国际标准期刊号: 0976-4860
Kgothatso Matlala*、Amit Kumar Mishra、Deepak Puthal
本文介绍了为打造更绿色、更可持续的铝制造工厂而进行的转型工作的一部分所做的工作。这些努力包括通过最大限度地减少浪费和提高运营效率来减少碳足迹。这项工作的贡献包括通过在铝铸造厂实施自主、实时质量测量和分类来减少浪费。数据是从 MV20/20 收集的,它使用超声波脉冲来检测熔融铝夹杂物,这些夹杂物会降低金属的质量并导致随后的金属浪费。该传感器可测量 20-160 微米的清洁度、夹杂物数量和分布。这项工作的贡献在于开发业务分析,通过异常检测实施基于条件的监控,并对失败样品的夹杂物类型进行分类。对于异常检测,我们对多元 K-Means 和 DBSCAN 算法进行了比较,因为它们已被证明适用于各种数据集。对于分类,实现了两级分类器。第一阶段对样本的成功或失败进行分类,而第二阶段对失败样本的内含物进行分类。考虑的算法包括逻辑回归、支持向量机、多层感知器和径向基函数网络。多层感知器使用 k 倍交叉验证提供最佳性能,并使用网格搜索进一步调整以探索更好性能的可能性。结果表明,该模型的性能达到了全局最大值。