Journals →  Черные металлы →  2017 →  #11 →  Back

Прокатное производство и ОМД
ArticleName Системная оптимизация загрузки прокатного производства
ArticleAuthor Е. А. Шихов
ArticleAuthorData

Металлургический завод «Электросталь Тюмени» (филиал ОАО «УГМК-Сталь»), Тюмень, Россия:
Е. А. Шихов, ведущий инженер по АСУТПиП, эл. почта: pover@ya.ru

Abstract

Описаны решения одной из задач оптимизации производственного цикла, целью которой является повышение удельной производительности участка прокатного стана средствами оптимизации планирования производственного задания на оперативный период. Представлен конкретный проект внедрения изменений в бизнес-процесс планирования загрузки прокатного производства, основанный на математической гипотезе. Сформулированы авторская постановка задачи, ее математическая модель и алгоритм автоматизированного конфигурирования системного вывода. В краткой форме представлены результаты экономического обоснования эффективности, а также прикладные ожидания от внедрения системы. Исследование является актуальным с точки зрения цифровой трансформации бизнеса; призвано оказать существенное влияние на потенциальное экономическое будущее базового предприятия. Представления знания об объектах в виде математических моделей связаны с пониманием универсальности законов природы и наличием прикладной необходимости. Автор оперирует набором прикладных данных реального металлургического предприятия. Работа имеет теоретический и прикладной элементы новизны, основана на авторских материалах и разработках управления проектом, выполненных в рамках корпоративной программы ОАО «УГМК».

keywords Математическое моделирование, информационные системы, планирование прокатного производства, металлургия
References

1. Таха Хэмди А. Введение в исследование операций. 7-е изд. : пер. с англ. — М. : Издательский дом «Вильямс», 2007. — 912 с.
2. Аксентьев А. В. Методы оптимальных решений : сб. задач / А. В. Аксентьев. — 2-е изд. — Тюмень : Издательство Тюменского государственного ун-та, 2013. — 444 с.
3. Ризниченко Г. Ю. Лекции по математическим моделям в биологии. — Москва – Ижевск : Издательство НИЦ «Регулярная и хаотическая динамика», 2011. — 560 с.

4. Кауффман Дж., Матсик Б., Спенсер К. SQL Программирование. — М. : Изд-во БИНОМ Лаборатория знаний, 2002. — 715 с.
5. Скопич Д. В., Князев С. В., Усольцев А. А., Шихов Е. А. Проектирование автоматизированных систем управления в литейном производстве // Теория и практика литейных процессов : тр . Всероссийской научно-практической конференции, посвященной 80-летию кафедры литейного производства СибГИУ. — Новокузнецк : Изд. центр СибГИУ, 2012. С. 145–150.
6. Шихов Е. А., Ромашкина Г. Ф. Информационно-аналитическая модель комплексного управления технологией производства и экономикой предприятия // Инновационные технологии в машиностроении : сб. тр. VII М еждународной научно–практической конференции, Юргинский технологический институт. — Томск : Издательство Томского политехнического университета, 2016. С. 287–291.
7. Безручко Б. П., Смирнов Д. А. Математическое моделирование и хаотические временные ряды. — Саратов : ГосУНЦ «Колледж», 2005. — 320 с.
8. Блехман И. И., Мышкис А. Д., Пановко Н. Г. Прикладная математика: предмет, логика, особенности подходо в. С примерами из механики : уч. пособие. — 3-е изд., испр. и доп. — М. : УРСС, 2006. — 376 с.
9. Billings S. A. Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Tempora l Domains, Wiley, 2013. — 574 р.
10. Whishaw I. Q., Hines D. J., Wallace D. G. Dead reckoning (path integration) requires the hippocampal formation: Evidence from spontaneous exploration and spatial learning tasks in light (allothetic) and dark (idiothetic) tests // Behavioural Brain Research. 2001. Vol. 127. P. 49–69.
11. Frigg R., Hartmann S. Models in Science. The Stanford Encyclopedia of Philosophy, 2006.
12. Ратцек У. Оптимизация производства и минимизация затрат при обработке новых материалов // Черные металлы. 2009. № 6. С. 63–67.

Language of full-text russian
Full content Buy
Back