д.ф-м.н., профессор, Кафедра высшей математики и информационных технологий, пр-т Революции, 19, г. Воронеж, 394036, Россия
Dr. Sci. (Phys.-Math.), professor, higher mathematics and information technology department, Revolution Av., 19 Voronezh, 394036, Russia
к.т.н., доцент, Кафедра высшей математики и информационных технологий, пр-т Революции, 19, г. Воронеж, 394036, Россия
Cand. Sci. (Engin.), associate professor, higher mathematics and information technology department, Revolution Av., 19 Voronezh, 394036, Russia
ст. преподаватель, Кафедра высшей математики и информационных технологий, пр-т Революции, 19, г. Воронеж, 394036, Россия
senior lecturer, higher mathematics and information technology department, Revolution Av., 19 Voronezh, 394036, Russia
студент, Кафедра высшей математики и информационных технологий, пр-т Революции, 19, г. Воронеж, 394036, Россия
student, higher mathematics and information technology department, Revolution Av., 19 Voronezh, 394036, Russia
В статье говорится о модернизации и наладке процесса измельчения тонкодисперсного мела. Процесс дробления энергозатратная процедура, ежегодно тратится около 5% всей вырабатываемой на Земле энергии, в том числе энергия двигателей внутреннего сгорания. Это говорит о его большой значимости. Помимо затрат на электричество, большие расходы идут на ремонт оборудования. Наибольшие замены производятся на основные рабочие части машин. В ходе замен тратится много времени, для того, чтобы не расходовать этот довольно важный ресурс, необходимо к данной процедуре подходить с научной точки зрения. Организация и проведение исследований по замене основных рабочих частей дробилок и мельниц позволит увеличить производительность основного оборудования, улучшить качество готового продукта и уменьшить затраты на производство в плане энергосбережения. Модернизация и наладка технологического оборудование в целях усовершенствования процесса производства тонкодисперсного мела значительно увеличить срок службы основного оборудования. Для этого предлагается провести активный эксперимент. Перед проведением эксперимента, необходимо, задать модель. Классический регрессионный анализ основан на предположении, что вид модели априори задан с точностью до параметров, а также, что уже реализован эксперимент, поставляющий исходные данные для построения регрессии. Отсюда проблема сводится к выбору наилучшего метода обработки данных. В данной работе нами предлагается принципиально новый подход – автоматическое оценивание вариантов модели по комплексу показателей, в результате расчёта которого строится множество парето-оптимальных вариантов модели. Предложенный метод позволил выделить из 16384 альтернативных вариантов два наилучших. Очевидно, данный подход можно легко модифицировать для любого другого набора критериев качества регрессионной модели.
The article deals with the modernization and adjustment of the fine chalk grinding process. The crushing process is an energy-consuming procedure, annually spent about 5% of all energy produced on Earth, including the energy of internal combustion engines. This indicates its great importance. In addition to the cost of electricity, large expenses go to repair the equipment. The greatest replacements are made on the main working parts of machines. In the course of substitutions a lot of time is spent, in order not to spend this rather important resource, it is necessary to approach this procedure from a scientific point of view. The organization and conduct of research on the replacement of the main working parts of crushers and mills will increase the productivity of the main equipment, improve the quality of the finished product and reduce production costs in terms of energy saving. Modernization and adjustment of technological equipment in order to improve the production process of fine chalk significantly increase the service life of the main equipment. For this purpose, it is proposed to conduct an active experiment. Before carrying out the experiment, it is necessary to set the model. The classical regression analysis is based on the assumption that the model type is a priori specified with accuracy to the parameters, and that an experiment has already been implemented that supplies the initial data for the regression construction. Hence, the problem is to choose the best method of data processing. In this paper, we propose a fundamentally new approach-automatic evaluation of the model options on a set of indicators, the calculation of which is based on a set of pareto-optimal variants of the model.The proposed method made it possible to identify two best alternatives out of 16384. Obviously, this approach can be easily modified for any other set of regression model quality criteria.
The authors declare that there are no conflicts of interest present.