Представлены результаты экспериментов по влиянию энергии удара на интенсивность ударно-абразивного изнашивания модельного инструмента из трех марок инструментальных сталей вида конической пики при ударном взаимодействии с фрагментом гранита. Часть инструмента подвергалась типовой термической обработке, практикуемой на заводах-изготовителях пик, другая — дополнительной обработке холодом или криогенной обработке. Для обоснования возможности переноса экспериментальных данных на натурные условия устанавливались рабочие параметры эксперимента, при соблюдении которых его условия будут подобны условиям работы пики гидромолота. Для выполнения указанного подобия уровень контактных напряжений между модельным инструментом и породой в экспериментах был таким же, как и при ударном внедрении пики. Установлена зависимость между интенсивностью ударно-абразивного изнашивания и энергией удара модельного инструмента, на основании которой рассчитаны интенсивности изнашивания пики гидромолота JCB HM380 при разрушении гранитных фрагментов. Оценивалась наработка пики, за которую принималось количество нанесенных ей ударов до полного изнашивания острия. Из сравнения наработки пик, изготовленных из анализируемых сталей и подвергнутых указанным видам термической обработки, сделан вывод о целесообразности внедрения операций обработки холодом и криогенной обработки в технологический процесс изготовления пик гидромолотов.

Big Data analysis is becoming an everyday task for companies all over the world, including Russian companies. Due to advances in technology and the reduction in the cost of storage systems, companies can now collect and store large volumes of heterogeneous data. The important step of extracting knowledge and value from such data is a challenge that will eventually be met by all companies seeking to maintain their competitiveness and place in the market. However, companies face several challenges when it comes to collecting, pre-processing, and integrating data into cohesive data sets designed to deliver analytics. In this article, the above problems and possible solutions are illustrated using the example of cleaning, integration, and normalization of data obtained in the measurement of indicators for the Vanyukov melting furnace process. The article considers an approach to the study of metallurgical processes using the analysis of large operational control data sets. Standard methods of processing the data sets of operational process control are used. The correlation analysis of the main process parameters is carried out. The results are interpreted for their further practical application.

In this article actual topics concerned with mechanical properties of bulk materials, usage of computer vision and artificial neural networks in this research are discussed. The main principles of the system for analysis of bulk materials mechanical characteristics are described. Bulk material outflow behaviour with predefined parameters (particles shapes and radius, coefficients of friction, etc.) was modelled. The outflow was modelled from the calibrated conical funnel. Obtained dependencies between mechanical characteristics and pile geometrical properties are represented as diagrams and graphs.