Метод и алгоритмы повышения эффективности планирования сталеплавильного производства на основе оптимизации химического состава стали тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Карачунов Александр Геннадьевич

• Карачунов Александр Геннадьевич
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Карачунов Александр Геннадьевич

ВВЕДЕНИЕ

1. ХАРАКТЕРИСТИКА ПРОБЛЕМЫ ОПТИМАЛЬНОГО ПЛАНИРОВАНИЯ СТАЛЕПЛАВИЛЬНОГО ПРОИЗВОДСТВА

1.1. Анализ существующих моделей, методов и алгоритмов планирования сталеплавильного производства

1.2. Характеристика планирования сталеплавильного производства, как объекта оптимизации

1.3. Постановка задачи, синтез критерия оптимального планирования сталеплавильного производства на основе комбинируемости химических составов стали

1.4. Выводы по разделу

2. МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПОДСИСТЕМЫ ПЛАНИРОВАНИЯ СТАЛЕПЛАВИЛЬНОГО ПРОИЗВОДСТВА НА ОСНОВЕ ОПТИМИЗАЦИИ ХИМИЧЕСКОГО СОСТАВА СТАЛИ

2.1. Системная модель процесса сталеплавильного производства

2.2. Модель оптимального планирования сталеплавильного производства

2.2.1. Модель увеличения комбинируемости химических составов стали при корректировке содержания химических элементов

2.2.2. Модель оптимального распределения заказов на производство стали между плавками на основе комбинируемости химических составов

2.3. Метод планирования сталеплавильного производства на основе оптимизации химического состава стали

2.4. Выводы по разделу

3. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПОДСИСТЕМЫ ПЛАНИРОВАНИЯ СТАЛЕПЛАВИЛЬНОГО ПРОИЗВОДСТВА НА ОСНОВЕ ОПТИМИЗАЦИИ ХИМИЧЕСКОГО СОСТАВА СТАЛИ

3.1.Алгоритм подготовки исходных данных для моделирования увеличения комбинируемости химических составов стали

3.2. Алгоритм проверки химических составов на комбинируемость между собой

3.3.Алгоритм поиска химических составов стали, имеющих улучшенные характеристики комбинируемости

3.4.Алгоритм оптимального распределения заказов по плавкам на основе комбинирования химических составов

3.5. Обобщенный алгоритм планирования сталеплавильного производства на основе оптимизации химических составов стали

3.6. Выводы по разделу

4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНОЙ ПРОВЕРКИ АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ ПОДСИСТЕМЫ ПЛАНИРОВАНИЯ СТАЛЕПЛАВИЛЬНОГО ПРОИЗВОДСТВА НА ОСНОВЕ ОПТИМИЗАЦИИ ХИМИЧЕСКОГО СОСТАВА СТАЛИ

4.1. Основные функциональные элементы и блоки подсистемы планирования сталеплавильного производства

4.2. Методика настройки алгоритмического обеспечения

4.3. Результаты экспериментальных исследований

4.4. Перспективы применения разработанного метода и алгоритмов повышения эффективности планирования сталеплавильного производства на основе оптимизации химического состава стали

4.5. Выводы по разделу

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1. СВИДЕТЕЛЬСТВО О РЕГИСТРАЦИИ ПРОГРАММЫ ДЛЯ ЭВМ

ПРИЛОЖЕНИЕ 2. АКТ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ

Введение диссертации (часть автореферата) на тему «Метод и алгоритмы повышения эффективности планирования сталеплавильного производства на основе оптимизации химического состава стали»

ВВЕДЕНИЕ

Актуальность темы. При изготовлении металлургической продукции на современном предприятии следует стремиться к оптимизации эксплуатации технологического оборудования и снижению производственных издержек. Данная задача относится к вопросам, рассматриваемым в рамках концепции бережливого производства (lean manufacturing) - системе управления предприятием, основанной на постоянном стремлении к устранению всех видов потерь [1-3].

Одной из важных задач, рассматриваемых в рамках указанной концепции, является максимально эффективное планирование производства, в частности распределение заказов таким образом, чтобы оборудование было задействовано с наименьшими потерями. Одновременно с этим, на крупном металлургическом предприятии нередки ситуации, когда поступает единичный заказ на производство стали определенной марки сравнительно малого объема. Такой заказ для выполнения может оказаться экономически невыгодным, поскольку технологическое оборудование, как правило, настроено на выпуск относительно большого объема продукции. Например, агрегаты типа ковш-печь только для мини-заводов имеют характеристику массы плавки до 150 т [4], крупные же агрегаты позволяют выплавлять более 350 т стали за один цикл [5-6]. Приняв заказ на производство нестандартной (некратной объему агрегата) массы плавки, предприятие понесет издержки в виде затоваривания склада, в том числе малоликвидной продукцией.

Стандартами на производство стали заданы допуски по процентному содержанию химических элементов в выплавке. В пределах этих допусков возможны вариации химического состава, используемого для выполнения конкретного заказа на производство. Одним стандартом могут быть определены параметры для производства нескольких марок стали, в то же время одна марка стали может производиться по различным стандартам. В целях снижения затрат на использование дорогостоящих легирующих ферросплавов важно определить

оптимальный химический состав плавки, который позволит обеспечить механические свойства, требуемые от продукции.

На предприятии, как правило, для каждой производимой марки стали определены химические составы, значения массовых долей химических элементов которых удовлетворяют требованиям стандарта на производство данной марки, но при этом диапазоны их содержания являются более узкими, что связано с экономией использования легирующих элементов при условии выполнения требований стандарта в части, касающейся механических свойств продукции.

Таким образом, для нескольких марок стали (например, необходимых для производства металлургической продукции из разных заказов) можно попытаться найти пересечения в указанных в стандартах на их производство параметрах и выяснить, возможно ли подобрать такой химический состав, чтобы провести одну плавку, удовлетворяющую условиям производства вышеуказанных марок продукции. При решении задачи оптимизации химического состава стали необходимо учитывать наличие дополнительных параметров - таких, как стоимость легирующих добавок или характеристики агрегатов. Имея в распоряжении метод подбора химического состава для выполнения каждого конкретного заказа с учетом возможности объединения его с другим, возможно оптимальным образом распределить заказы между плавками и наиболее эффективно спланировать работу технологического оборудования предприятия.

Задача повышения эффективности планирования производства, в том числе сталеплавильного, является классической для использования математических методов оптимизации (линейное, динамическое программирование и др.), которые применяются для решения многофакторной задачи в условиях ограничений и позволяют найти наилучшее решение из множества возможных.

Общие теоретические положения о системе планирования, а также исследование научных и методологических проблем различных уровней планирования работы предприятий черной металлургии представлены в работах Бурковой И.В., Зимина В.В., Канторовича Л.В., Лаврова В.В., Спирина Н.А.

Вопросы оперативного планирования работы сложных технических систем, в том числе сталеплавильного производства, описаны в исследованиях авторов: Боева Л.М., Цуканов М.А., Сычев В.И., Gongshu Wang, Saroj Koul. Разработка унифицированных химических составов стали для производства отдельных видов металлопродукции рассмотрена в работах Коротовской С.В., Малышевского В.А., Орыщенко А.С, Родионовой И.Г., Титова М.И.

Современные работы рассматривают различные подходы к вопросу оптимизации планирования производства, однако не учитывают возможность повышения его эффективности за счет подбора оптимального химического состава стали.

Таким образом, существует противоречие, состоящее в том, что при наличии большого количества теоретических и практических разработок, направленных на разработку методов формирования оптимального производственного плана, до настоящего времени не представлено эффективных методов планирования сталеплавильного производства, основанных на оптимизации химического состава стали.

С учетом вышеизложенного, для решения задачи поиска оптимальных химических составов стали, обеспечивающих объединение заказов на ее производство, и планирования на их основе сталеплавильного производства необходима разработка модели, метода и алгоритмов повышения эффективности планирования, что является актуальной научно-технической задачей.

Цель и задачи диссертационной работы. Целью диссертационной работы является снижение себестоимости металлургической продукции за счет повышения эффективности планирования сталеплавильного производства на основе комбинируемости химических составов стали.

Для достижения поставленной цели в диссертационной работе решены следующие задачи:

1. Выполнен анализ проблемы оптимального планирования сталеплавильного производства.

2. Разработаны модель и метод планирования сталеплавильного производства на основе оптимизации химического состава стали.

3. Разработано алгоритмическое обеспечение подсистемы планирования сталеплавильного производства на основе оптимизации химического состава стали.

4. Выполнены экспериментальные исследования разработанного метода и реализующих его алгоритмов.

Объект и предмет исследования. Объектом исследования являются системы планирования сталеплавильного производства. Предметом исследования являются модель, метод и алгоритмы повышения эффективности планирования сталеплавильного производства.

Научная новизна и основные положения, выносимые на защиту:

1. Разработана новая модель оптимального планирования сталеплавильного производства, включающая в себя частные модели:

- модель увеличения комбинируемости химических составов стали при корректировке содержания химических элементов, отличающаяся возможностью настройки параметров условий комбинирования химических составов и позволяющая выполнить поиск химического состава, имеющего минимальные изменения относительно исходного и обеспечивающего реализацию различных заказов на производство стали;

- модель оптимального распределения заказов на производство стали между плавками на основе комбинируемости химических составов, отличающаяся учетом неоднородности распределяемых ресурсов (различные характеристики комбинируемости химических составов), что позволяет снизить число параметров для расчета оптимального производственного плана.

2. Разработан метод планирования сталеплавильного производства, отличающийся применением свойства комбинируемости химических составов стали и позволяющий распределить заказы на производство стали, минимизировав стоимость излишков.

3. Разработано алгоритмическое обеспечение подсистемы планирования сталеплавильного производства на основе оптимизации химического состава стали:

- алгоритм подготовки исходных данных для моделирования увеличения комбинируемости химических составов стали;

- алгоритм проверки химических составов на комбинируемость между собой;

- алгоритм поиска химических составов стали, имеющих улучшенные характеристики комбинируемости;

- алгоритм оптимального распределения заказов по плавкам на основе комбинирования химических составов.

Практическая значимость результатов исследования заключается в том, что реализация разработанных теоретических положений позволила:

- снизить объем нереализованной металлургической продукции на 0,76 %;

- повысить серийность разливаемой стали (количество плавок одной марки, разливаемых непрерывно через один промежуточный ковш).

Кроме того, разработаны:

1. Структурно-функциональная организация подсистемы планирования сталеплавильного производства.

2. Методика настройки алгоритмического обеспечения.

3. Программное обеспечение для поиска химических составов стали, удовлетворяющих требованиям нескольких заказов.

Методы исследования. Для решения указанных задач в диссертационной работе использованы методы системного анализа, математического моделирования и оптимизации, алгоритмы параллельных вычислений, программные и языковые средства современных компьютерных технологий.

Реализация результатов диссертационной работы.

Разработанные метод и алгоритмы были успешно внедрены и используются в Дирекции по техническому развитию и качеству ПАО «Северсталь» при определении оптимального химического состава на этапе планирования

производства стали. Получен акт внедрения результатов работ на «Модель по увеличению комбинируемости химических составов стали» (выдан ПАО «Северсталь» 23 октября 2020 г.).

Предложенные алгоритмы обработки информации используются в учебном процессе на кафедре «Математическое и программное обеспечение ЭВМ» Череповецкого государственного университета в дисциплине: «Технология разработки программного обеспечения» для направления подготовки 09.03.04 Программная инженерия (уровень бакалавриат).

Соответствие паспорту специальности. Проблематика, рассмотренная в диссертационной работе, соответствует пунктам 4, 5 паспорта специальности 2.3.1 - «Системный анализ, управление и обработка информации, статистика (технические науки)» (п. 4 Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений, обработки информации и искусственного интеллекта; п. 5 Разработка специального математического и алгоритмического обеспечения систем анализа, оптимизации, управления, принятия решений, обработки информации и искусственного интеллекта).

Апробация результатов работы. Основные результаты диссертационной работы докладывались и получили положительную оценку на: V Всероссийской научно-практической конференции «Современные информационные технологии. Теория и практика» (Череповец, 5 декабря 2019 г.), Всероссийской научной конференции в рамках XIV Ежегодной научной сессии аспирантов и молодых ученых (Вологда, 24-25 ноября 2020 г.), XII международной научно-технической конференции «Интеллектуально-информационные технологии и интеллектуальный бизнес (ИНФОС-2021)» (Вологда, 29-30 июня 2021 г.), XVI международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов и обработки изображений «РАСПОЗНАВАНИЕ - 2021» (Курск, 14-17 сентября 2021 г.), 79-й научно-технической конференции «Актуальные проблемы современной науки, техники и образования» (Магнитогорск, 19-23 апреля 2021 г.), международной

научной конференции «Молодые исследователи - регионам» (Вологда, 19-23 апреля 2021 г.), Всероссийской научной конференции в рамках XV Ежегодной научной сессии аспирантов и молодых ученых (Вологда, 22-26 ноября 2021 г.), XIII международной научно-технической конференции «Интеллектуально-информационные технологии и интеллектуальный бизнес (ИНФ0С-2022)» (Вологда, 29-30 июня 2022 г.), Всероссийской студенческой научной конференции «Регион искусственного интеллекта» (Череповец, 6 ноября 2022 г.), международной научной конференции «Молодые исследователи - регионам» (Вологда, 17 апреля 2023 г.), XVII международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов и обработки изображений «РАСПОЗНАВАНИЕ - 2023» (Курск, 12-15 сентября 2023 г.).

Публикации. По теме диссертации опубликовано 16 научных работ, в том числе 4 статьи в ведущих рецензируемых научных журналах и изданиях перечня ВАК при Министерстве науки и высшего образования Российской Федерации и 1 статья в журнале, индексируемом в международной базе цитирования Scopus, а также получено 1 свидетельство о государственной регистрации программы для ЭВМ, выданное Роспатентом.

Структура и объем работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы, включающего 112 наименований, и двух приложений. Объем диссертационной работы 118 страниц. В тексте диссертации содержится 21 рисунок и 14 таблиц.

В первом разделе проанализированы существующие модели, методы и алгоритмы планирования сталеплавильного производства, дана оценка характеристики сталеплавильного производства, как объекта оптимизации. Поставлена задача оптимального планирования сталеплавильного производства, произведен синтез критерия оптимизации.

Во втором разделе приведено описание системной модели процесса планирования сталеплавильного производства и модели оптимального планирования сталеплавильного производства, включающей в себя модель

увеличения комбинируемости химических составов стали при корректировке содержания химических элементов и модель оптимального распределения заказов на производство стали между плавками на основе комбинируемости химических составов. Представлен метод планирования сталеплавильного производства на основе оптимизации химического состава стали.

В третьем разделе разработано алгоритмические обеспечение планирования сталеплавильного производства: алгоритм подготовки исходных данных для моделирования увеличения комбинируемости химических составов стали; алгоритм проверки химических составов на комбинируемость между собой; алгоритм поиска химических составов стали, имеющих улучшенные характеристики комбинируемости; алгоритм оптимального распределения заказов по плавкам на основе комбинирования химических составов; обобщенный алгоритм планирования сталеплавильного производства на основе оптимизации химических составов стали.

В четвертом разделе определены основные функциональные элементы и блоки подсистемы планирования сталеплавильного производства, разработана методика настройки алгоритмического обеспечения, приведены результаты экспериментальных исследований, представлены перспективы применения разработанного метода и алгоритмов повышения эффективности планирования сталеплавильного производства на основе комбинируемости химических составов стали.

Заключение содержит основные результаты и выводы по работе.

1. ХАРАКТЕРИСТИКА ПРОБЛЕМЫ ОПТИМАЛЬНОГО ПЛАНИРОВАНИЯ СТАЛЕПЛАВИЛЬНОГО ПРОИЗВОДСТВА

1.1. Анализ существующих моделей, методов и алгоритмов планирования

сталеплавильного производства

В настоящее время вопросы планирования производства, в особенности такого сложного, как сталеплавильного, являются востребованными для каждого предприятия. Эффективность планирования непосредственно влияет на себестоимость продукции, а значит и на конкурентноспособность предприятия на рынке.

Особую роль в производственном цикле металлургического завода играет технологический процесс выплавки стали: через него проходят все основные материальные потоки, на этой стадии закладываются свойства металла, определяющие его технологичность и качество конечной продукции, ритмичность работы этого участка определяет возможность планирования на дальнейших переделах.

Для составления производственного расписания используются различные инструменты планирования. В настоящее время широко распространены автоматизированные информационные системы, обеспечивающие технологическую координацию производственных процессов.

Автоматизированные информационные системы обладают такими достоинствами, как [7-14]:

- исключение ручного ввода информации, что позволяет снизить влияние человеческого фактора и, как следствие, вероятность и количество ошибок;

- автоматическое управление оборудованием и ведение технологического процесса, что освобождает персонал от трудоемких и рутинных операций;

- оперативная обработка больших массивов данных, что экономит труд и время лица, принимающего решения;

- ориентация на реализацию сложных многофакторных моделей и обеспечение возможности решения многофакторных задач (что необходимо при реализации сложных моделей, требующих высоких трудозатрат в расчетах в случае изменения базовых параметров);

- обеспечение достоверности информации за счёт внедрения математических методов;

- гибкость - система адаптируется к изменениям требований к ней и вводимым новым функциям.

Распределение автоматизированных систем управления предприятия по функциональному назначению [15] представлено в таблице 1.

Таблица 1

Основные типы автоматизированных систем управления промышленным

предприятием по функциональному назначению

АСУ технологическими процессами, распределённые системы управления, средства автоматики SCADA, DCS, Industrial PLC (от англ. Programmable Logic Controller)

Системы оперативного управления производством MES (от англ. Manufacturing Execution System)

Системы планирования ресурсов производства ERP (от англ. Enterprise Resources Planning)

Системы управления сбытом SSM (от англ. Sales and Service Management)

Системы управления цепочкой поставок SCM (от англ. Supply Chain Management)

Системы управления взаимоотношениями с клиентами CRM (от англ. Customer Relationship Management)

Системы проектирования производственных процессов и продукции P&PE (от англ. Product and Process Engineering)

Для достижения целей повышения эффективности деятельности металлургического предприятия и автоматизации производственного планирования в настоящее время, как правило, применяются два класса систем:

1. ERP-решения, включающие в себя автоматизацию всех бизнес-процессов предприятия. Функциональные возможности систем данного класса включают в себя: планирование продаж и операций; управление нормативно-справочной информацией; управление продажами; оперативный учет производственных данных и подтверждение исполнения производства; балансировку и диспетчирование этапов производства; управление качеством; учет заготовки сырья; управление логистикой; аналитику и отчетность [16].

К основным недостаткам ERP-систем можно отнести ориентацию на финансово-хозяйственную деятельность, а не производство, являющееся более сложной и динамичной системой, а также отсутствие набора оптимизационных правил, требующих сложных расчетов, так как оптимизация производственного цикла не входит в решаемые такими системами задачи. Например, при составлении планов и графиков будет учитываться приоритет выполнения заказов, однако в число расчетных параметров не будут включены характеристики и состояние агрегатов и вспомогательного оборудования, технологические операции и другие факторы, которые влияют на результат эффективной работы предприятия.

2. Решения класса APS (Advanced Planning and Scheduling - расширенное, усовершенствованное планирование), предусматривающие планирование использования производственных ресурсов с учетом особенностей выполнения технологических операций и накладываемых ограничений, за счет чего возможно получение более детализированных и близких к реальности планов.

Можно отметить ряд преимуществ систем управления производством этого класса по сравнению с ERP-решениями [17]:

- использование современных методов и алгоритмов планирования и обработки больших объемов данных, за счет чего обеспечивается работа системы планирования в реальном времени;

- модульность системы планирования, за счет которой возможна реализация составления планов для разных уровней (долгосрочного и оперативного);

- многокритериальная оптимизация плана, учет реальных производственных ограничений и «узких мест»;

- синхронность планирования, обеспечивающая включение в расчет всех производственных ресурсов, ограничения мощностей и их загрузку;

- оперативное внесение корректировок в план за счет высокой скорости расчетов.

Для непосредственного управления производственными процессами применяются MES-системы, которые, как правило, либо интегрируются в APS-решение, либо дополняют функционал ERP, обеспечивая детальное планирование на цеховом уровне.

Проведенный анализ использования ряда MES-систем оперативного управления производством позволяет рассчитывать на значительный экономический эффект от их внедрения. Примерами источников повышения эффективности работы металлургического предприятия в связи с автоматизацией управления производством являются:

- сокращение простоев прокатных станов при перевалках благодаря оптимизации графиков их работы и простоев из-за отсутствия горячего металла путем формирования оптимального потока плавок [18];

- уменьшение размеров выплачиваемых штрафов из-за несвоевременного выполнения заказов [19-20];

- повышение производительности сталеплавильных цехов в результате эффективного распределения плавок по печам и уменьшения потерь времени, вызванных организационными причинами;

- получение металлопродукции в узких пределах химического состава и с заданными характеристиками, снижение количества плавок с переводом в пониженную марку [21].

Последний пример относится к перспективным технологиям в производстве чугуна, стали и ферросплавов.

На крупных предприятиях, к которым, безусловно, относится металлургическое производство, как правило, используется набор вышеперечисленных систем планирования. В то же время система управления предприятием зачастую не является единой по причине отсутствия взаимодействия между отдельными элементами, что приводит к накоплению ошибок и увеличению затрат.

Алгоритмы построения расписаний в таких системах в основном сводятся к итерационным процессам получения допустимого решения с учетом ограничений, то есть к несложным эвристикам [22]. Данные, накопленные этими системами, могут быть эффективно использованы для поддержки принятия бизнес-решений на всех уровнях (прогнозирование спроса, расчет загруженности складов, анализ рисков и т.д.), однако без решения задач интеллектуализации и интеграции в конкретное производство они оперируют общими понятиями, не учитывающими специфику, и не включают готовых модулей оптимизации составления производственного расписания.

Таким образом, создание и внедрение автоматизированных систем управления металлургическими предприятиями, а также их элементов (модулей), представляет собой важную научно-техническую задачу, решение которой позволит значительно улучшить экономические показатели.

Под оперативным планированием понимается планирование квартальное, месячное, недельное, суточно-сменное. В литературе, начиная с 1963 года, начали появляться работы, связанные с оперативным планированием сталеплавильного производства заводов большой металлургии [23].

В основе автоматизированных систем управления, решающих задачи планирования производства, так или иначе лежат математические методы оптимизации. Применяемые в теории расписаний, изучающей задачи календарного планирования, методы можно условно разделить на несколько групп:

- комбинаторные методы;

- математическое программирование;

- эвристические методы (в том числе вероятностные алгоритмы и методы локального поиска);

- методы на основе искусственного интеллекта.

Некоторые сложные задачи теории расписаний могут быть оптимально решены с помощью алгоритмов, использующих элементы сразу нескольких методов, то есть используется некая комбинация функций планирования [24].

Дадим краткую характеристику достоинств и недостатков методов, перечисленных выше, с точки зрения их применимости к решению задачи построения расписания для оперативного управления сталеплавильным производством.

1. Под комбинаторными [25-27] понимаются методы, с помощью которых изучается расположение элементов в множествах. В их основе лежит полный или частичный перебор решений.

Под экстремальной задачей комбинаторного типа обычно понимают задачи, решение которых состоит в выборе среди конечного числа вариантов одного, обеспечивающего максимальное значение целевой функции. Большая часть экономико-математических моделей имеют комбинаторный характер, т.е. относятся к комбинаторным моделям, поскольку включают либо требование целочисленности переменных, либо требование принадлежности переменных к множеству дискретных значений.

Трудности в решении задач данного типа возникают при переборе большого числа возможных вариантов (сложность вычислений сильно зависит от размерности задачи), из-за чего решение путем прямого перебора невозможно, либо возможно при наличии большого числа условий и ограничений, из-за чего становится громоздкой и сложной процедура определения допустимости вариантов решения.

Задача планирования сталеплавильного производства с учетом неопределенного спроса и серийности решалась с использованием комбинаторных методов в работе [28].

Список литературы диссертационного исследования кандидат наук Карачунов Александр Геннадьевич, 2025 год

СПИСОК ЛИТЕРАТУРЫ

1. Вейдер М. Инструменты бережливого производства II: Карманное руководство по практике применения Lean / пер. с англ. - 11-е изд. - М.: Альпина Паблишер, 2017. - 151 с.

2. Вумек Д., Джонс Д. Бережливое производство: Как избавиться от потерь и добиться процветания вашей компании / пер. с англ. - 7-е изд. - М.: Альпина Паблишер, 2013. - 472 с.

3. Марков, Д. А. Бережливое и быстрореагирующее производство / Д. А. Марков, Н. А. Маркова, В. Л. Попов. - Пермь : Пермский национальный исследовательский политехнический университет, 2018. - 325 с.

4. Смирнов А. Н., Сафонов В. М., Дорохова Л. В. и др. Металлургические мини-заводы. - Донецк: ООО «Норд-Пресс», 2005. - 469 с.

5. Носов Ю. Н., Михалев А. А., Маханьков А. В. и др. Ввод в эксплуатацию 350-т агрегата ковш-печь ВОАОЗСМК // Сталь. 2008. № 1. С. 14-16.

6. Гудим, Ю. А. Производство стали в дуговых печах : конструкции, технология, материалы : монография / Ю. А. Гудим, И. Ю. Зинуров, А. Д. Киселев. - Новосибирск : Сибэлектротерм : Изд-во НГТУ, 2010. - 546 с.

7. Аристова Н. И. Эволюция промышленной автоматизации: 2003-2023 гг // Автоматизация в промышленности. 2023. № 1. С. 3-10.

8. Габова Ю.А., Замбржицкая Е.С. Оптимизационное планирование на предприятии черной металлургии с использованием автоматизированных информационных систем // Корпоративная экономика. 2022. № 2 (30). С. 413.

9. Носов А.Н., Бугров А.Н. Современные средства и технологии обеспечения анализа и планирования производства // Системный анализ в науке и образовании. 2013. № 2. С. 118-132.

10. Фролов Е. Б., Нестеров П. А., Косьяненко А. В. Цифровое производство и системы производственного планирования // Автоматизация и IT в энергетике. 2020. № 9 (134). С. 5-13.

11. Скорнякова Е.А., Сулаберидзе В.Ш. Проблемы автоматизации процесса производственного планирования // Наукоемкие технологии в космических исследованиях Земли. 2019. Т. 11. № 1. С. 78-85.

12. Mayrhofer, Anna & Hartl, Franz & Kuehboeck, Helmut & Pastucha, Krzysztof & Voraberger, Bernhard. (2023). The Journey to Fully Automated Converter Steelmaking. METEC & 6th ESTAD At: Düsseldorf, Germany. https: //www.researchgate.net/publication/374264042_The_Journey_to_Fully_Auto mated_Converter_Steelmaking.

13. Замбржицкая, Е. С. Практические аспекты расчета производственных мощностей промышленных предприятий с попередельным типом производства : монография / Е. С. Замбржицкая. - Магнитогорск : Магнитогорский государственный технический университет им. Г.И. Носова, 2021. - 89 с. - ISBN 978-5-9967-2303-4.

14. Виноградова, Е. Ю. Принципы формирования корпоративной информационной системы для внедрения на российских предприятиях / Е. Ю. Виноградова, А. И. Галимова // Известия Уральского государственного экономического университета. - 2017. - № 2(70). - С. 111-123. - DOI 10.29141/2073-1019-2017-14-2-10.

15. Бахтадзе Н. Н. Автоматизированная система управления // Большая российская энциклопедия: научно-образовательный портал - URL: https://bigenc.ru/c/avtomatizirovannaia-sistema-upravleniia-6c654b/?v=8942200.

- Дата публикации: 28.07.2023. - Дата обновления: 08.11.2023.

16. 1С: ERP металлургия проф презентация продукта. URL: https://solutions.1c.ru/catalog/metals/materials (дата обращения: 01.08.2024).

17. Преимущества и недостатки ERP-системы URL: https://adeptik.com/blog/preimushchestva-i-nedostatki-erp-sistemy/?ysclid=m8vmmbzl1413039942/ (дата обращения: 01.08.2024).

18. Федосеев, С. А. Оптимизация планирования прокатного производства // Вестник МГТУ им. Г. И. Носова. - 2012. № 1. - С. 40-42.

19. Попов, Д. В. Разработка модели оперативного планирования производства на металлургическом предприятии / Д. В. Попов, О. М. Шубат // Весенние дни науки : сборник докладов, Екатеринбург, 21-23 апреля 2022 года. -Екатеринбург: Уральский федеральный университет им. первого Президента России Б.Н. Ельцина, 2022. - С. 1028-1031.

20. Попов, Д. В. Организация оперативного производственного планирования на предприятии: проблемы и подходы к анализу / Д. В. Попов // Философские и социально-экономические проблемы исследования инновационных технологий и искусственного интеллекта : Сборник научных статей / Составитель и науч. редактор В.О. Шелекета. - Белгород : Белгородский государственный технологический университет им. В.Г. Шухова, 2020. - С. 105-113.

21. Информационно-технический справочник по наилучшим доступным технологиям ИТС 26-2022 "Производство чугуна, стали и ферросплавов" (утв. приказом Федерального агентства по техническому регулированию и метрологии от 16 декабря 2022 г. N 3196). Введ. 2023-01-01. - М.: Бюро НДТ, 2022.

22. Семенкина, О. Е. Бионические алгоритмы решения иерархической задачи составления расписания при оперативном планировании производства / О. Е. Семенкина, Е. А. Попов // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия Приборостроение. -2019. - № 3(126). - С. 46-63. - DOI 10.18698/0236-3933-2019-3-46-63.

23. Сычев, В. И. Совершенствование оперативного планирования и управления сталеплавильного производства завода качественной металлургии : специальность 08.00.05 : диссертация на соискание ученой степени кандидата технических наук / Сычев Вячеслав Иванович. - Москва, 1984. -176 с.

24. Tang, L., Meng, Y. Data analytics and optimization for smart industry. Front. Eng. Manag. 8, 157-171 (2021). https://doi.org/10.1007/s42524-020-0126-0.

25. Куцелап, К. А. Составление производственного расписания с использованием алгоритма направленного случайного поиска / К. А. Куцелап, В. П. Вороненко, А. Э. Шалдов // Известия Тульского государственного университета. Технические науки. - 2015. - № 12-1. - С. 14-23.

26. Карелин, В. П. Комбинаторные оптимизационные модели и методы в экономике и управлении / В. П. Карелин // Вестник Таганрогского института управления и экономики. - 2018. - № 1(27). - С. 79-84.

27. Калянов, Г. Н. Поиск эффективных решений задач непрерывного календарного планирования / Г. Н. Калянов, Н. Н. Титов, В. Н. Шибеко // Информационные технологии и вычислительные системы. - 2018. - № 1. - С. 85-98.

28. Wang, Gongshu & Wu, Jing & Yang, Yang & Su, Lijie. (2024). Robust optimization for a steel production planning problem with uncertain demand and product substitution. Computers & Operations Research. 165. 106569. 10.1016/j.cor.2024.106569.

29. Канторович Л. В. Математические методы организации и планирования производства - Ленинград : Ленингр. гос. ун-т, 1939. - 68 с.

30. Cormen, Thomas H.; Leiserson, Charles E.; Rivest, Ronald L.; Stein, Clifford. Introduction to Algorithms. - 3rd. - MIT Press, 2009.

31. Таха, Хемди А. Введение в исследование операций / Хемди А. Таха ; Ун-т Арканзаса, Фейетвилл ; [пер. с англ. и ред. А. А. Минько]. - 7-е изд. - Москва [и др.] : Вильямс, 2007. - 901 с. : ил., табл. : 24 см.; ISBN 978-5-8459-0740-0 (В пер.).

32. Tang, Lixin & Liu, Jiyin & Rong, Aiying & Yang, Zihou. (2000). Mathematical programming model for scheduling steelmaking-continuous casting production. European Journal of Operational Research. 120. 423-435. 10.1016/S0377-2217(99)00041-7.

33. Пикуль В. В., Ерошенко А. Е. Снижение затрат на легирование и раскисление стали ферросплавами путем оптимизации технологии двойственным симплекс-методом с использованием программных средств в условиях РУП

«БМЗ» // Литьё и металлургия. 2008. № 2 (46). URL: https://cyberleninka.ru/article/n/snizhenie-zatrat-na-legirovanie-i-raskislenie-stali-ferrosplavami-putem-optimizatsii-tehnologii-dvoystvennym-simpleks-metodom-s (дата обращения: 09.06.2023).

34. И B. Рафальский, Г В. Довнар, П Е. Лущик Решение задачи оптимизации состава шихты методами линейного программирования // Литьё и металлургия. 2006. №2-1 (38). URL: https://cyberleninka.ru/article/n/reshenie-zadachi-optimizatsii-sostava-shihty-metodami-lineynogo-programmirovaniya (дата обращения: 09.06.2023).

35. Корбут, Александр Антонович. Дискретное программирование [Текст] / А. А. Корбут, Ю. Ю. Финкельштейн ; Под ред. Д. Б. Юдина. - Москва : Наука, 1969. - 368 с. : черт. : 21 см - (Экономико-математическая б-ка).

36. Сергиенко, И. В. Задачи дискретной оптимизации : проблемы, методы решения, исслед. : [монография] / И. В. Сергиенко, В. П. Шило ; И. В. Сергиенко, В. П. Шило ; Нац. акад. наук Украины, Ин-т кибернетики им. В. М. Глушкова. - Киев : Наукова думка, 2003. - (Проект "Наукова книга"). -ISBN 966-00-0114-2.

37. Алгоритмы : построение и анализ / Кормен Томас [и др.] ; Красиков И.В. (пер. с англ. и ред.). - 3-е изд. - М. [и др.] : Вильямс, 2013. - 1323 с. : ил., табл. — Пер. изд. : Introduction to algorithms. 3d ed. Boston [etc.] : McGraw-Hill book co, cop. 2009. Библиогр. : с. 1282-1298. Предм. указ. : с. 1298-1323.

38. Евгенев, Г. Б. Оптимальное планирование машиностроительного производства на основе динамического программирования / Г. Б. Евгенев // Известия высших учебных заведений. Машиностроение. - 2013. - № 10. - С. 79-86.

39. Оптимальное планирование технического обслуживания и ремонтов многокомпонентных устройств в черной металлургии / А. В. Галкин, А. А. Харитоненко, Л. С. Чернышова, А. В. Бочаров // Черные металлы. - 2024. -№ 1. - С. 38-45. - DOI 10.17580/chm.2024.01.06.

40. Дагман, А. И. Разработка концепции и математическая Постановка задачи оптимального поэлементного управления производством на металлургическом предприятии / А. И. Дагман, В. А. Пименов // Современные сложные системы управления : материалы XII международной научно-практической конференции, Липецк, 25-27 октября 2017 года. Том 1.

- Липецк: Липецкий государственный технический университет, 2017. - С. 210-214.

41. Wang, Tianyu & Wang, Linqing & Zhao, Jun & Wang, Wei & Liu, Ying. (2017). Evolutionary adaptive dynamic programming algorithm for converter gas scheduling of steel industry. 137-142.

42. Land A.H., and Doig A.G. An autmatic method of solving discrete programming problems. Econometrica. v28 (1960), pp 497-520.

43. Мельников, Б. Ф. О классической версии метода ветвей и границ / Б. Ф. Мельников, Е. А. Мельникова // Компьютерные инструменты в образовании.

- 2021. - № 1. - С. 21-44. - DOI 10.32603/2071-2340-2021-1-21-45.

44. Веревкин, С. В. Разработка и применение алгоритмов производственной координации (на примере сталеплавильного комплекса) : специальность 05.13.06 "Автоматизация и управление технологическими процессами и производствами (по отраслям)" : диссертация на соискание ученой степени кандидата технических наук / Веревкин Сергей Валерьевич. - Новокузнецк, 2003. - 227 с.

45. Анисимов, В. Г. Модификация метода решения одного класса задач целочисленного программирования / В. Г. Анисимов, Е. Г. Анисимов // Журнал вычислительной математики и математической физики. - 1997. - Т. 37, № 2. - С. 179-183.

46. Прилуцкий, М. Х. Метод ветвей и границ решения задачи многоресурсного сетевого планирования / М. Х. Прилуцкий, Е. А. Кумагина // Системы управления и информационные технологии. - 2014. - № 2(56). - С. 48-51.

47. Кежаев, В. А. Обоснование решений в задачах целераспределения с использованием инновационных технологий дискретного программирования

/ В. А. Кежаев, В. Г. Анисимов, Е. Г. Анисимов // Известия Российской академии ракетных и артиллерийских наук. - 2012. - № 2(72). - С. 97-103.

48. Князева, М. В. Метод ветвей и границ для решения задачи сетевого планирования с ограниченными ресурсами / М. В. Князева // Известия ЮФУ. Технические науки. - 2010. - № 7(108). - С. 78-84.

49. Борисовский, П. А. Алгоритмы ветвей и границ и динамического программирования для составления расписаний многопродуктового производства / П. А. Борисовский // Анализ, моделирование, управление, развитие социально-экономических систем : сборник научных трудов XII Международной школы-симпозиума АМУР-2018, Симферополь-Судак, 1427 сентября 2018 года / Под общей редакцией А. В. Сигала. - Симферополь-Судак: ИП Корниенко А.А., 2018. - С. 62-66.

50. Nakhaeinejad, M. Production Scheduling Optimization Algorithm for the Steel-Making Continuous Casting Processes. Advances in Industrial Engineering, 2019; 53(4): 127-147. doi: 10.22059/jieng.2021.306226.1732

51. Аничкин, А.С. Современные модели и методы теории расписаний / А.С. Аничкин, В.А. Семенов // Труды Института системного программирования РАН. 2014. Т. 26, № 3. С. 5-50. DOI 10.15514/ISPRAS-2014-26(3)-1.

52. Liangliang Sun, Fangjun Luan, Yu Ying, Kun Mao. Rescheduling optimization of steelmaking-continuous casting process based on the Lagrangian heuristic algorithm. Journal of Industrial and Management Optimization, 2017, 13(3): 14311448. doi: 10.3934/jimo.2016081.

53. Sun, L., Li, S., Qi, Y., Ma, T. (2018). An Improved Heuristic Algorithm for the Order Planning of Steelmaking Production. In: Deng, Z. (eds) Proceedings of 2017 Chinese Intelligent Automation Conference. CIAC 2017. Lecture Notes in Electrical Engineering, vol 458. Springer, Singapore. https://doi.org/10.1007/978-981-10-6445-6_15.

54. Capacity planning and production scheduling integration: improving operational efficiency via detailed modelling / X. Yao, R. G. Askin, G. Gruber, N. Almatooq //

International Journal of Production Research. - 2022. - DOI 10.1080/00207543.2022.2028031.

55. Yang, Jianping & Wang, Bailin & Liu, Qian & Guan, Min & Li, Tie-ke & Gao, Shan & Guo, Wei-da & Liu, Qing. (2020). Scheduling Model for the Practical Steelmaking-continuous Casting Production and Heuristic Algorithm Based on the Optimization of "Furnace-caster Matching" Mode. ISIJ International. 60. 10.2355/isijinternational.ISIJINT-2019-423.

56. Эвристические алгоритмы распределения ресурсов / В. И. Алферов, В. Н. Бурков, А. Е. Кравцов, Ю. А. Карпов // Вестник Воронежского государственного технического университета. - 2009. - Т. 5, № 12. - С. 176179.

57. Эвристический полиномиальный алгоритм оперативного планирования размещения готовой продукции на складах металлургических предприятий / Д. С. Каплан, Д. Х. Девятов, С. И. Файнштейн [и др.] // Автоматизация и современные технологии. - 2009. - № 6. - С. 35-39.

58. Храмешин, Д. В. Методы и алгоритмы обработки информации в системе оптимизации плана загрузки листового стана горячей прокатки : специальность 05.13.01 "Системный анализ, управление и обработка информации (по отраслям)" : диссертация на соискание ученой степени кандидата технических наук / Храмешин Дмитрий Викторович, 2018. - 189 с.

59. Дудников, В. А. Разработка автоматизированной системы оперативного управления дискретным производством на основе генетических алгоритмов : специальность 05.13.10 "Управление в социальных и экономических системах" : диссертация на соискание ученой степени кандидата технических наук / Дудников Виктор Анатольевич. - Старый Оскол, 2006. - 196 с.

60. Щербина, О. А. Метаэвристические алгоритмы для задач комбинаторной оптимизации (обзор) / О. А. Щербина // Таврический вестник информатики и математики. - 2014. - № 1(24). - С. 56-72.

61. Xu, Zj., Zheng, Z. & Gao, Xq. Operation optimization of the steel manufacturing process: A brief review. Int J Miner Metall Mater 28, 1274-1287 (2021). https://doi.org/10.1007/s12613-021 -2273-7.

62. Ошурков В. А., Макашова В. Н. Оперативное планирование производства в MES-системах с использованием методов и алгоритмов искусственного интеллекта // Современные информационные технологии и ИТ-образование. 2015. Т. 11, № 2. С. 133-139.

63. Использование цифровых имитационных моделей для оптимизации работы сложных производственных объектов / А. В. Зимин, М. Е. Корнет, И. В. Буркова, В. В. Зимин // Известия высших учебных заведений. Черная металлургия. - 2025. - Т. 68, № 2. - С. 188-194. - DOI 10.17073/0368-07972025-2-188-194.

64. Trzaska, J.; Sitek, W. A Hybrid Method for Calculating the Chemical Composition of Steel with the Required Hardness after Cooling from the Austenitizing Temperature. Materials 2024, 17, 97. https://doi.org/10.3390/ma17010097.

65. Chikishev, D., Pozhidaeva, E. Mathematical modeling of steel chemical composition and modes of thermomechanical treatment influence on hot-rolled plate mechanical properties. Int J Adv Manuf Technol 92, 3725-3738 (2017). https://doi.org/10.1007/s00170-017-0435-6.

66. Tomasic, N.; Sitek, W.; Iljkic, D.; Gemechu, W.F. Designing the Chemical Composition of Steel with Required Hardenability Using Computational Methods. Metals 2024, 14, 1076. https://doi.org/10.3390/met14091076.

67. М. И. Титов Унификация технологии производства арматурной стали, поставляемой на рынок металлопроката стран скандинавии и в Голландию, в условиях РУП «БМЗ». Литье и металлургия. - 2006. - № 2 (38) - 42-49.

68. Титов М.И., Русаленко А.В. Расширение марочного сортамента стержневой арматурной стали ОАО «БМЗ», поставляемой на европейский рынок. Литье и металлургия. - 2012. - № 3 (66). - С. 63-66. https://doi.org/10.21122/1683-6065-2012-3-53-66.

69. Родионова, И. Г. Унификация химического состава высокопрочных холоднокатаных и горячеоцинкованных автолистовых сталей с целью повышения их качества и снижения затрат на производство / И. Г. Родионова, А. А. Павлов // Тезисы докладов Всероссийской научно-технической конференции «Вопросы металловедения и термической обработки в машиностроении», 15-16 апреля 2021 года. URL: https://chermet.net/news/Сборник%20тезисов%20

конференции.pdf (дата обращения: 12.01.2024).

70. К вопросу об унификации химического состава высокопрочных сталей для судостроения / М. В. Ковальчук, А. С. Орыщенко, В. А. Малышевский [и др.] // Вопросы материаловедения. - 2018. - № 1(93). - С. 7-14. - DOI 10.22349/19946716-2018-93-1-07-14.

71. H. B. Андрианов Автоматизация оперативного управления в сталеплавильном производстве // Литье и металлургия. 2005. № 2-2 (34). URL: https://cyberleninka.ru/article/n/avtomatizatsiya-operativnogo-upravleniya-v-staleplavilnom-proizvodstve (дата обращения: 28.02.2022).

72. Планирование и оптимизация производства для металлургического предприятия : сайт. URL: https://adeptik.com/blog/planirovanie-i-optimizaciya-proizvodstva-dlya-metallurgicheskogo-predpriyatiya/?ysclid=mbo 1 a928a5115180251 (дата обращения: 28.02.2022).

73. Павлов, В. А. Совершенствование стратегического планирования на предприятиях металлургической промышленности / В. А. Павлов // Экономические науки. - 2023. - № 222. - С. 271-276. - DOI 10.14451/1.222.271.

74. Княжев, А. Ю. Планирование и оптимизация производства для металлургического предприятия // Металлоснабжение и сбыт. 2009. № 10. URL: https://www.metalinfo.ru/ru/magazine/2009/10/920 (дата обращения: 28.02.2022).

75. Козлова, А. Н. Повышение эффективности процессов оперативного управления и технологической координации на основе интеллектуального

подхода / А. Н. Козлова, М. А. Цуканов, О. А. Божкова // Вестник Воронежского государственного технического университета. - 2017. - Т. 13,

76. Цуканов, М. А. Мультиагентная система поддержки принятия решений по оперативному планированию и технологической координации сложноструктурированных производственных систем / М. А. Цуканов, Л. М. Боева // Управление большими системами: сборник трудов. - 2012. - № 39. -С. 254-263.

77. Логунова, О. С. Автоматизированная система оперативного календарного планирования многостадийного производства: математическая модель и программная реализация / О. С. Логунова, М. Б. Аркулис // Вестник Череповецкого государственного университета. - 2021. - № 3(102). - С. 1837. - DOI 10.23859/1994-0637-2021-3-102-2.

78. Цуканов, М. А. Разработка и реализация алгоритма построения расписания сталеплавильного производства на основе адаптации фрактала Кантора / М. А. Цуканов, О. А. Божкова // Вестник Воронежского государственного технического университета. - 2017. - Т. 13. - № 6. - С. 32-37.

79. Маржинальный подход к осуществлению оперативного планирования металлургического производства / И. М. Рожков, С. В. Марков, И. А. Ларионова, Е. Н. Елисеева // Сталь. - 2023. - № 3. - С. 53-56.

80. Цуканов, М. А. Моделирование технологической координации оборудования сталеплавильного цеха на основе аппарата вложенных сетей Петри / М. А. Цуканов, Л. М. Боева // Электротехнические комплексы и системы управления. - 2010. - № 2. - С. 30-34.

81. Боева Л.М., Коврижных О.А. Оперативная корректировка производственных планов с использованием технологий и алгоритмов гибких производственных систем. Экономика. Информатика. 2021. Т 48. № 4. С. 802809.

82. Logunova, O. S. Integrated System Structure of Intelligent Management Support of Multistage Metallurgical Processes / O. S. Logunova, I. I. Matsko, I. A.

Posochov // Vestnik of Nosov Magnitogorsk State Technical University. - 2013. -No. 5(45). - P. 50-55.

83. Коврижных О. А., Боева Л.М. Оперативное планирование сталеплавильного производства на основе прецедентов // Современные проблемы горнометаллургического комплекса. Наука и производство : Материалы девятнадцатой Всероссийской научно-практической конференции с международным участием, Старый Оскол, 7 декабря 2022 года. - Старый Оскол: Национальный исследовательский технологический университет «МИСиС», 2023. - С. 404-410.

84. Шендерович, Е. М. Научные основы создания автоматизированных систем управления технологическими процессами в металлургической промышленности : [монография] / Е. М. Шендерович ; М-во образования и науки Рос. Федерации, С.-Петерб. гос. политехн. ун-т. — СПб. : Нестор, 2004. — 402 с. : ил., табл. : 20 см.; ISBN 5-303-00199-7 (в обл.).

85. Метод моделирования производственных систем для оперативного планирования производства / О. Е. Семенкина, И. С. Рыжиков, Л. В. Липинский, Е. А. Попов // Системы управления и информационные технологии. - 2021. - № 3(85). - С. 17-24. - DOI 10.36622/VSTU.2021.85.3.004.

86. Цуканов, М. А. Повышение эффективности процессов оперативного управления и технологической координации на основе оценки производственного расписания / М. А. Цуканов, О. А. Божкова // Вестник Воронежского государственного технического университета. - 2018. - Т. 14, № 5. - С. 27-32.

87. Васильева, Н. В. Общая постановка задачи управления металлургическим предприятием / Н. В. Васильева // XXI Вишняковские чтения : Материалы международной научной конференции, Бокситогорск, 20 апреля 2018 года. Том XXI. - Бокситогорск: Ленинградский государственный университет им. А.С. Пушкина, 2018. - С. 25-28.

88. ГОСТ Р 54384-2011 (ЕН 10020:2000) Сталь. Определение и классификация по химическому составу и классам качества. Введ. 2012-03-01. - М: Стандартинформ, 2011.

89. ГОСТ 380-2005 Сталь углеродистая обыкновенного качества. Марки (с Изменением N 1). Введ. 2008-07-01. - М.: Стандартинформ, 2009.

90. European standard EN 10346 Continuously hot-dip coated steel flat products -Technical delivery conditions.

91. Межгосударственный стандарт ГОСТ 535-2005 Прокат сортовой и фасонный из стали углеродистой обыкновенного качества. Общие технические условия Введ. 2007-07-20. - М.: Стандартинформ, 2007.

92. Колобов А. В., Варфоломеев И. А. Повышение эффективности бизнес-системы предприятия на основе применения цифровых инструментов в металлургии // Сталь. 2020. № 10. С. 69-73.

93. Карачунов, А. Г. Модель увеличения комбинируемости химических составов при корректировке содержания химических элементов с учетом требований стандартов и правил комбинируемости / А. Г. Карачунов, Е. В. Ершов, И. А. Варфоломеев // Современные информационные технологии. Теория и практика : Материалы V Всероссийской научно-практической конференции (Череповец, 5 декабря 2019 г.), Череповец, 05 декабря 2019 года / Под редакцией Т.О. Петровой. - Череповец: Череповецкий государственный университет, 2020. - С. 77-80.

94. Карачунов А.Г., Ершов Е.В. Модель комбинируемости химических составов стали при корректировке содержания химических элементов // Сталь. 2021. № 6. С. 9-12.

95. Karachunov A.G., Ershov E.V. Combinability Model of Chemical Compositions of Steel upon Adjustment of Chemical Element Content. Steel in Translation. 2021. vol. 51. no 6. pp. 382-386.

96. Карачунов, А. Г. О развитии модели увеличения комбинируемости химических составов стали / А. Г. Карачунов // XV Ежегодная научная сессия аспирантов и молодых ученых : материалы Всероссийской научной

конференции, Вологда, 23 ноября 2021 года. Том 1. - Вологда: Вологодский государственный университет, 2021. - С. 36-38.

97. Карачунов, А. Г. Развитие модели увеличения комбинируемости химических составов стали / А. Г. Карачунов // Молодые исследователи - регионам : Материалы Международной научной конференции. В 3-х томах, Вологда, 20-21 апреля 2021 года / Главный редактор С.Ф. Митенева. Том 1. - Вологда: Вологодский государственный университет, 2021. - С. 101-102.

98. Карачунов, А. Г. Применение модели увеличения комбинируемости химических составов стали для оптимизации планирования сталеплавильного производства / А. Г. Карачунов, Е. В. Ершов // Интеллектуально-информационные технологии и интеллектуальный бизнес (ИНФОС-2022) : Материалы Тринадцатой Международной научно-технической конференции, Вологда, 29-30 июня 2022 года / Ответственный редактор В.А. Горбунов. - Вологда: Вологодский государственный университет, 2022. - С. 114-116.

99. Карачунов А. Г., Ершов Е. В. Модель оптимального распределения заказов на производство стали между плавками на основе унификации химических составов // Вестник Череповецкого государственного университета. 2024. № 5 (122). С. 31-41. https://doi.org/10.23859/1994-0637-2024-5-122-3.

100. Bron C., Kerbosch J. Algorithm 457: Finding All Cliques of an Undirected Graph, Comm of ACM, 1973, Vol. 16, pp. 575-577.

101. Метод повышения эффективности планирования сталеплавильного производства на основе унификации химических составов стали / А. Г. Карачунов, Е. В. Ершов, П. А. Виноградова, А. А. Иванов // Вестник Череповецкого государственного университета. - 2022. - № 6(111). - С. 4252. https://doi.org/10.23859/1994-0637-2022-6-111-3.

102. Метод прогнозирования комбинирования производства первичной металлопродукции на основе данных химического состава / А. Г. Карачунов, Е. В. Ершов, Л. Н. Виноградова, О. В. Юдина // Интеллектуально-информационные технологии и интеллектуальный бизнес (ИНФОС-2021) :

Материалы Двенадцатой Международной научно-технической конференции, Вологда, 29-30 июня 2021 года. - Вологда: Вологодский государственный университет, 2021. - С. 128-131.

103. Ершов, Е. В. Программная реализация модели увеличения комбинируемости химических составов стали / Е. В. Ершов, А. Г. Карачунов // Актуальные проблемы современной науки, техники и образования : Тезисы докладов 79-й международной научно-технической конференции, Магнитогорск, 19-23 апреля 2021 года. Том 1. - Магнитогорск: Магнитогорский государственный технический университет им. Г.И. Носова, 2021. - С. 354.

104. Карачунов, А. Г. Программная реализация метода увеличения комбинируемости химических составов стали / А. Г. Карачунов // XIV Ежегодная научная сессия аспирантов и молодых ученых : материалы Всероссийской научной конференции: в 3 т., Вологда, 24-27 ноября 2020 года. Том Т. 1. - Вологда: Вологодский государственный университет, 2020. - С. 65-68.

105. Карачунов, А. Г. Особенности программной реализации модели поиска оптимального химического состава стали / А. Г. Карачунов, Е. В. Ершов // Оптико-электронные приборы и устройства в системах распознавания образов и обработки изображений : Материалы XVI Международной научно-технической конференции, Курск, 14-17 сентября 2021 года / Редколлегия: С.Г. Емельянов, В.С. Титов (отв. ред.) [и др.]. - Курск: Юго-Западный государственный университет, 2021. - С. 128-130.

106. Карачунов, А. Г. Доработка и программная реализация модели увеличения комбинируемости химических составов стали / А. Г. Карачунов, П. А. Виноградова, А. А. Иванов // Регион искусственного интеллекта : Материалы Всероссийской студенческой научной конференции, Череповец, 06 ноября 2022 года. - Череповец: Череповецкий государственный университет, 2022. -С. 161 -166.

107. Свидетельство о государственной регистрации программы для ЭВМ № 2022613350 Российская Федерация. Калькулятор комбинируемости

химических составов стали : № 2022612900 : заявл. 04.03.2022 : опубл. 14.03.2022 / А. Г. Карачунов, Е. В. Ершов, М. В. Дмитриев ; заявитель федеральное государственное бюджетное образовательное учреждение высшего образования «Череповецкий государственный университет».

108. Etsuji Tomita, Akira Tanaka, Haruhisa Takahashi (2006), The worst-case time complexity for generating all maximal cliques and computational experiments, Theoretical Computer Science, Vol 363, Issue 1, ISSN:0304-3975, p. 28-42.

109. Прилуцкий, М. Х. Метод ветвей и границ с эвристическими оценками для конвейерной задачи теории расписаний / М. Х. Прилуцкий, В. С. Власов // Вестник Нижегородского университета им. Н.И. Лобачевского. - 2008. - № 3. - С. 147-153.

110. Операционные и финансовые результаты публичного акционерного общества «Северсталь» за 4 кв. и 12 мес. 2021 год. https://severstal.com/rus/ir/indicators-reporting/#operatsionnye-rezultaty.

111. Отчет об устойчивом развитии публичного акционерного общества «Новолипецкий металлургический комбинат» и его дочерних обществ за 2023 год. https://nlmk.com/upload/iblock/126/b6t 1 ebnzyixz53ouf4t6nc726k9ju33q/ NLMK-0tchet-ob-ustoychivom-razvitii-2023.pdf

112. Операционные и финансовые результаты публичного акционерного общества «Северсталь» за 12 мес. 2023 года. https://severstal.com/upload/iblock/

1e8/l61xts0z88fn78ciag31kqg9fzn40l5r/Severstal_FS_31122023_RUB_-raskryvaemaya-perevypusk_s-AZ_signed.pdf

117

ПРИЛОЖЕНИЕ 1. СВИДЕТЕЛЬСТВО О РЕГИСТРАЦИИ ПРОГРАММЫ ДЛЯ ЭВМ

118

ПРИЛОЖЕНИЕ 2. АКТ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ

Северсталь

УТВЕРЖДАЮ'

АКТ ВНЕДРЕНИЯ результатов работ

по договору № 9000093237 от 28 мая 2019 года «Модель по увеличению комбинируемое™ химических составов»

Краткое описание выполненной работы:

- Разработано программное обеспечение по подбору оптимального химического состава стали для достижения максимальной комбинируемое™ химических составов между собой;

- Создан интерфейс для автоматизированного подбора максимально комбинируемого химического состава.

Применение предложенной в работе математической модели увеличения комбинируемо-сти химических составов стали и ее программной реализации позволило внедрить в производство новые химические составы, имеющие улучшенную характеристику комбинируемое™ с другими химическими составами.

Вследствие внедрения полученных с применением указанной модели новых химических составов оптимизирована эксплуатация технологического оборудования.

Срок начала фактического внедрения: октябрь 2020 г.

Ведущий эксперт

В.В. Можаров

АО «Северсталь Менеджмент» (филиал «Российская сталь»)

ул. Мира, д. 30, г. Череповец, Вологодская область, Россия, 162608

Т: [phone] Ф: [phone] [e-mail] severstal.com

ОГРН1037739826926 ИНН 7713505053 КПП 771301001