Метод и алгоритмы обработки информации в системе оценки процесса сушки полимерного покрытия оцинкованной полосы тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Осколков Василий Михайлович

• Осколков Василий Михайлович
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Осколков Василий Михайлович

ВВЕДЕНИЕ

1 ОБЩАЯ ХАРАКТЕРИСТИКА ПРОБЛЕМЫ ОЦЕНКИ ПРОЦЕССА СУШКИ ПОЛИМЕРНОГО ПОКРЫТИЯ ОЦИНКОВАННОЙ ПОЛОСЫ

1.1 Анализ существующих методов, моделей и алгоритмов обработки информации в системе оценки процесса сушки полимерного покрытия оцинкованной полосы

1.2 Характеристика процесса сушки полимерного покрытия оцинкованной полосы как объекта оценки

1.3 Определение требований к математическому обеспечению системы оценки процесса сушки полимерного покрытия оцинкованной полосы

1.4 Выводы

2 МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ ОЦЕНКИ ПРОЦЕССА СУШКИ ПОЛИМЕРНОГО ПОКРЫТИЯ ОЦИНКОВАННОЙ ПОЛОСЫ

2.1 Системный анализ оценки процесса сушки полимерного покрытия оцинкованной полосы

2.2 Обобщенная математическая модель процесса сушки полимерного покрытия оцинкованной полосы

2.2.1 Математическая модель температурного режима сушки полимерного покрытия оцинкованной полосы на основе параметрической идентификации

2.2.2 Математическая модель концентрации паров растворителей в печах сушки агрегата полимерных покрытий на основе параметрической идентификации

2.2.3 Математическая модель цветового отклонения полимерного покрытия оцинкованной полосы

2.3 Метод обработки параметров процесса сушки полимерного покрытия оцинкованной полосы

2.4 Выводы

3 АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ ОЦЕНКИ ПРОЦЕССА СУШКИ ПОЛИМЕРНОГО ПОКРЫТИЯ ОЦИНКОВАННОЙ ПОЛОСЫ

3.1 Алгоритм предварительной обработки входных данных системы оценки процесса сушки полимерного покрытия оцинкованной полосы

3.2 Алгоритм расчета температурного режима сушки полимерного покрытия оцинкованной полосы

3.3 Алгоритм расчета концентрации паров растворителей в печах сушки агрегата полимерных покрытий

3.4 Алгоритм расчета цветового отклонения полимерного покрытия оцинкованной полосы

3.5 Алгоритм параметрической идентификации математической модели температурного режима сушки полимерного покрытия оцинкованной полосы

3.6 Алгоритм параметрической идентификации математической модели концентрации паров растворителей в печах сушки агрегата полимерных покрытий

3.7 Алгоритм обработки параметров процесса сушки полимерного покрытия оцинкованной полосы

3.8 Обобщенный алгоритм функционирования системы оценки процесса сушки полимерного покрытия оцинкованной полосы

3.9 Выводы

4 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ МЕТОДА И АЛГОРИТМОВ ОЦЕНКИ ПРОЦЕССА СУШКИ ПОЛИМЕРНОГО

ПОКРЫТИЯ ОЦИНКОВАННОЙ ПОЛОСЫ

4.1 Основные функциональные элементы и блоки системы оценки процесса сушки полимерного покрытия

4.2 Методика настройки алгоритмического обеспечения

4.3 Результаты экспериментальных исследований

4.4 Перспективы применения разработанных алгоритмов и метода оценки процесса сушки полимерного покрытия оцинкованной полосы

4.5 Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1. СВИДЕТЕЛЬСТВА О РЕГИСТРАЦИИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

ПРИЛОЖЕНИЕ 2. АКТ О ВНЕДРЕНИИ

Введение диссертации (часть автореферата) на тему «Метод и алгоритмы обработки информации в системе оценки процесса сушки полимерного покрытия оцинкованной полосы»

ВВЕДЕНИЕ

Актуальность темы. Оцинкованный прокат с полимерным покрытием (окрашенный прокат) является одним из самых высокомаржинальных видов продукции металлургических предприятий. Вследствие этого наращиваются объемы производства окрашенного проката [1]. Например, запуск нового агрегата полимерных покрытий (АПП) №3 в 2010 г. на Новолипецком металлургическом комбинате (НЛМК) [2] и запуск новой линии по производству проката с полимерным покрытием в 2017 г. в цехе покрытий металла №3 (ЦПМ-3) на ПАО «Северсталь» [3]. Прогнозируется увеличение годовой стоимости данной отрасли рынка с 4,449 млн. долл. (в 2013) до 6,410 млн. долл. (в 2019) [4]. Доля российского экспорта плоского проката, к которому относится окрашенный прокат, составляет 4% от объема мировой торговли [5].

Современной технологией окрашивания металлопроката является Coil Coating (валковый метод). По этой технологии нанесение лакокрасочных материалов (ЛКМ) производится в непрерывных линиях нанесения с помощью валковых машин. Процесс состоит из следующих этапов: нанесение хроматирующего раствора, нанесение и последующая сушка грунтовочного слоя, нанесение и последующая сушка отделочного слоя, смотка полосы в рулоны.

По данным компании «Тримо-ВСК» от 5 до 18% отечественной продукции проката с полимерным покрытие, имеет отклонения от требований качества заказчика и ГОСТ 34180-2017 «Прокат стальной тонколистовой холоднокатаный и холоднокатаный горячеоцинкованный с полимерным покрытием с непрерывных линий» [6], в отличие от зарубежных компаний у которых доля такой продукции составляет в среднем 0,28%. Основными нарушениями являются: несоблюдение пиковой температуры металла (ПТМ), превышение предельно-допустимой концентрации паров растворителей внутри печных зон, нарушение цветового отклонения между поставляемыми заказчику

партиями окрашенного проката [7].

На качество окрашенного проката влияют технологические параметры агрегата полимерных покрытий, основными из них являются температурные режимы печей сушки отделочного и грунтовочного слоя, скорость движения полосы, а также толщина металла и покрытия.

В условиях высокой конкуренции снижение количества брака делает продукцию более привлекательной для потребителя. Повышение качества за счет совершенствования систем оценки технологического процесса сушки полимерного покрытия является одним из приоритетных направлений повышения эффективности технологического процесса производства окрашенного проката.

Для решения задачи оценки технологических процессов используются различные группы методов: аттестационные, непрерывного контроля технологических параметров, компьютерного моделирования, а также методы на основе статистических моделей.

Использование аттестационных методов, рассматривается в работах: Н.И. Пилюгиной [8], Е.У. Масютиной [9], J.Mallégola [10]. Данные методы выполняют оценку для уже произведенной продукции и обладают высокой точностью, но не позволяют избежать отклонения, так как применяются к уже готовой продукции.

Использование методов компьютерного моделирования, рассматривается в работах: Ф.С. Дубинского [11], A.S. Castela [12], G.F. Bryant [13], Е.Г. Бузунова [14], J.Ringwood [15], Chen-yang Li [16], José M.C.Azevedo [17], E. Mihailov [18]. Данные методы обладают возможностью предиктивной оценки, однако их применение для рассматриваемой задачи осложняется необходимостью адаптации под технологическое оборудование и выпускаемый сортамент.

Использование методов непрерывного контроля технологических параметров, рассматривается в работах: Т.Д. Евдокимовой [19], М.И. Румянцева [20-23], Д. Романова [24], R.Pichard [25]. Данные методы обладают

высокой точностью, однако требуют выявления контролируемого параметра, наиболее влияющего на дефект, что в ряде случаев осложнено взаимовлиянием протекающих процессов.

Использование методов на основе статистических моделей, рассматривается в работах: A. González-Marcos [26], М.И. Румянцева [27], Ю.В. Маяковской [28], Boqiang Lina [29]. Данные методы обладают высокой точностью и возможностью предиктивной оценки, однако требуют большого набора размеченных данных, не могут быть использованы для другого технологического оборудования без переобучения предиктивных моделей.

Для выполнения комплексной оценки процесса сушки полимерного покрытия оцинкованной полосы использование одной группы методов недостаточно по причине взаимовлияния большого количества параметров протекающих процессов. Необходимо использовать методы физического моделирования для параметров с известными физическими зависимостями с применением параметрической идентификации и методы на основе статистических моделей для параметров, физическое моделирование которых затруднено.

В этой связи разработка метода и алгоритмов обработки информации в системе комплексной оценки процесса сушки полимерного покрытия оцинкованной полосы представляется актуальной научно-технической задачей.

Цель и задачи диссертационной работы. Целью диссертационной работы является увеличение энергоэффективности и уменьшение доли бракованной продукции за счет повышения точности оценки процесса сушки полимерного покрытия оцинкованной полосы на основе методов математического моделирования, оптимизации и машинного обучения.

Для достижения поставленной цели в работе решены следующие

задачи:

1. Выполнен анализ проблемы оценки процесса сушки полимерного

покрытия оцинкованной полосы.

2. Разработаны обобщенная математическая модель и метод обработки параметров процесса сушки полимерного покрытия оцинкованной полосы.

3. Разработаны алгоритмы обработки в системе оценки процесса сушки полимерного покрытия оцинкованной полосы.

4. Выполнены экспериментальные исследования метода и алгоритмов обработки информации в системе оценки сушки полимерного покрытия.

Объект и предмет исследования. Объектом исследования является система оценки процесса сушки полимерного покрытия оцинкованной металлической полосы в печах АПП при производстве окрашенного проката валковым методом. Предметом исследования являются методы и алгоритмы обработки информации в системе оценки процесса сушки полимерного покрытия.

Методы исследования. Для решения поставленных задач в работе использовались методы системного анализа, математического моделирования, математической оптимизации, машинного обучения, статистического анализа, основы теории построения алгоритмов, программные и языковые средства современных компьютерных технологий.

Научная новизна и основные положения, выносимые на защиту: 1. Разработана обобщенная математическая модель процесса сушки полимерного покрытия оцинкованной полосы, включающая частные математические модели:

- модель температурного режима сушки, отличающаяся применением параметрической идентификации на основе алгоритма математической оптимизации COBYLA;

- модель концентрации паров растворителей в печах агрегата полимерных покрытия, отличающаяся применением параметрической идентификацией на основе алгоритма математической оптимизации COBYLA;

- модель цветового отклонения полимерного покрытия, отличающаяся декомпозицией обработки параметров цветовых координат на основе алгоритма Random Forest.

2. Разработан метод обработки параметров процесса сушки полимерного покрытия оцинкованной полосы, отличающийся комплексной оценкой температурного режима, взрывоопасности паров растворителей и цветового отклонения лакокрасочного материала.

3. Разработано алгоритмическое обеспечение системы оценки процесса сушки полимерного покрытия оцинкованной полосы, в составе:

- алгоритм предварительной обработки входных данных системы оценки процесса сушки полимерного покрытия оцинкованной полосы;

- алгоритм расчета температурного режима сушки полимерного покрытия оцинкованной полосы;

- алгоритм расчета концентрации паров растворителей в печах сушки агрегата полимерных покрытий;

- алгоритм расчета цветового отклонения полимерного покрытия оцинкованной полосы;

- алгоритм параметрической идентификации математической модели температурного режима сушки полимерного покрытия оцинкованной полосы;

- алгоритм параметрической идентификации математической модели концентрации паров растворителей в печах сушки агрегата полимерных покрытий;

- алгоритм обработки параметров процесса сушки полимерного покрытия оцинкованной полосы.

Практическая значимость результатов исследования заключается в том, что реализация разработанных теоретических положений позволила:

- повысить точность прогнозирования пиковой температуры металла

на выходе из печи сушки агрегата полимерных покрытий на 8%;

- повысить производительность агрегата полимерных покрытий за счет раннего прогнозирования возникновения взрывоопасной ситуации на 0,96%;

- снизить количество бракованной продукции по причине цветового отклонения на 5%;

- увеличить скорость принятия решений по подбору технологических параметров процесса полимеризации оцинкованной полосы в 2,3 раза за счет комплексной оценки температурного режима, взрывоопасности паров растворителей и цветового отклонения лакокрасочного материала;

- повысить тиражируемость и скорость внедрения математических моделей за счет методики адаптации под условия конкретного применения.

Реализация результатов диссертационной работы. Разработанные метод и алгоритмы были успешно внедрены и используются в Центре автоматизированных систем ПАО «Северсталь» Центр «Промсервис» при построении системы оценки процесса сушки полимерного покрытия агрегата полимерного покрытия.

Предложенные алгоритмы обработки информации и управления используются в учебном процессе на кафедре «Математическое и программное обеспечение ЭВМ» Череповецкого государственного университета в дисциплине: «Математическое и программное обеспечение автоматизированных систем» для направления 09.04.01 Информатика и вычислительная техника (уровень магистратура).

Соответствие паспорту специальности. Проблематика, рассмотренная в диссертации, соответствует пункту 4 паспорта специальности 05.13.01 - «Системный анализ, управление и обработка информации (в металлургии)» (п. 4. Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки

информации).

Апробация работы. Основные результаты диссертационной работы докладывались и получили положительную оценку на международной научной конференции «Научно-технический прогресс в черной металлургии - 2017» (Череповец, 2017 г.), международных научно-технических конференциях: Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования (Вологда, 2017 г.), Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации (Курск, 2017 г.), всероссийской научной конференции с международным участием Вузовская наука - региону (Вологда, 2017 г.), всероссийских научно-практических конференциях: ЧНЧ (Череповец, 2015 г.), «ICITY 2015: Информатизация промышленного города» (Череповец, 2015 г.), «Молодежь и новые информационные технологии» (Череповец, 2016 г.), Современные информационные технологии теория и практика (Череповец, 2016, 2017 гг.) и др.

Публикации. По теме диссертации опубликовано 19 научных работ, в том числе 4 статьи в ведущих рецензируемых научных журналах и изданиях из перечня ВАК Министерства образования и науки РФ и 1 статья в журнале, проиндексированном в международной базе цитирования Scopus, а также 3 свидетельства о государственной регистрации программы для ЭВМ (Роспатент).

Структура и объем работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы, включающего 116 наименований. Работа содержит 158 страниц, 66 рисунка и 9 таблиц.

В первом разделе проведен анализ существующих методов, моделей и алгоритмов обработки информации в системе оценки процесса сушки полимерного покрытия оцинкованной полосы, рассмотрены характеристики процесса полимеризации с точки зрения процесса оценки, определены требования к системе оценки процесса сушки полимерного покрытия

оцинкованной полосы.

Во втором разделе дано концептуальное описание оценки процесса сушки с помощью системной модели, разработана обобщенная математическая модель процесса сушки полимерного покрытия на основе параметрической идентификации, включающая математическую модель температурного режима, математическую модель концентрации паров растворителей в печах сушки агрегата полимерных покрытий на основе параметрической идентификации, математическую модель цветового отклонения полимерного покрытия оцинкованной полосы, разработан метод обработки параметров процесса сушки полимерного покрытия оцинкованной полосы.

В третьем разделе разработаны: алгоритм предварительной обработки входных данных системы оценки процесса сушки полимерного покрытия оцинкованной полосы, алгоритм расчета температурного режима сушки полимерного покрытия оцинкованной полосы, алгоритм расчета концентрации паров растворителей в печах сушки агрегата полимерных покрытий, алгоритм расчета цветового отклонения полимерного покрытия оцинкованной полосы, алгоритм параметрической идентификации математической модели температурного режима сушки полимерного покрытия оцинкованной полосы, алгоритм параметрической идентификации математической модели концентрации паров растворителей в печах сушки агрегата полимерных покрытий, алгоритм обработки параметров процесса сушки полимерного покрытия оцинкованной полосы, обобщенный алгоритм функционирования системы оценки процесса сушки полимерного покрытия оцинкованной полосы.

В четвертом разделе определены основные функциональные блоки системы оценки процесса сушки полимерного покрытия, описана методика настройки алгоритмического обеспечения, проведены экспериментальные исследования оценки процесса сушки полимерного покрытия, представлены перспективы развития разработанных метода и алгоритмов оценки процесса сушки полимерного покрытия оцинкованной полосы.

Заключение содержит краткое описание основных результатов

диссертационной работы.

1 ОБЩАЯ ХАРАКТЕРИСТИКА ПРОБЛЕМЫ ОЦЕНКИ ПРОЦЕССА СУШКИ ПОЛИМЕРНОГО ПОКРЫТИЯ ОЦИНКОВАННОЙ ПОЛОСЫ

1.1 Анализ существующих методов, моделей и алгоритмов обработки информации в системе оценки процесса сушки полимерного покрытия

оцинкованной полосы

Качество металлопродукции в целом является сложным понятием, в которое входят качество металла, выполнение требований к форморазмерам, состоянию поверхности, внутреннему строению металла, товарному виду, эстетическому оформлению, упаковке и маркировке, - обязательных к выполнению показателей, содержащихся в стандартах.

Для современного прокатного производства характерна стандартизация, устанавливаемая государством. Стандарты содержат ряд требований подлежащих к выполнению. В зависимости от содержания предусматриваемых в стандартах требований их разделяют на виды: стандарты марок, сортамента, технических требований, правил приемки, методов испытаний (контроля), правил упаковки, маркировки, транспортировки и хранения, технических условий (всесторонних технических требований).

Вся прокатная продукция, производимая металлургическим предприятием, контролируется самостоятельным структурным подразделением предприятия отделом технического контроля (ОТК). Вся поставляемая предприятием продукция может быть поставлена потребителю только после приемки ее ОТК и оформления сертификата качества. ОТК включает в себя несколько видов контроля.

Наиболее важным видом технического контроля является приемочный контроль, по его результатам принимается окончательное решение о пригодности продукции требованиям потребителя. Приемочный контроль должен обеспечивать выпуск только качественной продукции, соответствие уровня качества продукции установленным требованиям, установление причин

отклонений показателей качества продукции от установленных нормативных показателей качества и др.

Контроль технологического процесса проверяет соответствие режимов работы оборудования, технологических характеристик и параметров технологического процесса, качество выпускаемой продукции, соответствие требованиям технологических инструкций, стандартов, технических условий и т. д. Технология производства оценивается операционным и инспекционным контролями.

При операционном контроле проверяется выполнение требований технологических инструкций, стандартов и технических условий в соответствии со схемами контроля технологических процессов, обеспечивающих непрерывность контроля на всех переделах.

Оценка качества готовой продукции определяется комплексной оценкой технологического процесса со множеством параметров обрабатываемой заготовки, технологических параметров, требуемых выходных данных, а также требуемых параметров безопасности производства. Существующие методы оценивают качество после процесса производства - на этапе аттестации продукции, а также во время обработки - контроль за технологическими параметрам, визуальный контроль. Производство проката с полимерным покрытием является высоко затратным и в случае отбраковки продукции возникают экономические потери. При использовании статистических методов контроля качества количество отбракованной продукции возможно уменьшить.

В системах менеджмента качества используется методология SPC (Statistical Process Control - статистическое управление процессами) [30]. Методология SPC включает в себя как статистические методы обработки и анализа технологической информации, так и более простые методы контроля качества, например, контрольные карты [31]. В российских металлургических предприятиях статистическое управление процессами оговорено специальными нормативными документами [32-34] и не является обязательным к

применению.

Аттестационные методы оценки качества. Оценка декоративных свойств, к которым относятся цветовое различие и блеск, а также других аттестационных параметров проката с полимерным покрытием производится следующим способом. Для определения цветового различия между эталонным и испытуемым образцами используется инструментальный метод контроля. В качестве эталонных образцов применяются образцы из каталога RAL 840 HR или металлические образцы фирм поставщиков полимерных материалов. Затем формируется каталог эталонных металлических образцов цвета полимерного покрытия (для каждого производителя проката и каждого производителя краски формируется свой каталог) который используется для контроля показателя «цветовое различие» жидких полимерных материалов и готовой продукции с полимерным покрытием, а также для согласования цвета полимерного покрытия с потребителем. Оценка выполняется после производства на этапе аттестации продукции [8].

В работах [9, 10] оценка качества продукции производится методом проведения дополнительных испытаний качества продукции, по результатам которой производится экспертная оценка.

Оценка с помощью методов компьютерного моделирования. Еще одной группой методов оценки технологического процесса является использование компьютерного моделирования физического процесса или части процесса исследуемой проблемы. Такие методы применяются для решения задач определения температурного режима сортовых профилей [11], изучение отдельного свойства полимерного покрытия - водоустойчивость [12], моделирование выходных параметров продукции для стана холодной прокатки [13], прогнозирование качества покрытия проволоки [14], контроля формы для проката стана холодной прокатки [15], моделирование сложных процессов для оценки его влияния на качество [35-43]. В работе [16] представлена имитационная модель безопасности для процесса хлорирования, с помощью которой сформированы рекомендации по безопасному управлению процессом

хлорирования, а также по предотвращению аварийных ситуаций. В работе [17] представлена модель производства методом порошковой металлургии для повышения энергоэффективности путем сокращения энергетических затрат. В работе [18] используются методы математического моделирования теплообмена в процессах непрерывного литья заготовок для определения возможности повышения энергоэффективности.

Оценка с помощью непрерывного контроля технологических параметров, влияющих на отклонение. Одним из вариантов оценки состояния технологического процесса в режиме реального времени - с помощью карт соответствия. Процесс оценивается в соответствие с попаданием измеряемых значений в определенный интервал контрольных границ. На контрольных картах Шухарта средняя линия и границы регулирования отображают закономерности вариации контролируемой характеристики при нормальном осуществлении процесса. Карты соответствия позволяют оперативно обнаружить проявления нежелательных изменений в ходе процесса, что создает предпосылки для своевременного применения упреждающих воздействий по поддержанию технологической системы в надлежащем состоянии [19-23, 44-45].

Другим вариантом непрерывного контроля является контроль значений с помощью проверки параметров математической моделью. В работе [46] используется модель для контроля толщины и плоскостности в прокатных станах. В работе [24] используется модель, контролирующая и корректирующая технологические параметры, влияющие на цветовое отклонение печатной продукции. В работе [25] используется модели оценки управляющих параметров с точки зрения их согласованности и безопасности для производственных систем, управляемых с помощью PLC контроллера.

Методы оценки на основе статистических моделей. К статистическим методам относятся методы, построенные за счет выявления некоторых закономерностей из большого объема статистических данных, с помощью методов машинного обучения. В работе [26] модель, построенная на

основе нейронных сетей, выполняет прогнозирование удлинения и гальванизации покрытия горячего проката. В работе [27] используется регрессионная модель шероховатообразования в очаге деформации при несимметричной холодной прокатке с рассогласованием скоростей валков. В работе [28] построена нейронная сеть для моделирования процесса инкапсуляции в псевдожиженном слое. В работе [29] используются статистические методы для прогнозирования энергопотребления и энергосбережения металлургического производства.

Рассмотренные подходы решают различные виды задач: прогнозирование, выявление дефектов, поиска возможности устранения дефектов. Из сравнительного анализа методов оценки (таблица 1.1) видно, что основными недостатками существующих решений являются: отсутствие универсальности (невозможность перенесения системы на другую отрасль), отсутствие возможности использования некоторых систем в режиме реального времени для выполнения корректировки технологических параметров.

Таблица 1.1 - Сравнительная таблица методов оценки

№ Группа методов Достоинства Недостатки

1 2 3 4

1. Аттестационные методы контроля качества Высокая точность. Осуществляется для произведенной продукции и не позволяет избежать отклонения по качеству за счет корректировки технологических параметров.

2. Методы компьютерного моделирования 1. Высокая точность для решения узкоспециализир ованной задачи. 2. Возможность предиктивной оценки. 1. Невозможно выполнить моделирование другого процесса либо использовать для другой задачи. 2. Требуется адаптация под конкретное технологическое оборудование.

3. Методы непрерывного Высокая точность. 1. Требуется точное понимания причины,

контроля вызывающей дефект.

технологических 2. Выполняется во время

параметров, обработки.

влияющих на

отклонение

Продолжение таблицы 1.1.

1 2 3 4

4. Методы оценки на основе статистических моделей 1. Высокая точность. 2. Возможность предиктивной оценки. 3. Не требует адаптации под конкретное технологическое оборудование. 1. Требуется большой набор размеченных данных. 2. Склонность к переобучению. 3. Невозможно использовать для другого источника данных (технологического оборудования).

Из анализа зарубежных и отечественных систем оценки технологических процессов можно сделать вывод, что для их разработки применяются все вышеописанные методы. Но при этом стоит отметить, что для сложных технологических процессов оценка должна быть комплексной, и использовать для этого различные методы. Чтобы избежать дефектов необходимо использовать предиктивные методы: методы компьютерного моделирования и методы оценки на основе статистических моделей. Для оценки параметров технологических процессов с известными физическими зависимостями высокую точность показывают методы компьютерного моделирования. Но при этом для них осуществляется параметрическая идентификация, позволяющая адаптировать физическую модель, описывающую идеальный процесс, для возможности применения на конкретном технологическом оборудовании. Для оценки параметров технологических процессов, для которых физическое моделирование затруднено из-за сложности формализации физических законов, высокую эффективность показывают статистические методы. При этом следует

Список литературы диссертационного исследования кандидат наук Осколков Василий Михайлович, 2020 год

СПИСОК ЛИТЕРАТУРЫ

1. Волкова, А.В. Рынок плоского металлопроката / А.В. Волкова. - М. : Национальный исследовательский университет; Высшая школа экономики. 2016. - 52 с.

2. Запуск на «Северстали» новой линии по производству проката с полимерным покрытием [Электронный ресурс]. - Режим доступа: https: //www. severstal. com/rus/media/news/document21338. phtml.

3. Результаты программы технического перевооружения НЛМК 20002012 годов [Электронный ресурс]. - Режим доступа: https://lipetsk.nlmk.com/ru/our-business/production/innovations/.

4. Молчанова, А.А. Оцинкованный и окрашенный прокат: тенденции производства и потребления / А.А. Молчанова // Снабжение и контракты. -2013. - №4. - С. 4-7

5. Обзор рынка рулонных покрытий [Электронный ресурс]. - Режим доступа: https://www. marketsandmarkets.com/PressReleases/coil-coatings. asp.

6. ГОСТ 34180-2017. Прокат стальной тонколистовой холоднокатаный и холоднокатаный горячеоцинкованный с полимерным покрытием с непрерывных линий. Технические условия. - М. : Издательство стандартов, 2004. - 27с.

7. Игнатенко, Т. Оцинкованный и окрашенный прокат: нерадужные перспективы / Т. Игнатенко // Металлоснабжение и сбыт. - 2015. - №4. - С. 3645.

8. Пилюгина, Н. И. Контроль качества проката с полимерным покрытием в ОАО «ММК» / Н. И. Пилюгина, Т. С. Михайловна, Л. В. Мозговая // Вестник МГТУ им. Г.И. Носова - 2007. - №3. - С. 73-75.

9. Масютина, Е. У. Адгезия как критерий оценки качества внутреннего полимерного покрытия нефтепромысловых труб / Е. У. Масютина, Е. М. Ловцова // Трубопроводный транспорт: теория и практика - 2015. - №6. -С. 8-11.

10. Mallégola, J. Influence of UV weathering on corrosion resistance of prepainted steel / J. Mallégola, M. Poelmanb, M. G. Olivierc // Progress in Organic Coatings - 2008. - Vol. 61. - P. 126-135.

11. Дубинский, Ф. С. Моделирование температурных полей в очаге деформации при прокатке сортовых профилей / Ф.С. Дубинский, А.В. Выдрин, М.Л. Соседкова, П.А. Мальцев // Вестник ЮУрГУ. Серия: металлургия - 2006 -№10. - С. 82-85.

12. Castela, A. S. Assessment of water uptake in coil coatings by capacitance measurements / A. S. Castela, A. M. Simoes // Progress in Organic Coatings - 2003. - Vol. 46. - P. 55-61.

13. Bryant, G. F. Simulator assessment of tandem cold-rolling-mill automatic gauge-control systems / G. F. Bryant, M. H. Butterfield // Proceedings of the Institution of Electrical Engineers - 1964. - Vol. 111. - P. 393-405.

14. Бузунов, Е.Г. Методика прогнозирования качества покрытия оцинкованной проволоки / Е. Г. Безунов, И. Ю. Мезин // Вестник МГТУ им. Г.И. Носова - 2010. - №4-2. - С. 942-946.

15. Ringwood, J. Multivariable control using the singular value decomposition in steel rolling with quantitative robustness assessment / J. Ringwood // Control Engineering Practice - 1995. - Vol. 3. - P. 495-503.

16. Chen-yang, Li Simulation of the Chlorination Process Safety Management System Based on System Dynamics Approach / Chen-yang Li, Jing-hongWang, You-ran Zhi, Zhi-rong Wang, Jun-hui Gong // Procedia Engineering. -2018. - Vol. 211. - P. 332-342.

17. Azevedo, J. Energy and material efficiency of steel powder metallurgy / J. Azevedo, A. Serrenho, J. Allwood // Powder Technology. - 2018. - Vol. 328. - P. 329-336.

18. Mihailov, E. Possibilities for saving energy in ferrous metallurgy: Integration of technological processes / E. Mihailov, V. Petkov, M. Ivanova, B. Stoyanova // Thermal science. - 2016. - Vol. 20, № 2. - P. 623-636.

19. Евдокимова, Т.Д. Контрольные карты соответствия как инструмент

мониторинга технологического процесса / Т. Д. Евдокимова, К. Е. Гузей // Моделирование и развитие процессов ОМД. - 2015. - №21 - С. 141-148.

20. Румянцев, М.И. Подход к анализу результативности технологии производства проката / М.И. Румянцев, В.Л. Корнилов, О.Ю. Носенко // Материалы 66-й научно-технической конференции: сборник докладов. -Магнитогорск, 2008. - С. 53-55.

21. Румянцев, М. И. Оценивание качества тонких горячекатаных полос для определения возможности замещения холоднокатаной листовой стали общего назначения / М. И. Румянцев, И. Г. Шубин, А. Н. Завалищин, В. Л. Корнилов, А. П. Буданов, А. С. Цепкин, Н. А. Пантелеева // Вестник МГТУ им. Г.И. Носова - 2007. - №4. - С. 69-73.

22. Румянцев, М.И. Унифицированный подход к расчету дифференциальных оценок при квалиметрическом оценивании качества проката / М.И. Румянцев, А.С. Цепкин, Т.В. Оплачко // Вестник МГТУ им. Г.И. Носова - 2007. - №3. - С. 61-64.

23. Румянцев, М. И. Повышение действенности системы управления качеством трубного листового проката на базе статистического прогнозирования свойств / М. И. Румянцев, К. Е. Черкасов, Е. В. Якушев Магнитогорск : МГТУ им. Г.И. Носова, 2013. — 134 с.

24. Романов, Д. Контроль качества в режиме онлайн / Д. Романов // Мир этикетки - 2006. - №9.

25. Pichard, R. Consistency Checking of Safety Constraints for Manufacturing Systems with Graph Analysis / R. Pichard, A. Philippot, B. Riera // IFAC-PapersOnLine. - 2017. - Vol. 50. - P. 1193-1198.

26. González-Marcos, A. Development of neural network-based models to predict mechanical properties of hot dip galvanised steel coils / A. González-Marcos, F. Alba-Elías, M. Castejón Limas, J. Ordieres // International Journal of Data Mining Modelling and Management - 2011. - Vol. 3. - P. 389-405.

27. Румянцев, М.И. Об одном подходе к моделированию шероховатообразования полосы при холодной прокатке / М. И. Румянцев //

Моделирование и развитие процессов ОМД - 2015. - №21 - С. 45-58.

28. Маковская, Ю. В. Моделирование процесса инкапсуляции в псевдоожиженном слое и прогнозирование качества покрытий: автореф. дис. ... канд. техн. наук: 05.17.08 / Маковская Юлия Владимировна. - М., 2011. - 18с.

29. Boqiang, L. Promoting energy conservation in China's metallurgy industry / L. Boqiang, D. Zhili // Energy Policy - 2017. - Vol. 104. - P. 285-294

30. МС ИСО 9001:2000. Системы менеджмента качества. Требования. — М. : ВНИИС, 2001. — 25 с.

31. Румянцев, М. И. Статистические методы для обработки и анализа числовой информации, контроля и управления качеством продукции: учебное пособие / М.И. Румянцев, Н.А. Ручинская. - Магнитогорск : МГТУ им. Г.И. Носова, 2008. — 207 с.

32. ГОСТ Р 51814.1-2009 Системы менеджмента качества. Особые требования по применению ИСО 9001:2008 в автомобильной промышленности и организациях, производящих соответствующие запасные части. Общие требования. - М. : Издательство стандартов, 2009. - 35с.

33. СТО Газпром 9001-2006. Системы менеджмента качества. Требования. - М. : ПАО «Газпром», 2006. - 71 с.

34. СТО Газпром 9004-2007. Система менеджмента качества. Рекомендации по улучшению. Часть II. Руководство по применению методов обработки и анализа данных. - М. : ПАО «Газпром», 2008. - 30 с.

35. Корниенко, И. Г. Система компьютерного моделирования для исследования и управления качеством высокотемпературных керамических материалов: дис. ... канд. техн. наук: 05.13.18 / Корниенко Иван Григорьевич -СПб., 2014. - 137 с.

36. Майорова, Е. А. Повышение качества изготовления высокоточных изделий машиностроения путем обеспечения управляемости процесса сборки на основе компьютерного моделирования: дис. ... канд. техн. наук: 05.12.23 / Майорова Екатерина Александровна - Рыбинск, 2009. - 240 с.

37. Баженов, А.Г. Компьютерное моделирование - обязательное

условие обеспечения качества продукции / А. Г. Баженов, Я. В. Беляков, И. Е. Гутнер // Стандарты и качество. - 2015 - №3. - С.72-74.

38. Мадагера, А. Г. Концепция математического и компьютерного моделирования тепловых процессов в электронных системах / А. Г. Мадагера // Программные продукты и системы. - 2015. - № 4(112). - С. 79-86.

39. Мадагера, А. Г. Математическое моделирование интервально стохастических нестационарных нелинейных тепловых процессов в электронных системах / А. Г. Мадагера // Тепловые процессы в технике. - 2016.

- Т. 8, № 3. - С. 126-136.

40. Мадагера, А. Г. Исследование влияния отдельных составляющих тепловых потоков конвекции, радиации и кондукции на интервально стохастические тепловые процессы в электронных системах / А.Г. Мадагера, П.И. Кандалов, М.Ж. Акжолов // Труды НИИСИ РАН. - 2017. - Т. 7, №4. -С.47-56.

41. Смирнов, А.Н. Современные методы компьютерного моделирования металлургических процессов и систем / А. Н. Смирнов // Сталь.

- 2013. - №8. - С. 26-27.

42. Бакрадзе, М. М. Компьютерное моделирование технологических процессов обработки металлов давлением как инструмент разработки новых технологий / А. В. Скугорев, В.В. Кучеряев, М. В. Бубнов // Авиационные материалы и технологии. - 2015. - №5. - С.175-185.

43. Чукин, М.В. Развитие теории качества металлопродукции (научный обзор) / М. В. Чукин // Качество в обработке материалов. - 2015. - №1(3). - С. 5-9.

44. Румянцев, М. И. Анализ параметров и результативности прокатки крупногабаритных листов для судостроения в условиях ОАО «ММК» / М. И. Румянцев, Д. С. Данилова, С. В. Денисов, А. А. Кузьмин, П. А. Стеканов // Актуальные проблемы современной науки, техники и образования. - 2011. -№1. - С. 238-241.

45. Румянцев, М.И. Анализ качества производства холоднокатаной

ленты из электротехнической стали с применением методов SPC в условиях ЛПЦ-3 ОАО «Ашинский металлургический завод» / М. И. Румянцев, Ю. А. Чевардин, И. Г. Шубин, Н. А. Пичугин, Е. А. Филиппова // Производство проката. - 2010. - №10. - С. 24-30.

46. Jelali, M. Performance assessment of control systems in rolling mills -application to strip thickness and flatness control / M. Jelali // Journal of Process Control - 2007. - Vol. 17. - P. 805-816.

47. Елисаветский, А.М. Справочник Лакокрасочные покрытия технология и оборудование / А.М. Елисаветский, В.Н. Ратников, В.Г. Дорошенко, В. Л. Гоц, М. К. Дубинин, В. П. Козлов, С. П. Котова, И. А. Крылова. - М. : Химия, 1992. - 416с.

48. Технология нанесения полимерных покрытий на рулонный прокат: сайт. [Электронный ресурс]. - Режим доступа: https: //orelmp .ru/technology/.

49. Советов, Б. Я. Моделирование систем: Учеб. для академического бакалавриата / Б. Я. Советов, С. А. Яковлев - 7-изд., пер. и доп. - М. : Издательство Юрайт, 2019. - 343 с.

50. Соболев, Б. М. Расчеты плавильных и нагревательных печей: учеб. пособие / Б. М. Соболев, Ю. Н. Мансуров, Хейн Вин Зо, С. Б. Марьин; под. общ. ред. Б. М. Соболева. - Комсомольск-на-Амуре: КнАГТУ, 2015. - 131 с.

51. Киселев, Е.В. Электрические печи сопротивления: учеб. пособие / Е. В. Киселев, В. Б. Кутьин, В. И. Матюхин; под. общ. ред. М. Д. Казяев. -Екатеринбург : Изд-во УГТУ-УПИ, 2010. - 78 с.

52. Логачев, М. В. Расчеты нагревательных устройств: учебно-методическое пособие Ч2 / М. В. Логачев, Н. И. Иваницкий, Л. М. Давидович -Минск : Изд-во БНТУ, 2010. - 131 с.

53. Дроздов, В. Ф. Отопление и вентиляция. Отопление. Учебник для строит. вузов. / В. Ф. Дроздов - М. : Высш. школа, 1976. - 280 с.

54. Тимошпольский, В. И. Теплообмен и тепловые режимы в промышленных печах: учеб. пособие / В. И. Тимошпольский, И. А. Трусова, А. Б. Стеблов, И. А. Павлюченков. - Минск : Высшая школа, 1992. - 217 с.

55. Голоскоков, Д. П. Уравнения математической физики. Решение задач в системе Maple: учебник для вузов - СПб. : Питер, 2004. - 539 с.

56. Бухмиров, В. В. Теоретические основы теплотехники. Тепломассообмен: Курс лекций. Ч.1./ В. В. Бухмиров. - Иваново : Ивановский гос. энерг. ун-т им. В. И. Ленина, 2008. - 24 с.

57. Максимова, О. Г. Применение компьютерного моделирования для управления процессом сушки лакокрасочного покрытия на поверхности металлического листа / О. Г. Максимова, И. А. Варфоломеев, Е. В. Ершов, А. В. Максимов, Л. Н. Виноградова // Вестник Череповецкого государственного университета. Т.2 - 2012. - №4. - С. 14-16.

58. Кабаков, З. К. Восстановление параметров сложного теплообмена/ З. К. Кабаков, К. Е. Голубенков, Ю. В. Грибкова, С. А. Антонов // Известия высших учебных заведений. Чёрная металлургия, 2006. - №11. - С. 53-55.

59. Скворцов, А. А. Теплопередача и затвердевание стали на установках непрерывной разливки / А. А. Скворцов, А. Д. Акименко. - М. : Металлургия, 1996. - 190 с.

60. Рабинович, Г. Г. Расчеты основных процессов и аппаратом нефтепереработки: Справочник, 3-е изд., пер. и доп. / Г. Г. Рабинович, П. М. Рябых, П. А. Хохряков, Ю. К. Молоканов, Е. Н. Судаков, под ред. Е. Н. Судакова. - М. : Химия, 1979. - 568 с.

61. Емельянов, В. Ю. Теория принятия решений: Базовые методы Учебное пособие / В. Ю. Емельянов, В. К. Кругликов. - СПб. : Балтийский государственный технический университет, 2006. - 161 с.

62. Половинкин, Е. С. Элементы выпуклого и сильно выпуклого анализа / Е. С. Половинкин, М. В. Балашов. - М. : Физматлит, 2007. - 440 с.

63. Васильев, Ф. П. Численные методы решения экстремальных задач / Ф. П. Васильев. - М. : Наука, 1980. - 520 с.

64. Нестеров, Ю. Е. Введение в выпуклую оптимизацию / Ю. Е. Нестеров. - М. : МЦНМО, 2010. - 279 с.

65. Сухарев, А. Г. Курс методов оптимизации / А. Г. Сухарев, А. В. Тимохов, В. В. Федоров. - М. : Физматлит, 2005. - 368 с.

66. Box, M. J. A new method of constrained optimization and a comparison with other methods / M. J. Box // The Comp. Journal. 1965. - Р. 42-52.

67. Gen, M. Network Models and Optimization: Multiobjective Genetic Algorithm Approach (Decision Engineering) / М. Gen, R. Cheng, L. Lin. - London (UK): Springer-Verlag London Ltd, 2008. - 692 p.

68. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. - М. : Горячая линия-Телеком, 2006. - 452 с.

69. Панченко, Т. В. Генетические алгоритмы: учебно-методическое пособие / Т. В. Панченко, под ред. Ю. Ю. Тарасевича. — Астрахань: Издательский дом «Астраханский университет», 2007. — 36 с.

70. Whitley, D. The Island Model Genetic Algorithm: On Separability, Population Size and Convergence / D. Whitley, S. Rana, R. Heckendorn - Colorado (USA): Department of Computer Science Colorado State University, 1998. - 17 p.

71. Осколков, В. М. Использование генетического алгоритма в системе интеллектуального управления процессом полимеризации оцинкованного листа / В. М. Осколков, И. А. Варфоломеев, Е. В. Ершов // Сборник трудов Всероссийской научно-практической конференции (11-12 ноября 2015 г.) Череповецкие научные чтения 2015. Ч.3. - 2016. - С. 129-131.

72. Осколков, В. М. Применение островной модели генетического алгоритма для уменьшения цветового отклонения полимерного покрытия оцинкованной полосы / В. М. Осколков, И. А. Варфоломеев // Сборник трудов Всероссийской научно-практической конференции молодых ученых Молодежь и новые информационные технологии. - Череповец. - 2016. - С. 68-70.

73. Осколков, В. М. Применение островной модели генетического алгоритма для подбора оптимальных параметров агрегата полимерных

покрытий с целью уменьшения значения цветового отклонения покрытия оцинкованной полосы / В. М. Осколков, И. А. Варфоломеев, Л. Н. Виноградова, Е. В. Ершов // Сборник трудов III Всероссийской научно-практической конференции Современные информационные технологии. Теория и практика. -Череповец. - 2017. - С. 93-97.

74. Осколков, В. М. Применение генетического алгоритма для подбора коэффициентов математической модели агрегата нанесения полимерного покрытия оцинкованного листа / В. М. Осколков, С. Г. Лянге, И. А. Варфоломеев, Л. Н. Виноградова, Е. В. Ершов // Сборник трудов IV Всероссийской научно-практической конференции Современные информационные технологии. Теория и практика. Череповец. - 2018. - С. 7679.

75. Powell, M. J. Direct search algorithms for optimization calculations / M. J. Powell // Acta Numerica. - 1998. - Vol. 7. - P. 287-336.

76. Кольцов, Ю. В. Сравнительный анализ методов оптимизации для решения задачи интервальной оценки потерь электроэнергии / Ю. В. Кольцов, Е. В. Бобошко // Компьютерные исследования и моделирование. - 2013. - Т. 5, №2. - С. 231-239.

77. Bajaj, I. Trust Region-based Two Phase Algorithm for Constrained Black-box and Grey-box Optimization with Infeasible Initial Point / I. Bajaj // Computers & Chemical Engineering. - 2017. - №113. - P. 187-218.

78. Loucera, C. Memetic Simulated Annealing for Data Approximation with Local-Support Curves / C. Loucera // Procedia Computer Science. - 2017. - Vol. 108. - P. 1364-1373.

79. Oosterwijk, A. An adjoint-free method to determine conditional nonlinear optimal perturbations. / A. Oosterwijk // Computers & Geosciences. -2017. - Vol. 106. - P. 190-199.

80. Ribeiro e Silva, S. Hydrodynamic optimization of the UGEN: Wave energy converter with U-shaped interior oscillating water column. / S. Ribeiro e Silva // International Journal of Marine Energy. - 2016. - Vol. 15. - P. 112-126.

81. Selimefendigil, F. Jet impingement cooling and optimization study for a partly curved isothermal surface with CuO-water nanofluid / F. Selimefendigil // International Communications in Heat and Mass Transfer. - 2017. - Vol. 89 - P. 211-218.

82. Осколков, В. М. Моделирование взрывоопасности при испарении растворителей в процессе сушки полимерного покрытия / В. М. Осколков, И. А. Варфоломеев, Л. Н. Виноградова, Е. В. Ершов // Сборник трудов III Международной научной конференции Научно-технический прогресс в черной металлургии. - 2017 - С.183-189.

83. Осколков, В. М. Моделирование концентрации растворителя в процессе сушки полимерного покрытия для оценки взрывоопасности / В. М. Осколков, И. А. Варфоломеев, Л. Н. Виноградова, Е. В. Ершов // Наука. Образование. Общество: сборник трудов Всероссийской научно-технической конференции - Рыбинск, 2017. - Т. 1. - С. 203-207.

84. Техническая спецификация масел ShellSol. [Электронный ресурс]. -Режим доступа: https://www. shell.com/business-customers/chemicals/our-products/solvents-hydrocarbon/aromatic-solvents.html.

85. Дринберг, С. А. Растворители для лакокрасочных материалов: Справочное пособие, 2-е изд., пер. и доп. / С. А. Дринберг, Э. Ф. Ицко -Ленинград: Химия, 1986. - 208 с.

86. Демидов, П. Г. Горение и свойства горючих веществ / П. Г. Демидов - М. : Издательство Министерства коммунального хозяйства РСФСР, 1962. - 264 с.

87. CIE, International Commission on Illumination, Recommendations on Uniform Color Spaces, Color-Difference Equations, Psychometric Color Terms, Supplement No. 2 to CIE Publication No. 15, (E-1.3.1) 1971, / (TC-1.3) 1978, Bureau Central de la CIE, Paris, 1978, 135, 143, 145-146, 159, 161, 166, 170, 178.

88. Вьюгин, В. Математические основы теории машинного обучения и прогнозирования / В. Вьюгин - МЦМНО, 2013. — 390 с.

89. Журавлев, Ю. И. «Распознавание». Математические методы.

Программная система. Практические применения / Ю. И. Журавлев, В. В. Рязанов, О.В. Сенько. — М. : Фазис, 2006. - 159 с.

90. Осколков, В. М. Разработка модуля прогнозирования цветового отклонения полимерного покрытия оцинкованной полосы на основе методов машинного обучения / В. М. Осколков, И. А. Варфоломеев, Е. В. Ершов // Производство проката. - 2016. - № 6. - С. 32-44.

91. Осколков, В. М. Разработка и внедрение модели прогнозирования цветового отклонения полимерного покрытия оцинкованной полосы / В. М. Осколков, И. А. Варфоломеев, Л. Н. Виноградова, Е. В. Ершов // Программные продукты и системы. - 2017. - № 1 - С. 143-147.

92. Осколков, В. М. Разработка и внедрение модели прогнозирования цветового отклонения полимерного покрытия оцинкованной полосы / В. М. Осколков, Н. И. Шаханов, И. А. Варфоломеев, Е. В. Ершов // Вестник научных конференций: сборник трудов международной научно-практической конференции Вопросы образования и науки - Тамбов. - 2016. - №5-4(9). - С. 218-221.

93. Картиев, С. Б. Алгоритм классификации, основанный на принципах случайного леса, для решения задачи прогнозирования / С. Б. Картиев, В. М. Курейчик // Программные продукты и системы. - 2016. - №2. - С. 11-15.

94. Иванова, Е. И. Интеллектуальная информационная система для решения задач прогнозирования неисправностей вагонного оборудования на железнодорожном транспорте / Е. И. Иванова // Программные продукты и системы. - 2015. - №4. - С. 231-236.

95. Yile, A. The linear random forest algorithm and its advantages in machine learning assisted logging regression modeling / A. Yile, L. Hongqi, Z. Liping, A. Sikandar, Y. Zhongguo // Journal of Petroleum Science and Engineering. -2019. - Vol. 174. - P. 776-789.

96. Gomes, H. M. Adaptive random forests for data stream regression / H. M. Gomes, J. P. Barddal1, L. E. Boiko, A. Bifet // Computational Intelligence and

Machine Learning: 26th European Symposium on Artificial Neural Networks,-ESANN. - 2018. - P. 267-272.

97. Осколков, В. М. Использование метода машинного обучения для повышения продуктивности на предприятии / В. М. Осколков, Н. И. Шаханов, И. А. Варфоломеев, О. В. Юдина, Е. В. Ершов // Сборник трудов XII Международной научно-технической конференции Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования - Вологда. - 2017. -С. 177-180.

98. Couronné, R. Random forest versus logistic regression: a large-scale benchmark experiment [Электронный ресурс] / R. Couronné, P. Probst, A. Boulesteix // BMC Bioinformatics: Интернет издание. - Режим доступа: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6050737/.

99. Veerkamp, R. F. Comparing regression, naive Bayes, and random forest methods in the prediction of individual survival to second lactation in Holstein cattle / R. F. Veerkamp, E. M. M. van der Heide, M. L. van Pelt, C. Kamphuis, I. Athanasiadis, B.J. Ducro // Journal of Dairy Science. - 2019. - Vol. 102. - P. 94099421.

100. Чистяков, С. П. Случайные леса: обзор / С. П. Чистяков // Труды Карельского научного центра РАН. - 2013. - № 2. - С. 117-136.

101. Bradley, E. Bootstrap Methods: Another Look at the Jackknife / E. Bradley // Annals of Statistics. - 1979. - Vol. 7, no. 1. - P. 1-26.

102. Duda, R. O. Pattern Classification. / R. O. Duda, P.E. Hart, D.G. Stork - New York (USA): John Wiley Sons, 2001. - 639 p.

103. Archdeacon, T. Correlation and regression analysis: a historian's guide. / T. Archediacon // Madison (USA) : University of Wisconsin Press, 1994. - 352 p.

104. Осколков, В. М. Применение параллельных вычислений для прогнозирования на основе алгоритма машинного обучения random forest / В. М. Осколков, Н. И. Шаханов, И. А. Варфоломеев, О. В. Юдина, Л. Н. Виноградова, Е. В. Ершов // Оптико-электронные приборы и устройства в

системах распознавания образов, обработки изображений и символьной информации: сборник трудов XIII Международной научно-технической конференции Распознавание. Курск, 2017. - 2017. - С. 267-270.

105. Осколков, В. М. Метод и алгоритмы прогнозирования цветового отклонения полимерного покрытия оцинкованной полосы на основе ансамбля решающих деревьев / В. М. Осколков, Е. В. Ершов // Сборник тезисов Студенческой научной конференции «СНК-2017». - 2017. - С.131-132.

106. Кабаков, Р. И. R в действии. Анализ и визуализация данных на языке R / Р.И. Кабаков - М. : ДМК Пресс, 2014. - 588 с.

107. Fernández-Delgado, M. Do we Need Hundreds of Classifiers to Solve Real World Classification Problems? / M. Fernández-Delgado, E. Cernadas, S. Barro,

D. Amorim // Journal of Machine Learning Research. - 2014. - Vol. 15. - P. 3133-3181.

108. Липаев, В. В. Сертификация программных продуктов для управляющих систем / В. В. Липаев // Программная инженерия. - 2011. - № 4 -С. 2-11.

109. Задачи по подготовке данных для расширенного машинного обучения: сайт. [Электронный ресурс]. - Режим доступа: https://docs.microsoft.com/m-ru/azure/machine-learning/team-data-science-process/prepare-data.

110. Осколков, В. М. Математическое и алгоритмическое обеспечение модели сушки полосы с полимерным покрытием / В. М. Осколков, Т. О. Петрова, И. А. Варфоломеев, Л. Н. Виноградова, Е. В. Ершов // Вестник Череповецкого государственного университета. - 2018. - №6 (87) - С.19-26.

111. Oskolkov, V. M. Intelligent control system of the polymerization process of the galvanized sheet painted in coil coating technology / V. M. Oskolkov,

E. V. Ershov, I. A. Varfolomeev, D. V. Bogachev, L. N. Vinogradova // Journal of Chemical Technology and Metallurgy. - 2019. - Vol. 2. - P. 266-273.

112. Осколков, В. М. Интеллектуальная система управления процессом сушки оцинкованного листа, окрашенного по технологии COIL COATING / В.

М. Осколков, И. А. Варфоломеев, Л. Н. Виноградова, Е. В. Ершов // Вестник Череповецкого государственного университета. - 2019. - № 2 (89) - С.44-55.

113. Осколков, В. М. Универсальный подход сбора технологической информации с контроллеров промышленных агрегатов / Н. И. Шаханов, В. М. Осколков, И. А. Варфоломеев, О. В. Юдина, Л. Н. Виноградова, Е. В. Ершов // Сборник трудов XV Всероссийской научной конференции с международным участием Вузовская наука - региону. - Вологда, 2017. - С. 113-115.

114. Кулямин, В. Технологии программирования. Компонентный подход / В. Кулямин - М. : Бином. Лаборатория знаний, 2014. - 463 с.

115. Рихтер, Д. CLR via C# программирование на платформе Microsoft .NET Framework 4.5 на языке C# / Д. Рихтер - СПб. : Питер, 2013 - 896 с.

116. Нейгел, К. C# 4.0 и платформа .NET 4 для профессионалов / К. Негел, Б. Ивьен, Д. Глинн, К. Уотсон - М. : ООО «И.Д. Вильямс», 2011 - 1440 с.

ПРИЛОЖЕНИЕ 1.

СВИДЕТЕЛЬСТВА О РЕГИСТРАЦИИ ПРОГРАММНОГО

ОБЕСПЕЧЕНИЯ

Рисунок П.1.1 - Свидетельство о регистрации программы для ЭВМ «ПО параметрической идентификации модели сушки полимерного покрытия на

основе алгоритма СОБУЬЛ»

Рисунок П.1.2 - Свидетельство о регистрации программы для ЭВМ «ПО оценки эффективности процесса сушки полимерного покрытия оцинкованной полосы»

Рисунок П.1.3 - Свидетельство о регистрации программы для ЭВМ «Генератор программного кода моделей Random Forest»

ПРИЛОЖЕНИЕ 2.

АКТ О ВНЕДРЕНИИ

УТВЕРЖДАЮ Начальник участка

Начальник уча

АКТ О ВНЕДРЕНИИ

результатов исследований Осколкова В.М.

Научно-техническая комиссия центра автоматизированных систем ПАО «Северсталь» Центр «Промсервис» подтверждает, что при разработке системы оценки качества сушки полимерного покрытия оцинкованной полосы на AJ111-2 были внедрены следующие результаты исследований:

1. математические модели оценки процесса сушки полимерного покрытия, позволяющие увеличить достоверность оценки процесса сушки полимерного покрытия оцинкованной полосы.

2. метод оценки процесса сушки полимерного покрытия оцинкованной полосы, отличающийся комплексной оценкой температурного режима, взрывоопасности - концентрации паров растворителей, декоративного свойства покрытия — цветового отклонения.

3. система алгоритмов оценки процесса сушки полимерного покрытия на оцинкованной полосе, реализующая функционально полное алгоритмическое обеспечение:

— алгоритм предиктивной оценки цветового отклонения полимерного покрытия оцинкованной полосы;

алгоритм сушки полимерного покрытия оцинкованной полосы;

— алгоритм параметрической адаптации математической модели полимеризации на оцинкованной полосе.

Использование перечисленных результатов исследований позволило проводить оценку пиковой температуры металла со среднеквадратичным отклонением 111М 8,3 °С, а также проводить оценку цветового отклонения полимерного покрытия со средней относительной ошибкой модели 6,1 %.

Рисунок П.2.1 - Акт о внедрении результатов исследования

Секретарь комиссии