Zastosowanie metod sztucznej inteligencji w modelowaniu procesu wytopu miedzi

• Autorzy: Śledzińska A. , Talar J. , Kusiak J.

Warianty tytułu

EN

Application of the artificial intelligence method in modelling of the copper

• Języki publikacji: PL

Abstrakty

PL

W pracy podjęto próbę zastosowania metod sztucznej inteligencji do przewidywania istotnego dla sterowania procesem wytopu miedzi parametru wyjściowego, jakim jest poziom "gotowania". Celem było opracowanie trzech metod badawczych (SB, SSN, SE), które w oparciu o parametry wejściowe potrafią przewidzieć poziom gotowania. Poziom gotowania jest parametrem wyjściowym a zarazem niepożądanym zjawiskiem w procesie wytopu miedzi. W pracy wykorzystano dane przemysłowe. Przeprowadzona analiza uzyskanych wyników wskazuje, że zaprezentowane w pracy metody sztucznej inteligencji (sieci bayesowskie, sztuczne sieci neuronowe i system ekspertowy), mogą być z powodzeniem wykorzystane do modelowania procesu zawiesinowego wytopu miedzi. W przypadku analizy zjawiska gotowania sieci bayesowskie dają lepsze wyniki w zaklasyfikowaniu przykładów do kategorii "OK" i "ŹLE", w porównaniu z dwoma pozostałymi metodami. Natomiast dokładniejsze wartości przewidywania poziomu gotowania zaklasyfikowanych do kategorii "OSTRZEŻENIE", uzyskano przy wykorzystaniu sieci neuronowych oraz systemów ekspertowych. Uzyskane wyniki pozwalają stwierdzić, że SB, SSN oraz SE są, efektywnym narzędziem do przewidywania parametrów wyjściowych złożonych procesów przemysłowych.

EN

The objective of the work is assessment of the effectiveness of the use of artificial intelligence methods in modelling of the copper flash smelting process. Bayesian Network (BN), Artificial Neural Network (ANN) and Expert System (ES) were used in prediction of chosen parameters of the technological process and obtained results are presented.

Słowa kluczowe

PL

metody sztucznej inteligencji; wytop miedzi; poziom "gotowania"; sieci bayesowskie; sztuczne sieci neuronowe; system ekspertowy

• Wydawca: Wydawnictwo Naukowe AKAPIT
• Czasopismo: Informatyka w Technologii Materiałów
• Rocznik: 2005
• Tom: T. 5, Nr 1-2
• Strony: 26--32
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Śledzińska A.

• Wydział Metalurgii i Inżynierii Materiałowej, Akademia Górniczo-Hutnicza w Krakowie

autor

Talar J.

autor

Kusiak J.

Bibliografia

• Grąbczewski, K., 2003, Zastosowanie kryterium sepamwalności do generowania reguł klasyfikacji na podstawie baz danych, Praca doktorska, Warszawa.
• Hopgood, A. A., 2000, Intelligent Systems for Engineers and Scientists, CRC Press.
• Kirkby, R., 2002, WEKA Explorer User Guide for Version 3-3-4.
• Mulawka, J., 1996, Systemy ekspertowe, WNT, Warszawa.
• Osowski, S., 1996, Sieci neuronowe, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
• Quinlan, J.R., 1986, Induction of decision trees, Machine Learning, 1,81-106.
• Quinlan, J.R., 1993, C4.5: Programs for Machine Learning, Morgan Kaufmann.
• Ribeiro-Neto B., Baeza-Yates, R., 1999, Modem Information Retrieval, Addison Weseley.
• Tadeusiewicz R., 1993, Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa.
• Talar, J., 2003, Komputerowy model wspomagania operacyjnych decyzji technologicznych w walcowni zimnej blach, Praca doktorska, AGH, Kraków.
• Talar, J., Jarosz, P., Kondek, T., Kusiak, I., Staszak, J., 2004, Zastosowanie sztucznych sieci neuronowych do sterowania zawiesinowym przetopem koncentratów miedzi, Mat. 11. Konf. Informatyka w Technologii Metali KomPlasTech'2004, ed., Grosman, F., Piela., A., Pietrzyk, M., Kusiak, J., Zakopane, Akapit, 291-300.
• Themelis, N J., 1987, Transport phenomena in high-intensity smelting furnaces, Inst Mining and Metallurgy, Pyrometallurgy '87, London.
• Themelis, NJL, 1988, Entry and Phase transition phenomena in flash smelting reactors, Proc. of MEFOS Symposium, Lulea.