Департамент «Технологии анализа качества и информационные технологии», Институт производственных исследований (Betriebsforschungsinstitute GmbH - BFI) Общества немецких металлургов, Дюссельдорф:

Х. Петерс, профессор, докт.-инж., руководитель департамента, harald.peters@bfi.de

А. Эбель, докт., научный работник

Н. Хольцкнехт, дипл. инж., руководитель проекта

Н. Линк, руководитель проекта, дипл. инж.

PSI Metals GmbH, Дюссельдорф:

Й. Хакманн, дипл. математик, директор направления управления продукцией

ThyssenKrupp Nirosta GmbH, департамент "Технико-экономическая информация",  Дюссельдорф:

Т. Хекенталер, докт.-инж.

Quinlogic GmbH, Ахен:

Ф. Люкинг, дипл. информационный специалист, руководитель

SMS Siemag AG, Дюссельдорф:

М. Пандер, докт.-инж., главное управление по разработке технологии CSP

Непрерывное улучшение процесса производства стали с точки зрения предотвращения образования дефектов и связанное с этим увеличение выхода товарного продаукта является основной задачей каждого производителя стали. В рамках стратегии нулевых дефектов применяется различная техника обеспечения качества. В данной статье рассмотрены методы интеллектуального анализа данных и их применение в промышленном производстве (в частности, в черной металлургии). Подробно рассмотрены различные подходы по реализации необходимых инструментов программного обеспечения.

1. Peters, H.; Link, N.; Heckenthaler, T.: stahl u. eisen 120 (2000) Nr. 8, S. 71/77.

2. Peters, H.; Heckenthaler, T.; Holzknecht, N.: stahl u. eisen 125 (2005) Nr. 7, S. 29/36.

3. Nakhaeizadeh, G.; Reinartz, T.; Wirth, R.: Wissensentdeckung in Datenbanken und Data Mining: Ein Überblick, [in:] Nakhaeizadeh, G. [Hrsg.]: Data Mining, Physica Verlag, Heidelberg, 1998, ISBN 3-7908-1053-3.

4. Berthold, M.; Hand, D. J.: Intelligent Data Analysis, Springer Verlag, Berlin, 1999.

5. Cherkassky, V.; Mulier, F.: Learning from Data, John Wiley & Sons, Inc., New York, 1998.

6. Peters, H.; Link, N.: Cause and effect analysis of quality deficiencies at steel production using automatic data mining technologies, Proc. 13. IFAC Symp. on Automation in Mining, Mineral and Metal Processing, 2. – 4. Aug. 2010, Kapstadt, Südafrika, S. 93/98.

7. Beindorf, J.; Anstots, T.; Eberle, A.; Ernenputsch, L.; Holzhauser, J.-F.: stahl u. eisen 124 (2004) Nr. 10, S. 53/60.

8. Peters, H.; Heckenthaler, T.; De Abajo, N.; Murri, M.; Hilliges, F.; Bösler, R. P.; Le Goc, M.: Implementation of an assessment and analysing system for the utilisation of a factory-wide product quality database, EUR 20927 EN (2004), Luxemburg, ISBN 92-894-6826-2.

9. EGKS-Projekt 7215-PA/PB/PC/069: Application of data-based Technologies to demonstrate online Quality Control of Mini Mills, 7/2001 – 3/2005.

10. RFCS-Projekt RFSR-CT-2008-00042: Supporting process and quality engineers by automatic diagnosis of cause-and-effect relationships between process variables and quality deficiencies using Data Mining technologies, 7/2008 – 6/2011.

11. Mierswa, I.; Wurst, M.; Klinkenberg, R.; Scholz, M.; Euler, T.: YALE: Rapid Prototyping for Complex Data Mining Tasks, Proc. 12. ACM SIGKDD Intern. Conf. on Knowledge Discovery and Data Mining (KDD 2006), 22. – 23. Aug. 2006, Philadelphia, USA; ACM Press, New York, USA, 2006.

12. ZIM-Projekt KF2231810LF9: Qualitätsfehlerursachenanalyse bei der Stahlproduktion durch Kombination von Materialverfolgung, Datenarchivierung und Data Mining, 3/2010 – 10/2011.

13. Hackmann, J.; Peters, H.: Defect analysis based on the combination of data mining and material genealogy, InSteelCon/SteelSim2011, 27. Juni – 1. Juli 2011, Düsseldorf.