. doi:10.1007/978-3-032-00102-3_23 doi.org· konferencja
[34]Ustawa z 23.01.2026 o zmianie ustawy o krajowym systemie cyberbezpieczeństwa oraz niektórych innych ustaw, Dz.U. 2026 poz. 252. api.sejm.gov.pl· akt prawny
[38]Rozporządzenie (UE) 2024/1157 w sprawie przemieszczania odpadów, art. 39–41; Komisja Europejska, konsultacja „Wyraź swoją opinię” 14861 (Ares(2026)8858290). eur-lex.europa.eu· akt prawny
[39]ABB (17.04.2026). Komunikat: agentic AI w Genix Datalyzer i My Measurement Assistant+. new.abb.com· dostawca · N3
[40]NVIDIA (06.01.2025; 28.10.2025). Mega Omniverse Blueprint; Siemens jako pierwszy dostawca oprogramowania bliźniaka zgodnego z blueprintem. nvidianews.nvidia.com· dostawca · N3
[43]Ningbo Powerway Alloy Material (2026). Raport roczny 2025, s. 11–12. static.cninfo.com.cn· spółka · N2
Informacje o opracowaniu
Wersja, użycie AI, interesy, poprawki
Wersja 0.9, stan na 25.10.2026. Każdy przypadek w rejestrze ma datę ostatniej weryfikacji; przegląd całości co 6 miesięcy, następny do 30.04.2027.
Użycie narzędzi AI przy opracowaniu
Kwerenda źródeł w sześciu językach, streszczenia dokumentów i pierwsza wersja tekstu powstały z udziałem narzędzi AI – dużych modeli językowych działających jako agenci wyszukiwania i analizy.
Każdą liczbę i datę sprawdzono w otwartym dokumencie źródłowym. Sześć audytów faktów, audyt techniczny i recenzja naukowa również przebiegły z użyciem narzędzi AI; rozbieżności rozstrzygano według źródła pierwotnego.
Zakres, kryteria K1–K5, oceny dowodów P/N i ostateczne brzmienie przyjęto po przeglądzie redakcyjnym.
Narzędziom AI nie przekazywano danych członków Izby ani niepublicznych danych zakładów – opracowanie opiera się wyłącznie na źródłach publicznych z bibliografii.
Rysunki to schematy poglądowe opracowane na podstawie źródeł, a nie obrazy wygenerowane przez AI.
Błędy, w tym błędne przypisanie liczby do źródła, można zgłaszać na adres podany niżej; poprawki trafiają do rejestru z nową datą weryfikacji.
Izba zrzesza przedsiębiorstwa, z których część jest wymieniona w opracowaniu lub stosuje opisane technologie. Opracowanie nie było finansowane przez dostawców technologii.
Używamy plików cookie niezbędnych do działania serwisu. Za Twoją zgodą możemy też używać plików analitycznych, aby lepiej rozumieć sposób korzystania ze strony. Możesz zaakceptować wszystkie, odrzucić opcjonalne lub dostosować ustawienia. Więcej w naszej Polityce prywatności i cookies.