- •Вопрос 1. Этапы проектирования сложных систем. Роль проведения нир для решения задач моделирования и оптимизации.
- •Этап разработки технического проекта объекта
- •Рабочее проектирование
- •Проектирование технологии изготовления спроектированного объекта
- •Вопрос 2. Системный подход к задаче автоматизированного проектирования. Автоматизированный технологический комплекс (атк).
- •Вопрос 3. Обоснование применения и роль статистических методов при проектировании и управлении технологическим процессом производства рэс.
- •Вопрос 4. Предварительная обработка экспериментальных данных как основа для корректного перехода к построению математических моделей. Пояснить на конкретном тп производства транзисторов или вку.
- •Вопрос 6. Постановка задачи оптимизации при проектировании и управлении производством рэс: выбор целевой функции, виды критериев.
- •Вопрос 7. Обобщенный критерий качества для проектирования и управления технологическим процессом (тп). Схема оптимизации критерия для управления качеством производимой продукции.
- •Вопрос 8. Применение методов планирования для отыскания оптимальных технологических режимов.
- •Вопрос 9. Экономические критерии управления технологическим процессом. Зависимость экономических показателей от параметров процесса и показателей качества готовой продукции.
- •10 Вопрос Проектирование технологических процессов
- •11В. Алгоритм построения принципиальной схемы технологического процесса производства рэс.
- •12. Алгоритм проектирования технологических маршрутов
- •13. Алгоритм проектирования технологических операций
- •14. Статистические модели систем оперативного управления технологическим процессом (соу)
- •Вопрос 15. Моделирование и идентификация динамических систем.
Вопрос 8. Применение методов планирования для отыскания оптимальных технологических режимов.
В прикладной статистике методы обработки экспериментальных данных принято разделять на пассивные и активные. При проведении пассивного эксперимента исследователь не вмешивается в процесс функционирования изучаемого объекта. Его роль заключается лишь в том, чтобы снять информацию с функционирующего объекта и обработать ее в соответствии с принятой математической моделью объекта. Постановка активного эксперимента осуществляется по принятому заранее плану или программе. Такой эксперимент предусматривает вмешательство в разные стадии разработки и производства объекта и далее в процесс его функционирования. Чем активнее вмешательство в исследуемый процесс, тем с большей уверенностью можно ожидать извлечения из него информации, которая может быть использована для построения математической модели процесса и его управления. Оптимизация процесса начинается обычно в условиях, когда он уже подвергался некоторому исследованию, т.е. уже имеется некоторая априорная информация. На основе анализа этой информации происходит выбор границ областей изменения факторов, выбор основных уровней и интервалов варьирования для каждого исследуемого фактора. В качестве исходной точки проведенного эксперимента берут обычно ту точку факторного производства, где, по предположению, будет получен наилучший результат.
Далее определяют для каждого фактора уровни, на которых он будет варьироваться в эксперименте. Уровни берутся симметрично относительно основного уровня.
Активный эксперимент состоит в том, что в каждом опыте одновременно варьируют все независимые переменные (факторы) по специальному плану.
Также, как и в пассивном эксперименте, в теории планирования эксперимента объект рассматривается как “черный ящик”, имеющий n- входов и l-выходов (многополюсник).
Входы “черного ящика” называются факторами, а выходы – параметрами оптимизации.
При активном эксперименте факторы варьируются на двух уровнях: верхнем (+) и нижнем (-). Эксперимент, в котором реализуются всевозможные неповторяющиеся сочетания уровней факторов называют полным факторным экспериментом (ПФЭ).
Избыточность опытов используется для формирования планов дробного факторного эксперимента (ДФЭ).
Для упрощения записи условий эксперимента и обработки экспериментальных данных уровням варьирования ставятся в соответствия числа: верхнему (+1), нижнему (‑1). Если каждый из факторов варьируется на двух уровнях, то необходимое число опытов N = 2n, где 2 – число уровней, n – число факторов. Реализация всех этих сочетаний – ПФЭ. Рассмотрим всевозможные сочетания уровней двух факторов х1 и х2, n=2.
Таблица 1.
х1 |
х2 |
|
+1 |
+1 |
P1 |
-1 |
+1 |
P2 |
+1 |
-1 |
P3 |
-1 |
-1 |
P4 |
N = 22. Строки этой матрицы называются матрицей планирования. р1, …, р4 – полученные значения параметров оптимизации.
Матрица планирования для 3-х факторов (n=3) строят, дважды повторяя матрицу планирования для 2-х факторов (табл.1) в сочетании с нижним и верхним уровнями 3-го фактора (табл.2).
Таблица 2.
-
х1
х2
х3
+1
-1
-1
P1
-1
+1
-1
P2
-1
-1
-1
P3
+1
+1
-1
P4
+1
-1
+1
P5
-1
+1
+1
P6
-1
-1
+1
P7
+1
+1
+1
P8
Планирование эксперимента по схеме ПФЭ применяется при получении линейной математической модели.
Для сокращения числа опытов используется ДФЭ. Эффект влияния одного из факторов зависит от уровня на котором находится другой фактор – эффект взаимодействия двух факторов (столбец х1х2 в табл.3). Взаимодействие двух факторов называют эффектом взаимодействия первого порядка, трех факторов – эффектом второго порядка. Правило сокращения числа опытов: чтобы сократить число опытов нужно новые дополнительные факторы варьировать в соответствии со столбцами, принадлежащими взаимодействиям, которыми можно пренебречь. Планирование с учетом этого правила носит название ДФЭ, а матрица планирования – дробных реплик от ПФЭ. Табл. 3 (из 4-ех опытов для изучения 3-х факторов) – полу реплика ПФЭ.
Таблица 3.
х1 |
х2 |
х3 = х1 ∙ х2 |
|
+1 |
-1 |
-1 |
P1 |
-1 |
+1 |
-1 |
P2 |
-1 |
-1 |
+1 |
P3 |
+1 |
+1 |
+1 |
P4 |
Процесс составления матрицы планирования можно показать на рис.