Professional Documents
Culture Documents
Modeliranje u irem smislu obuhvaa sva podruja ovjekova rada i stvaranja. Mogue
implementiranje je u optimizaciji obradnih procesa u podruju proizvodnog strojastva, a
mogua je implementacija i u drugim znastveno-strunim podrujima kao to su:
Procesna tehnika,
Energetika
Strojogradnja
Metalurgija
Elektrotehnika
Hidraulika
Termodinamika i dr.
Poveanje proizvodnosti,
Poveanje Ekonominosti,
Poveanje Ukupne kvalitete proizvoda ili pojedinih segmenata kvalitete
Te smanjenje utroka materijala, energije, vremena obrade I trokova obrade po
jedinici proizvoda.
6. Koje su tekoe u primjeni analitikih modela?
Kod analitikog modela definiranje dovoljno pouzdanih matematikih modela je vrlo sloeno
i zahtijeva puno aproksimacija, a tekoa lei u tome to na kraju utie na tanost dobivenog
rezultata.
Zbog sve vee trine konkurencije svaki proizvod treba proizvesti kvalitetno, jeftino i na
vrjeme, to zahtjeva definiranje i realiziranje optimalnog procesa obrade, a ne bilo kakvog.
Zato primjeni optimalne tehnologije u datom procesu obrade uvjek treba predhoditi izgradnja
dovoljno tonoga i pouzdanoga matematikog modela, jer je to uvjet postojanja skupa
vievarijantnih rjeenja iz kojih je mogue definirati optimalno. (Knjiga Matematiko
modeliranje...,strana 7, 1.2 Znaenje izgradnje pouzdanih matematikih modela)
10. Koja je razlika izmeu klasinog i modernog procesa rada?
Razlika izmeu klasinog i modernog procesa obrade-rada prikazana je na slici, kod klasinog
procesa obrade izostavljena je optimizacija i modeliranje, a tehno-ekonomska karakteristika
ne mjenja se, dok kod modernog-savremenog procesa obrade dolazi do optimizacije i
modeliranja procesa obrade a tehno-ekonomska karekteristika tei jedinici.
U analizi istraivanja procesa i sistema mogu biti primjenjene neke od sljedeih metoda
modeliranja:
Analitiko
Stohastiko
Dimenzionalno
Numeriko
Raunalno-grafiko
Fizikalno
Analogno
Misaono
13. Koja je razlika izmeu deterministikog i stohastikog modela
(prikazati)?
(, )= 0, = 1,2,3, .
uz ogranienje:
(, ) 0, = 1,2,3, .
METODE
MODELIRANJA
Raunalno - Dimenzional
Analitike Numerike Stohastike Fizikalne Analogne Misaone
grafike ne
Uz pomo ove metode mogue je definirati matematike modele i izvesti simulacije rjeenja
bez provedbe eksperimentalnih istraivanja i izrade prototipnih sistema, to znatno skrauje
vrijeme prorauna, analize, projektiranja procesa i pojeftinjuje poslove koji prethode
aplikaciji.
POETAK
Formalizirano opisivanje
procesa
Identifikacija mikro procesa
Utvrivanje skupa Xi Zi Yi
i=1,2,3,...
Definiranje granice parametara
Matematiko opisivanje
procesa
Formiranje matematikog modela
mikro procesa
Definiranje algoritma
A
O B, T
g
v
Elementi
reima s Fi(i=1, 2, 3)
obrade
a
PROCES
A
Ra
G
r OS
S M SHP
Konstante
Blok shema ovisi o vrsti procesa obrade, broju utjecajnih parametara, cilju istraivanja i
sloenosti pretpostavljenog modela.
Blok shema procesa ovisi o vrsti procesa obrade, broju utjecajnih parametara, cilju
istraivanja i sloenosti pretpostavljenog modela. Izlaznih parametara procesa moe biti vie
ili samo jedan, to ovisi od postavljenog cilja modeliranja.
Do modela se moe doi na razliite naine , meutim osnovno je pitanje u kojoj mjeri taj
odabrani model adekvatno opisuje stanje procesa obrade.
Osnovni tipovi matematikih modela su deterministiki i stohastiki.U smislu odabira
osnovnog tipa matemtikog modela izbor zavisi o omjeru utjecaja sluajnih varijabli.
Pri izboru modela za aproksimaciju eksperimentalnih rezultata trae se modeli koji najbolje
opisuju realni proces ili sistem. Funkcija modela moe biti, prava linija, parabola drugog ili
treeg reda, hiperbola, logaritamska funkcija
Za izbor tipa modela ne postoji opte pravilo ve da za svaki istraivaki proces ili sistem
treba izabrati model a zatim izvriti provjeru njegove tanosti i adekvatnosti u odnosu na
realni proces.
Postoji vie naina da se izgradi model sistema, od kojih su najznaajniji sljedei pristupi:
1. Deduktivni pristup (polazi od opteg ka posebnom).
2. Induktivni pristup (za razliku od prethodnog, polazi od posebnog da bi se dolo do
opteg).
Deduktivni pristup: Ovaj pristup pretpostavlja primjenu optih iskustava koja su steena
prilikom modeliranja razliitih specifinih procesa. Uz to, pristup koristi i prethodno znanje o
razmatranom procesu, koje se zasniva na poznavanju fizikih zakona koji definiu
matematike relacije izmeu relevantnih varijabli u idealizovanom modelu procesa sa
idealizovanim fizikim komponentama. Na primer, u idealizovanim fizikim komponentama
tijelo odgovarajue mase se tretira kao takasto, uz zanemarivanje njegovih dimenzija, protoci
su laminarni, koncentracije su homogeno raspodeljene u rezervoaru, mjeavine su idealne i
sl. Fiziki zakoni se obino izraavaju u obliku algebarskih i/ili diferencijalnih jednaina.
Analitiko modeliranje je postupak definiranja jednadbi stanja procesa ili sistema u obliku
matematikih formulacija s primjenom nunih aproksimacija I pojednostavljenja kako bi se
process modeliranja doveo do cilja I dobio prikladan model za inenjersko-tehniku praksu.
Osnovni koraci su:
- definiranje ulaznih tehnolokih parametara,
- podjela ulaznih tehnolokih parametara na obuhvaene i neobuhvaene
- podjela obuhvaenih tehnolokih parametara na promjenjive i konstante u okviru
promatranog modela,
- definiranje jednadbe veze ulazno-izlaznih parametara procesa,
- izbor i primjena konkretnih analitikih i fizikalnih zakona koji odreuju jednadbu
veze
- rjeenje sistema jednadbi veze
- ispitivanje i provejra tanosti i pouzdanosti modela.
30. ta sadri blok ema algoritma razrade analitikog modela?
Algoritam razrade analitikog modela sadri:
1. Poetak
2. Informacije o opim zakonima procesa obrade i informacije prethodnih istraivanja
i intuitivni zakljuci.
3. Skup utjecajnih ulaznih tehnolokih faktora
4. Blok formiranih varijabli i konstanti, odnosno izabrani faktori
5. Jednadbe veze ulaznih i izlaznih faktora, izbor odgovarajuih fizikalnih i
konkretnih zakona
6. Sumu ulaznih fizikalnih faktora
7. Znanstvena informacija o metodama realiziranja
8. Rjeenje sistema jednadbi
9. Empirike informacije i razvijanje modela (konkretni analitiki zakon)
10. Provjera tanosti (pouzdanosti) modela
11. Ispis modela
12. Kraj
2 3
() = (0) + (0) + (0) + (0) +
2! 3!
( 0 )2
() = (0 ) + ( 0 ) (0 ) + (0 ) +
2!
= (, ) = (1 , 2 , , , , , 1 , 2 , , ) = 1,2,3,
= (1 , 2 , , , ) + (1 , 2 , , )
ili
= () + ()
Slika obrade rezultata stohastikog eksperimenta, dr. prof. M. Jurkovi, str. 46.
1. Poetak
2. Izbor oblika matematikih modela i proraun koeficijenata regresije
3. Proraun disperzije paralelnih eksperimenata
4. Provjera homogenosti disperzija po kriteriju Cochran-a:
Ukoliko uvjet homogenosti disperzija nije ispunjen, vraamo se na 2.
Ukoliko je uvjet homogenosti disperzija ispunjen, prelazimo na 5.
5. Izraunavanje greke eksperimenta
6. Proraun disperzije koeficijenata regresije
7. Provjera znaajnosti b, po kriteriju tudenta:
Ukoliko uvjet po Studentu nije ispunjen, vraamo se na 2.
Ukoliko je uvjet po Studentu ispunjen, prelazimo na 8.
8. Provjera disperzije adekvatnosti i kriterija Fisher-a
9. Provjera adekvatnosti modela po kriteriju Fisher-a:
Ukoliko uvjet po Fisheru nije zadovoljen, vraamo se na 2.
Ukoliko je uvjet po Fisheru zadovoljen, prelazimo na 10.
10. Model je adekvatan
11. Kraj.
2
= 2 ( , )
=1
Cochranov kriterij:
N
Kh = max Sj / j 1 sj Kt (fj,N) gdje je:
Fisherov kriterij:
2
S1
1 2 S12
F= 2
= 2
S2 S2
22
45. Kako se odredi stupanj slobode eksperimenta ako je broj pokusa od
1...N i ako su po tri ponavljanja u svakome pokusu?
Ukupni stupanj slobode fE greke eksperimenta ovisi o nainu ponavljanja pokusa. Tako za
procjenu greke eksperimenta za broj pokusa od 1...N i ako su po tri ponavljanja u svakome
pokusu ide:
N n
suma kvadrata: ( y ji y j ) 2
j 1 i 1
Standardna devijacija ili kako se jo naziva standardna greka slui za raunsku ocjenu
tanosti obavljenih mjerenja:
1 n
=
n i 1
( yi y ) 2
Pri izvoenju eksperimenta broj ponavljanja mjerenja i moe biti jednak ili razliit u svih j
uzoraka, to ovisi o planu eksperimenta. Tako imamo:
N n
( y ji y j ) 2
j 1 i 1
S = 2n
fE
49. ta je podruje pouzdanosti i ta znae granice pouzdanosti (prikazati
emu)?
Granice
pouzdanosti
STATISTIKA
RAZDIOBA VJEROVATNOA
GREAKA Podruje P
pouzdanosti
(95%, 99%,
99,9%)
99,9%
95%
99%
1,96 1,96 2,58 2,58 3,29 3,29
y y y
M(xi, yi)
yi
ei
y i = 0 + 1x i + i
xi x
= 0 0 , 1 1 ,
=1 =1
= ( 0 1 1 )2
=1 =1
Cilj je da se regresijska funkcija po pretpostavki (yi) i po realnom poklapaju, da bi
greke bile to manje. Sa ovom metodom se moe izraditi model, ali jednostavni.
a
b
yj
p
bxj + k
x x
= ( 0 )2
=1
Zamjenom vrijednosti za k, ako je k =
, sljedi da je:
= ( )
I vidimo da pravac jednadbe prolazi kroz taku ( , ).
56. Kako se trai polinom (model) koji e najbolje aproksimirati dati proces
(navesti metode)?
Metode su:
- Experimentalna (empirijska) metoda: polazi od eksperimentalnih podataka gdje se
iz dovoljno velikog broja eksperimentalnih rezultata moe dovoljno tano uoiti tip
polinoma koji najbolje opisuje funkciju regresije.
- Teorijska metoda: polazi od toga da su eksperimentalni podaci matematike veliine
u kojima se izraavaju odreeni konkretni fizikalni procesi ili pojave, te se slui
podacima ranijih istraivanja slinih procesa ili pojava.
57. Koja su tri osnovna koraka u definiranju matematikog modela?
Y= = + < + = + <
= = + < + = + <
U ovom matematikom modelu realni koeficienti regresijskog modela su:
, , ,
Izbor utjecajnih faktora procesa ili sistema izvodi se na osnovu prethodnog poznavanja
istraivanog podruja, literaturnih podataka o datom procesu i iskustvo istraivaa, takoe
vrsta procesa cilju modeliranja, eksperimentu, intuiciji istraivaa, posjedovanju
odgovarajue opreme.
Kriteriji kod izbora nezavisnih promjenjivih variabli u blok emu su:
-najprije se nabroje svi utjecajni faktori koji imaju utjecaj na izlazne parametre procesa
-zatim se taj broj smanji (reducira, optimizira) na one koji imaju najvei utjecaj.
-njihov broj ovisi o vrsti obradnog procesa (buenje, bruenje, glodanje tokarenje itd)
a) aritmetiko i
b) logoritamsko kodiranje.
Aritmetiko kodiranje
Prilikom kodiranja uzimaju se varijable x koje sami izaberemo ili ih uzmemo po preporuci
nekog strunjaka koji je kompetentan iz tog podruja.
Kodirane vrijednosti varijabli, bez obzira na njihovu fizikalnu mjernu jedinicu (m/s, N/mm2,
m, i sl.) izraene su s dvjema vrijednostima +1 i -1. Maksimalnim vrijednostima dajemo
vrijednost +1 dok minimalnim dajemo -1. U situaciji kada imamo srednji nivo, kodirana
vrijednost je nula. Kodiranje se u ovom sluaju (aritmetiko) izvodi pomou izraza:
xi x oi x x oi
i
xi xi min xi
Xi = 2
gdje su:
Primjer kodiranja varijabli ( ovo pretpostavljam da nee trebati ali eto nek se nae)
Logoritamsko kodiranje
C f11 f 2 2
R= tada se logaritmiranjem dobije izraz
ln R ln C 1 ln f1 2 ln f 2
Sve fizikalne vrijednosti varijabli procesa prevode se u kodirane vrijednosti bez obzira to
znaenja fizikalnih varijabli mogu biti razliita (N/mm2,mm,m/s itd.). Prema tome, podruje
variranja nezavisno promjenljivih veliina xi zavisi od vrste procesa, svrhe i cilja modeliranja
i zahtjeva koje je postavio istraiva.
62. Prikazati osnovnu matricu kodiranja i poloaj taaka pokusa matrice?
Kad se god pravi plan eksperimenta onda se pored matrice napravi i prikaz
eksperimentalne take matrice plana kao to je prikazano na sljedeoj slici:
Slika. Shema kodiranja i poloaj taaka matrice plana 2k s baznom takom (0,0)
Ovo je najjednostavniji plan gdje su varijable x1 i x2 i ispod imamo etiri take 1,2,3,4 i u
sredini taka nula. Sve ovo s koordinatnog sistema s gornje slike bilo bi prikazano i u matrici
koja bi izgledala ovako.
y11 - prvi red prvo mjerenje, y12 - prvi red drugo mjerenje,
ta ovo u stvari znai, to znai da ako bi brzina bila npr. 50 m/s (x1) to je -1 a ako bi bila 100
m/s (drugi sluaj) to bi bilo +1 pa bi nula bila 75 m/s (srednja vrijednost) i ako stavimo da je
put 1000 m pa je u prvom sluaju (- i -) 1000 m a recimo u etvrtom mjerenju (+ i +) 2000 m
tada bi nula bila 1500 m.
ln F ln C b1 ln v b2 ln s b3 ln a b4 ln k
Ako se na izrazu izvri zamjena
x ln v x2 ln s x3 ln a x4 ln k bo ln C
pa umjesto y ln F , 1 , , , i tada se dobiva
polinom sljedeeg oblika;
y bo xo b1 x1 b2 x2 b3 x3 b4 x4
2
xisr xi min xi max
Srednji nivo fizikalne vrijednosti odredi se izrazom
Koeficijenti
b0 b1 b2 b12
Matematiki y = b0+x0+b1+x1+b2x2
model y = b0+x0+b1+x1+b2x2+b12+x1x2
Poloaj taaka dvofaktornog plana eksperimenta 22 s baznom takom (0,0) prikazan je na
sljedeoj slici;
Slika. Shema kodiranja i poloaj taaka matrice plana 2k s baznom takom (0,0)
U opem sluaju je :
Za odreivanje koeficijenata b0, b1, b2 moe se koristiti metoda najmanji kvadrata, gdje je
potrebno
odrediti sumu kvadrata odstupanja teoretskih vrijednosti yj od stvarnih yj
Za ostatak formula iz knjige koje se veu na ovaj dio, profesor je na predavanju odranog
22.12. 2011. godine rekao da ne treba uiti napamet, i tom prilikom kao vano spomenuo
formulu 4.70 str. 86. u knjizi iz tog razloga to se ona direktno vee za model y =
b0+x0+b1+x1+b2x2 . Na osnovu te formule mi moemo odrediti koeficijente b0, bi, i b12 pa sam
je i ja stavio kao bitan element u odgovoru na ovo pitanje a ona glasi;
1 N 1 N
b0 0j j N
N j 1
X Y
j 1
Yj
jer je uvijek X0j = 1
1 N
bi X ij Y j ,
N j 1 za i = 1,2,
1 N
b12 X ijYmj Y j ,
N j 1 za 1 i < m k = 2
yj yj
gdje je aritmetika sredina eksperimentalnih rezultata mjerenja u pojedinim takama
y yj
plana kada postoji ponavljanje pokusa, odnosno kada ponavljanja pokusa nama i j .
65. Kako izgleda matrica eksperimenta sa tri varijable?
1 +1 -1 -1 -1 +1 +1 +1 -1 y1
2 +1 +1 -1 -1 -1 -1 +1 +1 y2
3 +1 -1 +1 -1 -1 +1 -1 +1 y3
4 +1 +1 +1 -1 +1 -1 -1 -1 y4
5 +1 -1 -1 +1 +1 -1 -1 +1 y5
6 +1 +1 -1 +1 -1 +1 -1 -1 y6
7 +1 -1 +1 +1 -1 -1 +1 -1 y7
8 +1 +1 +1 +1 +1 +1 +1 +1 y8
Koef. b1 b2 b3
viestruke b0 b12 b13 b3 b123
regresije
y = b0x0 + b1x1 +
Matematiki b2x2 + b3x3
model
y = b0x0 + b1x1 + b2x2 + b3x3 + b12x1x2 + b13x1x3 + b23x2x3 +
b123x1x2x3
66. Prikazati grafiki i matrino funkciju Yj = Yj(X1, X2, X3) ako se
ponavljanje za procjenu greke eksperimenta izvodi u baznoj taki (0,0)
eksperimenta?
izlaza Yj
Vektor
X0 X1 X2 X3 X1X2 X1X3 X2X3 X1X2X3
Broj
1 +1 -1 -1 -1 +1 +1 +1 -1 y1
2 +1 +1 -1 -1 -1 -1 +1 +1 y2
3 +1 -1 +1 -1 -1 +1 -1 +1 y3
4 +1 +1 +1 -1 +1 -1 -1 -1 y4
5 +1 -1 -1 +1 +1 -1 -1 +1 y5
6 +1 +1 +1 +1 -1 +1 -1 -1 y6
7 +1 -1 -1 +1 -1 -1 +1 -1 y7
8 +1 +1 +1 +1 +1 +1 +1 +1 y8
9 +1 0 0 0 0 0 0 0 y9
10 +1 0 0 0 0 0 0 0 y10
11 +1 0 0 0 0 0 0 0 y11
12 +1 0 0 0 0 0 0 0 y12
Matematiki Koeficijenti
viestruke
y=
model
b0x0+b1x1+b2x2+b3x3
y= b0x0+b1x1+b2x2+b3x3+b12x1x2+b13x1x3+b23x2x3+b123x1x2x3
67. ta treba provjeriti da bi odreeni matematiki model bio prihvatljiv?
= , = , , ,
=
- Uvjet normativnosti prema kojem je suma kvadrata elemenata za sve stupce
matrice jednaka broju pokusa N.
= , = , , ,
=
- Uvjet ortogonalnosti
= , , = , , ,
=
( )
= = , = , , ,
0
| | = (0 ,) , = 1,2, ,
0
0
| | = (0 ,) , 1 <
0
gdje je:
- (0 ,) tablina vrijednost za stepen slobode 0 i odabrani prag znaajnosti
- podruje pouzdanosti koeficijenata modela ili greka u ocjeni koeficijenata
b) Ponavljanje jednog broja pokusa
2
2
=1 =1(
)
=
2 2
= = 0,1,2, ,
gdje je:
Ako se dobije da je < , tada matematiki model adekvatno opisuje analizirani obradni
proces.
=1 =1(
)
2
- 2 = varijanca greke pokusa,
gdje je:
- vrijednosti eksperimentalnih rezultata
- izraunate vrijednosti iz dobivenih modela
=1
- = aritmetika sredina svih eksperimentalnih rezultata
gdje su:
=1
=1
- = = = aritmetika sredina vrijednosti eksperimentalnih
rezultata u j-toj taki plana pokusa, odnosno u j-tom redu matrice
=1
- = - aritmetika sredina svih eksperimentalnih rezultata pokusa
bi bi bi' bi bi
; i = 0,1,2,...,k ili
S0 S0
b0 t t bi' b0 t t
N N odnosno
S0 S0
bi t t bi' bi t t
N n0 N n0
; i = 0,1,2,...,k gdje su:
b0' , bi'
- nepoznati keoficijenti poetnog modela, koji aproksimira konani model, odnosno
b ' b0 b ' bi
koeficijenti aproksimiranog modela ( 0 , odnosno i kada greka mjerenja 0 )
t t ( f y , )
- tablina vrijednost t-kriterija
Primjenom nepotpunog ortogonalnog plana (NFE) mogue je smanjiti broj potrebnih pokusa
u potpunom planu prvog reda, a da se pri tome zadre svojstva ortogonalnosti i normalnosti
k
matrice plana. Rastavljanjem potpunog plana 2 na paran broj blokova pokusa n=2, n=4 ili
n=8 dobiju se parcijalni ortogonalni planovi prvog reda, tako da je broj eksperimenta taaka:
1 k
N 2
n
1 2 1 2
1 -1 -1 1 1
2 -1 1 -1 2
3 1 -1 -1 3
4 1 1 1 4
1 2 3
1 -1 -1 1
2 -1 1 -1
3 1 -1 -1
4 1 1 1
Odnos 3 = 1 2 predstavlja generator plana. Kontrast J=1 se dobije kada odnos pomnoimo
s 3 (jer je 3 3 = 1), gdje emo dobiti J=1=1 2 3 .
ova veliina se definira kao kontrast koji odreuje dvojnost efekta, odnosno njihovu
povezanost. Tako se mnoenjem prethodne jednaine s 1 dobiva:
1 = 1 2 2 3 = 2 3 ,
to znai da je utjecaj od 1 povezan s utjecajem 2 3 itd. Kontrast uvijek ima vrijednost J=1.
Takoer vai:
1 = 2 3 1 1 23
2 = 1 3 2 2 13
3 = 1 3 3 3 12.
79. Treba prikazati matricu parcijalnog plana za sluaj da je PFP: N = 2^6,
dok je NFP(parcijalni ili nepotpuni plan) N=2^(k-p), gdje je p = 3.
0 1 2 3 1 2 1 3 2 3 1 2 3
1 1 -1 -1 -1 1 1 1 -1
2 1 1 -1 -1 -1 -1 1 1
3 1 -1 1 -1 -1 1 -1 1
4 1 1 1 -1 1 -1 -1 -1
5 1 -1 -1 1 1 -1 -1 1
6 1 1 -1 1 -1 1 -1 -1
7 1 -1 1 1 -1 -1 1 -1
8 1 1 1 1 1 1 1 1
U ovom sluaju imamo 3 varijable, a treba nam 6, te stoga moramo dodati 3 nove varijable.
Nove varijable postaju kolone u kojima su odnosi vie varijabli. U ovom sluaju,
stavit emo da je 4 = 1 2 , 5 = 1 3 i 6 = 2 3. Ovo su generatori plana. Pored ovih
generatora su se mogli iskoristiti i negirane vrijednosti, dakle, 4 = 1 2, 5 = 1 3 i
6 = 2 3.
Novi plan eksperimenta(samo glavne varijable) izgleda ovako:
0 1 2 3 4 5 6
1 1 -1 -1 -1 1 1 1
2 1 1 -1 -1 -1 -1 1
3 1 -1 1 -1 -1 1 -1
4 1 1 1 -1 1 -1 -1
5 1 -1 -1 1 1 -1 -1
6 1 1 -1 1 -1 1 -1
7 1 -1 1 1 -1 -1 1
8 1 1 1 1 1 1 1
Ne znam treba li ova daljnja analiza, al' neka ima ako zatreba.
Cijena voenja eksperimenta po parcijalnom planu je nemogunost razlikovanja efekata dvaju
ili vie varijabli. Naprimjer, efekat varijable 1 moe biti spojen s efektom 3 4. Stoga se
mora izvesti analiza tih veza.
Generatori gornje matrice su: 4 = 1 2 , 5 = 1 3 i 6 = 2 3. Iz njih se dobijaju
kontrasti J.
4 = 1 2 / 4
4 4 = 1 2 4
0 1 2 3 4 5 6 1 2 1 3 1 4 1 5 1 6 2 3 2 4 2 5 2 6 3 4 3 5 3 6 4 5 4 6 5 6 1 2 3 1 2 4 1 2 5 1 2 6 ...
1 1 -1 -1 -1 1 1 1 1 1 -1 -1 -1 1 -1 -1 -1 -1 -1 -1 1 1 1 -1 1 1 1
kombinacije ovih 6
2 1 1 -1 -1 -1 -1 1 -1 -1 -1 -1 1 1 1 1 -1 1 1 -1 1 -1 -1 1 1 1 -1
Dalje eljene
3 1 -1 1 -1 -1 1 -1 -1 1 1 -1 1 -1 -1 1 -1 1 -1 1 -1 1 -1 1 1 -1 1
varijabli
4 1 1 1 -1 1 -1 -1 1 -1 1 -1 -1 -1 1 -1 -1 -1 1 1 -1 -1 1 -1 1 -1 -1
5 1 -1 -1 1 1 -1 -1 1 -1 -1 1 1 -1 -1 1 1 1 -1 -1 -1 -1 1 1 1 -1 -1
6 1 1 -1 1 -1 1 -1 -1 1 -1 1 -1 -1 1 -1 1 -1 1 -1 -1 1 -1 -1 1 -1 1
7 1 -1 1 1 -1 -1 1 -1 -1 1 1 -1 1 -1 -1 1 -1 -1 1 1 -1 -1 -1 1 1 -1
8 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Svaka od ovih kolona bi se trebala izraziti na osnovu kontrasta. Postupak se sastoji u mnoenju kontrasta s kolonom.
= 1 2 4 = 1 3 5 = 2 3 6 = 2 3 4 5 = 1 3 4 6 = 1 2 5 6 = 4 5 6
Vidimo da je on isprepleten s koeficijentima vieg reda. Tako bi se trebali prei sve kolone gornje tabele, s tim da se analizom jedne kolone,
automatski analiziraju i druge kolone. Npr., gornjom analizom za 1 smo pokrili i kolone 2 4 , 3 5 , 1 2 3 6 , 1 2 3 4 5 , 3 4 6 ,
2 5 6 , 1 4 5 6. Obino se koeficijenti koji idu uz faktore vieg reda (umnoak vie od 3 varijable) odbacuju kao vrlo mali.
80. Kada se sve uvode varijable vieg reda?
Model viega reda se koriste kada je poznato da istraivani problem nee moi biti
predstavljen linearnom funkcijom = () ili kada dobiveni linearni model ne zadovoljava
provjeru adekvatnosti, odnosno kada je potrebna vea tanost matematikog modela
istraivanog procesa. Tada se uvode varijable vieg reda suglasno stepenu zakrivljenosti
povrine funkcije reagiranja i razvija se optimalna struktura plana vieg reda.
Izbor optimalnih planova pri definiranju modela drugog reda znatno je sloeniji nego kod
linearnih modela. Ovi planovi ne odgovaraju vanim kriterijima optimalnosti. Ako se ispuni
uvjet ortogonalnosti kod planova drugog reda se istovremeno naruavaju naela normalnosti i
rotatabilnosti. Za planove drugog reda kriterij rotatabilnosti je vie znaajan jer doputa
minimiziranje sistemske greke koja je vezana za neadekvatno predstavljanje rezultata
eksperimenta modelima drugog reda.
Ipak, u svakom konkretnom sluaju treba uzeti u obzir stvarne uvjete procesa i na osnovu njih
definirati kriterij optimalnosti i izabrati odgovarajui plan pokusa.
1 2 1 2 1 2 2 2
1 -1 -1 1 1 1 1
2 1 -1 -1 1 1 2
3 -1 1 -1 1 1 3
4 1 1 1 1 1 4
5 0 0 2 0 5
6 - 0 0 2 0 6
7 0 0 0 2 7
8 0 - 0 0 2 8
9 0 0 0 0 0 9
83. Kakva je povezanost izmeu planova i modela prvog i drugog reda?
Modeli drugog reda sadre bazni 2k dio eksperimetnta koji se koristi i kod linearnog modela,
ali s tim da se na osnovni dio plana dodaju nove take koje su simetrino postavljenje oko
centra eksperimenta.
Izmeu planova prvog i drugog reda postoji odreena veza, koja se moe iskazati injenicom
da se planovi drugog reda nadograuju na planove prvog reda, tako da se ve postojei skup
taaka iz plana prvog reda koristi u planu drugog reda. Dakle, ako matematiki model prvog
reda od 2k ne zadovoljava, koriste se dodatni pokusi na novim nivoima koji e se iskoristiti za
izraunavanje utjecaja drugog reda.
Rotatabilni plan sadri bazni dio plana 2 , simetrino postavljene take = 2 i take
ponavljanja u centru plana 0 . Vrijednost broja ponavljanja u centralnoj taki eksperimenta
0 se isitava iz tabele parametara za rotatabilne planove. Za k=3, 0 moe imati vrijednost
6 ili 9. Dakle, ukupan broj pokusa N za rotabilni plan s k=3 varijable iznosi:
= 2 + + 0 = 2 + 2 + 0 = 23 + 2 3 + 0
Ovo je geometrijski prikaz centralnog kompozicijskog plana drugog reda za k=2 faktora.
1 1 1 1 1 1 1 y1
2 1 -1 1 -1 1 1 y2
3 1 1 -1 -1 1 1 y3
4 1 -1 -1 1 1 1 y4
5 1 0 0 2 0 y5
6 1 - 0 0 2 0 y6
7 1 0 0 0 2 y7
8 1 0 - 0 0 2 y8
9 1 0 0 0 0 0 y9
88. Prikazati matricu centralnog kompozicijskog plana za k=3 i n0 = 1.
Str 123
Veliina , u centralnom kompozicijskom planu modeliranja, znai simetrine take. Kod tih
taaka su u tablicama nulte take, zbog matrice, kada se pomou i 2 matrica proiruje. Kod
interakcija nema (kod npr. X1X2 u tablici), ali se 2 javlja kod kvadrata (npr. X12).
Rotatabilni plan je specijalni oblik centralnog kompozicijskog plana koji se vrlo esto
primjenjuje u modeliranju i adaptivnom upravljanju u procesima s vie varijabli.
Ovi planovi pored aplikativnih osobina imaju i svojstva optimalnosti, tako da su pogodni za
optimizaciju obradnih procesa, sistema, alata, itd.
Ovaj plan, kao i centralni kompozicijski plan, sadri bazni dio plana 2 , simetrino
postavljene take oko centra plana i take ponavljanja 0 u centru plana.
91. ime su odreeni rotatabilni planovi?
Uvjet rotatabilnosti:
4 = 33
odnosno:
2 2
3 = = 2
=1
4
4 = = 2 + 2 2
=1
2 + 2 2 = 3(2 ),
= ili =
Ne postoji rotatabilni plan za k = 2 i n0=1, stoga dajem grafik i matricu rotatabilnog plana za
k = 2 i n0=5. Ukupan broj pokusa: = 2 + 2 + 0 = + + 0 = 4 + 4 + 5 = 13
1 Matrica eksperimenta
1 1 -1 -1 1 1 1
2 1 1 -1 1 1 -1
3 1 -1 1 1 1 -1
4 1 1 1 1 1 1
5 1 0 0 0 0 0
6 1 0 0 0 0 0
7 1 0 0 0 0 0
8 1 0 0 0 0 0
9 1 0 0 0 0 0
10 1 1.414 0 2.0 0 0
11 1 -1.414 0 2.0 0 0
12 1 0 1.414 0 2.0 0
13 1 0 -1.414 0 2.0 0
1 Grafik plana
94. Koja je glavna razlika u odreivanju koeficijenata polinoma
rotatabilnog plana i ostalih planova modeliranja?
Kod ortogonalnih viefaktornih planova dobije se dijagonalna matrica gdje su svi regresijski
koeficienti nezavisni jedan od drugoga.
b 0 = a 1 N k N 2
j=1 Yj + a 2 i=1 j=1 X ij Yj
b i = a 3 N
j=1 X ij Yj , i=1,2,3,...
bim = a4 N
j=1 X ij X mj Yj , 1 i < m k
bii = a5 N 2 k N 2 N
j=1 X ij Yj + a 6 i=1 j=1 X ij Yj + a 7 j=1 Yj i=1,2,3,...
Jedna od razlika je parametar ai koji ovisi o broju variabli k i broju ponavljanja pokusa n0
| | = (,)
odnosno:
|0 | 0 = (,) 11
| | = (,) 12 = 1,2,3, ,
| | = (,) 13 1 <
| | = (,) 14
gdje je:
= 0 priblina vrijednost greke pokusa,
= (, ) = (, ).
Za ocjenu adekvatnosti uzima se prema prethodnom izrazu vea izraunata vrijednost Fa.
Vrijednost Ft(fa, fo) odredi se iz tablice F kriterija za stupnjeve sobode fa i fo ili fo i fa.
Rotatabilni plan je specijalni oblik centralnog kompozicijskog plana koji se vrlo esto
primjenjuje u modeliranju i adaptivnom upravljanju u procesima s vie varijabli. Ovi planovi
pored aplikativnih osobina imaju i svojstva optimalnosti, tako da su pogodni za optimizaciju
obradnih procesa, sistema, alata, itd.
f (P, R, X, Y) = 0,
= 1 = 1 1 1 1 + C2 2 2 2 +
P = C .
Ako je broj jednadbi vei ili jednak broju nepoznatih eksponenata dobiju se rjeenja:
a = , b = , g = ,
odnosno P = C .
Meutim, ako je broj nepoznatih eksponenata vei od broja jednadbi, tada se dvije nepoznate
izraze treom:
a = 1+1 g, b = 2+2 g,
te je P = C 1+1 2+2 .
1. Sastavi se pregled svih utjecajnih parametara (x1, x2, ..., xn) na proces ili sistem. Ako se
ukljue parametri koji nemaju utjecaj na proces dimenzionalna analiza e pokazati da oni ne
spadaju ni u jednu niti u vie dimenzionalnih grupa ili e eksperiment pokazati da su
parametri sluajni. Neka su parametri: F, v, , V, , tj. n=5.
za brzinu v== = 1 [ 1 ],
za silu F= = ML 2 [kgm 2 ],
2
za volumen V = LLL = 3 [3 ],
za gustou = 3 [3 ], itd.
4. Izaberu se ponavljajui parametri m = 3, tako da ovaj broj mora biti jednak broju dimenzija
r, koji izmeu sebe ne mogu dati dimenzionalnu grupu, npr. F, , V.
F
ML
T 2
MLT 2 kgms2 ,
za silu
za volumen
V LLL L3 ms 3 ,
Plastino teenje metala u procesu valjanja ovisi od niza utjecajnih faktora, to se pomou
pokazatelja irenja Kbfmoe predstaviti strukturnom vezom ulazno izlaznih veliina, pri
emu je:
Kbf =f ( P1, P2, P3, ..., Pn), odnosno
Kbf =f ( d, h1, l, D (R), h, , s, v1, T, , m, S, i j).
d
Proces deformiranja
h1
l
D (R)
h
s Kb
v1
m
S
Ij
Povratna veza
Promjer obratka d, izlazna debljina valjanog komada h1, kontaktna duina l, promjer valjaka
D idreuju zonu deformacije. Mehanike karakteristike m i kemijski sastav S definiraju
osnovni materijal, dok apsolutna deformacija h, relativni stupanj deformacije , srednja
brzina deformacije s, brzina valjanja v1 i temperatura T odreuju termomehanike faktore
koji detaljnije opisuju tehnoloki proces plastine obrade. Parametri i i j odreuju stanje na
kontaktnoj povrini i napregnuto stanje u radnoj zoni obratka.
Rang matrice r je minimalni broj varijabli ijim se jedinicama mogu izraziti jedinice svih n
varijabli, odnosno r je najvei broj dimenzionalnih varijabli od n koje izmeu sebe ne mogu
dati dimenzionalne grupe.
Kod primjera matematikog modela procesa plastinog teenja, rang matrice je dimenzije
r=2, tako da je broj nezavisnih grupa m=n-r=9-2=7.
= 1 1 2 3
1
Osnovne fizikalne veliine za masu M, duinu L i vrijeme T odreuju jedinicu brzine valjanja
v(LT1), brzinu deformacije ( 1 ) i komponenti glavnih naprezanja (1 2 ).
Imajui u vidu Buckinghamov teorem da se svaka dimenzionalna homogena funkcija od n-
dimenzionalnih varijabli moe iskazati preko (n-r) bezdimenzionalnih grupa mogue je
postaviti dimenzionalnu matricu homogenog sistema jednadbi:
ai ei gi fi ii mi pi si ui
d D v1 1 2 3
M 0 0 0 0 0 1 1 1 1
L 1 1 1 1 0 -1 -1 -1 -1
T 0 0 0 -1 -1 -2 -2 -2 -2
= + 1 1 2 3
1
3
= ( ) ( ) ( ) ( ) ( )
1 2 1
1
Koeficijenti , , , , , odreuju se analitikim putem iz eksperimentalnih rezultata.