Predicting the amount of argon production using relevant indicators and using the best numbers Index for optimal production of argon using machine learning methods in the SISCO air separation plant.

بخش جداسازی هوای شرکت فولاد سیرجان ایرانیان،وظیفه جداسازی هوا و تولید اکسیژن،نیتروژن و آرگون را برای استفاده بصورت یکی از مواد اولیه تولید شمش فولاد بصورت کوره قوس الکتریکی و آهن اسفنجی را برعهده دارد .هدف این پژوهش پیش بینی میزان تولید آرگون با استفاده از شاخص های مرتبط و استفاده از بهترین اعداد شاخص برای تولید بهینه آرگون با استفاده از روش های یادگیری ماشین می باشد.در این راستا با استفاده از داده های بدست آمده از 6 ماه تولید آرگون بخش جداسازی هوای شرکت فولاد سیرجان ایرانیان استفاده شد که 5 ویژگی مرتبط با آن شناسایی گردید.در مرحله اول تحلیل داده ها برای درک و شفافیت بهتر انجام گرفته و نتایج تحلیل مورد بررسی قرار گرفت و سپس با استفاده از داده های استخراج شده،شش مدل یادگیری ماشین آموزش داده شد که شاخص عملکرد مدل ها،دقت مدل درنظر گرفته شد.پس از بدست آوردن نتایج تست ها، مدل ExtraTreesClassifier با میزان دقت 97.7 % بعنوان بهترین مدل،درنظر گرفته شد.پس از بدست آوردن مدل نهایی،میزان اهمیت هر شاخص از 0 تا 1 بدست آمد که درنهایت یک وب سرور طراحی شد که توانست در راستای پیش بینی تولید آرگون،بصورت مناسب از آن استفاده گردد.

Predicting the amount of argon production using relevant indicators and using the best numbers Index for optimal production of argon using machine learning methods in the SISCO air separation plant. Keywords:

Keywords: machine learning , argon production prediction , EAF steel manufacturing , ExtraTreesClassifier model