Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Иващенко Анастасия Викторовна

Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали
<
Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали
>

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Иващенко Анастасия Викторовна. Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали : Дис. ... канд. техн. наук : 05.16.01 Москва, 2005 128 с. РГБ ОД, 61:05-5/3981

Содержание к диссертации

Введение

Глава 1. Аналитический обзор литературы 5

1.1 Факторы качества металлургической продукции... 5

1.1.1. Низколегированные стали.5

1.1.1.2 Конструкционные улучшаемые легированные стали 9

1.1.2 Металлургическое качество стали, как фактор однородности свойств 11

1.1.2.1 Влияние неметаллических включений и примесей на разрушение конструкционных сталей 11

1.1.3 Дефекты стали и их влияние на преждевременное разрушение 15

1.1.3.1 Макронеоднородность, зональная ликвация 16

1.1.3.2 Дендритная ликвация 16

1.1.3.5 Шиферностьв изломе (шиферный излом) 18

1.1.3.6 Светлые полосы в изломе 19

1.1.3.7 Белые пятна в изломе 19

1.1.3.8 Камневидный излом , 19

1.2 Системы управления качеством 21

1.2.1 Развитие понятия качества 21

1.2.2 Алгоритмы и методы анализа технологических данных , 24

1.2.3 Статистические методы, особенности применения 28

1.2.4 Искусственные нейронные сети 32

1.2.4.1 Области применения НС 32

1.2.4.2 Структура искусственных нейронных сетей 33

1.2.4.3 Обучение сети 37

1.2.5 Реализация «раскопок данных» и нейросетевых алгоритмов в прикладных задачах.39

1.3 Выводы по литературному обзору , 42

1.4 Цели и задачи исследования 43

Глава 2. Материал и методика исследования 44

2.1 Объект исследования , 44

2.1.1 База данных технологии производства крупных поковок из стали 38ХПЗМФА-Ш .44

2.1.2 Базы данных толстолистового проката 46

2.1.3 Анализ неоднородности структур и разрушения 48

2.2 Некоторые понятия и термины использованные при статистическом описании данных 48

2.3 Термины и понятия нейростатистики, использование программных модулей 51

Глава 3. STRONG Результаты и их обсуждение (Ретроспективный анализ массивов производственного

контроля для задач управления качеством стали) STRONG 53

3.1 Использование баз данных производственного контроля для управления качеством металлопродукции 53

3.2 Анализ структуры данных в базах. Первичный анализ массива 57

3.2.1 База данных производства крупных поковок (сталь типа 38ХНЗМФА-Ш) 57

3.2.2 База данных листовых сталей (Зсп, 10Г2С1, 14Г2АФ, 10ХСНД) 66

3.3 Ретроспективный анализ технологического цикла для задач управления качеством 72

3.4 Структурные факторы пластичности толстолистовой стали «в третьем направлении» (обнаружение и объединение скрытых переменных) 82

3.4.1 Роль неметаллических включений 86

3.4.2 Влияние параметров плавки на балл неметаллических включений 93

3.5 Камневидный излом крупных поковок 98

Выводы 114

Список использованных источников 115

Введение к работе

Наблюдаемая в металлургии неоднородность разномасштабных структур и сопутствующий им разброс свойств однородной продукции, часто значительный, появление необъяснимых «вспышек брака» (когда все параметры технологии находятся в пределах поля допуска) - результат неблагоприятного сочетания порознь суммируемых, но взаимодействующих отклонений от нормы на разных этапах технологии.

Достаточно хорошо организованная система измерения и сбора информации по технологической цепочке, где последовательность операций описывают ~102 управляемых параметров, а качество продукта - не менее 10 параметров, обеспечивает быстрое накопление в архивах АСУ предприятия представительных массивов данных контроля. В то же время объем информации ограничен сверху: обычно он содержит менее 1000 плавок, так как за большее время меняются или заказы на продукт, или технология и оборудование. В такой многомерной нелинейной задаче при использовании классических статистических алгоритмов -регрессионного и дисперсионного анализа-оказывается малодостоверным даже только прогноз результата. Между тем, для производства конечной целью является не столько прогноз, сколько возможность корректировки процесса - единовременной либо поплавочной, в реальном времени, по наблюдениям начальной части траектории. Для этого необходимо найти эффективный комплекс алгоритмов ретроспективного анализа данных («раскопок данных» -data mining), применимых в условиях металлургического производства.

Системы управления качеством

Управление качеством - термин интерпретирующийся в большинстве литературных источников по разному /81, 82/. В терминах стандартизации и метрологии, это как правило, комплекс различных мероприятий, в том числе и социальных согласующийся с принятой соответствующей нормой. Нас же, в первую очередь, интересует управление качеством, как управление конечными свойствами продукции.

Качество изделия - характеристика многомерная, ее формирование происходит на всех этапах технологической цепочки. Основные показатели качества изделия - прочность (способность выдерживать при работе достаточные напряжения), пластичность (способность выдерживать достаточные деформации без разрушения, как при производстве конструкций, так и в местах перегрузок при их эксплуатации), вязкость - способность поглощать работу внешних сил, препятствуя распространению трещины.

Сталь поставляют в соответствии с техническими условиями или по требованиям заказчика, когда задан требуемый уровень сдаточных свойств и параметров.

Для обеспечения требуемого уровня свойств необходимо выдерживать строго регламентируемый технологический процесс, контролируя его на каждом этапе, в любой момент времени.

Управление качеством продукции требует системных знаний: о действующей технологии, а также способах и методах воздействия на металл с целью получения изделия с заданными свойствами. На современном этапе состояния отечественной технологии производства металла главные управляющие воздействия должны быть направлены на химический состав, факторы, характеризующие выплавку и прокатку металла по контролируемым режимам, факторы, характеризующие термообработку металлопродукции /83/.

Проблема выявления факторов и условий, влияющих на качество продукции была поставлена еще в СССР. Разработаны и используются несколько методов, основанных на ряде принципов: установки прямой связи между технологией обеспечения качества и требованиями, предъявляемыми к качеству продукции, обеспечения основы для определения общих требований к качеству производимой продукции, что позволяет экономично и в полной мере удовлетворить требования потребителя. Технология обеспечения качества включает техническое, технологическое и информационное обеспечение качества. Она также включает методы планирования и контроля, связанные с техническим обеспечением при исследованиях в области качества, пересмотре конструкции, проведении анализа технологического процесса, обучения работников и т. д.; устанавливает связь между технологией обеспечения качества и требованиями, предъявляемыми к качеству с помощью четко сформулированных процедур и органов управления /84/. Учитывает изменения требований и технологии качества, обеспечивает уравновешивание требований и технологии посредством практического регулирования процесса; учитывает взаимосвязь влияние на качество широкого круга факторов: людских, материальных, технологических, производственных, информационных и финансовых. Такое многоплановое управление диаметрально противоположно управлению, учитывающему влияние какого-либо одного фактора при решении проблем качества, когда, например, внимание обращается только на подготовку необходимой документации или проектирование изделия. Характерной особенностью системного процесса управления является строгое упорядочение различных видов деятельности. Понимание сути системного управления качест вом работниками предприятия помогает им понять свою роль в общем комплексе мероприятий, участниками которых они являются.

Как показал многолетний опыт работы в промышленности, коренное повышение качества продукции не может быть обеспечено отдельными мерами, поэтому на смену прежним разрозненным мероприятиям приходит новый подход, который заключается в разработке и внедрении в производство системных методов повышения качества продукции /.85, 86/.

Системный подход в управлении качеством продукции прошел следующие этапы становления и развития. В середине 50-х годов на предприятиях Саратовской области была разработана система бездефектного изготовления продукции (БИП) направленная на создание условий, обеспечивающих изготовление продукции без отклонений от технической документации. Опыт применения этой системы и ее основные принципы нашли отражение на многих предприятиях страны. За рубежом принципы саратовской системы воплотились в так называемой программе «ноль дефектов».

Дальнейшим развитием системного подхода в управлении качеством продукции явилось создание системы КАНАРСПИ (качество, надежность, ресурс с первых изделий). Система впервые была разработана на предприятиях Нижегородской области с мелкосерийным и среднесерийным характером производства, при этом основной объем работ по проектированию изделий осуществляется конструкторским бюро, не входящим в состав предприятия.

Исследования, проводимые в рамках наработки этой системы, позволили выделить следующие закономерности: из общего количества дефектов, проявляющихся в эксплуатации, 60—85% являются конструктивно-технологическими, порожденными в основном, не изученностью сложных физических явлений, происходящих в изделиях. Такие дефекты носят объективный характер и обусловлены существующими на данном технологическом этапе производственными возможностями; конструкторско-технологические недостатки, на этапе разработки (причины субъективного характера), составляют некоторую долю в общем количестве дефектов. И они не являются определяющими в решении общей проблемы качества.

Помимо систем, реализованы различные элементы контроля качества, как самого производственного процесса, так и конечных свойств изделия. Были разработаны ряд мероприятий по контролю за ходом производственного процесса в реальном времени. Наибольшее распространение получили различные виды контрольных карт. Па карте фиксируется графическое представление динамики процесса. Поле контрольной карты состоит из центральной линии, контрольных границ (границ регулирования) и конкретных значений контролируемого параметра, позволяющее оценить степень статистической управляемости процесса. Основные задачи, которые решаются с использованием контрольных карт, следующие: контролировать статистические управление процессом; показывать отклонения и сигнализировать о систематических дефектах; обеспечивать мероприятия по улучшению процесса.

Если точки, наносимые на контрольную карту, не выходят за границы регулирования, то технологический процесс считают протекающим стабильно. Такое расположение точек расценивают как неизбежное рассеивание показателей качества, не требующее вмешательства в ход процесса. Если же точки на карте выходят за контрольные границы, то считается, что с технологическим процессом возникли какие-то систематические погрешности, которые должны быть выявлены и устранены. Контрольные карты являются источником полезной информации, так как помимо рассеивания показателей качества позволяют дать вероятностную оценку средних значений, т.е. уровня настройки технологии /87/.

В системе существования ГОСТ и нормативно технической документации, наличия утвержденных технологических условий с регламентацией режимов передела, ценность применения контрольных карт, в первую очередь, сохраняется, только для выявления системных ошибок. Понятие процесса управления качеством продукции требует более сложных алгоритмов и схем.

В современных условиях управление качеством продукции следует рассматривать как деятельность предприятий по повышению научно-технического уровня производства высококачественной продукции в ассортименте и объеме, удовлетворяющем потребителя. Конкуренция на международном рынке требует от изготовителя уделять особое внимание как борьбе с дефектом, доработке и снижению издержек производства, так и качеству продукции.

Применение эффективного плана контроля, также входит в систему управления качеством. Ранее используемые методы сводились к выявлению и анализу брака и доделок путем сплошной проверки изделий на стадии приемочного контроля. Сплошной контроль должен был, с одной стороны, обеспечить выпуск только бездефектных изделий, а с другой - установить причины, которые привели к появлению брака. Понятно, что подобный контроль качества, в особенности при массовом производстве, значительно увеличивает издержки производства. Самый большой недостаток такого подхода заключается в том, что он позволяет обнаружить брак лишь тогда, когда уже затрачены средства на выпуск изделия. При этом часто материальные убытки бывают больше предполагаемых. Поэтому разработка предупредительных мер позволяет избежать этих потерь /88, 89/.

Современной формой повышения качества является управление с помощью матема-тико-статистических методов. При относительно малых расходах, требующихся на внедрение, применение этих методов помогает предупреждать возникновение брака и доделок еще в процессе производства. Статистические методы управления качеством применимы на всех стадиях производства. Однако статистические методы требуют специальных знаний и более высокой подготовки персонала/ 90, 91/.

Выводы по литературному обзору

Цель состояла в сопоставлении и оценке возможностей современных статистических методов при работе с данными заводских архивов для решения задач нелокального адаптивного управления процессом по заданному свойству. На примере архивов контроля данных производства крупных поковок и толстолистового проката ставилась цель найти параметры технологии, приводящие к появлению брака, установить для них интервалы риска и предложить компенсационные воздействия на последующих переделах, позволяющие снижать потери по уровню свойств, без выхода за пределы технологических норм.

Решалась следующая цепь задач;- выбор метода отбора технологических факторов, воздействующих на конечный результат, для снижения размерности поля параметров;- выделение для этих факторов зон риска (в пределах поля допуска)- поиск оптимальной траектории технологического процесса с наибольшим снижением потерь по уровню свойств, при возможно меньших ограничениях технологических интервалов;- формирование и проверка на большом массиве «решающих правил» нелокального адаптивного управления качеством продукта без изменения технологической схемы.

Выплавка стали проводилась в 60-ти тонной мартеновской печи (кремневосстанови-тельный кислый процесс). Химические свойства стали в целом соответствовали требованиям ГОСТ 4543/193/, имеющиеся отклонения, в частности повышенное содержание молибдена -до 0,69 масс%, против 0,45 (ГОСТ 4543-71) регламентировались требованиями отраслевых нормативных документов. Слитки весом 4300-5150 кг (после обработки в ковше синтетическим шлаком) подвергались электрошлаковому переплаву по принятой на предприятии технологии.

Процесс ковки состоял из предварительного ступенчатого нагрева в интервале температур 620-1270С и собственно самого процесса ковки (в интервале температур 1065-910С) с малой степенью укова 1,5-1,65 по длине слитка.

Далее поковку подвергали термической обработке, включающей в себя:противофлокенный отжиг;нормализацию;закалку;высокий отпуск.

В торцевых частях поковки с меньшим (зона А, уков 1,65) и большим (зона Б, уков 1,5) сечением производили отбор проб (темплетов) для механических испытаний, структурных исследований и оценки вида излома (рнс.2ю2). Испытания на растяжение проводили на Сдаточный контроль предусматривал определение: вида макроструктуры на темплете площадью 62500 мм2; тип макроизлома (в том числе наличие и доля камневидной составляющей) при статическом разрушении надрезанной половинки макротемплета размера 250x250мм; механических свойств (прочностные и пластические), на растяжение двух восьмикратных d-ІОмм типа III вырезанных из глубины 110 мм тангенциальных образцов (ГОСТ 1497); вида излома образцов на растяжение; ударной вязкости при температурах испытания +20 и -50 С на двух образцах с U-образным надрезом (тип I по ГОСТ 9454), на каждую температуру испытания, вырезанных на том же радиусе, что и образцы на растяжение; вида излома ударных образцов,

Исследование выполнено на основе базы данных технологического процесса производства поковок, включавшей результаты контроля 127 параметров (72 управляющих, 40 выходных и 15 вспомогательных) по каждой поковке, общее количество поковок - 342. К управляющим параметрам относились температурно-временные характеристики мартеновской плавки, электрошлакового переплава, ковки и термической обработки, результаты химического анализа стали после выплавки и после электро шлакового переплава. Для всех анализируемых процессов параметры технологии и уровень сдаточных свойств находились в пределах заданного поля допуска.

Задачей было оценить возможность обеспечения пластичности и вязкости на верхнем пределе распределения (больше среднего значения по выборке) и предотвращения нежелательного признака - вязкой межзереннои составляющей в изломе темплета (камневидныи излом, далее КИ). Процент составляющей КИ оценивался визуально сравнением с эталоном, при сдаточном контроле у производителя.

Из всех 342 поковок у 275 был 3 балл излома (согласно принятой на предприятии производителя классификации) - до 10 % КИ, 33 поковки - 4 балл КИ (от 10 до 30 %) итолько у 34 поковок КИ не наблюдался - 1 балл.

В качестве материала исследования были использованы архивы данных производственного контроля технологического процесса производства горячекатаного толстолистового проката из сталей Зсп, 10Г2С1, 10ХСНД после закалки и форсированного отпуска (зфо), 14Г2АФ, по 100, 50, 110, 47 партиям соответственно. Контролируемые параметры технологии соответствовали следующим звеньям технологической цепочки рис. 2.3.

Некоторые понятия и термины использованные при статистическом описании данных

Классический подход предполагает использовать для описания структуры и анализа массивов данных так называемые параметрические (описательные) статистики / 20i, 204/. Основными, характеристиками выборки являются среднее, его ошибка, дисперсия, минимальные и максимальные значения в совокупности. Среднее арифметическое рассчитывается по 1

Если асимметрия отличается от 0, то распределения является асимметричным, Положительный эксцесс соответствует островершинной кривой эмпирического распределения, отрицательный - туповершишюй по сравнению с кривой нормального распреДїрмтщ;нке нормальности распределения с использованием коэффициента асимметрии, распределение принимаем за симметричное, если А 0,1, - сильно асимметричное при А 0,5/133 /. Значения коэффициента эксцесса распределения меньше 0,1 был признаком его близости к нормальному, 0,5 -уровень значений характеризовал значительное отклонение от нормального распределения.

Сравнение средних и по двум выборкам П] и щ , с известными дисперсиямигде Dn - максимальная разность между частостями, п - объем ряда частостей, Fn(x) -эмпирическая функция эмпирического распределения, F(x) - теоретическая функция эмпирического распределения х- интервальный вариационный ряд, построенный по исходной выборке.

Этот же критерий использовали для сравнения двух независимых выборок. Сравнивали различные типы эмпирических распределений с использованием по статистики Хи-квадрат ( критерий х ) Так же для оценки соответствия имеющегося распределения с заданным (нормальным) использовали тест Шапиро-Вилке:

При необходимости провести классификацию наблюдений проводился дискриминантный анализ, цель которого состоит в том, чтобы на основе измерения различных признаков (параметров) объекта классифицировать его, то есть отнести к одной из нескольких групп некоторым оптимальным способом. Под оптимальным способом понимается либо минимум математического ожидания потерь, либо минимум вероятности ложной классификации. В случае двух групп объектов дискриминантный анализ эквивалентен множественной регрессии. Независимые переменные с наибольшими стандартизированными коэффициентами регрессии дают наибольший вклад в предсказание принадлежности объекта к группе. После построения дискриминантной модели необходимо оценить значение статистики «лямбда Уилкса», которое может находится в интервале [0,1]. Значение статистики Уилкса, ле жащие около 0, свидетельствуют о хорошей дискриминации, около 1, соответственно о плохой дискриминации.

В используемом пакете Statistica Neural Network (SNN) /205/реализован механизм создания и модификации нейронных сетей для нахождения связей входных параметров со свойствами, существует два способа моделирования сетей — ручной и автоматический.

Всякая нейронная сет принимает на входе числовые значения и выдает на выходе также числовые значения. Передаточная функция для каждого элемента сети обычно выбирается таким образом, чтобы ее входной аргумент мог принимать произвольные значения, а выходные значения лежали бы в строго ограниченном диапазоне (-1:1). Т.к. выходные значения принадлежат некоторой ограниченной области, а вся информация должна быть представлена в числовом виде, то при решении реальных задач методами нейронных сетей требуются этапы предварительной обработки — пре-процессирования — и заключительной обработки — пост-процессирования данных/206/. Сеть пакета может содержать слои для пре- и пост-процессирования, в которых соответственно исходные данные преобразуются к виду, подходящему для подачи на вход сети, а выходные данные — к виду, удобному для интерпретации. При этом номинальные значения преобразуются в числовую форму, числовые значения масштабируются в подходящий диапазон, производится подстановка пропущенных данных. Для создания новой необученной сети нужно воспользоваться средствами диалогового окна «Создать сеть» — Create Network (рис. 2.5)

Пользователь выбирает ее тип, исходя из типа сети и переменных, составляющих исходные данные, программа по умолчанию принимает параметры для пре/пост- процессиро-вания. После того как построена сеть, следующим шагом является ее обучение одним из методов: обратного распространения, сопряженных градиентов, квази-ньютоновским или Ле-венберга-Маркара/207/. За ходом обучения можно следить в окне «График ошибки обучения», где отображается среднеквадратичная ошибка на обучающем множестве. Обучение нейронной сети происходит с помощью итерационных алгоритмов и производится до техпор, пока необходимое решение не будет найдено. Среднеквадратичная ошибка, которая выдается в окне «График ошибки обучения», представляет лишь грубую меру производительности. Полезные характеристики выдаются в окне «Статистики классификации», которое действует в случае номинальных переменных. В этом окне программа выдает сведения о том, сколько наблюдений каждого класса из файла данных было классифицировано правильно, сколько неправильно, а также приводится информация об ошибках классификации.

Для автоматического моделирования сети существует функция «Интеллектуальный решатель задач» (ИРЗ) и представляет пошаговую процедуру построения нейронной сети, которая позволяет максимально облегчить этот процесс. В диалоговом окне ИРЗ нужно лишь выбрать несколько параметров:

Анализ структуры данных в базах. Первичный анализ массива

Анализ и разработка методики проводилась на сформированной из производственных архивов цензурированной выборке /217/. Был проведен анализ данных в базах и статистическая обработка. Для выборки определялись следующие статистические параметры: среднее, медиана, минимум, максимум, размах, квартальный размах, дисперсия, среднеквадратиче-ское отклонение, ассиметрия, эксцесс, приведённые в приложениях А - Д. Термины и определения приведены в ГОСТ 15895. Статистические показатели позволяют дать оценочное (количественное) описание состоянию процесса.

Содержание химических элементов стали в соответствии с таблицей 3.3 соответствовало требованиям нормативно технической документации для стали 38ХІІЗМФА-Ш. Фиксируется разброс по содержанию Мп, V, Си, что, может повлечь нестабильность показателей на выпуске.

Согласно технологической схеме после выплавки в мартене, слитки были подвергнут электрошлаковому переплаву, В базе приведены данные о химическом составе как после ЭШП, так и после мартеновской выплавки.

Значения коэффициента линейной корреляции (оценка силы связи параметров) на уровне 0,85-0,95 наблюдаются в паре «содержание элемента после выплавки в мартене к содержанию после ЭШП». Химический состав после ЭШП изменяется незначительно, чем и объясняется их близкая связь. Так, изменение содержания углерода не превышает 0,01 массовой доли %, т.е. 3% от состава после мартена, содержание кремния относительного перво начального могло измениться на 0,18 масс долей %, т.е почти на 48% от содержания после выплавки в мартене (рис. 3.2). Количество фосфора изменяется незначительно на 0,001-0,003 массовый доли %, для 52% поковок его содержание сохраняется, для 23% количество фиксируемого фосфора увеличивается, но не более чем на 0,001 массовая доля %.

Известно, что ЭШП кроме улучшения структуры слитка, позволяет, эффективно проводить очистку стали по сере. Согласно данным в базе для всех поковок, после ЭШП, произошло снижение содержания серы на 0,001-0,007 массовая доля %, в среднем па 0,0034 массовая доля % (60 % поковок). Содержание серы после ЭШП не превышало 0,009 массовая доля %.

Для данных, характеризующих ход технологического процесса, как было показано выше, часто имеет место распределение различного вида отличного от симметричного, что объясняется тем, что для управляющих параметров стараются выдержать значения па верхней или нижней границе поля допусков.

Для всех данных оценивалась величина асимметрии и эксцесс - это критерии, характеризующие степень нормальности распределения, позволяющие анализировать распределе ниє параметра до визуального наблюдения на гистограмме. У симметричного распределения асимметрия равна 0. Асимметрия распределения со сдвигом максимальной плотности распределения влево положительна, а вправо отрицательна. Если эксцесс, показывающий "остроту пика" распределения, существенно отличен от 0, то распределение имеет или более закругленный пик, чем нормальное, или, напротив, имеет более острый пик, возможно, несколько пиков,

Более точную информацию о форме распределения можно получить с помощью критериев нормальности (например, критерия Колмогорова-Смирнова или W критерия Шапиро-Уилка).

Анализ гистограмм распределения химического состава (поэлементно) от плавки к плавке показывает тенденции технологии, ее управляемость, особенности «технологической политики» на предприятии. С другой стороны он необходим для знакомства со структурой данных, знание о которой используется на последующих этапах анализа «исторических» баз данных.

В процессе производства некоторые показатели стараются выдерживать на верхнем или нижнем пределе, так концентрации серы и фосфора (рис.3.2 ), преимущественно обеспечивают на нижнем, технологически возможном, пределе, в то время как содержание углерода, не отслеживается в пределах марки.

Когда это было необходимо, содержание ограничивали на верхнем пределе, так на рис.3,2.2в гистограмма распределения содержания Мо в стали 38ХІІЗМФА несколько смещена вправо, в область более высоких концентраций у Ni распределение равномерное на всем интервале концентраций. У технологически параметров (температура, время) распределение обычно дискретное (рис.3.3). 1 У///. \///АУ/А а содержанием S и Р другие элементы только удерживаются «в пределах марки» их распределение носит случайный, как правило не усредненный (не симметричный) характер.

Массив данных контроля производства крупных цилиндрических поковок из конструкционной стали типа 38ХНЗМФА-Ш содержал данные о результатах сдаточных испытаний, проводимых в соответствии с принятой на предприятии схемой. В базе представлена информация по следующим параметрам: ав, ат, 8, у, КСХҐ20, КС1Г50, параметры контроля макроструктуры. Испытания проводили образцах отобранных с двух торцов поковки (по два на каждую зону): зоны с малым диаметром «тонкой» (А, уков 1,65) и большим диаметром «толстой» (Б, уков 1,5) (табл.3.4).

Средний уровень механических свойств для двух зон поковки, с разным уковом, различается (табл. 3.5). Средняя величина ударной вязкости, пластичности и удлинения образцов из толстой зоны Б с уковом 1,5 ниже, чем такие же параметры в зоне А, где уков составил - 1,65; прочностные значения свойств для разных мест вырезки значимо не отличаются

Средний уровень механических свойств, в зоне с малым уковом был несколько ниже, прочностные характеристики ств, ит от зоны к зоне фактически не различаются, О различии между группами испытаний в различных зонах поковки говорить нельзя, так как фиксируемый разброс, характеризуемый стандартным отклонением, перекрывается среднеквадратичным отклонением (рис, 3.5).

Между результатами испытаний двух образцов для поковки с одного торца наблюдается разброс: так для стиз А зоны максимальный разброс составил 100 ед., в то время как для этого же параметра, но в зоне Б, не превышал 70 МПа. При этом у 70 % образцов показания испытаний различаются менее чем на 1 %, и не более 7% пар образцов показали при испытаниях разброс более 7% (рис.3.6).

Похожие диссертации на Ретроспективный анализ массивов данных производственного контроля для задач управления качеством стали