Metamodelowanie w optymalizacji procesów

• Autorzy: Kusiak J.

Warianty tytułu

EN

Application of metamodelling issue for process optimization

• Języki publikacji: PL

Abstrakty

PL

Omówiono ideę metamodelowania na przykładzie dwóch często stosowanych metod metamodelowania: metody powierzchni odpowiedzi (Response Surface Methodology – RSM) oraz metody sztucznych sieci neuronowych (Artificial Neural Network – ANN). Przedstawiono również dwa przykłady zastosowań metamodelowania: w optymalizacji funkcji benchmarkowej oraz w analizie odwrotnej w próbie spęczania metali.

EN

Concept of metamodelling is discussed by the example of two frequently used metamodelling methods, viz: RSM or Response Surface Methodology and ANN or Artificial Neural Network. Presented are two metamodelling applications, one for optimization of the benchmark function and the other, for inverse analysis of the metal upsetting test.

Słowa kluczowe

PL

metamodelowanie; optymalizacja procesu; metoda powierzchni odpowiedzi; RSM; metoda sztucznych sieci neuronowych; ANN

EN

metamodelling; process optimization; response surface methodology; RSM; artificial neural networks; ANN

• Wydawca: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
• Czasopismo: Mechanik
• Rocznik: 2011
• Tom: R. 84, nr 3
• Strony: 189--194
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Kusiak J.

• Katedra Informatyki Stosowanej i Modelowania, Wydział Inżynierii Metali i Informatyki Przemysłowej, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• 1. J. ANTONY: Design of Experiments for Engineers and Scientists. Butterworth-Heinemann Burlington 2003.
• 2. R. MEAD: The Design of Experiments. Cambridge University Press 1990.
• 3. R.H. MYERS, D.C. MONTGOMERY: Response Surface Methodology: Process and Product Optimization Using Designed Experiments. New York Wiley 1995.
• 4. R. TADEUSIEWICZ: Sieci neuronowe Akademicka Oficyna Wydawnicza RM Warszawa 1993.
• 5. J. ŻURADA, M. BARSKI, W. JĘDRUCH: Sztuczne sieci neuronowe. PWN Warszawa 1996.
• 6. J. KORBICZ, A. OBUCHOWICZ, D. UCIŃSKI: Sztuczne sieci neuronowe. Podstawy i zastosowania. Akademicka Oficyna Wydawnicza PLJ Warszawa, 1994.
• 7. D. RUTKOWSKA, M. PILIŃSKI, L. RUTKOWSKI: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN Warszawa 1997.
• 8. B. PERSSON, H. GRIMM, A. NG: Simulation-based optimisation using global search and neural network metamodels. Proc. 20th European Simulation and Modelling Conference, Toulouse 2006, s. 182-186.
• 9. M. KARAKASIS, K. GIANNAKOGLOU: Metamodel-assisted multi-objective evolutionary optimization. W R. Schilling, W.Haase, J. Periaux, H. Baier, and G. Bugeda (ed.). Evolutionary and Deterministic Methods for Design, Optimization and Control with Applications to Industrial and Societal Problems, EUROGEN, Munich 2005 p. 1-11.
• 10. J. KUSIAK, A. DANIELEWSKA-TUŁECKA, P. OPROCHA: Optymalizacja. Wybrane metody z przykładami zastosowań PWN Warszawa 2009.
• 11. A. ŻMUDZKI, J. KUSIAK: Neural Networks Based Optimization in Inverse Analysis Proc. 1st Invited COST526 Conf. АРОМАТ, Morschach, Switzerland, 2005, 236-241.
• 12. A. ŻMUDZKI, V. PIDVYSOTSKYY, M. PAĆKO, J. KUSIAK: Minimization of Anisotropic Effect During Thin Cup Free Bulging Process Using the Artificial Neural Networks Optimization Technique. Proc. 8th NUMIFORM2004 Conf., ed. S. Ghosh, J.M. Castro, J.K. Lee, Balkema, Columbus 2004, 2126-2131.
• 13. A. HANSEL, T. SPITTEL: Kraft- und Arbeitsbedarf Bildsomer Formgeburgs Verfahren. VEB Deutscher Verlag für Grundstoffindustrie Lipsk 1979.
• 14. Ł. SZTANGRET, D. SZELIGA, J. KUSIAK, M. PIETRZYK: Identyfikacja modelu materiału w prawie konstytutywnym w oparciu o rozwiązanie odwrotne z metamodelem. Mechanik 1/2011, s. 32.
• 15. J.G. LENARD, M. PIETRZYK, L. CSER: Mathematical and physical simulation of the properties of hot rolled products. Elsevier Amsterdam 1999.