Имитационное моделирование производственного участка

В ходе последовательного  исключения незначимых коэффициентов  получили по прежнему значимость только шести коэффициентов при X. Значения коэффициентов уравнения регрессии представлены в таблице 5.3.

Таблица 5.3 – Значения коэффициентов уравнения регрессии

Коэффициент детерминации для объема незавершенного производства составляет R = 0,996.

Соответственно уравнения  регрессии для объема незавершенного производства будет выглядеть следующим образом:

Y1 (НЗП) = 1,458421 * x2 + 1,650115 * x3 – 0, 094933* x1* x2 - 0,001649 * x2 * x3 – 0,000669 * x2^2 - 0,002705 * x3^2.  

Коэффициенты уравнения регрессии, составленного, для объема готовой продукции представлены в таблице 5.4.

Таблица 5.4 – Значения коэффициентов уравнения регрессии

Анализируя полученные данные, видно, что значимыми являются все коэффициенты bi при xi соответственно.

Коэффициент детерминации для объема готовой продукции составляет R = 1.

Соответственно уравнения  регрессии для готовой продукции  будет выглядеть следующим образом:

Y2 (ГП) = 2227,87 -  3333,80 * x1 + 0 * x2 + 0 * x3 + 0 * x1 * x2 - 0 * x2 * x3 + 0 * x1 * x3 + 1111,93 * x1^2 - 0 * x2^2 - 0 * x3^2 - 0* x1* x2 * x3.  

Коэффициенты уравнения регрессии, составленного, для коэффициента загрузки оборудования представлены в таблице 5.5.

Таблица 5.5 – Значения коэффициентов уравнения регрессии

Анализируя полученные данные, видно, что значимыми являются все коэффициенты bi при xi соответственно.

Коэффициент детерминации для объема коэффициента загрузки оборудования составляет R = 0,999.

Соответственно уравнения  регрессии для коэффициента загрузки оборудования будет выглядеть следующим  образом:

Y3 (Кз) = 3092,33 – 4637,86 * x1 + 0 * x2 +  0 * x3 - 0 * x1 * x2 - 0 * x2 * x3 - 0 * x1 * x3 + 1545,96 * x1^2 - 0 * x2^2 - 0 * x3^2 + 0* x1* x2 * x3.  

Для решения многокритериальной задачи необходимо задать такую целевую  функцию, которая обеспечила бы обобщенную оценку качества объекта, через значения критериев оценки. В этом случае имеющаяся многокритериальная задача сводится к однокритериальной. Процесс построения скалярной функции качества при многокритериальной оптимизации называется сверткой векторного критерия. Принцип, положенный в основу формирования целевой функции в многокритериальных задачах оптимизации определяет стратегию их решения. Стратегию характеризует способ объединения критериев оптимальности в скалярную целевую функцию, существует множество стратегий решения многокритериальных задач оптимизации. В данной курсовой работе рассмотрим 3 из них:

1. аддитивная стратегия;
2. мультипликативная стратегия;
3. максиминная стратегия.

Аддитивная  стратегия.

Разделим выходные параметры  на 3 группы:

1. y_j ⁺ – параметры, значения которых необходимо увеличить;
2. y_i ^- – параметры, значения которых необходимо уменьшить;
3. y_k – параметры, на значения которых устанавливаются предельно допустимые отклонения от заданного значения.

При этом:

y _j ⁺ > T_j .                                                   (5.3)

y _i ^- < T_i .                                                    (5.4)

где Т_{i, j} – требования к выходному параметру.

Введем вектор весовых  коэффициентов с и вектор нормировочных коэффициентов Y⁰.

с = {с₁, с₂, …, c_m},                                             <span class="dash041e_0431_044b_0447_043d_044b_0439__Char" style=" font-siz