The usage of data mining tools for green moulding sands quality control

High competition on the international casting market and customers requirements concerning the casts quality forced foundries to keep introducing more advanced technological, economical and ecological solutions. IT solutions have recently become their integral part. They are usually related to such areas like information flow and logistics. Computer systems allow to define and create processes databases, update data, to follow parameters affecting the quality and use collected data to control current quality. One of the modern methods for production optimization is using artificial neural networks (ANN). Neural networks have been very popular during last years, because ANN can use collected past data what could be very helpful in solving important industrial problems. This article presents the comparison of two types of data mining tools for green moulding sands properties analysis, such as artificial neural networks and a naive Bayesian classifier. The tests were performed using collected data sets. An attempt to use artificial neural networks (ANN) for green moulding sands quality control is also presented.

---

Wysoka konkurencja na międzynarodowym rynku odlewniczym, a także wysokie wymagania klientów odnośnie do jakości odlewów, zmuszają odlewnie do wprowadzania coraz doskonalszych rozwiązań technologicznych, ale także ekonomicznych i ekologicznych. Ich integralna częścią stają się ostatnio także rozwiązania informatyczne. Te ostatnie dotyczą coraz częściej takich obszarów jak przepływy informacji i logistyka. Postep ten dokonuje się poprzez wdrożenia rozwiązań systemowych. Systemy informatyczne powinny pozwalać na definiowanie i tworzenie baz danych o procesach, śledzić parametry wpływające na jakość, aktualizowac bazy danych, a pozyskiwane informacje wykorzystywac do bieżącego sterowania jakością i do jej analiz. Jedna z nowoczesnych metod optymalizacji produkcji są sztuczne sieci neuronowe. Sztuczne sieci neuronowe wykorzystują bazy zgromadzonych danych i mogą być bardzo pomocne w rozwiazywaniu problemów produkcyjnych. W artykule zaprezentowano porównanie narzędzi analizy danych, takich jak sztuczne sieci neuronowe i naiwny klasyfikator Bayesa do analizy właściwości syntetycznych mas formierskich. Analizy wykonano wykorzystując zgromadzone dane doświadczalne. Przedstawiono próbe zastosowania sztucznych sieci neuronowych do sterowania jakością syntetycznych mas formierskich.