رضا دهقان - دانشکده مهندسی معدن و متالورژی، دانشگاه یزد، یزد، ایران

از داده کاوی به عنوان کشف دانش نهفته در داده های موجود در یک پایگاه داده تعبیر می شود. امروزه به واسطهاتوماسیون کارخان ههای فرآوری و افزایش تعداد سنسورها و تجهیزات اندازه گیری در خط تولید، حجم زیادی از داده هایفرآیند در دسترس هستند. در این تحقیق از فن های مختلف داده کاوی برای مدل سازی و پیش بینی شاخص هایمتالورژیکی یک کارخانه فلوتاسیون صنعتی بر حسب متغیرهای فرآیند استفاده شده است. در کارخانه مذکور روزانه ۲۰هزار تن ماده معدنی با عیار مس حدود ۶ / ۰ درصد به کنسانتره مس با عیار ۲۸ - ۳۰ درصد تبدیل میشود. تغییرپذیریشدید ماهیت بار ورودی به کارخانه موجب شده است تا پیش بینی شاخص های فرآیند به یکی از چالش های اصلیمهندسین فرآیند تبدیل شود. در این تحقیق قابلیت الگوریتم های مختلف دادهکاوی شامل درخت تصمیم، سری هایزمانی و شبکه عصبی برای مدل سازی فرآیند بر اساس داده های ۳۱۷ شیفت عملیات تولید بررسی شد و قواعد انجمنیبین برخی از متغیرهای فرآیند و شاخص های پاسخ فرآیند به دست آمد. نتایج حاکی از قابلیت مناسب فن های داده کاویبرای پیش بینی رفتار فرآیند در مواردی است که توسعه و استفاده از مدلهای فیزیکی غیرممکن است.

داده کاوی، قواعد انجمنی، فلوتاسیون، مدل سازی