کاربرد داده کاوی در پیش بینی عیب سطحی فولاد

در صنعت فولاد خصوصا فولاد الیاژی بوجود امدن عیبهای مختلف در محصول باعث تحمیل هزینه های زیادی به تولید کنندگان فولاد می گردد یکی از عیوب رایج در فرایند تولید گریدهای کم کربن فولادی، عیب حفره و تاول است جهت رفع این عیب نیاز به سنگ زنی محصول می باشد که در بعضی از موارد ممکن است براثر شدت عیب، قسمتی از محصول قراضه شود سنگ زنی باعث به هدررفتن زمان و افزایش هزینه تولید محصول می گردد. و بروز این عیب به عوامل متعددی از جمله انالیز مواد و فرایند تولید بستگی دارد و هدف این تحقیق ایجاد مدلی جهت پیش بینی این عیب با روشهای داده کاوی از جمله درخت تصمیم، شبکه عصبی، و کشف قواعد پیوستگی است که با مقایسه کارایی و دقت این مدلها مدل مناسب انتخاب می گردد دراین تحقیق متدولوژی مورد استفاده جهت انجام داده کاوی CRISP (Cross Industry Standard Process for Data Mining می باشد برای ایجاد درخت تصمیم و شبکه عصبی به ترتیب از متد انتروپی و 24 عدد نود مخفی و همچنین برای کشف قواعد پیوستگی از Itemset چهار عضوی استفاده می شود و با اعمال داده کاوی برروی داده های دریافتی از شرکت فولاد الیاژی ایران مدل ایجاد شده با استفاده از درخت تصمیم دقت بالاتری دارد.

کلیدواژه ها:

داده کاوی ، شبکه عصبی ، درخت تصمیم ، کشف قواعد پیوستگی ، فولاد الیاژی ، عیب حفره و تاول