ISSN 1991-2927
 

АПУ № 4 (54) 2018

Автор: "Клячкин Владимир Николаевич"

УДК 519.248:681.518.5

Жуков Дмитрий Анатольевич, Ульяновский государственный технический университет , окончил факультет информационных систем и технологий Ульяновского государственного технического университета, аспирант кафедры «Прикладная математика и информатика» УлГТУ. Имеет научные труды в области статистических методов и машинного обучения. [e-mail: zh.dimka17@mail.ru]Д.А. Жуков,

Клячкин Владимир Николаевич, Ульяновский государственный технический университет , доктор технических наук, профессор, окончил механический факультет Ульяновского политехнического института. Профессор кафедры «Прикладная математика и информатика» УлГТУ. Имеет научные труды в области надежности и статистических методов. [e-mail: v_kl@mail.ru]В.Н. Клячкин

Влияние объема контрольной выборки на качество диагностики состояния технического объекта52_11.pdf

Рассматривается задача прогнозирования исправности технического объекта по известным показателям его функционирования. Исходными данными являются известные результаты оценки состояния объекта по информации о предшествующей эксплуатации: при заданных значениях контролируемых показателей техническая система исправна или неисправна. Такая задача может быть решена методами машинного обучения, она сводится к бинарной классификации состояний объекта. Качество диагностики может существенно зависеть от множества факторов: метода обучения, правильного выделения факторов, характеризующих работу объекта, объема выборки и других. В работе проводится исследование влияния объема контрольной выборки на качество диагностики, оцениваемое по количеству неверно спрогнозированных состояний методом кросс-валидации. Испытания проводились в пакете Matlab, использовано десять различных методов машинного обучения: логистическая регрессия, метод опорных векторов, бэггинг деревьев решений и другие. Показано, что при правильном выборе доли контрольной выборки можно повысить качество диагностики на 5-7%.

Техническая диагностика, исправность, показатели функционирования, машинное обучение, контрольная выборка, кросс-валидация.

2018_ 2

Рубрика: Математическое моделирование

Тематика: Математическое моделирование.


УДК 519.248:658.562.012.7

Клячкин Владимир Николаевич, Ульяновский государственный технический университет, Доктор технических наук, профессор, окончил механический факультет Ульяновского политехнического института. В настоящее время профессор кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет научные труды в области надежности и статистических методов. [e-mail: v_kl@mail.ru]В.Н. Клячкин,

Зенцова Екатерина Александровна, Ульяновский государственный технический университет, Окончила факультет информационных систем и технологий УлГТУ, аспирантка кафедры «Прикладная математика и информатика» УлГТУ. Имеет статьи в области статистического контроля процессов. [e-mail: e_zentsova@mail.ru]Е.А. Зенцова

Построение адаптивных планов при многомерном статистическом контроле процессов000_6.pdf

Статистический контроль технологического процесса применяется для технологического обеспечения требуемого уровня качества путем своевременного вмешательства в ход процесса при нарушении его стабильности. Качество изделия, изготавливаемого в технологическом процессе, характеризуется несколькими показателями, часть из которых коррелированна. статистический контроль проводится отдельно для групп коррелированных и независимых показателей. Независимые показатели качества технологического процесса могут контролироваться с помощью стандартных карт Шухарта. Для контроля процесса по совокупности коррелированных показателей применяют многомерную контрольную карту Хотеллинга, основное назначение которой - отслеживание уровня настройки многопараметрического процесса. В ходе мониторинга карта позволяет обнаруживать большие смещения уровня настройки процесса, при этом малые смещения часто ею игнорируются. Для повышения эффективности обнаружения малых смещений предложено построение адаптивного плана контроля, параметры которого корректируются по результатам прогноза изменения уровня настройки в соответствии с текущим состоянием процесса. Характеристики плана стандартизированы по единым принципам с целью корректного сравнения адаптивных планов контроля.

Адаптивный план контроля, контрольная карта хотеллинга, марковские цепи.

2017_ 1

Рубрика: Математическое моделирование

Тематика: Математическое моделирование.


УДК 519.248

Клячкин Владимир Николаевич, Ульяновский государственный технический университет, доктор технических наук, профессор, окончил механический факультет Ульяновского политехнического института. В настоящее время профессор кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет научные труды в области надежности и статистических методов. [e-mail: v_kl@mail.ru]В.Н. Клячкин,

Карпунина Ирина Николаевна, Ульяновский институт гражданской авиации им. Главного маршала авиации Б.П. Бугаева, кандидат технических наук, доцент, окончила Московский авиационный институт, доцент кафедры «Общепрофессиональные дисциплины» Ульяновского института гражданской авиации им. Главного маршала авиации Б.П. Бугаева. Область научных интересов: динамика и прочность машин, надежность. [e-mail: karpunina53@yandex.ru]И.Н. Карпунина,

Федорова Мария Константиновна, Ульяновский государственный технический университет, окончила факультет информационных систем и технологий УлГТУ. Область научных интересов: компьютерные технологии статистического анализа данных. [e-mail: mashulka3031_94@mail.ru]М.К. Федорова

Оценка стабильности температурного режима компьютера000_7.pdf

Температурный режим существенно влияет на долговечность компьютера. Обеспечение надежности функционирования компьютера предполагает стабильный уровень температуры нагрева основных компонентов, не превышающий заданных значений. В статье рассматриваются вопросы, связанные со своевременным предупреждением о возможном нарушении стабильности температурного режима. Для диагностики стабильности предлагается использовать методы многомерного статистического контроля. Оценка стабильности режима проводится по двум критериям - по стабильности среднего уровня температур и их рассеяния. Независимые параметры могут контролироваться с помощью стандартных карт Шухарта. Для коррелированных параметров используются алгоритмы, основанные на статистике Хотеллинга (для оценки стабильности среднего уровня процесса изменения температур) и обобщенной дисперсии (для оценки стабильности рассеяния процесса). Эффективность этих алгоритмов может быть повышена путем анализа неслучайных структур на контрольных картах, использования предупреждающей границы, а также применения модификаций на базе кумулятивных сумм или экспоненциально взвешенных скользящих средних. В настоящей статье предложена методика многомерного статистического контроля температурного режима компьютера, включающая проведение контроля в условиях отлаженного процесса по обучающей выборке с целью разделения контролируемых параметров на группы независимых и коррелированных, анализ процесса для оценки характеристик контроля и постоянный мониторинг процесса с построением карт Хотеллинга и обобщенной дисперсии с выявлением возможных нарушений процесса на основе наличия неслучайных структур и использования предупреждающей границы. Эта методика проиллюстрирована на примере контроля пяти параметров температурного режима компьютера.

Стабильность, температурный режим, алгоритм хотеллинга, предупреждающая граница, обобщенная дисперсия, контрольная карта.

2016_ 3

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Автоматизированные системы управления , Электротехника и электронные устройства .


УДК 658.562.012.7

Клячкин Владимир Николаевич, Ульяновский государственный технический университет, доктор технических наук, профессор, окончил механический факультет Ульяновского политехнического института. В настоящее время профессор кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет научные труды в области надежности и статистических методов. [e-mail: v_kl@mail.ru]В.Н. Клячкин,

Кравцов Юрий Андреевич, УлГТУ, окончил физико-технический факультет Ульяновского государственного университета, аспирант кафедры «Прикладная математика и информатика» УлГТУ. Имеет научные труды в области статистического контроля процессов. [e-mail: ukravtsov@rambler.ru]Ю.А. Кравцов,

Жуков Дмитрий Анатольевич, УлГТУ, студент 5 курса специальности «Прикладная математика» УлГТУ. Область научных интересов - статистические методы диагностики технических объектов. [e-mail: zh.dimka17@mail.ru]Д.А. Жуков

Оценка эффективности диагностики состояния объекта по наличию неслучайных структур на карте хотеллинга39_7.pdf

Состояние технического объекта часто считается аварийным, если нарушена стабильность его работы. Для диагностики нарушений стабильности по множеству коррелированных параметров могут быть использованы многомерные карты Хотеллинга. Основной критерий стабильности процесса в этом случае - отсутствие точек на карте, лежащих выше контрольной границы. Однако этот критерий не всегда позволяет своевременно обнаруживать нарушения процесса. С целью повышения чувствительности карты к возможным нарушениям предложено выявлять на карте наличие неслучайных структур: такого расположения точек, которое свидетельствует о нарушении процесса. Еще один возможный способ повышения эффективности контроля - использование предупреждающей границы: попадание нескольких точек подряд в диапазон между предупреждающей и контрольной границами - свидетельствует о нарушении процесса.Исследуется эффективность этих методов аналитически и с применением статистических испытаний. На примере конкретного технологического процесса изготовления крышки датчика аэродинамических углов показано значительное повышение чувствительности к возможным нарушениям.

Стабильность процесса, карта хотеллинга, неслучайные структуры, предупреждающая граница, эффективность контроля.

2015_ 1

Рубрика: Математическое моделирование

Тематика: Математическое моделирование.


УДК 519.248:681.51

Клячкин Владимир Николаевич, Ульяновский государственный технический университет, доктор технических наук, профессор, окончил механический факультет Ульяновского политехнического института. В настоящее время профессор кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет научные труды в области надежности и статистических методов. [e-mail: v_kl@mail.ru]В.Н. Клячкин,

Святова Татьяна Игоревна, УлГТУ, окончила экономико-математический факультет Ульяновского государственного технического университета, аспирант кафедры «Прикладная математика и информатика» УлГТУ. Имеет научные труды в области статистического контроля процессов. [e-mail: tatyana.krasko@rambler.ru]Т.И. Святова,

Кравцов Юрий Андреевич, УлГТУ, окончил физико-технический факультет Ульяновского государственного университета, аспирант кафедры «Прикладная математика и информатика» УлГТУ. Имеет научные труды в области статистического контроля процессов. [e-mail: ukravtsov@rambler.ru]Ю.А. Кравцов

Моделирование данных технологического процесса для анализа эффективности многомерного статистического контроля39_8.pdf

Многомерный статистический контроль технологического процесса обычно проводится с использованием карты Хотеллинга. При необходимости контроля рассеяния процесса применяется карта обобщенной дисперсии. Эффективность контроля оценивается с помощью специальной характеристики - средней длины серий: это количество наблюдений от момента нарушения процесса до момента обнаружения этого нарушения. Для повышения чувствительности контроля к возможным нарушениям используются различные подходы: анализ структур специального вида на карте, применение предупреждающей границы, модификации карт на основе алгоритмов кумулятивных сумм и экспоненциально взвешенных скользящих средних и другие. При этом средняя длина серий иногда может быть найдена аналитически, чаще ее приходится оценивать по результатам статистических испытаний. Для проведения таких испытаний моделируется последовательность векторов данных технологического процесса, а также задаются различные виды нарушений. Моделирование данных предлагается проводить на основе многомерного нормального распределения с последующей проверкой параметров. В качестве основных нарушений процесса рассматривается скачкообразное смещение среднего уровня процесса и его тренд, а также скачкообразное и постепенное увеличение рассеяния процесса.

Многомерная контрольная карта, статистические испытания, средняя длина серий, последовательность данных, нарушение процесса.

2015_ 1

Рубрика: Математическое моделирование

Тематика: Математическое моделирование.


УДК 621.38


Киселевич Валерий Павлович, ОАО «Концерн «Моринсис-Агат», г. Москва, кандидат химических наук, окончил факультет приборостроения Ленинградского института авиационного приборостроения (ЛИАП). Заместитель генерального директора по производству - технический директор ОАО «Концерн «Моринсис-Агат», г. Москва. Имеет статьи и патенты в области обеспечения качества и контроля электронных устройств. [e-mail: kiselevich_vp@concern-agat.ru]В.П. Киселевич,

Клячкин Владимир Николаевич, Ульяновский государственный технический университет, доктор технических наук, окончил механический факультет Ульяновского политехнического института. В настоящее время профессор кафедры «Прикладная математика и информатика» Ульяновского государственного технического университета. Имеет научные труды в области надежности и статистических методов. [e-mail: v_kl@mail.ru]В.Н. Клячкин,

Сухов Владимир Васильевич, ОАО «Концерн «Моринсис-Агат», г. Москва, кандидат технических наук, окончил машиностроительный факультет МГТУ им. Н.Э. Баумана по специальности «Радиомеханические приборные устройства». Начальник конструкторского отдела ОАО «Концерн «Моринсис-Агат», г. Москва. Имеет статьи и патенты в области надежности, испытаний и расчетов динамики и прочности РЭА, систем виброизоляции, вибро-акустических и шумовых характеристик, тепловых режимов. [e-mail: vsuhov051@yandex.ru]В.В. Сухов

Прогнозирование ресурса вычислительной системы по результатам испытаний35_7.pdf

Рассмотрены вопросы прогнозирования ресурса системы по результатам ускоренных испытаний при различных воздействиях. Методы оценки ресурса делят на четыре группы: статистические, детерминированные, физико-статистические, экспертные. Наибольшее использование находят первые три метода. Аналитические методы учета влияния этих воздействий на ресурс разработаны лишь для отдельных факторов, при этом не всегда учитываются особенности случайных воздействий. Известны методы расчета долговечности, связанные с усталостной прочностью. Для разработки эффективного метода оценки ресурса проведен анализ внешних воздействий, которые оказывают наибольшее влияние на долговечность. По результатам анализа аналогичных систем и ускоренных испытаний предложен метод оценки среднего и гамма-процентного ресурса на основе распределения наработки до отказа, параметры которого определяются расчетным путем. Испытания проведены на группе модулей по каждому выбранному воздействию. Приведен пример расчета системы как последовательного соединения подсистем, каждая из которых находится под действием одного из воздействий: вибраций, температуры, включения и выключения электропитания.

Ресурс, прогнозирование, вычислительная система, ускоренные испытания, статистические методы, распределение вейбулла.

2014_ 1

Рубрика: Математическое моделирование

Тематика: Математическое моделирование, Электротехника и электронные устройства .


© ФНПЦ АО "НПО "Марс", 2009-2018 Работает на Joomla!