КЛЮЧЕВЫЕ ПОКАЗАТЕЛИ КАЧЕСТВА СТАЛИ ЛИТЫХ ИЗДЕЛИЙ ДЛЯ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

Аудит технологического процесса выплавки стали марки 20ГФЛ в дуговых печах емкостью шесть тонн Рубцовского филиала ОАО  «Алтайвагон» выявил проблемы, связанные с получением брака стали по механическим свойствам. При этом химический состав исследуемых образцов находился в установленных ГОСТ границах. Для подтверждения этого факта и выявления причин проблемы брака был проведен статистический анализ влияния химического состава на качественные характеристики механических свойств металла. Для проведения регрессионного анализа и построения модели прогнозирования использовались следующие алгоритмы: Linear Regression  (LR), Random Forest (RF) и Support Vector Machine (SVM). Предложено решение проблем, связанных с получением брака стали по механическим свойствам с помощью прогнозных моделей. В результате было установлено, что существует возможность прогнозирования и управления механическими свойствами стали по ходу ее выплавки. При получении прогноза брака по одному из параметров, задав текущие значения содержания элементов химического состава и конечные условия, можно рассчитать химический состав стали, которого еще возможно добиться на рассматриваемой плавке и который будет гарантировать отсутствие брака. Установлено, что для анализа тенденций качества стали литых изделий можно использовать два ключевых показателя из двух групп механических свойств – предел текучести  σт и ударную вязкость КСV. Графический контроль качества можно осуществлять по временной диаграмме удаления среднего значения контролируемого параметра по браку от граничных его значений в стандартных отклонениях. Показателем хорошего качества и минимизации рисков является выход графика временной диаграммы за границу двух стандартных отклонений

сталь, прогнозирование, механические свойства, химический состав, моделирование, плавка, управление, отливки

1. Князев С.В., Скопич Д.В., Усольцев А.А., Фатьянова Е.А. Прогнозирование качественных характеристик стали марки 20ГФЛ // Вестник Сибирского государственного индустриального уни- верситета. 2015. № 2 (12). С. 31 – 33.

2. Automated system of control and diagnostics of cast-steel defects in the mass production / Knyazev S.V., Usoltsev A.A., Skopich D.V., Fatyanova E.A., DolgopolovA.E. // IOPConference Series: Materials Science and Engineering. 2016. Vol. 150. P. 1 – 5 (012039).

3. Cheprasov A.I., Knyazev S.V., Usoltsev A.A., Dolgopolov A.E., Mamedov R.O. Detection of cold cracks in the cast-steels by the methods of ultrasonic and eddy-current infrared thermography // IOP Conference Series: Materials Science and Engineering. 2016. Vol. 150. Р. 1 – 5 (012026).

4. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference and Prediction. – 2nd ed. – Springer-Verlag, 2009.

5. Ho Tin Kam 1995. Random Decision Forests. Proceedings of the 3rd International Conference on Document Analysis and Recognition, Montreal, QC, 14–16 August 1995, pp. 278 – 282.

6. PrinzieA., Van den Poel D.Random MulticlassClassification: Generalizing Random Forests to Random MNL and Random NB, Dexa 2007, Lecture Notes in Computer Science, 4653, рр. 349 – 358.

7. Alexander Statnikov, Constantin F.Aliferis, Douglas P. Hardin.A Gentle Introduction to Support Vector Machines in Biomedicine: Theory and methods. – World Scientific, 2011. (ISBN 978-981-4324-38-0).

8. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. – М.: Наука, 1979. – 448 с.

9. Nello Cristianini, John Shawe-Taylor. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. – Cambridge University Press, 2000. (ISBN 978-1-139-64363-4).

10. Antipenko V.I., Knyazev S.V. Diagnostics of steel castings production with the aid of technological pilotsamples. Soviet Castings Technology (English Translation of Liteinoe Proizvodstvo), 1987, no. 7, p. 34.

11. Ильинский В.А., Костылева Л.В., Гребнев Ю.В. Оптимизация состава литой среднеуглеродистой стали //Сталь. 1985.№1.С. 24 – 26.

12. Костылева Л.В., Гребнев Ю.В., Ильинский В.А. Дендритная ликвация в отливках из углеродистой стали // Литейное производство. 2000. № 4. С. 13 – 15.

13. Болюх В.А., Шинский И.О. Повышение механических свойств крупных стальных отливок путем их армирования при ЛГМ // Процессы литья. 2010. № 2. С. 57 – 62.

14. Кульбовский И.К., Солдатов В.Г., Мануев М.С. Повышение механических свойств низколегированной стали для ответственных отливок железнодорожного транспорта // Заготовительные производства в машиностроении. 2006. № 4. С. 3 – 6.

15. Тылкин М.А. Справочник термиста ремонтной службы. – М.: Металлургия, 1981. – 63 с.

16. Марочник сталей и сплавов / В.Г. Сорокин, А.В. Волосникова, С.А. Вяткин и др. – М.: Машиностроение, 1989. – 640 с.

17. Голяндина Н.Э. Метод “Гусеница”–SSA: анализ временных рядов: учебное пособие. – СПб.: ВВМ, 2004. – 76 с. (ISBN 5-96510019-1).

18. Александров Ф.И., Голяндина Н.Э. Автоматизация выделения трендовых и периодических составляющих временного ряда в рамках метода “Гусеница” –SSA. // ExponentaPro. Математика в приложениях. 2004. Вып. 3-4. С. 54 – 61.

19. Golyandina N. Osipov E. The ‘Caterpillar’-SSAmethod for analysis of time series with missing values // J. Stat. Plan. Inference. 2007, no. 137 (8), рр. 2642 – 2653.

20. Golyandina N. Usevich K. (2010): 2D-extension of Singular Spectrum Analysis: algorithm and elements of theory. In: Matrix Methods: Theory, Algorithms and Applications. (Olshevsky V. and Tyrtyshnikov E. ed.). World Scientific Publishing, рр. 449 – 473.