CC BY
81
Известия высших учебных заведений. Поволжский регион
УДК 378
Л. Я. Козак, А. В. Аверченков
ПРИМЕНЕНИЕ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ В УПРАВЛЕНИИ ТЕХНОЛОГИЧЕСКИМ ПРОЦЕССОМ
Аннотация.
Актуальность и цели. Эффективность производственного процесса непосредственно зависит от качества управления технологией, которая, в свою очередь, опирается на точность и оперативность обработки контрольноизмерительной информации. Разработка математических методов исследования системных связей и закономерностей функционирования и построение математических моделей с учетом структурных особенностей объекта исследований, а также написание программных продуктов для реализации данных методов являются актуальными задачами. Для примера реализации математических методов и апробации построенных моделей в основу были взяты данные Молдавского металлургического завода.
Материалы и методы. Для исследования данных технологического процесса по показателям выплавки высокоуглеродистой и низкоуглеродистой марок стали использовали модифицированный метод случайного баланса при пассивном эксперименте. Построение адекватных моделей производили методом наименьших квадратов с предварительной ортогонализацией факторов.
Результаты. Разработаны и апробированы адекватные математические модели на основе данных технологического процесса Молдавского металлургического завода. Произведен расчет информационной емкости полученных моделей с помощью предлагаемого программного решения.
Выводы. Современные информационные технологии позволяют разработать необходимые программные продукты, позволяющие провести разработку моделей сложных объектов, что позволит будущим инженерам качественно и на высоком профессиональном уровне решать практические задачи на производстве.
Ключевые слова: производственный процесс, технология, модифицированный метод случайного баланса, метод наименьших квадратов.
L. Ya. Kozak, A. V. Averchenkov
APPLICATION OF COMPUTER MODELING IN TECHNOLOGICAL PROCESS MANAGEMENT
Abstract.
Background. Efficiency of production directly depends on technology management quality. The technology, in turn, relies on accuracy and efficiency of control and measuring information processing. Development of mathematical methods of researching system communications and regularities of functioning and creation of mathematical models, taking into account structural features of the research object, as well as development of software products for realization of the said methods are urgent tasks. As an example of realization of mathematical methods and approbation of the constructed models the authors took the data of the Moldavian steel.
Materials and methods. In order to research of the technological process data by high-carbonaceous and low-carbonaceous brands smelting indices the authors used the modified method of casual balance at passive experiment. Adequate models were created by the method of least squares with preliminary orthogonalization of factors.
144
University proceedings. Volga region
№ 3 (35), 2015
Технические науки. Машиностроение и машиноведение
Results. Adequate mathematical models on the basis of the technological process data of the Moldavian steel works have been developed and approved. The authors have calculated information capacity of the received models by means of the proposed software.
Conclusions. Modern information technologies allow to develop the necessary software products allowing to develop the models of complex objects that will make it possible, in turn, for future engineers to solve practical problems in production qualitatively and at a high professional level.
Key words: production process, technology, modified method of casual balance, method of least squares.
В современных производственных отраслях к настоящему времени накоплены большие объемы количественной информации, полученной в режиме нормального функционирования объекта. Обработка этих данных с целью выявления причинно-следственных связей затруднена вследствие трудоемкости методов свертки (например, в виде многомерных регрессионных уравнений связи), а также вследствие большого объема числового материала. В этом отношении наибольший интерес представляют объекты, имеющие сложный характер как по количеству входных и выходных параметров, так и по иерархии обработки (например, изделия электронной техники).
Рост структурной и функциональной сложности объектов исследования, а также необходимость оперативного вмешательства в управление с целью повышения эффективности их функционирования обусловливают появление новых острых проблем в этой области. Общими особенностями таких объектов, затрудняющих применение известных методов свертки информации, их математического описания и управления в промышленности, являются:
1) многономенклатурность;
2) сравнительно низкий процент выхода годных изделий, что требует оперативного анализа объекта для выявления неудовлетворительно работающих его компонентов;
3) групповой характер производства, что требует учета иерархии обработки и коррекции режимов работы оборудования и/или параметров изделий;
4) длительность изготовления изделий, что приводит к появлению множества влияющих производственных факторов, коррелированных с параметрами изделия (например, для изделий электронной техники). В свою очередь это приводит к необходимости разработки эффективной процедуры выявления информативных (контролируемых) параметров;
5) дрейф технологических условий, что приводит к необходимости оперативной корректировки режимов функционирования оборудования в пределах одного цикла производства [1].
Наиболее перспективным и экономически целесообразным решением поставленных вопросов, в том числе выявление скрытых резервов производства, является полное использование контрольно-измерительной информации (КИИ), накопленной за некоторый период времени по результатам пооперационных и итоговых контролей. Однако этому препятствуют:
1) отсутствие объективной эффективной системы выбора контролируемых (контролепригодных) параметров изделия, имеющих существенное вли-
Engineering sciences. Machine science and building
145
Известия высших учебных заведений. Поволжский регион
яние на выходные показатели качества (в том числе процента выхода годных) и метода комплексного анализа взаимосвязей между ними;
2) отсутствие объективной меры оценки этой эффективности, которая позволила бы выбрать наиболее подходящую модель для управления объектом;
3) отсутствие объективного метода декомпозиции сложного объекта исследования на практически независимые части, позволяющего получить комплексную модель, пригодную для управления объектом, в более короткие сроки и с меньшими вычислительными трудностями;
4) отсутствие связанной цепочки математических методов и комплекса компьютерных программ, позволяющих в единой форме и в одной интегрированной среде программирования обрабатывать производственную (экспериментальную) КИИ от первоначальной таблицы исходных данных до доказательства адекватности полученной модели с рекомендациями по ее применению для корректировки производственных режимов.
Ввиду того, что эффективность производственного процесса непосредственно зависит от качества управления технологией, которая в свою очередь опирается на точность и оперативность обработки КИИ, разработка математических методов исследования системных связей и закономерностей функционирования и построение математических моделей с учетом структурных особенностей объекта исследований, а также написание программных продуктов для реализации данных методов является актуальной задачей.
Для примера реализации математических методов и апробации построенных моделей в основу были взяты данные Молдавского металлургического завода. Получение модели выплавки стали по пассивным данным на Молдавском металлургическом заводе производится впервые. В качестве первичного метода моделирования был выбран модифицированный метод случайного баланса при пассивном эксперименте (ММСБП) [2].
Поскольку общим требованием всех факторных планов является независимость факторов, то факторы предварительно были исследованы на их корреляционную связь и в конечном варианте использовались только некоррелированные факторы. В качестве входных параметров для данного метода были представлены 22 наименования показателей выплавки низкоуглеродистой и 38 показателей высокоуглеродистой марок стали.
В результате анализа комплексного показателя качества для низкоуглеродистой марки стали были отброшены строки, для которых данный показатель не превышал значение, равное 0,7, для высокоуглеродистой - 0,5. В результате отсева для построения модели по данным выплавки низкоуглеродистой стали использовали 142 строки. Для высокоуглеродистой стали были составлены две сводные таблицы факторов и обобщенного выходного показателя.
Таблица А (содержание N (азота) не более 0,007 %): была 121 строка, убрали неудовлетворяющие условиям строки и осталось 106 строк, после чего убрали строки, где D < 0,5, осталось 85 строк.
Таблица Б (содержание N (азота) не более 0,009 %): было 426 строк, убрали неудовлетворяющие условиям строки, осталось 335 строк, после чего убрали строки, где D < 0,5, осталось 272 строки.
На основе полученных таблиц был построен план квазиактивного эксперимента, для чего предварительно необходимо определить закон распреде-
146
University proceedings. Volga region
№ 3 (35), 2015
Технические науки. Машиностроение и машиноведение
ления выходной величины. В данном исследовании обе группы величин распределены по закону, отличному от нормального. При построении плана для расчета контрастных областей определена величина z = 0,5.
В результате проведенных расчетов была получена адекватная модель:
1) для низкоуглеродистой марки:
Y = 82,6 - 1,23х1 - 1,94х3 - 2,81х4 + 1,31х8 - 1,4х13 - 1,47х17 + 2,49х18 - 1,53х20;
2) для высокоуглеродистой марки:
- для таблицы А:
Y = 58,8 + 2,43хм + 1,917хх6 + 2,248х17 - 2,268х20 + 2,643х21 -- 1,83х22 + 1,426х25 + 1,47х26 + 1,847х29 + 1,8 92x37;
- для таблицы Б:
Y = 59,05 - 0,915х9 + 2,5х17 - 2,736х20 + 2,833x2J - 1,153х22 + 1,096х25 + 1,278х29,
где Y представлен в абсолютных единицах (%), а факторы - в кодированном виде. Расшифровка кодов для низкоуглеродистой марки дана в табл. 1, для высокоуглеродистой марки - в табл. 2.
Расчетные значения коэффициента Фишера подтвердили адекватность полученных моделей:
- для низкоуглеродистой марки он равен значению 0,65;
- для высокоуглеродистой марки - 0,22 (для первой таблицы данных) и 0,3 (для второй таблицы данных) [2].
Таблица 1
Расшифровка значений некоторых факторов низкоуглеродистой марки
Усл. обозн. Параметр Ед. изм. Абсолютные значения при кодах
-1 +1
Х1 подвалка 1 т < 38,2 > 44,57
х3 температура выпуска С° < 1627,74 > 1655,33
х4 окисленность ppm < 1052,96 > 1340,81
х8 Cr % < 0,043 > 0,058
*13 длительность внепечной обработки мин < 47,77 > 68,13
х17 Cu % < 0,209 > 0,236
х18 Mn % < 0,28 > 0,34
х20 Al % < 0,018 < 0,057
Расчет информационной емкости моделей ММСБ определил возможность использования моделей в дальнейшей работе:
- для низкоуглеродистой марки она равна значению 4 %;
- для высокоуглеродистой марки - 11,22 % (для первой таблицы данных) и 8,35% (для второй таблицы данных).
Расчеты по высокоуглеродистой марке позволили сделать вывод о том, что для дальнейших расчетов будет использоваться только таблица А. Поскольку для низкоуглеродистой марки показатель информационной емкости очень мал, то возникла необходимость в корректировании исходных параметров для следующей итерации построения модели [3].
Engineering sciences. Machine science and building
147
Известия высших учебных заведений. Поволжский регион
Таблица Б
Расшифровка значений некоторых факторов высокоуглеродистой марки
Усл. обозн. Параметр Ед. изм. Абсолютные значения при кодах
-1 +1
Х14 CaO ком кг < 399,216 > 457,725
x16 МнС17 (Р35) и (Р50) кг < 705,806 > 752,853
x17 Графит кг < 696,577 > 814,246
x20 t послед С° < 1532,3 > 1538,3
x21 С % < 0,7568 > 0,8087
x22 P % < 0,0103 > 0,0123
x25 Si % < 0,1848 > 0,2018
x26 V % < 0,001 > 0,002
x29 Плав. шпат CaF2 кг < 438,180 > 541,302
x37 Расход аргона м3 < 0,082 > 0,123
По результатам модели ММСБ была построена адекватная модель методом наименьших квадратов с предварительной ортогонализацией факторов (МНКО) для высокоуглеродистой марки:
- ортогональные полиномы:
Y = 58,75 + 49,83^i(z) + 0,02¥2(z) + 26,6^(z) + 83,72¥s(z);
- абсолютная декартова система координат:
Y = -46,62 + 44,05x2i + 0,02x14 + 31,88x37 + 82,98x25.
Информационная емкость модели в исходном случае равна 34,64 %.
После проведения дополнительной очистки данных от грубых промахов, отбора информативных параметров была построена более адекватная модель тем же методом МНКО:
- ортогональные полиномы:
Y = 58,75 + 49,83¥i(z) + 0,02¥2(z) + 26,6^5(z);
- абсолютная декартова система координат:
Y = 25,21 + 37,2x21 + 0,01x14 + 29,05x37.
Информационная емкость модели после обработки повысилась на 5,5 % и составила 40,13 %.
Проведенный анализ качества моделей путем сравнения их информационных емкостей показал, что с помощью МНКО получена модель лучше, чем модель, найденная по данным ММСБП. Полученные значения информационной емкости (превышающие границу 35 %) позволяют сделать вывод о пригодности данных моделей для использования в производстве выплавки стали [4].
Обычно модели получают путем статистической обработки массива экспериментальных данных, полученных на уже действующем конкретном объекте, т.е. когда агрегат уже создан и технологическая схема уже разработана. Поэтому область поиска оптимальных решений ограничена жесткими рамками существующей технологической схемы и областью варьирования переменных в исходном массиве. В отличие от этого, исследователю следует
148
University proceedings. Volga region
№ 3 (35), 2015
Технические науки. Машиностроение и машиноведение
опираться на чисто теоретическую модель, позволяющую даже без статистической «привязки» решать широкий круг практических задач. В случае теоретической (детерминированной) модели поиск возможных решений может происходить во всей, практически не ограниченной, области действия физико-химических законов и констант, при этом, в принципе, система может предлагать, или, как говорят, генерировать, новые технологические решения. Поиск в области принципиально возможных, но еще не реализованных на практике, решений относится к элементам творческого процесса, именно по этой причине было решено изучить стандартные статистические пакеты и выявить отсутствие встроенных возможностей реализации всех необходимых функций [5].
Применение пакета MathModel (разработчики НИЛ «Математическое моделирование», г. Тирасполь, Молдова) позволяет провести всю цепочку работ над экспериментальными данными от очистки данных от грубых промахов, отбора информативных параметров до получения различных статистических математических моделей и оценки качества путем сравнения их информационных емкостей.
Ядро программы работает с данными. Его задача состоит в загрузке данных с диска, сохранении на диск и хранении в памяти. Входными данными для программы служат двумерные таблицы, столбцы которой являются выборками случайной величины исследуемых параметров, а строки - числовыми измерениями, принадлежащими одному объекту.
Оболочка обеспечивает интерфейс с пользователем и модулями методов. Для этого разработан шлюз, который передает данные между ядром программы и методами.
Модули методов программно представляют собой стандартные Windows библиотеки DLL, написанные в соответствии с разработанным стандартом написания модулей методов. Они отделены от ядра программы, так как каждая из них представляет отдельный программный блок. Библиотеки получают данные от ядра программы и обрабатывают их, а затем выводят результаты пользователю. Новые модули методов можно разрабатывать в любой среде программирования, поддерживающей создание библиотек DLL.
Программа хороша тем, что реализовано довольно много методов статистического моделирования по пассивным данным, но есть ряд недостатков:
1) при создании нового проекта нет возможности вручную ввести значения для вычислений;
2) ограничено количество параметров для расчетов, не более 50;
3) программа не позволяет сохранять промежуточные данные, так как не использованы базы данных;
4) не предусмотрена сетевая версия продукта.
Разработанный программный комплекс в рамках филиала Приднестровского государственного университета им. Т. Г. Шевченко позволяет устранить ограниченность в размерности факторного пространства [6]. Он реализован на Borland C++ Builder и выполнен в виде готовой программы, которая при запуске не требует установки среды реализации.
Взаимодействие приложения и исходных таблиц осуществляется при помощи программного интерфейса доступа к данным ActiveX Data Objects (ADO), разработанного компанией Microsoft.
Engineering sciences. Machine science and building
149
Известия высших учебных заведений. Поволжский регион
Данное приложение является монолитным продуктом, который на входе получает данные из исходной Excel-таблицы и на выходе формирует готовую модель.
Но в дальнейшей эксплуатации приложения в рамках исследования появилась необходимость в межэтапной обработке данных. Интегрированный комплекс не позволяет проводить подобные типы работ.
В ходе исследования возникла необходимость в визуализации контроля отсева грубых промахов. Такая функция была реализована в рамках отдельных проектов, где наглядно отображалась таблица двумерного распределения. Поэтому перед разработчиками была поставлена задача реализовать приложение средствами Borland C++ Builder, решающее частные задачи: загрузки данных из исходной Excel-таблицы, построения двумерной таблицы распределения, очистки исходных данных от грубых промахов. Параллельно велась разработка приложения с данным функционалом и на Oracle с целью получения сравнительной оценки затрат ресурсов для реализации поставленной задачи.
Очередная версия приложения была дополнена и реализована разработчиками как сетевая версия продукта под управлением Oracle. Серверная часть работает под управлением системы управления базами данных (СУБД) OraclelOg и представляет собой набор таблиц и хранимых подпрограмм. При проектировании комплекса было решено, что большая часть вычислений будет выполняться средствами СУБД Oracle, так как данный подход позволяет сократить расходы системных ресурсов, необходимых для передачи данных клиенту и их возврату в измененном виде.
Клиентская часть представлена программным проектом, состоящим из набора функционально разделенных модулей. В качестве среды разработки использован Borland C++ Builder. Результатом сборки проекта является исполняемое приложение, предоставляющее пользовательский интерфейс для выполнения вычислительных задач, возложенных на программный комплекс. Необходимым условием его функционирования является наличие подходящего для данной СУБД драйвера поставщика данных. В результате проведенных тестирований установлено, что драйвер компании Oracle обеспечивает стабильную работу. Данный продукт был реализован с учетом среды внедрения на производстве Oracle, его использование требует установки данной среды на каждом рабочем месте, где оно может применяться. Таким образом, современные информационные технологии позволяют разработать необходимые программные продукты, позволяющие провести разработку моделей сложных объектов, что позволит в свою очередь будущим инженерам качественно и на высоком профессиональном уровне решать практические задачи на производстве.
Список литературы
1. Cameron, A. C. An-squared measure of Goodness of Fit for Some Common Nonlinear Regression Models / A. C. Cameron, A. D. Windmeijer // Journal of Econometrics. - 1997. - Vol. 77. - P. 329-342.
2. Долгов, Ю. А. Статистическое моделирование : учеб. для вузов / Ю. А. Долгов. - 2-е изд., доп. - Тирасполь : Изд-во Приднестр. ун-та, 2011. - 350 с.
3. Аверченков, А. В. Средства реализации процедуры сокращения факторного пространства / А. В. Аверченков, Л. Я. Козак // Информационные системы и технологии. - 2013. - № 6 (80). - С. 5-10.
150
University proceedings. Volga region
№ 3 (35), 2015
Технические науки. Машиностроение и машиноведение
4. Dogerty, K. Introduction to Econometrics / K. Dogerty. - The 3-th Ed. - Oxford : Oxford University Press, 2006.
5. Phillips, P. C. B. Linear Regression Limit Theory for Nonstationary Panel Data / P. C. B. Phillips, H. R. Moon // Econometrica. - 1999. - Vol. 67. - P. 1057-1111.
6. Долгов, Ю. А. Схема математического моделирования технологического процесса плавки стали / Ю. А. Долгов, Л. Я. Козак, О. В. Шестопал // Радюелектронш i комп'ютерш системи. - 2010. - № 7. - С. 157-160.
References
1. Cameron A. C., Windmeijer A. D. Journal of Econometrics. 1997, vol. 77, pp. 329342.
2. Dolgov Yu. A. Statisticheskoe modelirovanie: ucheb. dlya vuzov [Statistical modeling: textbook for universities]. The 2nd Ed. Tiraspol: Izd-vo Pridnestr. un-ta, 2011, 350 p.
3. Averchenkov A. V., Kozak L. Ya. Informatsionnye sistemy i tekhnologii [Information systems and technologies]. 2013, no. 6 (80), pp. 5-10.
4. Dogerty K. Introduction to Econometrics. The 3-th Ed. Oxford: Oxford University Press, 2006.
5. Phillips P. C. B., Moon H. R. Econometrica. 1999, vol. 67, pp. 1057-1111.
6. Dolgov Yu. A., Kozak L. Ya., Shestopal O. V. Radioelektronni i komp’yuterni sistemi [Radio electronic and computer systems]. 2010, no. 7, pp. 157-160.
Козак Людмила Ярославовна
кандидат технических наук, заместитель директора по учебной работе, Приднестровский государственный университет имени Т. Г. Шевченко (Рыбницкий филиал) (Приднестровская молдавская республика, г. Рыбница, ул. Гагарина, 12)
E-mail: Ludmilayaroslavovna@gmail.com
Аверченков Андрей Владимирович
доктор технических наук, профессор, кафедра компьютерных технологий и систем, Брянский государственный технический университет (Россия, Брянск, бул. 50-летия Октября, 7)
E-mail: mahar@mail.ru
Kozak Lyudmila Yaroslavovna Candidate of engineering sciences, deputy director for academic affairs, Transdniestria State University named after T. G. Shevchenko (Rybnitsa branch)
(12 Gagarina street, Rybnitsa,
Transdniester Moldavian Republic)
Averchenkov Andrey Vladimirovich Doctor of engineering sciences, professor, sub-department of computer technologies and systems, Bryansk State Technical University (7 50-letiya Oktyabrya boulevard, Bryansk, Russia)
УДК 378 Козак, Л. Я.
Применение компьютерного моделирования в управлении технологическим процессом / Л. Я. Козак, А. В. Аверченков // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2015. -№ 3 (35). - С. 144-151.
Engineering sciences. Machine science and building
151
