Авторы

Нейросетевая модель для определения регламентных параметров технологического процесса переработки рудного сырья

В настоящее время методы машинного обучения широко используются для решения различных производственных задач, в частности задачи диагностики и прогнозирования дефектов серийно выпускаемых изделий. Одной из важнейших задач является диагностика и прогнозирование дефектов, на основе решения которой можно определять регламенты на параметры технологических процессов и применяемых сырьевых материалов, обеспечивающие минимальную вероятность образования брака и максимально высокое качество производимых изделий. Решение этой актуальной задачи с помощью нейросетевой модели показано на примере технологического процесса изготовления изделий из мелкодисперсного рудного материала. В основе предлагаемой модели – нейронная сеть, обученная на множестве исторических данных, включающих примеры изготовления изделий при разных наборах технологических параметров и сырьевого рудного материала. Прогнозируемый параметр – коробление изделия в одном из его сечений. Проектирование и обучение предлагаемой нейронной сети структуры позволило достигнуть коэффициента детерминации R2 между прогнозируемой и фактической величиной коробления 92 %. Путем проведения компьютерных экспериментов с использованием метода частичного замораживания входных параметров построены зависимости величины коробления от наиболее значимых параметров технологического процесса, в том числе от теплофизических и химико-энерготехнологических процессов обработки сырья. С помощью этих зависимостей определен регламент на наиболее значимые параметры производственного процесса, обеспечивающий получение изделия без нарушения допуска на величину коробления, заданного конструкторской документацией. Таким образом, на конкретном примере показана возможность с помощью нейросетевого моделирования решать задачи назначения регламента на параметры производственного процесса, соблюдение которого обеспечивает минимальное количество брака и, соответственно, более высокое качество партии изделий. Читать дальше...