The usage of data mining tools for green moulding sands quality control

• Autorzy: Jakubski, J. , Dobosz, S. M.

Warianty tytułu

PL

Zastosowanie narzędzi analizy danych w procesie sterowania jakością syntetycznych mas formierskich

• Konferencja: International Conference "Development Trends in Mechanization of Foundry Processes" (5 ; 14-16 October 2010 ; Inwałd, Poland)
• Języki publikacji: EN

Abstrakty

EN

High competition on the international casting market and customers requirements concerning the casts quality forced foundries to keep introducing more advanced technological, economical and ecological solutions. IT solutions have recently become their integral part. They are usually related to such areas like information flow and logistics. Computer systems allow to define and create processes databases, update data, to follow parameters affecting the quality and use collected data to control current quality. One of the modern methods for production optimization is using artificial neural networks (ANN). Neural networks have been very popular during last years, because ANN can use collected past data what could be very helpful in solving important industrial problems. This article presents the comparison of two types of data mining tools for green moulding sands properties analysis, such as artificial neural networks and a naive Bayesian classifier. The tests were performed using collected data sets. An attempt to use artificial neural networks (ANN) for green moulding sands quality control is also presented.

PL

Wysoka konkurencja na międzynarodowym rynku odlewniczym, a także wysokie wymagania klientów odnośnie do jakości odlewów, zmuszają odlewnie do wprowadzania coraz doskonalszych rozwiązań technologicznych, ale także ekonomicznych i ekologicznych. Ich integralna częścią stają się ostatnio także rozwiązania informatyczne. Te ostatnie dotyczą coraz częściej takich obszarów jak przepływy informacji i logistyka. Postep ten dokonuje się poprzez wdrożenia rozwiązań systemowych. Systemy informatyczne powinny pozwalać na definiowanie i tworzenie baz danych o procesach, śledzić parametry wpływające na jakość, aktualizowac bazy danych, a pozyskiwane informacje wykorzystywac do bieżącego sterowania jakością i do jej analiz. Jedna z nowoczesnych metod optymalizacji produkcji są sztuczne sieci neuronowe. Sztuczne sieci neuronowe wykorzystują bazy zgromadzonych danych i mogą być bardzo pomocne w rozwiazywaniu problemów produkcyjnych. W artykule zaprezentowano porównanie narzędzi analizy danych, takich jak sztuczne sieci neuronowe i naiwny klasyfikator Bayesa do analizy właściwości syntetycznych mas formierskich. Analizy wykonano wykorzystując zgromadzone dane doświadczalne. Przedstawiono próbe zastosowania sztucznych sieci neuronowych do sterowania jakością syntetycznych mas formierskich.

Słowa kluczowe

PL

analiza danych; sztuczne sieci neuronowe; syntetyczne masy formierskie

EN

data mining; artificial neural networks; green moulding sands

• Czasopismo: Archives of Metallurgy and Materials
• Rocznik: 2010
• Tom: Vol. 55, iss. 3
• Strony: 843-849
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Jakubski, J.

autor

Dobosz, S. M.

• FACULTY OF FOUNDRY ENGINEERING, AGH UNIVERSITY OF SCIENCE AND TECHNOLOGY, 30-059 KRAKÓW, UL. REYMONTA 23, POLAND

Bibliografia

• [1] Z. Ignaszak, R. Sika, System do eksploracji wybranych danych produkcyjnych oraz jego testowanie w odlewni. Archiwum Technologii Maszyn i Automatyzacji 28, 1, 61-72 (2008).
• [2] Z. Ignaszak, J. Ciesiołka i in, Kompleksowe zastosowanie metod badan nieniszczacych do optymalizacji technologii i kosztów wytwarzania odlewów, w aspekcie wzrostu efektywnosci wykorzystania komputerowych systemów symulacyjnych, raport końcowy projektu celowego nr 6 T08 2003 C 06228, Poznan - Śrem 2007 (maszynopis).
• [3] I. Rojek-Mikołajczak, Integracyjna rola baz danych w przedsiebiorstwie, w: Computer Integration in Manufacturing, Poznan (1997).
• [4] K. Bramczewski, M. Idee, S. Szwajkowski, System pomiaru i rejestracji temperatury zalewania form, instrukcja obsługi programu RTO PC Soft s.c, Piła (1996).
• [5] R. Sika, Studium nad struktura systemu SAP R/3 i mozliwosci jego dostosowania do zarzadzania oraz sterowania jakoscia w Odlewni Zeliwa SREM S.A., praca dyplomowa pod kierunkiem Z. Ignaszaka, Politechnika Poznanska, Wydział Budowy Maszyn i Zarzadzania (2006).
• [6] R. Sika, Z. Ignaszak, Po wdrozeniu programu KonMas-final - jego wykorzystanie do analizy procesu produkcji odlewów na wydziale W6 - Odlewni Zeliwa SREM S.A., w: XI International Symposium - Modeling of casting and foundry processes, 26TM 27 October 2006, Poznan-Srem (2006).
• [7] W. Łybacki, K. Zawadzka, Wspomaganie diagnostyki wad odlewów narzedziami zarzadzania jakoscia, Archiwum Technologii Maszyn i Automatyzacji 28, 1, 89-101 (2008).
• [8] J. Kusiak, A. Zmudzki, A. Danielewska-Tułecka, Optimization of materials processing using a hybrid technique based on artificial neural networks, Archives of Metallurgy and Materials 50, 3, 609-620 (2005).
• [9] M. Perzyk, R. Biernacki, J. Kozłowski, Data mining in manufacturing: significance analysis of process parameters, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture 222, 11, 1503-1516, (2008).
• [10] M. Perzyk, J. Kozłowski, Zastosowanie metod inteligencji obliczeniowej do diagnostyki i optymalizacji procesów odlewniczych, Tendencje optymalizacji systemu produkcyjnego w odlewniach - Monografia, Komisja Odlewnictwa PAN Oddział Katowice, 143-156 (2010).
• [11] S. Kluska-Nawarecka, Z. Górny, D. Wilk-Kołodziejczyk, A. Smolarek-Grzyb, The Logic of Plausible Reasoning in the Diagnostics of Castings Defects, Archives of Metallurgy and Materials 52, 3, 375-380 (2007).
• [12] S. Kluska-Nawarecka, Z. Górny, Metody sztucznej inteligencji w doskonaleniu procesów produkcyjnych w odlewnictwie, Tendencje optymalizacji systemu produkcyjnego w odlewniach - Monografia, Komisja Odlewnictwa PAN Oddział Katowice, 187-212 (2010).