КУРС ПРОГРАММЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ АРМАТУРНОГО ХОЗЯЙСТВА. Станислав Львович Горобченко

Чтение книги онлайн.

СКАЧАТЬ них наиболее эффективен метод регрессий по результатам активного или пассивного экспериментов. В случае установившегося производства может быть обследована выборка качественных показателей достаточно большого объема. Измеряются значения выходных характеристик, входных параметров и внешних возмущений. Затем определяются статистические характеристики, функции плотности вероятности и законы распределения, коэффициенты корреляции между входными параметрами и выходными характеристиками. Далее определяются комплексы показателей для внешних возмущений и их связей между собой и с выходными характеристиками. Зная модели плотности вероятности, можно определить поля рассеяния, верхние, нижние отклонения, коэффициенты относительного рассеяния, коэффициенты относительной асимметрии. Имея набор перечисленных величин, конструируются формулы для расчета точности.

      В жизни метод может выглядеть следующим образом. От отдела качества получают статистические данные по процессу. Альтернативно данные можно получить из диаграмм процесса из системы автоматизации. Рассчитываются дисперсии и определяются отклонения. Данные сравниваются с дисперсиями по процессу. Выделяются критические участки процесса, вносящие максимальный вклад в дисперсию. Производится анализ по контурам. На основе анализа принимается решение о замене существующих и внедрении наиболее точных контуров регулирования. Рассчитывается эффективность через ужесточение допусков на процесс, снижение норм расхода и экономическая эффективность в целом.

      Все методы в полном объеме реализуются только на компьютере. Построенные при помощи указанных методов обобщенные модели распределения особенно удобны при выполнении автоматического регулирования процессов с меняющимися законами распределения и, очевидно, могут быть вложены в виде дополнительного программного обеспечения в систему автоматизации.

      Кроме этого, в ходе выполнения технологического процесса и периодических поднастроек, исходные заданные значения регулирования могут искажаться. В этом случае включение программы (например, NELPROF) в систему автоматического регулирования с постоянным пересчетом клапанов на текущее значение технологического процесса будет четче выдавать общую картину диапазона регулирования и показывать места выхода текущих характеристик за пределы диапазона регулирования клапана. В частности, такие задачи наиболее характерны при частой смене производительности.

      Исходные заданные значения регулирования искажаются и из-за расширения погрешностей регулирования и\или из-за износа самого клапана. В качестве примера можно привести последовательность выявления проблемы точности, как в процессе, так и в самом клапане веса м². Пусть контролируемым параметром будет вес м² рулона. После отладки процесса берется выборка рулонов, и оцениваются результаты измерения веса м² каждого рулонов. Получаем выборку. Спустя заданное время проводим эту процедуру второй раз. Результаты СКАЧАТЬ