для того, щоб прийняти правильне рішення при виборі технологічних режимів обробки на конкретному агрегаті цеху.
В якості ЛПР в даному випадку може виступати заступник начальника цеху з технології і (або) начальник експериментальної групи (групи якості), яке-небудь відповідальна особа від групи якості.
Спільне рішення обох задач передбачає не тільки спрощення і максимальну формалізацію (як наслідок, максимально можливу автоматизацію) процедур прийняття рішень, але суттєве звуження кола ЛПР для вирішення другого завдання на оперативному рівні управління. Для прокатного стану це може бути старший вальцовщик (оператор головного поста), для АНО-АГЦ - старший терміст (оператор головного поста) і т. Д. Але в цьому випадку інформація, на основі якої вони будуть приймати рішення щодо коригування керуючих впливів, повинна бути представлена ??в зручній для сприйняття формі і задовольняти ЛПР з погляду точності, надійності та достовірності.
Для реалізації описаних вище процедур ПР розроблена практична комбінована методика, в основу якої покладені методи теорії ймовірностей, математичної статистики (зокрема, многооткліковий багатовимірний регресійний аналіз) і класифікації альтернативних варіантів.
Частково елементи методики розглянуті в роботах [22,106 и др.]. Основною відмінністю розробленої методики є те, що для прийняття рішення використовується інформація, отримана як при обчисленнях, проведених за допомогою многоотклікових багатовимірних математичних моделей, так і за допомогою багатокритеріальних досліджень. Порівняння результатів обчислень і є основним критерієм при прийнятті рішень. При збігу результатів (або їх заданої близькості) рішення приймається, у зворотному випадку розрахунки повторюються при інших граничних умовах. Нижче представлені короткий опис алгоритмів методики рішення задачі ПР при виборі найкращого режиму обробки металу та прогнозуванні кінцевих властивостей готової продукції цеху.
Будь технологічний або виробничий процес у листопрокатному цеху характеризується вектором `Х вхідних змінних (хімічний склад сталі, якість підкату, технологічні режими обробки - тиск, температура, швидкість і т. п.). Назвемо їх чинниками. Ефективність процесу оцінюється вектором `Y вихідних змінних (показники якості готової продукції, техніко-економічні показники і т. П.). Назвемо їх відгуками.
Сукупність спостережень факторів і відгуків утворює масив даних М ( X, Y ) обсягу N (див. табл. 1).
Таблиця 1. Масив вихідних даних
№ п/пфакториотклікі х 1 х 2 ... х i ... x I y 1 y 2 ... < i align="justify"> y j ... y J 1 х 11 х 21 ... х i1 ... x I1 y 11 y 21 ... y j1 ... y J1 2 х 12 х 22 ... х i2 ... x I2 y 12 y 22 ... y j2 ... y J2 ........................... nх 1n х 2n ... х in ... x In y 1n y 2n ... y jn ... y Jn ........................... Nх 1N х 2N ... х iN ... x IN y 1N y 2N ... y jN ... y JN
Перший індекс змінної означає її номер по порядку, т. е. номер стовпчика масиву, другий - номер рядка масиву (номер спостереження, досвіду, вимірів і т. п.), 1? n ? N - число дослідів; 1? i ? I - число факторів; 1? j ? J - число відгуків.
Методика передбачає проведення аналізу паралельно двома способами:
. Будується многооткліковая багатовимірна математична модель (при необхідності - нелінійна), яка являє собою по суті набір моделей ( J -мірним регресійна функція) виду:
y j= a j 0 + a j 1 x j 1 + ... + a ji (j) x ji (j) + ... + a j ...
