Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Разработка и исследование методов эффективного использования технологической информации для управления качеством продукции в металлургии

Диссертация: Разработка и исследование методов эффективного использования технологической информации для управления качеством продукции в металлургии
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Реализация результатов, работы. Разработанные методы реализованы в виде двух программ, зарегистрированных в Отраслевом фонде алгоритмов и программ Федерального агентства по образованию (свидетельство об отраслевой регистрации разработки «Расширенный статистический анализ данных» № 10 656 от 15.05.2008, свидетельство об отраслевой регистрации разработки «Кластеризация объектов по выборочным… Читать ещё >

Содержание

  • ГЛАВА 1. ОБЗОР МЕТОДОВ ОБРАБОТКИ" ПРОИЗВОДСТВЕННЫХ ДАННЫХ ДЛЯ УПРАВЛЕНИЯ КАЧЕСТВОМ В МЕТАЛЛУРГИИ
    • 1. 1. Концепции управления качеством продукции
    • 1. 2. Статистические методы в современном менеджменте качества
    • 1. 3. Анализ особенностей управления качеством продукции, металлургического производства
      • 1. 3. 1. Существующие подходы к контролю процессов
      • 1. 3. 2. Недостатки контроля технологических процессов^ металлургического производства
      • 1. 3. 3. Теоретические основы для разработки современных-методов контроля
      • 1. 3. 4. Специфические особенности синтеза моделей для^ управления качеством" продукции, металлургического производства
        • 1. 3. 4. 1. Восстановление пропущенных значений в массиве технологической информации
        • 1. 3. 4. 2. Выявление взаимосвязей между технологическими} факторами и показателями качества продукции
        • 1. 3. 4. 3. Классификация металлургических технологий и продукции по диапазонам значений характеристик
    • 1. 4. Выводы и постановка задачи исследования
  • ГЛАВА 2. РАЗРАБОТКА ИНСТРУМЕНТОВ АВТОМАТИЗИРОВАННОГО ТЕКУЩЕГО КОНТРОЛЯ, ИНВАРИАНТНЫХ К ВИДАМ РАСПРЕДЕЛЕНИЙ ПЕРЕМЕННЫХ ПРОЦЕССОВ
    • 2. 1. Разработка формализованного метода автоматизированного текущего контроля на основе непараметрических критериев
    • 2. 2. Разработка формализованного метода автоматизированного текущего контроля на основе бутстреп-метода процентных точек
    • 2. 3. Разработка инструментов автоматизированного текущего контроля многомерных технологий и качества
      • 2. 3. 1. Алгоритм выявления групп взаимосвязанных переменных с помощью коэффициента конкордации
      • 2. 3. 2. Оценка сложности алгоритма
      • 2. 3. 3. Формализованный^ метод текущего контроля по векторной переменной
    • 2. 4. Исследование эффективности разработанных инструментов применительно ю металлургическому производству
      • 2. 4. 1. Результаты реализации контроля по единичным показателям качества процесса выплавки стали
      • 2. 4. 2. Выявление групп взаимосвязанных технологических факторов процесса производства листового проката
      • 2. 4. 3. Результаты реализации контроля металлургической технологии по векторной переменной
    • 2. 5. Выводы
  • Глава 3. РАЗРАБОТКА ИНВАРИАНТНЫХ К ОТКЛОНЕНИЯМ ОТ НОРМАЛЬНОСТИ ИНСТРУМЕНТОВ АНАЛИЗА ВЗАИМОСВЯЗЕЙ В МЕТАЛЛУРГИЧЕСКОМ ПРОИЗВОДСТВЕ
    • 3. 1. Схема комплексного анализа взаимосвязей между переменными металлургического производства
    • 3. 2. Разработка частотного коэффициента для анализа парных взаимосвязей
    • 3. 3. Исследование устойчивости парных коэффициентов к наличию загрязнений в данных
      • 3. 3. 1. Влияние шума и выбросов на тесноту связей при моделировании зависимостей
      • 3. 3. 2. Исследование влиянияешума и выбросов на тесноту связей, между переменными процесса выплавки стали
      • 3. 3. 3. Примеры реализации автоматизированного комплексного анализа связей между переменными процесса выплавки стали
    • 3. 4. Выводы
  • ГЛАВА 4. ИДЕНТИФИКАЦИЯ СТАТИСТИЧЕСКИХ МОДЕЛЕЙ МЕТАЛЛУРГИЧЕСКОЙ ТЕХНОЛОГИИ ПО ДАННЫМ С ПРОПУСКАМИ
    • 4. 1. Разработка схемы анализа эффективности применения стратегии «ожидание-максимизация» для идентификации моделей по данным с пропусками
    • 4. 2. Результаты идентификации моделей на основе предложенной схемы по данным металлургического производства. Г
    • 4. 3. Выводы
  • ГЛАВА 5. РАЗРАБОТКА ИНСТРУМЕНТОВ КЛАСТЕРИЗАЦИИ ТЕХНОЛОГИЙ И ПРОДУКЦИИ МЕТАЛЛУРГИЧЕСКОГО ПРОИЗВОДСТВА
    • 5. 1. Разработка методики кластеризации по диапазонам полей допусков на характеристику
    • 5. 2. Разработка методики кластеризации по распределениям характеристики
    • 5. 3. Разработка методики кластеризации, инвариантной к виду распределения характеристики
    • 5. 4. Разработка алгоритма кластеризации технологий и продукции металлургического производства
    • 5. 5. Проверка эффективности алгоритма на примере кластеризации марок стали
    • 5. 6. Выводы

Разработка и исследование методов эффективного использования технологической информации для управления качеством продукции в металлургии (реферат, курсовая, диплом, контрольная)

Актуальность. Стабильность качества продукции на высоком уровне служит гарантией спроса на продукцию. Важной составляющей современных систем менеджмента качества, рекомендуемых к внедрению и поддержанию на предприятиях международными стандартами ИСО серии 9000, являются статистические методы. Они ориентированы на обработку фактических данных о деятельности предприятия, необходимость которой определяется концепциями всеобщего менеджмента качества, лежащими в основе стандартов ИСО серии 9000. Особенно актуально использование статистических методов в управлении качеством для многоэтапных процессов металлургического производства, технологические факторы и показатели качества продукции которого содержат существенную случайную составляющую, задаются диапазонами разрешенных значений и в их пределах рассматриваются как случайные величины.

Значения факторов и показателей качества, накапливаемые в массивах технологических измерений в ходе функционирования технологических процессов металлургического производства, часто не подчиняются нормальному закону распределения, массивы могут содержать пропуски и наблюдения, резко выделяющиеся на фоне остальных. Существующие статистические инструменты управления качеством не ориентированы на обработку таких данных. Сфера их применения, как правило, ограничена нормально распределенными случайными величинами. Использование распространенных статистических инструментов текущего контроля для диагностики состояния технологических процессов металлургического производства может приводить к пропускам моментов их возможной разладки. Традиционные статистические методы не позволяют исследовать взаимосвязи и осуществлять текущий контроль металлургических технологий и качества инвариантно к видам распределений технологических факторов и показателей качества продукции, эффективно восстанавливать пропущенные данные в массивах технологических измерений, выполнять кластеризацию технологий и продукции по диапазонам разрешенных значений полей допусков) или распределениям характеристик, а не точечным значениям.

Для устранения перечисленных проблем целесообразна разработка процедур, расширяющих традиционные методы обработки данных в автоматизированных системах управления качеством металлургической продукции и позволяющих осуществлять контроль процессов, инвариантный к видам распределений технологических переменных. Разработка таких подходов может опираться на непараметрические и специальные методы проверки гипотез и оценки тесноты связей между технологическими переменными, итеративные вычислительные стратегии заполнения пропущенных значений в массивах технологической информации, бутстреп-методы, построения доверительных интервалов. Их применение позволит корректно выявлять причины неслучайной вариабельности технологических процессов и повысить эффективность использования фактической технологической информации в соответствии с современными концепциямивсеобщего менеджмента качества. Следовательно, разработка методов, расширяющих возможности статистического контроля иуправления качеством металлургической продукции, является актуальной задачей.

Целью работы*является разработка и исследование комплекса методов-и автоматизированных процедур, инвариантных к видам распределений контролируемых переменных и обеспечивающих эффективное решение задач контроля технологических процессов и управления качеством продукции металлургического производства.

Основные задачи. Для достижения цели поставлены и решены следующие задачи исследования:

1. Разработка и исследование инструментов автоматизированного контроля технологических процессов металлургического производства, инвариантных к видам распределений контролируемых технологических переменных.

2. Разработка и исследование схемы и процедур анализа взаимосвязей между технологическими переменными процессов металлургического производства, инвариантных к отклонениям от нормальности в распределениях переменных.

3. Исследование эффективности применения итеративной стратегии «ожидание-максимизация» (?М-алгоритма) для идентификации статистических моделей технологических процессов металлургического производства по массивам технологических измерений, содержащим пропущенные значения.

4. Разработка методик, алгоритма и автоматизированных процедур кластеризации для выделения групп однородных технологий и продукции металлургического производства по диапазонам полей допусков и распределениям характеристик.

Методы исследования. В работе использованы методы теории вероятностей, многомерного статистического анализа, непараметрической статистики, теории проверки статистических гипотез, статистического контроля качества, системного анализа, анализа эффективности алгоритмов, объектно-ориентированного проектирования и программирования.

Обоснованность и достоверность. Обоснованность полученных выводов подтверждается использованием рекомендаций современных международных стандартов ИСО серии 9000, опоройна методы непараметрической статистики, теории вероятности и проверки статистических гипотез, статистического контроля качества. Обоснованность разработанных алгоритмов обработки многомерных технологий и качества определяется тем, что они опираются на развитые и дополненные в работе современные методы многомерного статистического анализа, использованием анализа эффективности алгоритмов.

Достоверность результатов диссертационного исследования подтверждается корректным использованием современных методов теории вероятностей и математической статистики, обработки экспериментальных данных, программирования, сравнением результатов практической реализации разработанных методов и алгоритмов с экспериментальной информацией, проведенными исследованиями возможности и эффективности их применения для обработки фактических данных металлургического производства, сопоставимостью с результатами, полученными с помощью существующих подходов, использованием математического, алгоритмического и программного обеспечения в научных исследованиях и на практике.

Научная новизна. В работе получены и выносятся на защиту следующие результаты, характеризующиеся научной новизной:

1. Формализованные методы построения карт контроля процессов с помощью непараметрических критериев проверки гипотез об однородности двух выборок и бутстреп-метода процентных точек, отличающиеся инвариантностью к изменениям вида распределения контролируемой переменной, позволяющие обоснованно осуществлять автоматизированный текущий статистический контроль металлургического производства.

2. Алгоритм выделения групп взаимосвязанных технологических переменных на основе непараметрического коэффициента конкордации, отличающийся полиномиальной сложностью по времени, инвариантностью к видам распределений переменных, позволяющий выявлять группы тесно связанных друг с другом переменных для контроля многомерных технологий и качества продукции металлургического производства.

3. Схема комплексного анализа взаимосвязей между технологическими факторами и показателями качества продукции металлургического производства, отличающаяся инвариантностью к отклонениям от нормальности в технологических данных.

4. Коэффициент, позволяющий оценивать степень тесноты связи между двумя технологическими переменными на основе среднего значения величины условной частоты, отличающийся устойчивостью к шуму и резко выделяющимся наблюдениям в выборках переменных.

5. Схема анализа эффективности применения стратегии «ожидание-максимизация» (ЕМ-алгоритма) для построения статистических линейных моделей технологических процессов металлургического производства по массивам измерений с пропущенными значениями, отличающаяся использованием непараметрических критериев для проверки качества прогноза по моделям.

6. Методики и алгоритм кластеризации, позволяющие выделять группы однородных металлургических технологий и продукции, отличающиеся тем, что анализируемые с их помощью технологические факторы и показатели качества продукции являются случайными величинами, задаваемыми с помощью диапазонов полей допусков или распределений.

Практическая значимость. Разработанные инструменты автоматизированного текущего контроля процессов и обработки данных позволяют обрабатывать значения технологических переменных, гипотеза о нормальности распределений которых не подтверждается, корректно учитывать многомерность технологий и качества в. условиях невыполнения гипотезы о нормальности. Эксперименты на данных металлургического производства показали, что разработанные контрольные карты позволяют более точно регистрировать моменты возможной разладки процессов, чем контрольные карты Шухарта и их аналог для многомерного случая.

Преимущества практического использования стратегии «ожидание-максимизация», разработанных инструментов кластеризации, схемы комплексного анализа взаимосвязей состоят в том, что они позволяют осуществлять структуризацию металлургических технологий и продукции, выявлять дополнительные связи между технологическими переменными процессов металлургического производства и получать уточненные, устойчивые к наличию пропусков в исходных данных статистические модели, адекватно отражающие зависимости между факторами и показателями качества продукции металлургического производства. Исследования разработанных методов и алгоритмов на примерах анализа фактической технологической информации о металлургическом производстве показали корректность получаемых с их помощью результатов. Разработанное математическое, алгоритмическое и программное обеспечение может использоваться на предприятиях металлургического и других видов производств в системах поддержки управления качеством.

Реализация результатов, работы. Разработанные методы реализованы в виде двух программ, зарегистрированных в Отраслевом фонде алгоритмов и программ Федерального агентства по образованию (свидетельство об отраслевой регистрации разработки «Расширенный статистический анализ данных» № 10 656 от 15.05.2008, свидетельство об отраслевой регистрации разработки «Кластеризация объектов по выборочным распределениям признаков» № 10 657 от 15.05.2008), на которые имеются официально зарегистрированные информационные карты. Результаты работы внедрены и используются: в труболитейном цехе и центральной заводской лаборатории ОАО «Липецкий металлургический завод „Свободный сокол“» для решения задач диагностики состояния технологических процессов производства напорных труб из высокопрочного чугуна с шаровидным графитом и кластеризации марок чугуна и видов трубной продукции, в ООО «Петроком-Липецк» для автоматизации обработки информации о качестве эмали для рулонного листового проката. Результаты работы используются в учебном процессе ЛГТУ при изучении студентами направления 230 100.62 «Информатика и вычислительная техника», специальностей 230 102.65 «Автоматизированные системы обработки информации и управления», 10 503.65 «Математическое обеспечение и администрирование информационных систем» дисциплин «Структуры и алгоритмы компьютерной обработки данных», «Математическая обработка эксперимента», «Моделирование систем».

Апробация результатов исследования. Основные теоретические и практические результаты исследований были представлены: на международных конференциях «Современные проблемы информатизации в технике и технологиях» (Воронеж, 2001), «Современные проблемы информатизации в экономике w обеспечении безопасности» (Воронеж, 2009), «Современные сложные системы управления CCCy/HTCS» (Воронеж, 2003; Тверь, 2008), «Сложные системы управления и менеджмент качества CCSQM'2007» (Старый Оскол, 2007) — на «Молодежной научно-технической конференции технических вузов центральной России» (Брянск, 2000) — на Всероссийской конференции «Новые технологии в научных исследованиях, проектировании, управлении, производстве» (Воронеж, 2008) — на Российской конференции с международным участием «Технические и программные средства систем управления, контроля и измерения УКИ'08» (Москва, 2008).

Публикации. По-теме диссертационного исследования опубликовано 14 работ, в том числе три статьи в журналах из перечняг периодических журналов, рекомендованных ВАК для публикации основных результатов диссертации. В работах, опубликованных в соавторстве, автором осуществлены применение и анализ эффективности? М-алгоритма для идентификации моделей технологических процессов металлургического производства по данным с пропусками [48, 52]- разработан непараметрический алгоритм выявления групп взаимосвязанных технологических переменных, показаны его преимущества на примере анализа данных процесса выплавки стали [57]- разработаны подходы к построению карт контроля процессов по единичной и векторной технологическим переменным на основе непараметрических ранговых критериев Вилкоксона-Манна-Уитни и Ансари-Брэдли, бутстреп-метода процентных точек, проведен анализ их эффективности на примерах обработки фактических данных металлургического производства [58, 61, 70]- разработаны методики, алгоритм и автоматизированные процедуры кластеризации объектов по диапазонам" и распределениям характеристик [34, 53, 56]- разработаны и исследованы коэффициент для оценки тесноты парной связи на основе условной* частоты. [47, 51] и комплексный подход к анализу взаимосвязей между переменными технологических процессов металлургического производства [54].

Структура и объем диссертации

Диссертация состоит из введения, пяти глав, заключения, библиографического списка, включающего 133 наименования, шести приложений. Каждая из глав, за исключением первой, соответствует решению одной из поставленных задач: в начале главы описаны разработанные методы и (или) алгоритмы решения задачи, затем — примеры их реализации и анализ эффективности. Основная часть работы изложена на 127 страницах текста, работа содержит 37 рисунков и 25 таблиц.

5.6. Выводы.

Современный менеджмент качества металлургического производства на основе фактических данных диктует необходимость улучшения их использования посредством структуризации информации, содержащейся в массивах технологических измерений. При этом актуальна кластеризация металлургических технологий и продукции по диапазонам полей допусков или распределений технологических факторов и показателей качества продукции. Существующие методы кластерного анализа не предназначены для решения данной задачи. В связи с этим разработаны оригинальные, статистически обоснованные методики кластеризации технологий и продукции металлургического производства по случайным характеристикам. В их основе лежит идея выделения сходных единиц продукции или технологий с помощью сравнения распределений характеристик. Разработана формальная методика кластеризации с помощью критериев проверки гипотез о равенстве средних и дисперсий Стьюдента и Фишера, позволяющая объединять в группы сходных объектов единицы продукции (технологии) металлургического производства по данным о диапазонах полей допусков на характеристики, заданным в нормативных документах. Предложена формальная методика кластеризации по реальным выборкам технологических факторов' и показателей качества продукции из нормально распределенных совокупностей. Разработаны формальные методики, одна из которых предполагает кластеризацию посредством сравнения площадей под кривыми плотностей двух распределений, другая — устойчивую" к отклонениям от нормальности кластеризацию на основе? У-Критерияги критерия Ансари-Брэдли. С их помощью можно решать задачу кластеризации технологий и продукции металлургического производства по реальным, не обязательно нормальным, выборочным распределениям факторов технологии и показателей качества продукции. На основании предложенных методик разработан алгоритм кластеризации, осуществлена его формализация в виде блок-схемы. Оценка сложности показала, что алгоритм имеет полиномиальную сложность порядка 0(pg), где g — количество технологий или единиц продукции, р — количество характеристик.

На основе алгоритма разработана программа автоматизированной кластеризации объектов по интервалам и выборочным распределениям характеристик. Показана эффективность разработанных методик, их формализации и программной реализации на примере выделения групп сходных марок стали. Реализация алгоритма кластеризации для заданного набора марок стали по диапазонам полей допусков на концентрации элементов химического состава показала целесообразность практического применения разработанных методик для структуризации технологической информации о металлургическом производстве и качестве продукции с требуемой степенью детализации.

ЗАКЛЮЧЕНИЕ

.

Традиционные статистические инструменты контроля процессов, и обработки технологической информации, используемые в автоматизированных системах управления качеством, не учитывают ряд особенностей фактической информации о функционировании технологических процессов металлургического производства: невыполнение требования нормальности распределений технологических переменных, наличие пропусков в массивах технологических измерений, неоднородность информации о технологиях и продукции. В диссертации решены актуальные задачи эффективного использования технологической информации для реализации контроля и управления качеством продукции металлургического производства на современном уровне развития* теории и практики, управления качеством1 в соответствии с требованиями международных стандартов ИСО серии 9000. Получены следующие основные результаты теоретических и экспериментальных исследований:

1. Разработаны формализованные методы* построения карт контроля процессов на основе непараметрических критериев проверки гипотез и бутстреп-метода процентных точек, позволяющие осуществлять автоматизированный текущий контроль металлургической технологии по скалярной и векторной переменным, распределения которых могут не подчиняться требованию нормальности. Исследование на данных металлургического производства показало, что практическое применение предложенных инструментов позволяет повысить точность регистрации моментов статистической разладки технологических процессов.

2. Разработан формализованный, инвариантный к видам распределений переменных алгоритм, позволяющий получать эффективное разбиение исходного множества технологических переменных на группы для осуществления текущего контроля многомерных технологий и качества продукции металлургического производства.

3. Разработаны математические и программные инструменты инвариантного к шуму, выбросам и видам распределений переменных анализа технологических взаимосвязей в металлургическом производстве, позволяющие выявлять дополнительные факторы технологии, существенно влияющие на качество продукции, и получать уточненные статистические модели процессов металлургического производства.

4. Показана эффективность и осуществлено практическое применение стратегии ЕМ-алгоритма для идентификации работоспособных моделей технологических процессов металлургического производства по массивам технологических измерений, содержащим пропущенные’значения.

5. Разработаны оригинальные, статистически обоснованные методики и автоматизированные процедуры кластеризации технологий и продукции по диапазонам полей допусков и распределениям факторов технологии и показателей качества продукции, практическое использование которых позволяет улучшить структуризацию металлургических технологий и продукции с целью построения адекватных моделей для прогнозирования и управления, автоматизировать экспертизу металлопродукции и ведение нормативно-технической документации.

Показать весь текст

Список литературы

  1. , Ю.П. Истоки статистического мышления Текст. / Ю. П. Адлер,
  2. B.Л. Шпер // Методы менеджмента качества. — 2003. — № 1. — С. 34−40.
  3. , С.А. Прикладная статистика: Исследование зависимостей Текст. /
  4. C.А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1985.-487 с.
  5. , С.А. Прикладная статистика. Основы эконометрики Текст.: учебник для вузов: в 2 т. Т. 1: Теория вероятностей и прикладная статистика / С. А. Айвазян, B.C. Мхитарян. М.: ЮНИТИ-ДАНА, 2001. — 656 с.
  6. Аптон, Г. Дж.Г. Анализ таблиц сопряженности Текст. / Г. Дж.Г. Аптон. — М.: Финансы и статистика, 1982. 143 с.
  7. , С.Л. Адаптивные процедуры в решении задач оптимизации качества металлопродукции Текст. / С. Л. Блюмин, А. К. Погодаев // Известия вузов. Черная металлургия. 2003. — № 3. — С. 60−61.
  8. Боровиков, В.П. STATISTICA. Искусство анализа данных на компьютере Текст.: для профессионалов / В. П. Боровиков. — СПб.: Питер, 2003. — 688 с.
  9. , О.В. Оптимизация производства холоднокатаного проката из не-прерывнолитого металла для штампуемых изделий Текст. / О. В. Винокуров, И. Ю. Евтушенко, В. И. Лазовский // Сталь. 2007. — № 8. — С. 92−94.
  10. Влияние внепечной обработки стали при выпуске ее из ДСП на качество металлопродукции Текст. / Фарук Сидцики [и др.] // Сталь. 2006. — № 2. — С. 28−30.
  11. Внедрение сплошного неразрушающего контроля горячеоцинкованного проката в линии АНГЦ Текст. / Л. С. Иванова [и др.] // Сталь. — 2007. — № 2.-С. 83−84.
  12. , А.Н. Итерационное моделирование неполных данных с помощью многообразий малой размерности Текст. / А. Н. Горбань, А. А. Россиев // Нейрокомпьютеры: разработка, применение. 2002. — № 4. — С. 40−44.
  13. ГОСТ Р 50 779.42−99 (ИСО 8258−91). Статистические методы. Контрольные карты Шухарта Текст. М.: Издательство стандартов, 1999. — 32 с.
  14. ГОСТ Р 50 779.44−2001. Статистические методы. Показатели возможностей процессов. Основные методы расчета Текст. — М.: Издательство^ стандартов, 2001.- 16 с.
  15. ГОСТ Р 50 779.45−2002. Статистические методы. Контрольные карты кумулятивных сумм. Основные положения Текст. — М.: Издательство стандартов, 2002.- 16 с.
  16. ГОСТ Р ИСО/ТО. 10 017−2005. Статистические методы. Руководство по применению в соответствии с ГОСТ Р ИСО 9001 Текст. М.: Стандартинформ, 2005. — 20 с.
  17. , Н. Статистика и планирование-эксперимента в технике и^ науке Текст.: в 2 т. Т. 1: Методы обработки данных / Н. Джонсон, Ф. Лион. — М.: Мир, 1980:-611 с.
  18. , A.M. Многомерные статистические методы Текст. / A.M. Дубров, B.C. Мхитарян, Л.И.1 Трошин. М.: Финансы, и статистика, 1998. — 352 с.
  19. , С.А. Прикладной многомерный статистический анализ Текст. / С. А. Дубровский. — М.: Финансы и статистика, 1982. 216 с.
  20. , И.И. Группировка, корреляция, распознавание образов Текст. / И. И. Елисеева, В. О. Рукавишников. -М.: Статистика, 1977. 144 с.
  21. , Ю.И. Нейронная модель зонного управления печью нагрева Текст. / Ю. И. Еременко // Известия вузов. Черная металлургия. 2003. -№ 7.-С. 71−74.
  22. , М.Г. Идентификация связи между случайными величинами Текст. / М. Г. Журавлева // Молодежная научно-техническая- конференция технических вузов центральной России: тезисы докладов. Брянск: БГТУ, 2000. — С. 45−47.
  23. , Н. Г. Прикладные методы анализа данных и знаний-, Текст. / Н. Г. Загоруйко. Новосибирск: Издательство Института математики,. 1999.-270 с.
  24. Информационная система управления качеством* длинномерной продукции Текст. / Ф. В. Капцан [и др.]// Сталь. 2004: — № 11-. — С. 46−48. 1
  25. Информационная системам управления производством- и- качеством продукции на. стане 2000 Текст. / А. А. Морозов [и др.] // Сталь. 2004. — № 12. -С. 61−64.
  26. , О.В. Статистические методы построения! физико-химических моделей металлургических процессов Текст. / О. В. Кабанова, Ю. А. Максимов, Л^ШРузинов:-М-: Металлургия-.1989: 216 с:.
  27. , Б.К. Комплексный подход к оценке качества и конкурентоспособности новых видов- продукции Текст. / Б-К. Каскин, М. А. Зимакова,
  28. B.И. Лазовский // Сталь. 2007. — № 8. — С. 107−109.
  29. Качество рельсов из марганцовистой стали производства комбината «Азов-сталь» Текст. / Д. К. Нестеров [и др.] // Сталь. 1998. — № 8. — С.55−58.
  30. , М.Дж. Статистические выводы и связи Текст. / М.Дж. Кендалл, А. Стьюарт. М.: Наука, 1973. — 899 с.
  31. , М.Дж. Теория распределений Текст. / М.Дж. Кендалл, А. Стьюарт. М.: Наука, 1966. — 588 с.
  32. , М.Дж. Ранговые корреляции" Текст.- / М.Дж. Кендэл. М.: Статистика, 1975.-214 с.
  33. , С.В. Концептуальные особенности1 формирования- корпоративной-информационной системы металлургического предприятия. Текст.: /
  34. C.В. Кидяев, Ю. А. Чертов // Сталь. 2006. — № 10. — С. 69−75.
  35. Кластеризация объектов по выборочным распределениям признаков Текст. / Л. А. Кузнецов, М. Г. Журавлёва. М.: ВНТИЦ, 2008: — № 50 200 801 067 от 22.05.2008.
  36. , В.Н. Анализ эффективности многомерного контроля технологического процесса Текст. / В. Н. Клячкин // Методы менеджмента качества. — 2002.-№ 4. С. 32−34.
  37. , В.Н. Многомерный статистический контроль технологического процесса Текст. / В. Н. Клячкин. М.: Финансы и статистика, 2003. — 192 с.
  38. Комплексный подход к качеству сортового проката Текст., / А. Б. Стеблов [и др:],// Сталь. 2004. — № 8. — С. 43−45.
  39. Контроль качества и сертификация- непрерывнолитых заготовок Текст. / Ю. В. Оробцев [и др.] // Сталь. 2007. — № 11. — С. 24−26.
  40. Корчунов, А-.Г. Совершенствование процесса управления качеством железнодорожных пружинных клемм Текст. / А'.Г. Корчунов, В. В. Чукин, Е. А. Слабожанкин // Сталь. 2008. — № 1. — С. 52−54.
  41. , В.А. Модели оценки качества продукции при отделке толстых листов Текст. / В. А. Косарев, С. В. Солодов // Известия вузов. Черная металлургия. 2006. — № 7. — С. 65−66.
  42. , Г. Математические методы статистики Текст. / Г. Крамер. М.: Мир, 1975.-648 с.
  43. , JI.A. Анализ распределения факторов сквозной технологии производства автолиста Текст. / JT.A. Кузнецов, A.M. Корнеев, А. К. Погодаев // Известия вузов. Черная металлургия. 1992. — № 2. — С. 34−36.
  44. , JI.А. Введение в САПР производства проката Текст. / JI.A. Кузнецов. М.: Металлургия, 1991. — 112 с.
  45. , JI.A. Гибкое управление технологией производства проката Текст. / JI.A. Кузнецов // Известия вузов. Черная металлургия. — 1995. — № 7. — С.29−35.
  46. , JI.A. Идентификация статистических моделей технологических процессов с заполнением пропусков в данных Текст. / JI.A. Кузнецов, А. М. Корнеев, М. Г. Журавлева // Проблемы управления. 2007. — № 1. — С. 46−50.
  47. , JI.A. Идентификация технологии производства проката Текст. / JI.A. Кузнецов // Известия вузов. Черная металлургия. — 1989. № 3. — С. 82−85.
  48. , JI.A. Информационный метод анализа и синтеза технологии Текст. / JI.A. Кузнецов // Известия вузов. Черная металлургия. 1995. -№ 11. — С. 29−34.
  49. , Л.А. Нейросетевые модели для описания сложных технологических процессов-Текст. / Л. А. Кузнецов,. П. А. Домашнев // Проблемы управления. 2004. — № 1. — С. 20−28.
  50. , Л.А. Непараметрический алгоритм группировки компонент векторного признака качества технологического процесса' Текст.? / Л: А. Кузнецов, М. Г. Журавлева // Системы управления и информационные' технологии. — 2008.-№ 3(33).-С. 38−43.
  51. , Л.А. Общая постановка задачи проектирования технологии листовой прокатки Текст. / Л. А. Кузнецов // Известия вузов. Черная металлургия.-1987.12. С. 54−58.
  52. , Л.А. Оценка нестабильности металлургической технологии Текст. / ЛА. Кузнецов // Известия вузов. Черная металлургия. 2007. — № 7. — С. 51−56.
  53. , Л.А. Построение карт контроля качества с помощью непараметрического критерия Вилкоксона-Манна-Уитни Текст. /
  54. JI.A. Кузнецов, М. Г. Журавлева // Заводская лаборатория. Диагностика материалов. 2009. — Т. 75, № 1. — С. 70−74.
  55. , Л.А. Принципы проектирования сквозной технологии производства проката Текст. / Л. А. Кузнецов // Известия вузов. Черная металлургия. 1991. -№ 1. — С. 61−64.
  56. , Л.А. Синтез гибкой технологии производства проката Текст. / Л. А. Кузнецов // Известия вузов. Черная металлургия. 1989. — № 5. — С. 82−85.
  57. , Л.А. Система поддержки управления качеством продукции Текст. / Л. А. Кузнецов, В. А. Алексеев // Датчики и системы. 2003. — № 8. — С. 53−61.
  58. , Л.А. Современный подход к управлению металлургической технологией (Часть I) Текст. / Л. А. Кузнецов // Производство проката. — 1999. — № 9.-С. 27−33.
  59. , Л.А. Статистическая модель металлургической технологии Текст.,/ Л. А. Кузнецов, М. В. Черных // Известия вузов. Черная.металлургия. 2007. — № 11.-С. 61−65.
  60. , Л.А. Статистическая оценка точности оптимизации технологических параметров на основе* нелинейной, регрессии Текст. / Л. А. Кузнецов // Известия вузов. Черная металлургия. 1992. — № 7. — С. 69−71.
  61. , Л.А. Статистические модели в задачах оптимизации сквозной технологии производства автолистовой стали Текст. / Л. А. Кузнецов, А. К. Погодаев, A.M. Корнеев // Известия вузов. Черная металлургия. — 1990.-№ 3.-С. 34−36.
  62. , Л.А. Статистические основы управления качеством Текст. / Л. А. Кузнецов, М. В. Черных // Известия вузов. Черная металлургия. -2008.-№ 2.-С. 62−65.
  63. , Л.А. Техника построения многомерных непараметрических карт контроля качества Текст. / Л. А. Кузнецов, М. Г. Журавлева, Д. Ю. Вишняков // Электротехнические комплексы и системы управления: 2008. — № 3. — С. 50−53.
  64. Кузнецов, — JI.А. Управление многооперационным технологическим* процессом Текст. / Л. А. Кузнецов // Известия вузов. Черная металлургия. 1994.— № 6. — С. 36−40.
  65. , Л.А. Энтропийный критерий мониторинга металлургической технологии Текст. / Л. А. Кузнецов // Сталь. 2007. — № 6: — С. 79−86.
  66. , A.M. Контрольные карты- Текст. / A.M. Кузьмин // Методы менеджмента качества. 2006. — № 4. — С. 25.
  67. Кучерявский, С. В: Технология анализа процессов Текст. / С. В* Кучеряв-ский // Методы менеджмента качества. 2006. — № 5. — С. 12−17.
  68. , И.В. Влияние толщины проката, полученного из непрерывнолитой-заготовки, на свойства стали Текст. / И. В. Лейрих, А. С. Константинова // Известия вузов. Черная металлургия. 2003. — № 3. — С. 80.
  69. Лемешко- Б. Ю. Корреляционный анализ^ наблюдений многомерных случайных величин при1 нарушении, предположений, о нормальности
  70. Текст. / Б. Ю: Лемешко, С.С. Помадин// Сибирский журнал индустриальной.математики. 2002. — Т. 5, № 3. — С. 115−130.
  71. Литтл, Р.Дж.А. Статистический' анализ данных с пропусками" Текст. / Р.Дж.А. Литтл, Д. Б. Рубин. Ml: Финансы и статистика, 1990. — 336 с.
  72. , Д.А. Разработка методики определения оптимального химического состава чугуна для сменного оборудования Текст. / Д: А. Лубяной // Сталь. -2006. -№-з.- С. 34−36.
  73. , Ю.П. Нетрадиционный корреляционный анализ временных рядов Текст. / Ю. П. Лукашин // Экономика и математические методы. — 1992. -Т. 28. Вып. 3.-С. 406−413.
  74. , Е.Н. Статистические методы построения эмпирических формул Текст. / Е. Н. Львовский. — М.: Высшая школа, 1988. — 239'с.
  75. , Дж. Основы современных алгоритмов. Текст. / Дж. Макконнёлл. М.: Техносфера, 2004. — 368 с.
  76. Методология управления качеством продукции на примере сортового проката из стали 20ХНР Текст. / А. Б. Стеблов [и др.] // Сталь. 2004. — № 10. -С. 84−87.
  77. Методы и модели анализа данных: OLAP и Data Mining Текст. /
  78. A. А. Барсегян и др. СПб.: БХВ-Петербург, 2004. — 336 с.
  79. , И.Н. Обнаружение разладки с помощью контрольных карт Текст. / И: Н: Митрохин, А. И. Орлов // Заводская лаборатория. Диагностика материалов. 2007. — Т. 73, № 5. — С. 74−78.
  80. , А.А. Оценивание качества управления процессами на основе многомерного статистического контроля Текст. / А. А. Мусаев, В. А. Никитин // Методы менеджмента качества. 2006. — № 12. — С. 38−46.
  81. , В.П. Управление качеством тонколистового проката Текст. /
  82. B.П. Настич, В. Н. Скороходов, А. И. Божков. М.: Интермет Инжиниринг, 2001.- 296 с.
  83. О корреляционной связи между скоростью звука, твердостью и ударной вязкостью малоуглеродистых сталей в условиях фазовой перекристаллизации Текст. / И. М. Полетика [и др.] // Известия вузов. Черная металлургия. — 2001.-№ 12.-С. 14−17.
  84. О непрерывном статистическом контроле качества плоского проката Текст. / М. З. Бикметов [и др.] // Производства проката. — 2007. — № 8. — С. 27−33.
  85. , Я. Факторный анализ Текст. / Я. Окунь. — М.: Статистика, 1974. — 200 с.
  86. Оптимизация раскисления стали алюминием для сортовой MHJI3 Текст. / КЖ Носов [и др.] // Сталь. 2007. — № 10. — С. 26−30.
  87. Оптимизация химического состава стали и технологии для производства рельсов низкотемпературной надежности Текст. / А. А. Дерябин [и др.] // Сталь.-2005.-№ 6,-С. 134−136.
  88. Опыт подготовки металла для разливки на сортовых MHJI3 Текст. /
  89. A.В. Сарычев и др. // Сталь. 2007. — № 2. — С. 44−45.
  90. , А.И. Сертификация и статистические методы (обобщающая статья) Текст. / А. И. Орлов // Заводская лаборатория. Диагностика материалов. -1997.-Т. 63, № 3.-С. 55−62.
  91. , А.И. Часто ли распределение результатов наблюдений является нормальным? Текст. / А. И. Орлов // Заводская лаборатория. Диагностика материалов. 1991. — Т. 57, № 7. — С. 64−66.
  92. , С. Нейронные сети для обработки информации Текст. / С. Осовский. М.: Финансы и статистика, 2002. — 344 с.
  93. Оценка комплексного влияния кремния и алюминия на качество заготовок из стали 10 Текст. / Е. Н. Лебедев [и др.] // Сталь. 1999. — № 6. — С.66−67.
  94. , В.М. Управление качеством непрерывнолитой заготовки Текст. /
  95. B.М. Паршин, А. Д. Чертов // Сталь. 2005. — № 1. — С.20−29.
  96. , А.К. Адаптация и оптимизация в системах автоматизации и управления Текст. / А. К. Погодаев < C.JI. Блюмин. Липецк.: ЛЭГИ, 2003. — 127 с.
  97. , А.Л. Многомерный статистический контроль процессов Текст. / А. Л. Померанцев, О. Е. Родионова // Методы менеджмента качества. 2002. -№ 6. — С. 15−21.
  98. Прикладная статистика: Классификация и снижение размерности Текст. / С. А. Айвазян [и др.]. М.: Финансы и статистика, 1989. — 607 с.
  99. Разработка оптимальной технологии нагрева. слитков из кипящих сталей Текст. / И'.С. Кузнецов,[и др.] // Сталь. 2006. — №>3. — С.46−47. ,
  100. Разработка технологического регулирования микрочистоты колесной стали по неметаллическим включениям Текст. / Б.С. Иванов- [ис др.]' // Сталь. 2007. — № 9. — С. 18−21.
  101. Распознавание образов: состояние и перспективы Текст. / К. Верхаген [и др.]. М.: Радио и связь, 1985. — 104 с.
  102. Расширенный статистический анализ данных Текст. / М. Г. Журавлёва. — М.: ВНТИЦ, 2008. -№ 50 200 801 066 от 22.05.2008.
  103. Режим агломерации при изменении доли концентрата ССГПО Текст. / М. Ф. Гибадулин [и др.] // Сталь. 2007. — № 2. — С. 15−17.
  104. Робастность в статистике. Подход на основе функций влияния Текст. / Ф. Хампель [и др.]. М.: Мир, 1989. — 512 с.
  105. , И.М. Математические модели для выбора рациональной технологии и управления качеством стали Текст. / И. М. Рожков, С. Л. Власов, Г. Н. Мулько. -М.: Металлургия* 1990: 184 с.
  106. , Б.Б. Статистические модели в экономическом анализе, планировании и управлении непрерывными производствами Текст. /
  107. Б.Б. Розин, В. М. Соколов, М. А. Ягольницер. — Новосибирск: Наука, 1991.-255 с.
  108. , Г. И. Орудие Data Mining: успех в анализе данных Текст. / Г. И. Рузайкин-// Мир ПК. 1997. — № 1.- С. 102−103.
  109. , Д.С. Применение искусственных нейронных сетей к определению поперечной разнотолщинности листа Текст. / Д. С. Светличный // Производство проката. — 2006. — № 1. С. 10−15.
  110. Сертификация качества холоднокатаной ленты из стали 08Ю Текст. / Е. Д. Залетова [и др.] // Сталь. 2007. — № 2. — С. 111−113.
  111. Система автоматизированного проектирования сквозной технологии производства, листового проката Текст. / Л. А. Кузнецов [и др.] // Сталь. — 1994.-№ 8.-С. 51−54.
  112. Статистические методы повышения качества Текст. / Под ред. X. Кумэ. — М.: Финансы и статистика, 1990.' 304 с.
  113. Статистический контроль качества продукции на основе-принципа, распределения приоритетов Текст. / В .А. Лапидус [и др.]. М.: Финансы и статистика, 1991*. — 224 с.
  114. , Б.Г. Анализ и1 моделирование производственных систем Текст. / Б. Г. Тамм, М. Э. Пуусепп, P.P. Таваст. М.: Финансы и статистика, 1987. — 191 с.
  115. Технологические особенности обеспечения заданных содержаний серы и фосфора при производстве низколегированной стали Текст. / Б. А. Сарычев [и др.]//Сталь.-2006.-№ 12.-С. 15−18.
  116. Управление качеством продукции Сборник стандартов. М.: ИПК Издательство стандартов, 2004. — 255 с.
  117. , С .Я. Интеллектуализация автоматизированной системы управления качеством продукции (на примере металлургического производства) I
  118. Текст. / С. Я. Фомин, Д. П. Самсонов // Известия вузов. Черная металлургия. 2005. — № 7. — С. 65−68.
  119. , С. Нейронные сети: полный курс Текст. / С. Хайкин. М.: Вильяме, 2005.-1104 с.
  120. , М. Непараметрические методы статистики Текст. / М. Холлендер, Д. Вульф. М.: Финансы и статистика, 1983. — 518 с.
  121. , С.А. Результаты статистического моделирования электропотребления дуговой сталеплавильной печи Текст. / С. А. Хорьков, С. А. Кныжов // Сталь. 2005. — № 5. — С. 37−38.
  122. , А.Н. Анализ процесса окисления серы в сталеплавильной ванне дуговой печи Текст. / А. Н. Чичко, Н. В. Андрианов, А. А. Чичко И Сталь. -2007. № 7. — С. 42−46.
  123. , Р. Теория вероятностей. Математическая статистика. Статистический контроль качества Текст. / Р. Шторм. М.: — Мир, 1970. — 368 с.
  124. , Б. Нетрадиционные методы многомерного статистического анализа Текст. / Б. Эфрон. М.: Финансы и статистика, 1988. — 263 с.
Заполнить форму текущей работой

На отлично!