Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Автоматизированная система интеллектуальной поддержки процессов управления производством непрерывнолитой заготовки

Диссертация: Автоматизированная система интеллектуальной поддержки процессов управления производством непрерывнолитой заготовки
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Современное промышленное производство выдвигает новые требования к системам управления многостадийными производствами. Эти требования обусловлены внедрением новых приоритетных направлений, определенных государственной политикой в России. Одно из таких направлений — развитие информационно-телекоммуникационных технологий, которые являются неотъемлемой частью автоматизированных систем управления… Читать ещё >

Содержание

  • Глава 1. Теоретико-информационный анализ системы управления производства непрерывнолитой заготовки
    • 1. 1. Анализ рынка потребления непрерывнолитой заготовки
    • 1. 2. Структура АСУ производством непрерывнолитой заготовки в условиях ОАО «ММК»
    • 1. 3. Пути решения проблемы автоматизации оценки качества металлургической продукции
      • 1. 3. 1. Анализ теоретических разработок в области развития улучшения, сегментации и распознавания изображений
      • 1. 3. 2. Анализ практических разработок в области построения анализаторов
    • 1. 4. Методики обработки изображений на основе программных анализаторов
      • 1. 4. 1. Информационное обеспечение программных анализаторов
      • 1. 4. 2. Математическое обеспечение программных анализаторов
    • 1. 5. Цели, задачи и основные концепции работы
  • Глава 2. Математическое обеспечение программного анализатора для АСУ производства непрерывнолитой заготовки
    • 2. 1. Методика сбора и подготовки информации для программного анализатора качества непрерывнолитой заготовки
      • 2. 1. 1. Описание традиционной методики получения информации о качестве непрерывнолитых заготовок
      • 2. 1. 2. Методика усовершенствования способов сбора информации для экспертной автоматизированной системы
    • 2. 2. Структура изображений темплетов непрерывнолитой заготовки
    • 2. 3. Структура автоматизированной системы принятия решения о качестве непрерывнолитой заготовки
    • 2. 4. Методика улучшения и сегментации изображений темплетов непрерывнолитой заготовки
    • 2. 5. Классификация дефектов как объектов нерегулярной формы на изображении
    • 2. 6. Алгоритмы классификации внутренних дефектов непрерывнолитой заготовки на основе древовидных структур
      • 2. 6. 1. Алгоритм С4.5 для построения нечеткого дерева принятия решений
      • 2. 6. 2. Алгоритмы снижения ошибок принятия решений при использовании нечеткого дерева
    • 2. 7. Реализация леса нечетких деревьев для принятия решений по оценке дефектов макроструктуры непрерывнолитых заготовок
    • 2. 8. Выводы по главе 2
  • Глава 3. Интеграция модуля автоматизированной оценки НЛЗ в АСУ производства НЛЗ
    • 3. 1. Схема интеграции программных модулей в систему управления производством непрерывнолитой заготовки
    • 3. 2. Оценка времени запаздывания управляющего воздействия на изменение значений параметров
    • 3. 3. Структура модуля интеллектуальной поддержки управления
    • 3. 4. Результаты тестирования модуля интеллектуальной поддержки принятия решений о коррекции управляющего воздействия
    • 3. 5. Формирование управляющего воздействия на основе эмпирической модели соотношения шихтовых материалов при выплавке стали в ДСП
    • 3. 6. Выводы по главе 3
  • Глава 4. Организационно-технические решения для применения результатов исследования в действующем производстве
    • 4. 1. Организация рабочего места контролера качества НЛЗ
    • 4. 2. Рекомендации по развитию системы мониторинга технологических процессов производства стальных заготовок
    • 4. 3. Результаты вычислительных экспериментов по подсистеме оценки качества
    • 4. 4. Оценка экономической эффективности системы управления технологической цепочкой производства непрерывнолитых заготовок при наличии информационной связи
    • 4. 5. Выводы по главе 4

Автоматизированная система интеллектуальной поддержки процессов управления производством непрерывнолитой заготовки (реферат, курсовая, диплом, контрольная)

Актуальность темы

Современное промышленное производство выдвигает новые требования к системам управления многостадийными производствами. Эти требования обусловлены внедрением новых приоритетных направлений, определенных государственной политикой в России. Одно из таких направлений — развитие информационно-телекоммуникационных технологий, которые являются неотъемлемой частью автоматизированных систем управления (АСУ) производством крупных промышленных предприятий. Использование новых модулей АСУ для многостадийных производственных процессов способствует повышению эффективности функционирования агрегатов и обеспечивает снижение доли продукции пониженного качества.

Многостадийная технология получения непрерывнолитой заготовки, с точки зрения управления, является сложным объектом. Для таких технологий необходима система, позволяющая в режиме реального времени выполнять мониторинг качества получаемой продукции и обеспечивающая интеллектуальную поддержку принятия решений при управлении производством.

При разработке и внедрении новых модулей, дополняющих существующие АСУ производства, появляется необходимость использования графической информации, получаемой в ходе оценки качества готовой продукции и полуфабрикатов.

В области теории и практики использования графической информации и принятия решений в условиях АСУ производств накоплен значительный положительный опыт. Вопросы получения, обработки и сегментации изображений отражены в трудах зарубежных и российских исследователей. Труды Гонсалеса Р., Вудса Р., Шапиро Д., Стокмана Дж. и других определили развитие математической теории в области улучшения и сегментации графической информации. В области принятия решений на основе древовидных структур можно отметить труды Quinlan J.R., Janikow C.Z., Hastie Т.,.

Tibshirani R., Friedman J., Берестневой О. Г. и других. В области практического использования теории нечетких множеств и нечеткой логики следует выделить труды Zadeh L.A., Esposito F., Malebra D., Semeraro G., Дюличевой Ю. Ю. и других.

Однако, несмотря на проведенные исследования и значительное число публикаций в области АСУ производства непрерывнолитой заготовки, остаются актуальными следующие проблемы:

— отсутствие автоматизированных систем, позволяющих обеспечить контроль за технологическими процессами, входящими в технологическую цепочку, на основе информации о качестве выпускаемой продукции;

— отсутствие методик сбора и обработки графической информации о качестве металлургической продукции по низкоконтрастным изображениям с элементами нерегулярной формы;

— отсутствие пакетов прикладных программ для интеллектуальной поддержки принятия решений в АСУ многостадийным производством, построенных на основе адаптивных нечетких деревьев с динамической структурой, учитывающих значения атрибутивных признаков качества получаемой продукции.

Цель работы — сокращение доли непрерывнолитой заготовки пониженного качества при использовании автоматизированной системы интеллектуальной поддержки процессов управления многостадийным производством, построенной на основе адаптивных нечетких деревьев с динамической структурой.

Для достижения поставленной цели решены следующие задачи:

— теоретико-информационный анализ АСУ производством непрерыв-нолитых заготовок для определения источников, способов получения и методов обработки графической информации;

— разработка математического обеспечения для анализатора качества непрерывнолитой заготовки, включающего формализованное описание границ областей на изображении темплета, алгоритмы улучшения и сегментации изображения темплетов, нечеткую древовидную структуру классификации дефектов заготовки по качественным и количественным характеристикам объектов нерегулярной формы;

— разработка математического и программного обеспечения для модуля принятия решений о коррекции заданий технологических процессов в условиях функционирования автоматизированной системы интеллектуальной поддержки управления многостадийным производством непрерывнолитой заготовки на основе адаптивного нечеткого дерева с динамической структурой;

— разработка организационно-технических решений для эксплуатации автоматизированной системы интеллектуальной поддержки управления производством непрерывнолитой заготовки, включающих организацию рабочих мест технологов, выбор аппаратной платформы для функционирования программного анализатора, оценку предполагаемой экономической эффективности функционирования разработанных модулей.

Объект исследования — АСУ производством качества непрерывнолитой заготовки, получаемой при многостадийной организации металлургического производства.

Предмет исследования — информационное, математическое и программное обеспечение системы управления производством непрерывнолитой заготовки, включающее математическое описание графической информации, адаптивные нечеткие деревья с динамической структурой для интеллектуальной поддержки принятия решений об оперативной коррекции управляющих воздействий.

Научную новизну составляют:

1) математическое описание низкоконтрастного изображения, включающее формализованное описание границ областей на изображении темплета, методику улучшения и сегментации изображения темплетов, нечеткую древовидную структуру классификации дефектов заготовки по качественным и количественным характеристикам объектов нерегулярной формы;

2) структура автоматизированной системы интеллектуальной поддержки процессов управления многостадийным производством, отличающаяся от ранее используемой наличием новой информационной связи о качестве получаемой заготовки;

3) методика принятия решения для коррекции управляющего воздействия на каждой стадии производства непрерывнолитой заготовки, построенная с использованием адаптивного нечеткого дерева с динамической структурой.

Практическая значимость работы заключается в разработке алгоритмов и программных модулей, обеспечивающих информационную связь с учетом оценки качества непрерывнолитой заготовки прямоугольного и квадратного сечения. Программные модули опробованы в ИТЦ «Аусферр» и ЗАО «Консом», лаборатории физико-механических и металлографических испытаний толстолистового и сортового проката ОАО «Магнитогорский металлургический комбинат».

Новизна и значимость технических решений подтверждены свидетельствами о государственной регистрации программ для ЭВМ. Научные аспекты исследований нашли отражение в учебно-методическом материале и используются в учебном процессе ФГБОУ ВПО «Магнитогорский государственный технический университет им. Г.И. Носова». Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009 — 2012 гг. по государственным контрактам П2402 от 18.11.2009 г., при финансовой поддержке грантов Правительства Челябинской области (2011 и 2012 гг.) и ректора ФГБОУ ВПО «Магнитогорский государственный технический университет им. Г.И. Носова».

Основные положения, выносимые на защиту:

1) функциональные модели производства непрерывнолитой заготовки, полученные в ходе проведения теоретико-информационного анализа, отображающие структуру управления, позволяющие выполнить построение методики сбора и подготовки информации для автоматизированной системы интеллектуальной поддержки;

2) математическое описание низкоконтрастного изображения образца и методика классификации элементов нерегулярной формы изображения, построенной на основе леса нечетких деревьев, позволяющая снизить влияние человеческого фактора в системе экспертной оценки качества заготовки;

3) структура автоматизированной системы интеллектуальной поддержки процессов управления многостадийным производством, позволяющая использовать существующую программно-техническую базу АСУ производства и внедрить в нее систему мониторинга качества получаемой продукции;

4) программные модули для классификации дефектов непрерывноли-той заготовки, построенные на основе адаптивных нечетких деревьев с динамической структурой, позволяющие повысить достоверность экспертной информации, поступающей в систему управления производством, достоверность принятия решения о коррекции управляющего воздействия в технологической цепочке производства непрерывнолитой заготовки.

Апробация работы. Основные положения и результаты диссертации докладывались, обсуждались и были одобрены на международных научных конференциях «Инженерная поддержка инновации и модернизации» (Екатеринбург, 2010, 2012) — «Перспективы развития информационных технологий» (Новосибирск, 2011) — «Математическое и программное обеспечение систем в промышленной и социальной сферах» (Магнитогорск, 2011) — «Современные металлические материалы и технологии» (Санкт-Петербург, 2011) — «Пробле-ми шформатики i моделювання» (Украина, Харьков, 2011, 2012) — «Информационные технологии: наука, техника, технология, образование, здоровье (MicroCAD-2012)» (Украина, Харьков, 2012) — «International Conference on Applied Physics and Mathematics» (Индия, Ченнаи, 2011, 2012) — «Фундаментальные и прикладные исследования, разработка и применение высоких технологий в промышленности и экономике» (Санкт-Петербург, 2012) — «Теория и практика тепловых процессов в металлургии» (Екатеринбург, 2012) — «ГрафиКон'2012» (Москва, 2012) — «The 2nd International Conference on Electronics, Communications and Control» (Китай, Чжоушань 2012).

Публикации. По материалам диссертации опубликованы 6 статей в изданиях из Перечня ВАК, глава в коллективной монографии, 11 статей в зарубежных изданиях, 9 статей в сборниках научных трудов и материалах международных и региональной научных конференций, 2 свидетельства о государственной регистрации программ для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, библиографического списка и приложений. Работа изложена на 170 страницах, в том числе: основной текст на 130 страницах, 18 таблиц, 105 рисунков, библиографический список из 117 наименований на 14 страницах, приложения на 26 страницах.

4.5. Выводы по главе 4.

1. В результате обработки изображений темплетов непрерывнолитой заготовки определены шумы, возникающие в результате технологий, используемых для их получения. Предложены рекомендации по организации рабочего места технолога, выполняющего подготовку и оценку изображений, которые позволяют усовершенствовать традиционные методики и получать изображения с равномерным освещением, повышенной яркости и контрастности. Изображения с улучшенными свойствами обрабатываются по упрощенной ветви методики и позволяют получить информацию о качестве заготовок в автоматизированном режиме.

2. Для уменьшения времени запаздывания поступления задания на коррекцию в системе АСУ производством непрерывнолитой заготовки предложено разместить участок обработки и оценки темплетов на производственную площадку электросталеплавильного цеха.

3. Разработаны рекомендации по развитию системы информационного мониторинга с включением дополнительных диалоговых окон для демонстрации текущего и ретроспективного состояния качества выпускаемой продукции. Добавление дополнительных информационных окон, содержащих историю развития и распространения внутренних дефектов по сечению заготовки, позволяет определить причины их образования и принять упреждающие меры по их дальнейшему формированию.

4. Спроектированы и разработаны интерфейсы диалоговых окон для трех участков производственных подразделений электросталеплавильного цеха ОАО «ММК», включающих научно обоснованные рекомендации по изменению значений параметров для коррекции управляющих воздействий в АСУ производства непрерывнолитых заготовок на основе технологии адаптивных нечетких деревьев с динамической структурой.

5. Для выбора технической платформы, способной оперативно выполнять оценку изображения темплета непрерывнолитой заготовки, была проведена серия вычислительных экспериментов. Результаты эксперимента продемонстрировали необходимость использования процессора с тактовой частотой не ниже 1,6 ГГц и объема оперативной памяти не менее 1 ГБ для оперативного получения информации о балле развития внутренних дефектов заготовки.

6. Предложена методика для расчета предполагаемого экономического эффекта, получаемого при внедрении системы управления с информационной связью о качестве заготовки. Предлагаемая методика учитывает статьи расходов на проектирование, создание и внедрение новой системы. При расчете прибыли в методике предлагается использовать структуру сортамента марок сталей, выпускаемых в условиях крупного металлургического предприятия. Предполагаемый экономический эффект при внедрении системы в действующее производство составляет 1 027 339 руб. в год при сроке окупаемости затрат на создание и внедрение системы за 232 дня.

Заключение

.

К основным результатам диссертации относится следующее:

1. Выполнен теоретико-информационный анализ производства непре-рывнолитых заготовок, который позволил определить недостатки существующей системы и обосновать выбор средств для ее совершенствования. В ходе анализа определены источники, способы получения и методы обработки информации для построения автоматизированной системы интеллектуальной поддержки управления процессами производства непрерывнолитой заготовки, позволяющей использовать информацию о качестве готовой продукции.

2. Предложено математическое обеспечение программного анализатора качества непрерывнолитой заготовки для АСУ производством. Разработанный программный модуль позволяет в автоматизированном режиме распознавать и классифицировать дефекты заготовки, снизить влияние человеческого фактора на оценку качества заготовки, повысить достоверность информации используемой в АСУ производства при принятии решений о коррекции технологии.

3. Разработаны математическое и программное обеспечение модуля коррекции заданий технологических процессов в условиях функционирования автоматизированной системы интеллектуальной поддержки управления многостадийным производством непрерывнолитой заготовки на основе адаптивного нечеткого дерева с динамической структурой. Разработанный программный модуль при интеграции в АСУ действующего производства позволил расширить систему мониторинга и контроля в автоматизированном режиме предложить научно обоснованный анализ причин возникновения и развития дефектов заготовки.

4. Разработаны организационно-технические решения для эксплуатации модулей автоматической системы интеллектуальной поддержки процессов управления производства непрерывнолитой заготовки, включающие организацию рабочих мест технологов, выбор аппаратной платформы для функционирования программного анализатора, оценку предполагаемой экономической эффективности функционирования разработанных модулей. Внедрение разработанных решений в действующую АСУ производства позволяет получить экономический эффект в размере 981 тыс. рублей в год за счет снижения доли заготовки пониженного качества.

Показать весь текст

Список литературы

  1. Алгоритм восстановления границ паркетных структур / Д. М. Алиевский,
  2. B. М. Алиевский, И. Г. Каменин и др. // Вестник УГТУ УПИ. Цифровая микроскопия. — Екатеринбург: ГОУ ВПО УГТУ — УПИ, 2005. — № ю.1. C. 7−12.
  3. , К. В. Теоретические основы принятия управленческих решений: Учебник / К. В. Балдин, С. Н. Воробьев, В. Б. Уткин. М.: Изд-во Московского психолого-социального института- Воронеж: Изд-во НПО «МОДЭК», 2005.-504 с.
  4. , О. Г. Построение логических моделей с использованием деревьев решений / О. Г. Берестнева, Е. А. Муратова // Известия Томского политехнического университета. Томск: Изд-во Томск, политехи, ун-та, 2004. -Т. 307, № 2.-С. 154- 160.
  5. , В. М. Автоматизированные системы управления технологическими процессами / В. М. Вальков, В. Е. Вершин. JI.: Политехника, 1991. -269 с.
  6. Влияние фракционного состава металлолома на показатели работы дуговой сталеплавильной печи / В. В. Павлов, Ю. А. Ивин, С. В. Пехтерев и др. // Электрометаллургия. 2011. — № 11. — С. 2 — 6.
  7. , Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. М.: Техносфера, 2005. — 1072 с.
  8. ГОСТ 10 243–75. Сталь. Методы испытаний и оценки макроструктуры. -Введ. 1978−01−01. М.: Государственный комитет СССР по стандартам, 1978.-41 с.
  9. ГОСТ 14 918–80. Сталь тонколистовая оцинкованная с непрерывных линий. Введ. 1981.07.01. — М.: Государственный комитет СССР по стандартам, 1980.- 11 с.
  10. ГОСТ 5639–82. Стали и сплавы. Методы выявления и определения величины зерна. Введ. 1983−01−01. — М.: ИПК Издательство стандартов, 2003. -37 с.
  11. ГОСТ 801–78. Сталь подшипниковая. Введ. 1980−01−01. — М.: ИПК Издательство стандартов, 2004. — 15 с.
  12. , Д. Х.Корпоративная информационная система металлургического предприятия / Д. X. Девятов, Д. С. Каплан. Магнитогорск: МГТУ, 2008. -306 с.
  13. , Ю. Ю. Стратегия редукции решающих деревьев (обзор) / Ю. Ю. Дюличева // Таврический вестник информатики и математики. 2002. -№ 1.-С. 10−17.
  14. , Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. Заде. М.: Математика, 1976. — Вып. 3. -168 с.
  15. , Л. А. Структурная адаптация мезофилла листа к затенению / Л. А. Иванова, В. И. Пьянков // Физиология растений, 2002. Т. 49. — № 3. -С. 467−480.
  16. Исследование природы неметаллических включений в ликвационной полосе листовой трубной стали / А. А. Казаков, С. В. Рябощук, П. В. Ковалев и др. // Черные металлы. 2011. — № 9, — С. 13 — 17.
  17. , А. А. Оценка металлургического качества никелевых жаропрочных сплавов / А. А. Казаков, Д. В. Киселев // Черные металлы. 2007. -№ 5.-С. 10−14.
  18. , О. С. Комплексная подсистема управления производством стали при использовании мелкофракционного металлолома / О. С. Логунова, И. И. Мацко, В. В. Павлов // Проблемы теории и практики управления. -2011. -№ 9. С. 51−57.
  19. Материаловедение. Применение. VideoTesT. -http://www.videotest.ru/ru/category/20 (15.12.2012).
  20. , И. И. Адаптивное нечеткое дерево принятия решений с динамической структурой для автоматизированной системы управления производством непрерывнолитой заготовки / И. И. Мацко, О. С. Логунова,
  21. B. В. Павлов // Проблеми шформатики i моделювання. Тезиси дванадцятоТ м1жнародно1 науково-техшчно1 конференцп. Харюв: НТУ «ХШ», 2012.1. C. 61, росшською мовою.
  22. , И. И. Математическое обеспечение распознавания объектов нерегулярной формы на цветных изображениях темплетов / И. И. Мацко, О. С. Логунова // Информационные технологии в проектировании и производстве. 2011. — № 3 — С. 87 — 92.
  23. , А. Измерение деформации конструкций методом фотограмметрии / А. Меньков. 2011. -http://habrahabr.ru/post/123 935/ (15.12.2012).
  24. Металлургическая экспертиза как основа определения природы дефектов металлопродукции / А. А. Казаков, П. В. Ковалев, С. В. Рябошук и др. // Черные металлы. 2007. — № 7−8. — С. 17 — 23.
  25. Методика оценки ликвационной полосы листового проката / A.A. Казаков, Л. С. Чигинцев, Е. И. Казакова и др. // Черные металлы. 2009. — № 12. -С. 17−22.
  26. Морфологическое исследование наночастиц средствами анализа изображений / И. В. Антонов, В. М. Алиевский, Р. М. Кадушников и др. // Вестник
  27. УГТУ УПИ. Цифровая микроскопия. — Екатеринбург: ГОУ ВПО УГТУ -УПИ, 2005. — № 10. — С. 63 — 68.
  28. Неметаллические включения и природа дефектов холоднокатанного листа / А. А. Казаков, П. В. Ковалев, А. Л. Мясников и др. // Черные металлы. -2006.-№ 2.-С. 32−46.
  29. , С. И. Самообучающиеся системы / С. И. Николаенко, А. Л. Тулупьев. М.: МЦНМО, 2009. — 288 с.
  30. ООО «Новые экспертные системы». Системы анализа изображений. http://vvvv'w.nexsys.ru/software.nLm (15.12.2012).
  31. ОСТ 14−4-73. Сталь. Метод контроля макроструктуры литой заготовки (слитка), полученной методом непрерывной разливки. Введ. 1973−07−01. -М.: Министерство черной металлургии СССР, 1973. — 15 с.
  32. , В. Г. Компьютерная микроскопия / В. Г. Пантелеев, О. В. Егорова, Е. И. Клыкова. М.: Техносфера, 2005. — 304 с.
  33. , С. В. Применение цифровых средств обработки изображений для изучения макро- и микроструктуры агломерата / С. В. Проданов, Е. В. Проданов // Вестник УГТУ УПИ. Цифровая микроскопия. — Екатеринбург: ГОУ ВПО УГТУ — УПИ, 2005.-№ 10.-С. 121 — 122.
  34. , У. Цифровая обработка изображений: пер. с англ. / У. Прэтт. М.: Мир, 1982.-Кн. 1.-312 с.
  35. Разработка методов оценки микроструктурной неоднородности трубных сталей / А. А. Казаков, Е. И. Казакова, Д. В. Кисилев и др. // Черные металлы.-2009.-№ 12.-С. 12−15.
  36. Разработка методики количественной оценки микроструктурной полосчатости низколегированных трубных сталей с помощью автоматического анализа изображений / А. А. Казаков, Д. В. Киселев, С. В. Андреева и др. // Черные металлы. 2007. — № 7−8. — С. 31 — 37.
  37. , А. С. Методы системного анализа: многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки / А. С. Рыков. М.: Экономика, 1999. — 255 с.
  38. , С. Цифровая микроскопия уходит в онлайн / С. Сомина, Р. Кадушников, А. Разводов // Наноиндустрия. 2012. — № 4 — С. 42 — 45.
  39. ТИ 101-СТ-ККЦ-22−2005. Обработка металла на агрегате доводки стали и установке усреднительной продувки металла в ковше. Магнитогорск: ОАО «ММК», 2005. — 26 с.
  40. ТИ 101-СТ-ККЦ-83−2008. Обработка стали на установке печь-ковш. -Магнитогорск: ОАО «ММК», 2008. 24 с.
  41. ТИ 101 -СТ-ККЦ-96−2010. Разливка стали на од нору чье во и машине непрерывного литья заготовок № 6 (МНЛЗ № 6) Кислородно-конвертерного цеха. Магнитогорск: ОАО «ММК», 2010. — 86 с.
  42. ТИ 101-СТ-ЭСПЦ-64−2007. Выплавка стали в электропечах. Магнитогорск: ОАО «ММК», 2007. — 43 с.
  43. ТИ 101-Я-7−2009. Контроль макроструктуры непрерывнолитых слябов производства ОАО «ММК». Отбор, механическая обработка, снятие серных отпечатков и травление темплетов. Магнитогорск: ОАО «ММК», 2009. -13 с.
  44. ТУ СТО АСЧМ 7−93. Стандарт ассоциации предпринимателей и организаций по стандартизации продукции черной металлургии. Прокат периодического профиля из арматурной стали. Введ. 1994−01−01. — М.: Ассоциация «Черметстандарт», 2007. — 17 с.
  45. , JI. Компьютерное зрение / JI. Шапиро, Дж. Стокман. М.: БИНОМ. Лаборатория знаний, 2006. — 752 с.
  46. , А. Деревья решений общие принципы работы / А. Шахиди. -http://www.basegroup.ru/library/ analysis/tree/description/ (15.12.2012).
  47. A handbook of world steel statistics. Brussels: International iron and steel, 1978.-61 c.
  48. Adaptive fuzzy decision tree with dynamic structure for automatic process control system of continuous cast billet production / 1.1. Matsko, O. S. Logunova, V. V. Pavlov et al. // IOSR Journal of Engineering (IOSRJEN). 2012. — Vol. 2, № 8. -Pp. 53 — 55.
  49. Application of on-line infrared thermography in steel making industry / M. Viale, O. Martin, F. Muratori et al. // Thermosense XXIX. Edited by К. M. Knettel, V. P. Vavilov, J. J. Miles. Proc. of the SPIE. 2007. — № 6541. -С. 65410H 1−20.
  50. Automated processing of retinal images / A. A. Chernomorets, A. S. Krylov, A. V. Nasonov et al. // The 21st International Conference on Computer Graphics and Vision GraphiCon'2011. Conference Proceedings. M.: МАКС Пресс, 2011. -Pp. 78−81.
  51. Clemex. Scientific Image Analysis for Microscopy. http://www.clemex.com (15.12.2012).
  52. Esposito, F. A Comparative Analysis of Methods for Pruning Decision Trees / F. Esposito, D. Malebra, G. Semeraro // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1997. — Vol. 19, № 5. — Pp. 476 — 496.
  53. Guzaitis, J. Image Analysis and Information Fusion Based Defect Detection in Particleboards / J. Guzaitis, A. Verikas // Electronics and Electrical Engineering. -Kaunas: Technologija, 2006. № 7(71). — C. 67 — 72.
  54. Hastie, T. The Elements of Statistical Learning: Data Mining, Inference and Prediction / T. Hastie, R. Tibshirani, J. Friedman. New York: Springer Science + Business Media, 2009. — 746 p.
  55. Image analysis characterization of modern pipe steels structure / A. A. Kazakov, O. V. Kurochkina, E. I. Kazakova et al. // Microsc. Microanal. -Microscopy Society of America, 2011. -№ 17 (2). Pp. 1024 1025.
  56. Image analysis software. Olympus. http://www.olympus-ims.com/en/microscope/software/ (15.12.2012).
  57. Janikow, C. Z. Fuzzy Decision Trees: Issues and Methods / C. Z. Janikow // IEEE Transactions on Systems, Man, and Cybernetics. 1998. — № 1. — C. 1−14.
  58. Kazakov, A. Metallurgical Quality Characterization of Nickelbased Superalloys / A. Kazakov, D. Kiselev // CIS Iron and Steel Review. 2007. — № 1−2. -Pp. 40−43.
  59. Kazakov, A. Metallurgical expertise as the base for determination of nature of defects in metal products / A. Kazakov, P. Kovalev, S. Ryaboshuk // CIS Iron and Steel Review. 2007. — № 1−2. — Pp. 7 — 13.
  60. Structure Inhomogeneity and Failure Analysis of Modern Pipe Steels / A. A. Kazakov, O. V. Kurochkina, E. I. Kazakova et al. // Microsc. Microanal. -Microscopy Society of America, 2011. -№ 17 (2). Pp. 1744- 1745.
  61. Kohonen, T. Self-organizing maps/ T. Kohonen. 3 ed. — New York: Springer, 2001.-501 c.
  62. Luger, G. F. Artificial Intelligence: Structures and Strategies for Complex Problem Solving / G. F. Luger. 6 ed. — Boston: Addison-Wesley Pearson Education, 2009. — 784 p.
  63. Maimon, O. Data Mining and Knowledge Discovery Handbook / O. Maimon, L. Rokach. New York: Springer Science + Business Media, 2010. — 1285 p.
  64. Martins, L. A. O., Sistema Baseado em Rede SOM para Inspeijao Visual Automatica de Defeitos em A90S Laminados / L. A. O. Martins, F. L. C. Padua, P. E. M. Almeida // Learning and Nonlinear Models. 2009. — № 7 — C. 71 — 82.
  65. Matsko, 1.1. Forecasting of image processing time using deterministic methods / 1.1. Matsko, O. S. Logunova // International Journal of Applied Physics and Mathematics. 2012. — Vol. 2, № 3. — Pd. 172 — 1747 JL
  66. Metal Bulletin’s top steelmakers of 2007 // Metal Bulletin. -2008. № 9038. -C. 7.
  67. Metal Bulletin’s top steelmakers of 2009 // Metal Bulletin. -2010. № 9153. -C. 20−21.
  68. Metal Bulletin’s top steelmakers of 2010 // Metal Bulletin. -2011. № 9205. -C. 12−14.
  69. Metallurgical / Biological Image Analysis Software. -http://www.dewinterindia.com/product.html (15.12.2012).
  70. Metallurgical Image Analysis System. http://www.qsmetrology.com/metallurgical-image-analysis-system.html (15.12.2012).
  71. Metric Potential of a 3D Measurement System Based on Digital Compact Cameras / E. Sanz-Ablanedo, J. R. Rodriguez-Pere, P. Arias-Sanchez et al. // Sensors. 2009. — № 9. — C. 4178 — 4194.
  72. Nakashima, S. A Numeric Reading System for Digital Meter without I/O Interface / S. Nakashima, Y. Kitamoto, H. Lu // Journal of Computational Information Systems. Hong Kong: Binary Information Press, 2010. — № 6. — Pp. 46 571. TUUT,
  73. PAXit. Image analysis software. http://www.paxit.com/paxit/enhanced.asp (15.12.2012).
  74. Quinlan, J. R. C4.5: Programs for Machine Learning / J. R. Quinlan. San Mateo: Morgan Kaufmann Publishers Inc., 1993. — 302 c.
  75. Recommendation ITU-R BT.709−5. Parameter values for the HDTV standards for production and inter-national programme exchange. Geneva, 2009. -http://www.itu.int/dmspubrec/itu-r/rec/bt/R-REC-BT.709−5-200 204-I! IPDF-E.pdf (15.12.2012).
  76. SIAMS: Решения для материаловедения. -http://siams.com/solutions/solutionsmat.htm (15.12.2012).
  77. Steel statistical yearbook 1980. Brussels: International iron and steel, 1980. -48 c.
  78. Steel statistical yearbook 1982. Brussels: International iron and steel, 1982. -53 c.
  79. Steel statistical yearbook 1984. Brussels: International iron and steel, 1984. -46 c.
  80. Steel statistical yearbook 1987. Brussels: International iron and steel, 1987. -61 c.
  81. Steel statistical yearbook 1988. Brussels: International iron and steel, 1988. -52 c.
  82. Steel statistical yearbook 1990. Brussels: International iron and steel, 1990. -64 c.
  83. Steel statistical yearbook 1994. Brussels: International iron and steel, 1995. — 200 c.
  84. Steel statistical yearbook 2000. Brussels: International iron and steel, 2000. -111c.
  85. Steel statistical yearbook 2010. Brussels: World Steel Association, 2010. -120 c.
  86. Steel statistical yearbook 2011. Brussels: World Steel Association, 2011. -120 c.
  87. Thixomet Pro. http://thixomet.ru/products/?show=2 (15.12.2012).
  88. Графики объемов производства, экспорта стали, НЛЗ, слитков, полуфабрикатов и готовой металлопродукции1. Год—Индия -кнтан -Гсссия •• США — — Япония
  89. Рис. П1.1. Объемы производства стали пяти ведущих стран-производителей1. Год• Индия Китай -Россия .США — — Япония •= «=> Ведщая петерка
  90. Рис. П1.2. Объем производства стали пяти ведущих стран-производителейот общемирового производства стали1. Год
  91. Китай .Россия .США — • -ЮжнаяКорея — — Япония — — Ведущая петерка
  92. Рис. П1.3. Объем производства НЛЗ пяти ведущих стран-производителейот общемирового производства стали1. Гол
  93. Китай ¦ Россия .США — • —Южная Корея — — Японня — = Обшее для первой петеркн
  94. Рис. П1.4. Объем производства НЛЗ пяти ведущих стран-производителейот общемирового производства НЛЗ1. Год
  95. Китай Россия .США — — Японня
  96. Рис. П1.5. Объем производства НЛЗ стран-производителей от ихпроизводства стали1. Год• -Германия Китай 'Росии = = СССР .%краина — — Япония
  97. Рис. П 1.6. Объем экспорта полуфабрикатов и готовой металлопродукции пяти ведущих стран-экспортеров от общемирового производства стали1. Год1. Китай — — Россия 'Япония
  98. Рис. П1.7. Объем экспорта полуфабрикатов и готовой металлопродукции стран-экспортеров от их производства стали-Китай Россия — — Япония
  99. Рис. П1.8. Объем экспорта слитков и полуфабрикатов металлопродукции стран-экспортеров от их производства стали
  100. Рис. П2.1. Диаграмма декомпозиции технологического процесса получения стали в дуговой сталеплавильной печим: хи М4 мз
  101. Рис. П2.2. Диаграмма декомпозиции технологического процесса плавки стали в дуговой сталеплавильной печи
  102. Вспомогательные материалы1. Аргон7
  103. Зыполмпъ раскисление цлсГирова1ь сталь (ДСП)1115материалы1. Твердая ишакооХч смесь
  104. Обработать металл шлакообразумипо. ш смесями
  105. Выполнить науглеро. яшгнле металла1. ЯК"1. Жщкш чтч1
  106. Отобрать пробы металла и шмер! ггь его температуруX
  107. Выполнить назначение марки сталиX
Заполнить форму текущей работой

На отлично!