Software: SimX - Nadelantrieb - Robust-Optimierung - Experimentkonfiguration: Unterschied zwischen den Versionen
| Zeile 25: | Zeile 25: | ||
Wir können deshalb für die probabilistische Simulation der Stichprobe wieder das Moment-Verfahren mit dem Polynomansatz 2. Ordnung ohne Berücksichtigung von Interaktionen verwenden. | Wir können deshalb für die probabilistische Simulation der Stichprobe wieder das Moment-Verfahren mit dem Polynomansatz 2. Ordnung ohne Berücksichtigung von Interaktionen verwenden. | ||
=== Optimierungsverfahren === | |||
Im Vergleich zu unseren bisherigen Optimierungsexperimenten haben wir nun ganz andere Bedingungen in Hinblick auf die Gütekriterien: | |||
* Bei der ''Strafe'' und dem ''Versagen'' handelt es sich, wie bereits bekannt, um interne Gütekriterien innerhalb der hierarchischen Optimierungsstrategie. | |||
* Jedoch sollen insgesamt drei "echte" Gütekriterien möglichst gleichzeitig in Hinblick auf ihre Werte minimiert werden! | |||
* Es ist sehr wahrscheinlich, dass es dabei zu Widersprüchen kommt und man sich letztendlich für eine Kompromisslösung entscheiden muss. | |||
* Grundlage für diese Entscheidungsfindung ist die Pareto-Menge. Diese Lösungsmenge kann in OptiY nur bei Verwendung ''Evolutionärer Algorithmen'' generiert werden: | |||
Version vom 13. Januar 2009, 14:38 Uhr
Robust-Optimierung
Wir wollen nun ausgehend vom Nennwert-Optimum eine robuste Lösung für unseren Antrieb suchen, die folgenden Kriterien genügt:
- Die Streubreiten von Abschaltspannung und Maximalstrom sind zu minimieren.
- Ein Prägezyklus soll trotzdem möglichst schnell erfolgen (Mittelwert über eine Stichprobe!).
- Alle anderen, bereits definierten Forderungen (Restriktionen) sollen innerhalb des Streubereichs der berücksichtigten Parameter-Streuungen eingehalten werden.
Als wesentliche Streuungen berücksichtigen wir wie bei der Ausschuss-Minimierung:
- Schwankungen der Betriebsspannung
- Fertigungstoleranzen der Rückholfeder
- Unterschiedliche Papiersorten
Wir erzeugen einen neues Experiment zur "Robust-Optimierung" durch Duplizieren unseres vorherigen Experiments zur "Ausschuss-Minimierung". Den von der Ausschuss-Minimierung übernommenen Workflow gestalten wir entsprechend um. Für die Minimierung der Streuungen von iMax und vMax benutzen wir die Standardabweichungen. Diese Werte repräsentieren in der verwendeten Maßeinheit direkt die Streubreite. Deshalb sind sie physikalisch einfacher zu interpretieren als die zugehörigen Varianz-Werte:
Zur Berechnung von Mittelwert bzw. Standardabweichung der Gütekriterien nutzen wir die Möglichkeiten des für das Bearbeiten der Eigenschaften bereitgestellten "Rechners", z.B.:
Statistische Versuchsplanung
In Hinblick auf die Wechselwirkungen zwischen den Parameter-Streuungen kann man im Beispiel annehmen, dass die gleichen Bedingungen gelten, wie bei der vorherigen Ausschuss-Minimierung.
Wir können deshalb für die probabilistische Simulation der Stichprobe wieder das Moment-Verfahren mit dem Polynomansatz 2. Ordnung ohne Berücksichtigung von Interaktionen verwenden.
Optimierungsverfahren
Im Vergleich zu unseren bisherigen Optimierungsexperimenten haben wir nun ganz andere Bedingungen in Hinblick auf die Gütekriterien:
- Bei der Strafe und dem Versagen handelt es sich, wie bereits bekannt, um interne Gütekriterien innerhalb der hierarchischen Optimierungsstrategie.
- Jedoch sollen insgesamt drei "echte" Gütekriterien möglichst gleichzeitig in Hinblick auf ihre Werte minimiert werden!
- Es ist sehr wahrscheinlich, dass es dabei zu Widersprüchen kommt und man sich letztendlich für eine Kompromisslösung entscheiden muss.
- Grundlage für diese Entscheidungsfindung ist die Pareto-Menge. Diese Lösungsmenge kann in OptiY nur bei Verwendung Evolutionärer Algorithmen generiert werden:
--->>> Hier geht es bald weiter!
