Аннотация
Целью исследования является повышение качества управления технологическими процессами и производствами в металлургической промышленности за счет синтеза модулей предиктивной аналитики для систем управления технологическими процессами с использованием консолидированных данных по технологическим цепочкам. В ходе исследования выполнен анализ теоретических и практических разработок в области проектирования, которые показали необходимость в проектировании и разработке модулей предиктивной аналитики в системах управления технологическими процессами для промышленных предприятий, включая металлургическое производство, а также приведены результаты синтеза проектных решений по структуре интеграции модулей предиктивной аналитики в действующие подсистемы АСУ ТП и АСУ П на примере ПАО «ММК». В ходе проектирования построена схема функциональной структуры системы, описаны ее подсистемы и блоки, их назначение, а также выполнено описание управляющих взаимосвязей между объектами системы. Реализация функционала позволяет повысить качество готовой продукции, уменьшив временные и трудовые затраты, а также снижение доли продукции пониженного качества и брака по описанным технологическим маршрутам.
Ключевые слова
Автоматизация, технологический процесс, интеллектуальная система, система управления, предиктивная аналитика, система управления технологическим процессом.
1. Соловьев В.А., Черный С.П. Искусственный интеллект в задачах управления. Интеллектуальные системы управления технологическими процессами: учеб. пособие. Комсомольск-на-Амуре: КНАГТУ, 2006. 74 с.
2. Янусов А.С., Курганов В.В. Применение WEB-технологий в сфере автоматизированных систем управления технологическими процессами (АСУ ТП) // Молодежь и современные информационные технологии: сб. тр. XVI междунар. науч.-практ. конф. студентов, аспирантов и молодых учёных. Томск: ТПУ, 2019. С. 325-326.
3. Логунова О.С., Мацко И.И., Посохов И.А. Система интеллектуальной поддержки процессов управления производством непрерывнолитой заготовки. Магнитогорск: Изд-во Магнитогорск. гос. техн. ун-та им. Г.И. Носова, 2013. 175 с.
4. Кузнецов Л.А., Ведищев В.В. Математическое моделирование сложных технологических процессов (на примере системы управления качеством проката) // Датчики и системы. 2001. №9. С. 10-13.
5. Пулин И.С. Применение автоматизированных систем управления в производстве: возможности для роста производительности труда // Управление производительностью: опыт и проблемы нижегородских предприятий: сб. науч. тр. Нижний Новгород: Нижегородский гос. техн. ун-т им. Р.Е. Алексеева, 2020. С. 207-212.
6. Качала Н.М., Прохоренков А.М. Обеспечение заданных характеристик систем управления технологическими процессами с использованием методов прогнозирования // Наука – производству: материалы Междунар. науч.-практ. конф. Мурманск: Мурманский гос. техн. ун-т, 2016. С. 68-73.
7. Дементьев А.В. Анализ существующих автоматизированных систем управления технологическим процессом // Студенческий. 2020. №21-1(107). С. 30-60.
8. Бабешко В.Н. Информационные системы управления технологическими процессами // Новая наука: теоретический и практический взгляд. 2016. №2-2(63). С. 123-125.
9. Антипин А.Ф. К вопросу о разработке систем управления технологическими процессами // Качество в производственных и социально-экономических системах: сб. науч. тр. 4-й Междунар. науч.-техн. конф. Курск: ЗАО «Университетская книга», 2016. С. 31-34.
10. Парсункин Б.Н., Бондарева А.Р., Полухина Е.И. Система визуализации при создании адаптивного комплекса локального уровня управления в АСУ ТП промышленного производства // Электротехнические системы и комплексы. 2015. № 2(27). С. 44-47.
11. Андреев С.М. Парсункин Б.Н., Логунова О.С. Практика применения нейросетевых алгоритмов регулирования в локальных контурах управления технологическими параметрами // Фундаментальные и прикладные исследования, разработка и применение высоких технологий в промышленности и экономике: сб. ст. 30-й Междунар. науч.-практ. конф. СПб.: Санкт-Петербургский политех. ун-т Петра Великого, 2012. С. 263-265.
12. Парсункин Б.Н., Артамонов Ю.С., Андреев С.М. Оптимизация параметров настройки локальных контуров управления астатическими объектами по методу симметричного оптимума. Магнитогорск: Изд-во Магнитогорск. гос. техн. ун-т им. Г.И. Носова, 2005. 99 с.
13. Парсункин Б.Н., Андреев С.М., Логунова О.С. Локальные стабилизирующие контуры автоматического управления в АСУ ТП. Магнитогорск: Изд-во Магнитогорск. гос. техн. ун-т им. Г.И. Носова, 2012. 406 с.
14. Димов Ю.В., Подашев Д.Б. Система управления качеством кромки при финишной обработке эластичными полимерно-абразивными инструментами и ее анализ. Часть 1 // Вестник Иркутского государственного технического университета. 2020. Т. 24. №5(154). С. 977-992. doi: 10.21285/1814-3520-2020-5-977-992.
15. Marsuverskiy B.A. The Comprehensive Computer-Aided Control System for the Blast Furnace Process. // Ferrous Metallurgy. Bulletin of Scientific, Technical and Economic Information. 2017. №7. С. 41-46.
16. Денисов М.С. Автоматизированная система программного управления процессом наложения давления на жидкий и кристаллизующийся металл // Автоматизация. Современные технологии. 2020. Т.74. №5. С. 234-240.
17. Силаева Е.Ю., Чебинёв А.В. Разработка автоматизированной системы управления технологическим процессом термообработки труб в роликовой печи // Наукосфера. 2020. №5. С. 108-113.
18. Свеженцев М.Ю. Разработка автоматизированной системы управления технологическим процессом подогрева и выравнивания температуры труб в печи с шагающими балками // Дневник науки. 2020. №5(41). С. 33.
19. Самохвал Ф.Н. Автоматизация в системах управления технологическими процессами в производстве титана губчатого // Молодежная наука в развитии регионов. 2019. T.1. С. 154-156.
20. Akhavei F., Bleicher F. Predictive modeling to increase the reliability of production planning in single-item production // Proceedings of the World Congress on Engineering and Computer Science. 2016. Vol. 2. Pp. 806-811.
21. Machine learning algorithms for the prediction of the strength of steel rods: an example of data-driven manufacturing in steelmaking / E. Ruiz, D. Ferreño, M. Cuartas, A. Lopez, V. Arroyo, F. Gutiérrez-Solana // International Journal of Computer Integrated Manufacturing. 2020. Vol. 33(9). Pp. 1-12. doi: 10.1080/0951192X.2020.1803505.
22. Шилкина С.В., Гусарова А.А. Интеллектуальные информационные технологии в автоматизированных системах управления технологическими процессами // Современная наука и инновации. 2018. №1(21). С. 34-39.
23. Горбач К.В. «Умный» цветной металл // Control Engineering Россия. 2019. №3(81). С. 70-73.
24. Разработка и моделирование системы управления на основе предикативной математической модели для промышленного процесса изомеризации пентан-гексановой фракции / Ю.В. Шариков, Н.В. Снегирев, И.В. Ткачев, П.А. Петров // Cloud of science. 2020. Т.7. №2. С. 273-284.
25. Shmueli G., Koppius O.R. Predictive analytics in information systems research // MIS Quarterly: Management Information Systems. 2011. Vol. 35(3), Pp. 553-572. doi: 10.2307/23042796.
26. Integrated Predictive Diagnostics: An Expanded View / R.J. Hansen, D.L. Hall, G.W. Nickerson, S. Phoba // Turbo Expo: Power for Land, Sea, and Air. 1996. 10 p. doi: 10.1115/96-GT-034.
27. Сидоренко Н.С., Мяловский В.А. Совершенствование управления металлургическим производством на основе полного весового контроля материальных потоков // Математическое и программное обеспечение систем в промышленной и социальной сферах. 2019. Т.7. №2. С. 35-37. doi: 10.18503/2306-2053-2019-7-2-35-37.
28. Сидоренко Н.С., Логунова О.С. Предпосылки модернизации корпоративной системы управления технологией и качеством на металлургическом предприятии // Компьютерная интеграция производства и ИПИ-технологии: материалы VIII Всерос. науч.-практ. конф. 2017. С. 661-664.
29. Информационные хранилища предприятий металлургической промышленности: трансформация структуры / Н.С. Сидоренко, О.С. Логунова, Л.Ю. Тяжельникова, Н.В. Аркулис // Электротехнические системы и комплексы. 2019. №4 (45). С. 52-57. doi: 10.18503/2311-8318-2019-4(45)-52-57.