ведущий инженер
traveling engineer
На основе компьютерного моделирования и методов машинного обучения был составлен алгоритм подготовки и обучения. Данные взяты из технологических баз и журналов подготовки сырья для производства кокса. После проведения статистического анализа сделаны выводы, которые были приняты на производстве в реализацию. В условиях беспрерывного производственного процесса возможность своевременно выявлять дефекты в оборудовании и логистике напрямую влияет на экономический эффект. Любые области в современном мире имеют тенденцию в развитии технологий искусственного интеллекта и машинного обучения. Предприятия Новокузнецка (в том числе металлургические) активно ведут разработку роботов – подсказчиков и систем прогнозирования качества продукции. Искусственный интеллект связан с задачей использования компьютеров для понимания человеческого интеллекта. Это важное направление в построении человекоподобных систем. На рассматриваемом этапе развития машинного обучения стали использовать ряд алгоритмов и программных систем, отличительным свойством которых является то, что они могут решать задачи, так как это делал бы размышляющий над их решением человек. Относительно активно развивающихся систем информационных технологий металлургические процессы живут намного дольше, соответственно поиск решений для объединения знаний и опыта технологов и искусственного интеллекта является трудной, но интересной задачей для поиска возможных проблем на производстве. Выявление внештатных отклонений помогает избежать незапланированных простоев (экономических потерь). Статья является демонстрацией пути, который был пройден для объединения информационных технологий в области искусственного интеллекта и металлургии, а именно получение коксующихся углей на основе технологических показателей коксохимического производства.
On the basis of computer modeling and machine learning methods, an algorithm for preparing and training data taken from technological databases and journals for the preparation of raw materials for coke production was compiled. After statistical analysis, conclusions were drawn, which were accepted in production for implementation. In a continuous production process, the ability to timely detect defects in equipment and logistics directly affects the economic effect. Any field in the modern world tends to develop artificial intelligence and machine learning technologies. Novokuznetsk enterprises, including metallurgical ones, are also actively developing robots - prompters and systems for predicting product quality. Artificial intelligence is concerned with the task of using computers to understand human intelligence. This is an important direction in the construction of human-like systems. At this stage in the development of machine learning, a number of algorithms and software systems began to be attributed to it, the distinguishing feature of which is that they can solve some problems in the same way as a person thinking about their solution would do. But with respect to actively developing information technology systems, metallurgical processes live much longer, so finding solutions to combine the knowledge and experience of technologists and artificial intelligence is a difficult but interesting task for finding possible problems in production. Identification of abnormal deviations helps to avoid unplanned downtime, and, accordingly, avoid economic losses. This article is a demonstration of the path that has been taken to combine information technologies in the field of artificial intelligence and metallurgy, namely the production of coking coal, based on the technological indicators of coke production.
The authors declare that there are no conflicts of interest present.