CC BY
1Д.Н. Раднаев, д-р техн. наук, проф., e-mail: daba01@mail.ru О.Г. Зимина, ст. преподаватель, e-mail: oid67@mail.ru Д-Ц.Б. Бадмацыренов, ассистент, e-mail: dygar-avto03@mail.ru Бурятская государственная сельскохозяйственная академия им. В.Р. Филиппова, г. Улан-Удэ
УДК 631.316
АНАЛИЗ И ВЫБОР ОБЪЕКТА ИССЛЕДОВАНИЯ ПРИ РЕШЕНИИ НАУЧНО-ТЕХНИЧЕСКИХ ПРОБЛЕМ
Рассматривается проблема выбора объекта исследования применительно к решению практических задач при планировании эксперимента. Математические методы планирования эксперимента основаны на кибернетическом представлении об объекте исследования, где наиболее подходящей моделью является так называемый «черный ящик». Определенный уровень изученности проблемы позволяет использовать в процессе сбора ранее систематизированную информацию, способствуя применению дедуктивных способов получения результатов. Применение планирования эксперимента позволяет правильно выбрать стратегию сбора априорной информации в короткие сроки, которая позволит формулировать цель работы и выбирать предварительную схему планирования экспериментов. Обоснован экономический критерий как функция цели, который направлен на увеличения эффективности производства
Ключевые слова: планирование эксперимента, объект исследования, принцип и утверждения, критерий оптимизации, экономический критерий.
D.N. Radnaev, Dr. Sc. Engineering, Prof.
O.G. Zimina, Senior lecturer D-C.B. Badmatsyrenov, assistant
ANALYSIS AND SELECTION OF THE RESEARCH OBJECT IN SOLVING SCIENTIFIC AND TECHNICAL PROBLEMS
The problem of choosing the object of research in relation to solving practical problems in the planning of the experiment is considered. Mathematical methods of experiment planning are based on the cybernetic representation of the object of study, where the most suitable model is the so-called "black box". A certain level of knowledge of the problem allows to use in the process of collecting previously systematized information, contributing to the use of deductive methods of obtaining results. The use of experiment planning allows you to choose the right strategy for collecting a priori information in a short time, which will allow you to formulate the purpose of the work and choose a preliminary scheme for planning experiments. The economic criterion as function of the purpose which is directed on increase of efficiency ofproduction is proved.
Key words: experiment planning, object of research, principle and approval, optimization criterion, economic criterion.
Введение
Изучение объекта исследования заключается в сборе априорной информации и проектировании этого объекта. На основании результатов предварительного изучения объекта исследования формулируется цель работы и выбирается предварительная схема планирования эксперимента. Анализ данных по проблематике исследования предусматривает систематизацию исходной научно-технической информации, а также опрос мнений ведущих ученых специалистов в этой области. Это дает возможность более правильно сформулировать цели предполагаемой работы и оценить ее значение. Планирование эксперимента рассматривается как метод рациональной организации экспериментальных исследований от оптимального выбора исследуемых факторов и определения собственного плана эксперимента в соответствии с его целью до анализа результатов. При этом математические методы применяются не только на стадии обработки результатов эксперимента после его окончания, что уже стало привычным, но и в самом начале работы.
Цель исследования заключается в выборе модели объекта исследования, обеспечивающей его управляемость, в обосновании выбранных параметров оптимизации, управляемых, независимых и контролируемых переменных.
Материал и методы исследования
В связи с тем, что планирование эксперимента основано на кибернетическом представлении об объекте исследования, наиболее подходящей моделью является так называемый «черный ящик». Разработка такой модели соответствует модели, которая представлена информацией, полученной до опыта об объекте исследования при решении задач при неполном знании механизма явления (рис. 1) [3].
I
и, и'2 и/0
Рисунок 1 - Модель объекта исследования при активном эксперименте
Рисунок 1 является многомерно-многомерной схемой, где на объект исследования воздействует множество входных параметров, а его поведение оценивается по множеству выходных показателей. При рассмотрении черного ящика различают входные и выходные параметры. Параметры оптимизации (критерии) являются выходными параметрами (у1, у2, .... ут). К входным параметрам относятся управляемые факторы х 1, х2, ..., Хк; это основные параметры, характеризующие возможные изменения, поэтому лицо, принимающее решение, может не только оказывать на них влияние, но и использовать в интересах объекта. На выходе выделяются, кроме того, неуправляемые параметры г1, г2, гз,..., г„, которые в процессе исследования лишь контролируются, но не изменяются целенаправленно и к которым можно лишь приспосабливаться, а также неконтролируемые Wl, W2, ^з,..., , которые относятся к возмущающим воздействиям на объект исследования в связи с недостаточной научной информацией [2].
Результаты исследований и их обсуждение
Известно, что «обработка полученной в ходе сбора научной информации в основном может подразделяться по различным основаниям их типизации, среди которых наиболее значимыми являются скорость их протекания, вызывающие их причины, частота проявления, результаты воздействия и др. Этот информационный блок распространен больше других, поскольку события занимают наибольшую долю проблемного поля исследуемых процессов» [2]. Поэтому управление объектом исследования невозможно без обратных связей в виде предварительной информации о процессах и результатах достижения целей объекта (рис. 2).
Лицо, Объект
Обратная связь
принимающее исследования
решение
Рисунок 2 - Кибернетическая схема управления
Если объект исследования представляет собой сложную систему с большим количеством параметров, то возможно расчленение объекта на совокупность более простых взаимосвязанных частей, выступающих как единое целое. Процесс установления иерархии этих частей представляет собой известную игрушку - матрешку. Рассмотрим принцип и вытекающие из него утверждения иерархического типа после анализа сложного объекта исследования.
Принцип обратной связи характеризуется связью процесса взаимодействия с лицом, принимающим решение с объектом исследования, за счет расчленения объекта на элементы (подсистемы), установление иерархии элементов и описание связей между ними на различных уровнях иерархии.
Утверждение 1. Обобщение информационного массива формирует предполагаемые выходные параметры. В результате на каждом уровне рассматриваются не все возможные варианты, а только наиболее перспективные.
Утверждение 2. На рассматриваемом уровне производятся корректировка и уточнение выходных параметров, принятых на предыдущих уровнях, вследствие чего между уровнями возникают обратные связи.
Утверждение 3. На последнем уровне расчленения достигается наибольшая степень детализации объекта исследования, которая позволяет рассмотреть структуру, функцию и свойства выходного параметра.
Таким образом, в результате многоуровневой декомпозиции объекта исследования задача выбора выходных параметров сводится к определению их наиболее рациональных системных характеристик на начальном, промежуточном и заключительном уровнях расчленения.
Связь между входными и выходными параметрами характеризуется математическими моделями, например в виде уравнений типа (1).
П = ф (х 1, х2, ..., хк), (1)
где п - параметр (критерий) оптимизации; х1, х2, ..., хк - независимые переменные (факторы), которые следует варьировать при постановке эксперимента.
Для получения приближенных уравнений, используемых при оптимизации объекта исследования, ведут эксперимент. Планирование эксперимента позволяет при этом, используя минимальное число опытов, выбрать именно те условия, которые оптимизируют выходные параметры [3].
Выбор параметров оптимизации и управляемых факторов осуществляется с учетом цели исследований и имеющихся условий для проведения эксперимента. Лицо, принимающее решение, должно иметь ясное, четкое и однозначное представление о цели работы. Желательно, чтобы цель исследований была сформулирована количественно, так как планирование эксперимента связано прежде всего с установлением количественных связей между входными и выходными параметрами изучаемой системы.
Четкая формулировка цели исследования позволяет правильно выбрать выходные параметры, которые представляют функцию цели и являются критериями оптимизации. При оптимизации технологических процессов, когда обычно возникает необходимость в решении компромиссных экстремальных задач, желательно, чтобы критерий оптимизации был экономиче-
ским по форме, но технологическим по содержанию. Чаще всего это означает, что обобщенный критерий должен быть экономическим. Между тем связанные с ним частные критерии, характеризующие локальные цели исследования, должны быть технологическими. Обобщенный экономический критерий позволяет наиболее правильно вести поиск наивыгоднейшего компромисса между улучшением одних и ухудшением других технологических критериев локального характера. При решении некоторых компромиссных задач только экономический критерий дает возможность получить правильные результаты, так как локальные технологические параметры, определяемые физическими величинами в разных размерностях, могут быть несопоставимы [4].
Выбор экономического критерия как функции цели обычно совпадает с интуитивными представлениями об увеличении эффективности производства; в то же время он является разумным, если учесть, что при оптимизации технологических процессов в большинстве случаев решающим является экономический эффект. Технологические параметры, характеризующие производство, обычно можно связать с экономическими показателями, определяющими эффективность производства (производительность, себестоимость, капитальные затраты, качество).
Однако применение в качестве критериев оптимизации отдельных локальных экономических параметров иногда тоже не является рациональным. Например, минимизация затрат может привести к абсурду, если не фиксированы другие показатели, так как «дешевле всего ничего не делать» [4]. Наиболее правильно при оптимизации производства базироваться на обобщенном экономическом критерии. Например, экономическая эффективность технологий и технических средств растениеводства определяется по формуле [5, 6]:
Эгэ = [(Пуд.б. - Пуд.н.) + ДУ] Вз, (2)
где Эгэ - годовой экономический эффект, руб.; Пуд.б., Пуд.н. - удельные приведенные затраты по базовой и новой машине, руб./га; ДУ - дополнительный экономический эффект от изменения количества продукции, полученной при применении новой машины, руб./га; В3 - зональная годовая наработка машины, га.
Экономический подход к выбору функции цели позволяет наиболее правильно решать задачи, относящиеся к оптимизации технологических процессов. Наиболее строго можно сравнивать эффективность различных технологических процессов растениеводства. Конечно, следует иметь в виду, что при решении многих экстремальных задач экономические критерии не имеют смысла, например, при уточнении теоретических представлений об объекте исследования.
Выбирая критерий оптимизации, необходимо учитывать многие факторы. Здесь нужно тщательно, объективно и непредубежденно рассмотреть объект исследования и цели работы. Критерий оптимизации желательно иметь таким, чтобы он однозначно и с достаточной полнотой характеризовал эффективность объекта исследования. Надо стремиться к тому, чтобы критерий был только один, чтобы он мог оцениваться количественно с максимальной статистической эффективностью (последнее позволяет сократить до минимума число параллельных наблюдений) и имел ясный физический смысл [3].
При выборе критерия оптимизации возможны различные ситуации: он может быть известен заранее, неизвестен вообще, известен, но с недостаточной достоверностью; иногда необходимо несколько критериев. Простейший случай имеет место, если заранее известны сам критерий оптимизации и его экстремальное значение. Тогда на стадии предварительного изучения объекта исследования задача заключается в том, чтобы оценить соответствие критерия перечисленным выше требованиям. Особенно важно проверить возможность его количественной оценки с максимальной статистической эффективностью. При этом иногда приходится изменять вид критерия оптимизации.
Не рекомендуется выбирать в качестве критерия оптимизации параметры, выражаемые в процентах (в ограниченном интервале - от 0 до 100%), поскольку такой критерий недоста-
точно статистически эффективен [1]. В частности, при оптимизации основных параметров лопастного метателя в разделении и очистки зерна в качестве критерия целесообразно выбирать не полноту (в %) выделения зерна после очистки, а отношение того количества зерна после очистки, которое получено, к тому объему, которое было переработано.
Когда неизвестно экстремальное значение критерия, к которому необходимо стремиться, целесообразно все же ограничить его значение с одной стороны. Если параметр оптимизации связан со временем, то он может быть представлен случайными функциями. В этом случае, предполагая стационарность случайных функций, для оценки качества регулирования используют их статистические характеристики, усредненные во времени, а затем переходят от усреднения во времени к усреднению по переменным. Когда имеется несколько критериев оптимизации, необходимо рассмотреть вопрос о возможности уменьшения их числа до минимума. Известны различные методы снижения числа критериев оптимизации: путем переформулировки задачи, заменой задачи с несколькими критериями несколькими последовательными задачами с меньшим числом критериев в каждой, оценкой корреляции между имеющимися критериями и исключением тех из них, которые (в случае значимости коэффициентов корреляции) не содержат дополнительной информации об объекте исследования [1].
Критерий оптимизации, выбранной на стадии предварительного изучения объекта исследования, может быть заменен другими в процессе экспериментальной работы. Это, например, возможно при переходе от локальных технологических критериев к обобщенному экономическому критерию и от оптимизации отдельных стадий процесса к оптимизации всего процесса при изменении представлений об объекте исследования.
После выбора критериев оптимизации необходимо выбрать управляемые факторы - переменные, воздействие которых на объект исследования, по мнению экспериментатора, могут влиять на параметр оптимизации. Часто выбранных факторов оказывается очень много; если число их превышает 10, то возникает задача отсеивания незначимых факторов. В качестве управляемых факторов выбирают такие независимые переменные, которые имеют количественную оценку. После выбора факторов для каждого из них необходимо установить основной уровень и интервалы варьирования. При этом интервалы следует выбирать таким образом, чтобы их значения не превышали удвоенной среднеквадратичной ошибки в определении данного фактора.
Предварительное изучение объекта исследования завершается составлением списка параметров оптимизации и факторов с указанием возможных ограничений, точности фиксирования факторов и гарантированной точности определения параметров оптимизации в отдельных опытах. Число параллельных опытов считается достаточным, если с выбранной вероятностью оценка параметра отличается от генерального значения не больше, чем на заданную величину ошибки.
Выводы
1. Обоснован алгоритм выбора подходящей модели объекта исследования, обеспечивающей его управляемость и выбор параметров оптимизации и независимых переменных.
2. На основе кибернетической схемы управления разработаны принцип обратной связи и вытекающие из нее утверждения иерархического типа после анализа сложного объекта исследования.
Библиография
1. Наземные тягово-транспортные системы. Т. 1 / под ред. И.П. Ксеневича. - М.: Машиностроение, 2003. - 743 с.
2. Крутое В.И., Грушко И.М., Попов В.В. и др. Основы научных исследований: учебник для техн. вузов / под ред. В.И. Крутова, В.В. Попова. - М.: Высш. шк., 1989. - 400 с.: ил.
3. РаднаееД.Н. Методологические основы разработки технологий и технических средств посева при возделывании зерновых культур в условиях Забайкалья [Текст]: дис. ... д-ра техн. наук: 05.20.01: защищена 11.10.13: утв. 10.02.14 / Раднаев Даба Нимаевич. - Улан-Удэ, 2013. - 377 с. - Библиогр.
4. Саклаков В.Д., Сергеев М. Технико-экономическое обоснование выбора средств механизации. - М: Колос, 1973. - 200 с.
5. Шпилько А.В., Дригайцев В.И. [и др.]. Экономическая эффективность механизации сельскохозяйственного производства. - М.: Россельхозакадемия, 2001. - 345 с.
6. Шмидт Р.Г., Звягинцев П.С., Волкова Н.Г. Критериальный показатель оценки экономической эффективности внедрения новой техники и технологий // Тракторы, сельхозмашины. - 2010. - № 11. -С.3-4.
Bibliography
1. Ground handling systems. Vol. 1 / Ed. I.P. Ksenevich. - M.: Mechanical Engineering, 2003. - 743 p.
2. Krutov V.I., Grushko I.M., Popov V.V. et al. The basics of scientific research: Textbook. for tech. Universities / Ed. V.I. Krutova, V.V. Popova. - M.: Higher school, 1989. - 400 p.: ill.
3. Radnaev D.N. Methodological foundations of the development of technologies and technical means of sowing when cultivating crops in the Transbaikalia [Text]: diss ... Dr. tech. Sciences: 05.20.01: defendeded 11.10.13: approved 02/10/14 / Radnaev Daba Nimaevich. - Ulan-Ude, 2013. - 377 p. - Bibliogr.
4. Saklakov V.D., Sergeev M. Feasibility study of the choice of means of mechanization. - M: Kolos, 1973. - 200 p.
5. Shpilko A.V., Drigaytsev V.I. [et al.]. Economic efficiency of mechanization of agricultural production. - M.: Russian Agricultural Academy, 2001. - 345 p.
6. Schmidt R.G., Zvyagintsev P.S., Volkova N.G. Criteria for assessing the economic efficiency of the introduction of new equipment and technologies / Tractors agricultural machinery. - 2010. - N 11. - P. 3-4.
