| N-T.ru / Аналитический центр |
Специалист в областях: научно-исследовательской – высокие технологии проведения наукоемких исследований, теория планирования эксперимента, многофакторный регрессионный анализ; технологической – многокритериальная оптимизация и многофакторное математическое моделирование сложных технологических, технических, измерительных и др. систем, информационное обеспечение разработок и функционирования сложных систем; педагогической – экспериментально-статистическая методология решения конструкторских, технологических и исследовательских задач, эвристические методы поиска новых технологических решений, методология проведения прикладных исследований. Закончил механико-машиностроительный факультет Киевского политехнического института в 1962 г. и начал работать в отделе главного технолога завода «Арсенал» (г. Киев). В 1965 г. перешёл в научно-исследовательскую лабораторию автоматизации машиностроения Киевского политехнического института. В 1976 г. защитил кандидатскую диссертацию на тему «Исследование точности процесса нарезания наружных резьб самораскрывающимися головками». С 1983 г. доцент кафедры автоматизации технологических процессов в машиностроении. Лауреат Государственной премии Украины в области науки и техники 1994 г. В 1999 г. защитил докторскую диссертацию на тему «Стохастические модели параметров качества технологических систем». Его научные исследования использовались в комплексной научной работе «Разработка научно-методических основ и создание прогрессивной высокопродуктивной, базы автоматизации промышленного эксперимента»; в более чем 20 научно-исследовательских и опытно-конструкторских работах; подготовке свыше 25 диссертационных работ аспирантов, соискателей, адъюнктов; при создании программного средства «Планирование, регрессия и анализ моделей». Автор более 150 научных трудов и методических разработок, в том числе 2 монографий и 1 учебного пособия. Подготовил, читал и читает курсы «Теория планирования эксперимента» (с 1972 г.) для аспирантов, соискателей, научных сотрудников; «Основы научных исследований и технического творчества», «Математическое моделирование и оптимизация технологических систем» для студентов всех форм обучения; «Оптимизация технологических процессов в машиностроении» для слушателей (факультета повышения квалификации преподавателей вузов; «Оптимизация технических решений» для инженеров-технологов на факультете повышения квалификации. По приглашению, читал курсы лекций «Теория планирования эксперимента» (1980 г.); «Применение математических методов планирования эксперимента при создании летательных аппаратов» (1981...82 гг.); «Использование методов планирования эксперимента в научно-исследовательских и опытно-конструкторских работах» (1988 г.) в Украине и СНГ. Опубликованные работыСистемное оптимальное планирование регрессионного эксперимента Сформулированы системные требования к структуре многофакторной статистической модели и плану эксперимента. Определены классы планов, для которых выполняются сформулированные требования. Показано, что использование разработанного подхода позволило оптимально решать прикладные системные задачи. На кафедре технологии машиностроения Национального технического университета Украины «Киевский политехнический институт» разработаны и используются математические методы многокритериальной компромиссной оптимизации и многофакторного математического моделирования (статистические модели) сложных систем – технических, технологических, измерительных, материаловедческих. Методы наилучшего решения регрессионных задач Рассмотрены новые методы и алгоритмы решения многофакторных регрессионных задач. Показано, что их использование позволяет строить планы экспериментов, которые не приведены в каталогах, формализовано определять структуру моделей, не известную исследователю заранее, решать некорректно поставленные задачи с получением статистических моделей, имеющих наилучшие из возможных критерии качества. Методология регрессионного анализа Изложена новая методология регрессионного анализа применительно к получению линейных по параметрам моделей для прикладных сложных систем. Рассматривается планирование эксперимента для стандартных и нестандартных областей факторного пространства. Разработаны алгоритмы и программное обеспечение решения задач. Приведены примеры решения задач в системной постановке. Особенности планирования биологических космических экспериментов как многофакторных В работе сделана попытка применить методы планирования многофакторных экспериментов к новому биологическому космическому эксперименту «Рецептор» с целью выяснения механизмов возникновения так называемой «болезни движения» (или укачивания) у космонавтов. Разработка плана многофакторного эксперимента позволит определить необходимое число опытов для наземного и космического экспериментов. за счет проведения космического эксперимента за время одной экспедиции. Технология устойчивого оценивания регрессионных моделей Получение регрессионных моделей в прикладных исследованиях связано с решением некорректно поставленных задач. Поиск регрессионной модели будет корректным, если решение задачи существует, оно единственное и устойчивое. Разработана концепция устойчивого планирования многофакторного эксперимента, позволяющая выбрать неизвестные исследователю структуры «истинных» статистических моделей полиномиального вида, линейных по параметрам, и получить адекватные модели. Повышение эффективности экспериментальных исследований сложных систем и процессов Разработана методология создания новой техники и технологий, которая предназначена для решения прикладных задач многокритериальной компромиссной оптимизации, многофакторного математического моделирования, проведения вычислительного эксперимента со сложными системами и процессами. Ее применение позволяет исключать при измерениях и в высокоточных технологических процессах переменные систематические погрешности. Исследованы и применены устойчивые методы оценивания статистических регрессионных моделей. Планирование эксперимента в нестандартных областях факторного пространства Проанализированы проблемы мультиколлинеарности, возникающие при получении статистических моделей в нестандартных областях факторного пространства. Разработаны и обоснованы методы устойчивого оценивания структуры и коэффициентов статистических моделей. Приведены примеры топологического отображения прообраза факторного пространства в образ и создания собственных кодированных систем координат в образе. Устойчивые методы оценивания статистических моделей Устойчивость математического моделирования является основной проблемой плохо обусловленных систем и, как следствие плохой обусловленности, некорректно поставленных задач. Разработаны новые методы и алгоритмы, позволяющие получить последовательные многофакторные планы эксперимента, сформировать устойчивую структуру уравнения регрессии, априори не известную исследователю, и устойчиво оценить коэффициенты статистической модели в условиях исходной мультиколлинеарности факторов. Возможно решение некорректно поставленных задач в реальной системной постановке. История договорных работ протяженностью 17 лет убедительно демонстрирует, как информационное обеспечение, помимо экономии на проводимых исследованиях, позволяет получить значительную прибыль от продажи наукоемкой продукции. Подобных ошибок можно избежать, если прогнозировать качество продукции на самых начальных стадиях ее изготовления, а именно – в процессе исследования, проектирования и не позднее получения экспериментального образца. В статье показано, каким образом информационное обеспечение технологических процессов позволяет создавать новые наукоемкие изделия, определять наилучшие условия их эксплуатации, экономить живой труд, энергоносители, сырье. Для большинства реальных (не стандартных) форм факторного пространства методы выделения устойчивых структур и коэффициентов (кроме метода регуляризации) не известны. Рассмотрению путей создания метода выделения устойчивых структур и коэффициентов многофакторного уравнения регрессии в условиях мультиколлинеарности факторов посвящена данная статья. Информационное обеспечение технологических процессов Крупнейшие фирмы мира не гарантированы от ошибок в исследованиях и возможного скрытого брака разрабатываемой продукции: знаменитая ошибка FDIV обошлась фирме Intel почти в $500 млн; «Ниссан» отозвала 1,1 млн своих автомобилей разных моделей – эта акция обойдется компании в $57 млн; Toshiba решила выплатить по судебному иску компенсацию в $2,1 млрд за наличие дефекта в поставляемых ею ПК... Информационная коррекция погрешностей измерений Изложен принцип информационной коррекции переменных систематических погрешностей средств измерений. Он заключаются в реализации системного подхода в получении информации о всех видах погрешностей: инструментальных, методических, дополнительных, систематических, прогрессирующих (дрейфовых), модельных и возможно др. Приведены требования к процессу построения математических моделей систематических погрешностей; основные этапы получения многофакторных математических моделей средств измерений; взаимодействие средства измерения и его математической модели. Приведен пример повышения точности измерения цифровых весов в 11...13 раз.
|
|
Дата обновления: 29 июля 2013 года |
|