Лабоpатоpия экспеpиментально-статистических методов исследований

Системное 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.

Информационное обеспечение создания и совершенствования авиационной техники с использованием математических методов исследования

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.

Stable methods of statistical models estimation

The mathematical modeling stability is a principal problem of improperly stipulated systems and incorrectly formulated problems as a result of the improper stipulation. New methods and algorithms have been developed which allow one to obtain successive multifactor designs of the experiment, to form a stable structure of regression equations unknown a priori to the researcher and to estimate steadily the statistical model coefficients under the conditions of primary multicollinearity of the factors. It is possible to solve the improperly formulated problems in the real system formulation.

Лаборатория образована в 1976 году. В настоящее время состоит из 5-ти человек. При выполнении работ дополнительно привлекаются исполнители из числа лиц прошедших подготовку в группе. Место постоянной работы – Национальный технический университет Украины «Киевский политехнический институт».

Слева направо: Белорус Вера Николаевна, Андрусенко Галина Васильевна
Радченко Станислав Григорьевич, Бабич Павел Николаевич,
Мельничук Александр Николаевич, Лапач Сергей Николаевич

Опубликованные работы

Эстафета успеха. Перспективы информационного обеспечения инновационной деятельности в Украине

Изобретательство состоит из рутинной работы и творческих озарений. Разработанное в Украине программное обеспечение превращает стихийный инновационный процесс в систематизированный поиск новых технических решений и позволяет человеку многократно повысить свой творческий потенциал.

Информационное обеспечение создания авиационной техники в работах НТУУ «КПИ» и АНТК им. О.К. Антонова

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.

Топологический метод устойчивого оценивания коэффициентов многофакторного уравнения регрессии в условиях мультиколлинеарности факторов

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.

Направления работы

• Научное – разработка методов анализа данных в области статистики многофакторного математического моделирования, многокритериальной оптимизации, робастных планов экспериментов, устойчивого оценивания структуры и коэффициентов моделей. Издано 4 монографии и более 200 печатных работ.
• Учебное – обучение студентов: читается 9 курсов на 3-х факультетах, среди которых «Математическое моделирование и оптимизация технических и технологических систем», «Теория вероятностей и математическая статистика», «Основы научных исследований»; обучение аспирантов – курс лекций «Теория планирования экспериментов», «Методология проведения научных исследований»; консультации, помощь в решении задач – ежегодно 3...4 аспиранта и соискателя, всего более 70 человек из Украины и России. Формы обучения – курсы повышения квалификации и индивидуальное обучение аспирантов, соискателей и решение их задач.
• Инженерно-исследовательское – выполнение научно-исследовательских и проектно-конструкторских работ, разработка алгоритмов и программного обеспечения; коррекция переменных систематических погрешностей; консалтинг.
• Научно-издательское – подготовка и издание научно-технической литературы, монографий, учебных пособий и методических указаний.

Инженерно-исследовательское направление включает выполнение таких видов работ:

• Консалтинг – помощь организациям и предприятиям в решении конструкторских, технологических, испытательных, эксплуатационных и маркетинговых задач.
• Разработка и поставка универсального программного обеспечения. Разработаны программные продукты ПРИАМ (Планирование, Регрессия и Анализ моделей) и OptimeChoice (многокритериальный выбор).
• Разработка компонент специализированного программного обеспечения. Разработка компонент математического моделирования и оптимизации к специализированным системам автоматизированного проектирования, рабочим местам и базам данных.

Контакт

Радченко Станислав Григорьевич, доцент, руководитель лаборатории;
Лапач Сергей Николаевич, старший преподаватель;
Бабич Павел Николаевич, инженер-системотехник.

Тел.: +38 (044) 483-13-39, 248-47-77, 454-95-30, 405-14-47.
E-mail: babich.p@voliacable.com

Кафедра технолигии машиностроения НТУУ «КПИ»
E-mail: tm_mmi@users.ntu-kpi.kiev.ua

Примеры решения задач в области технологии и конструирования

Примеры решения задач в области маркетинга

Примеры разработки специализированных программных средств

1. Комплекс моделирования состояния воды в топливных баках летательного аппарата (в зависимости от характеристик бака, топлива, погодных условий, профиля и скорости полета, времени и условий хранения топлива и пр.) для предотвращения аварий вследствие закупорки топливопроводов льдом совместно с ЛИИ (Летно-испытательный институт, г. Москва) и КМУГА (Киевский международный университет гражданской авиации).
2. САПР по проектированию реле (совместно с ПО «Реле и автоматика», г. Киев).
3. Подсистема оптимизации для системы моделирования СКВ и ПОС (система кондиционирования воздуха и противооблединительная система) для АНТК им. Антонова. Ее применение при проектировании системы для АН-74 позволило снизить вес системы на 14%.
4. Подсистема моделирования для расчета характеристик отопительных котлов (СКТБ «Котломаш», г. Монастырыще). Применение позволило уменьшить календарное время проектирования для одного проектного варианта от двух недель до нескольких часов и уменьшить количество занятых исполнителей.
5. Подсистема моделирования и оптимизации для САПР низкотемпературных холодильников.

Пользователи ПРИАМ-технологии

1. КВВИАУ, г. Киев, 1983 г.
2. НИИЭРАТ, г. Люберцы, Моск. обл., 1984, 1991 гг.
3. СКТБ ИС ИМП АН УРСР, г. Киев, 1984 г.
4. КМЗ им. О.К. Антонова, г. Киев, 1985 г.
5. НПО «РостНИИТМ», г. Ростов-на-Дону, 1988 г.
6. ФФНИИАУ, г. Феодосия, 1988 г.
7. НИИВЭМ, г. Ижевск, 1989, 1991 гг.
8. Институт сверхтвердых материалов АН Украины, г. Киев, 1991 г.
9. КПИ, инженерно-физичческий факультет, г. Киев, 1991, 1993 гг.
10. ВНПП «Технохолод», г. Киев, 1991 г.
11. ВНИИ шинной промышленности, г. Москва, 1992 г.
12. Педагогический институт им. Т.Г. Шевченко, г. Орск, 1992 г.
13. Частное лицо, г. Киев, 1992 г.
14. СКТБ «Котломаш», г. Монастирище, 1993 г.
15. НДИ РЕТ «ТОР», г. Киев, 1994 г.
16. Краматорский индустриальный институт, г. Краматорск, 1994 г.
17. Винницкий государственный технический университет, 1995 г.
18. Национальный центр аэрокосмического образования молодёжи, г. Днепропетровск, 2003 г.
19. Закрытое акционерное общество «ФОЗЗИ», г. Киев, 2004 г.
20. Винницкий государственный аграрный университет, 2005 г.
21. Херсонский Национальный технический университет, 2006 г.

Предприятия и организации, для которых решались задачи с использованием ПРИАМ-технологии

1. КВВИАУ, г. Киев.
2. СКТБ ИС АН Украины, г. Киев.
3. НПО «РостНИИТМ», г. Ростов-на-Дону.
4. НИИЭРАТ г. Люберцы, Московськой обл.
5. КМЗ им. О.К. Антонова, г. Киев.
6. НИИВЭМ, г. Ижевск.
7. УкрНИАТ, г. Киев.
8. ОКТБ АН Украины, г. Киев.
9. Институт проблем материаловедения АН Украины, г. Киев.
10. Институт сверхтвердых материалов АН Украины, г. Киев.
11. Институт проблем прочности АН Украины, г. Киев.
12. ВНИИ монтажспецстрой, г. Киев.
13. ПО «Завод им. Артема», г. Киев.
14. Организация, г. Феодосия.
15. Физ.-техн. институт низких температур АН Украины, г. Харьков.
16. НПО «ВЕСТА», г. Киев.
17. Киевский НИИ фармакологии и токсикологии.
18. ВНИИ шинной промишленности, г. Москва.
19. НПО им. С.П. Королева, г. Киев.
20. ОНПО «Технология», г. Обнинск.
21. СКТБ «РИТМ», г. Киев.
22. ПО «Белоцерковшина», г. Белая Церковь.
23. НПФ «ЕКОСТ, ЛТД», г. Запорожье.
24. Украинский НИИ нетрадицийной медицины.
25. Фармакологический комитет МОЗ Украины.
26. Институт кормов аграрной академии наук Украины.

Дата обновления:

29 июля 2013 года