Теория и практика на авторски подход за определяне на ефективни, иновативни решения, носещи определени ползи.

Abstract

ТРИЗ - MADMML

Full text

Теория и практика на авторски подход за
определяне на ефективни, иновативни
решения, носещи определени ползи
Леко Критерий 2: Маса m Тежко
Евтино Критерий 1: Цена C Скъпо
Недоминирани
решения
Фронт на Парето
Доминирани
решения

1. Защо TRIP стоманите са
истинско и толкова голямо
откритие в автомобилната
промишленост?
2. Какво се разбира под
относително по-голяма
надеждност за даден
материал?
3. Кое противоречие решават
TRIP стоманите?
4. Колко са целевите
параметри/критериите на
изследването им и колко са
техните фактори?
5. От кои групи общи фактори
зависят целевите параметри?
Коя методика и какви изчисления
са Ви нужни за вашият процес и
технология, с цел с цел тяхното
подобрение?

Усвояване на подход, насочен към
решаване проблем на потребителя, от което
поизтичат определени ползи.
Подходът е приятелски настроен,
прилаган чрез графично и цветово
подпомагане вземането на решение.
Изследването преминава от равнината в
многомерното пространство в зависимост
от дефинираната задача.

0 2 4 6 8 10
30
44
58
72
86
100
9
10
11
12
13
UTSn Al 1.5 0 1 0 1( )
UTSn Al 1.5 1 1 0 1( )
UTSn Al 1.5 2 1 0 1( )
Elongn Al 1.5 0 1 0 1( )
Elongn Al 1.5 1 1 0 1( )
Elongn Al 1.5 2 1 0 1( )
Al

0 2 4 6 8 10
30
44
58
72
86
100
9
10
11
12
13
UTSn Al 1.5 0 1 0 1( )
UTSn Al 1.5 1 1 0 1( )
UTSn Al 1.5 2 1 0 1( )
Elongn Al 1.5 0 1 0 1( )
Elongn Al 1.5 1 1 0 1( )
Elongn Al 1.5 2 1 0 1( )
Al
Леко Критерий 2: Маса m Тежко
Евтино Критерий 1: Цена C Скъпо
Недоминирани
решения
Фронт на Парето
Доминирани
решения
Оптималното решение е
винаги ефективно. То е
цел на курса. За всички
Ваши задачи, които ще
разгледаме, избраното
решение ще Ви донесе
определена полза.
Условието изисква
провеждане на симулация
или експеримент при
предварително
дефинирана техническа
задача.
Всяко ефективно
решение е иновативно.

Необходимо е:
 Числовото представяне на модела в
глобалната или локална равнина да е
направено с определена дискретизация.
Да е налице възможност за задаване на
различни стъпки на цветовите
ограничителни равнини по височина.
Оптимизацията да се извършва в равнината
на променливите, и многокритериалната да
се свежда до еднокритериална.

Mp
1
1
1
1
1
1
0
0
0
1
1
1
1
0
0
1
1
0



























Fst
7.82
6.8
8.65
7.84
10.14
11.24
5.15
4.39
7.83



























Комбинации от двете
променливи
Експериментална
стойност за всяка
комбинация

5
Y
4
Y
3
Y
2
Y
1
Y
Y
1
X
2
X
3
X
4
X
5
X
X
Модел 1
5
Y
4
Y
3
Y
2
Y
1
Y
Y
1
X
2
X
3
X
4
X
5
X
X
Модел 2
5
Y
4
Y
3
Y
2
Y
1
Y
Y
1
X
2
X
3
X
4
X
5
X
X
Модел 3
21 ZZ 
32 ZZ 
54 ZZ 
5
Y
4
Y
3
Y
2
Y
1
Y
Y
1
X
2
X
3
X
4
X
5
X
X
Модел 1 + 2
5
Y
4
Y
3
Y
2
Y
1
Y
Y
1
X
2
X
3
X
4
X
5
X
X
Модел 1 + 2 + 3

Избран е пример с
два технологични
фактора, които се
изменят в кодирани
стойности. Това са
управляващите
параметри х1 и х2 в
интервала [-1;+1]:
В посоченият
интервал с двете
променливи се
съставя
експериментален
план, който има вида:
Mp
1
1
1
1
1
1
0
0
0
1
1
1
1
0
0
1
1
0




























Експерименталният план се вгражда в информационна
матрица по начин по който се очаква да се получат
коефициентите на регресионният модел. Тъй като
определяме структура на модела
F(х1,х2)=B0+B1.x1+B2.x2+B3.x12+B4.x22+B5.x1.x2, то
цитираният план Мр заема в информационната матрица
F, втория и третия стълб.
F
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
1
1
1
1
0
0
1
1
0
1
1
1
1
1
1
0
0
0
1
1
1
1
0
0
1
1
0
1
1
1
1
0
0
1
1
0



























Последоватеност на прилагане на числената процедура за конкретен
случай
Mp
1
1
1
1
1
1
0
0
0
1
1
1
1
0
0
1
1
0



























Fst
7.82
6.8
8.65
7.84
10.14
11.24
5.15
4.39
7.83




























Коефициентите на регресионният модел се
определят възоснова на следните матрични
пресмятания:
C FTF
 
1FT
Fst
От приложената процедура се получава
следният резултат:
F(х1,х2)=B0+B1.x1+B2.x2+B3.x12+B4.x22+B5.x1.x2

Съответните коефициенти формират регресионният
модел с по-горе определената структура.
Моделът има вида:
Fmx1 x2( ) 7.75 0.488 x1 0.438 x2 2.98 x12
 2.972 x22
 0.033 x1x2
С модела се прави проверка на годността му за предсказване. Тя
ползва експерименталните стойности на изследваната величина и
предсказаните стойности.
Експерименталните стойности са посочени във вектора Fst, а
предсказаните стойности по модела на плана mi са както следва:
m17.841
m26.799
m38.651
m47.741
m510.242
m611.218
m75.216
m84.34
m97.75

На фигурата са представени експерименталните и
предсказаните стойности по модела от различните наблюдения
по плана.