Автоматизированная подсистема поддержки принятия решений по управлению процессом формования ленты стекла в флоат-ванне тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Левковский, Дмитрий Иванович

  • Левковский, Дмитрий Иванович
  • кандидат технических науккандидат технических наук
  • 2009, Владимир
  • Специальность ВАК РФ05.13.06
  • Количество страниц 147
Левковский, Дмитрий Иванович. Автоматизированная подсистема поддержки принятия решений по управлению процессом формования ленты стекла в флоат-ванне: дис. кандидат технических наук: 05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям). Владимир. 2009. 147 с.

Оглавление диссертации кандидат технических наук Левковский, Дмитрий Иванович

Введение.

1. Постановка задачи управления процессом формования ленты стекла на расплаве олова.

1.1. Особенности процесса формования ленты стекла как объекта управления.

1.2. Анализ зависимости свойств и пороков стекла от режима формования.

1.3. Анализ системы управления процессом формования ленты стекла.

1.4. Анализ использования математического моделирования при автоматизации процесса формования ленты стекла.

1.5. Определение места задачи управления флоат-ванной в технологическом процессе производства листового стекла.

Выводы по главе 1.

2. Математическое описание процесса формования ленты стекла на расплаве олова.

2.1. Анализ задачи построения модели.

2.2. Классификация нейронных сетей, сравнительный анализ существующих методов и алгоритмов обучения нейронных сетей.

2.3. Определение структуры модели.

2.4. Определение требований к исходной информации и организация ее сбора.

2.5. Разработка моделей, описывающих свойства и пороки ленты стекла в процессе формования.

Выводы по главе 2.

3.Разработка алгоритмов управления процессом формования ленты стекла.

3.1. Обоснование и выбор метода решения задачи управления.

3.2. Разработка алгоритмов управления.

3.3. Оценка адекватности моделирования мощности повторного нагрева.

3.4. Имитационное моделирование алгоритма управления.

Выводы по главе 3.

4. Внедрение результатов исследований.

4.1. Место подсистемы управления флоат-ванной в структуре АСУТП производства листового стекла.

4.2. Программная реализация подсистемы управления флоат-ванной.

4.3. Испытания моделей и алгоритмов управления.

Выводы по главе 4.

Рекомендованный список диссертаций по специальности «Автоматизация и управление технологическими процессами и производствами (по отраслям)», 05.13.06 шифр ВАК

Введение диссертации (часть автореферата) на тему «Автоматизированная подсистема поддержки принятия решений по управлению процессом формования ленты стекла в флоат-ванне»

Конкурентная среда в условиях рынка обязывает руководителей стекольных производств уделять большое внимание проблемам качества. Между качеством и эффективностью производства существует прямая зависимость. Повышение качества способствует повышению эффективности производства, приводя к снижению затрат и увеличению доли рынка. В связи с этим возникла необходимость выработки объективных показателей для оценки способности фирмы производить продукцию с необходимыми качественными характеристиками. Эти характеристики подтверждаются сертификатом соответствия на продукцию. Многие фирмы, производители продукции, имеют системы управления качеством. На различных предприятиях они индивидуальны. Тем не менее мировая наука и практика выработали общие принципы построения таких систем; они изложены в стандартах ИСО серии 9000 и в отечественном аналоге - ГОСТ Р ИСО 9001 : 2001 «Системы менеджмента качества. Требования».

В настоящее время сертификат, подтверждающий соответствие системы управления производством международным стандартам на систему менеджмента качества, служит решающим фактором для заключения контракта на поставку продукции. История многих зарубежных компаний - яркое подтверждение этому. С помощью современных методов управления качеством, использования передовых информационных технологий многие зарубежные фирмы добились лидирующих позиций на различных рынках.

Вопросам управления качеством продукции посвящены исследования ученых разных стран, накоплен значительный опыт и в области менеджмента качества.

Вместе с тем, в российской прессе слишком мало глубоких аналитических статей о практике создания и совершенствования систем управления качеством производства листового стекла. Серия научных работ, изданных учеными Владимирского государственного университета совместно с работниками ОАО Эй Джи Си «Борский стекольный завод» (напр. [24, 25, 35]) является ярким исключением. Однако, большинство российских стекольных заводов еще отстают в области применения современных методов управления качеством продукции.

Листовое стекло представляет важнейший вид продукции, вырабатываемы стекольной промышленностью. Тенденция развития производства в мире такова, что флоат-процесс, как новейший и более прогрессивный, вытесняет остальные способы выработки стекла.

Одной из стадий производства листового стекла флоат-способом является процесс формования ленты стекла на расплаве олова.

Значительная часть дефектов готовой продукции вызывается нарушениями заданного режима формования. За 2006 год доля брака в производстве листового стекла на стадии формования на ОАО Эй Джи Си Бор«ский стекольный завод» составляла 0 - 4.25% за месяц, в зависимости от толщины изготавливаемой продукции (по данным внутреннего аудита).

До недавнего времени считалось, что качеством должны заниматься специальные подразделения организации. Однако опыт ведущих компаний мира показывает, что на достижение качества должны быть направлены усилия всех служб. Важное значение имеет лидерство руководства и применение процессного подхода. Ключевую роль в повышении качества играют оценки и требования потребителей, информация о неисправностях, просчетах и ошибках. Систематически проводимые внутренние аудиты способствуют повышению эффективности системы качества (СК). Управление качеством является» если не интегрирующей, идеей для системы управления предприятием, то хотя бы одним из тех видов управления, которое заслуживает внимания высших руководителей. Исследования, проведенные в ряде стран, показали, что в компаниях, мало уделяющих внимания качеству, до 60% времени может уходить на исправление брака [5]. : .

В настоящее время качество играет важную роль. Для современного рынка характерна устойчивая тенденция к4 повышению роли не ценовых форм конкуренции, а конкуренции качества.

Управление качеством началось с контроля готовой продукции. Вплоть до середины 1960-х годов главная роль отводилась отбраковке дефектной продукции. Такой подход требовал большого числа квалифицированных контролеров. В крупных промышленных компаниях США численность контролеров стала соизмерима с производственным персоналом. Большую помощь в контроле качества оказали методы математической: статистики, которые позволили с заданной вероятностью оценивать качество изделий с применением выборочного метода.

Работы российских ученых П.Л.Чебышева, A.M. Ляпунова послужили теоретической основой выборочного контроля качества.

На совершенствование методов обеспечения качества оказали влияние исследование операций, кибернетика, системотехника и общая теория систем. Кибернетический подход послужил основой появления концепции управления качеством, которая пришла на смену концепции контроля. Неоценимый вклад в развитие концепции управления качеством внесли работы россиян И.Г. Венецкого, A.M. Длина, американцев В. Шухарта, Э. Деминга, А. Фейгенбаума. и др. [5].

Современная теория управления качеством исходит из положения, что деятельность по управлению качеством не может быть эффективной после того, как продукция произведена. Эта деятельность должна осуществляться в ходе производства продукции. Важна также деятельность по обеспечению качества, которая предшествует процессу производства. Качество определяется действием многих случайных, местных и субъективных факторов. Для предупреждения влияния этих факторов на качество необходима система управления качеством, которая оказывает постоянное воздействие на процесс создания продукта с целью поддержания соответствующего уровня качества.

Большой симпатией во всем мире пользуется японская система управления качеством, ориентированная на предотвращение возможности допущения дефектов. Японская модель устанавливает четыре уровня иерархии качества: соответствие еще не осознанным потребностям; соответствие требованиям рынка; соответствие назначению; ^ соответствие стандарту.

После 1970-х годов опыт Японии по управлению качеством изучается во многих странах мира, в том числе и в России. Однако надо помнить, что японская система не может быть реализована в России, т.к. она тесно связана с японскими национальными традициями и социально-экономическими особенностями развития японской промышленности.

Российский опыт управления качеством связан с советским периодом развития экономики и промышленности. В середине 1950-х годов в СССР возникла Саратовская система БИП (бездефектного изготовления продукции и сдача ее с первого предъявления). Она предусматривала постоянное внимание коллектива предприятия к качеству продукции. Позже появились

Горьковская система КАНАРСПИ (качество, надежность, ресурс с первых изделий), Ярославская НОРМ (научная организация работ по увеличению моторесурса), Рыбинская НОТПУ (научная организация труда, производства и управления) и др.

Проблемой повышения качества продукции в настоящее время занимаются во всех странах мира, о чем свидетельствуют многочисленные публикации. Исследования в данной области показывают, что решение проблемных вопросов обеспечения повышения качества продукции во многих странах стало национальным движением. Например, в США, Великобритании, Франции, Германии, Италии, Японии управление качеством продукции выведено на государственный уровень. Во многих странах созданы национальные советы по качеству и надежности, ассоциации стандартов и другие организации.

К сожалению, в настоящее время Россия находится в числе отстающих стран в области решения задач управления качеством. Немногие российские товары выдерживают конкуренцию на мировом рынке. Это касается и большинства товаров стекольной отрасли. Однако активное использование собственного и зарубежного опыта в области управления качеством, стимулирование научных исследований в этой области может дать позитивные результаты в ближайшем будущем. Выполненные в диссертации исследования направлены на решения стоящих перед стекольной отраслью задач в области управления качеством производства листового стекла.

Целью диссертационной работы является повышение качества вырабатываемого листового стекла за счет автоматизации управления процессом формования ленты стекла с использованием моделей нейронных сетей.

Подобная задача исследовалась в работе Шорикова А.В. [44], однако в ней модель управления строилась на основе регрессионных уравнений.

Поставленная в работе цель достигнута за счет решения следующих задач:

1) сформулирована задача управления процессом формования ленты стекла на расплаве олова;

2) проведен анализ существующих систем управления формованием листового стекла на расплаве олова и определены направления их совершенствования; '

3) созданы математические модели нейронных сетей, описывающие процесс формования;

4) предложена структурная схема системы ППР;

5) Разработан алгоритм поддержки принятия решений по коррекции технологического режима формования ленты стекла на расплаве олова.

Похожие диссертационные работы по специальности «Автоматизация и управление технологическими процессами и производствами (по отраслям)», 05.13.06 шифр ВАК

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Левковский, Дмитрий Иванович

Выводы по главе 4

1) Создана подсистема поддержки принятия решений по коррекции режима работы флоат-ванны с использованием разработанных моделей и алгоритмов управления. Подсистема опробована на реальных данных, полученных с технологической линии1ЛПС ПО «Полированное стекло» ОАО Эй Джи Си «Борский стекольный завод».

2) Показана переносимость разработанных моделей и алгоритмов на аналогичную технологическую линию 2ЛПС. Разработанная подсистема показала эффективность управления процессом формования ленты стекла.

3) Вычислительным экспериментом показана эффективность использования подсистемы при выработке корректирующих действий по управлению флоат-ванной.

4) Достигается экономия расхода электроэнергии на ведение технологического процесса на 11% при сохранении высокого качества вырабатываемой продукции.

Заключение

1. Проведен анализ существующих систем управления формованием листового стекла на расплаве олова и определены направления их совершенствования. Показана зависимость показателей качества готовой продукции от режима формования.

2. Сформулирована задача управления процессом формования ленты стекла на расплаве олова. Показано место задачи управления флоат-ванной в технологическом процессе производства листового стекла. В качестве критерия управления предложена минимизация затрат на повторный электроподогрев ленты стекла при выполнении ограничений на качество вырабатываемой продукции.

3. Созданы математические модели нейронных сетей, описывающие процесс формования с заданной точностью. Модели унифицированы — каждая сеть состоит из 3 слоев, количество нейронов в скрытом слое одинаково для всех моделей.

4. Разработаны алгоритмы поддержки принятия решений по коррекции технологического режима формования ленты стекла на расплаве олова. В алгоритмах реализована технологическая обратная связь и обучение нейронных сетей в процессе эксплуатации системы.

5. Разработано программное обеспечение подсистемы управления флоат-ванной, представляющее собой модификацию программного комплекса СППР «Технолог стекольного производства» за счет использования нейронных сетей для описания качества листового стекла.

6. Показана переносимость разработанных моделей и алгоритмов управления на подобные технологические процессы формования ленты стекла.

7. Вычислительным экспериментом показана эффективность разработанной системы управления флоат-ванной. Внедрение разработанной системы управления формованием ленты стекла позволяет уменьшить расход электроэнергии на технологический процесс формования на 11% при обеспечении высокого качества вырабатываемого стекла.

Список литературы диссертационного исследования кандидат технических наук Левковский, Дмитрий Иванович, 2009 год

1. Антонов А.В. Системный анализ. Учеб. для ВУЗов/ А.В. Антонов. М.гВысш. шк., 2004. - 454 е.: ил.

2. Базара М., Шетти К. Нелинейное программирование. Теория и алгоритмы. М.: Мир, 1982.

3. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений. -М.: Финансы и статистика, 2004. 176 с

4. Бендат Дж., Пирсол А.М. Прикладной анализ случайных данных: Пер. с англ. М.: Мир, 1989. -540 с.,: ил.

5. Браунли К.А.Статистические исследования в производстве. М.: Изд-во иностранной литературы, 1949

6. Величко О.Н. Достоинства и недостатки метода скользящих средних. М.: Высш. шк., 2002 www.bestreferat.ru/referat-34701.html

7. Герасимов О.В. Коллективная разработка функциональной модели информационной системы. «ИНФОРМАТИКА И ОБРАЗОВАНИЕ» №7, 2005

8. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере -Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. 276 с

9. ГОСТ 111-2001 Межгосударственный стандарт. Стекло листовое.Технические условия

10. Емельянов А.А, Власова Е.А., Дума Р.В. Имитационное моделирование экономических процессов. Учеб. пособие /Под ред. А.А. Емельянова. М.: Финансы и статистика, 2002. - 368 с: ил.

11. Жукова С.В., Золотухин Ю.Н., Рахманова JI.A. Генетический подход и нечеткие оценки в оптимизации параметров пид регулятора. http://www.idisys.iae.nsk.su/ref98/folder3/docll.html

12. Квакернаак X., Сиван Р. Линейные оптимальные системы управления. М.: Мир 1977г. 650 с.

13. Комарцова Л.Г. Двухэтапный алгоритм обучения нейронной сети на основе генетического поиска // Нейрокомпьютеры. Разработка и применение. М: Радиотехника. 2000. № I.e. 3-9.

14. Короткий С.К. Нейронные сети: обучение без учителя, http ://1 i i. newmai 1 .ru/ko rnn4 .htm

15. Круглов B.B., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети 2001. М.:Высш. шк., 2001. 224 с. УДК: 681.322

16. Левковский Д.И., Макаров Р.И. Автоматизированная подсистема поддержки принятия решений по управлению процессом формования ленты стекла в флоат-ванне / М.: Автоматизация в промышленности. №2, 2009

17. Левковский Д.И. Описание процесса формования ленты стекла с использованием нейронных сетей. Вестник КГУ им. Н.А. Некрасова, 2006 т. 12. с. 48-50

18. Левковский Д.И., Макаров Р.И. Использование моделей нейронных сетей для статистического анализа и регулирования процесса формования ленты стекла на расплаве олова / М.: Стекло и керамика №6, 2008 с. 15-17

19. Макаров Г. Н. Обучаемый нейросетевой регулятор системы управления динамическим объектом. «Нейрокомпьютеры», №7, 2007 г.

20. Макаров Р.И. Автоматизация технологического процесса производства листового стекла на основе математических моделей. А/р дис-и д-ра техн. наук : 05.13.07 Владимир, 1998

21. Макаров Р.И., Тарбеев В.В., Молодкин А.В., Чуплыгин В.Н. Математические модели для статистического анализа и регулирования процесса формования ленты стекла на расплаве олова / Под общ. ред. Макарова Р.И. Стекло и керамика. 2004. - № 5. - с. 3-5

22. Макаров Р.И.,Хорошева Е.Р.,Лукашин С.А. Автоматизация производства листового стекла.Флоат-способ:Учеб.пособие/Ред. Макаров Р.И.-М.:Изд-во Ассоциации Строительных Вузов,2002.-191 с.-Библиогр.:с. 187-191.-ISBN 5-93093-116-Х.

23. Медведев B.C., Потемкин В.Г. Нейронные сети. MATLAB 6 /Под общ. ред. к.т.н. В.Г. Потемкина М.:ДИАЛОГ-МИФИ, 2002. - 496 с

24. Неймарк Ю.И., Коган Н.Я., Савельев В.П. Динамические модели теории управления. М., Наука, 1985

25. Лезнов А.Н. Савельев М.В. Групповые методы интегрирования нелинейных динамических систем. М., Наука, 1985

26. Позин Н.В. Моделирование нейронных структур / Позин Н.В. М.: Нау-ка, 1980 — 260 с.

27. Потемкин В.Г. Система инженерных и научных расчетов MATLAB 5.x: В 2-х т. -М.: ДИАЛОГ-МИФИ, 1999

28. Прахова М.В. Общая методика решения задач финансового прогнозирования с использованием алгоритма обратного распространения ошибки. XV Международная конференция «Применение новых технологий в образовании»

29. Розанов М. С., Корсунов Н. И. Модифицированный метод обучения нейронных сетей с радиальным базисом. «Нейрокомпьютеры», №7, 2007 г.

30. Соловьев Т.О., Тертычный А.И. Программная система моделирования нейронной сети. Издательство "СевГТУ", 2001

31. Соломка Ю.И. Федяев О.И. Обучение нейронной сети с помощью генетических алгоритмов. ДонНТУ, г. Донецк.masters.donntu.edu.ua/2004/fvti/solomka/library/article2.htm

32. СППР Технолог стекольного производства. Программная документация

33. Тархов Д.А. Математическое моделирование физико-технических объектов на основе структурной и параметрической адаптации искусственных нейронных сетей. А/р дис-и к.т.н., С-Пб, 2006

34. Тархов Д.А. Нетрадиционные генетические алгоритмы декомпозиции ираспределения при решении задач математической физики с помощью нейронных сетей / Тархов Д.А. // Нейрокомпьютеры: разработка, применение. — 2006. — № 7

35. Тюкин И.Ю. Адаптивное управление нелинейными динамическими объектами с применением нейронных сетей / Тюкин И.Ю., Терехов В.А. // Нейрокомпьютеры: разработка, применение. — 2006. — № 6

36. Федорова Н.Н., Терехов С.А. Параллельная реализация алгоритмов обучения нейронных сетей прямого распространения с использованием стандарта MPI. www.aconts.com/pub/archive/ijcnn99p423rus.pdf

37. Фёрстер Э., Рёнц Б. Методы корреляционного и регрессионного анализа. Руководство для экономистов / Пер. с нем. и предисл. В.М. Ивановой. М.: Финансы и статистика, 1983. - 304 с.

38. Царицын М.А., Солинов В.Ф. Технология строительного и технического стекла и шлакоситаллов. М.: Стройиздат, 1983.

39. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1979.

40. Шепелев Д.Н. Борское стекло: Из истории технического развития Борского стекольного завода. Н. Новгород: ГИПП «Нижполиграф», 2000. - 224 е.: ил.

41. Шориков А.В. Автоматизация технологического процесса формования ленты стекла на расплаве олова: Автореф. дис. Владимир, 2003. - 16 с.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.