Оптимизация на корреляционных моделях

Следует отметить, что моделирование многомерных регрессионных задач, проведенное с помощью ЭВМ на искусственных примерах [37], продемонстрировало влияние ошибок в измерении факторов и правомерность процедуры отбрасывания факторов. В результате этого исследования показано, что ошибки при измерении факторов и их коррелированность между собой приводит к значительному искажению исходного уравнения. Отсюда, конечно, не следует, что нужно полностью отказаться от пассивных методов исследования объектов химической технологии. Корреляционный и регрессионный анализы продолжают оставаться действенным средством текущего анализа производства. Но данных пассивного эксперимента, собранных при значительных ограничениях, высоком уровне помех и нередко низком уровне оснащенности производства контролирующими приборами, явно недостаточно, чтобы построить математические модели, пригодные для управления и оптимизации технологических процессов [31]. [c.215]

ОПТИМИЗАЦИЯ НА КОРРЕЛЯЦИОННЫХ МОДЕЛЯХ [c.189]

ТО переменные х и у связаны между собой корреляционно. Необходимые доказательства и обоснования приводятся в специальной литературе [48, 49, 80]. Ниже на примерах, относящихся к проблеме регулирования точности размеров деталей из термореактивных пластмасс, будет показана методика установления и расчета корреляционных зависимостей, по которым затем создается корреляционная модель оптимизации. [c.191]

Рассмотрим методику расчета многофакторного корреляционного уравнения, являющегося основой корреляционной модели для оптимизации точности изготовления деталей из термореактивных пластмасс прессованием. Пример относится к варианту 1 (см. стр. 192), когда переменным значениям показателя размерного качества детали соответствуют переменные же значения аргументов— технологических параметров процесса изготовления. [c.195]

Покажем теперь, как с помощью корреляционных моделей может осуществляться оптимизация процесса изготовления деталей из термореактивных пластмасс. Исходными данными послужили [c.214]

Итак, возможности целенаправленного вмешательства в ход технологического процесса увеличиваются при группировке технологических факторов по их производственным особенностям степени влияния на результирующий признак, степени контролируемости и регулируемости. Чтобы достигнуть максимального результата, необходимо все положительно влияющие на исследуемый параметр переменные поддерживать на верхней границе диапазона их вариаций, а отрицательно влияющие — на нижней границе. Однако такой простой выход из положения допустим лишь в случае оптимизации одного конечного результата. В реальных же условиях производства это далеко не так. Тогда задачи оптимизации удобнее решать с помощью методов мате.матического программирования, используя линейное программирование. Собственно, пример такого решения и был показан, но на корреляционной модели. [c.221]

Набор корреляционных зависимостей и параметров для формирования критериальной функции модели оптимизации суточной [c.497]

В книге подробно рассмотрен комплекс вопросов, относящихся к важнейшей проблеме точности изготовления деталей из термореактивных пластмасс. Приводятся сведения об основных промышленных термореактивных материалах и их переработке в детали. Значительное внимание уделяется расчету погрешностей изготовления и выбору технологических допусков на различные категории и типы размеров деталей. Подробно излагаются методы регулирования и оптимизации точности на основе использования различных моделей (статистических, корреляционных и др.). Описываются средства и методы, применяемые для контроля точности размеров пластмассовых деталей. Все разделы книги насыщены производственными примерами. [c.2]

Использование принципов регрессионного и корреляционного анализа при обработке опытных данных позволяет найти зависимость между переменными и условия оптимума. В обоих случаях математической моделью является функция отклика, связывающая параметр оптимизации, характеризующий результаты эксперимента, с переменными, которые экспериментатор варьирует при проведении опытов [c.65]

Экспериментально-статистические (эмпирические) модели отражают корреляционные или регрессионные соотношения между параметрами физико-химической системы и не используют информацию о механизме протекающих реакций. Статистические модели используют для оценки влияния входных переменных на показатель качества процесса, значимости переменных, для решения задач оптимизации. Очень часто экспериментально-статистические модели используют для построения функциональной зависимости, наилучшим образом описывающей опытные данные, с целью их дальнейшей интерполяции или экстраполяции. [c.241]

Экономико-математическое моделирование является важным ииструмеитом планового управления. Различаются группы моделей графические, корреляционные (регрессионные), балансовые, модели оптимизации экономики. [c.72]