Дослідження методів уніфікації та попередньої обробки експериментальних даних для підвищення якості інтеграції в ШІ-моделі компенсації ексцентриситету валків

UKR: У роботі розглянуто питання уніфікації та попередньої обробки експериментальних даних для їх ефективного використання в ШІ-моделях компенсації ексцентриситету валків у процесах листової прокатки. Обґрунтовано, що якість функціонування інтелектуальних моделей значною мірою залежить від узгодженості, повноти та інформативності вхідних даних. Проаналізовано підходи до синхронізації часових рядів, очищення даних, фільтрації шумів, нормалізації та формування ознак. Показано, що застосування процедур уніфікації та попередньої обробки сприяє підвищенню якості інтеграції даних у ШІ-моделі та створює передумови для більш точної компенсації ексцентриситету валків.

ENG: The paper addresses the issues of unification and preprocessing of experimental data for their effective use in AI models for roll eccentricity compensation in sheet rolling processes. It is substantiated that the performance quality of intelligent models largely depends on the consistency, completeness, and informativeness of the input data. Approaches to time-series synchronization, data cleaning, noise filtering, normalization, and feature engineering are analyzed. It is shown that the application of data unification and preprocessing procedures improves the quality of data integration into AI models and creates prerequisites for more accurate roll eccentricity compensation.