Меню
Том_ 1 № 30 (2026) / 2026-03-30 / Кол. просмотров: 151
Авторы
Ключевые слова
DOI ссылка:
Как цитировать
Актуальность исследования обусловлена необходимостью перехода от лабораторного контроля к предиктивному управлению качеством металлургической продукции. Задержка лабораторного анализа, на практике повышает риск выпуска продукции вне нормативных требований и снижает оперативность технологических решений.
В работе разработана архитектура интеллектуальной системы лабораторного контроля химического состава на основе интеграции данных LIMS, SCADA/MES и реальных данных полученных из открытых источников. Реализованы ансамблевые модели (Gradient Boosting, ANN, LSTM, Stacking) для прогнозирования массовых долей химических элементов.
По результатам исследования получены количественные показатели: R² для Cr — 0.94, RMSE — 0.72 %, MAE — 0.48 %, что более чем в два раза ниже допустимого нормативного отклонения (±1.0 %). Для элементов P и S абсолютная ошибка не превышает 0.01 %. Ансамблиевая модель сохраняет стабильность прогнозирования при варьировании входных параметров (±3–5 %) не выявляет статистически значимого смещения оценок, что подтверждается близким к нулю значением Bias. Качественные показатели свидетельствуют об достаточно устойчивых прогнозах, интерпретируемости и технологической обоснованности выявленных зависимостей. Разработанная система обеспечивает переход от лабораторного к проактивному управлению качеством, сокращая время принятия решений с 2–4 часов до нескольких минут, снижая риск выпуска продукции вне нормативов на 15–25 %. Практическое значение исследования заключается в сокращении времени принятия решений, снижении риска брака на 15–25 %, возможности интеграции в цифровой двойник предприятия.
Дальнейшие исследования направлены на внедрение онлайн-обучения, расширение на другие ферросплавы и интеграцию с физико-химическими моделями процесса.