Forecasting of industrial coke quality at JSC EVRAZ NTMK based on data of passive industrial experiment. Report 1. Forecasting of CSR and CRI of industrial coke
Notice bibliographique
Résumé
A forecast of coke quality takes a special place in the coke production, since it enables to increase efficiency of management of batching process of various by composition and properties coals and production of coke of stably high and required quality with minimal costs. Description of a methodological approach to processing of passive industrial experiment data of blends coking at Coke production department of JSC EVRAZ NTMK presented by application selective (general) matrix. The matrix accounts various multilevel values of influence factor CSR and CRI of coke - a complex index of coking ability of blends K.п.к. Vo . It was shown that the proposed approach provides wide variations of response function (CSR/CRI) at symmetrical enough matrix, excluding predominance of any particular area of values of indices K.п.к. Vo and CSR/CRI. By applying the passive industrial experiment, based on processing of actual report data of industrial blends coking at the coke batteries No. 5-6 (wet quenching) and No. 9-10 (dry quenching) by selective matrix, mathematical models of forecast of quality of industrial coke by wet and dry quenching (CSR/CRI) were elaborated depending on coal charges properties (K.п.к. Vo ) at the existing modes of their preparation and coking at the coke batteries No. 5-6 and 9-10. Verification of accuracy of the mathematical models of coke quality forecast at wet and dry quenching (CSR/CRI) processing a large actual material of industrial coking (62 coking operations in the coke batteries No. 5-6 and 58 coking operations in the coke batteries No. 9-10 showed accuracy good enough for practical application of forecasting indices CSR and CRI of industrial coke of wet and dry quenching.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».