Журналы →  Черные металлы →  2024 →  №4 →  Назад

Прокатка и другие процессы ОМД
Название Практика применения бинарной логистической регрессии с целью снижения негативных технологических событий при производстве проката
DOI 10.17580/chm.2024.04.04
Автор И. И. Шопин
Информация об авторе

Липецкий государственный технический университет, Липецк, Россия

И. И. Шопин, доцент кафедры обработки металлов давлением, канд. техн. наук, эл. почта: ShopinII@yandex.ru

Реферат

Перспективы ближайшего десятилетия (как в целом по металлургической промышленности, так и в прокатном производстве) — это высокий уровень конкуренции в условиях падающего спроса на рядовые марки стали и роста цен на энергоносители. При этом особую актуальность приобретает повышение операционной эффективности прокатных производств. Решающим преимуществом в подобных условиях будет высокая скорость улучшения операционной эффективности. Поэтому важно максимально быстро внедрять в прокатных производствах наиболее эффективные решения. Одним из источников улучшения операционной эффективности прокатных производств является снижение числа негативных технологических событий, наилучшим инструментом исследования которых является бинарная логистическая регрессия, позволяющая решать задачи классификации. Основным преимуществом перед другими методами решения задачи классификации (деревья классификации, случайный лес или градиентный бустинг) является интерпретируемость полученных результатов: получаемую математическую формулу можно легко проверить на соответствие физическому смыслу. Представлено краткое описание бинарной логистической регрессии и показано, как отличается оценка адекватности полученной математической модели от обычной регрессии. Показано, что необходимо получить не только адекватную и достоверную математическую модель процесса, но и правильно определить порог принятия решения. Продемонстрированы подходы к подготовке данных, проведению анализа и использованию результатов с целью снижения числа негативных технологических событий в прокатных производствах. Показаны практические результаты применения бинарной логистической регрессии для улучшения процессов в условиях прокатного производства ПАО «Новолипецкий металлургический комбинат».

Ключевые слова Операционная эффективность, негативные технологические события, бинарная логистическая регрессия, обрывы, уводы, дефекты поверхности
Библиографический список

1. Бельский С. М., Шопин И. И. Математическая модель вероятности обрыва полосы при холодной прокатке // Черные металлы. 2020. № 3. C. 18−23.
2. Belskiy S. M., Shopin I. I. Statistical regression analysis of breakages in cold rolling // IOP Conference Series: Materials Science and Engineering. 2020. Vol. 969. 012074.
3. Belskiy S. M., Shopin I. I. On issue of strip’s break during cold rolling // IOP Conference Series: Materials Science and Engineering. 2020. Vol. 969. 012072.
4. Belskiy S. M., Shopin I. I., Safronov A. A. Improving efficiency of rolling production by predicting negative technological events // Defect and Diffusion Forum. 2021. Vol. 410. P. 96−101.
5. Бельский С. М., Шопин И. И. Применение коэффициента седловидности для оценки качества горячекатаной полосы // Черные металлы. 2019. № 9. С. 9−13.
6. Ибраев И. К. Качество низкоуглеродистой стали тонколистового проката. − М. : КноРус, 2021. − 291 с.
7. Lim Y., Venugopal R., Ulsoy A. G. Process control for sheet-metal stamping process modeling, controller design and stop-floor implementation. − Springer, 2014. − 140 p.
8. Klocke F. Manufacturing processes 4. Forming. − Springer, 2013. − 516 p.
9. Rees D. Basic engineering plasticity. An introduction with engineering and manufacturing applications. − Butterworth-Heinemann, 2006. − 528 p.
10. Wilko C. E. Formability. A review of parameters and processes that control, limit or enhance the formability of sheet metal. − Springer, 2011. − 112 p.
11. Мазур В. Л., Ноговицын А. В. Теория и технология тонколистовой прокатки (численный анализ и технические приложения). – Днепропетровск : РВА «Дніпро-VAL», 2010. − 500 с.
12. Мазур В. Л. Причины возникновения и способы предупреждения перегибов (изломов) тонколистовой стали // Сталь. 2015. № 12. С. 21−28.
13. Бельский С. М., Щедрин И. Н., Шопин И. И. Решение проблемы потери устойчивости рулонами из стальной полосы с полимерным покрытием // Производство проката. 2018. № 7. С. 5−8.
14. Шопин И. И., Бельский С. М. Упрощенная модель напряженно-деформированного состояния рулона на моталке // Производство проката. 2016. № 5. С. 13−17.
15. Шопин И. И., Бельский С. М. Слоистая модель напряженно-деформированного состояния рулона на моталке // Производство проката. 2016. № 8. С. 3−7.
16. Антонов В. И. Метод определения начальных напряжений в рулоне при нелинейной зависимости между напряжениями и деформациями // Вестник МГСУ. 2010. № 4. С. 177−180.
17. Ашихмин Г. В., Ирошников С. А. Формирование профиля образующей рулона при намотке полосы // Производство проката. 2002. № 9. С. 14−17.
18. Ашихмин Г. В., Ирошников С. А. Взаимосвязь распределения продольных напряжений по ширине полосы в рулоне и профиля его образующей // Производство проката. 2002. № 10. С. 16−22.
19. Божков А. И. Научное обоснование и создание систем автоматизации управления качеством продукции листопрокатных цехов предприятий черной металлургии. Сообщение 1. Комплексная автоматизированная система управления качеством продукции металлургического комбината // Производство проката. 2014. № 7. С. 27-33.
20. Божков А. И., Еремин Г. Н., Ивлиев С. Н., Бахтин С. В. и др. Научное обоснование и создание систем автоматизации управления качеством продукции листопрокатных цехов предприятий черной металлургии. Сообщение 3. Подсистема управления свойствами тонколистового проката, функциональная структура и математическое обеспечение подсистемы // Производство проката. 2015. № 3. С. 39-48.
21. Bel’skii S. M., Mazur S. I., Mukhin Y. A., Goncharov A. I. Influence of the cross section of hot-rolled steel on the flatness of cold-rolled strip // Steel in Translation. 2013. Vol. 43. No. 5. P. 313−316.
22. Fukushima S., Washikita Y., Sasaki T., Nakagawa S. et al. Mixed scheduled rolling of high tensile strength and mild steel using a high-accuracy profile model in hot strip finishing mill // Tetsu-to-Hagane. 2014. Vol. 10. No. 12. P. 1499−1507.
23. Максимов Е. А., Остсемин А. А. Исследование механизма нарушения плоскостности при горячей толстолистовой прокатке // Сталь. 2015. № 6. С. 27−30.
24. Reinschke J. U., Schmid F., Lamp H., Miele M. Novel profile and flatness control system for hot strip mills // Stahl und Eisen. 2004. Vol. 124, No. 2. P. 53−58.
25. Shinkin V. N. Elastoplastic flexure of round steel beams. 1. Springback coefficient // Steel in Translation. 2018. Vol. 48. No. 3. P. 149−153.
26. Hingole R. S. Advances in metal forming. Expert system for metal forming. − Springer, 2015. − 116 p.
27. Chakrabarty J. Applied plasticity. − Springer, 2010. − 758 p.
28. Shinkin V. N. Elastoplastic flexure of round steel beams. 2. Residual stress // Steel in Translation. 2018. Vol. 48. No. 11. P. 718−723.
29. Кобзарь А. И. Прикладная математическая статистика. − М. : Физматлит, 2006. − 816 с.
30. Hastie T., Tibshirani R., Friedman J. The elements of statistical learning. Data mining, inference and prediction. − Springer, 2017. − 745 p.
31. ГОСТ Р ИСО 13053-1-2015. Статистические методы. Количественные методы улучшения процессов Шесть сигм. Часть 1. Методология DMAIC. − Введ. 01.07.2016.
32. ГОСТ Р ИСО 13053-2-2015. Статистические методы. Количественные методы улучшения процессов Шесть сигм. Часть 2. Методы. − Введ. 01.07.2016.

Language of full-text русский
Полный текст статьи Получить
Назад