Диссертация (1152160), страница 24

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 24)

Отношение к новой информации благожелательное, а восприятие и использование ее полнее, если она представляется в доходчивой, яркой и компактной форме.Из этих психологических особенностей следует необходимость предоставления экспертам возможностей для фиксации поступающей информации путемведения записей, использования технических средств, а также необходимостьпредварительной обработки информации и представления ее экспертам внаиболее воспринимаемой форме.

Анкетирование является наиболее эффективным и самым распространенным видом опроса, ибо позволяет наилучшимобразом сочетать информационное обеспечение экспертов с их самостоятельным творчеством.Сравнительный анализ различных методов сбора и способов обработкиданных, полученных от экспертовДля создания ЭС в работе был выбран метод сбора информации у экспертов и способ получения и обработки этой информации для введения в создаваемую ИЭСК качества пищевой продукции [110].

Проведен опрос специалистов, являющихся экспертами в конкретной предметной области пищевойпромышленности (кондитерской, мукомольной, молочной и пивобезалкогольной), а затем систематизироны полученные данные, организованы эти знанияуказателями, чтобы впоследствии их можно было легко извлечь из базы знанийИЭСК.

Для этого проведен анализ существующих методов представления иобработки оценок экспертов, а именно:1. Порядковый метод ранжирования. Метод состоит в том, что эксперт располагает объекты (факторы, альтернативы) в порядке, который представляетсяему наиболее рациональным и приписывает каждому из них порядковый номер134— ранг, который определяется на основе отношений «больше, чем»; «болеепредпочтителен»; «сильнее» и т. д. При этом ранг М получает наиболее предпочтительная альтернатива, а ранг N — наименее предпочтительная (следовательно, число n объектов должно быть равно N).

Когда в экспертизе участвуетнесколько экспертов (э), которые оценивают объект по нескольким факторам(п), обычно стремятся получить усредненную оценку (вес) для каждого объекта. Это особенно актуально, когда каждый эксперт использует свою шкалу оценок. Для этого была рекомендована следующая методика: 1) составляется матрица «эксперты-факторы», в которой проставляются полученные от каждогоэксперта оценки факторов по шкале от 1 до 10. Например, при проектированииИЭС контроля качества ПГК было выделено 7 основных показателей качестваготовых кондитерских изделий: а) цвет сырья; б) цвет сахарного сиропа; в) цветпомадного сиропа; г) цвет не глазированных конфет; д) величина кристалов сахара в помадной массе; ж) величина кристалов сахара в конфетной массе; з)форма конфет.Число факторов = 7, а число шкальных оценок = 10.

Рассчитывается относительная значимость (Wij) всех факторов в отдельности для каждого эксперта. Вычисляется усредненная оценка, данная всеми экспертами каждомуфактору. На основе этих оценок получаются ранги факторов.П. Метод последовательных сравнений. Недостаток показателей, получаемыхна основе суммирования оценок, состоит в том, что малое значение одного изфакторов можно компенсировать за счет другого большего, получая один и тотже результат при различной значимости факторов. Поэтому для повышениянадежности подобных оценок весьма большое значение имеет выявление связей и установление зависимостей (по возможности количественных) междувсеми значимыми факторами.

Для разрешения таких проблем был разработанметод последовательных сравнений [101] и он состоит в следующем. Экспертупредоставляется перечень факторов, которые необходимо оценить по их относительной важности и ранжировать. При этом подходы к сравнительной оценке135предлагаются разные. Наиболее важному фактору придается оценка v1 = 1, аостальным факторам — оценки Vi между 0 и 1 в порядке их относительнойважности. Затем эксперт определяет, является ли фактор с оценкой 1 болееважным, чем комбинация остальных факторов в совокупности. Если это так, тоон увеличивает оценку V1, чтобы она была больше, чем сумма всех остальных,иначе он корректирует V1 так, чтобы она была меньше суммы всех остальных.Далее для V2 повторяется та же процедура — определяется, является ли второйфактор наиболее важным, чем все остальные факторы, получившие более низкие оценки.

Процедура последовательных сравнений продолжается вплоть до(n-1)-го фактора. Таким образом, используемая здесь процедура состоит в систематической проверке оценок на базе их последовательного сравнения.Ш. Метод парных сравнений. Трудности использования ранжирования, непосредственной оценки и метода последовательных сравнений при выявлениипредпочтений для большого числа факторов можно в определенной степениуменьшить, если предложить экспертам произвести сравнение факторов попарно, с тем чтобы установить в каждой паре наиболее важный.

В общем случаеэксперт может установить равенство объектов или указать свои предпочтенияна некоторой шкале. Производить парное сравнение удобно не только тогда,когда число факторов велико, но и в тех случаях, когда различия между объектами по разным факторам настолько мало, что непосредственное ранжированиене обеспечивает разумного упорядочивания. Таким образом, метод парныхсравнений имеет некоторое преимущество перед другими методами упорядочения в случаях, когда факторов много или они трудно различимы. Существуетдва основных подхода определения предпочтений по этому методу.

Первый состоит в том, что эксперт ограничивается простой констатацией того, что одинфактор предпочтительнее другого - без указания на степень предпочтения. Тогда в матрице парных сравнений в ячейках записываются 0 или 1- такая матрица известна как «турнирная таблица». Матрица парных сравнений всегда обратно симметрична относительно главной диагонали, потому что если А1 пред-136почтительнее, чем А3, т. е. элемент А13 = 1, то А3 менее предпочтителен, чемА1, и А31 = 0. Фактически эксперту нужно заполнять только половину матрицы.Сумма оценок каждого фактора может трактоваться как его ранг. Так что впримере ранги факторов записаны в последнем столбце.

Сначала каждый эксперт заполняет такую матрицу, определяются индивидуальные ранги, а затемони усредняются с учетом мнений всех экспертов (матрица А). На основе этогостроится вторая матрица Р, показывающая процентное отношение случаев, когда фактор i оказывался более значимым, нежели фактор j, в общем числе полученных оценок.Определение согласованности мнений экспертов. Групповая оценка может считаться достаточно надежной лишь при условии хорошей согласованности ответов опрашиваемых специалистов.

Поэтому статистическая обработка информации, полученной от экспертов, должна включать в себя оценку степени согласованности мнений. Оценки, полученные от экспертов, могут рассматриваться как случайные переменные, распределение которых отражает мненияэкспертов о вероятности того или иного исхода события (фактора). Поэтомудля анализа разброса и согласованности оценок экспертов применяются обобщенные статистические характеристики — средние и меры разброса [14, 110].Анализ различных методов сбора, способов обработкии представленияинформации, поступающей в ИЭСК качества пищевых продуктов от экспертовпоказал, что достаточную точность при ограниченном количестве факторов (до100) обеспечивает метод последовательных сравнений.3.2.

Идентификация ТП производства пищевой продукции снестационарными параметрамиТП пищевых производств – это многозвенные инерционные системы, длякоторых характерна нестационарность параметров. В свою очередь, нестационарность моделей ТП вызвана изменением свойств как самого ТП, так и многономенклатурностью производства пищевой продукции [75].137Изменение во времени параметров ТП производства различной пищевойпродукции связано прежде всего с изменением свойств поступающиго сырья,а также с износом, старением и выходом из строя используемого технологического оборудования и его воздействием на датчики, аппараты, агрегаты, трубопроводы и исполнительные механизмы.Многономенклатурность пищевого производства приводит к тому, чтодля контроля и управления ТП необходимо иметь либо большое количествомоделей объектов автоматизации, либо строить эти модели непосредственно поэкспериментальным данным в ходе самого ТП.

Последний подход хорошо зарекомендовал себя во многих практических приложениях, хотя и не лишѐн некоторых недостатков [75]. Основная проблема заключается в том, что при построении модели объекта возможен уход контролируемых входных параметровза границы допусков. Следовательно, выпуск пищевой продукции не будет соответствовать техническим требованиям производства.3.2.1. Оценка диапазонов изменения входных значений для обеспечениястабилизации выходного показателя качества в заданном диапазонеВ любом производстве пищевой продукции возникает задача оценки диапазонов изменения входных измеряемых значений для получения оптимальногодиапазона изменения выходной величины.

В практической реализации – это задачи, когда на входе объекта имеется многокомпонентная пищевая масса, а навыходе имеется один измеряемый (интегральный) показатель качества готовогопродукта .Задача: определить, в каких пределах могут изменяться входные параметрыТП производства пищевой продукции x1 , x2 ,, xn для того, чтобы выходнойпоказатель качества лежал в заданных пределах y  y Верхн  у Нижн , т.е. необходимо обеспечить стабилизацию выходного показателя качества в заданном диапазоне. В работе ограничимся рассмотрением линейных регрессионных моделей:для модели множественной регрессии рассматриваем задачу оценки допусков138вариации входных параметров в зависимости от заданного допуска вариациифункции регрессии (отклика).Для промышленного объекта:y = f(x) + ,(3.11)где  - ошибка измерения.После проведения активного эксперимента получена следующая линейная регрессионная зависимость y от n входных параметров x1 ,, xn :y  a0  a1 x1  a2 x2  ...

 an xn ,гдеy-(3.12)прогноз выходной величины объекта, ai - коэффициенты, значения ко-торых получены в процессе идентификации.Задача состоит в отыскании для желаемого диапазона изменения y, т.е. дляy  yВ  yН , где yВ и yH - границы интересующего диапазона (для определенно-сти будем считать yВ > yH), допустимых областей вариации входных величинx1 ,, xn .

Таким образом, необходимо решить обратную задачу для множе-ственной линейной регрессии.Решение любой количественной задачи состоит в определении некоторогоэлемента y по исходным данным x и может быть записано в виде:y = f(x)(3.13)При этом обычно предполагается, что исходные данные х являются элементами некоторого метрического пространства  : x , а решение y ищется вметрическом пространстве , т.е.

y .Задача (3.13) называется корректно поставленной на паре пространств  и , если выполняются следующие условия:1) для любого x  решение задачи существует,2) для любого x  решение задачи единственно,3) решение задачи y непрерывно зависит от исходных данных.Задачи, не удовлетворяющие этим условиям, называются некорректно поставленными.139Подход к решению задачи (3.12) для удобства поясним рассмотрением объекта с одним наблюдаемым выходом y и одним наблюдаемым входом х.y  a0  a1 x(3.14)Решение обратной задачи в данном случае корректно.

Характеристики

Список файлов диссертации