МОДЕЛЮВАННЯ ДІАГНОСТИКИ ОБ'ЄКТІВ МАШИНОБУДУВАННЯ ДЛЯ ОПТИМІЗАЦІЇ ЇХ ЖИТТЄВОГО ЦИКЛУ

Автор(и)

  • С.В. Ковалевський Донбаська державна машинобудівна академія, Краматорськ, Україна
  • Д.М. Сидюк Донбаська державна машинобудівна академія, Краматорськ, Україна

DOI:

https://doi.org/10.31319/2519-8106.2(47)2022.269661

Ключові слова:

моделювання, перетворення векторів, перетворення систем координат, методи оптимізації, прогнозування

Анотація

Метою дослідження є створення методики діагностики стану об’єктів на підставі удосконалення перетворення координат станів та їх класифікації.

Дослідження з розробки системи розпізнавання для вдосконалення діагностики об’єктів проводиться на основі вирішення задачі «виключаюче «але»» зі застосуванням цільових функцій. У якості апробації застосовується аналіз частини виробництва з дванадцяти розглянутих факторів для тридцяти вох прецедентів.

Перетворення векторного простору дозволяє виконати розпізнавання образів багатовимірних об'єктів, представлених векторним простором вирішальною функцією на основі повороту координат з наступним відображенням однієї з координатних осей. У реальному виробництві такий підхід дозволяє на спрощених базах прецедентів малого об’єму з вибором наявності параметру «так/ні» на основі однакової математичної моделі та постановки оптимізаційних завдань проводити не тільки дослідження впливу окремих виробничих факторів на якість та довговічність виробу у рамках його загального життєвого циклу, але й отримати дані, на основі яких можуть бути визначені загальні рекомендації через зміну прояву ознак відносно цільової функції. Це дозволить, окрім фактичної діагностики існуючого виробництва, проводити дослідження майбутнього виробництва, а також аналізувати стратегії розвитку як окремих етапів, так і їх сукупності.

Методика визначення значення параметрів розділової функції дозволяють прогнозувати ступінь впливу кожної складової вектора на кінцевий результат та представлення загального образу. Запропоновані системи рівнянь для вирішення задачі «виключаюче «або»» на основі повороту координат з наступним відображенням однієї з координатних осей та застосуванням цільової функції дозволяють виконувати багатокритеріальне дослідження стратегії, які дозволять отримати результат з бажаним ефектом.

Отримані дані дають можливість застосовувати метод визначення системи координат векторного простору, який розділяє результати за мінімумом цільової функції. На основі цього проводиться визначення впливу факторів процесів виробництва на етапах виготовлення на кінцевий результат. Такий підхід дає можливість обґрунтовувати проектування інноваційних технологій, які б забезпечували оптимізацію життєвих циклів виробів машинобудівного виробництва.

Посилання

Bytov V.P., Kadebska E.V. (2019) Upravlіnnya konkurentospromozhnіstyu produkcії pіdpriєmstv v rinkovih umovah [Management of the competitiveness of enterprise products in market conditions] Economic Forum, (4), 98–102.

Zaloga V., Ivanov V., Pavlenko I., Dehtiarov I. (2020) Tekhnologicheskoe obespechenie effektivnosti proizvodstva na obrabatyvayushchih centrah s CHPU [Technological assurance of manufacturing effectiveness on CNC machining centers] I. Karabeovic Ed. Handbook of Research on Integrating Industry 4.0 in Business and Manufacturing, 344-384. DOI:.10.4018/978 - 1 – 7998 – 2725 – 2.

Kotliar, A., Basova, Y., Ivanov, V., Litvynenko, M., Zinchenko, O. (2020) Obespechenie ekonomicheskoj effektivnosti predpriyatij putem mnogokriterial'nogo vybora optimal'nogo proizvodstvennogo processa [Ensuring the economic efficiency of enterprises by multi-criteria selection of the optimal manufacturing process] Management and Production Engineering Review, (11(1)), 52–61.

DSTU ISO 9004:2018. (2019) Upravlіnnya yakіstyu. Yakіst' organіzacії. Nastanovi shchodo dosyagnennya stalogo uspіhu [Quality management. The quality of the organization. Guidelines for achieving sustainable success] Kyiv: SE "UkrNDNC".

Chertov O., Tavrov D. (2014) Memetichnij algoritm virіshennya zadachі zabezpechennya grupovoї anonіmnostі [Memetic Algorithm for Solving the Task of Providing Group Anonymity]. M. Jamshidi, V. Kreinovich, J. Kacprzyk Eds. Springer International Publishing Switzerland, (312), 281–292.

Pasichnyk V. V., Reznichenko V. A. (2006) Organіzacіya baz danih ta znan' [Organization of databases and knowledge] Kyiv: BHV Publishing Group.

Kvetny R.N. Reminnyi O.A. (2009) Metod binarnyh krugovyh vychislenij dlya klassifikacii ob"ektov po ih forme [Binary circular calculations method for the objects classification using their form] Aplikova nevedecke novinki, 54–60.

Han J. (2012) Intellektual'nyj analiz dannyh: koncepcii i metody [Data mining: concepts and techniques] J. Han, M. Kamber, J. Pei Ed. Elsevier.

Hastie T. (2009) Elementy statisticheskogo obucheniya: intellektual'nyj analiz dannyh, vyvod i prognozirovanie [The Elements of Statistical Learning: DataMining, Inference, and Prediction] T. Hastie, R. Tibshirani, J. Friedman. Springer-Verlag

Kovalchuk S.S., Mazurets O.V.Rozrobka tekhnologії dekompozitivnogo rozpіznavannya simvol'noї іnformacії z kreslen' na bazі nejronnih skhem [Development of the technology of decompositive recognition of symbolic information from drawings based on neural circuits] Applied geometry and engineering graphics. Melitopol: TDATU, ((4)44), 86–94.

Huang Q., Cai Z., Lan. T. A (2021) Єdina nejronna merezha dlya viyavlennya ta rozpіznavannya nomernih znakіv u zmіshanomu stilі [Single Neural Network for Mixed Style License Plate Detection and Recognition], IEEE Access 9:21777–85. DOI: 10.1109/ACCESS.2021.3055243.

Битов В.П., Кадебська Е.В. Управління конкурентоспроможністю продукції підприємств в ринкових умовах. Економічний форум. 2019. № 4. С. 98–102.

Zaloga V., Ivanov V., Pavlenko I., Dehtiarov I. Technological assurance of manufacturing effectiveness on CNC machining centers. I. Karabeovic Ed. Handbook of Research on Integrating Industry 4.0 in Business and Manufacturing. 2020. Р. 344-384. DOI:.10.4018/978 - 1 – 7998 – 2725 – 2.

Kotliar, A., Basova, Y., Ivanov, V., Litvynenko, M., Zinchenko, O. Ensuring the economic efficiency of enterprises by multi-criteria selection of the optimal manufacturing process. Management and Production Engineering Review. 2020. 11(1). р. 52–61.

ДСТУ ISO 9004:2018. Управління якістю. Якість організації. Настанови щодо досягнення сталого успіху. Київ: ДП «УкрНДНЦ». 2019. 68 с.

Chertov O., Tavrov D. Memetic Algorithm for Solving the Task of Providing Group Anonymity. M. Jamshidi, V. Kreinovich, J. Kacprzyk Eds. Springer International Publishing Switzerland, 2014. vol. 312. P. 281–292.

Пасічник В. В., Резніченко В. А. Організація баз даних та знань. Київ: Видавнича група BHV. 2006. 384 с.

Kvetny R.N. Reminnyi O.A. Binary circular calculations method for the objects classification using their form. Aplikova nevedecke novinki. 2009. P 54–60.

Han J. Data mining: concepts and techniques. J. Han, M. Kamber, J. Pei Ed. Elsevier. 2012. 744 p.

Hastie T. The Elements of Statistical Learning: DataMining, Inference, and Prediction. T. Hastie, R. Tibshirani, J. Friedman. Springer-Verlag. 2009. 746 p.

Ковальчук С.С., Мазурець О.В. Розробка технології декомпозитивного розпізнавання символьної інформації з креслень на базі нейронних схем. Прикладна геометрія та інженерна графіка. Мелітополь: ТДАТУ. 2009. Вип. 4. Т. 44. C. 86–94.

Huang Q., Cai Z., Lan. T. A Single Neural Network for Mixed Style License Plate Detection and Recognition. 2021. IEEE Access 9:21777–85. DOI: 10.1109/ACCESS.2021.3055243.

##submission.downloads##

Опубліковано

2022-12-22

Номер

Розділ

Статті