تاثیر پارامترهای سرعت کوره، سرعت IDفن ، آمپر موتور کوره، دمای برگشتی ( هود) بر روی کیلووات ساعت مصرفی موتور اصلی و انرژی حرارتی کوره شرکت صنایع سیمان زابل با استفاده از الگوریتم‌های یادگیری ماشین و روش پاسخ سطح
برای بررسی تأثیر پارامترها و بهینه‌سازی سیستم، ابتدا باید فرآیندها مدل‌سازی شوند. سیستم‌های کوره دوار سیمان به دلیل غیرخطی بودن، تغییرناپذیر با زمان و پر از عدم قطعیت رفتاری پیچیده هستند که در آن مدل‌سازی ریاضی کارخانه غیرممکن است. شبکه عصبی مصنوعی (ANN) و پاسخ سطح (RSM) از بهترین ابزارها برای بررسی و بهبود عملکرد چنین فرآیندهایی می‌باشند. در این مطالعه، تیم دفتر فنی شرکت صنایع زابل به بررسی تاثیر پارامترهای مختلف بر روی میزان مصرف کیلووات ساعت موتور اصلی و انرژی حرارتی کوره پرداخته‌اند. عمده پارامترهای این مقاله سرعت کوره، سرعت ID فن، آمپر موتور کوره، دمای برگشتی( هود) بوده است. داده‌های عملیاتی واقعی جمع‌آوری شده از شرکت صنایع سیمان زابل می‌باشد و روابط بین متغیرها با استفاده از شبکه عصبی مصنوعی از طریق نرم افزار MATLAB و همچنین روش پاسخ سطح با استفاده از نرم افزار Design Expert تجزیه، تحلیل و مقایسه شده‌اند. این تحقیق نشان می‌دهد که استفاده از شبکه هوش مصنوعی و همچنین روش پاسخ سطح برای بهبود عملکرد کوره دوار مؤثر می‌باشد و با بهینه‌سازی پارامترهای عملیاتی از طریق این روش‌ها و اعمال آنها در کوره دوار، تولید بالاتر در صنعت سیمان قابل دستیابی می‌باشد.
