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.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.