Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
1). Цель и осн зад системотехники. Системотехника – это научное напр, охват проектирование, созд, испытание и эксплуат сложных систем.
Цель С. – повыш эффективн инженерного труда за счет исп сист методов исследования и конструирования. Осн причины: 1) спос чел-ка выделять наиб существенное в к-л зад. 2) развитие вычислит техники. 3) необх управления сложными обработками. 4) высокая цена ошибки.
2). Классиф систем. Система – это совок взаимосвязанных эл-ов, объед общей целью функционирования, им связь с внешней суперсистемой.
Цель сист – это то, ради чего сист создается и эксплуатируется.
Классиф системы:1). Природные, искусственные и абстрактные 2) Технич сист, соц-эконом, человеко-машины 3). Производящие, обслуж, управл.
3). Исп сист подхода. Сист подход – это рассмотрение объектов как сист, раскрытие целостности объекта, выявл многообразия связей в нем и сведение этого в единую теоретич картину.
Осн этапы в реализации сист подхода: 1). Накопление и анализ инф 2). Определение цели и возможных ср-в ее достиж 3). Дикомпозиция 4). Выд-е однородных и удобных для описания частей системы.
4). Общесист технологич и организационные принц машиностроения.
Технологич: 1) единство конструкторских и технологичх баз. 2) сохран баз по ходу техпроцесса. Организационные: принципы соответствия, специализ, типизации, концентрации, автоматиз, надежности (гибкости).
Принцип соответствия. Прим при выборе хар-к и парам-в оборудования, технологич. оснастки, инструм и т.д. Хар-ки оборуд-я должны превышать соответ хар-ки технологической оснастки и детали. Принцип специализации. Это сосредоточение производства отдельных видов продукции или её частей в самостоятельных отраслях, предприятиях, цехал, участках и тд. Выделяют 3 вида специализации: 1)предметная (например производство турбин и компрессоров авиационных двигателей). 2) подетальная 3) технологич. Принцип типизации. Вкл след.приемы: стандартизация, нормальлизация, унификация, приемственность, модульность констр-и. В технологии исп 2 напр типизации: 1)групповая обраб 2) типовые техпроцессы. Группов обраб подразум общность технологич оснащ. Принципы концентрации и дифференциации
Принцип автоматизации. Сущ 3 осн напр: 1)жесткая автоматизация. Прим в массовом произв-ве. 2)гибкая автоматизация. Подразумевает исп станков с ЧПУ и роботов. 3)роторные и роторно-конвеерные автоматич.линии. Принц гибкости произв-ых сист. Гибкость – это спос приспосабл к возник отклон в ходе произв-ва как по трудоемкости так и по номенклатуре. Отклонения бывают след.видов: внутренние и внешние и случайные.
5). Осн понятия моделирования. Мод-ние – это оснй метод исслед и научнообоснованный метод оценок хар-к сложных систем. Модель-объект-заменитель объекта оригинала, обеспечивающий изучение основных свойств оригинала при упрощенном описании его системы.
Исходная система -> моделирование -> Упрощенная система
Адекватность модели объекта – это подтвержд рез-в моделирования и возм служить основой для прогнозирования, поведения исследуемых объектов.
6). Классификация моделей. 2 категории: 1)детерминированные – отраж модели проц полностью определенно. В таких моделях нет места случ.
2) вероятностные – мод учит случ-ые явл и процессы.
все модели делятся на: 1)статические – служ для опис модели объекта в какой-то мом вр. 2)динамические – повед объектов во времени.
3 модели дискретны и непрерывны. 4 модели раздел на натурные и физические. *Математич.модели – это разновидн мысленных моделей, исп в кач основы математич объекты. Классиф математич. Моделей. 1). Модели, исп в технологии. 3 категории: 1)микроуровня – рассм отдельные переходы 2)макроуровня – рассмат техпроцесс в целом 3)метауровня – рассм. организацию произв-ва. 2. Модели детерминированные и стахостические. 3. Прин разделять модели на: 1)алгоритмические. 2) аналитические. 3)имитационные.4)комбинир. 4.модели делят на теоретич и эмпирические. 5. модели делят на структурные и функциональные
7). аналитич моделирование. Аналитические – модели исп дифф. интегр. методы исчисления. (+): 1)универсальность. 2)большой объем сущ-их наработок (-): 1)сложность учета случ факторов. 2) единую модель построить нельзя. 3)невозможн прим на предварит этапах моделирования.
8). имитационное моделирование. Имитац модели – это алгоритмич мод, отраж повед объекта во времени при задании внешних условий. Для имитац. моделир-я исп 2 типа языков: выс ур и языки имитационного моделирования. (+) 1)возможность созд сложных сист. 2) легкость моделирования случ проц-ов. (-) 1)модели ресурсоемки.2) сложность масштабирования их моделей и изменения.
9). этапы моделирования. 1. построен цели и задачи. Метод коллект прин реш (метод мозговой атаки). 2. декомпозиция сист и выбор методов моделир её частей. 3. Разраб модели. 4.проверка модели на адекватность. 5.измен парам модели или её структуры. 6.исп рез-в моделирования.
10). графо-аналитичй метод реш задач математич.моделир-я.
Проблемы: 1) малая производ-ть. 2) ненулевая вероятность допустить грубую ошибку или промах при поиске экстремума.
11) Зад лин программирования. 1 Прим методов линейного программирования: 1)зад экономич.ресурсов. 2) разраб производственной прогр предприятия. 3)размещение заказов.4)задачи логистики.
12). графо-аналитич метод реш задач лин-го программирования.
(1)
(2)
…
(n)
.
1). Х1ОХ2 2). ОДР 3). . Для поиска минимимума z линию уровня перемещ в напр антиградиента. - .
13). зад нелин программирования. Методы нелин програм прим для реш оптимальных задс нелин ф цели. На независимые переменные могут быть наложены ограничения также в виде нелин соотнош, им вид равенств или неравенств. По существу методы нелин программирования исп, если ни один из перечисл выше методов не позволяет сколько-нибудь продвин в реш оптимальной зад. Поэтому указанные методы иногда назыв также прямыми методами решения оптимальных задач.
14). классич метод минимизации (максимизации) ф одной переменной.
математическую задачу оптимизации можно сформулир след образом:
Минимизировать (максимизировать) целевую ф-ю с учетом ограничений на управляемые переменные. Под минимизацией (максимизацией) ф-и n переменных f(x)=f(x1, ... ,xn) на заданном множестве U n-мерного векторного пространства En поним опред хотя бы 1 из точек минимума (максимума) этой ф-и на множестве U, а также, если это необх, и миним (макс) на U значения f(x).
15). метод равномерного перебора. Метод перебора или равномерного поиска явл простейшим из прямых методов минимизации и сост в след.
Разобьем отрезок [a,b] на n равных частей точками деления:
xi=a+i(b-a)/n, i=0,...n Вычислив знач F(x) в точках xi, путем сравнения найдем точку xm, где m - это число от 0 до n, такую, что
F(xm) = min F(xi) для всех i от 0 до n. Погрешность опред точки минимума xm функции F(x) методом перебора не превосходит величены Eps=(b-a)/n.
16). метод золотого сечения Допущения: 1). Целевая ф-я должна быть унимодальной. На отрезке [a;b] целевая функция должна иметь 1 точку глобального мин, слева этой точки ф-ия строго убывает, справа – возраст. 2). Опред только минимум целевой ф-ии. Если треб max, то её умножают на «-1». 3). Необх найти min за наим число вычислений целевой ф-ии
– Золотое сечение (+) 1)метод очень прост в программной реализации. 2) метод быстрее остальных позволяет найти min ф-ии за минимальное число шагов. (-): см.допущения.
17. Метод линеаризации S-подача n-число оборотов шпинделя B-коэфф-т
(+): возм упрощ реш зад. (-): не каждую задачу можно линеаризовать
18. метод покоординатного спуска Пусть им целевая ф-ия
. Требуется найти min целевой ф-ии.
или (-): 1)отличная от нуля вероятность нахожд не глобального, а локального min. 2) опред либо min либо max целевой ф-ии
19). Методы реш многокритериальных зад оптимизации.
На практике исп 2 разновидности обобщенных критериев: аддитивный и мультипликативный. Пусть им n критериев оптимизации , , -коэф значимости для каждого из частных критериев. -нормирующий делитель. Операция деления формулы необх для привед всех критериев к безразмерному виду: ->max, min
20). Понятие случайного процесса. В сист S происх случайный проц, если с теч времени сист меняет свое состояние заранее неизвестным образом.
21). Марковский случайный процесс. Случ процесс назыв марковским, если для любого момента времени вероятностные хар-ки проц зависят только от его сост в данный мом вр и не завис от того, как сист перешла в это состояние.
Почему нельзя исключ.чел.и чел.фактор: 1.плохая формализация технологич. Процессов2. Высокая стоим ость замены3. Способность эффективн. отфильтров. информацию 4. Способн приним рацион реш в
Сложной ситуации Недостатки человека: 1.выс утомляемость
2.огранич острота слуха, зрения 3. Больш число степ своб. 4.скор реакции
40). Надежность режущих инстр
Характеристики режущ инстр определяют:1.производит обработки и кач-во 2.время на смену инстум и его настройку уменьш эффектив фонд времени раб оборудования 3. режимы обработки могут быть регулир фактором для увелич произв-ти. Причины почему режущ инстр вых из строя раньше времени : 1 инстр материал (харак)2 констукция инстр 3.материал покрытия 4.условия эксплуатации 5. Технол изготовл заточки
41). Понятие о выбороч наблюд.
Статистич наблюд классифиц.: 1.сплошной вид 2.несплошное наблюд 3 текущее наблюд (проводится постоянно) 4. прерывное наблюд
5. непосредственное (тот кто наблюд сам ведет докум) 6 наблюд документированное (польз уже готовой документ) 7.опрос(со слов)
Пусть выполнен выборочный контроль размера детали. Объем выборки n,тогда резуль таты контроля -среднее арифметическое
-доверительный интервал -доверительные границы
43). Понятие о доверит-х грани цах и интервалах.
Пусть выполнен выборочный контроль размера детали. Объем выборки n,тогда резуль таты контроля -среднее арифметическое
-доверительный интервал -доверительные границы
Доверит вероятность-вероят-ть того, что доверит интервал накроет ср знач
44). Регрессионный анализ — метод моделир измеряемых данных и исследования их свойств. Ρ=m/V m=рост(см)-100 Ra=CRa.vx1.Sx2.tx3
Ra корреляционно связана с параметрами обработки
45). понятие корреляции и регрессии уравн.регрессии
Корреляция в математич статистике, вероятностная или статистическая завис-ть, не им, строго функционального хар-ра. В отлич от функциональной, кореляционная завис-ть возникает тогда, когда 1 из признаков зависит не только от данного 2, но и от ряда случ факторов или же когда среди условий, от кот зависят и тот и др признаки, им общие для них обоих условия. Парная корреляция – связь между вход величинами
Регрессия в математич статистике, завис-ть ср знач к-л величины от некоторой др величины или от нескольких величин. В отличие от чисто функциональной зависимости у = f(х), когда каждому знач независимой переменной х соотв 1 определённое знач величины у, при регрессионной связи 1 и тому же значению х могут соотв в завис от случая различные значения величины у. уравн регрессии f(x)=a0+a1x1+a2x2+a3x3,
46). .постановка задачи регресс. Анализа
Цель Р сост в определении общего вида уравнения регрессии, построении оценок неизвестных параметров, вход в ур регрессии, и проверке статистич гипотез о регрессии. 1. по уравн регрессии можно оценить влияние выбранного фактора на результат при неизменных остальных факторах f(x)=a0+a1x1+a2x2+a3x3, x2,x3-const 2.можно оценить знач факторов по их влиянию на рез-т за счет учета нормир-х коэф-тов при этих факторах f(x)=a0+a1x1+a2x2+a3x3, а1,а2,а3- сравнит вклад параметров x1, x2,x3
3.оценка вклада позв рассчитать взаимозамен ресурса 4. позволяет выполнить прогнозирование результата
47). Виды уравнений регрессии
1.линейная y=a0+a1x 2. обратно-пропорц.зависим. y=a0+a1/х 3.полиноминальная y=a0+a1x+….+anxn 4.степенная y=a0.xa1
5.показательная y=a0.a1x 6.экспоненциальная y=a0.ea1x
48). Наименьших квадратов метод, один из методов ошибок теории для оценки неизвестных величин по рез-м измерений, содерж случа ошибки. Н. к. м. прим также для приближ представл заданной функции др (более простыми) функциями и часто оказ полезным при наблюдений обработке.
22). Потоки событий.
Интенсивность потока событий – ср число событий, прих на ед времени. . 1.Поток событий стационарный 2.Поток событий без последствий. Это значит, что для 2ух непересекающихся и число соб не завис от числа соб . 3. Поток соб - ординарный, если события появл по одиночке, а не группами. Поток событий обладающий всеми 3мя событиями называется простейшим или Пуассоновским.
23). Уравнение Колмогорова для вероятностей состояний.
Пусть в момент времени t система находится в состоянии, тогда ее вероятность ее вероятность находится в этом же состоянии , . Если этот предел существует и не зависит от начального состояния системы, то его называют финальной вероятностью i-ого состояния. Смысл финальной вероятности – это среднее время нахождения системы в i-ом состоянии.
24). Финальные вероятности состояний. . Если этот предел сущ и не зависит от начального сост сист, то его называют финальной вероятностью i-ого состояния. Смысл финальной вероятности – это ср время нахожд систв i-ом состоянии. В левой част истоит финальная вероятнсть умноженная на суммарную интенсивность потоков из данного состояния:
В правой части – сумма произведений интенсивности потоков, входящих в i-е состояние на вероятности состояний, из которых эти потоки исходят.
25. Задачи теории массового обслуживания.
Под задачами ТМО понимаются задачи построения математических моделей, связывающих заданные условия работы системы с показателями эффективности системы МО.
26). Классиф сист массового обслуж.
1. СМО с отказами 2. СМО с очередью (огранич очередь, неогранич очередь). Огранич может включать в себя определенное время ожидания, макс длину очереди, ограничение по дисциплине обслуживания.
3. Открытые СМО, замкнутые СМО. Откр – хар-ка потока не зависит от занятости системы. Закр – поток заявок завис от загруженности системы.
27). математич модели простейших сист массового обслуживания
Детерминированная математическая модель отраж повед объекта (системы, процесса) с позиций полной определенности в настоящем и будущем.
Вероятностная математич модь учит влияние случ факторов на повед объекта (системы, процесса) и, оценивает будущее.
28). Одноканальная СМО с отказами. – интенсивность заявок, – интенсивность обслуж, А – абсолютная пропускная спос. Q –относит пропускная способность Pотк – вероятность отказа в обслуживании Q+Pотк=1
29). N – канальня сист массового обслуж с отказами. N – каналов, – интенсивность заявок, – интенсивность обслуживания, – ноль заявок, – 1 заявка, – N заявок.
– вероятность нулевого состояния стистемы
Pотк=1-Q – среднее арифметическое число занятых каналов
30). Обобщ мод упр запасами.Люб модель управл запасами позволяет ответить на 2 вопроса: 1. Какое количество продукции требуется заказать
2. Когда заказывать. Периодический контроль ур запаса – вып через равные промежутки вр и как правило совпад с нач планового периода. Непрерывный контроль ур запаса – возобновл запаса происх только в мом, когда его остаточный ур становится меньше практического.
Оптимальный ур запаса: С=Спр+Соф+Схр+Сд->min, Спр-затраты на приобрет. Соф-на оформление, Схр-на хранение, Сд-потери под дефецит.
31). Типы моделей управления запасами.
32). Детерменированная мод управл запасами. Область исп – исп крепежных эл-ов в сборочном произв-е, осветительные лампы в помещ.
- формула Уилсона
33). Исп моделей управл запасами в Японской пром-ти.
ДЗИДОКИ – автоматизация с эл-ми искусств инт-та. АНДОН – сист визуального оповещ о раб оборуд-ия SMED – смена оснастки за единицы минут Преимущества системы JIT: 1. Уменьш или полное исключ запасов, увелич оборачиваемости оборотных ср-в предприятия 2. Повыш кач продукции 3. Оперативное реагирование на спрос
34. Постановка зад принятия оптимальных реш. 1. Установка границ сист, подлеж оптимизации. 2. Опред показ эффективности с целью выбора наилуч вар. Наилуч вар соотв экстремум выбранного показателя. 3. Выбор независ переменных. 4. Построение модели: 1. анализ исх данных 2. анализ вар выбора 3. выбор реш 4. оценка последствий выбр реш
Задачи принятия решения делятся на 3 категории: 1. Прин реш в усл опред-ти 2. Прин реш в усл неопределенности 3. Прин реш в усл риска
35). Принятие решений в усл риска. Критерии: 1. Критерий ожидаемого знач – выборочное среднее случайной величины доходов или убытков. 2. Критерий исп тогда, когда реш приним многократно , Д – величина дисперсии разброса , «+» используется при определении убытков, «-» - доходов, к – коэффициент несклонности к риску
36). Постановка зад прин реш в усл неопределенности.
Известна не вся информация или она недостоверна
37). Надежн.произв.сист.-вероятность вып планового зад в требуемые сроки с задан. качеством при выделенных ресурсах. Причины сбоев отказов: аварии, брак, поставка ср-в обеспеч не в срок. Средства повыш произв сист: повыш надежн отдельных эл-ов систем, сниж интенсивности отказов (плановые ремонты оборуд),увелич интенсивн восстановления
38). Рекоменд.по обеспеч. Надежн. произв.систем. 1.Рацион.использ. целевого планир-я (установл допустим процента брака, колич сверхуроч работ, процент отклонений) 2.Развитие сист технич контроля 3. Разв сист обслужив (регламент работы, распред обязанностей между рабочими, подгота персонала) 4. Обеспеч резервами 5. Проведение испыт и приемки оборудования 6. Раб с персоналом.7. Четкое ведение документации
39). Надежн.человеко-машин. Систем