Professional Documents
Culture Documents
MATEMATIKO MODELIRANJE
Seminarski rad
SADRAJ
1. UVOD........................................................................................................................1
2. OPI ALGORITAM IZRADE STOHASTIKOG MODELA.......................................2
3. TROFAKTORNI I K-FAKTORNI MATEMATIKI MODELI........................................4
4. PROVJERA HOMOGENOSTI DISPERZIJA EKSPERIMENTA................................6
5. MODELIRANJE SILE ISTOSMJERNOG ISTISKIVANJA OSNOSIMETRINIH
IZRDAKA.......................................................................................................................9
6. ZAKLJUAK............................................................................................................20
7. LITERATURA..........................................................................................................20
1. UVOD
Najvaniji dio razvoja proizvoda je priprema proizvodnje. U toj fazi razvoja pravimo
tehnoloki proces za izradu proizvoda. Vrijeme izrade tehnolokog procesa kao i
cjelokupne tehnoloke dokumentacije viestruko je dulje nego vrijeme potrebno za
konstruirajne proizvoda. Novana ulaganja u ovoj fazi su znaajna, te bi eventualna
pogreka u proraunu u ovoj fazi imala katastrofalne posljedice, posebice u
financijskom smislu, pri proizvodnji proizvoda. Kako se greka u proraunu ne bi
otkrila kad je ve prekasno, javila sa potreba za simulacijom obradnih procesa.
Obradne procese mogue je matematiki modelirati, te na osnovu tog modela i
simulirati na raunalu.
Glavni su ciljevi modeliranja i optimizacije obradnih procesa poveanje proizvodnosti,
ekonominosti, ukupne kvalitete proizvoda, te smanjenje utroka materijala, energije,
vremena obrade i trokova obrade po jedinici proizvoda.
Rezultat je modeliranja matematiki model koji e u odgovarajuem stupnju tonosti
adekvatno opisivati proces ili sustav. Matematiki model je neophodan za definiranje
parametara procesa i sustava upravljanja, razvoj obradnih sustava, optimizaciju i
simulaciju procesa itd. Matematiki modeli obradnih procesa osiguravaju kvalitetnu
primjenu suvremenih raunalnih sustava CAD, CAM, CAQ, CAPP. Moe se rei kako
su izbor optimalnog obradnog sustava, procesa obrade, redosljeda operacija,
geometrije alata, isl. nezamislivi bez definiranog pouzdanog matematikog modela.
Poznavanjem matematikog modela procesa, koji u biti opisuje matematski promjenu
parametara procesa u ili sustava u odreenom prostoru i/ili vremenu, mogue je
osigurati da proces obrade ne ue u podruje poremeaja, kada moe doi do
prekida procesa zbog nekog poremeaja (npr. istroenosti, loma alata ili nekvalitetne
obrade, isl.). Kao to se moe primjetiti, znaenje definiranja pouzdanih matematikih
modela znatno je ire od elje o potrebe da se neto modelira.
dijele na regulirane parametre Xir i neregulirane Xin. Nakon toga se utvruju granice
variranja promjejnivih parametara Xiv u uvijetima realnog procesa. Zatim se odluuje
o metodi izvoenja eksperimenta (aktivni ili pasivni eksperiment). Vano je znati kako
sluajne oscilacije Xin na granicama Xin neznatno utjeu na izlazne parametre Yi.
Ako realizacija matrice palniranog eksperimenata nije mogua koriste se sluajni
eksperimentalni podaci, pri emu se kombinacija promjenjivih veliina Xiv i Yi ne
izvodi sustavno. Tada je dobro smanjiti tehnoloke zahtijeve, pri skupljanju sluajnih
statistikih informacija, te dopustiti osciliranje parametra Xiv u irim granicama nego
to je to sluaj u realnom procesu [1]. Poslijednji je korak matematika obrada
dobijenih eksperimentalnih podataka i provjera adekvatnosti dobijenog modela.
Dobijeni rezultati matematiki se obrauju postupkom prikazanim na algoritmu ispod.
Nj Broj pokusa
Matematiki
viestruke
model
Koeficijenti
1
2
3
4
5
6
7
8
X1
X2
X3
X1 X 2
X1 X 3
X2 X 3
X1 X2 X3
+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
-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
+1
+1
-1
+1
+1
-1
+1
-1
-1
+1
b0
b1
b2
b3
b12
b13
b23
b123
y=b 0 x 0 +b 1 x 1+ b2 x 2 +b3 x 3
bi =
1
X y E ,i =0,1,2,3;
N j=1 ij i
y1
y2
y3
y4
y5
y6
y7
y8
b =
1
X X y E , 1 i< m 3;
N j=1 ij mj j
N
1
bimk = X ij X mj X kj y Ej ,1 i<m<k 3
N j=1
gdje su:
n
1
E
y j = y ji aritmetika sredina rezultata mjerenja u pojedinim tokama
n i=1
nbroj ponovljenih mjerenja
y ji vrijednost pojedinih mjerenja
Nbroj toaka plana
[ ]
[ ]
[ ]
x 01 . . . x k 1
x 02 . . . x k 2
.
X=
x 0 N . .. x kN
X=
x k 1 . . . x kN
pa dobivamo:
( 00 )( 01 ) .. .(0 k)
( 10 ) (11 ) . . .(1 k )
'
.
X X=
.
( k 0 ) ( k 1 ) . . .(kk )
Inverzna matrica je:
[ ]
C 00 C 01 . .. C 0 k
( X ' X )1=
Ck 0 C k1 . .. C kk
koja pak kod planova prvog reda postaje dijagonalna matrica oblika:
[]
b0
C1 0
( X ' X )1= =( C 11 ,C 22 , , C kk ) , B=
0 Ckk
bk
[]
bi= C ( iy ) za i=0, 1, 2, , k .
m=o
Rezultati
ponovljenih
eksperimenata
ni
Srednja
vrijednost
y
y 11 y 12 y 13 y 1 n
y1
S 12=
1
y 1 i y 1 )2
(
n1 1
1
S2 =
y 2 i y 2 )2
(
n1 1
y 31 y 32 y 33 y 3 n
y3
1
S3 =
y 3 i y 3 )2
(
n1 1
yN
.
.
y N 1 y N 2 y N 3 y Nn
.
.
.
.
y2
y 21 y 22 y 23 y 2 n
SN =
1
( y y N )2
n1 1
1
y j = y ji , j =1,2, , N ; i=1, 2, , n
n j i=1
1
( y y j )2
n j1 i=1 ji
max S j2
N
Sj
Kt ( f j, N )
j=1
gdje je:
Kt tablina vrijednost po Cochranovom kriteriju za stupnjeve slobode fj i N,
fj stupanj slobode (fj = nj 1),
nj broj ponavljanja u uzorku,
N broj uzoraka.
Ukupna varijanca eksperimenta je:
( y ji y j )2
F=
S12
12
S22
S12
S22
22
U predhodnom smo izrazu usvojili vrijednost disperzija 12 = 22. Provjera
homogenosti disperzija po Fisheru je:
S1 2
S 22
F= 2 F t ( f 1 , f 2 ) ili F= 2 F t ( f 1 , f 2 )
S2
S1
gdje je:
Ft tablina vrijednost po kriteriju Fishera za stupnjeve slobode f1 i f2,
f1 = (n1 1), stupanj slobode prvog uzorka
f2 = (n2 1), stupanj slobode drugog uzorka
Prema predhodnom izrazu uzima se vea izraunata vrijednost za F.
K Kt
F Ft
Za uvijet
, odnosno
, varijance dvaju uzoraka pripadaju istoj
populaciji, te se eksperiment moe nastaviti.
Rezultati
ponovljenih
eksperimenata
ni
Srednja
vrijednost
y
y 11 y 12 y 13 y 1 n
y1
Varijanca Sj2
S1
Suma kvadrata
( y 1 i y1 ) 2
1
10
Stupanj
slobode
fj
n11
y 31 y 32 y 33 y 3 n
y2
y3
S2
S3
( y 2 i y 2) 2
n21
( y 2 i y 2) 2
n31
.
.
SN
yN
.
.
.
.
y N 1 y N 2 y N 3 y Nn
n
1
y 21 y 22 y 23 y 2 n
( y y N )2
n N 1
Sj
j=1
11
( y ji y j )
j=1 i=1
( n j1 )
j=1
,
, ,v
Modeliranje sile istiskivanja
treba izvesti za varijable
d0 d 1 0
procesa:
stupanj deformacije (0.30; 2.50)
kut radne zone alata (20o; 60o)
odnos dimenzija pripremka h0/d0 (1; 2.50)
odnos otvora za kalibriranje h1/d1 (0.14; 0.30)
brzinu kretanja alata v0 (15; 32 mm/s)
Materijal pripremka je ipkasti elik 1220, promjera do = 28 mm, toplinski obraen
arenjem i izrezan na odgovarajue duine. Fosfatiranjem su pripremci triboloki
pripremljeni za istiskivanje. Istiskivanje se izvodi na hidraulinoj presi nazivne sile
2500 kN. Mjerenje sile istiskivanja izvedeno je pomou senzora sile postavljenog
ispod prstena za izvlaenje, pojaivaa Httinger i raunala Macintosh.
Na slici 3 prikazana je shema procesa istosmjernog istiskivanja.
12
13
x ix 0 i
x x
= i 01
xi max x i min
xi
2
x i max + x i min
2
alataBrzina
kalibriranjaOtvor
Pripremak
zoneKut radne
Deformacija
Fizikalne
14
vrijednosti
NJBr. pokusa
Max
Min
Sred.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
h0
d0
h1
d1
v0
1.40
0.30
0.85
()
60
20
40
2.5
1.0
1.75
0.30
0.14
0.22
mm/s
32
15
23.5
Eksperimentalne vrijednosti sile
(kN)
Kodirane vrijednosti
X1
X2
X3
X4
X5
Yj1
Yj2
Yj3
+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
-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
+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
1045
274
790
164
904,7
275,4
710
166,6
1033
268,8
785
163,6
898
271,8
719,6
159,6
1010
260
767
167
904
270
720
165
1028
255
770
164
901
272
715
160
1020
267
787,8
170
900
267
700
167
1005
270
779
165
907
274
726
164
Y =
Fj
1025
267
781,6
167
902,9
270,8
710
166,2
1022
264,6
778
164,2
902
272,6
720,2
161,2
bi =
1
X y , za i=0,1,2, , k
N j=1 ij j
N
b =
1
X X y , za 1 i<m k
N j=1 ij mj j
15
bimk =
1
X X X y , za 1 i <m<k
N j=1 ij mj kj j
eksperimenta Broj
1025
1025
1025
1025
1025
1025
-1
267
-267
267
267
267
267
-1
781,6
781,6
781,6
781,6
781,6
781,6
-1
-1
167
-167
-167
167
167
167
-1
-1
902,9
902,9
902,9
902,9
902,9
902,9
-1
-1
-1
270,8
-270,8
270,8
270,8
270,8
270,8
-1
-1
-1
710
710
-710
-710
710
-710
-1
-1
-1
-1
166,2
-166,2
166,2
166,2
166,2
166,2
-1
-1
1022
1022
1022
1022
1022
-1022
10
-1
-1
-1
264,6
-264,6
264,6
264,6
264,6
264,6
11
-1
-1
-1
778
778
-778
778
-778
-778
12
-1
-1
-1
-1
164,2
-164,2
164,2
164,2
164,2
164,2
13
-1
-1
902
902
902
-902
-902
902
14
-1
-1
-1
272,6
-272,6
272,6
272,6
272,6
272,6
15
-1
-1
-1
720,2
720,2
720,2
720,2
720,2
720,2
16
-1
-1
-1
-1
161,2
-161,2
161,2
161,2
161,2
161,2
8575,
3
5108,
1
1278,
5
363,5
5,7
17,9
X1 X2 X3 X4 X5 Y j
X ij Y j
j=1
X 1 Y
16
X 2 Y
X 3 Y
X4 Y
X 5 Y
bi
535,9
56
319,2
56
79,90
6
22,71
9
0,356
1,119
eksperimentaBroj
Tabela 5 - nastavak
X1 X2Y j
X1 X3 Y j
X1 X4 Y j
X1 X5 Y j
X2 X3 Y j
X2 X4 Y j
X2 X5 Y j
1025
1025
1025
1025
1025
1025
1025
-267
-267
-267
-267
267
267
267
-781,6
781,6
781,6
781,6
-781,6
-781,6
-781,6
167
-167
-167
-167
-167
-167
-167
902,9
-902,9
902,9
-902,9
-902,9
902,9
-902,9
-270,8
270,8
-270,8
270,8
-270,8
270,8
-270,8
-710
-710
710
-710
710
-710
710
166,2
166,2
-166,2
166,2
166,2
-166,2
166,2
1022
1022
-1022
-1022
1022
-1022
-1022
10
-264,6
-264,6
264,6
264,6
264,6
-264,6
-264,6
11
-778
778
-778
-778
-778
778
778
12
164,2
-164,2
164,2
164,2
-164,2
164,2
164,2
13
902
-902
-902
902
-902
-902
902
14
-272,6
272,6
272,6
-272,6
-272,6
-272,6
272,6
15
-720,2
-720,2
-720,2
720,2
720,2
720,2
-720,2
16
161,2
161,2
161,2
-161,2
161,2
161,2
-161,2
445,7
379,5
-11,1
13,9
97,1
3,3
-5,3
27,856
23,719
-0,694
0,869
6,069
0,206
-0,331
X ij X mj Y j
j=1
bim
17
eksperimentaBroj
Tabela 5 - nastavak
X1 X2 X3Y j
X1 X2 X4 Y j
X1 X2 X5Y j
1025
1025
1025
-267
-267
-267
-781,6
-781,6
-781,6
167
167
167
-902,9
902,9
-902,9
270,8
-270,8
270,8
710
-710
710
-166,2
166,2
-166,2
1022
-1022
-1022
10
-264,6
264,6
264,6
11
-778
778
778
12
164,2
-164,2
-164,2
13
-902
-902
902
14
272,6
272,6
-272,6
15
720,2
720,2
-720,2
16
-161,2
-161,2
161,2
128,3
17,7
-18,1
8,019
1,106
-1,131
X ij X mj X kj Y j
j=1
bimk
Srednja
vrijednost
Y
Varijanca Sj2
Rezultati ponovljenih
mjerenja
Suma
kvadrata
( Y jiY j ) 2
Stupanj
slobode
fi
n
i
Y1j
Y2j
Y3j
1045
1010
1020
1025
325
650
274
260
267
267
49
98
790
767
787,8
781,6
161,08
322,16
164
167
170
167
18
904,7
904
900
902,9
6,43
12,86
275,4
270
267
270,8
18,12
36,24
710
720
700
710
100
200
166,6
165
167
166,2
1,12
2,24
1033
1028
1005
1022
223
446
10
268,8
255
270
264,6
69,48
138,96
11
785
770
779
778
57
114
12
163,6
164
165
164,2
0,52
1,04
13
898
901
907
902
21
42
14
271,8
272
274
272,6
1,48
2,96
15
719,6
715
726
720,2
30,52
61,04
16
159,6
160
164
161,2
5,92
11,84
1078,67
2157,34
32
j=1
max S j
S j2
325
=0,3.
1078,67
j=1
Kako je
K h=0,3< 0,114=K t
nastaviti.
Sada je potrebno provjeriti znaajnost (signifikantnost) izraunatih koeficijenata
regresije pomou t-testa:
19
t ri=
|b i| |bi| N n
S bi
Sy
tt ( f
, )
, za i=0, 1, 2, , k
ili:
|bi|> bi =t t (f
y , )
Sy
=t
Nn t (f
, )
S bi
gdje su:
16
( y ji y j )2
S y 2= j=1
i=1
fy
2157,34
=67,417 ; S y =8,211
32
S y 2 67,417
Sb =
=
=1,405; S b=1,185
Nn 16 3
2
8,211
=2,015
16 3
Koeficijenti
bi
bi
Verifikacija
Ib0I = 535,956
2,015
Ib1I = 319,256
Ib2I = 79,906
Ib3I = 22,719
Ib4I = 0,356
Ib5I = 1,119
Ib12I = 27,856
Ib13I = 23,719
Ib14I = 0,694
Ib15I = 0,869
Ib23I = 6,069
Ib24I = 0,206
20
Ib25I = 0,331
Ib123I = 8,019
Ib124I = 1,106
Ib125I = 1,131
Kada izbacimo nesignifikantne koeficijente, matematiki model u kodiranom obliku
glasi:
Y =535,956+319,256 X 1+79,906 X 2+ 22,719 X 3+ 27,856 X 1 X 2+ 23,719 X 1 X 3 +6,069 X 2 X 3 +8,019 X 1 X 2 X 3
Sada je potrebno provjeriti adekvatnost modela F-kriterijem:
Fa =
S a2
F t ( f a , f y ) za S a2> S y 2 ,
2
Sy
odnosno:
2
S
Fa = y2 F t ( f a , f y ) za S y 2> S a2 .
Sa
Vrijednost disperzije adekvatnosti Sa2 odreuje se iz izraza:
N
n ( y Ej y Rj )
S a2= j=1
fa
1
2
3
4
5
6
7
8
9
10
11
12
X1
X2
X3
X4
X5
YjR
(Y jY Ry )
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
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
-1
-1
-1
-1
-1
-1
1025
267
781,6
167
902,9
270,8
710
166,2
1022
264,6
778
164,2
1023,500
265,800
779,800
165,600
902,448
271,700
715,100
163,700
1023,500
265,800
779,800
165,600
2,250
1,440
3,240
1,960
0,204
0,810
26,010
6,250
2,250
1,440
3,240
1,960
21
13
14
15
16
1
-1
1
-1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
902
272,6
720,2
161,2
902,448
271,700
715,100
163,700
N
( Y jY Ry )
j=1
0,201
0,810
26,010
6,250
2
84,325
fa = 16 5 1 = 5
S a2=
3 84,325
=25,298
10
Fa =
67,417
=2,665
25,298
( y Ej y Rj )
R= 1 j=1
N
( y Ej y E )
j=1
gdje je:
iznosi:
y Ej
y E = j =1
N
yE =
8575,3
=535,956
.
16
Nj
(Y jY E )
1025
239164,034
267
72337,330
781,6
60340,975
167
136128,530
902,9
134647,899
270,8
70307,704
710
30291,314
166,2
136719,500
22
1022
236238,770
10
264,6
73634,079
11
778
58585,298
12
164,2
138202,524
13
902
133988,210
14
272,6
69356,383
15
720,2
33945,852
16
161,2
140442,060
N
( Y jY R ) =1764330,459
j=1
Ovako visok koeficijent regresije pokazuje kako dobiveni matematiki model izvrsno
opisuje silu procesa istiskivanja.
Sada moemo dekodirati model uvoenjem fizikalnih veliina u izraz za kodiranje.
Tako za X1 dobivamo:
x1 x01
0,85
0,85
X 1=
=
=
=1,818 1,545
x1 max x 1 min 1,400,30
0,55
2
2
Ponavljanjem postupka za svaku kodiranu veliinu dobijemo dekodirane vrijednosti
navedene u tabeli 10.
Tabela 10: Dekodirane vrijednosti
Kodirana veliina
Dekodirana
X1
1,818 1,545
X2
0,05 2
1,333
X3
X1 X2
h0
2,333
d0
23
X1 X 3
2,423
h0
h
4,241 2,059 0 +3,604
d0
d0
X2 X 3
0,067
h0
h
0,117 2,666 0 + 4,666
d0
d0
X1 X 2 X 3
0,121
h0
h
h
h
0,212 4,847 0 0,103 0 + 8,483 +0,180 + 4,119 0 7,209
d0
d0
d0
d0
h0
h
h
h
+0,835 +18,603 0 0,419 0 + 0,970 0 .
d0
d0
d0
d0
6. ZAKLJUAK
Temeljna svrha modeliranja jeste definiranje modela i drugih prikaza koji su
neophodni za optimizaciju, simulaciju, revitalizaciju i upravljanje procesima i
sustavima. Matematiki model ima znaajnu ulogu u suvremenoj proizvodnji.
Matematiki model temeljno je polazite i prvi korak tehno ekonomske optimizacije
procesa i sustava. Krajnji cilj modeliranja i optimizacije je jeftinija, kvalitetnija i
profitabilnija proizvodnja.
24
7. LITERATURA
[1] M. Jurkovi, Matematiko modeliranje inenjerskih procesa i sistema, Mainski
fakultet Biha, Biha, 1999.
25