База примеров

Инновационные технологии data science в металлургии

StatSoft демонстрирует инновационные достижения в области построении предиктивных моделей потребления электроэнергии в металлургии с помощью технологий AI/ML, классических и нейросетевых методов Statistica.

Снижение нерационального использования энергетических ресурсов, выявление скрытых факторов и связей влияющих на потребление энергоресурсов при плавке стали является актуальным для металлургических комбинатов.

На современных металлургических предприятиях накоплены большие объемы исторических данных по потреблению электроэнергии, относящиеся к конкретным плавкам.

На основе анализа исторических данных современными и классическими методами строятся высокоточные модели потребления электроэнергии.

При построении моделей следует рассматривать конкретная печь на конкретном заводе, которая имеет свои конструктивные особенности, футеровки и тд.

В качестве предикторов выступает большой массив переменных, включая марку стали, вес металлошихты, долю жидкого чугуна в шихте, длительность плавки без учёта межплавочных простоев, длительность работы печи под током, температуру, удельный расход природного газа, удельный расход кокса, удельный расход кислорода, удельный расход извести, удельный расход доломита, активность кислорода в металле, химический состав и др.

Коэффициенты вариации этих параметров варьируется в очень широких диапазонах и отличаются нестабильностью.

Исследования проводятся в Statistica с использованием широкого набора методов, реализованных, в частности, с использованием нейронных сетей.

Таблица предсказанных значений, построенных с помощью нейронных сетей Statistica для конкретной ДСП показана ниже:

Гистограмма остатков имеет вид:

Построенные модели могут быть сохранены в удобных форматах и внедрены в производство, далее использоваться при планировании потребления энергоресурсов при подготовке заявки на оптовом рынке электрической энергии и мощности.

Полностью кейс разбирается на курсах StatSoft.

Вопросы по построению предиктивных моделей можно задавать письменно по адресу vladimir@statsoft.ru или по телефонам StatSoft +7 (495) 787-77-33, +7 (906) 734-40-57.

Список литературы:

  1. Боровиков В.П. Нейронные сети Statistica, SNN, Москва, горячая линия телеком, 2008

  2. Боровиков В.П. Популярное введение в современный анализ данных и машинное обучение на Statistica, Москва, горячая линия телеком, 2019


В начало


Узнайте больше на курсах Академии Анализа Данных StatSoft

Список курсов    Календарь    Расписание груповых занятий






info@statsoft.ru       (495) 787-77-33       (499) 674-06-15       STATISTICA Data Miner 13.3 Trial

Авторские права на дизайн и материалы сайта принадлежат компании StatSoft Russia.
Все права защищены.

© StatSoft Russia
1999-2020

StatSoft Russia – компания, зарегистрированная и действующая в соответствии с законами России, которые могут отличаться от законов других стран, имеющих офисы StatSoft. Каждый офис StatSoft является самостоятельным юридическим лицом, имеет право предлагать услуги и разрабатывать приложения, которые могут быть, а могут и не быть представлены в офисах StatSoft других стран.

Лицензионное соглашение      Карта сайта