Донбасский государственный технический университет, Алчевск, Россия

Н. А. Денисова, зав. кафедрой «Машины металлургического комплекса», канд. техн. наук, доцент, эл. почта: natdeny@yandex.ru
А. Л. Сотников, ведущий научный сотрудник, докт. техн. наук, профессор, эл. почта: 0713019870@mail.ru
Л. Е. Подлипенская, ведущий научный сотрудник Управления перспективных научных исследований, канд. техн. наук, доцент, эл. почта: lida.podlipensky@gmail.com
Т. Р. Козлов, ассистент, эл. почта: romovaldovich@mail.ru

Рассмотрена опасная нештатная ситуация «Перелив металла через кристаллизатор», возникающая при эксплуатации слябовой машины непрерывного литья заготовок. На основе анализа производственных инцидентов и экспертных оценок выделены 14 ключевых технологических параметров, влияющих на уровень угрозы перелива. Предложена двухуровневая экспертная система, реализующая прогнозирование и диагностирование аварийной ситуации с использованием нечеткой логики по Мамдани. На первом уровне система оценивает четыре промежуточные предпосылки аварии (нестабильность уровня металла, некрытие стопора на рабочей скорости и при запуске, проскальзывание заготовки), на втором — формирует обобщенный индикатор возникновения нештатной ситуации, оцениваемой по пятиуровневой шкале. Система сохраняет активные нечеткие правила, что обеспечивает объяснимость выводов. Это позволяет оператору не только получать предупреждение, но и диагностировать конкретные причины роста уровня опасности для немедленной коррекции.

Работа выполнена при финансовой поддержке за счет средств федерального бюджета по теме «Экспертная система обеспечения надежности металлургического оборудования с учетом психофизиологического состояния оператора в реальном времени» (код темы: FRRU-2023-0005 в ЕГИСУ НИОКРТР).

1. Еронько С. П. и др. Инновационное металлургическое оборудование. Сталеплавильное производство : учебное пособие. — Москва ; Вологда : Инфра-Инженерия, 2023. — 276 с.
2. Смирнов А. Н., Куберский С. В., Штепан Е. В. Непрерывная разливка стали : учебник. — Донецк : ДонНТУ, 2011 — 482 с.
3. Цупрун А. Ю., Федосов А. В., Пащук Д. В. Разработка средств поиска и анализа технологических параметров работы кристаллизаторов МНЛЗ // Металлургические процессы и оборудование. 2013. № 4(34).
С. 31–38.
4. Сотников А. Л. Задачи и методы контроля и диагностирования технологического оборудования МНЛЗ // Металлургические процессы и оборудование. 2014. № 3. С. 33–44.
5. Оценка рисков для предотвращения промышленных аварий: обзор методов оценки риска, отобранные тематические исследования и имеющееся программное средство. — Женева : Организация Объединенных Наций, 2023. — 76 с.
6. Сотников А. Л., Денисова Н. А., Князьков О. В., Белелюбский Б. Ф., Балахнина Е. Е. Методологический подход к определению влияния человеческого фактора на надежность производственной системы // Металлург. 2024. № 12. С. 116–122. DOI: 10.52351/00260827_2024_12_116
7. Соловьева О. И., Кожевников А. В. Математическая модель прогнозирования уровня безопасности сталеразливочного оборудования // Вестник ЧГУ. Научный журнал. 2012. № 3 (41). Т. 2. С. 25–31.
8. Кожевников А. В., Соловьева О. И. Разработка методики прогнозирования состояния сталеразливочного оборудования на основе нечеткого управления // Металлургические процессы и оборудование. 2014. № 2(36). С. 43–51.
9. Ansari M. O., Ghose J., Chattopadhyaya S., Ghosh D. et al. An intelligent logic-based mold breakout prediction system algorithm for the continuous casting process of steel: A novel study // Micromachines. 2022. Vol. 13. 2148. DOI: 10.3390/mi13122148
10. Rosati R., Romeo L., Cecchini G. et al. From knowledge-based to big data analytic model: a novel IoT and machine learning based decision support system for predictive maintenance in Industry 4.0 // J Intell Manuf. 2023. Vol. 34. P. 107–121. DOI: 10.1007/s10845-022-01960-x
11. Полещенко Д. А., Коврижных О. А. Разработка интеллектуальной системы поддержки принятия решений на основе прецедентов для оперативного планирования сталеплавильного цеха // Экономика. Информатика. 2024. Т. 51, № 2. С. 453–465. DOI: 10.52575/2687-0932-2024-51-2-453-465
12. Наркевич М. Ю. Развитие методологии создания системы менеджмента качества металлургического предприятия, эксплуатирующего опасные производственные объекты, на основе прикладной цифровой платформы : дис. ... докт. техн. наук. — Магнитогорск, 2023. — 332 с.
13. Вишневский Д. А., Денисова Н. А., Козлов Т. Р. и др. Разработка экспертной системы диагностики нештатных ситуаций машины непрерывного литья заготовок на основе нечеткой логики // Вестник Череповецкого государственного университета. 2025. № 1(124). С. 7–23. DOI: 10.23859/1994-0637-2025-1-124-1
14. Вишневский Д. А., Денисова Н. А., Козлов Т. Р. и др. Автоматическая система контроля некрытия стопора промежуточного ковша МНЛЗ на основе нечеткой логики // Черные металлы. 2025. № 3. С. 61–69.
15. Mamdani E. H., Assilian S. An experiment in linguistic synthesis with fuzzy logic controller // International Journal Man-Machine Studies. 1975. Vol. 7, Iss. 1. P. 1–13.
16. Рутковская Д., Пилинский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. — М. : Горячая линия Телеком, 2004. — 452 с.
17. Zadeh L. A. The concept of a linguistic variable and its application to approximate reasoning // Information Sciences. 1975. Vol. 8, № 3. P. 199–249. DOI: 10.1016/0020-0255(75)90036-5
18. Леоненков А. В. Нечеткое моделирование в среде MATLAB и FuzzyTECH. — СПб. : БХВ-Петербург, 2005. — 736 с.
19. Акимов А. А., Валитов Д. Р., Кубряк А. И. Предварительная обработка данных для машинного обучения // Научное обозрение. Технические науки. 2022. № 2. С. 26–31. DOI: 10.17513/srts.1391
20. Rojek I., Prokopowicz P., Kotlarz P., Mikołajewski D. Extended fuzzy-based models of production data analysis within ai-based Industry 4.0 paradigm // Applied Sciences. 2023. Vol. 13, Iss. 11. 6396. DOI: 10.3390/app13116396