База знаний процессов внепечной обработки стали

М. В. Зарецкий; В. А. Бигеев; Е. А. Соколова; П. С. Власова

Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2019

М. В. Зарецкий, В. А. Бигеев, Е. А. Соколова, П. С. Власова

Изменена: 2019-05-27

Аннотация

Важнейшей задачей современных предприятий черной металлургии является непрерывное совершенствование технологических процессов. Сталь, получаемая в конвертерах и электросталеплавильных печах, подвергается внепечной обработке, а затем поступает для дальнейшей переработки в машины непрерывного литья заготовки. Действия персонала при проведении процессов внепечной обработки стали зависят от многочисленных факторов: требуемого химического состава продукции (содержания углерода, легирующих элементов), температуры. В условиях постоянного обновления сортамента для обеспечения требуемого качества продукции требуется внедрение системы поддержки принятия решений (СППР). Основой данной СППР является база знаний, охватывающая все операции, входящие в процессы внепечной обработки стали. Предложена база знаний процессов внепечной обработки стали, основанная на онтологической методологии

Ключевые слова

технологические процессы; поддержка принятия решений; онтология; база знаний; внепечная обработка стали

Литература

1. Колесников Ю.А. Металлургические технологии в высокопроизводительном конвертерном цехе.: учеб. пособие / Ю.А. Колесников, Б.А. Буданов, А.М. Столяров; под ред. В.А. Бигеева. – Магнитогорск: Изд-во Магнитогорск. гос. техн. ун-та им. Г.И. Носова, 2015. – 379 с.

2. Кудрин В.А. Внепечная обработка стали / В.А. Кудрин. М.: Металлургия, 1992. – 336 с.

3. Спирин Н.А., Ипатов Ю.В., Лобанов В.И. и др. Информационные системы в металлургии: Учебник для вузов / Под ред. Н.А. Спирина. – Екатеринбург: УГТУ УПИ, 2001. – 617 с.

4. Спирин Н.А., Лавров В.В., Рыболовлев В.Ю. и др. Модельные системы поддержки принятия решений в АСУ ТП доменной плавки в металлургии / Под ред. Н.А. Спирина. – Екатеринбург: УрФУ, 2011. – 462 с.

5. Спирин Н.А., Лавров В.В., Рыболовлев В.Ю. и др. Математическое моделирование металлургических процессов в АСУ ТП: Учебное пособие / Под ред. Н.А. Спирина. – Екатеринбург: УрФУ, 2014. – 558

6. Лавров В.В., Спирин Н.А., Гурин И.А., Рыболовлев В.Ю., Краснобаев А.В. Современная методология и компьютерные технологии создания программного обеспечения модельных систем поддержки принятия решений в металлургии (на примере доменного производства). Известия высших учебных заведений. Черная металлургия. 2017; (60): 679-685

7. Пуляева В.Н. Развитие инструментов управления знаниями в металлургии. Экономика в промышленности. 2017; 10 (2): 121-127 ttps://doi.org/10.17073/2072-1633-2017-2-121-127

8. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский – Спб.: Питер, 2000. – 384с.

9. Литвин В.В. Технологiї менеджменту знань / В.В. Литвин – Львiв: Видавництво Львiвської полiтехнiки, 2010 – 260с.

10. Черняховская Л.Р. Онтологический подход к разработке правил принятия решений в проектном менеджменте / Л.Р. Черняховская, А.И. Малахова // Информационные технологии и системы: труды Второй междунар. конф. Челябинск: Изд-во Челяб. гос. ун-та, 2013. С. 111 – 114.

11. Горбатова Е.А. База знаний автоматизированной системы технологической подготовки производства для переработки рудного сырья / Е.А. Горбатова, Е.А. Емельяненко, М.В. Зарецкий // Автоматизированные технологии и производства № 4 (14), 2016. – С. 70 – 44.

12. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами / А.Г. Ивахненко. Киев: Технiка, 1975. – 312 с.

13. Шолле Франсуа. Глубокое обучение на Python / Франсуа Шалле. СПб.: Питер, 2018. – 400 с.

14. Николенко С. Глубокое обучение / С. Николенко, А. Кадурин, Е. Архангельская. СПб.: Питер, 2018. – 480 с.

Полный текст: PDF