Теория Планирования Эксперимента. Виды оптимизации

3. Параметры оптимизации

3.1 Виды параметров оптимизации

Параметр оптимизации - это признак, по которому мы хотим оптимизировать процесс. Он должен быть количественным, задаваться числом. Множество значений, которые может принимать параметр оптимизации, называется областью его определения. Области определения могут быть непрерывными и дискретными, ограниченными и неограниченными. Например, выход реакции - это параметр оптимизации с непрерывной ограниченной областью определения. Он может изменяться в интервале от 0 до 100%. Число бракованных изделий, число кровяных телец в пробе крови - вот примеры параметров с дискретной областью определения, ограниченной снизу.

В зависимости от объекта и цели исследования параметры оптимизации могут быть весьма разнообразными (рис. 1).

Прокомментируем некоторые элементы схемы. Экономические параметры оптимизации, такие, как прибыль, себестоимость и рентабельность, обычно используются при исследовании действующих промышленных объектов, тогда как затраты на эксперимент имеет смысл оценивать в любых исследованиях, в том числе и лабораторных. Если цена опытов одинакова, затраты на эксперимент» пропорциональны числу опытов, которые необходимо поставить для решения данной задачи. Это в значительной мере определяет выбор плана эксперимента.

Среди технико-экономических параметров наибольшее распространение имеет производительность. Такие параметры, как долговечность, надежность и стабильность, связаны с длительными наблюдениями. Имеется некоторый опыт их использования при изучении дорогостоящих ответственных объектов, например радиоэлектронной аппаратуры.

Почти во всех исследованиях приходится учитывать количество и качество получаемого продукта. Как меру количества продукта используют выход, например, процент выхода готовой продукции.

Показатели качества чрезвычайно разнообразны. В нашей схеме они сгруппированы по видам свойств. Характеристики количества и качества продукта образуют группу технико-технологических параметров.

В группе «прочие» сгруппированы различные параметры, которые реже встречаются, но не являются менее важными. Сюда попали статистические параметры, используемые для улучшения характеристик случайных величин или случайных функций.

3.2 Требования к параметру оптимизации

Параметр оптимизации - это признак, по которому мы хотим оптимизировать процесс. Он должен быть количественным, задаваться числом. Мы должны уметь его измерять при любой возможной комбинации выбранных уровней факторов. Множество значений, которые может принимать параметр оптимизации, будем называть областью его определения. Области определения могут быть непрерывными и дискретными, ограниченными и неограниченными. Например, выход реакции - это параметр оптимизации с непрерывной ограниченной областью определения. Он может изменяться в интервале от 0 до 100%. Число бракованных изделий, число зерен на шлифе сплава, число кровяных телец в пробе крови - вот примеры параметров с дискретной областью определения, ограниченной снизу.

Уметь измерять параметр оптимизации - это значит располагать подходящим прибором. В ряде случаев такого прибора может не существовать или он слишком дорог. Если нет способа количественного измерения результата, то приходится воспользоваться приемом, называемым ранжированием (ранговым подходом). При этом параметрам оптимизации присваиваются оценки - ранги по заранее выбранной шкале: двухбалльной, пятибалльной и т.д. Ранговый параметр имеет дискретную ограниченную область определения. В простейшем случае область содержит два значения (да, нет; хорошо, плохо). Это может соответствовать, например, годной продукции и браку.

Ранг - это количественная оценка параметра оптимизации, но она носит условный (субъективный) характер. Мы ставим в соответствие качественному признаку некоторое число - ранг. Для каждого физически измеряемого параметра оптимизации можно построить ранговый аналог. Потребность в построении такого аналога возникает, если имеющиеся в распоряжении исследователя численные характеристики неточны или неизвестен способ построения удовлетворительных численных оценок. При прочих равных условиях всегда нужно отдавать предпочтение физическому измерению, так как ранговый подход менее чувствителен и с его помощью трудно изучать тонкие эффекты.

Пример: Технолог разработал новый вид продукта. Вам необходимо оптимизировать этот процесс.

Цель процесса - получение вкусного продукта, но такая формулировка цели еще не дает возможности приступить к оптимизации: необходимо выбрать количественный критерий, характеризующий степень достижения цели. Можно принять следующее решение: очень вкусный продукт получает отметку 5, просто вкусный продукт - отметку 4 и т.д.

Можно ли после такого решения переходить к оптимизации процесса? Нам важно количественно оценить результат оптимизации. Решает ли отметка эту задачу? Конечно, потому что, как мы договорились, отметка 5 соответствует очень вкусному продукту и т.д. Другое дело, что этот подход, называемый ранговым, часто оказывается грубым, нечувствительным. Но возможности такой количественной оценки результатов не должна вызывать сомнений.

Следующее требование: параметр оптимизации должен выражаться одним числом. Например: регистрация показания прибора.

Еще одно требование, связанное с количественной природой параметра оптимизации, - однозначность в статистическом смысле. Заданному набору значений факторов должно соответствовать одно с точностью до ошибки эксперимента значение параметра оптимизации. (Однако обратное неверно: одному и тому же значению параметра могут соответствовать разные наборы значений факторов.)

Для успешного достижения цели исследования необходимо, чтобы параметр оптимизации действительно оценивал эффективность функционирования системы в заранее выбранном смысле. Это требование является главным, определяющим корректность постановки задачи.

Представление об эффективности не остается постоянным в ходе исследования. Оно меняется по мере накопления информации и в зависимости от достигнутых результатов. Это приводит к последовательному подходу при выборе параметра оптимизации. Так, например, на первых стадиях исследования технологических процессов в качестве параметра оптимизации часто используется выход продукта. Однако в дальнейшем, когда возможность повышения выхода исчерпана, нас начинают интересовать такие параметры, как себестоимость, чистота продукта и т.д.

Следующее требование к параметру оптимизации - требование универсальности или полноты. Под универсальностью параметра оптимизации понимается его способность всесторонне характеризовать объект. В частности, технологические параметры оптимизации недостаточно универсальны: они не учитывают экономику. Универсальностью обладают, например, обобщенные параметры оптимизации, которые строятся как функции от нескольких частных параметров.

Желательно, чтобы параметр оптимизации имел физический смысл, был простым и легко вычисляемым.

Требование физического смысла связано с последующей интерпретацией результатов эксперимента.

Таким образом, параметр оптимизации должен быть:

- эффективным с точки зрения достижения цели;

- универсальным;

- количественным и выражаться одним числом;

- статистически эффективным;

- имеющим физический смысл, простым и легко вычисляемым.

В тех случаях, когда возникают трудности с количественной оценкой параметров оптимизации, приходится обращаться к ранговому подходу. В ходе исследования могут меняться априорные представления об объекте исследования, что приводит к последовательному подходу при выборе параметра оптимизации.

Из многих параметров, характеризующих объект исследования, только один, часто обобщенный, может служить параметром оптимизации. Остальные рассматриваются как ограничения.

studfiles.net

Оптимизация технологических процессов: методы, основы и задачи

Основные задачи

Оптимизация технологических процессов помогает сделать наиболее эффективный выбор рационального варианта в конкретной ситуации. Главными задачами расчетов при этом выступают следующие:

Выбор оптимального критерия. Это могут быть различные параметры, чаще всего, минимальная себестоимость при наибольшей производительности, максимальной нагрузке на технологическое оборудование. В некоторых случаях эффективнее будет использовать не один параметр, а несколько, добиваясь самого результативного решения.
Определение параметра, который будет оказывать влияние на результативность ТП.
Разработка F = F(X) в зависимости от существующих условий модели (например, если определяющим параметром стала наименьшая себестоимость, то в данном случае целевой будет зависимость от имеющихся параметров).
Выполняется поиск оптимального решения с вычислением экстремума, нахождением наиболее подходящего для конкретной ситуации технологического процесса.

Виды оптимизации

Виды основ оптимизации ТП (технологических процессов) включают в себя параметрические и структурные рабочие методы. Первая группа – это изменение имеющихся значений при определенной структуре, например, расчет оптимального состава режима использования оборудования или реза. Чтобы решить такие задачи, необходимо использование нелинейного либо линейного математического программирования.

Структурная оптимизация процесса проектирования связана с подбором структуры, она работает по принципу исключения вариантов за счет следующего:

вмешательство в уже осуществляемое проектирование с целью поиска самого лучшего и результативного решения с определенной точки зрения и в соответствии с заданными значениями;
унификация выбранных вариантов.

Методы

Оптимизация параметров для технологического процесса решает задачу выбора метода, при котором наименьшие затраты на вычисление дадут больший информационный объемом о требуемом процессе.

Процессы находятся в прямой зависимости от того, какие именно методы будут применены в работе при поиске наиболее результативного решения для конкретной ситуации. Всего можно выделить пять методов, включающих в себя:

аналитические, в ходе применения которых осуществляется поиск лучшего варианта среди имеющихся;

программирование, эта группа включает в себя линейные, динамические, геометрические методы, учитывающие оптимизацию, выбор наиболее результативного процесса;
градиентные с ограничением или без ограничения;
автоматические самонастраиваемые, которые будут оптимальными для очень сложных систем;
статические или активные, использующие различные подходы (активный поиск или пассивное наблюдение).

Оптимизация для технических процессов применяется для выбора оптимального варианта из имеющихся, то есть фактически это выполняемый поиск экстремума для F(X) при помощи варьирования имеющихся проектных (заданных предварительно) значений для X в пределах следующей области допущения: extr F(X), X € Dx, при этом используются следующие параметры:

F(X) – используемая функция;
X – вектор переменных;
Dx – допустимая рабочая область X.

Выбор будет индивидуальным, он соответствует заданным процессам и условиям. Чаще всего это наименьшая себестоимость, то есть самые меньшие финансовые затраты, максимально возможная производительность при заданных условиях с наименьшим временем, необходимым для изготовления одной единицы.

Методы оптимизации технологических процессов могут использовать один или несколько критериев, то есть в работе будут применяться различные параметры, многокритериальная оптимизация. При этом будет создан один компромиссный критерий, учитывающий сразу несколько выбранных параметров, так называемых Еi-локальных критериев (Е1, Е2, Е3, …Еr). Для каждого такого критерия будет решаться задача оптимизации разработки технологических процессов, после чего будет выполнено вычисление экстремального значения для Еi (при i, равном 1, 2, 3, …, r).

Уравнение отклонения для критерия будет записано таким образом: Qi = Ei - Ei*. Отдельно для каждого из них следует вычислить весовой коэффициент λi (0 i ∑ λi = 1), что необходимо для определения важности параметра в рамках технологического процесса. Для записи компромиссного критерия применяется аддитивная функция Q = ∑ Qi λi. Только после этого решается оптимизация параметров процесса. Для решения могут применяться различные методы, включая имитационные, аналитические, комбинированные.

Аналитические методы оптимизации технологического процесса производства предполагают применение средств математического программирования. Всего четырнадцать таких методов, включая покоординационный подъем, градиентный, исключения областей, дихотомии, деления интервала, Фиббоначи, Розенбока и другие.

Имитационная оптимизация управления технологическими процессами предполагает работу в реальных условиях, создания имитационной модели, основа которой дает возможность выбрать удовлетворяющий вариант ТП. При расчетах применяются способы исключения, выбора подходящей модели, что позволяет достигнуть заданного критерия. При моделировании применяются такие языки, как GPSS, Симула, Симскрипт.

Комбинированный метод предполагает использование отдельных приемов указанных приемов, объединение аналитического и имитационного методов в один, что позволяет достигнуть оптимального результата. Такой способ применяется при определенных условиях и необходимости получения наиболее точного результата.

Выбор метода полностью зависит от ситуации, условий расчетов и прочих данных, включая требования к результативности. Часто оптимальным является комбинированный метод, более гибкий и позволяющий работать практически при любых ситуациях. Советуем вам также почитать про методы структурирования информации.

arprime.ru

НОУ ИНТУИТ | Лекция | Оптимизация

Аннотация: Задачи оптимизации. Виды оптимизирующих преобразований. Представления программы, используемые в оптимизирующих преобразованиях. Примеры оптимизирующих преобразований.

Оптимизация

Под оптимизацией понимают последовательность эквивалентных преобразований исходной программы, уменьшающих ее стоимость. Как набор, так и порядок выполнения этих преобразований зависят от того, что считается стоимостью программы. В качестве такой стоимости могут выступать, например, среднее время работы, объем кода и т.д. Эффективность оптимизации также зависит от отношения эквивалентности и от размера участка экономии, на котором эта оптимизация проводится (обычно оптимизированной программе разрешается иметь большую область определения, чем исходной). За счет оптимизации невозможно добиться существенного улучшения алгоритма программы, можно только говорить об улучшении реализации этого алгоритма. В удачных случаях оптимизация может ускорить программу в несколько раз. Полезность применения оптимизации обусловлена следующими причинами:

Распространением языков сверхвысокого уровня, языков спецификации и систем проектирования. Как правило, подобные системы порождают программы на некотором языке высокого уровня. В этом случае оптимизация может нейтрализовать избыточность такого порождения, приблизив качество сгенерированной программы к ручному программированию.
Необходимостью поддержки и сопровождения готовой программы. Такие требования зачастую приводят к тому, что программисты используют не самые эффективные решения в целях улучшения наглядности или легкости сопровождения программ (очень часто соображения эффективности и сопровождаемости противоречат друг другу). В то же время недостатки эффективности могут быть исправлены оптимизатором при генерации окончательной программы.
Усилением контроля семантических ошибок. Такие ошибки требуют специального анализа исходной программы, который может являться побочным результатом действий оптимизатора.

Виды оптимизации

Существует много различных классификаций оптимизирующих преобразований. Здесь мы рассмотрим классификации по уровню представления программы и по размеру участка экономии.

В зависимости от уровня представления программы различают следующие виды оптимизации:

Оптимизацию на уровне исходного языка. При этом в результате трансформации получается программа, записанная в том же самом языке.
Машинно-независимую оптимизацию. В этом случае преобразованию подвергается программа на уровне машинно-независимого промежуточного представления, общего для группы входных или машинных языков.
Машинно-зависимую оптимизацию, то есть оптимизацию на уровне машинного языка.

С точки зрения эффективности наиболее предпочтительной является машинно-зависимая оптимизация, поскольку именно с ее помощью можно учесть особенности конкретной вычислительной среды, однако машинно-зависимый оптимизатор непереносим. С другой стороны, преобразование программы на уровне исходного языка позволяет получить более эффективную программу, допускающую дальнейшее развитие и сопровождение. Наконец, машинно-независимая оптимизация на уровне промежуточного представления является компромиссом между этими двумя крайними случаями.

Другим важным для качества оптимизации соображением является также размер участка экономии, то есть того фрагмента программы, в рамках которого производится оптимизирующее преобразование. Чем больше участок экономии, тем больше информации о свойствах программы доступно оптимизатору. Классификация оптимизации относительно участка экономии приведена на слайде.

www.intuit.ru

Виды Seo оптимизации | О чем говорят в сети...

Здравствуйте уважаемые читатели блога “О чем говорят в сети…”. В предыдущей статье мы рассмотрели что такое SEO оптимизация. Сейчас развивая данную тему поговорим о видах оптимизации.

В оптимизации, как и в жизни, существует определенный свод законов, которые можно соблюдать, а можно попытаться их обойти. Это вопрос совести каждого человека в отдельности.

Своеобразным законодательным органом в оптимизации являются поисковые системы.

Исходя из этого, оптимизацию можно разделить на несколько видов. Это белая оптимизация, черная оптимизация и так называемая серая оптимизация, занимающая среднее положение между белой и черной.

Все эти разделения являются достаточно условными. Грань между ними довольно прозрачная. Потому что в принципе любые действия над параметрами вашего сайта могут быть восприняты поисковыми системами как накрутка. А это в свою очередь может сказаться на результатах выдачи.

Но поскольку такое разделение существует, то необходимо рассмотреть эти три вида оптимизации. Итак:

Белая оптимизация.

Это та оптимизация, которая не использует методы, официально запрещенные поисковыми системами. То есть все методы, не влияющие на алгоритмы поисковых систем можно отнести к белым методам.

Это работа над содержимым сайта, написание качественного контента.
Это работа над эргономикой сайта, куда входят уникальный дизайн и удобная навигация.
Это продвижение сайта статьями, обзорами, пресс-релизами.
Это анонсирование Ваших статей в соц. сетях.

Черная оптимизация.

По своей сути сайты оптимизированные черными методами являются мусором, созданным лишь с целью повлиять на поисковых роботов. И совершенно не несут полезной информации. Вы наверняка встречали подобные сайты, где порой невозможно уловить смысл написанного.

Серая оптимизация.

Как я уже отметил выше серая оптимизация это нечто среднее между белой и черной. На таких сайтах вполне приличный читабельный контент. Но текст форматирован так, чтобы показать поисковикам, что именно под определенное слово мы хотим продвинуть страницу.

Для этого используются такие вещи как:

Большое количество ключевых слов в тексте.
Использование ключевого слова в тегах h2, title, и тому подобное.

Серые методы хоть и не запрещены, но все же влияют на алгоритмы поисковиков. И могут быть расценены как накрутка.

Это “официальное” мнение. Лично мне не нравятся такие полутона. Либо разрешено, либо запрещено. А посему серый метод я воспринимаю как белый. Конечно, если использовать его без фанатизма.

Вот такие вот существуют виды SEO оптимизации. Что именно применять, решать только Вам.

Но, на мой взгляд, будущее все же за сайтами, сделанными для людей. Ведь ни для кого не секрет, что поисковые системы день ото дня становятся все умней. Алгоритмы поиска все более гибкими. И они с легкостью распознают те хитрости, которые применяют оптимизаторы в погоне за топовыми местами в выдаче.

Я вовсе не призываю совсем отказываться от попыток продвинуть свое творение. Но все надо стараться делать с умом.

На этом пока все. В одной из следующих статей мы поговорим о Семантическом ядре. Зачем оно нужно и как его составлять. Чтобы не пропустить это событие советую подписаться на обновления блога.

Рекомендую посмотреть:

Так же можете почитать:

Если Вас заинтересовала статья, пожалуйста пощелкайте по кнопочкам:

slovomeg.ru

Виды оптимизации технологических процессов

Количество просмотров публикации Виды оптимизации технологических процессов - 97

Выбор технических ограничений

Оптимизация технологических процессов зависит также от правильного выбора технических ограничений, которые определяют область существования оптимальных решений. Следует иметь в виду, что не должна быть речи о каком-либо оптимальном ТП в общем смысле, в связи с этим поиск оптимального технологического процесса должен быть ограничен определенными технологическими условиями. Чем точнее сформулированы ограничения, вытекающие из производственных условий, тем меньше вариантов процесса, рассматриваемого в качестве основы для выбора оптимального решения. В общем виде все параметры (величины, характеризующие элементы процесса обработки), определяющие состояние объекта в произвольный момент времени, бывают представлены в виде следующих векторов:

1) вектора входных и возмущающих параметров V =(υ1, υ2 , …, υp) К входным параметрам относятся неуправляемые переменные, связанные с объектом обработки и состоянием оборудования.

Возмущающие параметры связаны с проявлением случайных величин, характеризуемых изменениями неконтролируемых характеристик заготовки или внешней среды;

2) вектора технологических параметров Х= (x1, x2, …, xn). Компоненты этого вектора являются управляемыми переменными, позволяющими выбирать необходимые условия обработки. Обязательным условием технологических параметров является возможность их управления и контроля;

3) вектора выходных параметров У= (у1, у2, …, уm). Выходные параметры, ранее названные производными переменными, определяют основные характеристики качества продукции и технико-экономические показатели, связанные с рассматриваемым процессом.

Значение каждого из рассмотренных параметров находится в определенном интервале, задаваемом физической природой данного параметра или требованиями к технологическому процессу, в связи с этим группа ограничений, связанная с диапазоном варьирования параметров, должна быть представлена в виде следующей совокупности неравенств:

υkmin≤υk≤ υkmax , ;

xi min≤ xi ≤ xi max , ;

уj min≤ уj ≤ уj max , .

Решение задач технологического проектирования связано с учетом большого числа факторов, определяющих выполнение какого-либо процесса обработки. Причем в каждой задаче требуется учитывать определенную группу факторов, в наибольшей степени влияющую на принимаемые решения.

Анализ процессов механической обработки показывает, что в большинстве случаев требуется учитывать пять базовых групп факторов.

Первая группа факторов характеризует объект обработки (заготовку). Ее составляют:

· вид материала, твердость и другие механические свойства,

· способ получения заготовки, ее размеры, масса,

· точность размеров,

· шероховатость поверхности.

Ко второй группе факторов относятся основные параметры орудий труда (станка, приспособления, инструмента):

· вид, кинематика и динамика станка,

· жесткость, прочность и точность отдельных элементов и системы в целом.

Третью группу факторов составляют выбираемые параметры инструмента для исследуемого процесса обработки:

· физико-механические свойства материала режущей части инструмента͵

· геометрические параметры его заготовки,

· размеры и точность,

· степень изнашивания,

· шероховатость поверхности,

· зернистость и вид связки,

· стойкость инструмента.

Четвертая группа факторов характеризует процесс механической обработки. Сюда относятся

· время и глубина обработки,

· скорость,

· подача,

· число проходов,

· усилие резания,

· давление, вид и способ подачи технологических сред.

Пятая группа факторов - ϶ᴛᴏ технико-экономические показатели:

· расход и износ инструмента и станка,

· производительность и себестоимость обработки,

· качество изделия (точность, шероховатость поверхности и физико-химические свойства),

· вид и форма детали.

Вектор входных параметров V объединяет первую и вторую группы векторов. Вектор технологических параметров Х формируется из третьей и четвертой групп факторов, а вектор выходных параметров У включает пятую группу факторов.

Выбор крайне важно го числа параметров обработки связан с требуемой точностью описания математической модели процесса обработки и структурным уровнем отыскиваемых проектных решений. Так, при проектировании маршрута обработки в качестве технических ограничений учитываются вид и материал заготовки, вид и форма детали, ее точность, шероховатость поверхности и физико-химические свойства, вид станка, традиционная форма обработки на заводе, серийность и др.

Наиболее полно описывается математическая модель процесса обработки при выборе оптимальных режимов резания, точность получения которых во многом зависит от числа и достоверности описания технических ограничений.

Большим недостатком используемых в качестве технических ограничений стойкостных и силовых зависимостей для расчета режимов резания является недостаточно высокая точность. В справочной литературе по резанию металлов отсутствуют данные по диапазонам, в которых эти зависимости справедливы. Хотя известно, к примеру, что зависимости для определения стойкости инструмента и усилия резания применимы в довольно узком интервале скоростей резания. По этой причине в настоящее время крайне важно проводить исследования и обобщать имеющийся материал по созданию точных функциональных зависимостей, отражающий во всей полноте процесс резания металлов. Причем в основу этих работ должны быть положены результаты современных теоретических и экспериментальных исследований по изучению тепловых явлений и напряженного состояния в зоне резания. При этом выполняемые исследования закономерностей протекания различных видов ТП механической обработки должны быть направлены на установление количественных зависимостей, позволяющих обоснованно выбирать технические ограничения при создании математических моделей оптимизации решения технологических задач.

Задача оптимизации ТП является комплексной и требует проведения анализа и выбора технологических решений на различных уровнях проектирования. Она обеспечивает минимальные значения приведенных затрат с одновременным соблюдением ряда технических ограничений.

При комплексном подходе следует различать два вида оптимизации ТП, выполняемых на различных этапах технологического проектирования (табл. 8.1):

Табл. 8.1. Виды оптимизации на различных этапах проектирования технологических процессов

Этапы проектирования ТП	Оптимизация
структурная	параметрическая
1. Выбор заготовки и методов ее изготовления	+	–
2. Выбор технологических баз	+	–
3. Составление технологического маршрута обработки	+	–
4. Разработка технологических операций	+	+
5. Нормирование ТП	–	+
6. Расчет экономической эффективности ТП	+	+

1) структурную оптимизацию – выбор оптимального технологического маршрута͵ операции, перехода, вида и методов изготовления заготовки, способов базирования, оборудования, приспособлений, инструмента и т. д.;

2) параметрическую оптимизацию – выбор оптимальных параметров: допусков на межоперационные размеры, припусков, режимов резания, геометрических размеров режущего инструмента и др.

Комплексный подход к оптимизации усложняет решение задачи. Так, при параметрической оптимизации крайне важно иметь решение о выборе структуры соответствующего уровня. В то же время структурная оптимизация требует знания значений параметров, входящих в соответствующую структуру. Это противоречие должна быть устранено при построении алгоритмов оптимизации технологических процессов за несколько итераций.

С точки зрения структурного описания уровней ТП различают этапы проектирования маршрута͵ операции и переходов. Здесь возможны два подхода к построению принципиальной схемы технологического процесса:

1) маршрут→операция→переход;

2) переход→операция→маршрут.

В первом случае производится последовательный синтез сначала вариантов принципиальных схем обработки, а затем вариантов маршрута и операции. На каждом последующем этапе решения предыдущего этапа детализируются (как правило, в нескольких вариантах). Второй подход основан на анализе отдельных поверхностей и проектировании переходов их обработки. Далее переходы упорядочиваются в операции, а операции упорядочиваются в маршрут обработки детали.

Главной особенностью оптимизации технических решений в рассмотренных подходах является крайне важно сть использования на всех уровнях различных критериев оптимальности. Анализ этих критериев показывает, что с точки зрения согласования оптимальных решений разных уровней предпочтительнее выработка процессов от наиболее общих вопросов к их детализации, что больше свойственно первому подходу. При этом возникает задача получения оптимального решения при проектировании ТП в целом за счёт оптимизации отдельных технологических решений на всех уровнях проектирования.

Для реализации рассматриваемого процесса проектирования в САПР ТП используется итерационный многоуровневый процесс оптимизации, содержанием которого является многократное повторение процедур анализа, синтеза и оценки. Анализ исходных данных, условий и ограничений позволяет установить границы области возможных технологических решений. С помощью процедур синтеза получают технологические решения, допустимые по совокупности граничных условий. Лучшие по некоторому критерию решения отбираются процедурами оценки.

referatwork.ru

Виды поисковой оптимизации: белая, серая и черная

Здравствуйте, друзья! В недавнем посту «Яндекс изложил свой взгляд на контент» я привел выдержки из статьи, изложенной в блоге Яндекс.Поиск «Тексты оптимизировались, переоптимизировались, но не выоптимизировались», в котором команда Яндекс предупредила всех вебмастеров и оптимизаторов о введении с текущей недели нового алгоритма, который будет якобы эффективно выявлять переоптимизированный контент.

Давайте, еще раз вспомним, какие бывают способы оптимизации. Принято считать, что seo продвижение сайта предполагает 3 методики: белое, серое и черное SEO. Следует заметить, что все 3 эти методики чисто условны, поскольку любые Ваши действия со своим сайтом могут быть расценены поисковой системой, как нежелательные факторы, которые были накручены искусственно.

Белая оптимизация.Этот вид оптимизации подразумевает любые не запрещенные ПС действия. Это может быть как грамотная и неспамная внутренняя оптимизация, так и использование во внешней оптимизации методик типа продвижения статьями, пресс-релизами.

Серая оптимизация.К серой оптимизации принято относить достаточно большую насыщенность текста ключевыми словами, заведомое включение ключевого слова в мета-тэги, в том числе, в тег h2, в Title и прочее. И все это ради того, чтобы показать поисковой системе, что именно с этим словом, Вы хотите «въехать» в ее ТОП.

Черная оптимизация.Этот вид оптимизации подразумевает любые действия, направленные исключительно на поисковых роботов, без учета интересов посетителей сайта и читабельности текста.

Поскольку, пост такой, немножко короткий получился, а тот же Яндекс считает, что “нормальный” текст (который можно прогнать через новую функцию Яндекс.Вебмастера “Оригинальные тексты”) должен содержать не менее 2000 символов, скажу пару слов о своем новом эксперименте. Решил создать абсолютно белый и пушистый сайт, который намерен, как минимум год, не оптимизировать искусственно. То есть не предпринимать никаких мер, чтобы привлечь внимание поисковых систем, в том числе, даже не регистрировать его в поисковых системах - пусть сами найдут. Как пойдут дела и какое время уйдет на индексации отпишусь здесь же. Вообще же, тематика блога - женский блог - http://blog-woman.ru/ - можете взглянуть.

www.svoysite.info

Параметр оптимизации, Виды параметров оптимизации, Требования к параметру оптимизации

При планировании экстремального эксперимента очень важно определить параметр, который нужно оптимизировать. Сделать это совсем не так просто, как кажется на первый взгляд. Цель исследования должна быть сформулирована очень четко и допускать количественную оценку. Будем называть характеристику цели, заданную количественно, параметром оптимизации. Параметр оптимизации является реакцией (откликом) па воздействие факторов, которые определяют поведение выбранной системы. Реакция объекта многогранна, многоаспектна. Выбор того аспекта, который представляет наибольший интерес, как раз и задается целью исследования.

При традиционном, не математическом, подходе исследователь стремится как-то учесть разные аспекты, взвесить их и принять «согласованное» решение о том, какой опыт «лучше». Однако разные экспериментаторы проведут сравнение опытов не одинаково. Различия, если хотите, одно из проявлений «таланта» исследователя или его «бездарности».

Прежде чем сформулировать требования к параметрам оптимизации и рекомендации по их выбору, познакомимся с различными видами параметров.

В зависимости от объекта и цели исследования параметры оптимизации могут быть весьма разнообразными. Чтобы ориентироваться в этом многообразии, введен некоторую классификацию (рис. 1). Мы не стремимся к созданию полной и детальной классификации. Наша задача – построить такую условную схему, которая включала бы ряд практически важных случаев и помогала экспериментатору ориентироваться в реальных ситуациях.

Рисунок 1

Реальные ситуации, как правило, сложны. Они часто требуют одновременного учета нескольких, иногда очень многих, параметров. В принципе каждый объект может характеризоваться сразу всей совокупностью параметров, приведенных на рис. 1, или любым подмножеством из этой совокупности. Движение к оптимуму возможно, если выбран один единственный параметр оптимизации. Тогда прочие характеристики процесса уже не выступают в качестве параметров оптимизации, а служат ограничениями. Другой путь – построение обобщенного параметра оптимизации как некоторой функции от множества исходных.

Прокомментируем некоторые элементы схемы.

Экономические параметры оптимизации, такие как прибыль, себестоимость и рентабельность, обычно используются при исследовании действующих промышленных объектов, тогда как затраты на эксперимент имеет смысл оценивать в любых исследованиях, в том числе и лабораторных. Если цена опытов одинакова (см. «Ограничения»), затраты на эксперимент пропорциональны числу опытов, которые необходимо поставить для решения данной задачи. Это в значительной мере определяет выбор плана эксперимента.

Почти во всех исследованиях приходится учитывать количество и качество получаемого продукта. Как меру количества продукта используют выход, например, процент выхода химической реакции, выход годных изделий. Показатели качества чрезвычайно разнообразны. В пашей схеме они сгруппированы по видам свойств. Характеристики количества и качества продукта образуют группу технико-технологических параметров.

Под рубрикой прочие сгруппированы различные параметры, которые реже встречаются, но не являются менее важными. Сюда попали статистические параметры, используемые для улучшения характеристик случайных величин или случайных функций. В качестве примеров назовем задачи на минимизацию дисперсии случайной величины, на уменьшение числа выбросов случайного процесса за фиксированный уровень и т. д. Последняя задача возникает, в частности, при выборе оптимальных настроек автоматических регуляторов или при улучшении свойств нитей (проволока, пряжа, искусственное волокно и др.).

С ростом сложности объекта возрастает роль психологических аспектов взаимодействия человека или животного с объектом. Так, при выборе оптимальной организации рабочего места оператора параметром оптимизации может служить число ошибочных действий в различных возможных ситуациях. Сюда относятся задачи выработки условных рефлексов типа задачи «крысы в лабиринте».

При решении задач технической эстетики или сравнении произведений искусства возникает потребность в эстетических параметрах. Они основаны на ранговом подходе, который будет рассмотрен ниже.

Параметр оптимизации – это признак, по которому мы хотим оптимизировать процесс. Он должен быть количественным, задаваться числом. Мы должны уметь его намерять при любой возможной комбинации выбранных уровней факторов. Множество значений, которые может принимать параметр оптимизации, будем называть областью его определения. Области определения могут быть непрерывными и дискретными, ограниченными и неограниченными. Например, выход реакции – это параметр оптимизации с непрерывной ограниченной областью определения. Он может изменяться в интервале от 0 до 100%. Число бракованных изделий, число зерен на шлифе сплава, число кровяных телец в пробе крови – вот примеры параметров с дискретной областью определения, ограниченной снизу.

Уметь измерять параметр оптимизации - это значит располагать подходящий прибором. В ряде случаев такого прибора может не существовать или он слишком дорог. Если нет способа количественного измерения результата, то приходится воспользоваться приемом, называемым ранжированием (ранговым подходом). При этом параметрам оптимизации присваиваются оценки – ранги по заранее выбранной шкале: двухбалльной, пятибалльной и т.п. Ранговый параметр имеет дискретную ограниченную область определения. В простейшем случае область содержит два значения (да, нет; хорошо, плохо). Это может соответствовать, например, годной продукции и браку.

Ранг – это количественная оценка параметра оптимизации, но она носит условный (субъективный) характер. Мы ставим в соответствие качественному признаку некоторое число – ранг.

Для каждого физически измеряемого параметра оптимизации можно построить ранговый аналог. Потребность в построении такого аналога возникает, если имеющиеся в распоряжении исследователя численные характеристики неточны или неизвестен способ построения удовлетворительных численных оценок. При прочих равных условиях всегда нужно отдавать предпочтение физическому измерению, так как ранговый подход менее чувствителен и с его помощью трудно изучать тонкие эффекты.

Другие примеры рангового подхода: определение чемпиона мира по фигурному катанию или гимнастике, дегустация вин, сравнение произведений искусства и т. д. Или, если хотите, из области химии: сравнение продуктов по цвету, прозрачности, форме кристаллов.

Следующее требование: параметр оптимизации должен выражаться одним числом. Иногда это получаетсяестественно, как регистрация показания прибора. Например, скорость движения машины определяется числом на спидометре. Чаще приходится производить некоторые вычисления. Так бывает при расчете выхода реакции. В химии часто требуется получать продукт с заданным отношением компонентов, например, A:B = 3:2. Один из возможных вариантов решения подобных задач состоит в том, чтобы выразить отношение одним числом (1,5) и в качестве параметра оптимизации пользоваться значениями отклонений (или квадратов отклонений) от этого числа.

Еще одно требований, связанное с количественной природой параметра оптимизации, – однозначность в статистическом смысле. Заданному набору значений факторов должно соответствовать одно с точностью до ошибки эксперимента значение параметра оптимизации. Однако обратное неверно: одному и тому же значении параметра могут соответствовать разные наборы значений факторов.

Говоря об оценке эффективности функционирования системы, важно помнить, что речь идет о системе в целом. Часто система состоит из ряда подсистем, каждая из которых может оцениваться своим локальным параметром оптимизации. При этом оптимальность каждой из подсистем по своему параметру оптимизации не оптимальности системы в целом.

Мало иметь эффективный параметр оптимизации. Надо еще, чтобы он был эффективным в статистическом смысле. Фактически это требование сводится к выбору параметра оптимизации, который определяется с наибольшей возможной точностью. (Если и эта точность недостаточна, тогда приходится обращаться к увеличению числа повторных опытов.)

Пусть, например, нас интересует исследование прочностных характеристик некоторого сплава. В качестве меры прочности можно использовать как прочность на разрыв, так и макротвердость. Поскольку эти характеристики функционально связаны, то с точки зрения эффективности они эквивалентны. Однако точность измерения первой характеристика существенно выше, чем второй. Требование статистической эффективности заставляет отдать предпочтение прочности на разрыв.

Следующее требование к параметру оптимизации – требование универсальности или полноты. Под универсальностью параметра оптимизации понимается его способность всесторонне характеризовать объект. В частности, технологические параметры оптимизации недостаточно универсальны: они не учитывают экономику. Универсальностью обладают, например, обобщенные параметры оптимизации, Которые строятся как функции от нескольких частных параметров.

Желательно, чтобы параметр оптимизации имел физический смысл, был простым и легко вычисляемым.

Требование физического смысла связано с последующей интерпретацией результатов эксперимента. Не представляет труда объяснить, что значит максимум извлечения, максимум содержания ценного компонента. Эти и подобные им технологические параметры оптимизации имеют ясный физический смысл, но иногда для них может не выполняться, например, требование статистической эффективности. Тогда рекомендуется переходить к преобразованию параметра оптимизации.

Второе требование часто также оказывается весьма существенным. Для процессов разделения термодинамические параметры оптимизации более универсальны. Однако на практике ими пользуются мало: их расчет довольно труден.

Пожалуй, из этих двух требований первое является более существенным, потому что часто удается найти идеальную характеристику системы и сравнить ее с реальной характеристикой. Иногда при этом целесообразно нормировать параметр с тем, чтобы он принимал значения от нуля до единицы.

Кроме высказанных, требований и пожеланий при выборе параметра оптимизации нужно еще иметь в виду, что параметр оптимизации в некоторой степени оказывает влияние на вид математической модели исследуемого объекта. Экономические параметры, в силу их аддитивной природы, легче представляются простыми функциями, чем физико-химические показатели. Температура плавления сплава является, как известно, сложной, многоэкстремальной характеристикой состава, тогда как стоимость сплава зависит от состава линейно.

appmath.narod.ru