Содержание к диссертации
Введение
1 Современное состояние и перспективы оптимизации технологического процесса производства автоклавного газобетона 11
1.1 Описание технологического процесса производства изделий из автоклавного газобетона 12
1.2 Анализ технологического процесса как объекта управления 24
1.3 Обоснование необходимости интеллектуальной поддержки принятия решения при управлении технологическим процессом производства автоклавного газобетона 29
Выводы по первой главе 36
2 Разработка математической модели технологического процесса дозирования компонентов автоклавного газобетона 37
2.1 Анализ процесса производства изделий из автоклавного газобетона как объекта моделирования 38
2.2 Обоснование выбора управляющих факторов 41
2.3 Планирование и проведение промышленного эксперимента 44
2.4 Оценка адекватности полученных математических моделей 58
Выводы по второй главе 60
3 Алгоритм интеллектуальной поддержки принятия решений управления процессом дозирования компонентов по комплексному критерию качества 61
3.1 Формулирование комплексного критерия качества автоклавного газобетона 61
3.2 Процедура построения комплексного критерия качества автоклавного газобетона 65
3.3 Алгоритм интеллектуальной поддержки принятия решений при управлении процессом дозирования компонентов автоклавного газобетона 72
Выводы по третьей главе 77
4 Разработка системы управления процессом дозирования компонентов автоклавного газобетона .. 78
4.1 Выбор и обоснование структуры системы 79
4.2 Разработка функционально-алгоритмической структуры системы управления 82
4.3 Разработка программного обеспечения интеллектуальной поддержки принятия решений при управлении процессом дозирования компонентов автоклавного газобетона 85
Выводы по четвертой главе 93
5 Опытно-промышленная апробация системы интеллектуальной поддержки принятия решения в задачах управления технологическим процессом производства автоклавного газобетона 94
5.1 Обоснование выбора объекта опытно-промышленной апробации... 94
5.2 Анализ причин снижения качества готового продукта 97
5.3 Оценка эффективности использования системы интеллектуальной поддержки принятия решений... 102
Выводы по пятой главе 106
Заключение 107
Список литературы .
- Анализ технологического процесса как объекта управления
- Обоснование выбора управляющих факторов
- Алгоритм интеллектуальной поддержки принятия решений при управлении процессом дозирования компонентов автоклавного газобетона
- Разработка программного обеспечения интеллектуальной поддержки принятия решений при управлении процессом дозирования компонентов автоклавного газобетона
Введение к работе
Актуальность темы. Технологический процесс производства автоклавного газобетона (ТПП АГБ) является сложным, имеющим иерархическую структуру, состоящую из множества элементарных операций и постов. Изменение любого элемента структуры влечет за собой изменение качества готового продукта. При этом дозирование компонентов бетонных смесей является одним из важнейших этапов. Поскольку от качества исходного сырья и их соотношения в значительной мере зависят эксплуатационные характеристики строительных материалов, включая долговечность, то рецептура компонентов должна регулироваться по широкому спектру параметров для достижения заданного качества изделий. Ситуация осложняется использованием сырья нестабильного качества, в частности, кремнеземистого компонента. При этом, повысить стабильность характеристик качества песка, например, содержание активного кремнезема, не представляется возможным в силу особенностей их происхождения.
Частично эта проблема решается за счет обучения персонала и накопления опыта. Однако при смене кадров эта проблема обостряется: у нового сотрудника, даже после обучения, зачастую нет полного понимания о последствиях, к которым могут привести его действия или бездействие. Также стоит отметить, что навыки и знания персонала, полученные в ходе их трудовой деятельности, носят, как правило, бессистемный характер и не гарантируют достижения стабильных результатов.
До настоящего времени при приготовлении ячеистобетонной смеси в условиях нестабильности качества исходных компонентов использовались локальные системы регулирования ее рецептуры, описанные в работах Сулеймановой Л.А., Кафтае-вой М.В., Лесовика В.С. и др. Эти системы были ориентированы на обеспечение отдельных параметров качества газобетона, например, плотность или прочность.
В исследованиях, носящих системный характер (Сажнев Н.П., Мартыненко В.А. и пр.), используются многофакторные модели. Однако управление составом сырья (или его оптимизация) осуществляется по локальному критерию, а другие параметры готового продукта либо искусственно ограничиваются, либо не учитываются вообще.
В многочисленных работах Кулинича Э.М. и Зиновкина В.В. предлагаются модели управления технологическим процессом производства АГБ, а также алгоритмы оптимального управления этими процессами. Однако реализация предложенных моделей и алгоритмов применима для управления процессом дозирования только жидких компонентов АГБ, например, песчаного шлама. Кроме того, в этих работах не учитывается нестабильность параметров сырья, в частности, кремнеземистого компонента.
Очевидно, что управление составом газобетона должно осуществляться сразу по нескольким критериям, пусть и неравнозначным. С учетом этих особенностей ТПП АГБ управление процессом следует искать в классе автоматизированных систем интеллектуальной поддержки (АСИП).
Известны методы решения многокритериальных задач (Г.Г. Азгальдов, А.Г. Варжапетян, В.Н. Бурков, Д.А. Новиков, В.А. Харитонов и др.), связанные с применением широко известного в социально-экономической сфере подхода комплексного оценивания. Однако эти результаты не нашли использования для разработки алгоритмов интеллектуальной поддержки принятия решений в задачах управления производством строительных материалов.
Таким образом, учитывая сложную иерархическую структуру и многопара-метричность технологического процесса производства АГБ, существует необходимость решения актуальной и сложной научно-технической задачи, заключающейся в создании моделей и алгоритмов ИППР управления рецептурой АГБ в условиях нестабильного качества сырья.
Объектом исследования является технологический процесс производства изделий из автоклавного газобетона.
Предметом исследования являются модели и алгоритмы интеллектуальной поддержки принятия решений при управлении рецептурой компонентов АГБ в условиях нестабильности качества поставляемого сырья.
Целью диссертационной работы является повышение эффективности управления технологическим процессом дозирования компонентов АГБ, заключающемся в снижении объема брака готовой продукции за счет разработки моделей и алгоритмов интеллектуальной поддержки управления рецептурой компонентов АГБ.
В соответствии с целью были определены следующие задачи исследования:
-
Анализ структуры и особенностей процесса управления дозированием компонентов АГБ с использованием ИППР.
-
Разработка математической модели процесса дозировки компонентов АГБ в условиях нестабильного качества поставляемого сырья.
-
Разработка алгоритма интеллектуальной поддержки принятия решений управления процессом дозировки компонентов АГБ по комплексному критерию качества.
-
Создание программ разрабатываемых алгоритмов и моделей интеллектуальной поддержки принятия решений.
-
Оценка эффективности использования предложенных моделей, алгоритмов и программных средств при управлении дозировкой компонентов АГБ.
Теоретическую и методологическую основу исследований составляют положения теории принятия решений, теории надежности, теории нечетких множеств, метод экспертных оценок, методы анализа иерархий, комплексного оценивания, математического планирования и регрессионного анализа.
Научная новизна результатов диссертации заключается в следующем:
-
Обоснован процесс управления дозировкой компонентов АГБ с использованием ИППР.
-
Разработана математическая модель процесса дозирования компонентов АГБ, новизна которой заключается в учёте нестабильности параметров качества сырья.
-
Разработан алгоритм интеллектуальной поддержки управления процессом дозирования компонентов АГБ, новизна которого заключается в использовании комплексного критерия качества, как интегральной оценки значений нескольких характеристик готового продукта.
-
Разработана программа для ЭВМ «Декон-СМ», основанная на предлагаемых модели и алгоритме для решения задач поддержки принятия решений при управлении процессом дозирования компонентов АГБ.
Практическая значимость и внедрение результатов исследования заключается в повышении эффективности управления технологическим процессом производства автоклавного газобетона на предприятии ОАО «ПЗСП», г. Пермь. При производстве блоков из автоклавного газобетона D500 B1,5 на линии «Сотаблок» в четвертом пролете первого производства в результате применения предлагаемых моделей, алгоритмов и программных средств при использовании исходного сырья нестабильного качества объем продукции низкого качества был снижен с 15,4% до 6,2%.
Программа и технические средства, обеспечивающие ИППР управления дозированием компонентов АГБ, внедрены на ОАО «ПЗСП», что позволило достичь повышения стабильности качества выпускаемой продукции из АГБ.
Полученные научные и практические результаты работы применяются в учебном процессе кафедры «Строительный инжиниринг и материаловедение» ПНИПУ в курсах дисциплин «Технология бетона, строительных изделий и конструкций», «Научно-исследовательская работа студентов», «Комплексная диагностика структуры и свойств строительных материалов».
На защиту выносятся:
-
Результаты анализа и выбора управлений процессом дозирования компонентов АГБ [п. 16: теоретические основы, методы и алгоритмы построения экспертных и диалоговых подсистем, включенных в АСУТП, АСУП, АСТПП и др.];
-
Математическая модель процесса дозирования компонентов АГБ в условиях использования сырья нестабильного качества [п. 4: теоретические основы и методы математического моделирования организационно-технологических систем и комплексов, функциональных задач и объектов управления и их алгоритмизация];
-
Алгоритм интеллектуальной поддержки управления процессом дозирования компонентов АГБ [п. 15: теоретические основы, методы и алгоритмы интеллектуализации решения прикладных задач при построении АСУ широкого назначения (АСУТП, АСУП, АСТПП и др.)];
4. Программа для ЭВМ «Декон-СМ», основанная на предлагаемых алго-
ритмах и моделях для решения задач поддержки принятия решений при управлении процессом дозирования компонентов АГБ [п. 10: Методы синтеза специального математического обеспечения, пакетов прикладных программ и типовых модулей функциональных и обеспечивающих подсистему АСУТП, АСУП, АСТПП и др.].
Достоверность результатов подтверждается совпадением расчетных и экспериментальных данных.
Апробация результатов диссертации
Результаты диссертационного исследования докладывались и обсуждались на Всероссийской научно-технической конференции «Перспективы развития строительного материаловедения: энерго- и ресурсосбережение в строительстве» (г. Челябинск, 2011), I Международной научной конференции «Инновационные процессы в исследовательской и образовательной деятельности» (г. Пермь, 2012), Всероссийской научной конференции молодых ученых «Наука. Технологии. Инновации», (г. Новосибирск, 2012), X Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Экология и научно-технический прогресс» (г. Пермь, 2013), II Международной научно-практической конференции «Актуальные направления фундаментальных и прикладных исследований», (г. Москва, 2013); V, VI и VII Всероссийских научно-практических конференциях аспирантов, молодых ученых и студентов «Современные технологии в строительстве. Теория и практика», (г. Пермь, 2013, 2014, 2015); Международной научно-практической конференции «Современный автоклавный газобетон», (г. Краснодар, 2013); Международной научно-практической конференции «Современные тенденции в образовании и науке», (г. Тамбов, 2014).
Публикации. Основное содержание диссертации опубликовано в 15 печатных работах, в том числе в трех статьях в журналах, включенных в Перечень рецензируемых научных изданий.
Структура и объем диссертации. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы, включающего 112 наименований, и 5 приложений. Основная часть работы изложена на 161 листе машинописного текста, содержит 36 рисунков и 17 таблиц.
Анализ технологического процесса как объекта управления
Как известно, основным критерием качества установившегося производственного процесса является отсутствие продукции неудовлетворительного качества (брака). Под устойчивостью качества продукции следует понимать постоянство степени соответствия требованиям нормативно-технической документации (НТД). Неустойчивость качества продукции определяется его зависимостью от качества производственного процесса, качества средств производства и качества труде. Таким образом, по своей природе качество является неустойчивым свойством, стремящимся отклониться от заданного уровня [2].
Основными причинами снижения качества готового продукта при установившемся технологическом режиме производства являются внешние возмущения различной природы. В первую очередь они связаны с изменениями характеристик исходных продуктов. При этом не исключено, что производственный брак получается и по причине нарушений технологического процесса, либо из-за наладки нового оборудования. Важно отметить, что системы управления качеством продукции могут функционировать только при определенных условиях, которые должны быть зафиксированы и постоянно поддерживаться [83]. Для снижения уровня брака при производстве газосиликата весь технологический процесс подвергается различным видам контроля.
Принято различать входной контроль качества сырьевых материалов, операционный контроль основных узлов технологического процесса, контроль качества готовой продукции [45]. Контроль качества сырьевых материалов
Выбор качественных сырьевых компонентов обеспечивает уникальные эксплуатационные свойства газобетонных блоков. Как известно, в Российской Федерации рынок сырьевых материалов очень богат, но несовершенен. Из большого количества предприятий, занимающихся добычей и поставками сырья заводам-производителям строительных материалов, изделий и конструкций, стабильность качества сырьевых компонентов могут гарантировать лишь единицы. Поэтому правильный выбор сырья, а также разработки, связанные с регулированием и стабилизацией его свойств с целью расширения сырьевой базы для производства эффективных конструкционно-теплоизоляционных изделий из ячеистых бетонов автоклавного твердения для ограждающих конструкций зданий представляется в настоящее время весьма актуальной задачей [43, 107, 108].
В соответствии с СН 277 [79] поступающие на предприятие материалы и полуфабрикаты принимают партиями, при этом проверяют по методикам, указанным в соответствующих стандартах, технических условиях и названной инструкции следующие свойства: – минералогический состав цемента, вид гидравлической добавки и марку – по паспорту, тонкость помола, активность и сроки схватывания – по ГОСТ 310.1 – ГОСТ 310.4 [30-33]; - содержание СaО + MgO в извести, содержание «пережога» – по методике приложения 4 [79]; – сроки гашения, тонкость помола – по ГОСТ 22688 [29]; – тонкость помола известково-песчаной смеси следует проверять в соответствии с приложением 5 [79]; – удельная поверхность – по ПСХ; – содержание в кварцевом песке кварца, слюды, илистых и глинистых примесей – по ГОСТ 8735 [34]; – марку и содержание активного алюминия в алюминиевой пудре – по приложению 6 [79];
Зная влияние каждого из сырьевых компонентов и их совокупное влияние на свойства ячеистого бетона, можно целенаправленно управлять ими на всех стадиях технологического процесса производства ячеистобетонных изделий, что является одним из важнейших технологических задач на современном этапе развития производства [13, 73]. Контроль технологического процесса При контроле производственных процессов лаборатория проверяет: – дисперсность песка, гипса и других материалов в порядке, предусмотренном технологической картой, но не реже одного раза в смену; – плотность и температуру шлама согласно приложению 7 [79]; – текучесть поризованного отделочного раствора и вязкость раствора, а также температуру, смеси в момент разлива ее в формы и после вспучивания (из каждого третьего замеса); – объемную массу ячеистобетонной смеси (в каждой третьей форме); – высоту вспучивания смеси (в каждой третьей форме); – пластическую прочность ячеистого бетона - сырца перед прикаткой «горбушки» и резкой массива согласно приложению 2 [79]; – режим тепловлажностной обработки изделий (для каждой запарки); – тщательность очистки и смазки форм и плотность закрытия бортов (в каждой форме);
Для оценки стабильности технологических процессов на предприятии необходимо результаты контроля качества материалов и производственных процессов ежемесячно подвергать статистической обработке, согласно приложению 8 [79] и сопоставлять их соответствие с нормируемыми показателями таблицы 12 [79]. При изменении качества сырья и параметров производства лаборатория обязана вносить необходимые коррективы в технологию изготовления изделий.
Обоснование выбора управляющих факторов
В условиях неопределенности при многофакторном управлении процессом, состоящим из множества операций и требующем получения продукта стабильно высокого качества, на сотрудника предприятия, принимающего решения, возлагается огромный груз ответственности за результат управления технологией. Очевидно, что в такой ситуации необходимо внедрение интеллектуальных систем, помогающих человеку в решении многокритериальных неструктурированных проблем. Такие системы дают возможность прогнозировать качество будущей готовой продукции и своевременно вносить коррективы в технологический процесс.
Основой в данном случае могут служить системы поддержки принятия решений (Decision Support Systems – DSS). Особенностью систем поддержки принятия решений является значительно большая, чем, например, в ERP-системах (системах планирования ресурсов предприятии), наукоемкость обработки данных [67, 68]; основой DSS-систем служат методы статистического анализа, которые, в свою очередь, могут быть разделены на классы: описательной статистики, проверки статистических гипотез, регрессионного, дисперсионного и многомерного анализа, статистического планирования экспериментов и статистического контроля (в частности – качества).
В зависимости от сложности производственного процесса и поставленных задач оптимизации и управления следует различать несколько направлений развития DSS-систем. Как уже отмечалось, в качестве базового направления уместно рассматривать методы статистической обработки данных. Особое направление составляют методы, основанные на нечетких множествах [104, 111]. Другое направление развития DSS уместно связывать с методами, основанными на принципах саморазвивающихся систем (например, нейронных сетей). Однако решения, полученные такими методами, часто не допускают наглядных интерпретаций, что в определенной степени усложняет содержательный анализ.
К третьему направлению можно отнести традиционные методы решения оптимизационных задач – вариационные методы, методы исследования операций, включающие в себя различные виды математического программирования, имитационные методы. Четвертое направление развития связано с экспертными методами, т.е. связанными с непосредственным использованием опыта группы экспертов.
Можно выделить следующие этапы построения аналитических оптимизационных задач моделей исследования операций.
Выбор критериального показателя, также в разных источниках его называют показатель эффективности, целевой показатель, критерий. Таких показателей может быть один или несколько. В соответствии с этим выделяют однокритериальную и многокритериальную оптимизацию.
Критериальный показатель - это показатель, который необходимо улучшить, в идеале оптимизировать, в рассматриваемой проблемной ситуации. Например, прибыль от реализации продукции, выпущенной предприятием за определенный период [11].
Установление критерия оптимальности, который может максимумом или минимумом в соответствии с содержанием критериального показателя.
Выявление управляемых параметров модели (xl...xn). Управляемыми параметрами модели называются искомые параметры, которые могут варьироваться в рамках рассматриваемой модели. Управляемые переменные модели соответствуют производственно-экономическим или финансовым показателям рассматриваемой прикладной задачи, изменение которых влияет на значение критериального показателя. В зависимости от требований к области определений значения могут быть, например, целочисленные или булевыми переменными.
Идентификация неуправляемых параметров модели. Неуправляемыми параметрами модели назовем такие входные параметры, которые не могут варьироваться в заданной проблемной ситуации. Другими словами, это исходные данные для моделирования. Они, как правило, описывают состояние моделируемой системы, в том числе и начальное. Неуправляемые параметры модели могут соответствовать нормативным показателям, показателям описания фактического состояния системы на начало моделирования, заданным значениям планируемых показателей и др [3].
Построение функции цели. Функция цели - это функция зависимости критериального (одного или нескольких) показателя от управляемых и возможно некоторых неуправляемых параметров модели. Функция цели может быть как линейной, так и нелинейной, соответственно рассматриваются и виды моделей. Выявление ограничений на неуправляемые параметры модели. В отличие от некоторых других областей в области экономики и управления производством всегда существуют ограничения. Чаще всего это ограничения по ресурсам: времени, сырью, мощностям и прочее. Естественным ограничением для названной области является не отрицательность параметров.
Таким образом, операционная математическая модель позволяет исследователю операций давать конкретные рекомендации по наилучшему в каком-то смысле практическому осуществлению реальной операции посредством анализа математических зависимостей, отражающих ее наиболее существенные свойства. В общем случае операционная модель выражает зависимость критерия эффективности операции от параметров, выбор значении которых находится в распоряжении оперирующей стороны (управляемые параметры), а также от условий проведения операции, отражающих как управляемые, так и неуправляемые параметры.
Алгоритм интеллектуальной поддержки принятия решений при управлении процессом дозирования компонентов автоклавного газобетона
Для управления сложным технологическим процессом, описываемым многими показателями, желательно иметь агрегированную картину, которая, с одной стороны, включала бы требуемое количество показателей, а с другой -позволила бы выявить изменение состояния управляемой системы [4].
На сегодняшний день, как правило, управление технологическим процессом осуществляется лишь по одному показателю качества готового продукта. В условиях многофакторности технологического процесса, а также ужесточения требований к качеству готового продукта по каждому из элементарных показателей такое управление можно считать малоэффективным. Для повышения эффективности принятия решений при управлении процессом производства АГБ предлагается использовать комплексный критерий качества АГБ, получаемый агрегированием исходного набора частных показателей качества АГБ (процедура комплексного оценивания) [27, 36, 88].
Ранее было установлено, что газобетон автоклавного твердения обладает комплексом качественных характеристик: прочность при сжатии ()РСЖ), прочность на растяжение при изгибе (/мзг), средняя плотность (у ), морозостойкость (/), теплопроводность (у ), паропроницаемость (у"), усадка (уА), отпускная влажность готового изделия (yw). Прочность – свойство материала сопротивляться разрушению под влиянием внутренних напряжений, возникающих от действия внешних сил (сжимающих – прочность при сжатии, изгибающих – прочность на растяжение при изгибе).
Под показателем средней плотности следует понимать массу единицы объема сухого строительного материала в естественном состоянии.
Морозостойкость – способность материала в насыщенном водой состоянии сохранять свои физико-механические свойства при многократном попеременном замораживании и оттаивании.
Теплопроводность – способность материала проводить теплоту через свою толщу от одной поверхности к другой. Паропроницаемость – свойство материала пропускать пар при наличии его парциальных давлений с двух противоположных сторон слоя этого материала. Усадка - уменьшение строительного материала в размере, в объме вследствие потери влаги, уплотнения. Отпускная влажность готового изделия – остаточное содержание влаги в газобетоне автоклавного твердения. Отпускная влажность готового продукта негативно td сказывается td на td показателях td прочности, td плотности td и теплосопротивления (величина, обратная теплопроводности).
Исходя из физического смысла основных характеристик качества АГБ, выберем наиболее значимые из них. Введем следующее допущение: в качестве готового продукта будем рассматривать блоки из автоклавного газобетона, которые в основном воспринимают сжимающие нагрузки и, в целом, не подвержены изгибающим воздействиям; блоки из автоклавного газобетона защищаются от действия атмосферных осадков как с наружной, так и с внутренней стороны [98].
Исходя из предложенных допущений следует, что из вектора выходных характеристик качества готового продукта следует исключить показатель паропроницаемости и прочность на растяжение при изгибе. Также при комплексной оценке качества не следует учитывать величину усадки. Связано это с тем, что вследствие своей структуры изделия из АГБ обладают предельно малой величиной усадки - менее 0,1 мм/м.
Таким образом, вектор показателей качества готового продукта у будет состоять из пяти частных показателей и примет вид (3.1): % = {/сж,урсрУУ } td (3.1) Таким образом, под комплексным критерием качества автоклавного газобетона будем понимать численную оценку, получаемую в результате агрегирования множества частных критериев N = {1, 2,…, п}, оценки xt Є Xt по которым принимают значения из множества , і Є N: FG): — Х0, td (3.2) то есть Х0 = F(x), где х = (х1,х2, ...,хп) Є X = ЦІЕМХІ
Наибольшее распространение в последние годы получили матричные процедуры комплексного оценивания, в которых существует набор частных показателей, измеряемых в дискретной шкале, которые сворачиваются попарно (дихотомическая - бинарная - процедура), а агрегированные значения определяются так называемыми матрицами свертки. При этом возникают как теоретические задачи нахождения функций свертки, представимых в виде дихотомического дерева [17, 28], перестроения деревьев свертки [4], так и задачи построения матричных систем комплексного оценивания в различных прикладных областях [54].
Рассмотрим несколько вариантов построения дихотомического дерева комплексного оценивания. Стоит отметить, что общее количество возможных вариантов компоновки дерева комплексного оценивания составляет более 600. В связи с этим выбору и обоснованию принимаемого варианта необходимо уделить должное внимание [55].
Как говорилось ранее, в качестве примера выпускаемого изделия из АГБ примем блоки из автоклавного газобетона общестроительного назначения.
Как и любой другой строительный материал, используемый в качестве стенового ограждения, газобетон автоклавного твердения должен отвечать требованиям эксплуатационной надежности и обеспечивать комфортные условия проживания для человека. Именно так можно охарактеризовать основные потребительские свойства строительных материалов. Уровень эксплуатационной надежности в свою очередь определяется уровнем конструкционных характеристик материала и показателями его долговечности. Комфортность проживания можно охарактеризовать способностью стенового материала сохранять тепло внутри помещения [90, 91, 96].
Известно [52], что конструкционную эффективность строительного материала составляют показатели его плотности и прочности. А долговечность строительного материала, в основном, характеризуется его морозостойкостью.
Разработка программного обеспечения интеллектуальной поддержки принятия решений при управлении процессом дозирования компонентов автоклавного газобетона
Анализируя данные, представленные на рисунке 5.4, можно отметить постоянство характеристики активности извести. Однако по другим характеристикам качества сырья: плотности песчаного шлама и содержания кремнезема в песке, - такой стабильности не наблюдается.
Для наглядности, на рисунке 5.5 представим результаты изменения качественных характеристик в виде графика повторяемости результатов в соответствующем интервале значений оцениваемой величины.
Из представленных данных видно, что изменение качества кремнеземистого компонента по показателю содержания активного кремнезема не вписывается в нормальное распределение, описываемое функцией Гаусса [6, 63]. В условиях нестабильности характеристик применяемого сырья получение готового продукта стабильного качества является сложной задачей. Для корректировки качества готового продукта на предприятии, в первую очередь, прибегают к корректировке технологических режимов производства изделия. Принимаемые меры не обеспечивают снижение уровня брака, снижая при этом стабильность качества выпускаемой продукции. Анализируя данные, представленные на рисунке 5.6, причиной появление брака при производстве готовой продукции является несоответствие готовой продукции требованиям государственных стандартов по показателям прочности и плотности. В частности, как видно из рисунка 5.6в, продукция, значения конструктивного качества которой располагаются ниже нижней границы стабильности, и будет являться браком.
На рисунке 5.7 изображены карты статистического контроля качества блоков из автоклавного газобетона по вспомогательным характеристикам. Необходимо отметить, что по этим показателям в нормативно-технической документации не установлен коридор изменения значений, а даны лишь требования в виде «не менее» или «не более». В частности, для блоков из автоклавного газобетона морозостойкость должна быть не менее 25 циклов, коэффициент теплопроводности – не более 0,12 Вт/м С, влажность – не более 24%.
Карта статистического контроля качества готового продукта а) по показателю морозостойкости; б) по показателю теплопроводности; в) по показателю отпускной влажности. Не смотря на то, что приведенные на рисунке 5.7 данные в ряде случаев выходят за границы стабильности, на уровень брака готовой продукции они не оказывают влияния.
Таким образом, полученные результаты позволяют утверждать, что при производстве изделий из АГБ попытки повышения качества готового продукта в условиях нестабильности качества сырья за счет навыков и знаний персонала не гарантируют достижения стабильных результатов. В результате корректирующего управления с изменением только лишь технологических режимов при производстве блоков из ячеистого бетона среднесуточный объем брака варьируется в пределах от 1,6 до 15,4%. при этом наибольший процент брака следует связывать не только с человеческим фактором. С учетом полученных данных, а также принимая во внимание результаты, полученные в предыдущих главах диссертационного исследования, можно сделать вывод, что первоочередной причиной нестабильности качества выпускаемой продукции является нестабильность качества применяемых сырьевых компонентов, в частности, кремнеземистого компонента по показателю содержания активного кремнезема [12].
Оценка эффективности использования системы интеллектуальной поддержки принятия решений Для оценки эффективности использования системы ИППР при управлении процессом дозирования сырья был проведен промышленный эксперимент, в котором изменялись расходы основных компонентов ячеистобетонной смеси; технологические параметры при этом оставались неизменными. В результате реализации алгоритма ИППР была получена поверхность комплексного оценивания, содержащая данные о наилучших значениях комплексного критерия качества автоклавного газобетона в зависимости от выбранных факторов управления. Схематичное представление дерева комплексного оценивания в регрессионном исполнении представлено на рисунке 5.8.
Как сообщалось ранее, программа «Декон-СМ» может представить ЛПР расчетные данные как в графическом виде, так и в виде таблицы. При этом пользователь выбирает один из возможных вариантов вывода данных: вывод всех позиций и соответствующих значений комплексного критерия качества; вывод заданного ограниченного числа; либо вывод всех наибольших значений комплексного критерия качества.
Анализируя полученные результаты можно отметить, что в данном случае (при содержании активного кремнезема в песчаном шламе 82%) наибольшее значение комплексной оценки качества автоклавного газобетона составит 2,07. Такая оценка достигается при варьировании соответствующих показателей качества в следующих диапазонах: средняя плотность 399±1 кг/м3, предел прочности при сжатии 2,85±0,01 МПа, морозостойкость 41±1 цикл, влажность 25±1%, коэффициент теплопроводности от 0,05 до 0,09 Вт/мС. При этом можно отметить достаточно узкий диапазон изменения факторов управления: U2 (n) от 0,49 до 0,5, U2 (Ссв) от 2,29 до 2,39. Учитывая малую разницу между отдельными значениями качественных характеристик АГБ, можно утверждать, что изменение управляющих факторов в указанных выше диапазонах обеспечит требуемое качество готового продукта. Но даже в этом случае ЛПР следует отдать предпочтение альтернативам №№10-13, что приведет к выбору значения фактора управления U1 (n) равным 0,49. При этом изменение фактора U2 (Ссв) в диапазоне от 2,42 до 2,45 будет нечувствительным.
Таким образом, в результате корректировки управления и пересчета состава автоклавного газобетона с учетом фактического качества сырьевых компонентов было достигнуто снижение среднесуточного объема брака до четырех массивов объемом 4,2 м3, что составляет примерно 6,2% от среднесуточного объема выпускаемой продукции на линии «Сотаблок».
Стоит отметить, что предлагаемый подход позволяет значительно сократить время выбора корректирующего управления из множества альтернатив. При этом наблюдается хорошая сходимость фактических и проектируемых значений характеристик готового продукта. По совокупности приведенных выше результатов можно утверждать о высокой эффективности предложенного подхода, реализованного в программном продукте «Декон-СМ».