Внедрение «Автоматизированной системы пооперационного контроля производства отливок (АС ПКПО)» является основой комплексной автоматизированной системы управления производством (АСУП). Она выполняет три основные задачи: контроля и учета (хода производства, изделий, материалов и пр.), повышения качества литья и оперативного управления технологическими процессами. Решение этих задач было выполнено за счет автоматизации сбора данных в реальном времени по всем производственным операциям, учета материальных потоков, создания оперативных каналов связи, а также централизованного сбора, обработки и представления данных сервером технологической информации. Следующим этапом в построении эффективной АСУП является стабилизация качества продукции при изменении внешних условий, например, качества материалов, и оптимизации производства (изменение технологии с целью снижения себестоимости при неизменном или более высоком качестве продукции). Второй этап основан на математической обработке и анализе данных, поступающих от АС ПКПО, позволяет определить оптимальные диапазоны параметров технологических процессов – «Автоматизированная система оптимизации и анализа хода производства (АС ОАХП)». АС ОАХП состоит из двух подсистем: анализа качества и управления технологией. Первая решает задачи анализа данных и моделирования, вторая – расчета в реальном времени оптимальных параметров процессов и прогнозирования. Задачи этапов конкурируют за доступ к разным аппаратным ресурсам. Наиболее критичным параметром для АС ПКПО является производительность дисковых массивов сервера, для АС ОАХП – производительность процессора. В том и другом случаях масштабирование системы эффективно решается за счет распараллеливания операций по разным серверам, образующим кластер, и по разным процессорам (ядрам) на одном сервере. Для обработки изображений дефектов и получения причинно-следственных характеристик можно воспользоваться программным пакетом OpenCV, который представляет собой библиотеку компьютерного зрения с открытым исходным кодом. В процессе обработки использовались оператор Собеля, фильтр Гаусса и бинаризация. В основе их лежит обработка пикселей с помощью матриц. Операции над пикселями независимы и могут выполняться параллельно. Задача кластеризации сводится к определению экспертным способом или с использованием различных математических алгоритмов принадлежности дефектов по совокупности значений зависимых факторов к определенному кластеру (блоку данных). Таким образом формируются блоки данных по критерию причины дефекта. Вычисление блока данных, к которому принадлежит дефект изделия, может оказаться весьма ресурсоемкой операцией. Для повышения эффективности систем распознавания образов и распараллеливания операций поиска имеет смысл размещение кластеров данных на разных серверах. В итоге возникает необходимость в распределенной базе данных. Это особый класс СУБД, для которого необходимо соответствующее программное обеспечение. Создание АС ОАХП на основе многоузлового кластера с установленной СУБД ApacheCassandra и использование на каждом узле видеокарт компании Nvidia, поддерживающих технологию CUDA, будет являться наиболее дешевым и эффективным решением. Видеокарты выбираются исходя из необходимого количества графических процессоров на узле., Научный рецензируемый журнал "Известия Высших Учебных Заведений. Черная Металлургия", Научный рецензируемый журнал «Известия вузов. Цветная металлургия» является старейшим российским журналом в области металлургии (издается с1958 г.) и имеет многолетнюю историю. В журнале .