WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

Pages:     | 1 ||

«Липецк 2003 -0ЛИПЕЦКИЙ ЭКОЛОГО-ГУМАНИТАРНЫЙ ИНСТИТУТ А.К. Погодаев С.Л. Блюмин Липецк 2003 -1ББК 22.18 УДК 681.3:62-52 П50 Погодаев А.К., Блюмин С.Л. Адаптация и оптимизация в системах ...»

-- [ Страница 2 ] --

Таким образом, для объективного оценивания приоритетов показателей свойств продукции целесообразно использовать данные статистического контроля качества, а применение рекуррентных процедур в методах их обработки способствует решению задачи адаптивной корректировки весовых коэффициентов. Такой подход, в отличие от экспертного оценивания, позволяет создавать автоматизированные системы управления качеством продукции с непрерывными информационными потоками.

При реализации математического обеспечения в автоматизированных системах предприятий возникает проблема поддержания актуальности как параметров моделей s(x) в задаче (3.3), так и ее решений с течением времени. Эта проблема разрешима, если использовать адаптивные алгоритмы. Далее в данном пункте рассматривается возможность применения адаптивных процедур для получения решений задачи (3.3) адаптации этих решений при изменении производственных условий с течением времени [15].

Часто в производственных задачах в качестве F(s(x), ) используется взвешенный квадратичный функционал (см., например, [67, 71]) ( s * – задаваемое нормированное значение j-го свойства продукции), миj нимизация которого, по сути, представляет задачу о наименьших квадратах.

Во многих случаях управление качеством продукции с использованием математических моделей можно свести к решению следующей системы уравнений:

-68где x n + j 0, j = 1, …, M – дополнительные переменные. Эта система может отражать как диапазонные характеристики качества, определенные уравнениями (3.15) и (3.16), так и точечные их значения (3.17).

В случае (3.15), (3.16) s* обуславливает граничные значения требуемого диапазона свойств. Как было отмечено выше, система (3.15)-(3.17) может включать нелинейные относительно параметров функции s j ( x ).

Тогда (3.67) следует свести к НЗНК: найти Это дает возможность применить для решения задачи (3.18) нелинейные итерационные методы наименьших квадратов, которые в соответствующих обозначениях будут аналогичны методам для расчета и адаптации параметров моделей. Таким образом, все описанные ниже алгоритмы решения задачи (3.18) основаны на аппроксимации функции R(x) в текущей точки xc ее аффинной моделью и соответствующей замене НЗНК на линейную задачу вида: найти Опуская промежуточные преобразования формул, которые аналогичны формулам параметрической идентификации получим адаптивные алгоритмы получения спектра решений задачи (3.3).

где x+ – следующая точка итерационного процесса, полученная по оценке xc; c = R (x c ) + J( x c )x 2 – невязка уравнения J( x c )x = R ( x c ) ;

с – шаг линейного поиска минимума невязки c вдоль направления x.

Здесь J – матрица Якоби вектор-функции R = (r1, …, rM).

Следует отметить, что как основные xi, i = 1, …, n переменные, так и дополнительные xi, i = n + 1, …, n + l могут иметь ограничения на допустимые интервалы значений или быть ограничены односторонне.

В этом случае при итерационных вычислениях обычно предусматриваются специальные процедуры, обеспечивающие контроль и выполнение этих условий (например, циклическое уменьшение значений с на некоторую величину до исключения нарушений установленных ограничений). Решая, таким образом, задачу (3.18) получим оценочные значения x* – технологических факторов, при которых с некоторой вероятностью обеспечивается s*.

Предположим, что у q моделей из числа (3.15)-(3.17) изменились структура и/или их параметры или добавились новые модели, описывающие прежние или другие свойства продукции. Таким образом, число координат вектор-функции R увеличилось на q, так что Очевидно, что эти изменения требуют корректировки x*. Тогда, используя псевдообратную матрицу J+ к матрице J, получим соотношения, определяющие блочные рекуррентно-итерационные процедуры в (3.19), для адаптации решения x* к изменившимся условиям задачи (3.18):

здесь x M – обозначение точки xc, отвечающее M исходным моделям;

x M + q – обозначение точки x+, отвечающее M исходным и q дополнительным моделям.

В основе соотношения (3.20) лежат транспонированные формулы Клайна для псевдообращения блочных матриц. Следует отметить, что в частном случае, когда q = 1 вместо формулы (3.20) для решения задачи (3.18) можно воспользоваться рекуррентной формулой Гревиля. Тогда 2. Блочный рекуррентно-итерационный метод Ньютона использует итерационную прцедуру:

При увеличении числа компонент вектор-функции R M на q следующая точка x M + q определяется в виде или

M MT M MT M

Тогда блочная рекуррентно-итерационная процедура квазиньютоновских методов запишется в виде:

где с – параметр регуляризации.

Тогда блочная рекуррентно-итерационная процедура метода Левенберга-Маркварта решения НЗНК запишется в виде следующего выражения x M +q через x Использование при решении задач оптимизации системы различных методов обусловлено разнообразием возможных структур, составляющих модели качества. Каждый рекуррентно-итерационный метод, несмотря на свою универсальность, предпочтителен для определенного локальной скоростью сходимости на почти всех задачах, тогда как демпфированный метод Ньютона-Гаусса и метод Левенберга-Маркварта могут медленно сходиться при сильно нелинейной функции R(x). Причина, по которой в НЗНК редко применяется метод Ньютона, состоит в том, что, как правило, отсутствует возможность за оправданную цену получить матрицу S( x c ) в выражении J T ( x c )J (x c ) + S(x c ) в аналитическом виде. В квазиньютоновских методах S( x c ) аппроксимируется матрицей секущих Ac, которая при выполнении итераций накапливает информацию о вторых производных целевой функции. В целом методы секущих несколько медленнее работают, чем метод Ньютона, а на задачах со средней и большой невязкой точнее методов Ньютона-Гаусса и Левенберга-Маркварта. Однако на начальном этапе решения НЗНК, когда в аппроксимирующей матрице Ac информация о вторых производных отсутствует, применение квазиньютоновских методов не эффективно. Поэтому адаптивное моделирование приводит к тому, что на начальных стадиях вычислений используются шаги метода Ньютона-Гаусса или Левенберга-Маркварта до тех пор, пока Ac не накопит достаточное количество полезной информации о вторых производных, а затем происходит переключение к более сложным алгоритмам. Взаимодействие рекуррентно-итерационных методов обеспечивается взаимозаменяемостью отдельных процедур на уровнях I-III модельной схемы (рис. 3.1). Поэтому актуальна задача компоновки эффективного алгоритма оптимизации из спектра процедур возможных стратегий модельной схемы для решения конкретной производственной проблемы [98].





3.4. Статистические оценки точности оптимальных решений Задача оптимизации качества и управления технологией предполагает прогноз потребительских свойств на основе статистических моделей. В соответствии с принятой в данном разделе методикой необходимо определить критерии этого прогноза, с помощью которых можно с достаточной вероятностью оценить возможность получения продукции заданного качества на любом этапе ее производства.

Важной особенностью задачи (3.14) является наличие случайной природы, которая характеризуется некоторым параметром. Тогда значения F[, s(x)] при каждом x зависят от реализации, и постановка задачи стохастической оптимизации формулируется в виде: найти минимум -74Определение начального состава итерационный итерационный метод Ньютона метод DFP Рис. 3.1. Схема взаимодействия оптимизационных методов сходство: в основной задаче стохастического программирования, как правило, не выполняется основная предпосылка теории детерминированного математического программирования – при каждой технологической ситуации невозможно определить точные значения откликов по моделям Ms(x).

Доступной является информация не о значениях Ms(x), а о значениях функций s(x, ) для отдельных, поэтому основная трудность состоит в том, чтобы решить задачу (3.14), не зная Ms(x), а пользуясь s(x, ).

В тех случаях, когда удается найти Ms(x, ), задача стохастического программирования ничем не отличается от задач детерминированного программирования, ее стохастическая природа проявляется только на этапе поиска функций Ms(x, ). Если не удается найти Ms(x, ), то можно рассматривать вместо Ms(x, ) функции s(x, ), где – среднее значение : Ms(x, ) s(x, ), = M.

Это весьма распространенный прием, при помощи которого можно решать множество стохастических задач хорошо отработанными и программно реализованными алгоритмами писка экстремальной точки, а само решение следует дополнять оценками его точности. В данном случае необходимо получить интервальные значения характеристик свойств продукции y* при оптимальных (фиксированных) значениях факторов x* n [66, 65].

Методика определения доверительных интервалов решения задачи (3.14) базируется на учете структуры частных критериев модели качества и в соответствующих обозначениях может применяться для оценки точности прогноза откликов как по линейным, так и нелинейным по парамерам зависимостям.

Пусть модель линейна относительно параметров, т.е.

(x;) = T(x), = (x ). Величины 1,..., n могут быть любыми, но удовлетворяющими условию L 0 [59] (определение L дано далее), которое означает, что m точек ( 1,..., n ), = 1, …, m не могут лежать в одной гиперплоскости k-мерного пространства переменных.

Пусть задана выборка объема m, состоящая из независимо наблюдаемых точек ( y, 1,..., n ), = 1, …, m. Рассматривая y как 0, обозначим -76m и, как обычно, – ковариации факторов и отклика.

Обозначим через L определитель из lij : L =..........

Через Lij обозначим алгебраические дополнения элементов определителя L. Основным предположением (как уже отмечалось) является L 0.

Пусть случайная величина y при любых фиксированных значениях j имеет нормальное распределение со средним значением и со среднеквадратическим (стандартным) отклонением. Известно, что в этом случае оценками коэффициентов регрессии будут Всюду в дальнейшем p обозначает заданную величину доверительной вероятности q = (1 p ) / 2, = m n – число степеней свободы, t q ( ) – значение 100q%-ной точки распределения Стьюдента с степенями свободы (см., например, [59, табл. II.6]); 2 – оценка для дисперсии регрессиm онных остатков 2 = Теперь уже есть возможность представить расчет оценок при имеющейся модели:

1) доверительные интервалы для вектора – параметров (коэффициентов) регрессии:

3) доверительные интервалы для собственно оптимальных значений отклика в точке *:

или 4) математическое ожидание индивидуального значения y* в фиксированной точке * получается непосредственной подстановкой в уравнение Почти во всех этих формулах фигурирует матрица T T T, называемая, как известно, информационной. Ковариационная матрица вектора оценок параметров регрессии представляется в виде C = 2 TTT = [l ji ], а ее диагональные элементы определяют дисперсии оценок параметров регрессии.

Для получения выражения матрицы C в случае нелинейной регрессии, аналогично указанному выше в линейном случае, воспользуемся аффинной аппроксимацией избранной модели в окрестности = :

где – значение градиента функции y(x; ) в точке x;.

-78jT x 1 ;

j = j x ; играют существенную роль в оценке точности оптимального значения отклика.

Пусть p, q,, t q (), определены так же, как выше. Тогда в случае нелинейной регрессии оценки рассчитываются следующим образом:

1) доверительные интервалы для вектора параметров регрессии 2) доверительные интервалы для средних значений отклика в оптимальной точке 3) доверительные интервалы для собственно оптимальных значений отклика в оптимальной точке x* сированной точке x* получается непосредственной подстановкой в уравнение Таким образом, доверительные интервалы в случае нелинейной регрессии получены из доверительных интервалов для случая линейной регрессии путем замены матрицы T на матрицу J, а вектора * на вектор j*.

Теперь задача статистического оценивания оптимальных значений технологических параметров решается следующим образом: тем или иным методом оптимизации находится экстремальная точка ( x1,..., x * ), в которой функция цели достигает экстремума. Затем находятся статистические характеристики значения функции цели в этой точке.

используемые для построения доверительных интервалов статистические свойства состоятельных оценок по методу наименьших квадратов (несмещенность, эффективность и др.) справедливы лишь в асимптотическом смысле (m ). Во-вторых, следует учитывать приближенный характер аффинной аппроксимации. Поэтому, хотя и возможны различные уточнения изложенного подхода, вряд ли они существенно улучшат использованные практические рекомендации: ведь даже предлагаемые в ряде работ полученные теоретически точные доверительные интервалы на практике обычно оказываются приближенными, зависят от соблюдения в реальных условиях предпосылок регрессионного анализа.

Поэтому, утверждая, что интересующая нас погрешность не превзойдет определенной величины с заданной доверительной вероятностью, следует отдавать себе отчет в приближенном характере подобных заключений.

-80АДАПТАЦИЯ И ОПТИМИЗАЦИЯ МОДЕЛЕЙ

МЕТАЛЛУРГИЧЕСКОГО ПРОИЗВОДСТВА

4.1. Объектно-структурное моделирование металлургического производства Представим металлургическое предприятие в виде иерархической модели производственной системы (рис. 4.1). Иерархия предприятия построена на основе объектно-ориентированной детализации, которая позволяет рассмотреть его логическую структуру с выделением классов и объектов (см. п. 2.1), отражающих абстрактную модель предприятия.

Использование такого представления существенно упрощает объединение в единые структурные модели отдельно взятые агрегаты и механизмы, отделения агрегатов, группы отделений и цехов, разные производства, которые фактически располагаются на разных уровнях иерархии.

Например, на рис. 4.2 показан фрагмент иерархической модели металлургического предприятия, на основе которой можно получить иерархическую структуру классов для описания объектной модели производства горячекатаного листового проката (рис. 4.3).

Степень детализации рассматриваемых производств соответствует уровню, необходимому для отслеживания обрабатываемой продукции по технологическим этапам обработки. С использованием объектного подхода (см. п. 2.1), эта степень может быть увеличена для рассмотрения отдельных операций обработки. Например, на рис. 4.4 чистовая группа клетей стана горячей прокатки рассматривается с детализацией до уровня отдельной клети. Аналогично, для пятиклетьевого стана холодной прокатки листопрокатного производства (рис. 4.5) может быть получена такая же детализация (рис. 4.6).

На рис. 4.7, 4.8 показаны графы соответствующих технологических процессов производств горячего и холодного проката (см. рис. 4.4, 4.5).

Ориентированным графам технологических процессов (см. рис.

4.7, 4.8) соответствуют матрицы инцидентностей представленные в табл.

4.1, 4.2.

Следует отметить, что в схемах производств горячего и холодного проката введены фиктивные агрегаты, определяющие локальные обратные связи производств (помеченные как «На переработку»). Кроме того, если рассмотреть подробную схему производства горячего проката (см.

рис. 4.4), можно видеть, что глобальные обратные связи присутствуют практически на всех этапах прокатываемого изделия, которые соединяют объекты разных производств (горячего проката и копрового цеха).

-82Металлургическое предприятие Рис. 4.2. Дерево металлургического предприятия Матрица инцидентностей графа производства горячего проката

АГРЕГАТЫ

Матрица инцидентностей графа листопрокатного производства

АГРЕГАТЫ

На графе структурной модели методом оптимизации маршрутов производственной сети (см. п. 3.1) можно получить множество технологических траекторий.

Рассмотрим в качестве примера процесс моделирования сети производства холоднокатаной листовой стали марки 08Ю, когда оптимизируемыми величинами являются временные и энергетические затраты (электроэнергии и газа) на производство металла.

Исходя из норм расхода и стоимости рассматриваемых ресурсов на производство продукции, можно определить их весовые коэффициенты в (4.1), приведенные к денежным выражениям. Таким образом получены следующие величины:

мени в функции цели (3.1);

энергии в функции цели (3.1);

лива в функции цели (3.1).

Математическая модель сети производства холоднокатаной стали является частным случаем (3.1), (3.2), где R ijk = 0 и N ij = 0 ( i, j [1, n ], k [1, m ] ), т.е. в составляющих модели и алгоритма оптимизации циклических сетей будут отсутствовать затраты ресурсов и потери продукта вне агрегатов и складов.

-84Рис. 4.3. Иерархия абстрактных классов производства горячего проката

КОПРОВЫЙ

К К К К К ПР ЛН ОЛ ДУ ОР

МП1-МП5 – методические печи №№1-5; КЛ1-КЛ5 – последовательно идущие клети №№1-5 черновой группы;

ПР – промежуточный рольганг; ЛН – летучие ножницы; ОЛ – окалиноломатель; КЛ7-КЛ12 – последовательно идущие клети №№ 7-12 чистовой группы; ДУ – душирующее устройство; ОР – отводящий рольганг; S1, S19 – склады продукции;

-86Выплавка, горячая прокатка и переплавка

КОПРОВЫЙ ЦЕХ

ККЦ ЭСПЦ

прокатка и переплавка

КОПРОВЫЙ ЦЕХ

ККЦ ЭСПЦ

Рис. 4.6. Структурная модель холодной прокатки на пятиклетьевом стане -88A Рис. 4.7. Граф технологического процесса производства горячего проката:

Рис. 4.8. Граф технологического процесса листопрокатного производства:

-90Рассмотрим несколько альтернативных технологических маршрутов производства холоднокатаной стали В = 1222 мм, Н0 = 3,5 мм, НВЫХ = 1,1 мм, М = 25,7 т, результаты которых представлены в табл.

4.3-4.6, где конечной продукцией являются холоднокатаные листы. Результаты оптимизации маршрутов производства холоднокатаных полос представлены в приложении 1 (табл. П 1-П 4).

Оптимизация маршрутов производства холоднокатаных листов по времени без учета затрат на доставку к технологическим агрегатам.

Назначение на АНО Назначение в отделение колпаковых печей 10 S1-А2-S2-А3-S3-А4-S4-А7-S6-А10-S8 668, 11 S1-А2-S2-А3-S3-А4-S4-А7-S6-А12-S8 668, 12 S1-A2-S2-A3-S3-A4-S4-A7-S6-A11-S8 668, 13 S1-A1-S2-A3-S3-A4-S4-A8-S6-A10-S8 669, 14 S1-A1-S2-A3-S3-A4-S4-A8-S5-A12-S8 669, 16 S1-A1-S2-A3-S3-A4-S4-A7-S5-A10-S8 670, 17 S1-A1-S2-A3-S3-A4-S4-A7-S5-A12-S8 670, 18 S1-A1-S2-A3-S3-A4-S4-A7-S5-A11-S8 670, Оптимизация маршрутов производства холоднокатаных листов Приэлектроэнергию, оритет Назначение в отделение колпаковых печей 1 S1-А1-S2-А3-S3-А4-S4-А7-S6-А10-S8 103, 2 S1-А1-S2-А3-S3-А4-S4-А8-S6-А10-S8 103, 3 S1-А2-S2-А3-S3-А4-S4-А7-S6-А10-S8 103, 4 S1-А2-S2-А3-S3-А4-S4-А8-S6-А10-S8 103, 5 S1-А1-S2-А3-S3-А4-S4-А7-S6-А11-S8 108, 6 S1-А1-S2-А3-S3-А4-S4-А8-S6-А11-S8 108, 7 S1-А2-S2-А3-S3-А4-S4-А7-S6-А11-S8 108, 8 S1-А2-S2-А3-S3-А4-S4-А8-S6-А11-S8 108, 9 S1-А1-S2-А3-S3-А4-S4-А7-S6-А12-S8 123, 10 S1-А1-S2-А3-S3-А4-S4-А8-S6-А12-S8 123, 11 S1-А2-S2-А3-S3-А4-S4-А7-S6-А12-S8 123, 12 S1-А2-S2-А3-S3-А4-S4-А8-S6-А12-S8 123, Назначение на АНО Оптимизация маршрутов производства холоднокатаных листов Назначение на АНО Назначение в отделение колпаковых печей -92Таблица 4. Оптимизация маршрутов производства холоднокатаных листов по комплексному критерию без учета затрат времени на доставку Назначение на АНО Назначение в отделение колпаковых печей 7 S1-А2-S2-А3-S3-А4-S4-А8-S6-А11-S8 12, 8 S1-А2-S2-А3-S3-А4-S4-А7-S6-А11-S8 12, 9 S1-А2-S2-А3-S3-А4-S4-А8-S6-А10-S8 12, 10 S1-А2-S2-А3-S3-А4-S4-А7-S6-А10-S8 12, 11 S1-А2-S2-А3-S3-А4-S4-А8-S6-А12-S8 13, 12 S1-А2-S2-А3-S3-А4-S4-А7-S6-А12-S8 13, 13 S1-А1-S2-А3-S3-А4-S4-А8-S6-А11-S8 13, 14 S1-А1-S2-А3-S3-А4-S4-А7-S6-А11-S8 13, 15 S1-А1-S2-А3-S3-А4-S4-А8-S6-А10-S8 13, 16 S1-А1-S2-А3-S3-А4-S4-А7-S6-А10-S8 13, 17 S1-А1-S2-А3-S3-А4-S4-А8-S6-А12-S8 14, 18 S1-А1-S2-А3-S3-А4-S4-А7-S6-А12-S8 14, Таким образом, показано, что целесообразно определять технологические маршруты исходя из списка оптимизируемых ресурсов и величины их экономической значимости, для которых далее решить задачу идентификации технологических связей.

4.2. Адаптивная идентификация технологических связей Приведем в качестве примера использование методов адаптивного моделирования для описания производства холоднокатаной листовой стали по производственной схеме включающей: получение слитков определенным химическим составом стали, горячую прокатку слитков, охлаждение горячекатаных полос, холодную прокатку листовой стали, рекристализационный отжиг холоднокатаных рулонов в колпаковых -93печах, дрессировку отожженных полос. Одними из основных показателей, определяющими качество стали являются механические характеристики (см. ГОСТ 9045-93). На основе множества исследований установлен ряд технологических факторов, от которых существенно зависят механические свойства малоуглеродистых сталей (см., например, [9, 71, 86 и др.]). Полученные на основе анализа производственных данных статистические характеристики технологических факторов, механических свойств (откликов) и обозначения, используемые в дальнейшем, представлены в табл. 4.7.

Факторы технологического маршрута производства стали марки 08Ю значеДиапазон Химический состав стали:

Горячая прокатка:

x14 Температура конца Холодная прокатка:

x16 Суммарное обжатие, x17 Скорость после 5-й -94Окончание табл. 4. Рекристализационный отжим в колпаковых печах:

x18 Промежуточная температуС 550 – x19 Максимальная температура, Механические свойства:

Предел прочности, в Относительное удлинение, y5 Глубина сферической лунки, Очевидно, что для корректного построения любых статистических зависимостей необходима первичная обработка массива информации, которая определяет состав данных и факторов – основу моделирования.

Для этого в данной работе использована методика, представленная в [19]. В табл. 4.8 приведены результаты предварительной обработки данных, где приняты следующие обозначения: “+” – допустимость включения фактора в модель соответствующих откликов; “–” – исключение фактора на одном из шагов процедуры отсева.

Результаты выполнения процедуры определения факторов моделей Факторы Таким образом, для задаваемых типоразмеров (x1, x2, x3), в функции качества входят соответствующие вектора факторов:

Рассмотрим пример совместного использования рекуррентных, рекуррентно-итерационных методов в составе алгоритма структурной идентификации технологии производства листового проката. Наборы факторов определяются металлургическими переделами и зависимость может быть структурно уточнена по мере реализации технологического маршрута, кроме того, информация о реализации технологии обработки партии продукции поступают в хранилище в виде порций данных, поэтому целесообразно воспользоваться рекуррентными или рекуррентноитерационными методами идентификации, представленными в главе 2.

Базовой основой моделирования служит линейная по параметрам зависимость, которая затем может быть уточнена за счет включения нелинейных составляющих. Ниже показана динамика изменения адекватности моделей механических свойств по мере их последовательного расширения факторами технологических этапов (суперпозиции) и блоками данных (адаптивной параметрической идентификации).

Из регламентации технологических инструкций производства холоднокатаной листовой стали, стандартов на ее сортамент (ГОСТ 19904и технических условий (ГОСТ 9045-93) следует, что с целью обеспечения стабильной адекватности модели качества при изменении производственных условий набор зависимостей модели качества определяется -96комбинацией значений характеристик типоразмеров продукции (табл.

4.9) и категорий качества.

№ ограни- Толщина листа, Ширина листа, Масса рулона, Таким образом, каждая механическая характеристика определенной категории качества листовой стали может описываться множеством зависимостей, включенных в модели технологических этапов.

Рассмотрим процесс моделирования зависимостей (4.1), соответствующих производственным данным, значения которых попадают в рамки ограничений № 6 (см. табл. 4.9) для каждого этапа обработки продукции категории вытяжки ОСВ (ГОСТ 9045-93)1:

Технологический этап Выборка – 100 наблюдений.

T : y1,1 = 980,736x 6 + 6287,53x 8 + 205,018 exp{7,222x 6 51,72x 8 }.

Предел текучести, Среднеквадратичное отклонение: 17,1371.

Зависимости (4.2)-(4.5) представлены в Приложении 2.

Выборка: 150 наблюдений.

T : y1,2 = 89,647x 6 + 50,702x 8 + 0,213x 14 75,505 x 57,788 x 8 13,777 x14970.

Предел текучести, МПа Среднеквадратичное отклонение: 11,1435.

Технологический этап Выборка: 200 наблюдений.

T : y1,3 = x 6 + x 8 + 0,280x14 + 1,048x 21 + 0,691x 24 + 0,025x -98Результаты суперпозиционного моделирования показывают структурную неоднородность зависимостей механических свойств и факторов.

По мере реализации технологической траектории добавляются блоки данных и качественно изменяются прогнозирующие свойства моделей.

Рассмотрим в качестве примера применение методологии адаптивной идентификации приоритетов показателей качества комплекса критериев, характеризующих механические свойства листового проката.

За определенный период был проведен анализ уровня качества автолиста, который выявил статистику “провалов” по свойствам проката для категорий вытяжки ОСВ и ВОСВ.

Фрагмент результатов отбраковки металла по механическим свойствам представлен в Приложении 3 (табл. П 5), для которых рассчитаны по формуле (3.4) соответствующие относительные частоты (табл. 4.10).

Для иллюстрации динамики изменения приоритетов показателей качества и применения рекуррентных соотношений для расчета весовых коэффициентов рассмотрим поблочное поступление относительных частот отбраковки металла из табл. 4.10 на вход адаптивных алгоритмов.

Тогда, используя (3.4)-(3.11) и данные табл. 4.10 получим оценки j, отражающие приоритеты характеристик металла (табл. 4.11).

Оценивая стабильность зависимости технологии от свойств по формуле (3.13), получим: W3 = 0,647; W6 = 0,661; W9 = 0,754;

W11 = 0,721. Сравнивая эти значения с критическими W [55] при уровне значимости = 0,05, можно сделать вывод о стабильности технологического процесса и закономерности получения продукции со свойствами ему отвечающими.

4.3. Адаптивная оптимизация моделей качества Рассмотрим пример оптимизации моделей, характеризующих механические свойства стали, с учетом их приоритета в обобщенной задаче (3.3), адаптации решений рекуррентно-итерационными методами и статистической оценки точности этих решений на этапах прогноза потребительских свойств металлопродукции. С целью сокращения большого объема вычислений при расчете возможных комбинаций оптимальных технологических траекторий производства листового проката далее будут рассмотрены варианты адаптивной оптимизации моделей, полученных в рамках ограничений № 6 (см. п. 4.2, табл. 4.9), с изменением их приоритетов на этапах обработки металла. Тогда на технологических этапах решаются следующие задачи2:

Обозначения факторов в моделях соответствуют табл. 4. Результаты отбраковки металла по механическим характеристикам Относительная частота отбраковки металла по характеристикам, г./к.

– предел текучести; – предел прочности; – твердость; – относительное удлинение; – глубина сферической лунки -100Таблица 4. Оценки приоритетов характеристик металла -102Окончание таблицы 4. Технологический этап Технологический этап 3,22 (y1,1 + x26 – 196) = 0, 1,90 (y2,1 – x27 – 255) = 0, 1,90 (y2,1 + x28 – 323) = 0, 0,62 (y3,1 + x29 – 46) = 0, 3,65 (y4,1 – x30 – 36) = 0, 0,62 (y5,1 – x31 – 9,4) = 0, Здесь пунктирной линией разделяются блоки рекуррентной оптимизации, при реализации которой размерность систем уравнений существенного влияния на эффективность работы алгоритма в целом не оказывает. Вычисления в основном используют текущую на данный момент времени информацию, учитывая при этом результаты предыдущих рекурсий. Аналогично в системы уравнений могут быть добавлены блоки практически любых зависимостей, которые, по мнению пользователя системы, следуют учитывать.

Результаты решения задач представлены в таблицах 4.12, 4.13, в которых отражены доверительные вероятности получения металлопродукции при реализации технологических траекторий.

Очевидно, что суперпозиционнное включение факторов в модель качества не только улучшают ее свойства в плане адекватности реальным условиям, но повышает доверительную вероятность решений оптимизационных задач.

-104Таблица 4. Плоды прогноза соответствия оптимальных решений показателям качества

КРИТ ЕРИИ К АЧЕС ТВ А

Этап Результаты решений задач оптимизации качества на технологических этапах На основе анализа состояния проблем, связанных с внедрением на промышленных предприятиях автоматизированных систем управления можно заключить, что повышение эффективности управления возможно только на основе развития современных технологий в области математического и программного обеспечения. Поэтому в работе были представлены следующие результаты.

На основе структурного моделирования c объектно-ориентированной детализацией, формализовано представление производственной системы в виде циклических графов с нагруженными затратами ресурсов дугами и вершинами, обозначающими агрегаты и склады производств.

Разработана единая алгоритмическая основа структурной и параметрической адаптивной идентификации линейных и нелинейных зависимостей, использующая рекуррентные и рекуррентно-итерационные процедуры, ориентированная на специфику блочного поступления набора идентифицируемых параметров и массива данных о технологии производства продукции.

На основе представления производственной системы в виде ориентированного циклического графа с нагруженными ребрами и вершинами графа, разработан алгоритм оптимизации маршрутов производственной сети.

Разработана методология адаптивной идентификации приоритетов показателей качества продукции для оптимизации стратегий управления качеством на основе рекуррентных алгоритмов уточнения весовых коэффициентов и их ранжировки по данным статистического контроля качества.

Разработаны адаптивные алгоритмы оптимизации моделей, отличающиеся использованием блочных рекуррентно-итерационных процедур, интерпретированных к решению многокритериальных оптимизационных задач и блочных рекуррентных алгоритмов уточнения весовых коэффициентов по данным статистического контроля качества Разработаны методики статистической оценки точности оптимальных решений, полученных и использованием линейных и нелинейных моделей с представлением доверительных интервалов для параметров моделей, для средних значений отклика в оптимальной точке, для оптимальных значений отклика, а также оценкой математического ожидания индивидуальных значений отклика.

Оптимизация маршрутов производства холоднокатаных полос по времени без учета затрат на доставку к технологическим агрегатам Назначение на АНО Назначение в отделение колпаковых печей 13 S1-А2-S2-А3-S3-А4-S4-А8-S6-А13-S8 667, 14 S1-А2-S2-А3-S3-А4-S4-А8-S6-А16-S8 667, 15 S1-А2-S2-А3-S3-А4-S4-А7-S6-А16-S8 667, 16 S1-А2-S2-А3-S3-А4-S4-А8-S6-А17-S8 667, 17 S1-А2-S2-А3-S3-А4-S4-А8-S6-А18-S8 668, 18 S1-А2-S2-А3-S3-А4-S4-А7-S6-А13-S8 668, 19 S1-А2-S2-А3-S3-А4-S4-А7-S6-А17-S8 668, 20 S1-А2-S2-А3-S3-А4-S4-А7-S6-А18-S8 668, 21 S1-А2-S2-А3-S3-А4-S4-А8-S6-А14-S8 668, 22 S1-А2-S2-А3-S3-А4-S4-А8-S6-А15-S8 668, 23 S1-А2-S2-А3-S3-А4-S4-А7-S6-А14-S8 668, 24 S1-А2-S2-А3-S3-А4-S4-А7-S6-А15-S8 668, 25 S1-А1-S2-А3-S3-А4-S4-А8-S6-А16-S8 669, 26 S1-А1-S2-А3-S3-А4-S4-А8-S6-А13-S8 669, 27 S1-А1-S2-А3-S3-А4-S4-А7-S6-А16-S8 669, 38 S1-А1-S2-А3-S3-А4-S4-А8-S6-А17-S8 669, 29 S1-А1-S2-А3-S3-А4-S4-А8-S6-А18-S8 670, 30 S1-А1-S2-А3-S3-А4-S4-А7-S6-А13-S8 670, 31 S1-А1-S2-А3-S3-А4-S4-А7-S6-А17-S8 670, 32 S1-А1-S2-А3-S3-А4-S4-А7-S6-А18-S8 670, 33 S1-А1-S2-А3-S3-А4-S4-А8-S6-А14-S8 670, 34 S1-А1-S2-А3-S3-А4-S4-А8-S6-А15-S8 670, 35 S1-А1-S2-А3-S3-А4-S4-А7-S6-А14-S8 670, 36 S1-А1-S2-А3-S3-А4-S4-А7-S6-А15-S8 670, -110Таблица П Оптимизация маршрутов производства холоднокатаных полос Назначение в отделение колпаковых печей 1 S1-А1-S2-А3-S3-А4-S4-А7-S6-А13-S8 106, 2 S1-А1-S2-А3-S3-А4-S4-А8-S6-А13-S8 106, 3 S1-А2-S2-А3-S3-А4-S4-А7-S6-А13-S8 106, 4 S1-А2-S2-А3-S3-А4-S4-А8-S6-А13-S8 106, 5 S1-А1-S2-А3-S3-А4-S4-А7-S6-А13-S8 108, 6 S1-А1-S2-А3-S3-А4-S4-А8-S6-А13-S8 108, 7 S1-А2-S2-А3-S3-А4-S4-А7-S6-А13-S8 108, 8 S1-А2-S2-А3-S3-А4-S4-А8-S6-А13-S8 108, 9 S1-А1-S2-А3-S3-А4-S4-А7-S6-А17-S8 110, 10 S1-А1-S2-А3-S3-А4-S4-А8-S6-А17-S8 110, 11 S1-А2-S2-А3-S3-А4-S4-А7-S6-А17-S8 110, 12 S1-А2-S2-А3-S3-А4-S4-А8-S6-А17-S8 110, 13 S1-А1-S2-А3-S3-А4-S4-А7-S6-А16-S8 110, 14 S1-А1-S2-А3-S3-А4-S4-А8-S6-А16-S8 110, 15 S1-А2-S2-А3-S3-А4-S4-А7-S6-А16-S8 110, 16 S1-А2-S2-А3-S3-А4-S4-А8-S6-А16-S8 110, 17 S1-А1-S2-А3-S3-А4-S4-А7-S6-А15-S8 112, 18 S1-А1-S2-А3-S3-А4-S4-А8-S6-А15-S8 112, 19 S1-А2-S2-А3-S3-А4-S4-А7-S6-А15-S8 112, 20 S1-А2-S2-А3-S3-А4-S4-А8-S6-А15-S8 112, 21 S1-А1-S2-А3-S3-А4-S4-А7-S6-А18-S8 112, 22 S1-А1-S2-А3-S3-А4-S4-А8-S6-А18-S8 112, 23 S1-А2-S2-А3-S3-А4-S4-А7-S6-А18-S8 112, 24 S1-А2-S2-А3-S3-А4-S4-А8-S6-А18-S8 112, Назначение на АНО Оптимизация маршрутов производства холоднокатаных полос Назначение на АНО Назначение в отделение колпаковых печей 13 S1-А1-S2-А3-S3-А4-S4-А7-S6-А13-S8 14 S1-А1-S2-А3-S3-А4-S4-А7-S6-А13-S8 15 S1-А1-S2-А3-S3-А4-S4-А7-S6-А16-S8 16 S1-А1-S2-А3-S3-А4-S4-А7-S6-А17-S8 17 S1-А1-S2-А3-S3-А4-S4-А7-S6-А15-S8 18 S1-А1-S2-А3-S3-А4-S4-А7-S6-А18-S8 19 S1-А1-S2-А3-S3-А4-S4-А8-S6-А13-S8 20 S1-А1-S2-А3-S3-А4-S4-А8-S6-А13-S8 21 S1-А1-S2-А3-S3-А4-S4-А8-S6-А16-S8 22 S1-А1-S2-А3-S3-А4-S4-А8-S6-А17-S8 23 S1-А1-S2-А3-S3-А4-S4-А8-S6-А15-S8 24 S1-А1-S2-А3-S3-А4-S4-А8-S6-А18-S8 25 S1-А2-S2-А3-S3-А4-S4-А7-S6-А13-S8 26 S1-А2-S2-А3-S3-А4-S4-А7-S6-А13-S8 27 S1-А2-S2-А3-S3-А4-S4-А7-S6-А16-S8 28 S1-А2-S2-А3-S3-А4-S4-А7-S6-А17-S8 29 S1-А2-S2-А3-S3-А4-S4-А7-S6-А15-S8 30 S1-А2-S2-А3-S3-А4-S4-А7-S6-А18-S8 31 S1-А2-S2-А3-S3-А4-S4-А8-S6-А13-S8 32 S1-А2-S2-А3-S3-А4-S4-А8-S6-А13-S8 33 S1-А2-S2-А3-S3-А4-S4-А8-S6-А16-S8 34 S1-А2-S2-А3-S3-А4-S4-А8-S6-А17-S8 35 S1-А2-S2-А3-S3-А4-S4-А8-S6-А15-S8 36 S1-А2-S2-А3-S3-А4-S4-А8-S6-А18-S8 -112Таблица П Оптимизация маршрутов производства холоднокатаных полос по комплексному критерию без учета затрат времени на доставку к технологическим агрегатам Назначение на АНО Назначение в отделение колпаковых печей 12 S1-А2-S2-А3-S3-А4-S4-А8-S6-А13-S8 11, 13 S1-А2-S2-А3-S3-А4-S4-А7-S6-А13-S8 12, 14 S1-А2-S2-А3-S3-А4-S4-А8-S6-А16-S8 12, 16 S1-А2-S2-А3-S3-А4-S4-А7-S6-А16-S8 12, 15 S1-А2-S2-А3-S3-А4-S4-А8-S6-А18-S8 12, 17 S1-А2-S2-А3-S3-А4-S4-А7-S6-А18-S8 12, 18 S1-А2-S2-А3-S3-А4-S4-А8-S6-А15-S8 12, 20 S1-А2-S2-А3-S3-А4-S4-А8-S6-А13-S8 12, 19 S1-А2-S2-А3-S3-А4-S4-А8-S6-А17-S8 12, 21 S1-А2-S2-А3-S3-А4-S4-А7-S6-А15-S8 12, 23 S1-А2-S2-А3-S3-А4-S4-А7-S6-А13-S8 12, 22 S1-А2-S2-А3-S3-А4-S4-А7-S6-А17-S8 12, 24 S1-А1-S2-А3-S3-А4-S4-А8-S6-А13-S8 12, 25 S1-А1-S2-А3-S3-А4-S4-А7-S6-А13-S8 12, 26 S1-А1-S2-А3-S3-А4-S4-А8-S6-А16-S8 12, 28 S1-А1-S2-А3-S3-А4-S4-А7-S6-А16-S8 12, 27 S1-А1-S2-А3-S3-А4-S4-А8-S6-А18-S8 12, 29 S1-А1-S2-А3-S3-А4-S4-А7-S6-А18-S8 13, 32 S1-А1-S2-А3-S3-А4-S4-А8-S6-А13-S8 13, 30 S1-А1-S2-А3-S3-А4-S4-А8-S6-А15-S8 13, 31 S1-А1-S2-А3-S3-А4-S4-А8-S6-А17-S8 13, 33 S1-А1-S2-А3-S3-А4-S4-А7-S6-А15-S8 13, 35 S1-А1-S2-А3-S3-А4-S4-А7-S6-А13-S8 13, Технологический этап Выборка – 100 наблюдений.

B : y 2,1 = 1058,24x 5 + 5739,72x 8 + 3761,24x Предел прочности, Среднеквадратичное отклонение: 16,7715.

HRB : y 3,1 = 0,6826x 7 + 44,0755 exp{x 7 / 21,2541} Твердость HRB Среднеквадратичное отклонение: 3,5549.

-114y 4,1 = 526,05x 4 + 354,289x 7 + 398,112x 12 3,1594x10,2632 x 16,759 x10, Относительное удлинение, % Среднеквадратичное отклонение: 11,9071.

JE : y 5,1 = 7,4228x 6 2,5742x 8 + 12,3316(( x 6 / 0,9381) 2,5418 + + ( x 8 / 0,0159) 2,5418 )1 / 2,5418.

сферической Среднеквадратичное отклонение: 2,62573.

Выборка: 150 наблюдений.

B : y 2, 2 = 1,001x 5 + x 8 + x12 0,3792x15 + 1,7460(( x 5 / 1,001)1,016 + x 81,016 + Предел прочности, Среднеквадратичное отклонение: 10,84034.

HRB : y 3, 2 = x 7 + 1,3232x 14 5,15052(( x 7 / 0,67111) 2,17202 + Твердость HRB Среднеквадратичное отклонение: 2,53826.

-116y 4, 2 = 1,0137x 4 + 1,0006x 7 + 1,0026x12 + 0,0578x14 + + 1,0006 exp{0,0023x 4 + 0,0003x 7 + 0,0005x12 0,9730x14 } Относительное удлинение, % Среднеквадратичное отклонение: 9,11988.

+ 1193,99((x 6 / 1120,56) 1579,9 + (x 8 / 2336,17) 1579,9 + (x15 / 25,7819) 1579,9 )1579,9.

Глубина сферической Среднеквадратичное отклонение: 2,3547.

Выборка: 200 наблюдений.

Предел прочности, МПа Среднеквадратичное отклонение: 7,01093.

HRB : y 3,3 = x 7 + 0,0042x14 + 1,0061x 16 0,0277x 24 + Твердость HRB Среднеквадратичное отклонение: 1,65625.

-118y 4, 3 = 1,0111x 4 + x 7 + x12 + 0,1393x14 + 0,6637x 19 0,1369x Относительное удлинение, % Среднеквадратичное отклонение: 6,21906.

JE : y 5,3 = 1,2970x 6 + 341,668x 8 0,0016x15 0,0803x 22 + 0,3962x Глубина сферической Среднеквадратичное отклонение: 1,85187.

Сопроводительная - протокол механических испытаний Количество отбракованного металла по показателям, т № г./к.

-120-

СПИСОК ЛИТЕРАТУРЫ

Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей. – М.: Финансы и статистика, 1985. – 487 с.

Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и обработки данных. – М.: Финансы и статистика, 1983. – 471 с.

Прикладная статистика. Классификация и снижение размерности / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. – М.: Финансы и статистика, 1989.

Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание. – М.: Наука, Артемова Е. Комплексные решения на базе системы CA-PRMS. – http: // www.

osp. ru/os/1998/02/36. htm.

Бан Я. Интегрированные системы управления предприятием. Аналитическая записка. – http: // www. erp. boom. ru.

Бард Й. Нелинейное оценивание параметров. – М.: Статистика, 1979. – 349 с.

Бендат Дж.С., Пирсол А.Дж. Прикладной анализ случайных данных. – М.: Мир, Беняковский М.А., Мазур В.Л., Мелешко В.И. Производство автомобильного листа. – М.: Металлургия, 1979. – 256 с.

Бешелев С.Д., Гурва Ф.Е. Математико-статистические методы экспертных оценок.

10.

– М.: Статистика, 1980. – 283 с.

Блюмин С.Л., Погодаев А.К. Блочные рекуррентно-итерационные процедуры 11.

решения нелинейной задачи о наименьших квадратов // Вычисл. математика и матем. физика – 1992. – Т. 32. – № 8. – С. 1180-1186.

Блюмин С.Л., Миловидов С.П. Взвешенное псевдообращение: Учеб. пособие.

12.

– Воронеж: ВорПИ-ЛипПИ, 1991. – 64 с.

Блюмин С.Л., Миловидов С.П. Псевдообращение: Учебное пособие. – Воронеж:

13.

ВорПИ-ЛипПИ, 1990. – 72 с.

Блюмин С.Л., Миловидов С.П., Погодаев А.К. Нелинейный метод наименьших 14.

квадратов и псевдообращение: Учебное пособие. – Липецк: ЛипПИ, 1992. – 80 с.

Блюмин С.Л., Погодаев А.К. Адаптивные процедуры в решении задач оптимизации качества металлопродукции // Изв. вузов. Черная металлургия. – 2003.

Блюмин С.Л., Погодаев А.К. Алгоритмы блочной адаптации линейных и нелинейных моделей технологических зависимостей // Изв. вузов. Черная металлургия.

Блюмин С.Л., Погодаев А.К. Пошаговая нелинейная регрессия по последовательно 17.

поступающим данным // Заводская лаборатория. – 1995. – № 10.– C. 51-57.

Блюмин С.Л., Погодаев А.К. Суперпозиционная регрессия // Вычисл. математика и 18.

матем. физика. – 1995. – Т. 35. – № 10. – С. 1576-1581.

Блюмин С.Л., Погодаев А.К., Барышев В.В. Оптимальное моделирование технологических связей: Учебное пособие. – Липецк: ЛипПИ, 1993. – 68 с.

Обобщение теоремы Гэя / С.Л. Блюмин, А.К. Погодаев, А.Л. Куменков, 20.

В.И. Гостеев // Электромеханические устройства и системы: Межвуз. сб. науч. тр.

– Воронеж: ВГТУ-АЭТН РФ, 1997. – С. 133-137.

-122Блюмин С.Л., Погодаев А.К., Куменков А.М. Формулировка и исследование сходимости класса методов решения систем нелинейных уравнений // Сб. науч. тр.

– Липецк: ЛГТУ-ЛЭГИ, 1997. – С. 105-114.

22. Блюмин С.Л., Погодаев А.К., Тарасов А.А. Алгоритмы блочной пошаговой линейной и нелинейной регрессии в оптимальном моделировании технологических связей // Изв. вузов. Черная металлургия. – 1995. – № 9. – С. 37-41.

23. Алгебраические основы методов линеаризации решения систем нелинейных уравнений / С.Л. Блюмин, А.К. Погодаев, А.А. Тарасов, А.Л. Куменков // Математическое и информационное обеспечение автоматизированных систем: Сб. науч. тр.

– Липецк: ЛГТУ, 1997. – С. 79-83.

24. Брахман Т.Р. Многокритериальность и выбор альтернативы в технике. – М.:

Радио и связь, 1984. – 288 с.

25. Бусленко В.Н. Автоматизация имитационного моделирования сложных систем.

– М.: Главная редакция физико-математической литературы изд-ва «Наука», 1977.

26. Бусленко Н.П. Моделирование сложных систем. – 2-е изд., перераб. – М.: Наука, 27. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. – М.: Советское радио, 1973. – 440 с.

28. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на C++: Пер. с англ. – М.: «Издательство Бином»; СПб.: «Невский диалект», 29. Вагин П.П., Дубровская И.С., Сютрик И.С. Имитационная модель системы контроля качества функционирования дискретного технологического процесса // Исследования в области метрологии АСУ техническими процессами: Сб. науч.

тр. – Львов: ВНИИМИУС, 1986. – С. 45-51.

30. Виленкин Н.Я. Специальные функции и теория представлений групп. – М.: Наука, 31. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. – М.: Мир, 1985. – 509 с.

32. Гординский А.А. Метод оценивания в линейной регрессии // Заводская лаборатория. – 1993. – № 5. – С. 48-52.

33. Демиденко Е.В. Линейная и нелинейная регрессии. – М.: Финансы и статистика, 34. Демиденко Е.В. Оптимизация и регрессия. – М.: Наука, 1989. – 296 с.

35. Демиденко Е.З. Вычислительные вопросы нелинейной регрессии // Заводская лаборатория. – 1986. – № 3. – С. 51-54.

36. Доброе Г.М., Ершов Ю.В., Левин Б.И. Экспертные оценки в научно-техни-ческом прогнозировании. – Киев: Наукова думка, 1974. – 160 с.

37. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2-х кн. – М.: Финансы и статистика, 1986.

38. Дубровский С.А. Прикладной многомерный статистический анализ. – М.: Финансы и статистика, 1982. – 215 с.

39. Дьяченко В.Ф. Основные понятия вычислительной математики. – М.: Наука, 1972.

40. Дэннис Д., Шнабель Р. Численные методы безусловной оптимизации и решения нелинейных уравнений. – М.: Мир, 1988. – 440 с.

41. Дюран Б., Одел П. Кластерный анализ. – М.: Статистика, 1977. – 182 с.

43. Жадан В.Т., Маневич В.А. Совершенствование технологии прокатки на основе комплексных критериев качества. – М.: Металлургия, 1989. – 96 с.

44. Жамбю М. Иерархический кластер-анализ и соответствия. – М.: Финансы и статистика, 1988. – 342 с.

45. Жиглявский А.А., Жилинскас А.Г. Методы поиска глобального экстремума.

– М.: Наука, 1991. – 248 с.

46. Закс Л. Статистическое оценивание. – М.: Статистика, 1976. – 598 с.

47. Зангвилл У. Нелинейное программирование. Единый подход. – М.: Советское радио, 1973. – 312 с.

48. Ивахненко А.Г., Юрачковский Ю.П. Самоорганизация моделей по экспериментальным данным. – М.: Радио и связь, 1985. – 300 с.

49. Ивченко Г.И., Каштанов В.А., Коваленко И.Н. Теория массового обслуживания:

Учеб. пособие для вузов. – М.: Высш. школа, 1982. – 256 с.

50. Илющенко В.И., Козма П. Решение задач МНК с применением стандартных и SVD программы. – Дубна: ОИЯИ, 1989. – 34 с.

51. Имитационное моделирование производственных систем / Под общ. ред. чл. кор.

АНСССР А.А. Вавилова. – М.: Машиностроение; Берлин: Техник, 1983. – 416 с.

52. Исследование операций: В 2-х т.; Пер. с англ. / Под ред. Дж. Моудера, С. Элмаграби. – М.: Мир, 1981.

53. Кабаев С.В. Программный пакет InTouch восходит на вершину // Энергетика.

– 1997. – № 12. – C. 32-40.

54. Карпачев И.И. Классификация компьютерных систем управления предприятием.

– http: // www. akdi. ru/avt-upr/klass/korp. htm.

55. Кендэл М. Ранговые корреляции. – М.: Статистика, 1975. – 214 с.

56. Клейнен Дж. Статистические методы в имитационном моделировании: В 2-х вып.

/ Пер. с англ. Ю.П. Адлера и др.; Под ред. и с предисл. Ю.П. Адлера и В.Н. Варыгина. – М.: Статистика, 1978.

57. Клейнер Г.Б. Производственные функции: Теория методы, применение. – М.: Финансы и статистика, 1986. – 239 с.

58. Клир Дж. Системология. Автоматизация решения системных задач. – М.: Радио и связь, 1990. – 554 с.

59. Крамер Г. Математические методы статистики. – М.: Мир, 1975, – 648с.

60. Кривцов А.М., Шеховцов В.В. Сетевое планирование и управление. – 2-е изд., доп.

и перераб. – М.: «Экономика», 1978. – 191 с.

61. Кузнецов Л.А. Введение в САПР производства проката. – М.: Металлургия, 62. Кузнецов Л.А. Применение УВМ для оптимизации тонколистовой прокатки.

– М.: Металлургия, 1988. – 304 с.

63. Система автоматизированного проектирования сквозной технологии производства листового проката / Л.А. Кузнецов, А.Д. Белянский, А.М. Корнеев, А.К. Погодаев // Сталь. – 1994. – № 8. – С. 51-54.

64. Кузнецов Л.А., Блюмин С.Л., Погодаев А.К. Выбор рациональной технологии производства листового проката с использованием методов математического программирования // Изв. вузов. Черная металлургия. – 1991. – № 9. – С. 64-66.

-124Кузнецов Л.А., Блюмин С.Л., Погодаев А.К. Статистическая оценка точности оптимизации технологических параметров на основе нелинейной регрессии // Изв. вузов. Черная металлургия. – 1992. – № 7. – С. 69-71.

66. Кузнецов Л.А., Блюмин С.Л., Погодаев А.К. Статистическое оценивание оптимальных значений технологических параметров металлургических процессов // Изв. вузов. Черная металлургия. – 1990. – № 11. – С. 55-57.

67. Сочетание методов математического программирования для оптимизации качества листовой стали / Л.А. Кузнецов, С.Л. Блюмин, А.К. Погодаев, В.В. Ведищев // Изв. вузов. Черная металлургия. – 1992. – № 5. – С. 54-55.

68. Кузнецов Л.А., Гордеев В.В. Система построения имитационной модели и управления сложного производства // Изв. вузов. Черная металлургия. – 1994.

69. Кузнецов Л.А., Погодаев А.К., Бурцев В.Д. Объектно-ориентированный подход к моделированию сложных производств // Изв. вузов. Черная металлургия.

– 2001. – № 7. – С. 55-58.

70. Кузнецов Л.А., Погодаев А.К., Гостеев В.Г. Применение экспертных систем для управления качеством металлопродукции // Изв. вузов. Черная металлургия.

– 2001. – № 9. – С. 52-56.

71. Кузнецов Л.А., Погодаев А.К., Корнеев А.М. Статистические модели в задачах оптимизации сквозной технологии производства автолистовой стали // Изв.

вузов. Черная металлургия. – 1990 № 3. – С. 34-36.

72. Кузнецов Л.А., Погодаев А.К., Угаров А.А. Управление качеством продукции // Современные сложные системы управления СССУ/HTCS’2002: Сб. тр. междунар. науч.-техн. конф. – Старый Оскол: СТИ МИСиС, 2002. – С. 77-80.

73. Кузнецов Л.А., Толстова Т.А. Определение оптимального базиса аппроксимации экспериментальных данных // Заводская лаборатория. – 1995. – № 10. – С. 45-50.

74. Кучеряев Б.В., Блинков А.Е. Критериальный идентификатор стратегии управления оператора // Изв. вузов. Черная металлургия. – 1991. – № 9. – С. 70-72.

75. Лифшиц А.Л., Мальц Э.А. Статистическое моделирование систем массового обслуживания. – М.: Советское радио, 1978. – 248 с.

76. Логинов Э.А., Логинов В.Э. Сравнение некоторых методов выбора регрессии из полиномов с одним аргументом // Заводская лаборатория. – 1994. – № 5. – С. 38-43.

77. Лоран П.-Ж. Аппроксимация и оптимизация. – М.: Мир, 1975. – 496 с.

78. Лоусон Ч., Хенсон Р. Численное решение задач метода наименьших квадратов. – М.: Наука, 1986. – 232 с.

79. Льюнг Л. Идентификация систем. Теория для пользователя. – М.: Наука, 1991.

80. Лямбах Р.В., Климовицкий М.Д. Проблемы автоматизации прокатного производства: Аналитический обзор // Сталь. – 1999. – № 2. – С. 43-47.

81. Меденков А.А., Пятунин Г.А. Регулирование и контроль качества проката на основе статистических методов // Сталь. – 1987. – № 7. – С. 55-58.

82. Минимизация в инженерных расчетах на ЭВМ. Библиотека программ / Гуснин С.Ю., Омельянов Г.А., Резников Г.В. и др. – М.: Машиностроение, 1981. – 120 с.

83. Мину М. Математическое программирование. – М.: Наука, 1990. – 488 с.

84. Молчанов А.А. Моделирование и проектирование сложных систем. – К.: Выща шк. Головное изд-во, 1988. – 359 с.

статистика, 1982.

86. Влияние химического состава и режимов отжига на свойства и склонность к старению стали 08Ю / Ю.А. Мухин, А.Ф. Пименов, И.Г. Родионова, А.П. Шаповалов // Тонколистовая прокатка: Межвуз. сб. – Воронеж, 1986. – С. 43-46.

87. Налимов В.В. Теория эксперимента. – М.: Наука, 1971. – 207 с.

88. Неймарк Ю.И., Теклина Л.Г. Метод наименьших квадратов как управляемая динамическая система // Исследовано в России: Электронный журнал. – 2002. – http:

// zhurnal. ape. relarn. ru/articles/ 2002/059. pdf.

89. Автоматизированная система управления качеством при производстве электронной техники / Ю.И. Нестеров, А.И. Власов, А.Г. Тимошкин, И.П. Иванов.

– http: // iu4. bmstu. Ru /rus/nauka/ neurasu/neurasu. htm.

90. Огасавара Акинобу. Автоматизация процессов и информационные сети // Япония, Кэйсоку то сэйгё. – 1985. – Т. 24. – № 2. – С. 132-136.

91. Инструментальная система поддержки вычислительного эксперимента / А.Г. Олейник, А.В. Смагин, Ф.Я. Фридман, О.В. Фридман // Программные продукты и системы. – 1999. – № 2. – C. 7-13.

92. Оптимизация качества. Сложные продукты и процессы / Э.В. Калинина, А.Г. Лапига, В.В. Поляков и др. – М.: Химия, 1989. – 256 с.

93. Официальный сервер ISO9000. Современный менеджмент качества. – http: // www. ISO9000. ru.

94. Пашковский А.П. Комплекс Программных средств TRIM: Аналитическая записка.

– http: // www. trim. ru.

95. Питер Д. Шайнин Инструменты качества. Ч. 3: Контрольные карты // Методы менеджмента качества. – 2000. – № 1. – С. 17-22.

96. Погодаев А.К. Адаптивные методы определения приоритетов показателей качества металлопродукции // Изв. вузов. Черная металлургия. – 2002. – № 7. – С. 51-53.

97. Погодаев А.К., Анненков А.В. Метод оптимизации графов с нагруженными вершинами // Вестник ЛГТУ-ЛЭГИ. – Липецк: ЛЭГИ, – № 1(7). – 2001. – С. 37-39.

98. Погодаев А.К., Гостеев В.Г. О выборе рациональных оптимизационных стратегий // Вестник ЛГТУ-ЛЭГИ. – Липецк: ЛЭГИ. – № 1. – 1998. – Т. 1. – С. 86-89.

99. Пойкер Т., Гейд Д., Мюллер Х. Обоснование новых решений в прокатном производстве моделированием технологических потоков // Сталь. – 1999. – № 10.

100. Полухин В.П. Математическое моделирование и расчет на ЭВМ листовых прокатных станов. – М.: Металлургия, 1972. – 512 с.

101. Пытьев Ю.П. Математические методы интерпретации эксперимента. – М.: Высшая школа, 1989. – 351 с.

102. Реклейтис Г., Рейвиндран А., Рэгсдел К. Оптимизация в технике: В 2-х кн. – М.:

Мир, 1986. – 245 с., 227 с.

103. Рожков И.М., Власов С.А., Мулько Г.Н. Математические модели для выбора рациональной технологии и управления качеством стали. – М.: Металлургия, 104. Рубан А.И. Идентификация нелинейных динамических объектов на основе алгоритма чувствительности. – Томск: ТГУ, 1975. – 270 с.

-126Салыга В.И., Карабутов Н.Н. Идентификация и управление процессами в черной металлургии. – М.: Металлургия, 1986. – 192 с.

106. Себер Д. Линейный регрессионный анализ. – М.: Мир, 1980. – 456 с.

107. Современные методы идентификации систем / Под ред. Эйкхофа. – М.: Мир, 108. Судаков Р.С. Теория псевдополуобратных матриц и ее применение к задачам оценки надежности. – М.: Знание, 1981. – 106 с.

109. Сунчелей И.Р. Комплексное решение по созданию корпоративной информационной системы предприятий металлургической отрасли – АйТи – Вертикаль: Металлургия. – http: // www. intres. ru/konfter/ati. htm.

110. Таха Х. Введение в исследование операций: В 2-х кн. – М.: Мир, 1985. – Кн. 1.

111. Хардле В. Прикладная и непараметрическая регрессия. – М.: Мир, 1991. – 222 с.

112. Химмельблау Д. Прикладное нелинейное программирование. – М.: Мир, 1975.

113. Цвиркун А.Д. Основы синтеза структуры сложных систем. – М.: Наука, 1982.

114. Цвиркун А.Д. Структура сложных систем. – М.: Сов. радио, 1975.

115. Целиков А.И., Никитин Г.С., Рокотян С.Е. Теория продольной прокатки. – М.:

Металлургия, 1980. – 320 с.

116. Цыпкин Я.З. Адаптация и обучение в автоматических системах. – М.: Наука, 1968.

117. Цыпкин Я.З. Основы теории обучающихся систем. – М.: Наука, 1970. – 252 с.

118. Шеметов Д.В., Осипов Ю.М. Нейросетевая имитационная модель наукоемкой машиностроительной продукции // Автоматизация и современные технологии.

119. Шеннон Р. Имитационное моделирование систем – искусство и наука: Пер. с англ.

– М.: Мир, 1978. – 422 с.

120. Шумский В.М., Шумская Т.Н. О применении метода псевдообращения для решения плохо обусловленных задач МНК // Заводская лаборатория. – 1989. – № 1.

121. Эфрон В. Нетрадиционные методы многомерного статистического анализа.

– М.: Финансы и статистика, 1988. – 263 с.

122. Blyumin S.L., Pogodayev A.K. Blockwise Recursive-Iterative Procedures for the Leastsquares Solution of Non-linear Problems // Comput. Maths Math. Phys. – Vol. 32. – № 8.

– 1992. – PP. 1059-1064.

123. Blyumin S.L., Pogodayev A.K. Superpositional Regression // Comput. Maths Math.

Phys. – Vol. 35. – № 10. – 1995. – PP. 1269-1273.

124. Feuiillete D., Amet J.P. Introduction du SPC (Statistical process control) sur le train a bandes de Sollac Florange // Rev. Met. – 1988, 85. – № 4. – P. 325-330.

125. The Automatic Engineering System of a Through Rolled-Stock Production Technology / L.A. Kuznetsov, A.D. Belyansky, A.M. Korneev, A.K. Pogodayev. – Proc.

ICSE Coventry University. – Vol. 1. – 1994. – 6-8 September. – PP. 646-649.

УДК 681.3:62-

П50 АДАПТАЦИЯ И ОПТИМИЗАЦИЯ

В СИСТЕМАХ АВТОМАТИЗАЦИИ И УПРАВЛЕНИЯ

ISBN 5-900037-35- В монографии приведено описание современного подхода для решения проблем при разработке математического и программного обеспечения автоматизированных систем управления производственными и технологическими процессами. В качестве примера представлены результаты реализации подхода для металлургического предприятия.

Издание утверждено НТС и РИС ЛЭГИ и рекомендовано научным сотрудникам и специалистам, занимающимся вопросами проектирования автоматизированных систем управления.

Компьютерная верстка и редактирование И.Ф. Ковешниковой Подписано в печать 27.03.2003 г. Бумага 55-60 г/м2.

Формат 60х84/16. Гарнитура «Таймс». Усл. печ. л. 8,0.

Издательство ЛЭГИ. 398 600, Липецк, ул. Интернациональная, 5а.

Ризография ЛЭГИ. 398 600, Липецк, ул. Интернациональная, 5а.

-128-

Pages:     | 1 ||
 
Похожие работы:

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ НИЖЕГОРОДСКИЙ ГОСУДАРСТВЕННЫЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ ИМЕНИ КОЗЬМЫ МИНИНА В.Т. Захарова ИМПРЕССИОНИЗМ В РУССКОЙ ПРОЗЕ СЕРЕБРЯНОГО ВЕКА Монография Нижний Новгород 2012 Печатается по решению редакционно-издательского совета Нижегородского государственного педагогического университета имени Козьмы Минина УДК ББК 83.3 (2Рос=Рус) 6 - 3-...»

«Современная гуманитарная академия ВИГОРОСНОСТЬ И ИННОВАЦИИ (человеческий фактор как основа модернизации) Под редакцией М.П. Карпенко Москва 2011 УДК 101.1:316 ББК 87.6 В 41 Вигоросность и инновации (человеческий фактор как основа модернизации) / Под ред. М.П. Карпенко. М.: Изд-во СГУ, 2011. 242 с. ISBN 978-5-8323-0783-1 Монография посвящена поиску ответов на вопросы, вот уже несколько тысячелетий волнующих лучшие умы человечества: в чем источник развития общества, какова природа социальной...»

«ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ – ВЫСШАЯ ШКОЛА ЭКОНОМИКИ СТРАТЕГИИ РАЗВИТИЯ РОССИЙСКИХ ВУЗОВ: ответы на новые вызовы Под научной редакцией Н.Л. Титовой МОСКВА – 2008 Файл загружен с http://www.ifap.ru УДК 37 ББК 74.04(2) С83 Авторский коллектив: Андреева Н.В., к.э.н. – раздел 1.4 Балаева О.Н., к.э.н. – раздел 1.41 Бусыгин В.П., к.ф.-м.н. – Глава 4, Приложение 5 Муратова Ю.Р. – Глава 3, Приложение 4 Радаев В.В., д.э.н. – Предисловие, Глава 3, Приложение 4 Титова Н.Л., к.э.н. – Главы 1, 2, 5;...»

«Ю.Г. ПЛЕСОВСКИХ Ю.В. РОЖКОВ Г.П. СТАРИНОВ ДЕЛИКТ-МЕНЕДЖМЕНТ КАК ФАКТОР ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ БИЗНЕСА Монография Хабаровск 2011 УДК 349:338.2(07) ББК 67.623я7 П38 Плесовских Ю.Г., Рожков Ю.В., Старинов Г.П. Деликт-менеджмент в системе экономической безопасности П38 бизнеса: монография / под науч. ред. Ю.В. Рожкова. – Хабаровск: РИЦ ХГАЭП, 2011. – 220 с. – ISBN 978-7823-0560-4. Рецензенты: д-р экон. наук, профессор ТОГУ Третьяков М.М. д-р экон. наук, профессор ДВИМБ Шишмаков В.Т. В...»

«Российская академия наук Дальневосточное отделение Институт водных и экологических проблем Биолого-почвенный институт Филиал ОАО РусГидро - Бурейская ГЭС ГИДРОЭКОЛОГИЧЕСКИЙ МОНИТОРИНГ ЗОНЫ ВЛИЯНИЯ ЗЕЙСКОГО ГИДРОУЗЛА Хабаровск 2010 2 Russian Academy of Sciences Far East Branch Institute of Water and Ecological Problems Institute of Biology and Soil Sciences JSC Rushydro HPP Branch HYDRO-ECOLOGICAL MONITORING IN ZEYA HYDRO-ELECTRIC POWER STATION ZONE INFLUENCES Khabarovsk УДК 574.5 (282.257.557)...»

«РОССИЙСКАЯ АКАДЕМИЯ НАУК ИНСТИТУТ СОЦИАЛЬНОЭКОНОМИЧЕСКОГО РАЗВИТИЯ ТЕРРИТОРИЙ РАН М.А. Головчин, Г.В. Леонидова, А.А. Шабунова Образование: региональные проблемы качества управления Вологда 2012 ББК 65.497.4(2Рос–4Вол) Г61 Публикуется по решению Ученого совета ИСЭРТ РАН Головчин, М.А. Образование: региональные проблемы качества управления [Текст]: монография / М.А. Головчин, Г.В. Леонидова, А.А. Шабунова. – Вологда: ИСЭРТ РАН, 2012. – 197 с. Научный консультант доктор экономических наук,...»

«Институт проблем управления Университетский Центр им. В.А.Трапезникова РАН Самарии (Москва, Россия) (Ариэль, Израиль) Д.И. Голенко-Гинзбург СТОХАСТИЧЕСКИЕ СЕТЕВЫЕ МОДЕЛИ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ РАЗРАБОТКАМИ Воронеж Научная книга 2010 УДК 621.39:519.2 ББК 65.291.217 Г 60 Рецензенты: д.т.н., профессор А.К.Погодаев (Липецкий государственный технический университет); д.т.н., профессор В.А.Ириков (Московский физико-технический институт (университет)) Научный редактор: д.т.н., профессор В.Н. Бурков...»

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ГОСУДАРСТ ВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТ ВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ И ФИНАНСОВ О.Ю. ШМЕЛЁВА ТЕРМИНОЛОГИЧЕСКИЕ ПРОЦЕССЫ В ДИАХРОНИИ И СИНХРОНИИ (НА МАТЕРИАЛЕ АНГЛИЙСКОГО ЯЗЫКА) ИЗДАТЕЛЬСТ ВО САНКТ-ПЕТЕРБУРГСКОГО ГОСУДАРСТ ВЕННОГО УНИВЕРС ИТЕТ А ЭКОНОМИКИ И ФИНАНСОВ 2010 ББК 81. Ш Шмелёва О.Ю. Терминологические процессы в синхронии и диахронии (на материале английского языка).–...»

«Федеральная таможенная служба Государственное образовательное учреждение высшего профессионального образования Российская таможенная академия Владивостокский филиал Всемирный фонд дикой природы (WWF) С.Н. Ляпустин Борьба с контрабандой объектов фауны и флоры на Дальнем Востоке России (конец ХIХ – начало ХХI в.) Монография Владивосток 2008 УДК 339.5 ББК 67.408 Л97 Рецензенты: Н.А. Беляева, доктор исторических наук П.Ф. Бровко, доктор географических наук, профессор Ляпустин, С.Н. Л97 Борьба с...»

«Маkсим Kирчанов И СНОВА УТВЕРЖУ СВОЙ СИОН: религиозный и секулярный национализм в Америке Воронєж 2010 УДК 32(091) ББК 66.1(0) К 436 Рецензенты: к.филос.н., старший преподаватель Кафедры философской антропологии Оренбургского государственного университета Е.А. Лисина к.полит.н., ученый секретарь Центра исследования проблем гражданского общества (Киев, Украина) А.Ю. Полтораков к.иcтор.н., преп. Набережночелнинского государственного педагогического института (Республика Татарстан, РФ) Т.А....»

«А. Б. РУЧИН, М. К. РЫЖОВ АМФИБИИ И РЕПТИЛИИ МОРДОВИИ: ВИДОВОЕ РАЗНООБРАЗИЕ, РАСПРОСТРАНЕНИЕ, ЧИСЛЕННОСТЬ САРАНСК ИЗДАТЕЛЬСТВО МОРДОВСКОГО УНИВЕРСИТЕТА 2006 УДК 597.6: 598.1 (470.345) ББК Е6 Р921 Р е ц е н з е н т ы: кафедра зоологии Тамбовского государственного университета (и.о. заведующего кафедрой кандидат биологических наук доцент Г. А. Лада) доктор биологических наук профессор Б. Д. Васильев (Московский государственный университет) Ручин А. Б. Р921 Ручин А. Б., Рыжов М. К. Амфибии и...»

«Международный юридический институт В.А. Пертли ПРИМЕНЕНИЕ УГОЛОВНО-ПРАВОВЫХ МЕР БЕЗ ИЗОЛЯЦИИ ОТ ОБЩЕСТВА (ИСТОРИЧЕСКИЙ ОПЫТ И СОВРЕМЕННОСТЬ) Москва 2010 ББК 67.99(2) П 26 Пертли В.А. П 26 Применение уголовно-правовых мер без изоляции от общества: исторический опыт и современность / В.А. Пертли. Монография. – М.: Издательство Международного юридического института, 2010. – 200 с. ISBN 978-5-902416-34-0 Рецезенты: Филимонов О.В., доктор юридических наук, профессор; Дворянсков И.В., кандидат...»

«А.В.Федоров, И.В.Челышева МЕДИАОБРАЗОВАНИЕ В РОССИИ: КРАТКАЯ ИСТОРИЯ РАЗВИТИЯ 2 УДК 378.148. ББК 434(0+2)6 Ф 33 ISBN 5-94673-005-3 Федоров А.В., Челышева И.В. Медиаобразование в России: краткая история развития Таганрог: Познание, 2002. 266 c. Монография написана при поддержке гранта Российского гуманитарного научного фонда (РГНФ), грант № 01-06-00027а В монографии рассматриваются вопросы истории, теории и методики медиаобразования (то есть образования на материале средств массовой...»

«Министерство здравоохранения и социального развития Российской Федерации Северный государственный медицинский университет А.М. Вязьмин, Э.А. Мордовский Идеи М.В. Ломоносова и общественное здоровье Поморья в XVIII–XXI веках Под редакцией профессора А.Л. Санникова Монография Архангельск 2011 УДК 614.2 (470.1/.2+98) ББК 51.1 (235.1+211) В 99 Рецензенты: доктор медицинских наук, профессор, член-корр. РАМН, зам. директора НИИ Общественного здоровья и управления здравоохранением ММА им. И.М. Сеченова...»

«STUDIA PHILOLOGICA Карен Степанян ДОСТОЕВСКИЙ И СЕРВАНТЕС Диалог в большом времени Я З Ы К И С Л А В Я Н С К О Й К УЛ ЬТ У Р Ы МОСКВА 2013 УДК 82/821.0 ББК 83.3 С 79 Издание осуществлено при финансовой поддержке Федерального агентства по печати и массовым коммуникациям в рамках Федеральной целевой программы Культура России (2012—2018 годы) Исследование проведено при финансовой поддержке РГНФ в рамках проекта подготовки научно-популярных изданий Достоевский и Сервантес: диалог в большом времени,...»

«Министерство здравоохранения и социального развития Российской Федерации Северный научный центр СЗО РАМН Северное отделение Академии полярной медицины и экстремальной экологии человека Северный государственный медицинский университет А.Б. Гудков, О.Н. Попова ВНЕШНЕЕ ДЫХАНИЕ ЧЕЛОВЕКА НА ЕВРОПЕЙСКОМ СЕВЕРЕ Монография Издание второе, исправленное и дополненное Архангельск 2012 УДК 612.2(470.1/.2) ББК 28.706(235.1) Г 93 Рецензенты: доктор медицинских наук, профессор, директор Института...»

«П.Ф. Забродский, А.Н. Чуев Иммунопатология сочетанного действия диметилдихлорвинилфосфата и механической травмы МОНОГРАФИЯ © П.Ф. Забродский, 2012 © А. Н. Чуев, 2012 ISBN 978–5 –91272-254-66 УДК 612.014.46:616–012 ББК 52.84+52.54+52.8 Я 2 з–114 САРАТОВ-2012 2 ОГЛАВЛЕНИЕ стр. Перечень сокращений Введение Глава 1. Нарушения физиологической регуляции антиинфекционной неспецифической резистентности организма и иммуногенеза при действии фосфорорганических соединений и механической травмы 1.1. Общая...»

«МИНИСТЕРСТВ ОБРАЗОВАН М ВО НИЯ И НАУКИ У УКРАИНЫ ДОНЕЦКИЙ НАЦИОНАЛЬ Й ЬНЫЙ УНИВЕРС СИТЕТ ЯНКОВСКИЙ Н.А., МАКОГОН Ю.В., РЯБЧ Й ЧИН А.М. ИНН НОВАЦИОНННЫЕ И КЛА АССИЧЕСКИ ТЕОРИИ ИЕ И КА АТАСТРОФ И ЭКОНОМИ ИЧЕСКИХ К КРИЗИСОВ Научное и издание Донецк – УДК 515.164.15+517. Янковский Н.А., Макогон Ю.В., Рябчин А.М. Инновационные и классические теории катастроф и экономических кризисов: Монография / под ред. Макогона Ю.В. – Донецк: ДонНУ, 2009. – 331 с. Авторы: Янковский Н.А., (введение, п.1.3, 1.4,...»

«Российская академия наук Уральское отделение Ильменский государственный заповедник Г.В. Губко Ильменский государственный заповедник УрО РАН. Анализ эффективности управления. Миасс 2005 г. ББК 65.050.9(2) Губко Г.В. Ильменский государственный заповедник УрО РАН. Анализ эффективности управления. Миасс: “Геотур”, 2005г. - с. Монография посвящена анализу механизмов управления Ильменским государственным заповедником УрО РАН (ИГЗ), как активной социально-экономической системой. В издании...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАФИИ МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСТИТЕТ ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ (МЭСИ) КАФЕДРА НАЛОГОВ И НАЛОГООБЛОЖЕНИЯ КОЛЛЕКТИВНАЯ МОНОГРАФИЯ ПРОБЛЕМЫ НАЛОГОВОГО АДМИНИСТРИРОВАНИЯ В РОССИЙСКОЙ ФЕДЕРАЦИИ Монография Москва, 2012 1 УДК 336.22 ББК 65.261 П 781 Бутенко Л.А., Курочкина И.П., Минашкин В.Г., Солярик М.А., Шувалов А.Е., Шувалова Е.Б. Проблемы налогового администрирования в Российской Федерации: монография / под ред. д.э.н., проф....»






 
© 2013 www.diss.seluk.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Методички, учебные программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.