Модель нейронной сети оценки показателей качества бумажной промышленности

Исследования зависимости качества бумажного полотна от условий производства и свойств сырья дают значительный статистический разброс, вследствие чего невозможно точно прогнозировать результат. Этот факт стал предпосылкой применения технологии нейросетевого моделирования при разработке интеллектуальной системы мониторинга качества бумажного полотна. Рассмотрена методика определения оценок неоднородности структуры бумажного полотна на завершающей стадии его производства. Предложено расширить классификацию образцов готовой продукции посредством использования нейронечеткой интерполяции лингвистических значений таких показателей, что позволит повысить эффективность производственного процесса

Ключевые слова: производство бумаги, оценка качества, оценка неоднородности структуры, нейросетевая модель, нейросетевой классификатор

Список использованных источников

  1. М. С. Ревунов. Совершенствование системы стабилизации параметров бумажного потока с использованием алгоритма взаимной корреляции//Контроль мониторинга измерений. Контроль. 2018. № 4. С. 24-31.
  2. И. И. Осовская, В. С. Антонова. Влияние разрушения поверхности на гидрофильность и способность соединения волокон целлюлозы//Химия растительного сырья. 2020. № 1. С. 315-320.
  3. С. М. Герасюта, А. С. Смолин, Е. И. Иванова, В. С. Каневская. Исследование коэффициента вариации и среднего размера неоднородности для различных типов бумаги на цанговом анализаторе АП-2//Известия Санкт-Петербургской лесной академии. 2016. № 217. С. 238-247.
  4. В. В. Абрамова, А. В. Гурьев. Оценка однородности макроструктуры, формирующей копировальную бумагу//Новости высшего образования. Лесной журнал, 2017, № 4. С. 172-186.
  5. Д. А. Маношин. Программирование искусственного интеллекта//Коллоквиум-журнал. 2019. № 12 (36).
  6. Y. Zhou, T. Murata. Fuzzy -timing Petri net model for distributed mul-timedia synchronization//Proc. of the 1998 IEEE Conference on Systems, Man and Cybernetics, October 11-14. Lolla, California, 1998. P. 244-249.
  7. X. Koutsoukos, P. J. Antsaklis, J. A. Stiver, M. D. Lemmon. Supervisory control of hybrid systems//Proc. of IEE. 2000. 88. № 5. Р. 1026-1049.
  8. Y. Qian, X. X. Li, Y. R. Jiang. An expert system for real-time fault diagnosis of complex chemical processes//Expert Systems with Applications Vol. 24. Issue 4. May 2003. P. 425-432.
  9. J. Kallrath, S. Rebennack, J. Kallrath, R. Kusche. Solving real-world cutting stock-problems in the paper industry: Mathematical approaches, experience and challenges// European Journal of Operational Research. 2014. Vol. 238. Issue 1. P. 374-389.
  10. H. Dyckhoff. A typology of cutting and packing problems//European Journal of Operational Research. 990. № 44. P. 145-159.
  11. I. Harjunkoski. Qualitaetsbasierte Schnittplanoptimierung in der Papierindustrie//Automatisierungstechnik. 2008. № 2. P. 31-44.
  12. M. H. Correia, J. F. Oliveira, J. S. Ferreira. Integrated resolution of assignment, sequencing and cutting problems in paper production planning//International Journal of Production Research. 2012. 50 (18). P. 5195-5212.
  13. S. C. Poltroniere, S. A. Araujo, K. C. Poldi. Optimization of an Integrated Lot Sizing and Cutting Stock Problem in the Paper Industry//TEMA (Sгo Carlos) [online]. 2016. Vol. 17. № 3. P. 305-320.
  14. E. Silva, F. Alvelos, J. M. Valґerio de Carvalho. Integrating two-dimensional cutting stock and lot-sizing problems//Journal of the OperationalResearch Society. 2014. 65. 1. 108-123.
  15. J. Sahno, Ed. Shevtshenko, T. Karaulova, Kh. Tahera. Framework for continuous improvement of production processes//Economics of engineering decisions. Vol. 26. № 2. 2015.
  16. R. Rajnoha, K. Gбlovб, Z. Rуzsa. Measurement of Impact of Selected Industrial Engineering Practices on Companies’ Economic Performance//Economics of engineering decisions. Vol. 29. № 2. 2018.
  17. М. М. Хапаев, А. А. Цыганков. Алгоритм решения экстремальных задач с ограничениями//Вычислительная математика и моделирование. 1997. Т. 8. № 4. С. 322-325.
  18. G. Scheithauer. Zuschnitt und Packungsoptimierung. Problemstellungen, Model-lierungs-techniken, Loesungsmethoden. Wiesbaden: Verlag: Vieweg+Taubner, 2008. 132 р.
  19. А. Черникова, С. Кузьмина, Г. Кондрашкова, И. Бондаренкова. Оцифровка и аксиоматика в современной метрологии//Серия конференций IOP: Материаловедение и инженерия. 2019. С. 12-13.
  20. В. В. Окрепилов, С. Н. Кузьмина, В. Л. Макаров, А. Р. Бахтизин. Применение суперкомпьютерных технологий для моделирования социально-экономических систем// Экономика региона. 2015. № 2. С. 301-312.
  21. ГОСТ Р 53636-2009 ГОСТ Р 53636-2009. Целлюлоза, бумага, картон. Термины и определения. http://docs.cntd.ru/document/gost-r-53636-2009.
  22. ОСТ 13-299-87 Хлысты древесные. Методы поштучного измерения и таблицы объемов. http://docs.cntd.ru/search/intellectual/q/%D0%9E%D0%A1%D0%A2+13-232-87/r/4
  23. Y. Zhou, J. Hahn, M. Sam Mannan. Fault detection and classification in chemical processes based on neural networks with feature extraction//ISA Transactions. 2003. Vol. 42. P. 651-664.

 

Авторы